基于MovieLens数据集的电影推荐系统：MovieLens

MovieLens推荐模型。 MovieLens是一个2,000万收视率的数据集，涉及138 000多名用户的27 000部电影，更多信息请。 最先进的模型使用： RMSE为0.80的 RMSE为0.81的自动。 从出发，我们使用针对分类变量的实体嵌入来构建深度学习模型，该模型可实现与最新模型相当的RMSE为0.81 。 神经网络是在具有TensorFlow后端的Keras中实现的。 该代码在“ movienet.py”文件中，而培训在培训笔记本中。 实体嵌入的一大优点是，在训练过程中，我们可以计算电影和用户的嵌入空间。 因此，我们有不同的方法将电影推荐给用户： 我们评估网络并推荐收视率最高的电影。 但是，RMSE为0.81时，每个预测的平均误差为0.8星。 对于电影，我们查看嵌入空间中最近的邻居。 在这种情况下，我们使用带有的KNN索引。 有了足够的尺寸，我们希望这些嵌入能