基于多特征融合的电影推荐系统

摘要：

协同过滤算法(CF)根据用户-物品的评分矩阵做推荐,未考虑物品自身属性.本文将MovieLens数据集上的电影属性,作为影响推荐结果的因素,融合电影的简介、评论、评分、导演和演员等多种因素,进行推荐.使用CNN(卷积神经网络)和Word2Vec(Word to Vector,词向量模型)处理电影简介;使用AFINN(Finn?rup Nielsen情感词典)处理评论,并对结果进行映射;对导演和演员数据进行建模,得到该因素下的预测评分,最后将各因素下的结果进行加权融合,通过调整权重,得到最佳效果.经验证,该方法的推荐性能优于传统的CF算法.

关键词：多因素、融合、电影、推荐系统

分类号：TP311(计算技术、计算机技术)

资助基金：广州市科技计划项目201804010265;广东省新工科研究与实践项目2017CXQX001;中山大学新华学院专业综合改革试点"软件工程"2018Z001

在线出版日期：2019-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：121-126