[发明专利]一种缓解数据稀疏性的电影推荐系统和方法

权利要求书

1.一种缓解数据稀疏性的电影推荐系统，其特征在于，包括初始数据输入模块、数据处理模块和推荐列表模块；初始数据输入模块包括电影简介数据输入子模块、电影评论数据输入子模块、实际评分数据输入子模块和剧组人员信息数据输入子模块；

所述的电影简介数据输入子模块和实际评分数据输入子模块在数据处理模块中与改进的卷积神经网络进行融合，之后传输至推荐列表模块；所述剧组人员信息数据输入子模块在数据处理模块中建立数学模型，之后嵌入所述推荐列表模块；所述电影评论数据输入子模块在数据处理模块中通过AFINN算法处理后，传输至推荐列表模块。

2.根据权利要求1所述的一种缓解数据稀疏性的电影推荐系统，其特征在于，所述的卷积神经网络包括嵌入层、卷积层、池化层和输出层，所述的嵌入层、卷积层、池化层和输出层依次连接，所述卷积神经网络与电影简介数据和实际评分数据融合时，其嵌入层进行改进，将每个电影的简介表示成为一个词向量矩阵作为卷积层的输入。

3.根据权利要求2所述的一种缓解数据稀疏性的电影推荐系统，其特征在于，所述嵌入层的改进是使用googlenews-vector预训练的词向量集将每个电影的简介表示成为一个词向量矩阵作为卷积层的输入。

4.根据权利要求1所述的一种缓解数据稀疏性的电影推荐系统，其特征在于，剧组人员信息数据输入子模块建立数学模型，找到与目标用户相似的近邻用户对导演的电影观看次数，求出近邻用户对导演所有电影的评分均值；计算近邻用户对演员主演电影的评分均值；取二者均值作为导演与演员共同影响下，用户对电影的综合评分，将此综合评分传输至所述推荐列表模块中。

5.根据权利要求1所述的一种缓解数据稀疏性的电影推荐系统，其特征在于，所述AFINN算法为情感分析字典，所述电影评论数据输入子模块的数据输入到情感分析字典，经过情感分析字典的自然语言处理，得出分析文本，输出至推荐列表模块。

6.一种缓解数据稀疏性的电影推荐方法，应用于权利要求1所述的一种缓解数据稀疏性的电影推荐系统，其特征在于，包括以下步骤：

S1：电影简介数据输入子模块与改进后的卷积神经网络融合，得到电影特征向量矩阵；

S2：电影特征向量矩阵与实际评分数据输入子模块进行混合，得到混合评分矩阵；

S3：原推荐模型改进矩阵分解限制，形成神经网络模型；

S4：通过混合评分矩阵与神经网络模型融合，构建新的推荐列表模块。

7.根据权利要求6所述的一种缓解数据稀疏性的电影推荐方法，其特征在于，在步骤S1中，所述的卷积神经网络包括嵌入层、卷积层、池化层和输出层，所述卷积神经网络与电影简介数据输入子模块和实际评分数据输入子模块融合时，其嵌入层进行改进，将每个电影的简介表示成为一个词向量矩阵作为卷积层的输入。

8.根据权利要求7所述的一种缓解数据稀疏性的电影推荐方法，其特征在于，所述嵌入层的改进是使用googlenews-vector预训练的词向量集将每个电影的简介表示成为一个词向量矩阵作为卷积层的输入。

9.根据权利要求8所述的一种缓解数据稀疏性的电影推荐方法，其特征在于，在步骤S3中，原推荐模型运用概率矩阵分解算法通过随机初始化来得到用户特征向量矩阵和电影特征向量矩阵，然后得到合适的用户特征向量矩阵和电影特征向量矩阵。

10.根据权利要求9所述的一种缓解数据稀疏性的电影推荐方法，其特征在于，原推荐模型运用概率矩阵分解算法通过随机初始化来得到用户特征向量矩阵和电影特征向量矩阵，然后使用随机梯度下降方法多次迭代后得到合适的用户特征向量矩阵和电影特征向量矩阵。