[发明专利]一种基于深度聚类算法的电影个性化序列推荐方法

权利要求书

1.一种基于深度聚类算法的电影个性化序列推荐方法，其特征在于，所述电影个性化序列推荐方法包括以下步骤：

S1、获取用户观看电影的序列数据、用户个人的属性数据与电影本身的属性数据作为电影序列数据集，从中提取出用户静态信息、交互序列信息和电影项目属性信息，其中，用户静态信息包括用户的性别、年龄，交互序列信息包括用户观影序列，电影项目属性信息包括电影类别、导演及电影上映的年份；

S2、采样数据中所有的电影项目作为电影项目群，通过深度聚类从电影项目群中获得每个电影项目对应的聚类中心，将步骤S1中所获得的交互序列信息中的每个电影项目与每个电影项目对应的聚类中心拼接形成融合高层次意图的交互序列嵌入；

S3、对用户静态信息进行挖掘，将用户静态信息与交互序列信息拼接形成用户特征动态序列嵌入；

S4、将所述融合高层次意图的交互序列嵌入与用户特征动态序列嵌入结合输入门控循环单元，捕获融合的序列信息；

S5、使用所述融合的序列信息计算出所有候选电影项目与用户交互序列的匹配得分，并从中选取排名前K个的项目作为推荐结果，对用户进行个性化的电影推荐。

2.根据权利要求1所述的一种基于深度聚类算法的电影个性化序列推荐方法，其特征在于，所述步骤S1的过程如下：

S1.1、从电影序列数据集提取用户静态信息、交互序列信息及电影项目属性信息；

S1.2、对交互序列信息进行划分，将交互序列中倒数第一次交互行为用作测试，倒数第二次交互行为用作验证，其他交互行为用作训练；

S1.3、令S＝{s₁,s₂,…,s_|V|}表示所有交互序列中的交互项目，其中|V|是所有交互项目数的和；令A＝{s₁,s₂,…,s_c}代表用户在一个会话中的交互序列，其中s_b表示在此交互序列里的第b个交互行为，s_b∈S，b＝1,2,…,c，c表示用户在一个会话中的交互动作数量；

S1.4、为所有交互序列创建一个嵌入矩阵E，并设常数零向量0作为嵌入矩阵E空白部分的填充项，所述嵌入矩阵E的创建过程如下：检索每个交互序列的前p个项目，并将其堆叠在一起产生嵌入矩阵E∈R^t×d，其中d是潜在的维度，此处假设为1，嵌入矩阵E定义如下，其中A_pr代表第r条交互序列的前p个项目：