| Summary: | Film- och serieförslag motorer är en delmängd av informationsfiltreringssystem som försöker förutse användarnas betyg av sina favoritfilmer. Under de senaste åren har många rekommendationssystem blivit vanliga och har använts inom olika områden, inklusive filmproduktion. I denna rapport jämförs två metoder för att förutse det betyg som en användare kommer att ge till en film givet dennes tidigare betyg till andra filmer. Denna klassificering gör det möjligt att identifiera viktiga popularitetsfaktorer i de filmer som tittas. Denna klassificering används i denna rapport som en rekommendationsmotor och därigenom identifierar de faktorer som bidrar till denna popularitet. Sammanfattningsvis visar denna rapport, utifrån den jämförande analysen av två metoder (Slope One och Markovkedjor), att prediktionsprocessen med Markovkedjor ledde till mindre genomsnittliga prediktionsfel jämfört med motsvarande prediktionsprocess med Slope One. Effekter av att lägga till popularitetskriterier utvärderas också. === Movie and series proposal engines are a subset of information filtering systems that try to predict users' ratings of their favourite movies. In recent years, many recommendation systems have become commonplace and have been used in various fields, including film production. In this research paper, two methods for predicting the rating of a user to a movie given its previous ratings to other movies in the past are compared. These movie ratings make it possible to identify important popularity factors in the movies being watched. This classification is used as a recommendation engine and thereby identify the factors that contribute to this popularity. In summary, this report shows, based on the comparative analysis of two methods (Slope One and Markov chains), that the prediction process with Markov chains lead to smaller average prediction errors compared to corresponding prediction process with Slope One. Effects of adding popularity criteria are also evaluated.
|
|---|
