Movie Recommendation system:推荐系统它在Adamic Adar算法的帮助下使用基本ML。 它还使用余弦相似度绘制图形 源码

带图的推荐引擎 目的是通过使用Adamic Adar度量构建基于图的推荐引擎。 度量越高,两个节点就越接近。 所有电影之间的度量未预先计算,为了确定推荐电影的列表,我们将探索目标电影的邻域 如何考虑描述? 第一个想法...为了考虑描述,通过应用带有TF-IDF权重的KMeans聚类对电影进行聚类,因此,属于一组描述的两部电影将共享一个节点。 小组中的电影数量越少,将更多地考虑此链接 *但是它不起作用,因为集群太不平衡 第二个想法...为了考虑描述,计算TF-IDF矩阵,对于每部电影,取相似描述的前5个,并创建一个“ Similar_to_this”节点。 在Adamic Adar度量中将考虑此节点。 Adamic Adar量度 它是一种用于基于节点的共享邻居来计算节点的紧密度的度量。 x和y是2个节点(2个电影)N(one_node)是将相邻节点的集合返回到one_node的函数ada