基于神经网络的个性化电影推荐

成员

  • 巩卫参
  • 戴云鹏
  • 赵仁豪
  • 肖恩

问题描述

由于个人喜好不同，喜欢的电影风格也就不尽相同，如果能够根据用户喜欢的电影类型，进行个性化的内容推荐，可以给用户带来很好的体验。为了解决这个问题，推荐系统应运而生，其中协同过滤是推荐系统中使用广泛的技术，该方法根据用户的历史记录、个人喜好等信息，计算与其他用户的相似度，利用相似用户的评价来预测目标用户对特定项目的喜欢程度。优点是会给用户推荐未浏览的项目，缺点是对于新用户来说，由于没有任何与商品的交互记录和个人喜好等信息，导致模型无法找到相似的用户或商品。本项目使用文本卷积神经网络，并使用MovieLens数据集完成电影推荐的任务。

1、问题背景分析

目前，推荐系统越来越多的应用在日常应用中，如商品推荐，短视频推荐，新闻推荐等，一个好的推荐系统会让用户停留更多的时间，提高商品销量。用户经常并不明确知道自己想要什么，这时我们可以尝试根据用户的个人喜好，向用户推荐其可能感兴趣的事物，提高用户的使用体验。目前，人们对获取感兴趣的电影娱乐信息的需求越来越大。方便快捷高效的电影推荐系统对于电影观众来说是十分必要的，好的推荐系统可以帮助人们快速的找到自己喜欢的电影，节约用户的时间，满足不同电影爱好者的个性化需求。

2、问题描述

2.1 数据准备
使用MovieLens 1M 数据集， 数据集分为三个文件：用户数据users.dat，电影数据movies.dat和评分数据ratings.dat。

2.2 模型建立
在预处理数据时将数据集中的字段类型转成数字，用这个数字当做嵌入矩阵的索引，在网络的第一层使用嵌入层，电影名的处理用文本卷积网络，从嵌入层索引出特征以后，将各特征传入全连接层，将输出再次传入全连接层，最终分别得到用户特征和电影特征两个特征向量。 在实现推荐功能时将两个特征做向量乘法，将结果与真实评分做回归，采用MSE优化损失。

2.3 预期的结果

项目评估

模型期望实现的推荐功能如下：

  1. 指定用户和电影进行评分
  2. 推荐同类型的电影
  3. 推荐您喜欢的电影
  4. 看过这个电影的人还看了（喜欢）哪些电影

项目使用MSE方法对预测结果进行评估

项目分工

  • 巩卫参：数据预处理、文档撰写
  • 戴云鹏：构建模型、训练模型
  • 赵仁豪：模型优化、文档撰写
  • 肖恩：数据可视化、文档撰写