[发明专利]一种降低电影推荐系统中马太效应的方法

说明书

本发明公开了一种降低电影推荐系统中马太效应的方法，包括如下步骤：获取电影评分矩阵与电影流行度集合；建立马太效应影响电影集合；计算马太效应影响电影集合中各电影的流行周期函数及标准流行周期函数；基于马太效应影响电影集合中各电影的流行周期函数及标准流行周期函数，计算马太效应影响电影集合中各电影的残差平方和，并建立残差集合；基于所述残差集合，对马太效应影响电影集合中各电影的平均评分进行惩罚，得到马太效应影响电影集合中各电影的新的平均评分，从而降低电影推荐系统中马太效应。采用本发明公开的方法，可以降低电影推荐系统中的马太效应，防止热门电影长期拥有过高的流行度，冷门物品无人问津的局面出现。

技术领域

本发明涉及电影推荐系统领域，具体涉及一种降低电影推荐系统中马太效应的方法。

背景技术

推荐系统是一种帮助用户快速发现有用信息的工具，主要表现为通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。电影推荐系统是推荐系统领域重要的组成部分之一，其通过收集用户和电影的相关信息，帮助用户在庞大的电影库中快速找到令他们感兴趣的电影，一个好的推荐系统不仅需要有较高的推荐准确度、推荐覆盖率在抗冷启动能力和克服矩阵稀疏能力上也要有较好的表现。

马太效应，即所谓强者更强，弱者更弱的效应，如果是一个推荐系统会增加热门物品和非热门物品的流行度差距，让流行度呈两极分化趋势发展，导致用户难以发现自己真正感兴趣的物品，降低推荐系统的覆盖率和准确度，这样对推荐系统会造成非常消极的影响。目前的主流推荐算法均具有马太效应。

因此，如何降低电影推荐系统的马太效应成为了本领域技术人员亟需解决的问题。

发明内容

针对现有技术中存在的上述不足，本发明实际要解决的问题是：如何降低电影推荐系统的马太效应。

为解决上述技术问题，本发明采用了如下的技术方案：

一种降低电影推荐系统中马太效应的方法，包括如下步骤：

S1、获取电影评分矩阵与电影流行度集合，电影评分矩阵包括各用户对各电影的评分，所述电影流行度集合包括各部电影的流行度；

S2、基于电影评分矩阵及电影流行度集合获取受马太效应影响的电影，建立马太效应影响电影集合；

S3、计算马太效应影响电影集合中各电影的流行周期函数及标准流行周期函数；

S4、基于马太效应影响电影集合中各电影的流行周期函数及标准流行周期函数，计算马太效应影响电影集合中各电影的残差平方和，并建立残差集合；

S5、基于所述残差集合，对马太效应影响电影集合中各电影的平均评分进行惩罚，得到马太效应影响电影集合中各电影的新的平均评分，从而降低电影推荐系统中马太效应。

优选地，S2包括如下步骤：

S201、基于公式计算每部电影的评分的马太效应影响因子，δ_i为第i部电影的马太效应影响因子，r_ui为第u个用户对第i部电影的非零评分，U表示非零评分集合，card(r_ui)表示非零评分的个数，p_i表示第i部电影的流行度；

S202、将马太效应影响因子在(0,1)之间的电影加入马太效应影响电影集合。

优选地，S3包括如下步骤：

S301、将马太效应影响电影集合中的各电影与其对应的流行度相拟合，得到各电影的流行周期函数；

S302、基于艾宾浩斯曲线函数及马太效应影响电影集合中的各电影对应的流行度进行回归分析得到各电影的标准流行周期函数。

优选地，S4包括如下步骤：