[发明专利]一种基于用户多种行为反馈的电影推荐方法

说明书

技术领域

本发明属于个性化推荐领域，具体涉及一种基于用户多种行为反馈的电影推荐方法。

背景技术

随着Internet的迅速发展，互联网上的数据呈指数增长态势。传统的搜索算法只能呈现给所有的用户一样的排序结果，无法针对不同用户的兴趣爱好提供相应的服务。信息的爆炸使得信息的利用率反而降低，这种现象被称为信息过载。个性化推荐，包括个性化搜索，被认为是目前解决信息超载问题的最有效工具之一。

推荐算法是个性化推荐系统的核心，推荐算法可以分为基于内容的推荐算法、协同过滤推荐算法、以及基于知识的推荐算法。其中，由于协同过滤推荐算法能够充分利用数据集中的信息且对领域知识的需求较低，在现实中的应用最为广泛。

然而，目前主流的协同过滤推荐算法主要针对评分预测问题。由于现实中评分数据的获得往往比较困难，在实际应用中通常将用户多种行为的隐反馈数据转换为评分数据，这种做法不仅导致推荐精度低，而且存在数据稀疏性问题。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于用户多种行为反馈的电影推荐方法，该方法直接对用户多种行为的隐反馈数据进行建模，利于解决数据稀疏性问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于用户多种行为反馈的电影推荐方法，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