一种基于时间上下文和协同过滤的电影推荐方法

摘要

本发明采用一种基于时间上下文与基于物品的协同过滤算法相结合的方法实现电影推荐，旨在改善电影推荐的精确度和用户满意度，其实现电影推荐的主要过程如下：第一，对电影添加心情标签，这部分需要专家根据心情的分类给电影加上合适的标签；第二，根据用户的时间上下文行为数据和选择的心情标签，计算符合条件电影之间的相似度；第三，根据相似度和基于时间上下文的协同过滤算法计算用户对符合条件电影的兴趣度，给出推荐列表；第四，用户观看后给出自己的评价，观看电影是否符合所选心情标签，统计此项数据，在之后的推荐中展示给其它用户供参考，从而让推荐的满意度提高。

主权项

一种基于时间上下文与协同过滤算法相结合的电影推荐方法，其特征在于，采用了基于时间上下文和协同过滤算法实现电影推荐，具体的步骤如下：S1、对电影添加心情标签，这部分需要专家首先对心情进行合理划分，然后根据心情的分类给电影加上合适的标签；S2、用户选择符合自己心情的标签，根据用户的时间上下文行为数据和选择的心情标签，计算符合条件电影之间的相似度；S3、根据相似度和基于时间上下文的协同过滤算法计算用户对符合条件电影的兴趣度，给出推荐列表；S4、用户观看后给出自己的评价，观看电影是否符合所选心情标签，统计此项数据，在之后的推荐中展示给其它用户供参考，从而让推荐的满意度提高。