[论文解读] A movie genre prediction based on Multivariate Bernoulli model and genre correlations

Eric Makita, Artem Lenskiy|arXiv (Cornell University)|Mar 25, 2016

Video Analysis and Summarization参考文献 6被引用 16

一句话总结

本文提出了一种基于用户评分的多变量伯努利朴素贝叶斯分类器，用于电影类型预测，利用类型之间的相关性以提高准确性。在MovieLens 100K数据集上，该方法实现了59%的精确类型预测率，若包含相关类型则提升至69%，表明仅凭用户评分即可有效预测电影类型，而不仅限于传统评分预测。

ABSTRACT

Movie ratings play an important role both in determining the likelihood of a potential viewer to watch the movie and in reflecting the current viewer satisfaction with the movie. They are available in several sources like the television guide, best-selling reference books, newspaper columns, and television programs. Furthermore, movie ratings are crucial for recommendation engines that track the behavior of all users and utilize the information to suggest items they might like. Movie ratings in most cases, thus, provide information that might be more important than movie feature-based data. It is intuitively appealing that information about the viewing preferences in movie genres is sufficient for predicting a genre of an unlabeled movie. In order to predict movie genres, we treat ratings as a feature vector, apply the Bernoulli event model to estimate the likelihood of a movies given genre, and evaluate the posterior probability of the genre of a given movie using the Bayes rule. The goal of the proposed technique is to efficiently use the movie ratings for the task of predicting movie genres. In our approach we attempted to answer the question: "Given the set of users who watched a movie, is it possible to predict the genre of a movie based on its ratings?" Our simulation results with MovieLens 100k data demonstrated the efficiency and accuracy of our proposed technique, achieving 59% prediction rate for exact prediction and 69% when including correlated genres.

研究动机与目标

• 填补推荐系统中类型预测方面的空白，特别是针对新项目或评分较少的项目。
• 探究仅凭用户评分是否能够以高准确率预测电影类型。
• 通过预测项目类别而非仅评分来提升推荐准确率。
• 评估类型相关性在改善错误预测方面的有效性。
• 通过将类别预测作为补充任务，扩展传统协同过滤方法。

提出的方法

• 使用多变量伯努利事件模型建模用户偏好，将每次评分视为二元事件（例如，是否评分）。
• 通过朴素贝叶斯的贝叶斯推理计算电影属于某一特定类型的后验概率。
• 基于用户在各类别中的评分模式，利用伯努利模型估计似然概率。
• 构建类型相关性矩阵，识别相关类型，若相关性（cor）大于0.1则接受预测为有效。
• 在MovieLens 100K数据集的1%至80%范围内进行训练，测试集为20%保留数据，每种划分重复20次。
• 以评分值（1–5）作为输入特征，将每次评分视为用户参与的二元指示符。

实验结果

研究问题

• RQ1 仅凭用户评分是否能够以高准确率预测未标注电影的类型？
• RQ2 多变量伯努利模型在从用户评分模式估计类型可能性方面有多有效？
• RQ3 当模型做出错误预测时，类型相关性在多大程度上能提升预测准确率？
• RQ4 不同评分等级（如1分与5分）的预测性能是否存在显著差异？
• RQ5 类别预测能否通过减少对专家标注的依赖，来增强传统推荐系统？

主要发现

• 当使用MovieLens 100K数据集的80%进行训练时，模型实现了59%的精确类型预测率。
• 在相同训练条件下，若包含相关类型，预测率可提升至69%。
• 仅使用10%的训练数据时，模型预测准确率已达50%，表明具有较强的样本效率。
• 随着训练集规模的增加，预测准确率稳步提升，表明模型能持续从更多数据中学习。
• 基于高分（如4分和5分）的预测表现出与低分预测不同的行为，提示需进一步研究。
• 类型相关性矩阵成功识别出误分类电影的合理备选类型，增强了模型的鲁棒性。