基于内容的电影相似度指标及电影推荐系统构建技术问询

刚好我最近在搭建一个基于内容的电影推荐系统，把具体的实现流程梳理给你：

一、电影信息向量化（转换为Sparse Vectors） #

针对不同类型的电影属性，我采用了不同的向量生成方式：

• 对于类型、演员、制片方这类分类属性：用二进制表示法，也就是某一属性（比如“喜剧”类型、“斯皮尔伯格”制片方）如果属于这部电影，对应向量维度就设为1，否则为0，最终得到二进制稀疏向量。
• 对于标题和剧情这类文本内容：先计算每个词的TF-IDF值得到词权重，再基于这些权重生成带权重的稀疏向量。

二、结合用户评分构建用户画像 #

用户画像的核心是用向量来刻画用户的偏好，具体逻辑是：

• 把用户给出正向评分的所有电影的向量做求和操作，再减去用户给出负向评分的所有电影的向量（目前的核心逻辑就是通过正负反馈的向量差值，来体现用户喜欢和排斥的内容倾向）。

内容的提问来源于stack exchange，提问作者Daniil Andreyevich Baunov