[发明专利]一种基于用户多种行为反馈的电影推荐方法

权利要求书

1.一种基于用户多种行为反馈的电影推荐方法，其特征在于，包括步骤:

s1、电影聚类

根据电影的关键字描述，使用LDA算法将电影聚成m个簇；

设定阈值threshold，0.6≤threshold≤0.8，从每个簇中去掉p(k|i)＜threshold的电影，其中，p(k|i)表示电影i属于电影簇k的概率；

s2、用户相似度计算

针对电影聚类得到每个电影簇k形成与之一一对应的用户群g，用户u对用户群g的隶属度利用如下公式计算，即：

mem(u,g)=avg(acu,k(1)acu(1),acu,k(2)acu(2),...,acu,kTacu(T)),g→k;]]>

式中，表示用户u对用户群g对应的电影簇k中电影的第t种行为的统计次数，为用户u对所有电影的第t种行为的统计次数，t的取值范围为：1≤t≤T；

根据用户模糊聚类的隶属度计算结果，得到用户u的隶属度向量其中，d_u,g表示用户u对用户群g的隶属度；

对用户集U中的任意两个用户u和v，通过Pearson相关系数来计算u和v的相似度，并记为sim(u,v)；

s3、生成推荐

设定邻居选取的相似度阈值为sim-threshold，对任意一个用户u从用户集U中选取满足sim(u,v)＞sim-threshold的用户作为用户u的邻居，并记作Nei_u；

对Nei_u中用户看过用户u未看过的所有电影，通过如下方法预测用户u对电影i的偏好：

p^u,i=Σv∈Neiupv,i·sim(u,v)Σv∈Neiusim(u,v)+pu,i,]]>

式中，表示用户u对电影i的预测偏好，p_v,i表示用户v对电影i的偏好，该偏好由用户v的行为权重向量和用户v在电影i上的行为统计向量的内积来衡量；权重向量通过交叉验证来获得；

对用户u的对偏好预测结果进行降序排序，选择前N部电影作为用户u的推荐结果。