一种基于好奇用户协同过滤的电影推荐方法及装置制造方法及图纸

本发明专利技术公开了一种基于好奇用户协同过滤的电影推荐方法及装置，方法包括：建立用户评分矩阵；计算任意两个用户之间的相似度，建立用户相似度矩阵；计算每部电影的平均流行度；构建电影类别矩阵；构造用户对每个电影的类别选择频率矩阵，计算每个用户的类别选择频率向量的方差；计算用户之间的综合相似度，并根据综合相似度确定每个用户的好奇用户集合；根据目标用户的好奇用户集合对目标电影的打分，预测目标用户对目标电影的相关度；计算每部电影类别与用户所选电影类别的频率距离，构造电影

【技术实现步骤摘要】
一种基于好奇用户协同过滤的电影推荐方法及装置


[0001]本专利技术涉及计算机
，尤其是一种基于好奇用户协同过滤的电影推荐方法及装置。

技术介绍

[0002]近年互联网发展迅速，互联网的数据也呈现爆炸式的增长。对于个人用户来说，信息量的增大使得他们更难找到有用的信息。推荐系统正是解决信息过载为标题的有效方法之一。推荐系统记录并学习用户在网络系统上的行为(浏览、购买、收藏等)从而主动为用户推荐感兴趣的物品。由于推荐系统的有效性，推荐系统已被多个领域应用，如电商、娱乐、旅游、社交网络等等。
[0003]协同过滤是推荐系统应用最广泛的方法之一。协同过滤分为基于物品的协同过滤和基于用户的协同过滤。其中基于用户的协同过滤是根据目标用户与其他用户对共同选择的物品评分相似性为目标用户寻找k个近邻用户，并使用k个近邻用户相似性与k个近邻用户对目标物品评分预测目标用户对目标物品的评分，生成推荐物品列表按照预测评分从高到低排序。由于基于用户协同过滤算法较为简单易于实现，并且推荐准确度较好，因此得到广泛应用。
[0004]尽管基于用户协同过滤算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于好奇用户协同过滤的电影推荐方法，其特征在于，包括：获取用户对电影的评分记录，建立用户评分矩阵；计算任意两个用户之间的相似度，建立用户相似度矩阵；计算每部电影的平均流行度；根据电影类别信息，构建电影类别矩阵；根据每个用户所选电影的类别，构造用户对每个电影的类别选择频率矩阵，根据所述类别选择频率矩阵计算每个用户的类别选择频率向量的方差；根据所述用户相似度矩阵、所述平均流行度以及所述类别选择频率向量的方差，计算用户之间的综合相似度，并根据所述综合相似度确定每个用户的好奇用户集合；根据目标用户的好奇用户集合对目标电影的打分，预测目标用户对所述目标电影的相关度；根据所述电影类别矩阵和所述方差，计算每部电影类别与用户所选电影类别的频率距离，构造电影
‑
用户类别距离矩阵；根据所述目标用户对所述目标电影的相关度以及所述电影
‑
用户类别距离矩阵，计算目标用户对目标电影的综合相关度，根据所述综合相关度向所述目标用户推荐电影。2.根据权利要求1所述的一种基于好奇用户协同过滤的电影推荐方法，其特征在于，所述计算任意两个用户之间的相似度，建立用户相似度矩阵这一步骤中，所述相似度的计算公式为：其中，sim(u
t
,u
c
)代表用户u
t
和u
c
的用户相似度；R
t,j
表示用户i对电影j的评分；R
c,j
表示用户c对电影j的评分；是用户i对电影的平均分；是用户c对电影的平均分；I(u
t
,u
c
)是用户i和c共同选择的电影集合。3.根据权利要求1所述的一种基于好奇用户协同过滤的电影推荐方法，其特征在于，所述计算每部电影的平均流行度这一步骤中，所述平均流行度的计算公式为：其中，Pop
uc
代表平均流行度；|U(I
j
)|是选择了电影j的用户数；|U|是所有用户的数量，I(u
c
)是用户u
c
已经选择的电影集合。4.根据权利要求1所述的一种基于好奇用户协同过滤的电影推荐方法，其特征在于，所述根据所述用户相似度矩阵、所述平均流行度以及所述类别选择频率向量的方差，计算用户之间的综合相似度这一步骤中，所述综合相似度的计算公式为：其中，score(u
t
，u
c
)代表用户u
t
和u
c
的综合相似度；sim(u
t
，u
c
)代表用户u
t
和u
c
的用户相似度；Pop
uc
代表平均流行度；Div(g
uc
)代表类别选择频率向量的方差。5....

【专利技术属性】
技术研发人员：郑倩如，
申请(专利权)人：广州科技贸易职业学院，
类型：发明
国别省市：