SOLVED CSE6240 Web Search & Text Mining Homework 5

Collaborative    Filtering
Description
Implement    a    movie    recommending    system    using    collaborative    filtering.    
The    following    files    are    provided    and    their    detailed    descriptions    are in    README.txt:
(1) ratings.csv:    contains    ratings    matrix
(2) users.csv:    contains    users’    information
(3) movies.csv:    contains    movies’    information
(4) toBeRated.csv:    contains    the    cells    that    you    need    to    fill
For    similarity,    you    must implement    all    three    types    of    similarity below:
(1) Jaccard    similarity
(2) Pearson    correlation    similarity
(3) Cosine    similarity
Results:
(1) Use    the    user-based    method    and    ratings.csv    only to    fill    the    ratings    matrix    to    predict    
ratings    for    required    cells    in    toBeRated.csv.
(2) Use    the    item-based    method    and    ratings.csv    only    to    fill    the    ratings    matrix to    predict    
ratings    for    required    cells    in    toBeRated.csv
(3) Combing    users’    and    items’    information,    using    the    best    similarity    type    you    think,    to    fill    
the    ratings    matrix    to    predict    ratings    for    required    cells    in    toBeRated.csv.
Testing:
You    should use    multi-fold    cross    validation to    find    which    type    of    similarity    is    the    best. Use    RMSE
as    the metric.
Output    Format
20,000 lines,    line    i has    the    rating    for    the    cell    denoted    by    line    i in    toBeRated.csv
For    example,    line    1    should    contain    the    rating    for    user    3374    and    movie    673.
Georgia    Institute    of    Technology CSE6240    - Spring    2015 Homework5
Deliverable
The    deliverable    should    contain    two    folders    with 7    files,    please    put    all    the    files in    to    a    directory    
named    “HW5-{YOUR    FIRST    NAME}-{YOUR    LAST    NAME}”:    
HW5-{YOUR    FIRST    NAME}-{YOUR    LAST    NAME}
\ -- code    (50%)
                            |    -- recommender.py/ recommender.cpp/ recommender.java    (code) (40%)
                            |    -- README.txt    (showing    how    to    run    your    code,    your    code    should    take    types    of    similarity    
and    input    files    as    input    arguments.) (10%)
\ -- results (50%)
                            |    -- result1.csv (10%) (Results    with    best    RMSE    from    three    types    of    similarity)
                            |    -- result2.csv (10%) (Results    with    best    RMSE    from    three    types    of    similarity)
                            |    -- result3.csv (10%) (Results    with    best    RMSE    from    three    types    of similarity)
                            |    -- results.pdf (10%)
                                    |    -- a.    Use    a    bar    char    to    show    RMSE for    each    method    (2    item/user    based    method    *    3    
similarity    measures    +    1    your    method    =    7    methods).    Describe    your    observations. (10%)        
                             |    -- b.    Briefly    explain    your    result1/result2. Explain    how    you    get    the    result3 using    what    
methods    and    which    type    of    similarity    and    what    information.    Explain    why    using    these    
settings    will    give the    best    result.    (10%)
Note:    Your    can    submit    two    version    of    your    program,    one    for    cross    validation    and    the    other    for    
predication.    Or,    you    can    put    them    all    in    one    program    without    triggering    cross    validation    
by    default.    Or    handle    this    in    anyway    you    feel    comfortable    about,    as    long    as    you    explain    
it    in    README.txt
Please    archive    the    folder    and    name    it    as    “HW5-{YOUR    FIRST    NAME}-{YOUR    LAST    NAME}.zip”.    
and    upload    it    to    T-square.