本文從深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)入手，基于 Github 的開源項目來完成 MovieLens 數(shù)據(jù)集的電影推薦系統(tǒng)。

什么是推薦系統(tǒng)呢？

什么是推薦系統(tǒng)呢？首先我們來看看幾個常見的推薦場景。

如果你經(jīng)常通過豆瓣電影評分來找電影，你會發(fā)現(xiàn)下圖所示的推薦：

如果你喜歡購物，根據(jù)你的選擇和購物行為，平臺會給你推薦相似商品：

在互聯(lián)網(wǎng)的很多場景下都可以看到推薦的影子。因為推薦可以幫助用戶和商家滿足不同的需求：

• 對用戶而言：找到感興趣的東西，幫助發(fā)現(xiàn)新鮮、有趣的事物。

• 對商家而言：提供個性化服務(wù)，提高信任度和粘性，增加營收。

常見的推薦系統(tǒng)主要包含兩個方面的內(nèi)容，基于用戶的推薦系統(tǒng)（UserCF）和基于物品的推薦系統(tǒng)（ItemCF）。兩者的區(qū)別在于，UserCF 給用戶推薦那些和他有共同興趣愛好的用戶喜歡的商品，而 ItemCF 給用戶推薦那些和他之前喜歡的商品類似的商品。這兩種方式都會遭遇冷啟動問題。

下面是 UserCF 和 ItemCF 的對比：

總結(jié)

以上是生活随笔為你收集整理的第10课：动手实战基于 CNN 的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。