一种基于协同过滤算法个性化电影推荐系统及其实现方法技术方案

本发明专利技术公开了一种基于协同过滤算法个性化电影推荐系统及其实现方法，多媒体信息处理领域。该个性化电影推荐系统，包括用户接口模块，实现推荐系统与用户的交互，主要包括查看推荐、注册登录、观看、评分和浏览，电影信息管理模块，作为电影个性化推荐的补充，包括分类管理、排行榜、基本信息管理和推荐信息，个性化推荐算法模块，与用户接口模块和电影信息管理模块通信连接，利用协同过滤算法计算出用户、电影的近邻数据，存入到数据库中。本发明专利技术是基于用户建立的可靠人物模型，以及电影的参数建立1：1模型，用户可以通过个性化推荐得到心仪电影的推荐以及反馈，以便系统能够更加了解用户的喜好从而完成影片的相似度计算并进行合理推荐。理推荐。理推荐。

【技术实现步骤摘要】
一种基于协同过滤算法个性化电影推荐系统及其实现方法


[0001]本专利技术属于多媒体信息处理领域，通过个性化推荐以及协同过滤算法提高用户的观影体验以及推荐。

技术介绍

[0002]随着互联网技术的飞速发展，当今社会已进入了信息爆炸时代。便利的互联网和日益普及的移动终端极大地提高了人们的生活质量。网络上供用户观看的电影数量庞大、类型多样，从海量的影片资源中找到一部自己喜欢的电影变的越来越困难，海量影片信息的利用率很低。

技术实现思路

[0003]本专利技术旨在至少在一定程度上解决上述问题之一。为此为了使用户有更好的观影体验以及能够更加详细的了解到自己观看影片的质量，本专利技术是基于用户建立的可靠人物模型，以及电影的参数建立1：1模型，所以用户可以通过个性化推荐方便的得到心仪电影的推荐以及反馈，以便系统能够更加了解用户的喜好从而完成影片的相似度计算并进行合理推荐，缩小用户的选择范围，提高用户的观影体验。
[0004]为实现上述目的，本专利技术提供如下技术方案：
[0005]用户接口模块，实现推荐系统与用户的交互，主要包括查看推荐、注册登录、观看、评分和浏览；
[0006]电影信息管理模块，作为电影个性化推荐的补充，包括分类管理、排行榜、基本信息管理和推荐信息；
[0007]个性化推荐算法模块，与用户接口模块和电影信息管理模块通信连接，利用协同过滤算法计算出用户、电影的近邻数据，存入到数据库中；
[0008]所述个性化推荐算法模块提供基于用户兴趣进行相似度计算的实现方法，包括以下步骤：
[0009]第一步：系统会根据用户的反馈信息找到与之兴趣相似的用户集合；给定用户a和用户b，令f(a)表示用户a曾经有过正反馈的物品集合，f(b)表示用户b曾经有过正反馈的电影集合，则根据Jaccard公式
[0010][0011]或
[0012][0013]w
ab
表示用户a和用户b的兴趣相似度，由于存在热门电影可能用户a和b都会观看，
可能会影响w
ab
的准确度，所以通过惩罚了用户a和用户b共同兴趣列表中热门电影对相似度的影响；
[0014]第二步：找到这个集合中用户喜欢的，且目标用户没有听说过的电影推荐给该用户；需要建立电影
‑
用户的倒排表，然后建立n*n的用户相似度矩阵W，若用户A和用户B都对a电影感兴趣，则将W[A][B]和W[B][A]加1，以此类推，扫描完所有的电影后，得到最终的W矩阵，W矩阵是余弦相似度的分子部分，将W除以分母可以得到最终的用户兴趣相似度；
[0015]第三步：得到用户之间的相似度之后，根据如下公式计算出用户u对电影i的感兴趣程度：
[0016][0017]其中S(u,K)包含和用户u兴趣相近的K个用户，N(i)是对电影i有过行为的用户集合，w
uv
表示用户u和用户v之间的相似度，r
vi
代表用户v对电影i的兴趣，这里默认r
vi
＝1；
[0018]第四步：计算出用户u对电影i的兴趣指数之后，根据指数大小排列后进行推荐。
[0019]进一步的，所述用户接口模块根据用户所提供的个人偏好信息建立用户模型，其用户个人偏好信息如年龄、性别、职业等，以及注册后填写的个人兴趣爱好标签信息。
[0020]进一步的，所述电影信息管理模块建立电影信息模型，搭建常见的排行榜，包括热门电影排行榜、高分大片排行榜、票房榜等，所述热门电影根据电影被浏览和观看的记录计算得到，高分大片排行榜从平均评分较高的电影中挑选得到。
[0021]进一步的，所述用户模型和所述电影信息模型一一匹配并组合成像。
[0022]本专利技术实施例提供了一种基于协同过滤算法个性化电影推荐系统的实现方法，该方法包括以下步骤:
[0023]S1、采集用户的个人模型偏好数据，并通过用户UI请求服务，在交互中建立用户模型；
[0024]S2、采集影片的属性参数，并根据采集到的影片属性信息建立1:1模型；
[0025]S3、对用户模型和用户所选择的影片模型进行组合成像；
[0026]S4、得到用户对影片的反馈信息，根据反馈的信息利用协同过滤算法对用户进行推荐。
[0027]本专利技术具体有益效果在于：
[0028](1)本专利技术是基于用户和电影建立的模型来模拟真实效果，所以用户不用去电影院去体验而是可以通过影片推荐系统更加便捷的完成影片的体验和使用；
[0029](2)本专利技术是基于用户建立的可靠人物模型，以及电影的参数建立1：1模型，而传统的观影方式用户只能通过图片来判断是否想要观看，这样会造成用户购买的影片不合适从而造成时间金钱资源的浪费，所以相比传统的方式，这种个性化推荐系统更为可靠；
[0030](3)本专利技术是基于协同过滤算法来完成推荐，较于传统的方式更加客观和数据化。
附图说明
[0031]图1为本专利技术推荐系统模块示意图；
[0032]图2为本专利技术推荐系统实现方法的流程示意图。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0034]下面将参考附图并结合实施例来详细说明本专利技术
[0035]请参阅图1
‑
2，一种基于协同过滤算法个性化电影推荐系统：
[0036]用户接口模块，推荐系统用户接口主要包括查看推荐、注册登录、观看、评分和浏览，新用户注册过程中需要填写基本信息，用户即可进行正常的评分浏览等操作，随着系统与用户的交互，系统记录用户的信息并逐渐获取用户的兴趣爱好，用户可以对喜爱的电影进行评分，系统将用户的评分和浏览行为存入日志，并调用数据分析引擎对用户的行为进行分析，更新用户存储信息；
[0037]具体的，用户接口模块根据用户所提供的个人偏好信息建立用户模型，其用户个人偏好信息如年龄、性别、职业等，以及注册后填写的个人兴趣爱好标签信息。
[0038]电影信息管理模块，电影信息管理模块包括：分类管理、排榜、基本信息管理和核心推荐；分类管理和排行榜是为用户挑选自己欢的电影而设置，作为电影个性化推荐的补充；
[0039]具体的，电影信息管理模块建立电影信息模型，搭建常见的排行榜，包括热门电影排行榜、高分大片排行榜、票房榜等，所述热门电影根据电影被浏览和观看的记录计算得到，高分大片排行榜从平均评分较高的电影中挑选得到。
[0040]个性化推荐算法模块，此模块是电影推荐系统的核心，利用协同过滤算法计算出用户、电影的近邻数据，存入到数据库中；这些数据是个性化推荐的直接信息来源，例如用户的K个最近邻居、推荐给某个用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于协同过滤算法个性化电影推荐系统，其特征在于，包括：用户接口模块，实现推荐系统与用户的交互，主要包括查看推荐、注册登录、观看、评分和浏览；电影信息管理模块，作为电影个性化推荐的补充，包括分类管理、排行榜、基本信息管理和推荐信息；个性化推荐算法模块，与用户接口模块和电影信息管理模块通信连接，利用协同过滤算法计算出用户、电影的近邻数据，存入到数据库中；所述个性化推荐算法模块提供基于用户兴趣进行相似度计算的实现方法，包括以下步骤：第一步：系统会根据用户的反馈信息找到与之兴趣相似的用户集合；给定用户a和用户b，令f(a)表示用户a曾经有过正反馈的物品集合，f(b)表示用户b曾经有过正反馈的电影集合，则根据Jaccard公式或w
ab
表示用户a和用户b的兴趣相似度，由于存在热门电影可能用户a和b都会观看，可能会影响w
ab
的准确度，所以通过惩罚了用户a和用户b共同兴趣列表中热门电影对相似度的影响；第二步：找到这个集合中用户喜欢的，且目标用户没有听说过的电影推荐给该用户；需要建立电影
‑
用户的倒排表，然后建立n*n的用户相似度矩阵W，若用户A和用户B都对a电影感兴趣，则将W[A][B]和W[B][A]加1，以此类推，扫描完所有的电影后，得到最终的W矩阵，W矩阵是余弦相似度的分子部分，将W除以分母可以得到最终的用户兴趣相似度；第三步：得到用户之间的相似度之后，根据如下公式计算出用户u对电影i的感兴趣程度：其中S(u,K)包含和用户u兴趣相近的...

【专利技术属性】
技术研发人员：王建东，黄致远，李明霖，胡欣立，刘振宇，袁思林，
申请(专利权)人：西安电子科技大学青岛计算技术研究院，
类型：发明
国别省市：