Sistema de Recomendación de Películas Multimodal Usando Aprendizaje Profundo

Los sistemas de recomendación, la mejor manera de afrontar la sobrecarga de información, se utilizan ampliamente para proporcionar a los usuarios contenido y servicios personalizados con alta eficiencia. Se han investigado y desplegado extensamente muchos algoritmos de recomendación en diversas aplicaciones de comercio electrónico, incluyendo los servicios de streaming de películas en la última década. Sin embargo, a menudo se encuentran problemas de datos escasos y de inicio en frío en muchos sistemas de recomendación de películas. En este artículo, presentamos un sistema de recomendación de películas personalizado y multimodal basado en el análisis de datos multimodales y aprendizaje profundo. Se seleccionaron los conjuntos de datos reales de MovieLens para probar la efectividad de nuestro nuevo algoritmo de recomendación. Con la información de entrada, las características ocultas de las películas y de los usuarios se descubrieron usando aprendizaje profundo para construir un modelo de algoritmo de red de aprendizaje profundo para entrenamiento y posteriormente predecir las puntuaciones de películas. Con una tasa de aprendizaje de 0.001, los errores cuadráticos medios (RMSE) logrados fueron 0.9908 y 0.9096 para los conjuntos de prueba de los datasets MovieLens 100 K y 1 M, respectivamente. Los resultados de predicción de puntuación muestran una mayor precisión después de incorporar las características y conexiones potenciales en datos multimodales con tecnología de aprendizaje profundo. En comparación con los algoritmos tradicionales de filtrado colaborativo, como el filtrado colaborativo basado en usuario (User-CF), el filtrado basado en contenido por ítem (Item-CF) y los enfoques de descomposición en valores singulares (SVD), el sistema de recomendación multimodal de películas usando aprendizaje profundo puede ofrecer mejores resultados personalizados. Mientras tanto, el problema de datos escasos se alivió en cierto grado. Sugerimos que el sistema de recomendación puede mejorarse mediante la combinación de la tecnología de aprendizaje profundo y el análisis de datos multimodales.