关于电影推荐项目知识点

关于电影推荐项目知识点

---

---

一、常用推荐算法分类

---

1、基于人口统计学的推荐

此推荐法较为简单，通过对用户的基本信息或者喜好，来给类似的用户推荐类似喜好，或者通过对用户进行标签标记，通过不同的标签推导出规则或者模型，进而推测同类标签人员的喜好,用户信息的标签化的过程一般被称为用户画像

什么是用户画像？
– 用户画像，便是企业通过采集用户的基本信息，生活习惯以及购物信息，消费习惯等，推导出一个抽象的商业化用户全貌，作为大数据技术的基础方式。

2、基于内容的推荐

根据物品之间的关系，推导出类似种类数据，根据物品的相关性，再基于用户的喜好记录为用户推荐相似的物品。可以通过物品的特征提取，进行相似度的计算

如何计算相似度？

3、基于协同过滤的推荐

简单说就是对物品特征的提取----打标签，对文本信息的特征提取----关键词等，通过多种不同的特征推到出目标结果，即通过数据推导出模型，再传入一组数据，通过模型得出目标结果。

---

二、模型求解算法—ALS

也叫交替最小二乘法，其算法主要为了矩阵因子分解问题的优化，使得目标顺势函数取值最小。其思想就是有两个矩阵P和Q都未知，且通过矩阵乘法耦合在一起，为了使得他们解耦，可以先固定Q,把P当作变量，通过损失函数最小化求出P，这就是一个经典的最小二乘问题，再反过来固定求得的P，把Q当做变量，求解出Q:如此交替执行，直到误差满足阈值条件，或者达到迭代上限。

---

三、项目整体架构流程图

项目分为离线和实时两部分，离线部分主要时对数据的统计存放到Mongodb和es中，并通过推荐算法得出用户电影推荐和电影相似度（离线推荐）。实时部分主要通过对用户的评分情况进行电影的实时推荐。

---