[发明专利]一种基于用户多种行为反馈的电影推荐方法

摘要

本发明公开了一种基于用户多种行为反馈的电影推荐方法，包括步骤：s1、电影聚类首先对电影信息进行特征选取，得到针对每个电影的关键字描述；s2、用户相似度计算使用基于模糊理论的行为--内容聚类方法，将用户聚类成多个用户集，每个用户在不同用户集中的隶属度不同，利用电影描述信息和用户的多种行为反馈数据进行建模，计算每个用户在用户群中的隶属度，根据用户在不同用户集中的隶属度来计算用户之间的相似度；s3、生成推荐根据得到的用户相似度信息为用户生成不同的电影推荐列表。本发明方法利于解决数据的稀疏性问题，并解决了传统“隐性-显性”转换做法的信息损失问题，提高了推荐精度。

主权项

一种基于用户多种行为反馈的电影推荐方法，其特征在于，包括步骤:s1、电影聚类根据电影的关键字描述，使用LDA算法将电影聚成m个簇；设定阈值threshold，0.6≤threshold≤0.8，从每个簇中去掉p(k|i)＜threshold的电影，其中，p(k|i)表示电影i属于电影簇k的概率；s2、用户相似度计算针对电影聚类得到每个电影簇k形成与之一一对应的用户群g，用户u对用户群g的隶属度利用如下公式计算，即：$\mathrm{mem}(u,g)=\mathrm{avg}(\frac{{\mathrm{ac}}_{u,k}^{\left(1\right)}}{{\mathrm{ac}}_u^{\left(1\right)}},\frac{{\mathrm{ac}}_{u,k}^{\left(2\right)}}{{\mathrm{ac}}_u^{\left(2\right)}},...,\frac{{\mathrm{ac}}_{u,k}^T}{{\mathrm{ac}}_u^{\left(T\right)}}),g\→k;$式中，表示用户u对用户群g对应的电影簇k中电影的第t种行为的统计次数，为用户u对所有电影的第t种行为的统计次数，t的取值范围为：1≤t≤T；根据用户模糊聚类的隶属度计算结果，得到用户u的隶属度向量其中，d_u,g表示用户u对用户群g的隶属度；对用户集U中的任意两个用户u和v，通过Pearson相关系数来计算u和v的相似度，并记为sim(u,v)；s3、生成推荐设定邻居选取的相似度阈值为sim‑threshold，对任意一个用户u从用户集U中选取满足sim(u,v)＞sim‑threshold的用户作为用户u的邻居，并记作Nei_u；对Nei_u中用户看过用户u未看过的所有电影，通过如下方法预测用户u对电影i的偏好：${\hat{p}}_{u,i}=\frac{\underset{v\∈{\mathrm{Nei}}_u}{\mathrm{\Σ}}{p}_{v,i}\·\mathrm{sim}(u,v)}{\underset{v\∈{\mathrm{Nei}}_u}{\mathrm{\Σ}}\mathrm{sim}(u,v)}+p_{u,i},$式中，表示用户u对电影i的预测偏好，p_v,i表示用户v对电影i的偏好，该偏好由用户v的行为权重向量和用户v在电影i上的行为统计向量的内积来衡量；权重向量通过交叉验证来获得；对用户u的对偏好预测结果进行降序排序，选择前N部电影作为用户u的推荐结果。