一种电影推荐方法及装置制造方法及图纸

本发明专利技术涉及数据推荐领域，具体提供了一种电影推荐方法及装置，具有如下步骤：S1、获取用户观影记录和电影信息的记录，进行预处理；S2、将历史影评、电影信息、评分传送至LSTM注意力机制神经网络中来搭建分类模型，并进行情感分类；S3、根据用户近期观影记录获取近期观影信息，生成新的特征序列，通过LSTM和AM结构，搭建电影推荐模型，对用户当前的情感类别进行分析；S4、根据获取的数据进行分析，向用户推荐最符合用户当前情感的电影。与现有技术相比，本发明专利技术能够更加全面的利用了电影的各方面特征信息，周期短，更贴近用户当前的情绪状态，能够大幅度提高电影推荐的效率及准确度。

【技术实现步骤摘要】

本专利技术涉及数据推荐领域，具体提供一种电影推荐方法及装置。

技术介绍

1、随着大数据时代的来临以及相关技术的高速发展，从海量数据中获得有效信息，在电影推荐系统中完成实际作用，提升电影推荐平台总体用户粘性，从而提升平台价值，是一个平台发展的趋势。难以找到自己喜爱的电影无疑会降低电影平台库的使用效率，体验感不高，影响用户友好度。而推荐系统是平台的重要组成部分，其根据用户的兴趣，将用户想看的内容推荐给用户的个性化信息系统，也同样面临着从海量数据中挖掘用户信息需求的重要任务。

2、近些年，随着深度学习的研究不断发展，基于深度学习的推荐算法模型大量提出。基于深度学习的推荐模型具有许多优点：与线性模型不同，深度神经网络能够使用诸如relu、softmax、tanh等非线性激活函数对数据进行建模；深度神经网络能够从输入数据中有效地学习潜在的表示因子和高阶的特征交互，减轻了特征工程的工作；另外，深度神经网络在一些序列的模型任务中成果显著。

3、现阶段的推荐系统主要分为基于内容的推荐系统与基于协同过滤的推荐系统。基于内容的推荐系统是将电影内容、情节本文档来自技高网...

【技术保护点】

1.一种电影推荐方法，其特征在于，具有如下步骤：

2.根据权利要求1所述的一种电影推荐方法，其特征在于，在步骤S1中，对电影信息进行预处理，并提取电影的特征信息，依据历史影评信息进行特征鉴别和提取。

3.根据权利要求2所述的一种电影推荐方法，其特征在于，在步骤S2中，选取步骤S1中获取数据中最有情感代表性且最合适的特征来提取出情感特征，依此分析出电影所属的情感类别，将历史影评、电影信息、评分传送至LSTM注意力机制神经网络中来搭建分类模型，并利用所述分类模型对电影进行情感分类。

4.根据权利要求3所述的一种电影推荐方法，其特征在于，根据LSTM和AM的...

【技术特征摘要】

1.一种电影推荐方法，其特征在于，具有如下步骤：

2.根据权利要求1所述的一种电影推荐方法，其特征在于，在步骤s1中，对电影信息进行预处理，并提取电影的特征信息，依据历史影评信息进行特征鉴别和提取。

3.根据权利要求2所述的一种电影推荐方法，其特征在于，在步骤s2中，选取步骤s1中获取数据中最有情感代表性且最合适的特征来提取出情感特征，依此分析出电影所属的情感类别，将历史影评、电影信息、评分传送至lstm注意力机制神经网络中来搭建分类模型，并利用所述分类模型对电影进行情感分类。

4.根据权利要求3所述的一种电影推荐方法，其特征在于，根据lstm和am的情感分类模型中实现对电影的情感类别进行划分，融合了双层lstm结构和注意力机制的神经网络模型由三层lstm、注意力层及输出层组成。

5.根据...

【专利技术属性】
技术研发人员：王意彤，张栋，周庆勇，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：