一种基于因子分解机和主动学习的新电影推荐方法

• 作 者: 薄玲玲
• 出 处: 西北大学
• 发表日期: 2004年期
• 关键词: 因子分解机 主动学习 新电影推荐

随着互联网技术的飞速发展,电影数量呈指数型增长。如何在海量的电影网络资源中有效地挑选出满意的电影成为人们的困扰,于是电影推荐系统应运而生。国内各大视频网站也都纷纷引入了推荐模块,但新电影冷启动问题却没有得到有效地解决。电影作为最热门的娱乐方式之一,拥有着庞大的用户群体,如果新加入系统的电影得不到有效地推荐,就会长期处于“冷”状态,不论对用户还是电影本身都是一种巨大的损失。本文深入研究了因子分解机和主动学习,提出了一种基于因子分解机和主动学习解决新电影冷启动问题即新电影推荐的方法。论文的主要工作包括以下几个方面:1.针对零评级电影冷启动问题,本文提出了基于因子分解机和主动学习解决新电影推荐的方法。该方法基于主动学习的思想:首先,通过制定用户选择标准,基于因子分解机和聚类技术,针对不同的电影选择出不同的用户;其次,利用已选用户的电影评级预测未被选择的用户对新电影的评级;最后,实现对新电影的推荐。2.实验采用Movie Lens数据集,并将本文所提方法与其它方法进行对比分析。结果表明,本文提出的方法在RMSE和MAE方面优于其他方法,表明此方法在预测阶段具有较好的预测精度,能够成功地实现新电影的推荐。3.文中提出的基于因子分解机和主动学习解决新电影推荐的方法可以集成到电影推荐系统中,因此本文设计并实现了新电影推荐原型系统。