一种动态的多维情境感知电影推荐系统及其实现方法技术方案
【技术实现步骤摘要】
一种动态的多维情境感知电影推荐系统及其实现方法
本专利技术涉及一种动态的多维情境感知电影推荐系统及其实现方法。
技术介绍
随着互联网技术的飞速发展，人们接收到的信息越来越多以致有大量无效或冗余信息影响效率和时间，为了解决信息过载的问题，推荐系统应运而生。推荐系统为用户提供最可能需要的信息帮助用户节省精力和时间。情境感知推荐系统是推荐系统的一个热门研究分支，它将情境信息融入到推荐系统中，因为在很多应用中，在不同的情境下，用户的兴趣选择是不同的，所以推荐的信息也应该随之变化。情境感知推荐系统所考虑的情境和具体应用有关，不同应用所需要的情境信息并不相同。情境可以是物理环境中的情境，如天气，地点，时间等，也可以是与应用相关的用户信息，物品信息等，只要是在用户与该应用交互过程中可能产生影响的实体均可称之为情境。情境感知推荐过程大体可分为三个范式：情境前置过滤，情境后置过滤和情境推荐建模。前置过滤是将多维数据空间根据情境值进行降维处理，得到情境化的数据空间，然后用传统的推荐算法进行计算。后置过滤是不考虑情境信息，用传统的推荐算法进行计算得到推荐结果，然后再通过情境和用户行为之...
【技术保护点】
一种动态的多维情境感知电影推荐系统，其特征在于：包括交互界面模块、用户‑电影‑情境‑评分数据库模块以及情境感知推荐引擎模块；所述交互界面模块为用户与系统交互的接口，包括用户向系统提交自己观看电影时的情境信息和电影评分以及系统为用户推荐合适的电影；所述用户‑电影‑情境‑评分数据库模块用于存储评分信息，记录用户在特定情境下对某个电影的评分；所述情境感知推荐引擎模块是系统的核心部件，用于从所述用户‑电影‑情境‑评分数据库模块中读取数据并进行情境建模和用户评分建模，并在分析情境特征的基础上从候选电影中为用户在当前情境下推荐电影。
【技术特征摘要】
1.一种动态的多维情境感知电影推荐方法，组建多维情境感知电影推荐系统，其特征在于：步骤一、用户在系统上产生动作：包含n个用户的用户集U＝{u1,u2,...,un}；对于用户u，在系统上产生的动作分为填写情境信息和评分信息；供用户填写的情境信息为显式情境信息，包括观影同伴，观看地点，观看方式，观影心情；评分信息是用户对该电影的评分，评分范围为1到5分；步骤二、系统将用户动作收集到用户-电影-情境-评分数据库：系统将用户的行为以四元组(user,movie,contexts,rate)的形式存储到用户-电影-情境-评分数据库；其中，user表示用户及其标识符，movie表示电影及其标识符，contexts表示用户对电影movie打分时显示填写的情境信息和系统隐式生成的情境信息，rate表示用户user在情境contexts下对电影item的评分；步骤三、动态情境感知推荐引擎模块读取用户-电影-情境-评分数据库和当前用户情境信息，通过建模与分析为用户生成一个包含若干电影的推荐列表：包含k部电影的电影集M＝{m1,m2,...,mk}；对于用户u根据其当前情境信息，为其推荐的电影列表为R(u)＝{mu1,mu2,...,muN}，其中N为推荐列表长度，muj∈M(1≤j≤N)表示为用户u推荐的电影列表中的第j部电影，所述第j部电影存在于电影集M中；步骤四、交互界面模块将推荐列表展示出来；所述步骤三的具体工作步骤为：步骤3.1、读取情境信息，进行情境建模：情境信息表示为cN个情境类型(contexttype)的情境集Contexts＝{context1,context2,...,contextcN}；每一种情境类型有多个情境值(contextvalue)，采用动态聚类的方法对其进行情境泛化，生成相应的情境值区间(contextsegment)；步骤3.2、选择推荐结果优于无情境推荐结果的情境区间作为情境过滤的候选，用|cType|表示候选情境类型的个数，然后对每个情境类型cTypei进行情境前置过滤，得到其对应的用户-电影-评分矩阵M(cTypei)；步骤3.3、对每个用户计算其情境权重，每个情境类型cTypei都有一个在某个用户u下的权重值W(u,cTypei)；步骤3.4、对每个情境类型对应的用户-电影-评分矩阵M(cTypei)采用传统的协同过滤算法对每个用户u得出预测评分列表R(u,cTypei)，列表的每一项是一个三元组(u,m,R(u,m,cTypei))，表示用户u,电影m，用户u对电影m在情境类型cTypei下的预测评分R(...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。