文件名称:电影评级推荐动因的研究:通过线性回归的最佳电影预测-研究论文
文件大小:432KB
文件格式:PDF
更新时间:2024-06-08 12:36:09
collaborative filtering Netflix recommender systems
近年来,在线零售商越来越依赖最先进的算法来帮助预测用户满意度并向消费者推荐电影。 使用隐式反馈的先进技术计算算法(例如SVD和潜在因子模型)的主要局限性在于,它们掩盖了最重要的独立变量的边际效应。 本文使用传统的线性回归来开发推荐系统,该推荐系统与更高级的计算算法一样好。 结果表明,预测电影推荐的最重要变量是用户的评级,该评级与其他电影存在极大差异,每部电影的电影评级的特定年龄(条件)效果以及以流派为条件的用户平均评级。 这3个元素允许回归模型在推荐电影评级中匹配黑盒算法和矩阵算法。 这进一步促进了推荐器背后的科学,还讨论了用于增强电影观看体验的电击期望电击最小化理论。 为用户提供适当的期望或观看电影的框架应会提高用户满意度。 这支持查询理论,该理论指出偏好不会被召回,而是会动态建立并且会受到影响。