Prediktion av användarbeteende : En komparativ studie av maskininlärningsmodeller för att predicera användarens betyg till filmer

Sammanfattning: 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.