文件名称：Recommendation_rotten_tomatoes：基于从Rotten Tomatoes抓取的数据构建的推荐系统
文件大小：54.59MB
文件格式：ZIP
更新时间：2024-02-28 10:22:40
JupyterNotebook
Recommendation_rotten_tomatoes 基于从烂番茄中抓取的数据构建的推荐系统 执行摘要 在过去的十年中，大多数世界上最大的娱乐和电信公司将巨大的注意力转移到了流媒体娱乐的新战场上。 根据Statista的《美国2019- 2020年流电影的频率报告》（沃森，2020年），年龄在18至29岁之间的成年人总数占25％，年龄在18岁以上的成年人总数中占9％ 65岁的老人声称他们每天都看电影。 作为回应，2018年和2019年在美国和加拿大发行了750多部电影（Watson，2020年）。 在线电影消费的增长为消费者带来了大量信息和选择，并且需要更好的电影推荐系统来帮助消费者找到他们想要的正确的电影。 通常，基于内容的协作过滤推荐系统是两种最受欢迎的方法。 基于内容的协作过滤推荐都依赖于项目-用户交互。 除了使用用户的交互和反馈之外，基于内容的推荐还需要电影特征的丰
【文件预览】：
Recommendation_rotten_tomatoes-main
----README.md(20KB)
----Code()
--------Model_building.ipynb(4.13MB)
--------Scraping.ipynb(731KB)
----project_document.docx(564KB)
----.ipynb_checkpoints()
--------Model_building-checkpoint.ipynb(4.13MB)
----media()
--------image11.png(99KB)
--------image1.png(344KB)
--------image7.png(130KB)
--------image5.png(94KB)
--------image8.png(29KB)
--------image15.png(161KB)
--------image10.png(72KB)
--------image6.png(82KB)
--------image12.png(137KB)
--------image3.png(63KB)
--------image9.png(91KB)
--------image4.png(161KB)
--------image2.png(75KB)
----data()
--------scrap()
--------27K_movies_url.csv(1.55MB)
--------27k_data.zip(46.32MB)
----Final PPT.pptx(2.24MB)