Keras深度学习实战（31）——构建电影推荐系统

0. 前言

推荐系统在用户发现中起主要作用。假设，我们具有数千种不同的产品，每种产品还存在不同的规格、样式等。在这种情况下，对用户进行有关产品的精准推荐将成为增加销量的关键。在本节中，我们将以电影推荐系统为例介绍推荐系统模型构建的方法，从而为用户推荐其真正感兴趣的产品。

1. 模型与数据集分析

在本节中，我们将学习如何根据用户对电影的评分数据库构建电影推荐系统，任务目的是最大限度地提高所推荐电影对用户的相关性。在定义目标时，我们还应该考虑推荐的电影虽然相关，但用户可能并不会立即观看。同时，我们还应该确保所有的推荐并不都是关于同一种类型的，这对于推荐系统至关重要，例如，在零售环境中，我们并不希望一直向用户推荐不同规格的同一种产品。
综合以上分析，我们可以形式化地定义我们的目标和约束条件：

• 目标：最大限度地提高推荐与用户的相关性
• 约束：增加推荐的多样性，并向用户提供最多 12 条推荐建议

相关性的定义在不同任务中可能会有所不同，通常需要以实际业务需求为指导。在本任务中，我们狭义地定义相关性，也就是说，如果用户采纳了向用户推荐的前 12 条建议中的任何一个ÿ