Tìm hiểu và xây dựng mô hình đề xuất phim xem bằng mô hình Singular Value Decomposition

Abstract

Để giải quyết các thách thức trong hệ thống gợi ý phim và tận dụng sức mạnh của phân rã ma trận SVD, đề tài đặt ra 4 mục tiêu chính sau: Triển khai phương pháp truncated SVD bằng thư viện sklearn.decomposition, xử lý ma trận user-item thưa với hàng chục nghìn users và movies từ bộ dữ liệu MovieLens [1] trên Kaggle. Thử nghiệm với nhiều giá trị latent factors k khác nhau (k= 20, 50, 100, 150, 200) để tìm điểm cân bằng giữa độ chính xác (cosine similarity cao) và hiệu năng tính toán. Áp dụng regularization và chuẩn hoá dữ liệu (center hóa theo user hoặc item) để giảm thiểu nhiễu và tránh over-fitting. Đánh giá precision dựa trên genre trùng nhau giữa phim 1 người dùng đã xem và phim đề xuất cho người dùng đó