[发明专利]一种社会网络环境下的影视资源个性化推荐方法

权利要求书

1.一种社会网络环境下的影视资源个性化推荐方法，其特征在于，包括以下步骤：

S1：在线评论获取与预处理；

S2：在线评论情感值计算：

S2.1：采用自然语言库TextBlob计算在线评论情感值；

S2.2：观影者的情感值范围为[-1,1]，将情感值从低至高依次划分为7个程度区间，并用S_τ表示不同情感程度，其中τ＝0,1,2,3,4,5,6；

S2.3：用概率语言术语集PLTSs描述在线评论情感程度和概率；

其中，指的是电影x_i在观影决策准则c_j下的PLTSs，是指电影x_i在观影决策准则c_j下的情感程度，表示的概率；

S3：观影决策准则及权重确定：

S3.1：采用TF-IDF确定观影决策准则；

S3.2：使用观影决策准则所对应的在线评论数量计算其权重w_j′：

其中，j＝1,...,m，w_j′∈[0,1]，N_j表示电影x_i在观影决策准则c_j下在线评论的数量；

S3.3：构建概率语言决策矩阵：从不同观影准则c_j的角度分别对电影x_i的在线评论情感程度建立矩阵；

S4：影视资源排序：结合概率语言决策矩阵、价值函数、权重函数得到电影x_i的综合前景值：

其中，v(x_ij)为电影x_i在消费者观影决策准则c_j下的价值函数，w_j为权重函数，综合前景值越大，说明越值得推荐，其排序越靠前；

所述S4包含步骤：

S4.1：权重函数计算；

S4.2：价值函数计算；

S4.3：综合前景值计算；

所述S4.1计算公式为：

其中，w_j表示权重函数，H_ij代表电影x_i在观影决策准则c_j下的PLTSs：H_ij＝{S_τp^(k)}，p^(k)表示H_ij的概率，H_j:{E(H_1j),E(H_2j),E(H_3j),E(H_4j),E(H_5j)}为各准则参考点，各准则参考点由各电影H_ij的得分函数E(H_ij)组成，γ和δ分别代表心理期望为得、失时的风险态度系数，所述代表风险态度系数为δ时，观影决策准则c_j的权重，所述代表风险态度系数为γ时，观影决策准则c_j的权重；

所述得分函数E(H_ij)计算公式如下：

其中，代表得分函数E(H_ij)的情感值，#L(p)表示H_ij的长度，r^(k)表示H_ij中S_τ的下标τ；

所述S4.2计算公式为：

其中，v(x_ij)表示价值函数，d(H_ij,H_j)表示H_ij和H_j之间的PLTSs-Hamming距离，λ为损失规避度系数，α和β分别代表决策者在相对收益和相对损失增加、减少时的风险敏感性系数。

2.根据权利要求1所述的社会网络环境下的影视资源个性化推荐方法，其特征在于，所述S1利用八爪鱼采集器获取网站上的电影在线评论数据。

3.根据权利要求2所述的社会网络环境下的影视资源个性化推荐方法，其特征在于，所述在线评论数据利用python库中的Natural Language Toolkit语言工具进行去停用词、词形还原、同义词获取的预处理。