【技术实现步骤摘要】
本申请属于电影推荐，特别涉及一种电影实时推荐方法、电子设备及存储介质。
技术介绍
1、推荐算法日趋成熟，针对电影推荐的算法很多，主要分为离线电影推荐算法和实时电影推荐算法，其中离线电影推荐算法具有滞后性，不如实时电影推荐算法及时和准确，因此目前更多的是倾向于采用实时电影推荐算法。
2、现有的实时电影推荐算法没有很好的结合用户的喜好以及用户喜好地动态信息进行推荐，因此，推荐的结果往往不尽如人意，而且目前的推荐算法本身在运行时间消耗比较大，并不具备实时推荐结果的能力。
3、因此需要提出一种新的电影实时推荐方法、电子设备及存储介质。
技术实现思路
1、为了解决所述现有技术的不足，本申请提供了一种电影实时推荐方法、电子设备及存储介质，该方法能够结合用户的喜好变化动态实时地推荐电影信息，以解决现有技术中推荐的电影不能实时，以及不够准确的问题。
2、本申请所要达到的技术效果通过以下方案实现：
3、第一方面，本申请提供一种电影实时推荐方法，方法包括：
4、s1、获取用户最近的评分集合，其中所述评分集合对应原始评分矩阵；
5、s2、通过隐式反馈的矩阵分解als算法对所述原始评分矩阵进行求解，求解出用户特征矩阵和电影特征矩阵，针对所述电影特征矩阵，计算电影间相似度，获得相似度计算结果；
6、s3、根据所述评分集合和所述相似度计算结果，计算备选电影的推荐优先级，并获得目标推荐优先级列表；
7、s4、将所述目
8、s5、选取所述实时推荐列表中的前m个备选电影作为本次实时推荐的电影，其中m为正整数；
9、s6、生成电影实时推荐结果。
10、在一些实施例中，所述通过隐式反馈的矩阵分解als算法对所述原始评分矩阵进行求解，求解出用户特征矩阵和电影特征矩阵，包括：
11、原始评分矩阵为rm×n，采用如下公式将rm×n分解为用户特征矩阵um×k和电影特征矩阵vn×k：
12、r≈uvt，
13、其中，k，m和n均为正整数。
14、在一些实施例中，所述针对所述电影特征矩阵，计算电影间相似度，获得相似度计算结果，包括：
15、电影特征矩阵vn×k的维度为k，表示电影的特征描述的数量为k，因此在电影特征矩阵vn×k中的每一行向量都表示当前电影的特征，表示为<f1，f2，f3，f4…，fk>，对于电影p和电影q的特征向量分别表示为如下公式：
16、vp＝<fp1，fp2，fp3，fp4…，fpk>，
17、vq＝<fq1，fq2，fq3，fq4…，fqk>，
18、使用余弦相似度算法计算电影间相似度，电影p和电影q的相似度为sim(vp，vq)：
19、
20、在一些实施例中，所述根据所述评分集合和所述相似度计算结果，计算备选电影的推荐优先级，并获得目标推荐优先级列表，包括：
21、备选电影的推荐优先级用eup来表示，备选电影p的推荐优先级计算如公式如下所示：
22、
23、其中，eup表示当前用户对于电影p∈s的推荐优先级，rk表示用户最近对于电影的k个评分的集合，设定相似度计算结果中的相似度大于或等于0.6的为高度相似，备选电影集合表示为s，sum_s表示为集合s的数量，rr表示用户对电影r的评分；
24、计算得到备选电影p的推荐优先级，并依次计算备选电影集合s中的所有备选电影的推荐优先级，排序后形成目标推荐优先级列表。
25、在一些实施例中，采用正向辅助因子和反向辅助因子对eup进行优化，得到如下的第一目标推荐优先级eup′的计算公式：
26、
27、其中，positive_sum表示rk集合中评分大于第一阈值的电影的个数，minus_sum表示rk集合中评分小于第一阈值的电影的个数。
28、在一些实施例中，设定附加权重因子time(p,r)为如下公式：
29、
30、其中timep、timer分别表示不同电影的上映年份。
31、在一些实施例中，考虑所述附加权重因子的第二目标推荐优先级eup″的计算公式如下：
32、
33、在一些实施例中，在所述第二目标推荐优先级计算公式的基础上，进一步优化得到第三目标推荐优先级eup″′的计算公式如下：
34、
35、第二方面，本申请提供一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述任意一项所述的方法。
36、第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现前述任一项所述的方法。
37、通过本申请实施例提供的电影实时推荐方法、电子设备及存储介质，该方法能够在满足实时推荐结果的情况下，推荐结果是实时动态变化的，使得推荐结果更加准确和合理，进一步电影提高推荐的准确性。
本文档来自技高网...【技术保护点】
1.一种电影实时推荐方法，其特征在于，所述方法包括：
2.如权利要求1所述的电影实时推荐方法，其特征在于，所述通过隐式反馈的矩阵分解ALS算法对所述原始评分矩阵进行求解，求解出用户特征矩阵和电影特征矩阵，包括：
3.如权利要求2所述的电影实时推荐方法，其特征在于，所述针对所述电影特征矩阵，计算电影间相似度，获得相似度计算结果，包括：
4.如权利要求3所述的电影实时推荐方法，其特征在于，所述根据所述评分集合和所述相似度计算结果，计算备选电影的推荐优先级，并获得目标推荐优先级列表，包括：
5.如权利要求4所述的电影实时推荐方法，其特征在于，采用正向辅助因子和反向辅助因子对Eup进行优化，得到如下的第一目标推荐优先级Eup′的计算公式：
6.如权利要求4或5所述的电影实时推荐方法，其特征在于，设定附加权重因子time(p，r)为如下公式：
7.如权利要求6所述的电影实时推荐方法，其特征在于，考虑所述附加权重因子的第二目标推荐优先级Eup″的计算公式如下：
8.如权利要求7所述的电影实时推荐方法，其特征在
9.一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至8任意一项所述的方法。
...【技术特征摘要】
1.一种电影实时推荐方法，其特征在于，所述方法包括：
2.如权利要求1所述的电影实时推荐方法，其特征在于，所述通过隐式反馈的矩阵分解als算法对所述原始评分矩阵进行求解，求解出用户特征矩阵和电影特征矩阵，包括：
3.如权利要求2所述的电影实时推荐方法，其特征在于，所述针对所述电影特征矩阵，计算电影间相似度，获得相似度计算结果，包括：
4.如权利要求3所述的电影实时推荐方法，其特征在于，所述根据所述评分集合和所述相似度计算结果，计算备选电影的推荐优先级，并获得目标推荐优先级列表，包括：
5.如权利要求4所述的电影实时推荐方法，其特征在于，采用正向辅助因子和反向辅助因子对eup进行优化，得到如下的第一目标推荐优先级eup′的计算公式：
6.如权利要求4或5所述的电影实时推荐方法，其特...
【专利技术属性】
技术研发人员：张庆达，郭嘉，张铮，王凯迪，刘晓丰，刘鲲，
申请(专利权)人：联通在线信息科技有限公司，
类型：发明
国别省市：
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。