電影平台的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

犬之島 動畫電影製作特輯：威斯‧安德森作品集

為了解決電影平台的問題，作者蘿倫‧威佛＆萊恩‧史蒂文生 這樣論述：

　　逾600張精美劇照、側拍、手稿×14篇、14萬字幕後團隊深度訪談 　　「置中狂」導演威斯・安德森電影專書首度中文化！ 　　特別收錄大友克洋所繪製的《犬之島》日本版電影海報插畫！ 　　漫畫名作《末日》作者望月峯太郎繪製的漫畫版《犬之島》同步上市！ 　　歡迎來到安德森星球，美學偏執狂照過來！ 　　手工打造上百組布景＆逾千隻不同比例、服裝、表情的戲偶， 　　近70張臉上分毫不差的320顆雀斑（以及定位用雀斑北極星）， 　　抽絲剝繭一一比對出向葛飾北齋、黑澤明、小津安二郎、宮崎駿等日本大師致敬畫面…… 　　沒看過這本書，別說你哈日！ 　　最強的哈日阿宅原來是威斯．安德森！ 　　1.本書為美

國鬼才名導威斯‧安德森最新停格動畫長片《犬之島》（Isle of Dogs）的電影製作特輯。威斯‧安德森如今已成為許多影迷最愛的電影導演之一，在2014年以《歡迎來到布達佩斯大飯店》贏得柏林影展評審團大獎，獨特的影片敘事、迷人的視覺美術風格，對畫面置中對稱的偏執也為人津津樂道。他的拍片技藝和美學獨樹一格，從色調、構圖、美術設定，影片中的每一格都像一幅畫，是少數如同提姆‧波頓（Tim Burton）一樣，令影迷想要深究其背後創作脈絡與窺看其創作過程的導演。2013年起出版了一系列的《Wes Anderson Collection》（威斯‧安德森作品集），本書即為最新作，也是現今唯一的安德森作品中

文官方解析。 　　2.本書作者為資深編輯暨影評人，多次深入訪問導演威斯‧安德森和幕後各部門的工作人員，以精彩圖文完整解析《犬之島》的製作過程。安德森和其團隊將親自為讀者揭示所有來龍去脈，包含創作靈感來源、配音演員的選角和互動、驚人的美術設計、帥到極點的戲偶製作、拍攝停格動畫的過程、配樂的誕生，以及種種軼事。書中同時收入超過六百張的精采幕後花絮照片、構思階段的草圖插畫、導演手寫的筆記、分鏡表等，實為一部值得收藏的藝術品。 　　3.榮獲2018年柏林影展最佳導演銀熊獎的《犬之島》（Isle of Dogs）是停格動畫，片中所見一切皆為純手工打造，質感獨具，既有導演的一貫風格，又有滿滿的驚喜。《

犬之島》無論在劇情、構圖、攝影風格、美術設計和配樂等細節都揉合了許多日本流行文化和歷史元素，並且向黑澤明、小津安二郎、宮崎駿、葛飾北齋等日本大師致敬，無論是哈日族或美學控，都不容錯過。 名人推薦 　　★國立臺灣藝術大學多媒體動畫藝術學系石昌杰教授 推薦

電影平台進入發燒排行的影片

強化使用者和電影評分關係，打造 User profile 之電影推薦系統

為了解決電影平台的問題，作者馬曼容 這樣論述：

推薦系統廣泛應用於電影平台上，最廣泛的推薦方法是通過蒐集多個使用者所提供的觀看信息，以評分(Ranking-based)作為依據，與有相同興趣使用者進行比對，根據相似鄰居對項目給出的評分，計算出使用者之間的偏好相似性。最終， 對該使用者尚未評分的項目，進行預測性的推薦，亦對使用者提供觀影上更多且更好的建議。然而，儘管以大數據評分為根基，這樣以評分為基礎的電影推薦系統，卻無法細微觀察單一使用者的觀影喜好，甚至以擁有共同經驗之群體喜好作依據，卻不再以個人的觀看或評級紀錄，作為推薦的主要目的，更忽略電影資訊擁有的獨特性區別。本文希望通過正面/負面使用者檔案的建立，進行多元指標的主題分析，增加 一部

電影的獨特性特徵，並納入過往被忽略的使用者低分評級紀錄，完成更客製且 精準的個人化推薦方法。

犬之島 動畫電影製作特輯+電影改編漫畫(首刷限量套書送電影海報)

為了解決電影平台的問題，作者蘿倫‧威佛,萊恩‧史蒂文生,威斯・安德森,望月峯太郎 這樣論述：

　　《犬之島》動畫電影製作特輯： 　　★國立臺灣藝術大學多媒體動畫藝術學系石昌杰教授 推薦 　　逾600張精美劇照、側拍、手稿×14篇、14萬字幕後團隊深度訪談 　　「置中狂」導演威斯・安德森電影專書首度中文化！ 　　特別收錄大友克洋所繪製的《犬之島》日本版電影海報插畫！ 　　漫畫名作《末日》作者望月峯太郎繪製的漫畫版《犬之島》同步上市！ 　　歡迎來到安德森星球，美學偏執狂照過來！ 　　手工打造上百組布景＆逾千隻不同比例、服裝、表情的戲偶， 　　近70張臉上分毫不差的320顆雀斑（以及定位用雀斑北極星）， 　　抽絲剝繭一一比對出向葛飾北齋、黑澤明、小津安二郎、宮崎駿等日本大師致敬畫面…

… 　　沒看過這本書，別說你哈日！ 　　最強的哈日阿宅原來是威斯．安德森！ 　　1.本書為美國鬼才名導威斯‧安德森最新停格動畫長片《犬之島》（Isle of Dogs）的電影製作特輯。威斯‧安德森如今已成為許多影迷最愛的電影導演之一，在2014年以《歡迎來到布達佩斯大飯店》贏得柏林影展評審團大獎，獨特的影片敘事、迷人的視覺美術風格，對畫面置中對稱的偏執也為人津津樂道。他的拍片技藝和美學獨樹一格，從色調、構圖、美術設定，影片中的每一格都像一幅畫，是少數如同提姆‧波頓（Tim Burton）一樣，令影迷想要深究其背後創作脈絡與窺看其創作過程的導演。2013年起出版了一系列的《Wes Anders

on Collection》（威斯‧安德森作品集），本書即為最新作，也是現今唯一的安德森作品中文官方解析。 　　2.本書作者為資深編輯暨影評人，多次深入訪問導演威斯‧安德森和幕後各部門的工作人員，以精彩圖文完整解析《犬之島》的製作過程。安德森和其團隊將親自為讀者揭示所有來龍去脈，包含創作靈感來源、配音演員的選角和互動、驚人的美術設計、帥到極點的戲偶製作、拍攝停格動畫的過程、配樂的誕生，以及種種軼事。書中同時收入超過六百張的精采幕後花絮照片、構思階段的草圖插畫、導演手寫的筆記、分鏡表等，實為一部值得收藏的藝術品。 　　3.榮獲2018年柏林影展最佳導演銀熊獎的《犬之島》（Isle of Do

gs）是停格動畫，片中所見一切皆為純手工打造，質感獨具，既有導演的一貫風格，又有滿滿的驚喜。《犬之島》無論在劇情、構圖、攝影風格、美術設計和配樂等細節都揉合了許多日本流行文化和歷史元素，並且向黑澤明、小津安二郎、宮崎駿、葛飾北齋等日本大師致敬，無論是哈日族或美學控，都不容錯過。 　　《犬之島》漫畫： 　　●美日兩位大師首度合作：鬼才導演威斯・安德森＋《末日》、《笨金魚》漫畫大師望月峯太郎 　　●威斯・安德森最新停格動畫長片《犬之島》（Isle of Dogs）改編漫畫版 　　● 小男孩和狗的情感動人，擅長末世感場景的望月圖像風格強烈 　　● 原作動畫電影榮獲2018年柏林影展最佳導演銀熊獎

　　置中狂導演威斯・安德森不僅在美學上異常堅持，私底下更是個哈日族。2018年推出的停格動畫長片《犬之島》首度向諸多日本文化元素致敬，更找來知名日本動漫創作者跨界合作，繼邀請到大友克洋繪製日本版海報插畫（收錄在《犬之島動畫電影製作特輯》）後，更進一步邀請圖像風格強烈的漫畫大師望月峯太郎將電影故事改編成漫畫。 　　 　　漫畫內容基本上忠於電影故事線，在未來的日本，因為狗狗的數量快速成長而引發了犬流感，巨崎市的小林市長因此將全市所有犬隻移送到離島任其自生自滅。市長的養子阿中為了尋找愛犬Spots（斑點），偷了一架小飛機飛往被隔離的「犬之島」。迫降後遇上五隻來自不同背景的狗狗，為了尋找Spots，

阿中意外和其中唯一的流浪狗「老大」踏上前往Dog Zero的探險旅程…… 　　動畫電影中當阿中說日文時都沒有翻譯，望月改編的漫畫不同於影片從狗和外國交換學生的視角來敘事，聚焦在小男孩阿中和流浪狗「老大」的背景和心境轉折，以另一種方式讓觀眾和讀者補足了阿中的情緒。好幾幅重要的畫面將阿中和Spots以及老大之間的情感、姿態捕捉描繪得非常動人。 　　漫畫大師望月峯太郎擅長描繪末世感場景，海中孤寂、堆滿垃圾和病犬的「犬之島」正是其擅場，望月將《犬之島》的故事掌握、詮釋得非常好，是一次難能可貴的優秀跨國、跨界合作。

基於增強式學習在用戶偏好的推薦系統

為了解決電影平台的問題，作者曾博彥 這樣論述：

近年來，推薦系統(Recommendation system)的需求與應用日漸增加，不管在哪個平台，諸如網路購物、影音平台、社群軟體，甚至是網路新聞，用戶所面對能選擇的東西越來越多，可能用戶只有幾十萬但是商品項目卻高達幾千幾億，因此在面對龐大的可選擇資訊量當中，該如何減少選擇時間與提高推薦給顧客喜歡東西的準確率已然成為一門重要的課題。在本論文中我們將在電影平台，透過協同過濾、基於內容、矩陣分解等的方式，根據使用者的興趣或過去行為去分析用戶的習慣，以及用戶對電影的評分，系統便會進一步把其他跟你相似的人所喜歡的物品推薦給你，並去找出用戶所喜歡的電影，達到個人化的推薦效果。 在本論文中使用了

增強式學習(Reinforcement Learning, RL)的推薦方法，在過去傳統的推薦方法是使用item-based與user-based，但用戶的行為模式不單單只有對電影的評分而已，用戶可能受到很多隱藏、次要因素影響評分標準，諸如導演、演員、劇情等等，相較於過去傳統單純比較使用者與其他用戶的評分相似度來作比較並推薦，使用增強式學習來讓模型學習並預測用戶的未來的行為習慣能為系統帶來更好、更長遠的效益，並且利用矩陣分解(Matrix Factorization, MF)技術中相當成熟的奇異值分解(Singular Value Decomposition, SVD)去做先前的處理，矩陣分解

可以將用戶對項目的評分矩陣（User-item Matrix）拆解成維度較小的矩陣來作運算，並試圖找出用戶與電影之間的特徵矩陣，因為通常諸如各電商平台、電影平台抑或是電子書平台，User-item Matrix會是一個非常稀疏的矩陣，因為item 相對於user是較多的，在item數量過多的情下，用戶可能只對龐大item中少數的item作過評分，因此，矩陣分解將Rating矩陣與Item矩陣拆解並投射到較低維度的矩陣，並藉由用戶所評分過的電影中找出影響評分的主要因素，另外在推薦電影的這個領域，電影之間存在相關性，當電影數量增加，所含的訊息量則不會隨著電影數增加而線性增加，可以有效的降低計算複雜

度與訓練時間，並結合主題模型(Topic Model, TM)去應用在SVD中的特徵矩陣來做特徵分析，讓SVD中被多個特徵結和在一起的特徵向量能有個明確的標籤分類，最後透過增強式學習來去模擬用戶的行為模式，讓模型去模仿用戶可能有的行為及評分習慣，並透過模型去了解用戶時間性的動態變化，來提供更好的預測準確度，這種方法能有效地處理資料稀疏、個人化、冷啟動等的問題。