Рекомендательная система для художественных фильмов

Рекомендательные системы получили широкое распространение в различных интернет-сервисах: контекстная реклама, интересные для пользователя фильмы и музыка, подбор товаров и услуг в интернет-магазинах. Алгоритмы построения рекомендаций учитывают профиль пользователя, историю его запросов, покупок и информацию о пользователях, похожих на него. Эти алгоритмы быстро развиваются и доказали свою эффективность, их внедрение повышает посещаемость сервисов и продажи. В данной работе описана рекомендательная система на основе коллаборативной фильтрации [1], предназначенная для подбора фильмов с учетом предпочтений пользователя. Актуальность работы обусловлена эффективностью и широтой использования рекомендательных систем. Цель работы: разработка рекомендательной системы фильмов.

---

Если вам нужна дипломная работа на заказ цена во Владивостоке приятно удивит. Закажи на Work5.

---

. Задачи: • изучить основы построения рекомендательных систем, их типы, методы подбора рекомендаций; • разработать архитектуру приложения с учетом необходимости в базе данных фильмов и интерактивном общении с пользователем; • подготовить стартовый банк данных с реальными пользователями и фильмами; • реализовать приложение на языке С++. Работа состоит из 7 разделов. В введении описана актуальность и постановка задачи. Раздел предметная область посвящен формализации входных данных. Далее следует архитектура приложения в одноименном пункте. В разделе «база данных» обозначен подход к реализации базы данных, указан источник начальных данных. Следующий раздел посвящен выбору алгоритма построения рекомендаций. В заключении описаны основные результаты работы.

В работе рассмотрено написание рекомендательной системы фильмов в виде консольного приложения на языке C++. В качестве подхода выбрана коллаборативная фильтрация с косинусным расстоянием в виде метрики. Добавлены дополнительные ограничения, фильтрующие результаты с малым пересечением по просмотренным фильмам. Начальное заполнение базы данных взято с открытых источников, содержит 4000 фильмов и более миллиона пользовательских оценок.

1. Разработка рекомендательной системы на Python | MakeSomeCode [Электронный ресурс] // Разработка рекомендательной системы на Python | MakeSomeCode: [сайт]. [2020]. URL: https://makesomecode.me/2018/09/movie-recommendation-system/ (дата обращения: 01.07.2020). 2. Stroustrup B. Programming: Principles and Practice Using C++ . Addison-Wesley Professional, 2015. – 1312 с. 3. MovieLens | GroupLens [Электронный ресурс] // MovieLens | GroupLens: [сайт]. [2020]. URL: https://grouplens.org/datasets/movielens/ (дата обращения: 01.07.2020). 4. Vector space model | Wikipedia [Электронный ресурс] // Vector space model | Wikipedia: [сайт]. [2020]. URL: https://en.wikipedia.org/wiki/Vector_space_model (дата обращения: 01.07.2020).