[[alternative]]Comparisons of clustering techniques for movie recommender system

碩士[[abstract]]現今網路普及率極高，許多企業都選擇在網路上銷售產品。為了多類型產品的促銷，不少購物網站都會向瀏覽者推薦其他的產品，因而衍生出推薦系統的需求。推薦系統可以採用許多不同的技術來實作，其中集群分析(Clustering)為資料探勘中常被使用的分析方法，其主要原理為藉由資料間的相似特性將資料分群。此外，部分網站也讓消費者能夠給產品評分，藉以收集更多的推薦資訊。但在實務上，大部分的使用者會主動給予評分的狀況非常少，導致相關 K-means 等類似技術在計算時的矩陣稀疏性。為此，本論文比較可兼容分類變數的K-mode分群方法與採用數值資料的K-means分群法，探討兩者應用 Movielens線上影片評價資料製作推薦系統的預測成效。[[abstract]]Nowadays, information technology is well developed and there is lots of information on the Internet, including all kinds of product reviews and user information, which can be used to develop recommender systems. The techniques used in recommender systems include classification prediction, cluster analysis, association rule analysis, etc. Based on MovieLens movie review dataset, we develop and compare movie recommender systems using clustering techniques, with or without the presence of categorical user information. The result shows that our proposed movie recommender system via K-modes clustering method generally performs better than the traditional K-means method when the number of movies in the recommendation list is less than 40.[[tableofcontents]]圖目錄 III 表目錄 V 第一章緒論 1 1.1 研究背景和動機 1 1.2 問題討論及研究目的 3 1.3 論文架構 5 第二章 文獻探討 6 2.1 長尾理論(The Long Tail) 6 2.2 推薦系統(Recommender System) 8 2.2.1 基於人口統計學的推薦 10 2.2.2 內容導向式推薦(Content-based) 11 2.2.3 協同式過濾推薦(Collaborative filtering) 12 2.2.4 混合式推薦系統(Hybrid) 15 2.2.5 推薦系統問題討論 16 2.2.6 推薦系統準確度評估 19 2.3 集群分析(Cluster Analysis) 22 2.3.1 K-Means Algorithm 24 2.3.2 K-Mode Algorithm 27 第三章電影推薦系統的架構流程 32 3.1 資料庫 33 3.2 電影類型 34 3.3 評價分數 37 3.4 分群演算法 39 3.5 K-Means對評價分數的資料加權 40 3.6 K-Modes 法分類資料的準備 42 3.7 推薦方法 44 3.7.1 K-means 分群推薦 44 3.7.2 K-modes 分群推薦 45 第四章 分析結果和成效評估 46 4.1 分析環境 46 4.2 分析資料集 47 4.3 分群結果評估 47 4.3.1 最佳分群數 47 4.3.2 K-Modes vs. K-Means分群結果 50 4.4 推薦系統準確度評估 53 第五章結論和建議未來展望 59 5.1 結論 59 5.2 建議和未來展望 60 參考文獻 61 英文文獻 61 中文文獻 64 資料來源 65 圖目錄 圖1:Amazon個人化推薦單 2 圖2:Netflix推薦單 2 圖3:Source: Personalized Video Ranker 指標 4 圖4:長尾理論 6 圖5:到2017網站總數量 9 圖6:人口統計學的推薦圖示 10 圖7:內容導向式推薦圖示 11 圖8:協同式過濾推薦圖示 13 圖9:循序組合流程 15 圖10: Precision-Recall關係圖 20 圖11:K-means分群資料 24 圖12: k-means之k個初始集群的中心 25 圖13: k-means之產生初始k個群集 25 圖14: k-means之產生新的質量中心 26 圖15: K-mode分群資料 28 圖16: K-mode之產生初始H個群中心 29 圖17: K-mode之產生H個群集 30 圖18:電影推薦系統流程 32 圖19:K-means資料處理流程圖 41 圖20:K-modes資料處理流程圖 43 圖21: K-means 七個分群在 19 個電影分類的比例 51 圖22: K-means 七個分群中，每群最前面五個類型的累積比例圖 52 圖23: K-modes 法七群在 19 個電影分類的偏好眾數 53 圖24: K-means vs. K-modes: 精確度(Precision)比較 55 圖25: K-means vs. K-modes: 召回率(Recall) 比較 55 圖26: K-means vs. K-modes: F-measure 指標比較 56 圖27: K-means: 精確度/F-measure vs. 召回率 57 圖28: K-modes: 精確度/F-measure vs. 召回率 57 表目錄 表1:User-Item Matrix 14 表2:推薦系統優缺點 18 表3:Confusion Matrix 19 表4: K-means & K-mode分群優缺點 31 表5:電影類型 34 表6: movies檔案資料 35 表7:Toy Story類型標記 36 表8:使用者對不同電影評價分數 38 表9: R 軟體NbClust 套件分群結果 49 表10: K-means vs. K-Modes的分群結果 50 表11: K-Means 各群前五類最喜愛的電影類型(括號中為比例) 50 表12: K-Modes 各群前五類最喜愛的電影類型(刮號中為眾數) 51 表13: K-means vs. K-modes: 精確度, 召回率, 與 F-measure 比較 54[[note]]學號: 604650274, 學年度: 10