Data Science

영화 추천 시스템 마지막편 입니다! 지난편에서 mjw2305라는 유저가 해당 장르에서 가장 비슷한 유저임을 알아봤고 이번 편에서는 크롤링과 감정 분석 등을 이용하여 해당 유저에 대해 집중적으로 탐색 해보도록 하겠습니다! 유저 리뷰 크롤링 유저 페이지 에서는 유저가 영화에 대해 남긴 리뷰들을 볼 수 있습니다. 그러나 평점은 유저의 자유에 따라 생략될 수도 있는 것이기 때문에 만약 이 평점이 없다면 직접 리뷰를 읽어보지 않는 한 이 유저가 영화에 대해 어떤 평가를 내렸는지 알 수 없다는 문제가 존재합니다. 이 유저는 대부분의 영화 리뷰 마지막 부분에 평점을 남겼고 저는 이 부분을 놓치지 않기로 했습니다! 감정 분석 모델을 통해 유저가 영화에 대해 긍정적인지 부정적인지 예측하고 마지막에 유저가 직접 남긴 평점..

사용 데이터 제가 사용한 데이터는 해외 인터넷 영화 온라인 데이터베이스 IMDB에서 제공하는 데이터셋입니다. https://www.kaggle.com/rounakbanik/the-movies-dataset The Movies Dataset Metadata on over 45,000 movies. 26 million ratings from over 270,000 users. www.kaggle.com 이 중 영화 정보와 영화 평점 데이터를 가지고 피어슨 상관계수 함수를 이용해서 상관관계 순으로 추천을 받을거에요! 자세한 진행 과정은 마지막편에 첨부한 코드를 참고해주세요 :D 영화 정보 (movie 테이블) 처음 가져온 movie 테이블은 굉장히 다양한 정보를 담고있습니다. 이를 필요한 변수 선택, 중복 및..

때는 개강 전 2월... 저는 방에서 홀로 명작 영화인 '지금 만나러 갑니다'를 시청하고 있었습니다.. ... ... 울면서 봤습니다.. 이 영화 뿐만 아니라 '나는 내일 어제의 너와 만난다'도 엄청 재밌게 봤습니다. 근데 문제가 생겼어요..! 이 영화들이 너무 감동적이어서 다른 영화들도 보고싶은데! 비슷한 영화들을 찾을 수가 없는겁니다! 10년전에 제 입덕 작품이었던 토라도라를 시청했을 때 처럼 '와.. 이런 애니 또 없나?!' 하면서 찾아봤었던 추억이 생각나는 순간이었습니다. 근데 문제는 저렇게 검색을 통해 추천받아 시청했던 애니들은 대부분 썩 제 맘에 들지 않았다는 것.. 하지만 이제는 무대포로 추천받은 수 많은 작품들을 전부 시청하기에는 우리 모두 바쁜 일상을 살고 있기에! 이왕이면 자신의 취향에..