摘要
電影推薦模型有很多不同的建置與演算方法，本次實驗則是使用基於內容推薦的方法並透過Machine Learning的方式，使用Tensorflow透過Python程式語言建置神經網路，觀察在不同資料量及推薦結果下，其時間與準確度的變化，並探討其中的優勢及缺陷。在本實驗中我們使用兩層隱藏層與輸入層及輸出層各為一層的類神經網路。從結果中看到，我們在電影總數為200部的時候得到了81%的準確率，而在電影總數增加到2000部的時後仍有73%的準確率。
電影推薦模型有很多不同的建置與演算方法，本次實驗則是使用基於內容推薦的方法並透過Machine Learning的方式，使用Tensorflow透過Python程式語言建置神經網路，觀察在不同資料量及推薦結果下，其時間與準確度的變化，並探討其中的優勢及缺陷。在本實驗中我們使用兩層隱藏層與輸入層及輸出層各為一層的類神經網路。從結果中看到，我們在電影總數為200部的時候得到了81%的準確率，而在電影總數增加到2000部的時後仍有73%的準確率。