Movie Recommender

Sistema de recomendação simples, ele utiliza a técnica de Content-based Recommendation. A idéia principal é conseguir recomendar para um dado usuário novos itens, baseando­se no seu histórico perfil de preferências e as caracteristicas dos itens, ou seja, computar as predições utilizando a similaridade entre as características dos itens.

Obs.: Esta aplicação utilizar o projeto rapidjson, a pasta está inclusa na fonte.

Compilar e Executar

• Para compilar o programa, basta executar o Makefile ou executar o seguinte comando:

g++ recommender.cpp model/Matrix.cpp model/Movie.cpp model/User.cpp 
model/Prediction.cpp model/Rating.cpp algorithm/TFIDFInvertedIndex.cpp 
algorithm/TFIDFInvertedKey.cpp algorithm/TFIDFInvertedValue.cpp 
algorithm/TFIDFDirectIndex.cpp algorithm/TFIDFDirectKey.cpp algorithm/TFIDFDirectValue.cpp 
parser/ParameterParser.cpp ­o recommender

• Após ter compilado o sistema, para executar com o make run, ou seguinte comando no terminal:

./recommender content.csv ratings.csv targets.csv > result.csv

Input

Para iniciar a execução deve passar como argumento para o programa, dois arquivos no formato CSV. Os dois arquivos CSV como entrada devem seguir o seguinte formato:

• content.csv: contendo <itemId, content>, sendo o id do item e o JSON com informação, contéudo daquele dado item;

• ratings.csv: contendo <userId, itemId, rating>, sendo o id do usuario, id do item e a avaliação que o usuário forneceu sobre aquele item;

• targets.csv: contendo <userId, itemId>, sendo os pares de previsão;

Output

Ao final da execução ele deve retornar um arquivo no formato CSV, no qual cada linha possui o resultado da predição de cada par definido no arquivo target. A saída tem o seguinte formato: userid:itemid,prediction

• UserId: ItemId , contendo o par <userId, itemId> separados por dois pontos (:);

• Prediction: contendo a classificação prevista para o par alvo;