[论文解读] A multinomial probabilistic model for movie genre predictions

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

Recommender Systems and Techniques参考文献 7被引用 3

一句话总结

本文提出一种基于朴素贝叶斯的多项式概率模型，利用用户评分预测电影类型，将类型预测视为分类问题。仅使用MovieLens数据集15%的训练数据，该模型便实现了70%的类型预测准确率，表明仅凭用户评分模式即可在小样本训练集下高精度地推断电影类型。

ABSTRACT

This paper proposes a movie genre-prediction based on multinomial probability model. To the best of our knowledge, this problem has not been addressed yet in the field of recommender system. The prediction of a movie genre has many practical applications including complementing the items categories given by experts and providing a surprise effect in the recommendations given to a user. We employ mulitnomial event model to estimate a likelihood of a movie given genre and the Bayes rule to evaluate the posterior probability of a genre given a movie. Experiments with the MovieLens dataset validate our approach. We achieved 70% prediction rate using only 15% of the whole set for training.

研究动机与目标

• 解决推荐系统中无法在专家标注类别之外预测项目类型的缺口。
• 通过支持多样性、新颖性和意外发现性的类型预测，提升推荐质量。
• 探究仅凭用户评分模式是否能可靠预测电影类型，而无需依赖元数据。
• 验证多项式概率模型在真实世界用户评分数据上的类型预测有效性。

提出的方法

• 该模型使用多项式事件模型，基于用户评分模式估计给定类型的电影的可能性。
• 应用贝叶斯推理，计算在给定电影评分特征下各类别的后验概率。
• 采用朴素贝叶斯分类器，假设不同用户评分值之间条件独立。
• 先验概率基于数据集中各类型的频率进行估计，条件概率则从各类型的评分分布中推导。
• 按评分值（1至5）进行预测，若存在多个真实类型，只要匹配其中任意一个即视为成功。
• 模型使用对数概率以防止数值下溢并提升计算稳定性。

实验结果

研究问题

• RQ1 仅凭用户评分模式是否能以高准确率预测电影类型？
• RQ2 训练集大小如何影响该多项式模型的类型预测性能？
• RQ3 该模型在某些评分等级（如中性或略为积极）上的表现是否优于其他等级？
• RQ4 该模型能否通过识别出人意料但相关的类型，提升推荐的多样性？

主要发现

• 当仅使用MovieLens数据集15%的数据进行训练时，该模型实现了70%的类型预测准确率。
• 即使仅使用5%的数据进行训练，模型仍达到62%的预测准确率，显著优于随机猜测的30%准确率。
• 预测准确率随训练集增大而提升，但当数据量超过初始5%后，提升速度逐渐减缓。
• 评分3分（中性）和4分（略为喜欢）的预测准确率最高，这与数据集中这两类评分最频繁的现象一致。
• 评分1分（强烈不喜欢）和2分（略为不喜欢）的预测准确率最低，可能由于数据频率较低且存在更高歧义性。
• 该模型表明，仅凭用户评分特征即可有效推断电影类型，即使训练数据极少亦能实现良好效果。