今天我們來用基於內容過濾(Content Based Filtering)的推薦，來復刻版像 Netflix 的類似影片功能，然後來看看我們與 Netflix 的距離 ... 有多大 XD

要推薦一部好電影，要從哪裡開始呢？

如果有人喜歡某部影片，那和這部影片「很像」的影片是不是也有可能會喜歡？

這是非常直覺的想法，過去在百事達，都可以請店員的推薦。但現在連百事達全世界只剩一間，沒有店員可以問，那我們能不能用 AI 找出相關影片來推薦呢？

先來比較我們的復刻版與 Netflix 的差別

我已實作了第一版的推薦系統，我稱他為復刻版，我們來比較我們和 Netflix 的差別吧！

電影1：「他其實沒那麼喜歡妳」

主要是敘述九個俊男美女陷入錯綜複雜的愛情蜘蛛網，究竟這九個人會怎樣面對自己的情感？怎樣抉擇自己的終身？又是否能夠有情人終成眷屬呢？

Netflix 的類似影片

我們的復刻版推薦的類似影片

1. 鯨奇之旅
2. 單身啪啪啪
3. 愛情三選一
4. 藥命關係
5. 非法制裁
6. 因為愛情：在她消失以後
7. 因為愛情：在離開他以後
8. 愛，不散
9. 情不自禁愛上你
10. 真愛零距離
11. 黑特冤家
12. 戀愛沒有假期

比較

Netflix 推薦的都是愛情喜劇，也算是和「他其實沒那麼喜歡妳」對得上。

我們的復刻版，沒有一部片子和 Netflix 推薦的相同，不過除了藥命關係和非法制裁外，都還算說得過去。

看來我們的復刻版還有要調的地方。

電影2：神隱少女

Netflix 的類似影片

我們的復刻版推薦的類似影片

1. 神隱少女(2001)
2. 龍貓
3. 狼的孩子雨和雪
4. 香港台灣動畫五十年大展
5. 笑笑羊大電影：外星人來了
6. 高畑勲影展
7. 電影版聲之形
8. 劇場版白箱
9. 紫羅蘭永恆花園電影版.
10. 金魚
11. 台灣國際動畫影展
12. 2017第三屆臺中國際動畫影展

比較

除了龍貓外，兩邊沒有相同的影片。Netflix 推的大都是吉卜力的動畫。而我們雖然不都是吉卜力，但也起碼都是溫馨的動畫電影，看起來也不算跑題。

實作完的感想

以一個晚上就做出來的復刻版而言，這樣的效果還不錯，未來再做些調整，看來就是可以用了！
未來幾天會開分享我怎麼做的。

（一個晚上當然不含寫爬蟲，影片資料都是我之前準備好的，資料來源是 yahoo 電影。）

到底類似影片的功能是怎麼做的？

我們這次使用的是基於內容的過濾(Content Based Filtering)來製作類似影片。

這種方法是假設使用者若對目前的影片有興趣的話，那他應會對有類似元素的影片也會有興趣。

除非他手殘不小心按到，否則他按進來一定有理由，只要有理由進來，那推薦成功的機會就大大增加。

這種做法簡單、直覺、可解䆁性強、需要資料不多又容易實作，效果也不錯，所以使用非常的廣泛。

基本想法

它的想法是這樣的：如果我有1萬部電影，只要我能知道每一部電影和其它部「有多像」，那當使用者選其中一部時，就把最像它的前 N 部拿出來給他挑，總有一部他有興趣吧！

這也就是說，若我可以準備一個類似以下的矩陣，每個矩陣內的值就是任2部電影間的相似度，只要針對某個電影，依相似度排序，我們就能夠做出相似影片的推薦了。

那這個相似度矩陣(Similarity Matrix)，要怎麼產生呢？

目前已有很多技術可以告訴我們兩個東西之間「有多像」，只要任選一種技術，填入相似矩陣裡就好了。

那兩部影片之間「有多像」，要怎麼計算呢？

最簡單方法就是：把影片都變成相同維度的向量，再計算兩個向量之間的相似度。

只要能把東西變成向量，這世界已經存在大量的手法可以計算出 2 個向量之間「有多像」。常用的有 Consine Similarity、Jaccard Similarity等，實作出來不滿意，再換一個就好。

那剩下的問題就是：怎麼把電影的資料轉成向量呢？

其實這裡的向量，就叫做特徵向量，找出特徵向量的行為，我們會稱為「特徵工程」。

當拿到特徵向量後，我們就可以用這個特徵向量表達這個電影有什麼特色，是和別的電影有何不同。

在我們的復刻版裡，我們是把和這電影有關的劇情大綱、得過的獎項、導演、演員等等資料集合起來成一篇文件。然後再把文件轉轉特徵向量，常見的做法會有詞頻法、tf-idf、word2vec 等。

就因為能把「特徵向量」找到，也決定了「相似度」的計算法式，所以相似度矩陣即可立馬算出來。

接下來呢？

今天給大家看了復刻版的成果，也向大家說明了我是如何用基於內容的過濾法來「類似影片」功能。

接下來的幾天，我會和大家介紹說明電影內容要怎麼「向量化」以及向量間「有多像」有哪些方法。最後這些技術是怎麼結合起來做出「類似影片」的。

就請大家繼續看下去。