Resumen

La recomendación de literatura cinematográfica y televisiva es un algoritmo de inteligencia artificial que recomienda contenido relacionado según las preferencias y registros del usuario. Su amplia aplicación en diversas aplicaciones y sitios web proporciona a los usuarios una gran conveniencia. Este artículo tiene como objetivo estudiar la tecnología de Internet de las Cosas y aprendizaje automático, combinando aprendizaje profundo, aprendizaje por refuerzo y algoritmos de recomendación, para lograr una recomendación precisa de literatura cinematográfica y televisiva. En este trabajo se propone utilizar el modelo de recomendación ConvMF-KNN para verificar y analizar los cuatro modelos de PMF, ConvM, ConvMF-word2vec y ConvMF-KNN, respectivamente, en conjuntos de datos públicos. Utilizando la información de ruta entre vértices en un grafo bipartito y considerando el grado de los vértices, se calcula la similitud entre los elementos y se obtiene el conjunto de elementos vecinos de los elementos. Los resultados experimentales muestran que el modelo ConvMF-KNN combinado con la idea de KNN mejora efectivamente la precisión de la recomendación. En comparación con la precisión del modelo PMF en los conjuntos de datos MovieLens 100 k, MovieLens 1 M y AIV, la precisión del modelo ConvMF en los tres conjuntos de datos mencionados es del 5,26%, 6,31% y 26,71%, respectivamente, un aumento del 2,26%, 1,22% y 7,96%. Este modelo es de gran importancia.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Cine; Televisión; Literatura; Recomendación; ConvMF-KNN; Aprendizaje automático
• Keywords:Film; Television; Literature; Recommendation; ConvMF-KNN; Machine learning