[发明专利]一种基于时间上下文和协同过滤的电影推荐方法

权利要求书

1.一种基于时间上下文与协同过滤算法相结合的电影推荐方法，其特征在 于，采用了基于时间上下文和协同过滤算法实现电影推荐，具体的步骤如下：

S1、对电影添加心情标签，这部分需要专家首先对心情进行合理划分，然后 根据心情的分类给电影加上合适的标签；

S2、用户选择符合自己心情的标签，根据用户的时间上下文行为数据和选择 的心情标签，计算符合条件电影之间的相似度；

S3、根据相似度和基于时间上下文的协同过滤算法计算用户对符合条件电影 的兴趣度，给出推荐列表；

S4、用户观看后给出自己的评价，观看电影是否符合所选心情标签，统计此 项数据，在之后的推荐中展示给其它用户供参考，从而让推荐的满意度提高。

2.根据权利要求1所述的基于时间上下文与协同过滤算法相结合的电影推 荐方法，其特征在于，对于电影，按照专家给出的心情的类型划分，给电影添加 对应的心情标签属性。

3.根据权利要求1所述的基于时间上下文与协同过滤算法相结合的电影推 荐方法，其特征在于，对于符合用户心情和根据用户行为上下文得到的电影，计 算电影之间的相似度，具体计算公式如下：

sim(i,j)=Σu∈N(i)∩N(j)f(|tui-tuj|)|N(i)||N(j)|]]>

注意，上面公式sim(i,j)表示电影i与电影j的相似度；N(i)表示喜欢电影 i的用户数；t_ui是用户u对电影i产生行为的时间。f函数的含义是用户对电影 i和电影j产生行为的时间越远，则f越小。即数学衰减函数，此处使用如下衰减 函数：

f(|tui-tuj|)=11+α|tui-tuj|]]>

其中，α是时间衰减参数，它的取值在不同系统中不同，如果一个系统用 户兴趣变化快，就应该取比较大的α，反之需要取比较小的α。