一種基于時間上下文和協(xié)同過濾的電影推薦方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于時間上下文與基于item的協(xié)同過濾的電影推薦方法，是屬于 互聯(lián)網(wǎng)應(yīng)用領(lǐng)域。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)技術(shù)的興起，個性化推薦系統(tǒng)層出不窮，也應(yīng)用到各個行業(yè)和領(lǐng)域當(dāng) 中。例如:淘寶、京東、亞馬遜等一些電子商務(wù)網(wǎng)站根據(jù)用戶的歷史行為數(shù)據(jù)進行挖掘，實現(xiàn) 了個性化推薦給用戶一些商品，進而促進用戶的消費。伴隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們的生 活得到了極大的改善，運個平臺給我們帶來了各種各樣的服務(wù)于體驗，與互聯(lián)網(wǎng)一同出現(xiàn) 的還有一個詞，那就是大數(shù)據(jù)，互聯(lián)網(wǎng)+大數(shù)據(jù)讓數(shù)據(jù)挖掘和個性化推薦技術(shù)得到了巨大發(fā) 展。當(dāng)我們上網(wǎng)想看電影時，我們可W從互聯(lián)網(wǎng)中獲取到個性化的推薦信息。從而可W從互 聯(lián)網(wǎng)海量資源中得到更適合我們的電影資源。
[0003] 目前，市場上常見的電影推薦方法主要有3種，一種是基于用戶興趣模型，計算電 影之間的相似度實現(xiàn)個性化推薦;一種是基于用戶的歷史評分反饋數(shù)據(jù)，實現(xiàn)基于熱口推 薦或者好評推薦;還有一種是基于社交網(wǎng)絡(luò)，通過社交網(wǎng)絡(luò)獲取用戶好友數(shù)據(jù)，做數(shù)據(jù)挖掘 并分析，從而給用戶提供個性化的推薦。
[0004] 上述電影推薦方法主要集中研究了如何聯(lián)系用戶興趣和物品，將某種程度上符合 用戶興趣的電影推薦給用戶，但運些方法都忽略了一點，就是用戶所處的上下文。運些上下 文包括用戶訪問電影推薦系統(tǒng)的時間、地點、屯、情等，運些因素對提高推薦系統(tǒng)的推薦效率 是非常重要的，同時，運些因素也可能決定推薦的結(jié)果是否符合用戶的需要。比如:某用戶 的興趣愛好是看恐怖電影，該用戶可能工作上不太順利，在公司挨批了，屯、情比較郁悶，想 找個電影來緩解下屯、情，運時推薦系統(tǒng)本該推薦個搞笑的電影，從而讓用戶從不愉快中走 出來，重拾好屯、情，然而推薦系統(tǒng)根據(jù)用戶的興趣推薦了一個恐怖片，用戶看完反而沒有得 到好屯、情，似乎變得更加的憂郁，運便說明了上述推薦方法的不足。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于時間上下文和協(xié)同過濾的電影推薦方法，主要用 于解決傳統(tǒng)推薦方法中沒有考慮到用戶訪問推薦系統(tǒng)的上下文信息，導(dǎo)致推薦結(jié)果滿意度 不局等問題，從而提局電影推薦的準(zhǔn)確率和滿意度。
[0006] 為解決上述的技術(shù)問題，本發(fā)明采用的方案如下：
[0007] 第一步，由專家對屯、情類型進行劃分并構(gòu)建標(biāo)簽，為電影添加對應(yīng)的屯、情標(biāo)簽，形 成電影資源庫；
[000引第二步，用戶進入電影推薦系統(tǒng)，選擇符合自己屯、情的標(biāo)簽；
[0009] 第Ξ步，系統(tǒng)通過基于時間上下文的協(xié)同過濾算法給出個性化的推薦列表；
[0010] 第四步，用戶根據(jù)推薦列表選擇電影觀看，觀看完成后，給出好評或者差評;好評 代表著該推薦結(jié)果符合該屯、情標(biāo)簽，差評代表著不符合該屯、情標(biāo)簽；
[0011] 第五步，根據(jù)用戶給出的評價結(jié)果，不斷的修正電影對應(yīng)的屯、情標(biāo)簽，從而為今后 的推薦提供依據(jù)，提高推薦準(zhǔn)確率和滿意度。
[0012] 采用基于時間上下文的協(xié)同過濾算法的原因如下：
[0013] 第一，用戶在相隔很短的時間內(nèi)屯、情和喜歡的物品具有更高的相似度，舉個例子 就是，用戶在今天看的電影和用戶昨天的看的電影其相似度在統(tǒng)計意義上應(yīng)該大于用戶今 天看的電影和用戶一年前看的電影的相似度。
[0014] 第二，用戶近期的行為相比用戶很久之前的行為，更能體現(xiàn)用戶現(xiàn)在的興趣。因此 在預(yù)測用戶現(xiàn)在的興趣時，應(yīng)該加重用戶近期行為的權(quán)重，優(yōu)先給用戶推薦那些和他近期 喜歡的電影相似的電影。
[001引有益效果
[0016] 本發(fā)明對比已有的電影推薦方法，具有W下創(chuàng)新點：
[0017] a.利用給電影添加屯、情標(biāo)簽屬性，在推薦過程中，加入了用戶選擇觀看電影時的 屯、情運個環(huán)節(jié)，使得推薦滿意度提高；
[0018] b.將基于時間上下文和基于物品的協(xié)同過濾算法結(jié)合起來作為電影推薦的核屯、， 融入了上下文的概念，使得推薦結(jié)果更加符合常理，效率更高。
[0019] 本發(fā)明對比已有電影推薦方法具有W下顯著優(yōu)點：
[0020] 1、提高了電影推薦結(jié)果的時效性和精確度；
[0021] 2、提高了電影推薦結(jié)果的滿意度。
【附圖說明】
[0022] 附圖1是基于時間上下文和協(xié)同過濾的電影推薦方法的總體流程圖。
[0023] 具體的實施方式
[0024] 下面結(jié)合說明書附圖和【具體實施方式】對本發(fā)明作進一步的說明。
[0025] 為解決上述的技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種基于時間上下文和協(xié)同 過濾的電影推薦方法，包括W下的步驟：
[0026] S1、對電影添加屯、情標(biāo)簽，運部分需要專家首先對屯、情進行合理劃分，然后根據(jù)屯、 情的分類給電影加上合適的屯、情標(biāo)簽屬性；
[0027] S2、用戶選擇符合自己屯、情的標(biāo)簽，根據(jù)用戶的時間上下文行為數(shù)據(jù)和選擇的屯、 情標(biāo)簽，計算符合條件電影i與電影j之間的相似度sim(i，j);
[00%] S3、根據(jù)上一步中計算好的相似度sim(i，j)和基于時間上下文的協(xié)同過濾算法計 算用戶U對符合條件電影i的興趣度，給出推薦列表；
[0029] S4、用戶觀看后給出自己的評價，觀看電影是否符合所選屯、情標(biāo)簽，只提供滿意或 者不滿意兩種選項，統(tǒng)計此項數(shù)據(jù)，在之后的推薦中展示給其它用戶供參考，在下一次的用 戶看到推薦結(jié)果時，可W參考曾經(jīng)用戶對運部電影的評價，再從推薦列表中更加合理的選 擇電影觀看，從而讓推薦的滿意度提高。
[0030] 采用基于時間上下文的協(xié)同過濾算法得出個性化推薦列表的具體過程如下：
[0031] 第一步，基于用戶利用用戶行為離線計算電影之間的相似度，公式如下：
[0032]
[0033] 注意，上面公式sim(i，j)表示電影i與電影j的相似度;N(i)表示喜歡電影i的用戶 數(shù);tui是用戶U對電影i產(chǎn)生行為的時間。f函數(shù)的含義是用戶對電影i和電影j產(chǎn)生行為的時 間越遠(yuǎn)，則f越小。即數(shù)學(xué)衰減函數(shù)，此處使用如下衰減函數(shù)：
[0034]
[0035] 其中，α是時間衰減參數(shù)，它的取值在不同系統(tǒng)中不同，如果一個系統(tǒng)用戶興趣變 化快，就應(yīng)該取比較大的α，反之需要取比較小的α。
[0036] 第二步，根據(jù)用戶的歷史行為和電影相似度矩陣，給用戶做在線個性化推薦，計算 用戶U對物品i的興趣p(u，i)，公式如下：
[0037]
[0038] 其中to是當(dāng)前時間，S(i，k)是和物品i最相似的k個物品的集合，上面公式表明，tuj 越靠近to,和物品j相似的物品就會在用戶U的推薦列表中獲得越高的排名。β是時間衰減參 數(shù)，需要根據(jù)不同的數(shù)據(jù)集選擇合適的值。
【主權(quán)項】
1. 一種基于時間上下文與協(xié)同過濾算法相結(jié)合的電影推薦方法，其特征在于，采用了 基于時間上下文和協(xié)同過濾算法實現(xiàn)電影推薦，具體的步驟如下： 51、 對電影添加心情標(biāo)簽，這部分需要專家首先對心情進行合理劃分，然后根據(jù)心情的 分類給電影加上合適的標(biāo)簽； 52、 用戶選擇符合自己心情的標(biāo)簽，根據(jù)用戶的時間上下文行為數(shù)據(jù)和選擇的心情標(biāo) 簽，計算符合條件電影之間的相似度； 53、 根據(jù)相似度和基于時間上下文的協(xié)同過濾算法計算用戶對符合條件電影的興趣 度，給出推薦列表； 54、 用戶觀看后給出自己的評價，觀看電影是否符合所選心情標(biāo)簽，統(tǒng)計此項數(shù)據(jù)，在 之后的推薦中展示給其它用戶供參考，從而讓推薦的滿意度提高。2. 根據(jù)權(quán)利要求1所述的基于時間上下文與協(xié)同過濾算法相結(jié)合的電影推薦方法，其 特征在于，對于電影，按照專家給出的心情的類型劃分，給電影添加對應(yīng)的心情標(biāo)簽屬性。3. 根據(jù)權(quán)利要求1所述的基于時間上下文與協(xié)同過濾算法相結(jié)合的電影推薦方法，其 特征在于，對于符合用戶心情和根據(jù)用戶行為上下文得到的電影，計算電影之間的相似度， 具體計算公式如下：注意，上面公式sim(i，j)表示電影i與電影j的相似度;N(i)表示喜歡電影i的用戶數(shù)； tul是用戶u對電影i產(chǎn)生行為的時間。f函數(shù)的含義是用戶對電影i和電影j產(chǎn)生行為的時間 越遠(yuǎn)，則f越小。即數(shù)學(xué)衰減函數(shù)，此處使用如下衰減函數(shù)：其中，α是時間衰減參數(shù)，它的取值在不同系統(tǒng)中不同，如果一個系統(tǒng)用戶興趣變化快， 就應(yīng)該取比較大的α，反之需要取比較小的α。4. 根據(jù)權(quán)利要求1所述的基于時間上下文與協(xié)同過濾算法相結(jié)合的電影推薦方法，其 特征在于，利用用戶上下文歷史數(shù)據(jù)和上一步中計算好的電影相似度信息，根據(jù)基于Item 的協(xié)同過濾算法計算用戶u對電影i的興趣度，計算公式如下：其中to是當(dāng)前時間，S(i，k)是和物品i最相似的k個物品的集合，上面公式表明，tUj越靠 近to,和物品j相似的物品就會在用戶u的推薦列表中獲得越高的排名。β是時間衰減參數(shù)， 需要根據(jù)不同的數(shù)據(jù)集選擇合適的值。5. 根據(jù)權(quán)利要求1所述的基于時間上下文與協(xié)同過濾算法相結(jié)合的電影推薦方法，其 特征在于，在用戶觀看完推薦的電影后，增加了反饋方法，使得個性化的推薦隨著時間增長 變得更加合理，用戶的滿意度提升。
【專利摘要】本發(fā)明采用一種基于時間上下文與基于物品的協(xié)同過濾算法相結(jié)合的方法實現(xiàn)電影推薦，旨在改善電影推薦的精確度和用戶滿意度，其實現(xiàn)電影推薦的主要過程如下：第一，對電影添加心情標(biāo)簽，這部分需要專家根據(jù)心情的分類給電影加上合適的標(biāo)簽；第二，根據(jù)用戶的時間上下文行為數(shù)據(jù)和選擇的心情標(biāo)簽，計算符合條件電影之間的相似度；第三，根據(jù)相似度和基于時間上下文的協(xié)同過濾算法計算用戶對符合條件電影的興趣度，給出推薦列表；第四，用戶觀看后給出自己的評價，觀看電影是否符合所選心情標(biāo)簽，統(tǒng)計此項數(shù)據(jù)，在之后的推薦中展示給其它用戶供參考，從而讓推薦的滿意度提高。
【IPC分類】G06F17/30
【公開號】CN105630930
【申請?zhí)枴緾N201510974493
【發(fā)明人】蘇航, 梁榮華, 劉海亮
【申請人】中山大學(xué)深圳研究院
【公開日】2016年6月1日
【申請日】2015年12月23日