[發明專利]一種基于用戶實時興趣向量的電影個性化推薦方法

在審

• 申請號: 201410313446.X
• 申請日: 2014-07-02
• 公開（公告）號: CN104063481A
• 公開（公告）日: 2014-09-24
• 發明（設計）人: 孫建德;徐文濤;李靜
• 申請（專利權）人: 山東大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李健康

1.一種基于用戶實時興趣向量的電影個性化推薦方法，其特征在于該方法包括如下步驟：

步驟一：根據電影的元信息對每部電影的特征屬性進行建模，得到電影的特征向量，電影t_i的特征向量表示為其中由下式得到：wtij=0,pj∉ti+1,pj∈ti,]]>即若該電影中包含表示電影元信息的屬性p_j，則該屬性對應的權值加1，如果該電影中不包含屬性p_j，則該屬性對應的權值為零，T＝{t₁，t₂，...，t_n}表示電影的集合；

步驟二：由用戶的實時評分信息和所述電影特征向量得到用戶的實時興趣向量，用戶集合表示為U＝{u₁，u₂，...，u_n}，用戶u_i的實時興趣向量表示為其中表示用戶u_i對屬性p_j的喜愛程度，用戶u_i的實時興趣向量是由u_i已評分電影的特征向量的加權和，權重是用戶對電影的實時喜好程度；

步驟三：結合所述步驟二得到的用戶興趣向量和用戶的評分信息對電影特征向量進行更新，生成更加合理的電影特征向量。

步驟四：由所述步驟二和所述步驟三形成迭代過程，對用戶的實時興趣向量進行更新，得到更加準確的用戶實時興趣向量；

步驟五：由所述更加準確的用戶實時興趣向量建立用戶的相似性矩陣，進而得到目標用戶的鄰居用戶，根據基于用戶的協同過濾算法的評分預測公式打相應的評分，最終完成topN推薦列表。

2.根據權利要求1所述的基于用戶實時興趣向量的電影個性化推薦方法，其特征在于：步驟一中，使用奇異值分解方法對電影的特征向量進行降維。