• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于動態(tài)矩陣分解模型的電影推薦系統(tǒng)研究?

    2022-07-10 02:16:22杜宇超
    電子器件 2022年2期
    關(guān)鍵詞:特征用戶模型

    王 璇 杜宇超 杜 軍 鄒 軍

    (1.南京信息職業(yè)技術(shù)學(xué)院電子信息工程學(xué)院,江蘇 南京 210023;2.加州大學(xué)圣地亞哥分校電子與計(jì)算機(jī)工程系,圣地亞哥CA 92093;3.中興通訊股份有限公司,廣東 深圳 518057;4.清華大學(xué)電機(jī)工程與應(yīng)用電子技術(shù)系,北京 100084)

    在如今的互聯(lián)網(wǎng)時(shí)代,電子商務(wù)市場迅速發(fā)展,出現(xiàn)了品種繁多的推薦系統(tǒng),這與大量互聯(lián)網(wǎng)用戶對個(gè)性化信息日益增長的需求密不可分。許多電子商務(wù)企業(yè)抓住這個(gè)機(jī)會,在大數(shù)據(jù)分析的基礎(chǔ)上,再運(yùn)用數(shù)學(xué)模型和相關(guān)高級算法,推出能夠預(yù)測用戶喜好的產(chǎn)品推薦系統(tǒng),吸引了更多潛在客戶以實(shí)現(xiàn)盈利的目的[1]。例如,美國媒體服務(wù)公司NETFLIX已將其在線電影和電視節(jié)目流數(shù)據(jù)應(yīng)用到在線用戶平臺的推薦系統(tǒng)中,實(shí)現(xiàn)了可觀的播放量增長以及用戶會員比例上升[2]。本文基于機(jī)器學(xué)習(xí)和數(shù)據(jù)分析技術(shù),在MATLAB 環(huán)境中使用優(yōu)化算法來研究更加可靠的適用于NETFLIX 平臺的電影推薦系統(tǒng)。數(shù)據(jù)集中包含9000 部NETFLIX 電影的歷史評分,算法應(yīng)用了兩種核心方法——高效處理數(shù)據(jù)的“矩陣分解(Matrix Factorization,MF)模型”,以及用于訓(xùn)練目的的“隨機(jī)梯度下降(Stochastic Gradient Descent,SGD)算法”。研究最終結(jié)論為使用動態(tài)偏置的MF 模型,在數(shù)據(jù)集與特征數(shù)量遠(yuǎn)小于一般市場所用的情況下,可將推薦系統(tǒng)的預(yù)測準(zhǔn)確度提高3.3%,從而為NETFLIX 客戶提供令人信服的個(gè)性化電影推薦。

    1 算法與模型

    1.1 稀疏數(shù)據(jù)結(jié)構(gòu)

    一般情況下,所有用戶對電影的實(shí)際評分值由一個(gè)普通的U×M評分矩陣存放,U表示用戶數(shù)量,M表示電影數(shù)量。由于對電影進(jìn)行評價(jià)的用戶數(shù)量有限,并且每位用戶可能只對有限的電影進(jìn)行打分,因此該評分矩陣中的大多數(shù)評分值都是未知的,表1 是一個(gè)簡單的例子。所以從節(jié)約存儲空間的角度可以設(shè)計(jì)一個(gè)稀疏矩陣R來存儲實(shí)際電影評分,其中R中的每個(gè)值rum代表用戶u對電影m的評分等級(整數(shù)1~5 分),而u和m是整數(shù)ID 號,代表特定的用戶和電影。稀疏結(jié)構(gòu)的優(yōu)點(diǎn)是可節(jié)省數(shù)據(jù)空間,具體來說,那些未知的評分值在稀疏舉矩陣中默認(rèn)為零,所以不占用實(shí)際空間。這里的稀疏矩陣只需要3 列數(shù)據(jù):電影ID,用戶ID 和評分,如表2 所示。很明顯,正常矩陣中需要5×6=30 個(gè)空間單位,而在稀疏矩陣中僅需要3×7=21 個(gè)空間單位。當(dāng)影片和用戶數(shù)量足夠大時(shí),這種存儲單位的節(jié)約量會更加顯著。

    表1 一個(gè)普通評分矩陣的簡單例子

    表2 一個(gè)稀疏矩陣的簡單例子

    1.2 基礎(chǔ)矩陣分解模型

    推薦系統(tǒng)中的數(shù)據(jù)預(yù)測方法通常有兩種——直接使用電影屬性和用戶偏好之間相關(guān)性的內(nèi)容過濾[3-4],或者僅識別具有相似偏好用戶的協(xié)作過濾[5]。后一種方法是面向項(xiàng)目的,相比前一種基于內(nèi)容的方法更準(zhǔn)確[6]。因此,基于協(xié)作過濾的這一優(yōu)點(diǎn),業(yè)內(nèi)已經(jīng)開發(fā)了用于分析“用戶-用戶”相似性的k最近鄰算法(k nearest neighbour,kNN)[6]和潛在因素模型[7]。kNN 實(shí)現(xiàn)簡單,但是數(shù)據(jù)庫中的稀疏性很高。另外,潛在因素模型通過復(fù)雜的代碼實(shí)現(xiàn)降低了稀疏性的負(fù)面影響,能夠更好地解決實(shí)際問題。

    潛在因素模型通常使用一定量的特征因素(通常為20 個(gè)~100 個(gè))代表用戶和電影。因素代表電影的實(shí)際特征或用戶喜歡的樣式類型。MF 模型是潛在因素模型的一種實(shí)現(xiàn)與應(yīng)用,它將預(yù)測的矩陣分解為兩個(gè)較小的因素矩陣,如圖1 所示。

    圖1 矩陣分解圖示

    U×M矩陣中的每個(gè)值代表用戶u(行)對電影m(列)的預(yù)測評分。將該矩陣分解為兩個(gè)維度分別為U×f和f×M因素矩陣P和Q,以簡化評級數(shù)據(jù)的存儲。f是潛在因素的數(shù)量,此處f=2,例如因素f1與f2。具體地,它們可能代表“動作”、“喜劇”等特征。每個(gè)評分可以由從兩個(gè)因素矩陣中分別提取的兩個(gè)因素向量的乘積表示:

    此處假設(shè)qm與pu都初始化為列向量。于是qm的轉(zhuǎn)置作為因素行向量表示電影m的特征分布(正或負(fù)值),pu作為因素列向量記錄了用戶u的興趣分布(正或負(fù)值)。以下是一個(gè)簡單的示例,

    公式(3)說明使用MF 的原因是有效降低了空間復(fù)雜性。

    M×U是原始數(shù)據(jù)空間的大小;f?M,f?U;f×(M+U)是應(yīng)用MF 后減小到的空間大小。

    我們把以上模型稱為基礎(chǔ)MF 模型?;A(chǔ)MF 模型要求在顯式反饋條件下使用,該顯式反饋指的是用戶u在電影m上的實(shí)際評分,例如rum。如果沒有顯式反饋,則使用隱式反饋,是一種間接反映用戶偏好的方法,包括購買記錄、瀏覽歷史記錄或鼠標(biāo)移動等[8]。

    1.3 隨機(jī)梯度下降算法

    基于如上所述的MF 模型,使用隨機(jī)梯度下降[9]作為訓(xùn)練算法。為了減小預(yù)測誤差,在此方法中應(yīng)使用誤差方程eum。

    分別求關(guān)于pu和qm的導(dǎo)數(shù)。根據(jù)導(dǎo)數(shù)結(jié)果的正或負(fù)值,添加或減少一個(gè)參數(shù)值以修改假定的。L和K均為常數(shù),用于數(shù)據(jù)規(guī)范化,經(jīng)過預(yù)測試選取L=0.001,K=0.02。

    值得注意的是,每個(gè)特征都應(yīng)被單獨(dú)訓(xùn)練。每次循環(huán)將在先前訓(xùn)練的所有特征找到最優(yōu)值后,生成這輪訓(xùn)練中特定特征的最優(yōu)值,以便能最大程度地減小誤差。一個(gè)完整的循環(huán)包括對固定數(shù)量的所有特征進(jìn)行訓(xùn)練。

    1.4 均方根誤差

    基于稀疏矩陣的實(shí)際評分以及經(jīng)過SGD 算法訓(xùn)練后獲得的預(yù)測評分,有必要評估預(yù)測準(zhǔn)確度以實(shí)現(xiàn)優(yōu)化目的。最終的目標(biāo)是最大程度地減少預(yù)測誤差,從而提高預(yù)測的準(zhǔn)確度。使用均方根誤差(Root Mean Square Error,RMSE)作為評估標(biāo)準(zhǔn)。

    式中,rum是實(shí)際評分值;是預(yù)測值;S是(u,m)的全集合;N是評分總個(gè)數(shù)。RMSE∈[0,1],其中RMSE=0 表示無誤差,RMSE 越接近1 表示準(zhǔn)確度越低。

    Koren Y 和他的團(tuán)隊(duì)獲得NETFLIX 獎第一名的解決方案添加了時(shí)間動態(tài)分析,并包含超過100 億個(gè)電影與用戶特征,最終得到的最小RMSE 為0.880[10]。與該團(tuán)隊(duì)獲得此獎項(xiàng)時(shí)的市場產(chǎn)品相比,準(zhǔn)確度提高了10%。本研究的最終目標(biāo)是實(shí)現(xiàn)并繼續(xù)提高預(yù)測準(zhǔn)確度。

    1.5 具有靜態(tài)偏置的MF 模型

    為了對基礎(chǔ)MF 模型進(jìn)行優(yōu)化,將考慮另外一個(gè)因素——偏置。如下列公式所示,μ表示所有電影的總平均評分,bm與bu分別表示對特定電影m以及固定用戶u的評分與平均水平之間的偏置。

    M是已知實(shí)際評分的總數(shù)量;Nm是評價(jià)電影m的用戶數(shù);Nu是用戶u評價(jià)的電影數(shù)量。式(8)~式(10)分別計(jì)算偏置μ、bm和bu。如公式(11)所示,是考慮了所有偏置值的預(yù)測值計(jì)算。由于μ、bm和bu偏置固定不變,所以稱為靜態(tài)偏置。

    1.6 具有動態(tài)偏置的MF 模型

    對于一個(gè)創(chuàng)新的SGD 算法,將偏置bm和bu首先初始化為0,與被訓(xùn)練的訓(xùn)練特征值同時(shí)進(jìn)行動態(tài)訓(xùn)練,這樣在MF 模型中就形成了動態(tài)結(jié)構(gòu)。訓(xùn)練的核心思想仍然是梯度下降。

    式中:m代表隨機(jī)電影,而u代表隨機(jī)用戶;L=0.001,K=0.02。最終,誤差eum和RMSE 的計(jì)算都應(yīng)考慮訓(xùn)練過程中的動態(tài)偏置值。

    2 算法訓(xùn)練

    本研究的數(shù)據(jù)集包括了2 649 429 位NETFLIX用戶,訓(xùn)練過程一共需經(jīng)過120 輪循環(huán)。每次全新獨(dú)立的訓(xùn)練過程都包含四個(gè)基本設(shè)置參數(shù),分別是MF 模型的類型、用戶數(shù)量、電影數(shù)量和特征數(shù)量。MF 模型有三種不同的類型:基礎(chǔ)MF 模型、具有靜態(tài)偏置的模型(靜態(tài)MF 模型)和具有動態(tài)偏置的模型(動態(tài)MF 模型)。默認(rèn)情況下特征數(shù)量為40[9],并且所有用戶特征值和電影特征值即因素矩陣P和Q中的所有數(shù)據(jù)都統(tǒng)一初始化為0.1。

    訓(xùn)練評估應(yīng)將數(shù)據(jù)集分為訓(xùn)練集(隨機(jī)選擇90%)和測試集(10%)。訓(xùn)練集用于算法的實(shí)現(xiàn),得到可靠的MF 模型;測試集旨在檢查訓(xùn)練結(jié)果的真實(shí)準(zhǔn)確度,并檢驗(yàn)算法與模型的可靠性。訓(xùn)練集和測試集都應(yīng)生成RMSE,訓(xùn)練集的RMSE 旨在證明SGD 的功能性,而測試集的RMSE 則用于評估其功能性的實(shí)際表現(xiàn)。每次循環(huán)訓(xùn)練或測試都應(yīng)該產(chǎn)生一個(gè)RMSE 值,在所有訓(xùn)練或測試結(jié)束之后,以循環(huán)次數(shù)為橫坐標(biāo)軸、RMSE 為縱坐標(biāo)軸繪制結(jié)果曲線圖。

    2.1 訓(xùn)練步驟

    根據(jù)前面算法和模型,設(shè)計(jì)對數(shù)據(jù)集的訓(xùn)練步驟如下:

    (1)固定一個(gè)特征因素fn,n的初始值為1;

    (2)基于特征因素fn;

    (a)遍歷實(shí)際評分矩陣R中所有用戶對所有電影的實(shí)際評分值,每次遍歷得到第u位用戶對第m部電影的評分rum;

    (b)對第u位用戶、第m部電影,根據(jù)公式(1)計(jì)算預(yù)測評分值;

    (c)在中添加靜態(tài)偏向值——計(jì)算對應(yīng)電影m的偏向值bm,計(jì)算對應(yīng)用戶u的偏向值bu

    (d)根據(jù)公式(4)得到誤差eum;

    (e)應(yīng)用隨機(jī)梯度下降算法,根據(jù)式(5)、式(6)更新對應(yīng)電影m的特征向量qm、對應(yīng)用戶u的特征向量pu;

    (f)使用新的特征值計(jì)算特征因素fn下第u位用戶對第m部電影的預(yù)測評分值rum;

    (3)進(jìn)入下一個(gè)特征因素fn+1,重復(fù)(2),直至計(jì)算出所有的特征因素下所有用戶對所有電影的預(yù)測評分值rum;

    體育活動能夠增強(qiáng)運(yùn)動者的體魄、舒緩運(yùn)動者壓力以及促進(jìn)運(yùn)動者身心健康發(fā)展。由于體育活動是一個(gè)長期過程,因此,要提高體育運(yùn)動的效果,就必須“從小開始”,即必須注重對小學(xué)生的體育行為與習(xí)慣的教育。近年來隨著新課標(biāo)的貫徹落實(shí),小學(xué)體育學(xué)科教學(xué)得到了快速的發(fā)展。在新時(shí)代背景下進(jìn)一步明確體育學(xué)科教學(xué)發(fā)展方向并進(jìn)行實(shí)踐創(chuàng)新,是進(jìn)一步推動小學(xué)體育學(xué)科教學(xué)發(fā)展的重要保障。

    (4)總共重復(fù)(1)~(3)120 次進(jìn)行循環(huán)預(yù)測計(jì)算。

    2.2 訓(xùn)練準(zhǔn)確性

    2.2.1 不同MF 模型的比較

    表3 列出了三種不同類型MF 模型的基礎(chǔ)參數(shù),電影數(shù)量是5 000,特征數(shù)量是40,由此訓(xùn)練出的訓(xùn)練集RMSE 變化趨勢如圖2 曲線所示。

    表3 圖2 基礎(chǔ)參數(shù)設(shè)置

    RMSE 越小意味著預(yù)測準(zhǔn)確度越高。根據(jù)圖2,具有被訓(xùn)練偏置的動態(tài)MF 模型由于RMSE 最小(0.816)表現(xiàn)最佳,與無偏置和靜態(tài)偏置模型相比分別提高了10.4%和6.42%。因?yàn)槠玫奶砑訒岆娪笆軞g迎程度或用戶偏好程度明確體現(xiàn)在預(yù)測評分值中。而偏置經(jīng)過迭代動態(tài)訓(xùn)練,會更加突出這些個(gè)性化程度。

    圖2 三種MF 模型的訓(xùn)練集RMSE

    圖3 顯示了三種不同類型MF 模型分別針對訓(xùn)練集與測試集RMSE 值的變化趨勢對比,表4 則列出了圖3 中所有情況下的RMSE 終值。

    圖3 訓(xùn)練集與測試集RMSEs

    表4 不同模型設(shè)置下RMSE 的終值

    根據(jù)表4 中數(shù)據(jù)進(jìn)行如下計(jì)算,以對比不同MF模型對應(yīng)的RMSE 值即預(yù)測準(zhǔn)確度。

    (2)動態(tài)模型訓(xùn)練集相比靜態(tài)模型訓(xùn)練集RMSE 值減少百分比:

    (3)測試集相比訓(xùn)練集RMSE 值平均增加百分比:

    (4)靜態(tài)模型測試集相比基礎(chǔ)模型測試集RMSE 值減少百分比:

    (5)動態(tài)模型測試集相比靜態(tài)模型測試集RMSE 值減少百分比:

    測試集的RMSE 平均比訓(xùn)練集的RMSE 大6.45%。這種準(zhǔn)確度的降低是正?,F(xiàn)象,同時(shí)表明該算法是可靠的,因?yàn)闇y試和訓(xùn)練集之間的準(zhǔn)確度差異小于10%,即6.45%<10%。此外表4 顯示,經(jīng)過訓(xùn)練的偏置與靜態(tài)偏置相比,靜態(tài)偏置與沒有偏置相比,分別將測試集的預(yù)測準(zhǔn)確度提高了3.74%和11.3%,證明了動態(tài)MF 模型能有效地提高推薦系統(tǒng)的預(yù)測準(zhǔn)確度。

    2.2.2 動態(tài)MF 模型中不同特征數(shù)量的比較

    表5 列出了訓(xùn)練動態(tài)MF 模型時(shí)不同特征數(shù)量的基礎(chǔ)參數(shù)設(shè)置,電影數(shù)量為5 000,特征數(shù)量為20、40、80、160。

    表5 圖4 基礎(chǔ)參數(shù)設(shè)置

    依據(jù)圖4 中4 種不同特征數(shù)量設(shè)置下的訓(xùn)練集RMSE 變化趨勢,表6 列出對應(yīng)的訓(xùn)練集與測試集的RMSE 終值。

    圖4 不同特征數(shù)量的訓(xùn)練集RMSEs

    表6 不同特征數(shù)量的訓(xùn)練集RMSE 終值

    根據(jù)表6 中數(shù)據(jù),相關(guān)RMSE 值比較如下:

    (1)訓(xùn)練集中特征數(shù)量成倍增加時(shí)RMSE 值減少百分比:

    (2)測試集中特征數(shù)量成倍增加時(shí)RMSE 值減少百分比:

    不同特征數(shù)量對應(yīng)的訓(xùn)練集RMSE 值曲線見圖4。隨著特征數(shù)量的增加,RMSE 減小,這意味著更多特征可以更準(zhǔn)確地描述電影屬性和用戶興趣。但是,總結(jié)了詳細(xì)RMSE 值的表6 指出,在訓(xùn)練和測試中,特征增加只會稍微提高準(zhǔn)確度。經(jīng)過計(jì)算,翻倍的特征數(shù)量僅能夠使RMSE 減少最多1%,說明特征數(shù)量增多對預(yù)測準(zhǔn)度的提高影響細(xì)微。但可以觀察到,隨著翻倍次數(shù)增多,RMSE 減少百分比呈類指數(shù)性增長。所以,針對特征數(shù)量對預(yù)測準(zhǔn)確度的影響,只有設(shè)定大量特征數(shù)量供訓(xùn)練驗(yàn)證,比如500 個(gè)~1 000 個(gè)特征,才有可能實(shí)現(xiàn)較顯著的準(zhǔn)確度提高。但實(shí)際上,復(fù)雜化的特征數(shù)量設(shè)置會大大增加執(zhí)行時(shí)間,從而降低了推薦系統(tǒng)的實(shí)用性。所以特征數(shù)量不需過大,通過試驗(yàn)進(jìn)行利弊權(quán)衡,找到合適的數(shù)值即可。

    2.2.3 數(shù)據(jù)集中包含不同電影數(shù)量的比較

    表7 列出了動態(tài)MF 模型訓(xùn)練時(shí)不同電影數(shù)量的基礎(chǔ)參數(shù)設(shè)置,電影的數(shù)量為1 000、2 000、5 000、9 000,特征數(shù)量固定為40。

    表7 圖5 基礎(chǔ)參數(shù)設(shè)置

    不同電影數(shù)量的訓(xùn)練集RMSE 變化曲線見圖5,圖中說明訓(xùn)練更多電影預(yù)測準(zhǔn)確度會更高。

    表8 是依據(jù)圖5 的不同電影數(shù)量的訓(xùn)練集RMSE 列出的4 種不同電影數(shù)量的訓(xùn)練集及測試集RMSE 終值。

    表8 不同電影數(shù)量的RMSE 終值

    圖5 不同電影數(shù)量的訓(xùn)練集RMSE

    根據(jù)表8,不同電影數(shù)量的RMSE 數(shù)據(jù)比較如下:

    (1)訓(xùn)練集中電影數(shù)量從1 000 到5 000,每增加1 000 部時(shí)RMSE 值平均減少百分比:

    訓(xùn)練集中電影數(shù)量從5 000 到9 000,每增加1 000 部時(shí)RMSE 值平均減少百分比:

    (2)測試集中電影數(shù)量從1 000 到5 000,每增加1 000 部時(shí)RMSE 值平均減少百分比:

    測試集中電影數(shù)量從5 000 到9 000,每增加1 000 部時(shí)RMSE 值平均減少百分比:

    根據(jù)表8,在數(shù)據(jù)集中每增加1 000 部電影,訓(xùn)練和測試中RMSE 總體下降平均都只有約1%,而當(dāng)電影數(shù)量持續(xù)增大時(shí),下降幅度甚至都小于0.1%。因此,累計(jì)增加的電影數(shù)量越多,盡管預(yù)測準(zhǔn)確度會有效提高,但增加幅度會逐次遞減,這與增加數(shù)量導(dǎo)致的運(yùn)行內(nèi)存與時(shí)間增長相比,弊遠(yuǎn)大于利。當(dāng)然,如果擁有高性能處理器的計(jì)算機(jī),就能夠解決運(yùn)行內(nèi)存的瓶頸,增加包含特征數(shù)量與電影數(shù)量等訓(xùn)練參數(shù)則可以有效提高推薦系統(tǒng)的準(zhǔn)確度。

    此外,表中存在一個(gè)例外結(jié)果:將電影編號從1 000 增加至2 000 時(shí),訓(xùn)練集的RMSE 增加而不是減少。這可能是由于,增加的1 000 部電影的所有特征值在訓(xùn)練過后仍然相同或仍為初始值而導(dǎo)致的。添加的1 000 部電影(第1 001 部到第2 000 部電影)可能都具有相似的特征屬性,而它們的真實(shí)特征值可能都遠(yuǎn)大于或遠(yuǎn)小于初始值0.1。因此,即使經(jīng)過一些訓(xùn)練,預(yù)測的特征值仍然與其真實(shí)值相差很遠(yuǎn),所以準(zhǔn)確度仍然很低,甚至低于電影數(shù)量更少的情況。更多的訓(xùn)練次數(shù)可能會解決這個(gè)問題。另外,新增的1 000 部電影可能都是新電影,幾乎沒有用戶提供實(shí)際的評分?jǐn)?shù)據(jù),所以他們無法在訓(xùn)練中體現(xiàn)他們的特征偏置。

    值得一提的是,NETFLIX 獎獲勝者Y.Koren 團(tuán)隊(duì)的推薦系統(tǒng)對比使用了多種方法,包括靜態(tài)偏置的MF 模型、隱式反饋模型以及多種時(shí)間動態(tài)模型,最終測試集得到的最優(yōu)RMSE 為0.880[10-12]。從表9 中可看出,其最優(yōu)RMSE 值對應(yīng)的參數(shù)設(shè)置包含上億級的特征數(shù)量,其使用的數(shù)據(jù)集包含了全部(1.8 萬)NETFLIX 電影。而本文最終選取的擁有最高推薦準(zhǔn)確度的數(shù)據(jù)集僅僅使用了40 個(gè)特征和9 000 部電影,該數(shù)據(jù)模型最終卻實(shí)現(xiàn)了將測試集的RMSE 降低到0.851。與獲獎?wù)呦啾龋A(yù)測準(zhǔn)確度提高了3.3%。

    表9 不同推薦系統(tǒng)訓(xùn)練模型準(zhǔn)確度對比

    總之,SGD 算法以及動態(tài)MF 模型可以在數(shù)據(jù)有限的條件下,為用戶提供更準(zhǔn)確的推薦。

    2.3 特征分布

    圖6(a)和(b)分別顯示了基于5 000 部電影和9 000 部電影在動態(tài)MF 模型、40 個(gè)特征設(shè)置下隨機(jī)選擇10 個(gè)電影的特征預(yù)測分布。包含更多電影的訓(xùn)練使得隨機(jī)選擇的電影在二維坐標(biāo)中分布在更準(zhǔn)確的特征位置。圖中,X軸表示“喜劇”特征值,兩部喜劇?Forbidden Zone?和?Blow Dry?在X軸上顯然為正。另一個(gè)特征值是“幻想主義”,其中驚悚片?Under Siege?在Y軸上出現(xiàn)在較大正值區(qū)域,而紀(jì)錄片?Dinosaur Planet? 和?Last of the Mississippi Jukes?則明顯在Y軸負(fù)值區(qū)域。以上表明,基于動態(tài)MF 模型的SGD 算法能比較準(zhǔn)確地預(yù)測各類型電影的具體特征。

    圖6 特征分布

    3 結(jié)論

    本文基于NETFLIX 平臺9 000 部電影的用戶評分?jǐn)?shù)據(jù)集,在MATLAB 環(huán)境中研究了一個(gè)可靠的電影推薦系統(tǒng)。此推薦系統(tǒng)有效預(yù)測計(jì)算了電影的觀眾評分,在數(shù)據(jù)集與特征數(shù)量遠(yuǎn)遠(yuǎn)小于一般市場所用的情況下,將預(yù)測準(zhǔn)確度提高了3.3%。動態(tài)MF 作為簡化的數(shù)據(jù)模型可以高效地處理數(shù)據(jù)。同時(shí),基于具有動態(tài)偏置的MF 模型的SGD 訓(xùn)練算法設(shè)計(jì)可用于提高推薦系統(tǒng)的預(yù)測準(zhǔn)確度。此外,提高推薦準(zhǔn)確度的潛在方法是通過設(shè)置適當(dāng)數(shù)量的特征并擴(kuò)大電影范圍。最終,每位用戶都可以獲得具有其個(gè)人最高預(yù)期評分、可靠的個(gè)性化電影推薦。

    猜你喜歡
    特征用戶模型
    一半模型
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    抓住特征巧觀察
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    3D打印中的模型分割與打包
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    99久久精品国产国产毛片| 亚洲熟妇中文字幕五十中出| 日本色播在线视频| 日韩欧美三级三区| 床上黄色一级片| 亚洲精品久久国产高清桃花| 免费看日本二区| 国产成人a区在线观看| 一个人看视频在线观看www免费| 三级国产精品欧美在线观看| 婷婷六月久久综合丁香| 亚洲七黄色美女视频| 美女 人体艺术 gogo| av在线老鸭窝| 三级男女做爰猛烈吃奶摸视频| 亚洲自拍偷在线| 九色成人免费人妻av| 亚洲五月天丁香| 一级av片app| 99久久精品一区二区三区| 欧美日韩一区二区视频在线观看视频在线 | 黄色一级大片看看| 久久人人精品亚洲av| 久久久精品94久久精品| 日本撒尿小便嘘嘘汇集6| 精品国内亚洲2022精品成人| 国产高清不卡午夜福利| 91麻豆精品激情在线观看国产| 夜夜爽天天搞| 国产av一区在线观看免费| 内射极品少妇av片p| 最好的美女福利视频网| 一级毛片久久久久久久久女| 欧美成人精品欧美一级黄| 日韩欧美在线乱码| 人人妻人人澡欧美一区二区| 一夜夜www| 又爽又黄无遮挡网站| 午夜视频国产福利| 国产精品久久久久久亚洲av鲁大| 国产精品女同一区二区软件| 一个人看的www免费观看视频| 亚洲精品乱码久久久久久按摩| 波多野结衣高清作品| 春色校园在线视频观看| av黄色大香蕉| 亚洲人成网站在线播放欧美日韩| 1000部很黄的大片| 久久精品国产自在天天线| 69人妻影院| 国产一级毛片在线| .国产精品久久| 亚洲美女视频黄频| 国产亚洲av嫩草精品影院| 国产大屁股一区二区在线视频| av专区在线播放| 小蜜桃在线观看免费完整版高清| 99精品在免费线老司机午夜| 又黄又爽又刺激的免费视频.| 精品久久久久久久久久免费视频| 午夜精品一区二区三区免费看| 天堂av国产一区二区熟女人妻| 国产免费男女视频| 夫妻性生交免费视频一级片| 色哟哟哟哟哟哟| 男的添女的下面高潮视频| 91午夜精品亚洲一区二区三区| 国产三级中文精品| 亚洲经典国产精华液单| 美女脱内裤让男人舔精品视频 | 免费电影在线观看免费观看| 色综合站精品国产| 狠狠狠狠99中文字幕| 99久久精品国产国产毛片| a级毛色黄片| 国产乱人偷精品视频| av专区在线播放| 99久久九九国产精品国产免费| 人体艺术视频欧美日本| 岛国毛片在线播放| 亚洲精华国产精华液的使用体验 | 久久这里只有精品中国| 日韩欧美精品v在线| 丰满人妻一区二区三区视频av| 97在线视频观看| 色播亚洲综合网| av女优亚洲男人天堂| 午夜精品国产一区二区电影 | 联通29元200g的流量卡| 欧美激情国产日韩精品一区| 久久精品91蜜桃| 91av网一区二区| 久久中文看片网| 18禁在线无遮挡免费观看视频| 亚洲第一电影网av| 成人毛片a级毛片在线播放| 国国产精品蜜臀av免费| 特大巨黑吊av在线直播| 成年女人看的毛片在线观看| 床上黄色一级片| 久久精品国产亚洲网站| 在线播放无遮挡| 日日啪夜夜撸| 亚洲婷婷狠狠爱综合网| 免费一级毛片在线播放高清视频| 村上凉子中文字幕在线| 欧美xxxx黑人xx丫x性爽| 亚洲在线自拍视频| 日本免费一区二区三区高清不卡| 超碰av人人做人人爽久久| 免费看日本二区| 亚洲av二区三区四区| av免费在线看不卡| 成人av在线播放网站| 人人妻人人看人人澡| 黄片无遮挡物在线观看| 嫩草影院入口| 波多野结衣巨乳人妻| 村上凉子中文字幕在线| 亚洲aⅴ乱码一区二区在线播放| 级片在线观看| 神马国产精品三级电影在线观看| 欧美成人a在线观看| 尤物成人国产欧美一区二区三区| 日本免费一区二区三区高清不卡| 成人漫画全彩无遮挡| 蜜桃亚洲精品一区二区三区| 亚洲经典国产精华液单| 九九热线精品视视频播放| 在线免费观看不下载黄p国产| 欧美日韩国产亚洲二区| 我的女老师完整版在线观看| 国产日本99.免费观看| 日本熟妇午夜| 我的女老师完整版在线观看| 国产精品一二三区在线看| 亚洲欧美日韩东京热| 一区福利在线观看| 国产真实乱freesex| 日韩成人伦理影院| 久久久久久久久大av| 精品一区二区三区视频在线| 麻豆成人av视频| 亚洲欧洲国产日韩| 亚洲欧美中文字幕日韩二区| 亚洲最大成人中文| 欧美精品国产亚洲| 一级黄片播放器| 国内精品一区二区在线观看| 中文精品一卡2卡3卡4更新| 久久久国产成人免费| 日韩成人伦理影院| 91麻豆精品激情在线观看国产| 在现免费观看毛片| 麻豆一二三区av精品| 亚洲色图av天堂| 天堂av国产一区二区熟女人妻| 高清毛片免费观看视频网站| 久久久国产成人精品二区| 精品免费久久久久久久清纯| 国产精华一区二区三区| 丝袜喷水一区| 好男人视频免费观看在线| 亚洲图色成人| 九九在线视频观看精品| 九九久久精品国产亚洲av麻豆| 国产高清有码在线观看视频| 欧美丝袜亚洲另类| 晚上一个人看的免费电影| 亚洲人成网站在线播| 内射极品少妇av片p| 三级经典国产精品| 永久网站在线| 3wmmmm亚洲av在线观看| 亚洲最大成人av| 亚洲欧美中文字幕日韩二区| 国产乱人偷精品视频| 黄色配什么色好看| av在线观看视频网站免费| 波多野结衣高清作品| 亚洲五月天丁香| 久久精品国产99精品国产亚洲性色| av专区在线播放| 你懂的网址亚洲精品在线观看 | 久久久久久久午夜电影| 人妻久久中文字幕网| 亚洲欧美精品自产自拍| 91久久精品国产一区二区成人| 十八禁国产超污无遮挡网站| 青青草视频在线视频观看| 波多野结衣高清无吗| 99热这里只有是精品50| 久久久久九九精品影院| 国产v大片淫在线免费观看| 亚洲av中文字字幕乱码综合| 免费观看在线日韩| 婷婷色综合大香蕉| 国产精品女同一区二区软件| 午夜激情欧美在线| 国产亚洲av片在线观看秒播厂 | 国内揄拍国产精品人妻在线| av在线天堂中文字幕| 午夜激情欧美在线| 亚洲人成网站在线观看播放| 成人毛片a级毛片在线播放| 久久精品影院6| 麻豆乱淫一区二区| 亚洲第一区二区三区不卡| 欧美性猛交╳xxx乱大交人| 在线播放国产精品三级| 国产一区二区三区av在线 | 午夜福利在线在线| 在现免费观看毛片| 国产老妇女一区| 久久久精品欧美日韩精品| 国产av一区在线观看免费| 亚洲真实伦在线观看| 久久久久九九精品影院| 免费无遮挡裸体视频| 精品久久国产蜜桃| 99热这里只有是精品50| av国产免费在线观看| 人妻少妇偷人精品九色| 你懂的网址亚洲精品在线观看 | 欧美成人精品欧美一级黄| 国产精品一区二区性色av| 嫩草影院新地址| 观看免费一级毛片| 色噜噜av男人的天堂激情| 国产真实乱freesex| 免费无遮挡裸体视频| 欧美一区二区国产精品久久精品| 国产日韩欧美在线精品| 日韩制服骚丝袜av| 老司机福利观看| 国产精品综合久久久久久久免费| 插阴视频在线观看视频| 色综合色国产| 观看美女的网站| 亚洲三级黄色毛片| 美女黄网站色视频| 国产乱人偷精品视频| 村上凉子中文字幕在线| 非洲黑人性xxxx精品又粗又长| 夫妻性生交免费视频一级片| 欧美zozozo另类| 欧美变态另类bdsm刘玥| 国产精品,欧美在线| 国产单亲对白刺激| 亚洲精品日韩在线中文字幕 | 日日啪夜夜撸| 可以在线观看的亚洲视频| 亚洲经典国产精华液单| 成人午夜高清在线视频| 亚洲,欧美,日韩| 国产国拍精品亚洲av在线观看| 亚洲图色成人| 久久精品夜夜夜夜夜久久蜜豆| 非洲黑人性xxxx精品又粗又长| 亚洲中文字幕日韩| 女人十人毛片免费观看3o分钟| 欧美变态另类bdsm刘玥| 国产男人的电影天堂91| 亚洲天堂国产精品一区在线| 亚洲欧美成人综合另类久久久 | 亚洲在久久综合| 国产一区二区亚洲精品在线观看| 99久久成人亚洲精品观看| 黄片无遮挡物在线观看| 麻豆精品久久久久久蜜桃| 亚洲一区二区三区色噜噜| 嫩草影院入口| 看十八女毛片水多多多| 观看美女的网站| 国产在线男女| 亚洲国产欧美人成| 国产欧美日韩精品一区二区| 亚洲国产欧洲综合997久久,| av在线老鸭窝| 亚洲av男天堂| 中文字幕制服av| 亚洲真实伦在线观看| 国产精品久久久久久精品电影小说 | 三级男女做爰猛烈吃奶摸视频| 综合色丁香网| 久久久久免费精品人妻一区二区| 一进一出抽搐gif免费好疼| videossex国产| 看免费成人av毛片| av在线播放精品| 中文资源天堂在线| 91久久精品国产一区二区三区| 国产高清三级在线| 久久精品国产清高在天天线| 久久精品国产亚洲av天美| 久久人人精品亚洲av| 国产精品久久久久久精品电影小说 | 亚洲第一区二区三区不卡| 国产精品久久久久久av不卡| 亚洲色图av天堂| 日韩成人av中文字幕在线观看| 小蜜桃在线观看免费完整版高清| 有码 亚洲区| 国产高清三级在线| 国产成人91sexporn| 国产片特级美女逼逼视频| 日韩国内少妇激情av| 亚洲最大成人av| 精品久久久久久久久久免费视频| 美女黄网站色视频| 校园春色视频在线观看| 国产精品综合久久久久久久免费| 国产成人影院久久av| 免费看光身美女| 99热网站在线观看| 嘟嘟电影网在线观看| 亚洲真实伦在线观看| 亚洲成人久久爱视频| 亚洲一区二区三区色噜噜| 一级毛片我不卡| 少妇高潮的动态图| 夜夜爽天天搞| 欧美最新免费一区二区三区| 欧美xxxx黑人xx丫x性爽| 国产精品一区二区三区四区免费观看| 亚洲欧美日韩卡通动漫| 欧美日韩国产亚洲二区| 日韩成人av中文字幕在线观看| 91精品一卡2卡3卡4卡| 麻豆国产97在线/欧美| 国产成人精品一,二区 | 91狼人影院| 亚洲精品国产成人久久av| 国产欧美日韩精品一区二区| 国国产精品蜜臀av免费| 女的被弄到高潮叫床怎么办| 成年女人看的毛片在线观看| 亚洲欧美成人综合另类久久久 | 国产精品一区二区三区四区免费观看| 哪个播放器可以免费观看大片| а√天堂www在线а√下载| 日韩欧美国产在线观看| 国产精品综合久久久久久久免费| a级毛片a级免费在线| 美女高潮的动态| 国产精品1区2区在线观看.| АⅤ资源中文在线天堂| 国产亚洲欧美98| 高清午夜精品一区二区三区 | 久久久久久久久中文| 一区福利在线观看| 国产麻豆成人av免费视频| 国产白丝娇喘喷水9色精品| 床上黄色一级片| 免费黄网站久久成人精品| 久久久久久九九精品二区国产| 欧美zozozo另类| 国产精品野战在线观看| 在线观看一区二区三区| 1024手机看黄色片| 亚洲av中文字字幕乱码综合| 有码 亚洲区| 亚洲丝袜综合中文字幕| a级毛片免费高清观看在线播放| 亚洲丝袜综合中文字幕| 91久久精品国产一区二区三区| 赤兔流量卡办理| 97在线视频观看| 99久久精品一区二区三区| 亚洲欧洲日产国产| 日韩欧美在线乱码| 久久久精品94久久精品| 色5月婷婷丁香| 欧美性感艳星| 国产精品乱码一区二三区的特点| 亚洲aⅴ乱码一区二区在线播放| 黄色一级大片看看| 国模一区二区三区四区视频| 欧美日韩一区二区视频在线观看视频在线 | 免费黄网站久久成人精品| 久久精品久久久久久噜噜老黄 | 国产高清不卡午夜福利| 国产亚洲av嫩草精品影院| 午夜福利在线观看免费完整高清在 | 精品少妇黑人巨大在线播放 | 亚洲久久久久久中文字幕| 在线观看一区二区三区| 日韩欧美国产在线观看| 又粗又硬又长又爽又黄的视频 | 日日撸夜夜添| 亚洲在线观看片| 国产成人精品婷婷| 在线国产一区二区在线| 天美传媒精品一区二区| 国产精品.久久久| 美女内射精品一级片tv| 亚洲电影在线观看av| 日本欧美国产在线视频| 国产乱人视频| 免费看av在线观看网站| 国产一区二区在线观看日韩| 久久精品国产鲁丝片午夜精品| 91麻豆精品激情在线观看国产| 丝袜喷水一区| 97在线视频观看| 欧美变态另类bdsm刘玥| 亚洲国产欧美在线一区| 精品日产1卡2卡| 两个人的视频大全免费| 91久久精品国产一区二区成人| 麻豆成人av视频| 日本爱情动作片www.在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 女人十人毛片免费观看3o分钟| 一个人看的www免费观看视频| 能在线免费看毛片的网站| 国产午夜福利久久久久久| 亚洲精品国产av成人精品| 不卡一级毛片| 免费在线观看成人毛片| 免费观看a级毛片全部| 校园春色视频在线观看| 国产精品国产三级国产av玫瑰| 青春草视频在线免费观看| 国产一区二区亚洲精品在线观看| 国产成人一区二区在线| 女人十人毛片免费观看3o分钟| 夫妻性生交免费视频一级片| 日本欧美国产在线视频| 亚洲精品久久久久久婷婷小说 | 亚洲美女搞黄在线观看| 爱豆传媒免费全集在线观看| 欧美变态另类bdsm刘玥| 亚洲av第一区精品v没综合| 三级经典国产精品| 亚洲最大成人手机在线| 日韩精品青青久久久久久| 国产日本99.免费观看| 日本与韩国留学比较| 国产v大片淫在线免费观看| 国内揄拍国产精品人妻在线| 国产日韩欧美在线精品| 最近视频中文字幕2019在线8| 国产精品乱码一区二三区的特点| 六月丁香七月| 寂寞人妻少妇视频99o| 成人性生交大片免费视频hd| 亚洲精品久久久久久婷婷小说 | 欧美成人免费av一区二区三区| 欧美一区二区精品小视频在线| 精品免费久久久久久久清纯| 人体艺术视频欧美日本| 国产精品美女特级片免费视频播放器| 91aial.com中文字幕在线观看| 欧美高清性xxxxhd video| 久久久久久久久久黄片| 97超碰精品成人国产| 日日干狠狠操夜夜爽| .国产精品久久| 欧美色视频一区免费| av天堂在线播放| 校园春色视频在线观看| 国产高清视频在线观看网站| 亚洲国产日韩欧美精品在线观看| 国产精品久久久久久av不卡| 亚洲成人久久性| 青春草国产在线视频 | 久久99热6这里只有精品| 男女下面进入的视频免费午夜| 真实男女啪啪啪动态图| 国产视频首页在线观看| 久久久久久久久久久免费av| 精品欧美国产一区二区三| 亚洲av中文av极速乱| 桃色一区二区三区在线观看| 国产极品天堂在线| a级毛色黄片| 欧美日韩在线观看h| 成人二区视频| 黄片无遮挡物在线观看| 久久99热6这里只有精品| 91久久精品电影网| 亚洲四区av| 国产精品久久久久久久电影| 亚洲精品影视一区二区三区av| 大香蕉久久网| 一区二区三区四区激情视频 | 超碰av人人做人人爽久久| 久久亚洲国产成人精品v| a级毛片免费高清观看在线播放| 美女被艹到高潮喷水动态| 中文精品一卡2卡3卡4更新| 国产亚洲av片在线观看秒播厂 | 亚洲国产精品久久男人天堂| 色噜噜av男人的天堂激情| 女的被弄到高潮叫床怎么办| 亚洲成人中文字幕在线播放| 久久久国产成人精品二区| 欧美又色又爽又黄视频| 中出人妻视频一区二区| 亚洲18禁久久av| 久久亚洲国产成人精品v| 嫩草影院入口| 精品人妻偷拍中文字幕| 国产91av在线免费观看| 亚洲熟妇中文字幕五十中出| 日韩国内少妇激情av| 午夜老司机福利剧场| 成年女人看的毛片在线观看| 欧美色欧美亚洲另类二区| 日韩欧美精品v在线| 级片在线观看| 黄色视频,在线免费观看| 日本成人三级电影网站| 51国产日韩欧美| 一区福利在线观看| 看片在线看免费视频| 日日干狠狠操夜夜爽| 寂寞人妻少妇视频99o| 免费看av在线观看网站| 久久久久久久久久黄片| 特级一级黄色大片| 毛片女人毛片| 亚洲欧美日韩无卡精品| 国产色爽女视频免费观看| 一级二级三级毛片免费看| 搞女人的毛片| 69av精品久久久久久| 欧美区成人在线视频| 午夜精品在线福利| 男的添女的下面高潮视频| 三级毛片av免费| 国产精品福利在线免费观看| 国产v大片淫在线免费观看| 亚洲欧美成人综合另类久久久 | 精品久久久噜噜| 亚洲av成人av| 国产激情偷乱视频一区二区| 久久久精品94久久精品| 在线播放无遮挡| 免费大片18禁| 一个人看视频在线观看www免费| 亚洲av熟女| 国产精品1区2区在线观看.| 国产成人影院久久av| 亚洲中文字幕一区二区三区有码在线看| 日韩亚洲欧美综合| 国内少妇人妻偷人精品xxx网站| 可以在线观看的亚洲视频| 蜜臀久久99精品久久宅男| 啦啦啦啦在线视频资源| 婷婷色综合大香蕉| 别揉我奶头 嗯啊视频| 99热网站在线观看| 又黄又爽又刺激的免费视频.| 国产精品,欧美在线| 一级毛片aaaaaa免费看小| 丰满乱子伦码专区| 日本熟妇午夜| 人妻少妇偷人精品九色| 久久这里只有精品中国| 亚洲欧美成人精品一区二区| 日本一二三区视频观看| 亚洲真实伦在线观看| 国产色爽女视频免费观看| 一个人免费在线观看电影| 我的老师免费观看完整版| 精品99又大又爽又粗少妇毛片| 成年女人永久免费观看视频| av福利片在线观看| 色视频www国产| 亚洲国产欧洲综合997久久,| 婷婷亚洲欧美| 少妇人妻精品综合一区二区 | 成人亚洲精品av一区二区| 亚洲欧洲日产国产| 精品不卡国产一区二区三区| 美女高潮的动态| 又粗又硬又长又爽又黄的视频 | 青青草视频在线视频观看| 日本黄大片高清| 一卡2卡三卡四卡精品乱码亚洲| 色哟哟·www| 夫妻性生交免费视频一级片| 欧美丝袜亚洲另类| 免费av毛片视频| 国产免费男女视频| 国产精品一区www在线观看| 久久精品国产亚洲av香蕉五月| 日韩一区二区视频免费看| 观看美女的网站| 亚洲成人av在线免费| 在线免费观看不下载黄p国产| 在线免费观看的www视频| 亚洲欧美日韩东京热| 精品人妻熟女av久视频| 九九久久精品国产亚洲av麻豆| 亚洲无线观看免费| 日本欧美国产在线视频| 久久精品夜夜夜夜夜久久蜜豆| 亚洲欧美成人精品一区二区| 给我免费播放毛片高清在线观看| 亚洲成人精品中文字幕电影| 成人一区二区视频在线观看| 99久久无色码亚洲精品果冻| 国产三级在线视频| 成人综合一区亚洲| 亚洲婷婷狠狠爱综合网| 日韩欧美精品v在线| 看片在线看免费视频| 高清毛片免费观看视频网站| 久久国产乱子免费精品| 久久这里有精品视频免费| 亚洲va在线va天堂va国产| 欧美bdsm另类|