电影推荐方法及其系统技术方案

本发明专利技术公开了一种电影推荐方法及其系统，所述电影推荐方法包括：获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值；根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和；获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值；根据所述电影数据形成该部电影的第二特征向量；通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数；根据所述相关性参数的排名顺序向用户推荐电影。本发明专利技术提供的技术方案根据相关性参数的排名顺序向用户推荐电影，使得推荐结果更加符合用户的兴趣爱好，从而提高了推荐结果的准确性，让用户体验到更好的个性化推荐服务。

【技术实现步骤摘要】

本专利技术涉及信息处理
，尤其涉及一种电影推荐方法及其系统。
技术介绍
大数据分析是互联网行业之中较为前沿的方向，而数据挖掘是该行业之中强有力的工具。通过对数据的分析与挖掘，得到或者预测用户的喜好或趋向，从而可以更好的为用户提供服务。在信息爆炸的时代，电影内容在迅猛增长，围绕电影相关内容的网站和应用更是不计其数。对于用户而言，面对如此丰富的电影资源，想要从中选择真正想要的内容非常困难。
技术实现思路
为解决上述问题，本专利技术提供一种电影推荐方法及其系统，至少部分解决用户从大量电影资源之中选择真正想要的电影内容非常困难的问题。为此，本专利技术提供一种电影推荐方法，包括：获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值；根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和；获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值；根据所述电影数据形成该部电影的第二特征向量；通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数；根据所述相关性参数的排名顺序向用户推荐电影。可选的，所述通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数的步骤包括：根据所述第一特征向量与所述第二特征向量计算向量夹角的余弦值；所述根据所述相关性参数的排名顺序向用户推荐电影的步骤包括：根据所述余弦值的排名顺序向用户推荐电影。可选的，所述余弦值为其中Ci为相关性参数，为第一特征向量，为第二特征向量，k为标签数量，i为电影编号。可选的，所述标签的数量为3个，所述标签包括剧情、爱情以及灾难。可选的，所述根据所述相关性参数的排名顺序向用户推荐电影的步骤包括：当多个电影的相关性参数相同而且排名前十时，在排名前十的电影之中随机选取十部电影推荐给用户。本专利技术还提供一种电影推荐系统，包括：第一获取单元，用于获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值；第一形成单元，用于根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和；第二获取单元，用于获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值；第二形成单元，用于根据所述电影数据形成该部电影的第二特征向量；第一计算单元，用于通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数；第一推荐单元，用于根据所述相关性参数的排名顺序向用户推荐电影。可选的，所述第一计算单元包括：第一计算模块，用于根据所述第一特征向量与所述第二特征向量计算向量夹角的余弦值；所述第一推荐单元包括：第一推荐模块，用于根据所述余弦值的排名顺序向用户推荐电影。可选的，所述余弦值为其中Ci为相关性参数，为第一特征向量，为第二特征向量，k为标签数量，i为电影编号。可选的，所述标签的数量为3个，所述标签包括剧情、爱情以及灾难。可选的，所述第一推荐单元包括：第二推荐模块，用于当多个电影的相关性参数相同而且排名前十时，在排名前十的电影之中随机选取十部电影推荐给用户。本专利技术具有下述有益效果：本专利技术提供的电影推荐方法及其系统之中，所述电影推荐方法包括：获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值；根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和；获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值；根据所述电影数据形成该部电影的第二特征向量；通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数；根据所述相关性参数的排名顺序向用户推荐电影。本专利技术提供的技术方案根据表示用户真实兴趣爱好的第一特征向量与表示电影类型的第二特征向量形成相关性参数，通过所述相关性参数对用户兴趣与电影内容之间的相关性进行量化，再根据相关性参数的排名顺序向用户推荐电影，使得推荐结果更加符合用户的兴趣爱好，从而提高了推荐结果的准确性，让用户体验到更好的个性化推荐服务。附图说明图1为本专利技术实施例一提供的一种电影推荐方法的流程图；图2为本专利技术实施例二提供的一种电影推荐系统的结构示意图。具体实施方式为使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图对本专利技术提供的电影推荐方法及其系统进行详细描述。实施例一图1为本专利技术实施例一提供的一种电影推荐方法的流程图。如图1所示，所述电影推荐方法包括：步骤1001、获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值。步骤1002、根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和。步骤1003、获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值。步骤1004、根据所述电影数据形成该部电影的第二特征向量。步骤1005、通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数。步骤1006、根据所述相关性参数的排名顺序向用户推荐电影。本实施例根据所述第一特征向量与所述第二特征向量计算向量夹角的余弦值，再根据所述余弦值的排名顺序向用户推荐电影。可选的，当多个电影的相关性参数相同而且排名前十时，在排名前十的电影之中随机选取十部电影推荐给用户。本实施例提供的技术方案根据表示用户真实兴趣爱好的第一特征向量与表示电影类型的第二特征向量形成相关性参数，通过所述相关性参数对用户兴趣与电影内容之间的相关性进行量化，再根据相关性参数的排名顺序向用户推荐电影，使得推荐结果更加符合用户的兴趣爱好，从而提高了推荐结果的准确性，让用户体验到更好的个性化推荐服务。本实施例中，所述余弦值为其中Ci为相关性参数，为第一特征向量，为第二特征向量，k为标签数量，i为电影编号。可选的，所述标签的数量为3个，所述标签包括剧情、爱情以及灾难。本实施例给市面上所有的电影都贴上一个标签。例如，将电影“泰坦尼克号”贴上“剧情/爱情/灾难”的标签。然后，本实施例对每部电影的标签进行权重分析，例如，将电影“泰坦尼克号”进行如下权重分析：40％的剧情、40％的爱情以及20％的灾难。假设n1、n2…nk分别对应着k个标签，那么本实施例可以假设n1对应剧情标签，n2对应爱情标签，n3对应灾难标签。如果标签的数量为k，则电影“泰坦尼克号”对应的第二特征向量为(λ1，λ2，…，λk)。对于任意一个用户，本实施例可以通过其观影数据得到该用户的第一特征向量所述观影数据包括已观看电影的标签以及对应的权重值。所述第一特征向量为该用户观看过的所有影片的特征向量之和，假设标签的数量为k，那么第一特征向量为(u1，u2，…，uk)。本实施例根据所述第一特征向量与所述第二特征向量计算向量夹角的余弦值，所述余弦值为其中Ci为相关性参数，为第一特征向量，为第二特征向量，k为标签数量，i为电影编号。最后，本实施例根据所述余弦值的排名顺序向用户推荐电影。本实施例提供的电影推荐方法包括：获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值；根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和；获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值；根据所述电影数据形成该部电影的第二特征向量；通过所述第一特征向量与所述第二特征向量根据预设算法本文档来自技高网...

【技术保护点】
一种电影推荐方法，其特征在于，包括：获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值；根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和；获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值；根据所述电影数据形成该部电影的第二特征向量；通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数；根据所述相关性参数的排名顺序向用户推荐电影。

【技术特征摘要】
1.一种电影推荐方法，其特征在于，包括：获取用户的观影数据，所述观影数据包括已观看电影的标签以及对应的权重值；根据所述观影数据形成第一特征向量，所述第一特征向量为所有已观看电影的特征向量之和；获取任一电影的电影数据，所述电影数据包括该部电影的标签以及对应的权重值；根据所述电影数据形成该部电影的第二特征向量；通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数；根据所述相关性参数的排名顺序向用户推荐电影。2.根据权利要求1所述的电影推荐方法，其特征在于，所述通过所述第一特征向量与所述第二特征向量根据预设算法计算相关性参数的步骤包括：根据所述第一特征向量与所述第二特征向量计算向量夹角的余弦值；所述根据所述相关性参数的排名顺序向用户推荐电影的步骤包括：根据所述余弦值的排名顺序向用户推荐电影。3.根据权利要求2所述的电影推荐方法，其特征在于，所述余弦值为其中Ci为相关性参数，为第一特征向量，为第二特征向量，k为标签数量，i为电影编号。4.根据权利要求1所述的电影推荐方法，其特征在于，所述标签的数量为3个，所述标签包括剧情、爱情以及灾难。5.根据权利要求1所述的电影推荐方法，其特征在于，所述根据所述相关性参数的排名顺序向用户推荐电影的步骤包括：当多个电影的相关性参数相同而且排名前十时，在排名前十的电影之中随机选取十部电影推荐给用户。6.一种电影推荐...

【专利技术属性】
技术研发人员：李三舸，王志军，冯伟斌，殷波，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11