Ett hybrid-rekommenderingssystem för filmer byggt med Random Forest : Designat för enkelhet och hur det påverkar prestanda

Thanks to the internet an abundance of information is available just one click away. All this information is difficult to digest. Thus, a lot of time has been devoted to research how to build powerful and efficient information filtering systems. Recommender systems typi- cally use either collaborative filtering or content-based filtering and there also exist hybrids of these methods. This thesis explores how complex a film recommender system need to be to obtain adequate performance. Therefore, a hybrid recommender system, TRÄD, was developed using k-nearest neighbour for collaborative filtering and random forest for content-based filtering. A dataset from MovieLens with ratings of films was used to train and evaluate the performance of TRÄD’s recommendations. To evaluate how complexity affects perfor- mance, a comparison with a recommender system based on k-nearest neighbour and artificial neural networks was conducted. The results show that TRÄD is 7 percentage points less effective than the refer- ence. However, the results show that random forest has reasonable performance. The fact that TRÄD use random forest instead of neural network is probably not the reason behind the result. It is more likely that too few attributes are considered in the content-based filtering and if more where to be considered a boost in performance would occur. In conclusion, it is clear that the combination stage is vital for perfor- mance of a hybrid recommender system and the rules that governs the combination of results from the collaborative and content-based are probably more important than the choice of classifier. Tack vare internet har mängden av information exploderat, enkelt åt- komligt bara ett knapptryck bort. En direkt konsekvens av detta är det blir svårt att tillgodogöra sig information. Därför har mycket tid lagts på att forska och utveckla system som är bra på att filtrerar informa- tion. Rekommenderingssystem bygger vanligtvis på två olika meto- der, kollaborativ- och innehållsfiltrering. Hybrider av dessa metoder är också vanliga. Den här rapporten undersöker vilken nivå av kom- plexitet ett rekommenderingssystem behöver ha för att uppnå adekvat prestanda. I denna rapport presenteras TRÄD, ett hybrid rekommen- deringssystem för filmer. TRÄD bygger på k-nearest neighbour och random forest. För att träna och utvärdera prestandan av rekommen- dationerna från TRÄD användes en databas från MovieLens med be- tygsatta filmer. För att kunna utvärdera hur komplexitet påverkar pre- standa gjordes en jämförelse med ett mer komplicerat rekommende- ringssystem byggt på k-nearest neighbour och artificial neural networks. Resultaten visar att TRÄD har 7 procentenheter sämre prestanda än referenssystemet. Dock visar resultatet att random forest har rimlig prestanda. Att TRÄD presterar sämre är klart, men att det skulle be- ror på bytet av klassificerare är inte lika självklart. Det är mer troligt att innehållsfilteringsystemet tar för få egenskaper (hos filmerna) i be- aktning och om TRÄD skulle undersöka fler egenskaper skulle troligt- vis prestandan öka. Slutsatsen är att kombinationssteget är vitalt för prestandan i ett hybrid-rekommenderingssystem och att designa bra kombinationsregler är viktigare än valet av klassificerar.