R语言-推荐系统：基于电影评分的推荐系统

R语言-推荐系统：基于电影评分的推荐系统

 

评分系统是一种常见的推荐系统。可以使用R/PYTHON等语言基于协同过滤算法来构建一个电影评分预测模型。学习协同过滤算法、UBCF和IBCF。本实验目标为，实现一个基于电影评分的推荐系统，以此来根据用户的评分历史来为其推荐喜欢的电影，做出有效的电影推荐。

实验前推荐先阅读一些相关书籍或资料，例如电影评分预测模型、推荐系统实践等等。

数据准备：

 1.R语言包：ggplot2包、recommenderlab包、eshape包（数据处理）。在recommenderlab包里面，针对realRatingMatrix数据类型，总共提供了6种模型，分别是：基于项目协同过滤（IBCF）， 主成分分析（PCA）， 基于流行度推荐（POPULAR）,随机推荐（RANDOM）,奇异值分解（SVD），基于用户协同过滤算法（UBCF）。

 2.获取数据ml-100k：明尼苏达州大学的社会化计算研究中心官网上面下载这些免费数据集，网站链接为http://grouplens.org/datasets/movielens/。本实验使用数据为ml-100k。

 

数据预处理：

由于数据源本身并没有很大问题，所以只是进行了简单的处理并进行了EDA。同样是利用ggplot2包进行画图，对数据分布有更好的了解。

读取数据后，将多余数据删除，将数据分为用户ID，电影ID，电影评分，代码如下。电影评分为本次实验重点，通过饼图可看出用户给出三星和四星的情况最大，一星和二星的情况最少。其中三星、四星的个数记起来占全部评分的75%左右。用户关于电影的评分呈较明显的左偏分布。这说明用户对电影的评分通常较高，若新电影评分低于3.5时就可能已经失去了一半观众。