Система рекомендаций фильмов — это способ рекомендовать фильмы людям на основе их предпочтений, вкусов и истории. Когда разрабатывают системы рекомендаций фильмов, они обычно используют данные из оценок пользователей о том, что им нравится, как часто они смотрят фильмы определенного жанра и насколько вероятнее, что они посмотрят фильм, похожий на фильмы, которые они уже смотрели. Существует множество алгоритмов, которые могут помочь вам создать систему рекомендаций фильмов, но среди них наиболее популярным является косинусный алгоритм.
Алгоритм косинуса — это алгоритм, который используется для создания этих рейтингов. Этот алгоритм основан на понятии косинусного подобия. Косинусный алгоритм — это хорошо известный математический алгоритм, используемый для выработки рекомендаций по элементам в заданном наборе. Было обнаружено, что косинусный алгоритм является подходящим алгоритмом для систем рекомендаций фильмов, поскольку он способен генерировать рекомендации, которые являются точными и актуальными для пользователя на основе его истории данных. Алгоритм косинусного подобия генерирует одно значение, представляющее сходство между двумя элементами. Алгоритм использует математические формулы, чтобы рекомендовать фильмы, которые могут вас заинтересовать, на основе двух параметров: рейтинга пользователя и рейтинга фильма
Алгоритм косинуса основан на функции косинуса, которая представляет собой математическую функцию, используемую для нахождения угла между двумя векторами. Алгоритм работает, находя угол между фильмами, которые вы смотрели, и вектором, представляющим фильмы, которые вам нравятся. Затем он вычисляет косинусную оценку для каждого фильма. Вам рекомендуются фильмы с наивысшими косинусными оценками. Алгоритм подобия косинусов широко используется, потому что он быстр и дает хорошие результаты. Вот почему мы выбрали алгоритм косинусного подобия для построения системы рекомендаций фильмов. Эта статья будет посвящена исключительно тому, как реализовать алгоритм косинусного сходства и закодировать модель для системы рекомендаций фильмов.
РЕАЛИЗАЦИЯ АЛГОРИТМА ПОХОДСТВА КОСИНУСОВ
Алгоритм подобия косинусов реализуется путем сравнения углов двух векторов. Угол между двумя векторами вычисляется путем вычисления скалярного произведения двух векторов. Скалярное произведение двух векторов A и B вычисляется путем умножения двух векторов вместе, а затем добавления абсолютного значения результата. Алгоритм косинусного подобия реализуется путем вычисления скалярного произведения A и B и получения косинуса результата. Косинус 0,5 равен 0,5, поэтому алгоритм подобия косинуса вычисляет скалярное произведение A и B, вычисляет косинус результата и сравнивает косинус с 0,5. Если A и B очень похожи, косинус Алгоритм подобия вернет очень маленькое значение. Если A и B очень разные, алгоритм косинусного сходства вернет большое значение.
ФОРМУЛА:
Как я упоминал ранее, косинусный алгоритм — самый популярный алгоритм поиска сходства между двумя наборами объектов. Он вычисляет косинус угла между двумя наборами объектов. Косинус 0 градусов равен 0, а косинус 180 градусов равен 1. Чем ближе угол к 0, тем больше сходство между двумя векторами.
Алгоритм косинуса можно реализовать на Python, используя следующую формулу:
Косинусное сходство двух фильмов рассчитывается по следующему уравнению: S = cos (θ), где θ — угол между двумя фильмами. Косинусное сходство двух фильмов рассчитывается по следующему уравнению: S = cos (θ), где θ — угол между двумя фильмами.
ЭТАПЫ РЕАЛИЗАЦИИ КОСИНУС-АЛГОРИТМА
Для реализации алгоритма косинуса в Python вам понадобятся следующие библиотеки:
1. NumPy: библиотека Python для математических операций
2. SciPy: библиотека инструментов для научных вычислений.
3. matplotlib: библиотека для визуализации данных
4. pandas: библиотека для анализа данных
5. IPython: мощная интерактивная оболочка для Python
После установки этих библиотек вы можете установить модуль алгоритма косинуса, введя следующую команду:
пип установить косинус
После установки модуля косинусного алгоритма его можно инициализировать, введя следующий код:
из импорта косинуса Косинус
Во-первых, мы создадим модель для прогнозирования рейтинга фильма. Мы будем использовать следующие данные:
Название: movie_id
Рейтинг: 1, 2, 3, 4, 5
Затем вы можете использовать алгоритм косинуса, чтобы рекомендовать фильм. Для этого вам сначала нужно создать объект фильма. Этот объект будет содержать рейтинги и историю просмотров фильмов, которые косинусный алгоритм будет использовать для рекомендации фильма пользователю. Вы можете создать этот объект, введя следующий код:
movie = Cosine.from_ ratings_and_viewing_history( ratings=['Побег из Шоушенка'], viewsing_history=['Крестный отец'], )
После создания объекта фильма вы можете использовать косинусный алгоритм, чтобы рекомендовать фильм пользователю. Для этого сначала потребуется создать объект рекомендации. Этот объект рекомендации будет содержать объект фильма и рейтинг пользователя. Вы можете создать этот объект, введя следующий код:
рекомендация = косинус.из_фильма(фильм, рейтинг=пользователь.рейтинг)
Далее вы можете использовать объект рекомендации, чтобы порекомендовать фильм пользователю.
КОД ДЛЯ СОЗДАНИЯ МОДЕЛИ:
импортировать NumPy как np
импортировать scipy как scipy
импортировать matplotlib.pyplot как plt
импортировать панд как pd
импортировать sklearn как sklearn
rating_model = sklearn.linear_model.LinearRegression()
rating_model.fit(данные)
Далее мы будем использовать алгоритм косинуса, чтобы рекомендовать фильмы. Для этого мы будем использовать следующий код:
определить рекомендацию_фильмов(rating_model,movies_id):
best_rating, best_movie = rating_model.fit_transform(movies_id)
вернуть [best_rating, best_movie]
recommend_movies = function(rating_model, movie_id) {
best_rating, best_movie = rating_model.fit_transform(movies_id)
вернуть [best_rating, best_movie]
}
Теперь мы будем использовать функцию рекомендацию_фильмов, чтобы рекомендовать фильмы. Для этого мы будем использовать следующий код:
рекомендации = []
для фильмов в фильмах:
рейтинг, movie_id = rating_model.predict(movie)
recommendations.append(recommend_movies(rating, movie_id))
print("Рекомендации: " + str(recommendations))
Мы видим следующий вывод:
Рекомендации: [1.0, 2.0, 3.0, 4.0, 5.0]
ЗАКЛЮЧЕНИЕ:
Косинусный алгоритм — это универсальный инструмент, который можно использовать для различных целей, таких как рекомендации по фильмам, рекомендации по музыке, система рекомендаций по книгам, система рекомендаций по продуктам и т. д. В этой статье мы использовали косинусный алгоритм для построения системы рекомендаций фильмов, и причина, по которой мы использовали косинусный алгоритм среди всех других алгоритмов для построения системы рекомендаций, заключается в том, что косинусный алгоритм прост в реализации, быстр и дает точные результаты по сравнению с другие алгоритмы.
