基于卷積神經(jīng)網(wǎng)絡(luò)的電影推薦模型研究.pdf

1、隨著物質(zhì)生活水平的提高，精神娛樂變得愈發(fā)重要，作為一項較為普及的精神娛樂項目，影視娛樂正在逐漸受到人們的重視。然而近年來電影行業(yè)迅速發(fā)展，電影的產(chǎn)量也在逐年增加，如何在海量的電影數(shù)據(jù)中快速、準(zhǔn)確地找到用戶喜愛的電影便成了一個亟需解決的問題。根據(jù)注冊用戶的觀影信息、瀏覽信息以及評分信息等計算出用戶可能會感興趣的電影是解決該問題的關(guān)鍵所在。
　　經(jīng)過了對大量的文獻與資料的查閱和總結(jié)之后，論文提出電影推薦模型，該模型包含對電影數(shù)據(jù)集的預(yù)

2、處理、用戶對電影評分的預(yù)測以及對預(yù)測評分的處理等。在電影評分預(yù)測的研究中，根據(jù)深度學(xué)習(xí)的相關(guān)理論提出將卷積神經(jīng)網(wǎng)絡(luò)(CNN)的原理運用于電影評分預(yù)測模塊。根據(jù)注冊用戶的注冊信息、電影相關(guān)信息及注冊用戶對于電影的評分等相關(guān)信息來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，在實驗中通過調(diào)整超參數(shù)來提高神經(jīng)網(wǎng)絡(luò)在訓(xùn)練集上的表現(xiàn);為了緩解卷積神經(jīng)網(wǎng)絡(luò)在計算和網(wǎng)絡(luò)訓(xùn)練過程中出現(xiàn)的“過擬合”現(xiàn)象，尋找合適的Dropout值降低過擬合問題;在對電影推薦模型優(yōu)化的過程中，首先對