数据挖掘竞赛题目 -- 电影推荐

竞赛简介

通过对用户评分行为的分析，挖掘用户的兴趣及其变化规律，然后预测用户对其他电影的评分。

数据描述

本次比赛，我们提供了1千万左右的电影评分数据，每条评分记录都有时间戳（隐匿了具体时间，只保证顺序不变）。评分分为5级，1分最低，5分最高。

1. 我们抽取了超过800万条评分记录，作为训练集，数据文件名为r1.train,字段格式为：

   UserID::MovieID::Rating::Timestamp
   用户i : : 电影a :: 评分 :: 相对时间
   用户j : : 电影b : :评分: : 相对时间

   说明：

   1. UserID::MovieID::Rating::Timestamp ，四个字段分别代表：用户编号，电影编号，评分，相对时间；
   2. 每一行为一个用户对一个商品的评分，行之间用“回车符”分隔；
   3. 每一行各字段之间用“::”分隔。

2. 我们还抽取了超过200万条评分记录，作为测试集。我们隐藏了用户对于电影的评分，仅保留用户和商品的评分关系，数据文件名为r1.test，字段格式为：
   UserID::MovieID::Rating::Timestamp

   用户i : : 电影a :: ** :: 相对时间
   用户j : : 电影b : : **: : 相对时间

   说明信息同训练集，Rating字段用“**”代替。

3. 我们还提供了电影的详细信息，数据文件为movies.dat，格式如下：

   MovieID::Title::Genres

   MovieID是电影编号，Title是电影名称，Genres是电影类别信息。
   类别信息含义如下：
   • Action
   • Adventure
   • Animation
   • Children’s
   • Comedy
   • Crime
   • Documentary
   • Drama
   • Fantasy
   • Film-Noir
   • Horror
   • Musical
   • Mystery
   • Romance
   • Sci-Fi
   • Thriller
   • War
   • Western

任务描述

参赛者需要写出推荐算法，预测测试集中用户对于电影的评分。

评价标准

评分算法: regression-new_rmse
算法解释: 采用均方根误差RMSE来评测整个算法的推荐准确度

$$RMSE=\sqrt{\frac{1}{\begin{vmatrix} E^P \end{vmatrix}}\sum_{(\mu,\alpha)\in E^P}(r_{\mu \alpha}-r^{\prime}_{\mu \alpha})^2}\\其中r_{\mu \alpha}是用户\mu 对\alpha 的实际评分,r_{\mu \alpha}^\prime 是参赛者对于\mu 对\alpha 评分的预测值$$