[發明專利]基于評分預測和用戶特征的協同過濾電影推薦方法及系統

在審

• 申請號: 201910589450.1
• 申請日: 2019-07-02
• 公開（公告）號: CN110287373A
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 魯芹;宋娜
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06F16/738;G06F16/78
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.基于評分預測和用戶特征的協同過濾電影推薦方法，其特征是，包括：

獲取對電影u和電影v兩個電影均有過評分的用戶集合；根據所述用戶集合中的每個用戶對電影u和電影v兩個電影的用戶評分；計算對電影u和電影v兩個電影之間的電影相似性；將電影u和電影v兩個電影的電影名稱及兩個電影之間的電影相似性，存儲到電影相似性數據庫中；

重復上述步驟，計算任意兩個電影之間的電影相似性，存儲到電影相似性數據庫中；

獲取待推薦用戶對某個已評分過的電影的評分，根據電影相似性數據庫中待推薦用戶已評分過的電影和待推薦用戶未評分過的電影之間的電影相似性，計算待推薦用戶對某個未評分過的電影的第一預測評分；

采集用戶集合中每個用戶的特征，計算所述用戶集合中用戶與用戶的特征相似度；根據所述用戶集合中用戶與用戶的特征相似度，計算待推薦用戶對未評分過的電影的第二預測評分；

對待推薦用戶對未評分過的電影的第一預測評分和第二預測評分進行求和運算，得到最終的預測評分；對最終的評分按照從到大到小進行排序，將排序最前面的電影作為推薦電影，輸出給待推薦用戶。

2.如權利要求1所述的方法，其特征是，所述根據所述用戶集合中的每個用戶對電影u和電影v兩個電影的用戶評分；計算對電影u和電影v兩個電影之間的電影相似性；具體步驟包括：

其中，sim(u,v)表示電影u和電影v之間的相似性，U_uv表示對電影u和電影v均有過評分的用戶集合，R_d,u表示某個用戶d對電影u的評分，R_d,v表示某個用戶d對電影u的評分，表示用戶集合中的所有用戶對電影u評分的平均值，表示用戶集合中的所有用戶對電影v評分的平均值。

3.如權利要求1所述的方法，其特征是，所述計算待推薦用戶對某個未評分過的電影的第一預測評分；具體步驟包括：

其中，P_item(R_i,u)表示待推薦用戶對未評分過的電影u的第一預測評分；R_iv表示待推薦用戶i對已評分過的電影v的評分，KNN(u)表示未評分過的電影u的k個最近鄰已評分過電影的集合。

4.如權利要求1所述的方法，其特征是，所述計算所述用戶集合中用戶與用戶的特征相似度；具體步驟包括：

其中，Sim(i,j)表示用戶i與用戶j的特征相似度；

R_i,c表示用戶i對電影c的評分；表示用戶i做出的所有評分的平均評分；

R_j,c表示用戶j對電影c的評分；表示用戶j做出的所有評分的平均評分；sim_t(i,j)表示用戶i和用戶j的特征相似性。

5.如權利要求1所述的方法，其特征是，所述根據所述用戶集合中用戶與用戶的特征相似度，計算待推薦用戶對未評分過的電影的第二預測評分；具體步驟包括：

其中，P_user(R_i,u)表示待推薦用戶i對未評分過的電影u的第二預測評分，R_ju表示待推薦用戶最近鄰居用戶j對電影u的評分值，KNN(i)表示待推薦用戶i的k個最近鄰居集合；R_i,u表示用戶i對電影u的評分。

6.如權利要求1所述的方法，其特征是，所述對待推薦用戶對未評分過的電影的第一預測評分和第二預測評分進行求和運算，得到最終的預測評分；具體步驟包括：

P(R_i,u)＝α*P_item(R_i,u)+(1-α)*P_user(R_i,u) (7)

其中，P(R_i,u)表示最終的預測評分，α是一個動態平衡權值，取值范圍為[0,1]；α的取值大小決定了對基于電影的評分和基于用戶的評分的依賴程度。

7.如權利要求1所述的方法，其特征是，所述用戶特征，包括：用戶年齡、用戶性別和用戶職業。