[發明專利]一種電影推薦方法及裝置

在審

• 申請號: 201611169017.5
• 申請日: 2016-12-16
• 公開（公告）號: CN106779946A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 馮研
• 申請（專利權）人: TCL集團股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 深圳中一專利商標事務所44237
• 代理人: 陽開亮

技術領域

本發明屬于推薦算法應用技術領域，尤其涉及一種電影推薦方法及裝置。

背景技術

推薦系統在電子商務系統中具有良好的發展和應用前景，逐漸成為電子商務IT技術的一個重要研究內容。推薦系統最大的優點在于收集用戶感興趣的資料，分析該資料得出用戶的興趣偏好并根據用戶的興趣偏好為用戶做出個性化推薦。目前，推薦系統己經被廣泛的應用到不同領域，如電影推薦。基于協同過濾的推薦算法由于容易挖掘出用戶的潛在新興趣而受到青睞，目前的電影推薦系統基本采用該基于協同過濾的單一推薦算法。然而基于協同過濾的單一推薦算法存在無法為新用戶或者電影評價數目較少的目標用戶推薦電影的問題。

故，有必要提出一種新的技術方案，以解決上述技術問題。

發明內容

鑒于此，本發明實施例提供一種電影推薦方法及裝置，以解決現有技術中基于協同過濾的單一推薦算法存在無法為新用戶或者電影評價數目較少的目標用戶推薦電影的問題。

本發明實施例的第一方面，提供一種電影推薦方法，所述方法包括：

識別目標用戶，并判斷所述目標用戶是否為注冊用戶；

若是注冊用戶，則判斷所述目標用戶對電影的評價數目是否大于或等于預設評價閾值；

若所述評價數目大于或等于所述預設評價閾值，則基于電影特征的協同過濾推薦模型給所述目標用戶推薦電影；

若不是注冊用戶或者所述評價數據小于所述預設評價閾值，則基于WEB使用挖掘的推薦模型給所述目標用戶推薦電影。

本發明實施例的第二方面，提供一種裝置，所述裝置包括：

第一判斷模塊，用于識別目標用戶，并判斷所述目標用戶是否為注冊用戶；

第二判斷模塊，用于若是注冊用戶，則判斷所述目標用戶對電影的評價數目是否大于或等于預設評價閾值；

基于電影特征的協同過濾推薦模塊，用于若所述評價數目大于或等于所述預設評價閾值，則基于電影特征的協同過濾推薦模型給所述目標用戶推薦電影；

基于WEB使用挖掘的推薦模塊，用于若不是注冊用戶或者所述評價數據小于所述預設評價閾值，則基于WEB使用挖掘的推薦模型給所述目標用戶推薦電影。

本發明實施例與現有技術相比存在的有益效果是：本發明所提供的電影推薦方法及裝置中，識別目標用戶，并判斷所述目標用戶是否為注冊用戶；若是注冊用戶，則判斷所述目標用戶對電影的評價數目是否大于或等于預設評價閾值；若所述評價數目大于或等于所述預設評價閾值，則基于電影特征的協同過濾推薦模型給所述目標用戶推薦電影，該基于電影特征的協同過濾推薦模型是在一個群體中查找與目標用戶相似興趣的活動用戶，通過查找到與目標用戶最為相似的若干個活動用戶的喜好，從而為目標用戶進行推薦其所沒有關注、觀看或者評價過的電影，基于電影特征的協同過濾推薦模型具有很好的新穎性，可以推薦目標用戶以前所沒有關注、觀看或者評價過的電影；該推薦模型若不是注冊用戶或者所述評價數據小于所述預設評價閾值，則基于WEB使用挖掘的推薦模型給所述目標用戶推薦電影，基于WEB使用挖掘的推薦模型需要根據目標用戶以往的興趣來推測目標用戶以后的興趣，該推薦模型能夠為新注冊用戶或者電影評價數目較少的目標用戶推薦電影，很好地處理數據的“冷啟動”問題；因此，該電影推薦方法可針對不同的目標用戶使用相應的推薦方法，使得推薦給目標用戶的電影最大化地符合目標用戶的興趣偏好。該電影推薦方法可解決現有技術中基于協同過濾的單一推薦算法存在無法為新用戶或者電影評價數目較少的目標用戶推薦電影的問題。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例一提供的電影推薦方法的實現流程圖；

圖2是本發明實施例提供的電影推薦裝置的結構框圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

實施例一

圖1示出了本發明實施例一提供的電影推薦方法的實現流程圖。如圖1所示，該電影推薦方法包括如下步驟：

S1：識別目標用戶，并判斷目標用戶是否為注冊用戶。