基于贝叶斯优化XGBoost算法的电影评分预测研究  

作　　者：喻金平[1] 梁庆浩 

机构地区：[1]江西理工大学信息工程学院,江西赣州341000

出　　处：《电脑知识与技术》2024年第17期15-18,共4页Computer Knowledge and Technology

摘　　要：电影评分是反映观众对电影喜爱程度的重要依据。针对当前电影评分预测模型涵盖影响电影评分特征因素不足、预测准确率不高、模型过于简化等问题。为解决这些问题提出了一种基于贝叶斯优化XGBoost算法预测模型。该模型整合了影响电影评分的13个关键因素。首先收集电影网站数据,并进行数据预处理和文本向量化等操作,然后结合优化的贝叶斯算法筛选出与电影评分高度相关的特征,并进行最佳参数确定,最后根据最佳参数评估模型。实验表明,评价指标中的决定系数由优化前的0.577提升到0.763,增加了32.2%,均方误差和平均绝对误差分别降低了44.1%和29.7%。因此该模型具有较高的预测准确性,有望在实际应用中取得良好效果。

关 键 词：电影评分 机器学习 贝叶斯优化 XGBoost算法 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]