一种基于粒子群算法的电影推荐方法技术

本发明专利技术提供了一种基于粒子群算法的电影推荐方法，该方法从用户对影片的评分信息和影片自身所包含信息的角度出发，结合基于用户和基于项目的邻域推荐算法的知识，与隐语义模型相结合，应用于电影网站的个性化推荐中，解决了现有技术中推荐精度的瓶颈问题，同时通过粒子群寻优过程，寻找全局最优的权重，提升了电影推荐水平。

A movie recommendation method based on particle swarm optimization

The invention provides a movie recommendation method based on particle swarm optimization algorithm, the method of information from the user of the film and the film itself contains the score information point of view, combined with the user and item recommendation algorithm based on neighborhood knowledge, combined with latent semantic model, applied to the movie website personalized recommendation, solution the bottleneck of the recommendation accuracy in the prior art, the particle swarm optimization process, the weights for the global optimum, enhance the level of movie recommendation.

【技术实现步骤摘要】
一种基于粒子群算法的电影推荐方法
本专利技术涉及电影的推荐方法，具体涉及一种基于粒子群算法的电影推荐方法。
技术介绍
各种推荐技术都被作为推荐系统的基础方法而提出，协同过滤、基于内容的推荐、基于知识的推荐、基于人口统计的推荐等等。对于推荐系统而言，每种推荐算法都有各自适宜的应用场景，尚且没有哪一种算法能够完美解决各种推荐问题。实际应用中通常采用多种推荐算法融合的方式来提高推荐精度，融合的推荐系统结合了多种推荐技术的优点，并且能够使得这些推荐技术共同协作，从而取得比较理想、稳定的推荐效果。然而，目前对于电影的推荐方法存在着精度较差的问题，即使进行方法模型的调整，也还存在着精度瓶颈。
技术实现思路
针对现有技术的缺点，本专利技术的目的在于提供一种基于粒子群算法的电影推荐方法，该方法包括如下步骤：(1)获取电影网站中用户对电影的评分信息和电影本身的信息；(2)按照如下公式进行计算评分α1+α2+α3＝1其中，S(u,K)是和用户u最相似的K个用户集合,N(i)是对电影i评过分的用户集合，rvi是用户v对电影i的评分，wuv是电影之间的相似度，是用户v对他评过分所有电影评分的平均值；S(u,K)本文档来自技高网...

【技术保护点】
一种基于粒子群算法的电影推荐方法，其特征在于，所述方法包括如下步骤：(1)获取电影网站中用户对电影的评分信息和电影本身的信息；(2)按照如下公式进行计算评分

【技术特征摘要】
1.一种基于粒子群算法的电影推荐方法，其特征在于，所述方法包括如下步骤：(1)获取电影网站中用户对电影的评分信息和电影本身的信息；(2)按照如下公式进行计算评分α1+α2+α3＝1其中，S(u,K)是和用户u最相似的K个用户集合,N(i)是对电影i评过分的用户集合，rvi是用户v对电影i的评分，wuv是电影之间的相似度，是用户v对他评过分所有电影评分的平均值；S(u,K)是和i最相似的电影集合,N(u)是用户u评过分的电影集合，wij是电影之间的相似度，是电影的平均分；其中u...

【专利技术属性】
技术研发人员：钟俊，李德新，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51