-
题名基于动态矩阵分解模型的电影推荐系统研究
被引量：3
- 1
-
-
作者
王璇
杜宇超
杜军
邹军
-
机构
南京信息职业技术学院电子信息工程学院
加州大学圣地亚哥分校电子与计算机工程系
中兴通讯股份有限公司
清华大学电机工程与应用电子技术系
-
出处
《电子器件》
CAS
北大核心
2022年第2期483-489,共7页
-
基金
国家级职业教育教师教学创新团队课题(YB2020080102)
江苏省职业教育教师教学创新团队支持项目(BZ150706)
-
文摘
推荐系统已成为电子商务企业吸引客户、实现盈利的有效技术支持,它能够根据用户的网络点击数据预测其偏好,做出个性化推荐。研究了一个基于动态矩阵分解模型的NETFLIX电影推荐系统。该系统通过训练一个来自NETFLIX平台、包含9000部电影历史评分的数据集进行预测评分。核心算法包括运用矩阵分解(Matrix Factorization,MF)建立有效的数据处理模型,以及使用随机梯度下降(Stochastic Gradient Descent,SGD)训练该模型。数据集采用稀疏矩阵存储,以节省空间。在训练过程中,对预测评分增加了特定的偏向值。该系统与市场同类产品相比拥有更高的预测准确度,并向电影观众推荐符合他们喜好的电影,能极大地提高电影观看票房值。
-
关键词
电影推荐系统
动态矩阵分解模型
随机梯度下降算法
稀疏矩阵
预测评分
-
Keywords
movie recommendation system
dynamic matrix factorization(MF)model
stochastic gradient descent(SGD)algorithm
sparse matrices
rating prediction
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
J943.12
[艺术—电影电视艺术]
-
-
题名基于深度学习的Spark电影推荐系统设计
被引量：3
- 2
-
-
作者
关凯轩
禹素萍
-
机构
东华大学信息科学与技术学院
-
出处
《科学技术创新》
2021年第32期131-135,共5页
-
文摘
传统的推荐算法,如协同过滤等只能进行输入特征之间的简单组合,不能很好的挖掘特征之间的隐含信息,表达能力不强,很难为用户提供个性化推荐,近些年来深度学习在推荐系统领域的应用取得了很好的推荐效果。本文主要采用DIN深度学习模型作为排序层算法,采用Embedding技术作为快速召回算法,并利用TensorFlow Server建立模型服务;采用HDFS,Spark,Kafka,Flink等大数据存储,传输,计算框架完成特征的存储、离线计算与实时计算,通过对用户历史行为以及实时特征的采集处理,结合推荐算法完成对用户的离线推荐与实时推荐,生成用户感兴趣的Top-N电影列表,通过SSM框架实现完整的推荐系统前后端搭建。该系统保证了运行时的稳定性,推荐实时性,并在一定程度上提升了推荐效果。
-
关键词
Spark
TensorFlow
DIN
电影推荐系统
-
Keywords
Spark TensorFlow
DIN
Movie Recommendation System
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
