矩阵分解技术构建的电影推荐系统。

简介：
本研究中，我们构建了一个团体电影推荐系统，旨在为一组用户提供个性化的电影推荐。首先，我们对用户与电影的评分矩阵进行了基于随机梯度的矩阵分解，从而提取出用户和电影的潜在因素。为了模拟不同的团体规模，我们创建了三个不同规模的用户组：小型组（包含3名成员）、中型组（包含5名成员）以及大型组（包含10名成员），并采用多种方法来预测这些小组的评分。具体而言，我们探索了三种不同的预测策略：分解后汇总（BF）：将分解后的用户因子聚合为组因子；分解前加权（WBF）：与BF方法类似，但使用用户观看的电影总数作为权重进行加权岭回归计算。最终，我们对该项目进行了评估，并取得了约80%的精度。该研究成果基于以下学术论文。数据集和视频资源均可在GitHub仓库中获取。此外，可以通过运行Python代码来执行该项目所依赖的笔记本文件。