[发明专利]一种电影推荐系统及方法

权利要求书

1.一种电影推荐系统，其特征在于，包括数据采集模块、数据分析模块、模型建立模块、验证模块、电影推荐模块和应用示范模块，所述数据采集模块、数据分析模块、模型建立模块、验证模块、电影推荐模块应用示范模块依次连接，当验证模块显示为否时，转入模型建立模块，重新选择合适的模型；数据采集模块，用于选择电影评分的影响因素；数据分析模块，用于确定电影评分影响因素的最优子集，以及各群体权重和群体内影响因素权重；模型建立模块，用于建立电影评分机制；验证模块，用于将结果与主流电影网站进行对比，检验所得体系是否合理；电影推荐模块，用于仿真算例。

2.一种电影推荐方法，其特征在于，包括以下步骤：

步骤1、评价矩阵：设某群体参加评价的人数为P，他们对某电影就第i因素评价为j等级的人数为x_ij，令x_i3＝P-(x_i1+x_i2+x_i4)，即如果对该因素有评价者不表态，则视其为C等级；所以有这样就能得到评价矩阵X＝(x_ij)；

步骤2、归一化：得隶属矩阵A＝(a_ij)，其中a_ij＝x_ij/P就是就i因素对j等第的隶属度，且满足

步骤3、加权合成：将权系数向量B＝(b₁,b₂,...,b₁₁)(其中b_i为第i因素的权重，)与隶属度矩阵A按下述方法合成，得单侧面评价向量C＝BA＝(c₁,c₂,c₃,c₄)，其中j＝1,2,3,4；由于所以，向量C也满足归一化要求；

步骤4、全面合成：分别得到专业影评人、0-20岁、20-40岁、>40岁四个侧面对某电影的评价向量，他们在一起构成矩阵

用横向权重向量B'＝(0.1952 0.2362 0.1649 0.4037)与D按上述方法合成，得到整体综合评价向量E＝B'D＝(e₁,e₂,e₃,e₄)，其中e_j＝0.1952c_j¹+0.2362c_j²+0.1649c_j³+0.4037c_j⁴；这样，E已给这部电影评价对各个等第的隶属度，具有一定的参考价值了；

步骤5、模型的建立：为了评价结果不失真，采用各等第赋值的排序方法，定义总分为

3.根据权利要求2所述的电影推荐方法，其特征在于，

步骤5中，当{t_j}为等差数列时，任意两部电影按总分排序的先后与t_j的具体取值无关；

不妨设t_j＝t₀+jt(t＜0)，特别地，取t₀＝100，t＝-20，就得到大家所习惯的百分制分数；

此时，公式为S＝100-20(e₂+2e₃+3e₄)。