kiq005
commented
5 years ago Abandonando um pouco a ideia inicial de utilização de um método próximo ao k-neighboors, a recomendação de filmes se dá por uma análise de agrupamentos, realizadas sobre os clusters gerados, como o representado pelo seguinte dendrograma:
Listamos os filmes em diversos clusters, baseados na profundidade, então, pontuamos os filmes de acordo com a nota data pelo usuário, ignorando qualquer filme que não esteja presente em nosso dataset. Por fim, removemos os filmes já assistidos e ordenamos nossa lista pela pontuação obtida, retornando como recomendação os 10 filmes com maior pontuação.
Com base nos clusters e nos filmes assistidos pelo usuário, devemos recomendar novos filmes para ele. Para tal, consideraremos os clusters de forma isolada, e então aplicaremos um método similar ao k-neighboors, se aproximando de filmes que o usuário gostou e distanciando de filmes que não gostou, e então recomendado um filme que ele ainda não assistiu com base na proximidade ao resultado obtido.