Content Based Recommendation System on Movies
Rattachement africain : ba. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Today's competitive environment makes it necessary for suggestive advice to be made to the user for them to continue using the services they currently find enjoyable.There, the recommender system's function assumes a key role.Every service in today's world has a recommendation system for movies, music, e-commerce, etc.The Netflix recommender system is essential for increasing the customer experience when watching movies on the service.This research proposes a machine learning-based content-based recommender system for movie recommendations.Examining the movie-enabling recommendations using data from the Tmdb, movies dataset from Kaggle.We use algorithms like Count Vectorizer, Porter Stemmer, and Cosine Similarity to generate five similar movies closely related to the type of content the target movie has and how well our machine-learning approach is working.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Content Based Recommendation System on Movies
- Date Crossref
- 01/01/2023
- Éditeur
- Atlantis Press International BV
- Type
- book-chapter
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.