[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

说明书

技术领域

本发明涉及一种基于时间上下文与基于item的协同过滤的电影推荐方法， 是属于互联网应用领域。

背景技术

随着互联网技术的兴起，个性化推荐系统层出不穷，也应用到各个行业和领 域当中。例如：淘宝、京东、亚马逊等一些电子商务网站根据用户的历史行为数 据进行挖掘，实现了个性化推荐给用户一些商品，进而促进用户的消费。伴随着 互联网技术的发展，人们的生活得到了极大的改善，这个平台给我们带来了各种 各样的服务于体验，与互联网一同出现的还有一个词，那就是大数据，互联网+ 大数据让数据挖掘和个性化推荐技术得到了巨大发展。当我们上网想看电影时， 我们可以从互联网中获取到个性化的推荐信息。从而可以从互联网海量资源中得 到更适合我们的电影资源。

目前，市场上常见的电影推荐方法主要有3种，一种是基于用户兴趣模型， 计算电影之间的相似度实现个性化推荐；一种是基于用户的历史评分反馈数据， 实现基于热门推荐或者好评推荐；还有一种是基于社交网络，通过社交网络获取 用户好友数据，做数据挖掘并分析，从而给用户提供个性化的推荐。

上述电影推荐方法主要集中研究了如何联系用户兴趣和物品，将某种程度上 符合用户兴趣的电影推荐给用户，但这些方法都忽略了一点，就是用户所处的上 下文。这些上下文包括用户访问电影推荐系统的时间、地点、心情等，这些因素 对提高推荐系统的推荐效率是非常重要的，同时，这些因素也可能决定推荐的结 果是否符合用户的需要。比如：某用户的兴趣爱好是看恐怖电影，该用户可能工 作上不太顺利，在公司挨批了，心情比较郁闷，想找个电影来缓解下心情，这时 推荐系统本该推荐个搞笑的电影，从而让用户从不愉快中走出来，重拾好心情， 然而推荐系统根据用户的兴趣推荐了一个恐怖片，用户看完反而没有得到好心情， 似乎变得更加的忧郁，这便说明了上述推荐方法的不足。

发明内容

本发明的目的在于提供一种基于时间上下文和协同过滤的电影推荐方法，主 要用于解决传统推荐方法中没有考虑到用户访问推荐系统的上下文信息，导致推 荐结果满意度不高等问题，从而提高电影推荐的准确率和满意度。

为解决上述的技术问题，本发明采用的方案如下：

第一步，由专家对心情类型进行划分并构建标签，为电影添加对应的心情标 签，形成电影资源库；

第二步，用户进入电影推荐系统，选择符合自己心情的标签；

第三步，系统通过基于时间上下文的协同过滤算法给出个性化的推荐列表；

第四步，用户根据推荐列表选择电影观看，观看完成后，给出好评或者差评； 好评代表着该推荐结果符合该心情标签，差评代表着不符合该心情标签；

第五步，根据用户给出的评价结果，不断的修正电影对应的心情标签，从而 为今后的推荐提供依据，提高推荐准确率和满意度。

采用基于时间上下文的协同过滤算法的原因如下：

第一，用户在相隔很短的时间内心情和喜欢的物品具有更高的相似度，举个 例子就是，用户在今天看的电影和用户昨天的看的电影其相似度在统计意义上应 该大于用户今天看的电影和用户一年前看的电影的相似度。

第二，用户近期的行为相比用户很久之前的行为，更能体现用户现在的兴趣。 因此在预测用户现在的兴趣时，应该加重用户近期行为的权重，优先给用户推荐 那些和他近期喜欢的电影相似的电影。

有益效果

本发明对比已有的电影推荐方法，具有以下创新点：

a.利用给电影添加心情标签属性，在推荐过程中，加入了用户选择观看电 影时的心情这个环节，使得推荐满意度提高；

b.将基于时间上下文和基于物品的协同过滤算法结合起来作为电影推荐的 核心，融入了上下文的概念，使得推荐结果更加符合常理，效率更高。

本发明对比已有电影推荐方法具有以下显著优点：

1、提高了电影推荐结果的时效性和精确度；

2、提高了电影推荐结果的满意度。

附图说明

附图1是基于时间上下文和协同过滤的电影推荐方法的总体流程图。

具体的实施方式

下面结合说明书附图和具体实施方式对本发明作进一步的说明。

为解决上述的技术问题，本发明采用的技术方案是：一种基于时间上下文和 协同过滤的电影推荐方法，包括以下的步骤：