The invention is applicable to the technical field of recommendation algorithms, a movie recommendation method and device, method includes: identifying and judging whether the target user is a registered user; if a registered user, then determine the target user evaluation of the film number is greater than or equal to the preset threshold evaluation; if the evaluation number larger than or equal to the preset threshold value. It is a collaborative filtering recommendation model of film features to the target user recommended movie based on the recommendation model; if not registered users or evaluation data is less than a preset threshold, evaluation, recommendation model based on WEB usage mining to target users recommended the film; the film method can be recommended for different target users using the recommended method, which is recommended to the maximum the goal of the film to meet the target user user preferences. The film recommendation method can solve the problem that the existing single recommendation algorithm based on collaborative filtering can not recommend a movie for a new user or a small number of movie evaluation users.
【技术实现步骤摘要】
一种电影推荐方法及装置
本专利技术属于推荐算法应用
,尤其涉及一种电影推荐方法及装置。
技术介绍
推荐系统在电子商务系统中具有良好的发展和应用前景,逐渐成为电子商务IT技术的一个重要研究内容。推荐系统最大的优点在于收集用户感兴趣的资料,分析该资料得出用户的兴趣偏好并根据用户的兴趣偏好为用户做出个性化推荐。目前,推荐系统己经被广泛的应用到不同领域,如电影推荐。基于协同过滤的推荐算法由于容易挖掘出用户的潜在新兴趣而受到青睐,目前的电影推荐系统基本采用该基于协同过滤的单一推荐算法。然而基于协同过滤的单一推荐算法存在无法为新用户或者电影评价数目较少的目标用户推荐电影的问题。故,有必要提出一种新的技术方案,以解决上述技术问题。
技术实现思路
鉴于此,本专利技术实施例提供一种电影推荐方法及装置,以解决现有技术中基于协同过滤的单一推荐算法存在无法为新用户或者电影评价数目较少的目标用户推荐电影的问题。本专利技术实施例的第一方面,提供一种电影推荐方法,所述方法包括:识别目标用户,并判断所述目标用户是否为注册用户;若是注册用户,则判断所述目标用户对电影的评价数目是否大于或等于预设评价阈值;若所述评价数目大于或等于所述预设评价阈值,则基于电影特征的协同过滤推荐模型给所述目标用户推荐电影;若不是注册用户或者所述评价数据小于所述预设评价阈值,则基于WEB使用挖掘的推荐模型给所述目标用户推荐电影。本专利技术实施例的第二方面,提供一种装置,所述装置包括:第一判断模块,用于识别目标用户,并判断所述目标用户是否为注册用户;第二判断模块,用于若是注册用户,则判断所述目标用户对电影的评价数目 ...
【技术保护点】
一种电影推荐方法,其特征在于,包括:识别目标用户,并判断所述目标用户是否为注册用户;若是注册用户,则判断所述目标用户对电影的评价数目是否大于或等于预设评价阈值;若所述评价数目大于或等于所述预设评价阈值,则基于电影特征的协同过滤推荐模型给所述目标用户推荐电影;若不是注册用户或者所述评价数据小于所述预设评价阈值,则基于WEB使用挖掘的推荐模型给所述目标用户推荐电影。
【技术特征摘要】
1.一种电影推荐方法,其特征在于,包括:识别目标用户,并判断所述目标用户是否为注册用户;若是注册用户,则判断所述目标用户对电影的评价数目是否大于或等于预设评价阈值;若所述评价数目大于或等于所述预设评价阈值,则基于电影特征的协同过滤推荐模型给所述目标用户推荐电影;若不是注册用户或者所述评价数据小于所述预设评价阈值,则基于WEB使用挖掘的推荐模型给所述目标用户推荐电影。2.如权利要求1所述的方法,所述基于电影特征的协同过滤推荐模型给所述目标用户推荐电影包括:采用聚类算法对活动用户进行聚类,以形成多个活动用户群;分别计算所述目标用户与每一所述活动用户群的中心的距离,选择与所述目标用户距离最近的活动用户群作为目标活动用户群;采用相似度测量方法计算所述目标用户与所述目标活动用户群中的活动用户的相似度,根据所述相似度确定目标用户最近邻居集;根据所述目标用户最近邻居集中的活动用户对目标用户未评价电影的评价数据,生成活动用户评分矩阵;采用预测评分公式对所述活动用户评分矩阵进行处理,以获取目标用户未评价电影的预测评分;选取预测评分最高的TOP-N部电影作为推荐结果推荐给目标用户。3.如权利要求1所述的方法,所述基于WEB使用挖掘的推荐模型给所述目标用户推荐电影包括:获取网页数据,所述网页数据包括WEB日志;对所述WEB日志进行预处理,形成事务数据;采用基于WEB使用挖掘的推荐算法,获取与所述事务数据相对应的推荐结果。4.如权利要求3所述的方法,其特征在于,所述基于WEB使用挖掘的推荐算法包括:对所述事务数据进行聚类分析,得到m个事务聚类类簇;创建滑动窗口动态保存目标用户当前会话中最后的k个页面;将目标用户当前会话中最后的k个页面转换为页面空间上的n维向量,所述n维向量表示为S={s1,s2,…,sn},其中si的取值根据页面Pi在当前会话中最后的k个页面是否出现而确定,即:计算所述n维向量S与所述k个事务聚类类簇的使用特征Rtc之间的匹配度,采用余弦相似性函数,公式如下:计算各页面的推荐系数,公式如下:其中,Weight(p,tc)表示页面所属事务聚类类簇中的权重;根据页面推荐系数将推荐系数最大且在目标用户当前会话中没有出现的若干页面作为推荐列表。5.如权利要求4所述的方法,其特征在于,所述对所述事务数据进行聚类分析包括:随机选择m个事务作为初始的类簇中心;将事务赋给中心与之最近的类簇;计算每个事务类簇中事务的平均值,更新类簇的中心,公式如下:其中,表示事务类簇中事务的平均值;计算准则函数E直到所述函数E不再明显发生变化,公式如下:其中p表示页面,mi是事务聚类类簇tci的平均值,即事务聚类类簇tci的中心;根据页面在事务中的权重来计算该页面所属事务聚类类簇中的权重,公式如下:其中,tc表示事务聚类类簇,t表示事务聚类类簇中的事务;根据Weight(p,tc)来确定事务聚类类簇tc的使用特征Rtc,公式如下:Rtc={<p,Weight(p,tc)>|p∈P,Weight(p,tc)≥μ},μ为显著性阈值;将所述事务聚类类簇的使用特征Rtc表示为如下的n维向量:Rtc={r1,r2,…,rn},其中ri取值为:6.一种电影推荐装置,其特征在于,所述装置包括:第一判断模块,用于识别目标用户,并判断所述目标用户是否为注册用户;第二判断模块,用于若是注册用户,则判断所述目标用户对电影的评价数目是否大于或等于预设评价阈值;基于电影特征...
【专利技术属性】
技术研发人员:冯研,
申请(专利权)人:TCL集团股份有限公司,
类型:发明
国别省市:广东,44
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。