[發(fā)明專利]電影推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010129880.8
• 申請(qǐng)日: 2020-02-28
• 公開(kāi)（公告）號(hào): CN111339358A
• 公開(kāi)（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 王清波
• 申請(qǐng)（專利權(quán)）人: 杭州市第一人民醫(yī)院
• 主分類(lèi)號(hào): G06F16/735
• 分類(lèi)號(hào): G06F16/735;G06F16/9535;G06K9/00;G06Q30/06
• 代理公司: 杭州合信專利代理事務(wù)所(普通合伙) 33337
• 代理人: 劉靜靜

本申請(qǐng)涉及一種電影推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。所述方法包括：獲取用戶的人臉圖像；基于所述人臉圖像獲取用戶特征，所述用戶特征包括年齡以及性別；基于所述用戶特征獲取用戶特征評(píng)分；基于所述用戶特征評(píng)分對(duì)待推薦電影進(jìn)行排序并推薦。上述電影推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，通過(guò)獲取用戶的人臉圖像；基于所述人臉圖像獲取用戶特征，所述用戶特征包括年齡以及性別；基于所述用戶特征獲取用戶特征評(píng)分；基于所述用戶特征評(píng)分對(duì)待推薦電影進(jìn)行排序并推薦的方法，針對(duì)不同用戶的特點(diǎn)選取推薦的電影，實(shí)現(xiàn)個(gè)性化推薦，推薦效果更好。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人臉識(shí)別技術(shù)領(lǐng)域，特別是涉及一種電影推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

在信息化時(shí)代，上映電影推薦包含了線上的微博等宣傳方式，而線下的影院上映電影推薦多采用固定畫(huà)板的方式，放置在影院或者公交車(chē)站等場(chǎng)所，電子化一點(diǎn)的方式為，采用液晶屏輪換展示當(dāng)前可以觀看的電影。但即使輪換展示推薦，展示順序也是預(yù)先設(shè)置好的，無(wú)法根據(jù)用戶的特點(diǎn)進(jìn)行個(gè)性化推薦，推薦效果不佳。

發(fā)明內(nèi)容

基于此，有必要線下電影推薦的展示順序是預(yù)先設(shè)置好的，無(wú)法根據(jù)用戶的特點(diǎn)進(jìn)行個(gè)性化推薦，推薦效果不佳的技術(shù)問(wèn)題，提供一種電影推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種電影推薦方法，所述方法包括：

獲取用戶的人臉圖像；

基于所述人臉圖像獲取用戶特征，所述用戶特征包括年齡以及性別；

基于所述用戶特征獲取用戶特征評(píng)分；

基于所述用戶特征評(píng)分對(duì)待推薦電影進(jìn)行排序并推薦。

在其中一個(gè)實(shí)施例中，所述基于所述人臉圖像獲取用戶特征包括：

若用戶數(shù)量為多個(gè)，則基于所述人臉圖像獲取用戶的年齡、性別以及多個(gè)用戶之間的距離；

且所述用戶的年齡、性別以及多個(gè)用戶之間的距離均參與用戶特征評(píng)分。

在其中一個(gè)實(shí)施例中，所述基于用戶的年齡、性別以及多個(gè)用戶之間的距離獲取用戶特征評(píng)分包括：

基于用戶的年齡、性別以及多個(gè)用戶之間的距離計(jì)算用戶的家庭評(píng)分、親密度評(píng)分、戀人評(píng)分、老年化評(píng)分、兒童評(píng)分、男性化評(píng)分以及女性化評(píng)分，組成用戶特征評(píng)分矩陣。

在其中一個(gè)實(shí)施例中，

基于用戶的年齡、性別以及多個(gè)用戶之間的距離計(jì)算用戶的家庭評(píng)分、親密度評(píng)分、戀人評(píng)分、老年化評(píng)分、兒童評(píng)分、男性化評(píng)分以及女性化評(píng)分包括：

若用戶數(shù)量為一個(gè)，則家庭評(píng)分為0，若用戶數(shù)量為多個(gè)，則家庭評(píng)分為1；

基于多個(gè)用戶之間的距離計(jì)算親密度評(píng)分，平均距離越近，親密度評(píng)分越高；

基于用戶的年齡計(jì)算老年化評(píng)分以及兒童評(píng)分，平均年齡越大，老年化評(píng)分越高，兒童評(píng)分越低，平均年齡越小，老年化評(píng)分越低，兒童評(píng)分越高；

基于用戶的性別計(jì)算男性化評(píng)分以及女性化評(píng)分，男性數(shù)量越多，男性化評(píng)分越高，女性數(shù)量越多，女性化評(píng)分越高；

基于用戶的男性化評(píng)分、女性化評(píng)分以及親密度評(píng)分計(jì)算用戶的戀人評(píng)分。

在其中一個(gè)實(shí)施例中，所述基于所述用戶特征評(píng)分對(duì)待推薦電影進(jìn)行排序并推薦包括：

計(jì)算用戶特征評(píng)分矩陣與待推薦電影的綜合評(píng)分矩陣的余弦相似度，基于所述余弦相似度對(duì)待推薦電影進(jìn)行排序并推薦，待推薦電影的余弦相似度越高，排序越靠前。

在其中一個(gè)實(shí)施例中，所述基于所述用戶特征評(píng)分對(duì)待推薦電影進(jìn)行排序并推薦還包括：