Developing the film recommender system

Abstract

Данная работа посвящена созданию рекомендательной системы фильмов. В качестве ее основного принципа была выбрана и рассмотрена нейронная коллаборативная фильтрация. Данными для объектов рекомендации послужила текстовая информация о фильмах, которая была преобразована с помощью обработки естественного языка. В качестве информации о пользователях использовался список их оценок для просмотренных фильмов. Главной составляющей созданной рекомендательной системы является нейронная сеть. Для нее обучения был создан специальный датасет из преобразованных данных о фильмах и пользовательских оценках. Следующим шагом стала разработка и обучение модели нейронной сети. В итоге, полученная модель способна по полученным на вход идентификатору пользователя и вектору фильма предсказать оценку, которую он поставит, если посмотрит это кино. В работе также содержится сравнение с уже имеющейся похожей моделью нейронной коллаборативной фильтрации.

The work is about the development of a film recommendation system. Neural collaborative filtering had been chosen as its basic principle of working. The data for objects of recommendations had been the textual information about films that had been transformed using natural language processing. A list of users' ratings for watched movies had been used as required information about them. The main component of the developed recommender system is a neural network. For its learning, the special dataset has been created and consisted of converted data about films and users` ratings. The next step has been neural network model development and training. As the result, the model is capable to take a user ID and a movie vector as an input and predict a score of this movie for a given user if he watches it. The paper also contains a comparison with the other neural collaborative filtering model, that has already been developed.