Asian Journal of Multidimensional Research (ajmr)

Asian Journal of Multidimensional Research (AJMR)

 

https://www.tarj.in

 

679 

 

AJMR 

Another  technique  that  considers  multiple  criteria  for  making  decisions  and  rank  is  "Multiple-

criteria  decision  analysis  (MCDA)"  or  "Multiple-criteria  decision  making  (MCDM)."This 

technique  comes  under  the  branch  of  operations  research.  It  helpsin  analyzing  multiple 

conflicting criteria in decision-making.("What Is MCDM/ MCDA?" n.d.) 

 

E-Commerce websites have been widely using these recommendation systems to target specific 

customers  for  specific  products.  Although  collaborative  filtering  is  the  most  extensively  used 

methodology,  Hsiao-Fan  Wang  and  Cheng-Ting  Wu  have  developed  superior  methods  such  as 

"Clique-effects Collaborative Filtering (CECF)." The proposed recommender system module has 

aimed to achieve the goals of the consumers and suppliers. Furthermore, the linear bi-objective 

model is the last stage of product selection. For this, the CECF and offline database provide all 

the  required  arguments.  The  proposed  module  emphasizes  consumer  satisfaction  andsupplier's 

profit, which is vital to an E-commerce company.(Wang & Wu, 2012) 

People's viewing habits have shifted due to technological advancements, allowing individuals to 

control  when,  what,  where,  and  how  they  watch  television.  The  rise  in  popularity  of  OTT 

platforms  and  the  increased  production  of  sophisticated  stories  have  resulted  in  increased 

streaming  of  a  specific  pattern  of  television  viewing  known  as  "Binge-watching."  This  type  of 

behavior blends culture with technology.(Steiner & Xu, 2020) 

Binge-watching  is  the  new  addiction  for  lockdown-stricken  internet  users.  The  activity  shift  is 

exciting and challenging for OTT platforms as they have to satiate growing demands with quality 

content.  Recommendation  systems  are  used  on  these  platforms  to  help  viewers  find  quality 

content as  per their mood  and taste. The basic idea for the recommender  systems  is  to  propose 

movies or shows which the viewer will be interested to stream.(Vidiyala, 2020) 

However, binge-watching has been around since the 1990s in some form or another. It was made 

possible  by  the  DVD  format,  but  it  only  recentlybecame  a  cultural  and  societal  phenomenon. 

(Matrix,  2014;  Richmond,  2014)  Initially,  we  did  not  plan  on  including  binge-watching  in  our 

research paper, but as we started putting information together, we realized how important it was 

in  these  times.  Many  industry  assessments  now  list  binge-watching  as  a  common  trend  among 

Consumers.(Watson,  2020)It  is  conceivable  only  if  episodes  of  the  same  TV  show  are  shown 

back-to-back, which is rarely the case in the world of linear TV, where episodes of the same TV 

show  are  aired  on  a  weekly  or  daily  basis  for  the  most  part.  The  move  toward  binge-watching 

was sparked by video streaming technologies that are now widely used online (Matrix, 2014) and 

on  television  (Belo  et  al.,  2019).  Consumers  can  use  these  technologies  to  optimize  their 

schedules  and  watch  their  favorite  content  whenever  they  want.  Streaming  technology  also 

enables content  producers  to  make  multiple  episodes  of  the  same  TV  show  available 

simultaneously, allowing binge-watching. 

There is  a wide  range of  movies  and shows to  choose from, which might  confuse the viewers. 

Thus  Jingdong  Liu  started  building  a  recommendation  Algorithm  based  on  speech  recognition, 

machine  translation,  image  recognition,  and  other  fields  to  yield  promising  results.  Moreover, 

since  the  characteristics  of  its  deep  architecture  are  so  complex,  the  deep  learning  models  can 

evolve themself. Also, deep learning is a research field that has received extensive attention from 

researchers in recent years.(Liu et al., 2021) 

---

ISSN: 2278-4853         Vol 10, Issue 9, September, 2021        Impact Factor: SJIF 2021 = 7.699