Keras深度學(xué)習(xí)實戰(zhàn)（31）——構(gòu)建電影推薦系統(tǒng)

• • 0. 前言
  • 1. 模型與數(shù)據(jù)集分析
  • • 1.1 數(shù)據(jù)集分析
    • 1.2 模型分析
  • 2. 電影推薦系統(tǒng)
  • • 2.1 基于 LSTM 實現(xiàn)電影推薦系統(tǒng)
    • 2.2 考慮用戶歷史記錄
  • 小結(jié)
  • 系列鏈接

0. 前言

推薦系統(tǒng)在用戶發(fā)現(xiàn)中起主要作用。假設(shè)，我們具有數(shù)千種不同的產(chǎn)品，每種產(chǎn)品還存在不同的規(guī)格、樣式等。在這種情況下，對用戶進(jìn)行有關(guān)產(chǎn)品的精準(zhǔn)推薦將成為增加銷量的關(guān)鍵。在本節(jié)中，我們將以電影推薦系統(tǒng)為例介紹推薦系統(tǒng)模型構(gòu)建的方法，從而為用戶推薦其真正感興趣的產(chǎn)品。

1. 模型與數(shù)據(jù)集分析

在本節(jié)中，我們將學(xué)習(xí)如何根據(jù)用戶對電影的評分?jǐn)?shù)據(jù)庫構(gòu)建電影推薦系統(tǒng)，任務(wù)目的是最大限度地提高所推薦電影對用戶的相關(guān)性。在定義目標(biāo)時，我們還應(yīng)該考慮推薦的電影雖然相關(guān)，但用戶可能并不會立即觀看。同時，我們還應(yīng)該確保所有的推薦并不都是關(guān)于同一種類型的，這對于推薦系統(tǒng)至關(guān)重要，例如，在零售環(huán)境中，我們并不希望一直向用戶推薦不同規(guī)格的同

總結(jié)

以上是生活随笔為你收集整理的Keras深度学习实战（31）——构建电影推荐系统的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。