网站首页精品电影在线电影电影下载微电影类榜单资讯其它网址

如何用深度学习推荐电影？教你做自己的推荐系统！

分类:电影咨询 作者:5a3acom 来源:www.5a3a.com 时间:2017/5/22 14:24:21 人气:918 分享QQ空间 收藏QQ书签 推荐朋友
简介
几乎所有人都喜欢与家人、朋友一起观看电影度过闲暇时光。大家可能都有过这样的体验：本想在接下来的两个小时里看一个电影，却坐在沙发上坐了20分钟不知道看什么，选择困难症又犯了，结果好心情也变得沮丧。所以，我们很需要一个电脑代理，在做挑选电影的时候提供推荐。
现在，电影智能推荐系统已经成为日常生活中的一部分。
Data Science Central 曾表示：
“虽然硬数据很难获得，但知情人士估计，对亚马逊和Netflix这样的大型电商平台，推荐系统为它们带来高达10%至25%的收入增长”。
在这个项目中， 我研究了一些针对电影推荐的基本算法，并尝试将深度学习融入到电影推荐系统中。
把娱乐与视觉艺术相结合，电影是一个很好的例子。电影海报可以直接、快速地把电影信息传达给观众。Design Mantic表示：“不论上映前后，电影海报都是创造噱头的主要因素。多半的人（目标观众）都根据海报来决定买不买票，看不看电影。”我们甚至可以仅仅根据海报字体，来推测这个电影的情绪。
这听起来有点像魔术——但看一眼海报就预测出电影的类型，的确是可能的。就拿我来说，瞟一眼海报就知道我想不想看这个电影了。举个例子，我不是卡通迷，一看到有卡通主题海报，就知道不是我的菜。这个决策的过程很直接，并不需要阅读电影评论（不确定谁真的有时间读那些评论）。因此，除了标准的电影推荐算法，我还用了深度学习来处理海报，并将相似的电影推荐给用户。最终目标是模仿人类视觉，并仅仅通过观察海报，就能用深度学习创建一个直观的电影推荐系统。该项目是受到Ethan Rosenthal博客启发。我对他博客里的代码进行了修改，以适应这个项目的算法。
我们用的是从 MovieLens 下载的电影数据集。他包含9066个电影和671名用户，分成了100000个打分和1300个标签。这个数据集最后更新于10/2016.
协同过滤 
粗略地说，有三种类型的推荐系统（不包括简单的评级方法）
基于内容的推荐
协同过滤
混合模型
“基于内容的推荐”是一个回归问题，我们把电影内容作为特征，对用户对电影的评分做预测。
而在“协同过滤”推荐系统中，一般无法提前获得内容特征。是通过用户之间的相似度（用户们给了用一个电影相同的评级）和电影之间的相似度（有相似用户评级的电影），来学习潜在特征，同时预测用户对电影的评分。此外，学习了电影的特征之后，我们便可以衡量电影之间的相似度，并根据用户历史观影信息，向他/她推荐最相似的电影。
“基于内容的推荐”和“协同过滤”是10多年前最先进的技术。很显然，现在有很多模型和算法可以提高预测效果。比如，针对事先缺乏用户电影评分信息的情况，可以使用隐式矩阵分解，用偏好和置信度取代用户电影打分——比如用户对电影推荐有多少次点击，以此进行协同过滤。另外，我们还可以将“内容推荐”与“协同过滤”的方法结合起来，将内容作为侧面信息来提高预测精度。这种混合方法，可以用“学习进行排序”（"Learning to Rank" ）算法来实现。
该项目中，我会聚焦于“协同过滤”方法。首先，我将讨论如何 不使用回归， 而是 电影（用户）相似度来预测评分 ，并基于相似度做电影推荐。然后，我将讨论如何 使用回归同时学习潜在特征、做电影推荐 。最后会谈谈 如何在推荐系统中使用深度学习 。
上一篇：美女与野兽 美女很美野兽不野  下一篇：面对一季度票房负增长的中国电影... 

更多 【相关文章浏览】

【每日阅读排行】