[发明专利]一种对影院放映排期进行智能推荐的方法

权利要求书

1.一种对影院放映排期进行智能推荐的方法，其特征在于，包括通过网络大数据搜索正在上映影片的相关舆情数据的步骤；

所述方法包括以下步骤：

步骤一：服务器每小时从售票系统内获取指定日期内影院各放映厅的放映排期和观影人数以及购买票价，积累历史数据；

步骤二：根据影院座位数来区分不同档次影院并进行分类统计分析；

步骤三：通过网络大数据搜索正在上映影片的相关舆情数据；

步骤四：服务器根据步骤一到步骤三所获得的数据，进行分析，生成影片排期；

通过网络大数据搜索正在上映影片的相关舆情数据的步骤包括：

步骤1）选取目标：通过网页次序值来实现对网页链接结构的量化，网页次序值PR(p)的计算公式如下：

；

步骤2）建立模型：

用W表示截至目前找到的帕累托最优解集合；W 中有三个特定点：一个点包括U¹_min，第二个点包括U²_min，第三个点包括U³_min；分别用(U¹_min,U²_i,U³_i ) ，(U¹_j,U²_min,U³_j )和(U¹_k,U²_k,U³_min)表示该三个特定点, 其中：U¹_min=min{U¹(x)|x∈W} ，U²_min =min{U²(x)|x∈W}，U³_min=min{U³(x)|x∈W} ；

所述步骤1)还包括：内容相关度用于衡量检索要求和网页内容的一致性程度，计算公式如下：

；

其中，q和p分别代表主题关键词集合和页面链接文本集合，w_kq代表集合q中单词k对某一主题的重要程度，w_kp代表集合p中单词k对某一主题的重要程度，w_kp和w_kq采用TF-IDF公式计算得到；

所述步骤1）还包括：

通过ACOA来量化网页搜索使用者喜好度C，映射如下：

网页搜索使用者→蚂蚁；

网页搜索使用者需要的网页→食物；

网络链接→路径；

网页搜索使用者对某链接的点击次数→蚂蚁留下的信息素浓度；

用如下公式表示第a个链接上的信息素浓度τ_a：

；

所述步骤1)还包括：建立基于ACOA的多目标优化方法的网页价值评价策略，选取目标为网页次序值、内容相关度和信息素浓度；

令P(y_e) =第e个网页的网页次序值，N(y_e) =第e个网页的内容相关度，Q(y_e) =第e个网页的信息素浓度；从而将该问题归结为一个多目标优化模型：

min U₁ = 1 - P(y)；min U₂ = 1 - N(y)；min U₃ = 1 -Q(y)；

s.t.y是相关网页集0≤P(y) ,N(y) ,Q(y)≤1。