Netflix电影推荐系统：结合协作过滤与基于内容的过滤的机器学习应用案例分析

简介：
本论文探讨了Netflix电影推荐系统的运作机制，重点分析了该系统如何利用协作过滤和基于内容的过滤技术进行机器学习应用，以提升个性化推荐效果。 Netflix致力于将人们与他们喜爱的电影联系起来，并为此开发了世界一流的电影推荐系统CinematchSM。该系统的功能是根据用户对其他影片的好恶程度来预测其是否会喜欢某部新片，从而为每个客户提出个人化的电影建议。尽管Cinematch表现良好，但仍有改进的空间。Netflix尚未尝试过许多有趣的替代方法以提升现有推荐引擎的性能；一些在相关文献中有描述，另一些则没有。公司对此非常好奇——是否有任何一种新的预测模型能够比现有的Cinematch做得更好，并且这种改善能否对客户体验和业务产生重大影响。 挑战在于提交一个新系统，在使用Netflix提供的匿名评分数据进行测试时，其准确度要比在相同训练集上运行的Cinematch高出10%。