主权项 |
一种基于用户实时兴趣向量的电影个性化推荐方法,其特征在于该方法包括如下步骤:步骤一:根据电影的元信息对每部电影的特征属性进行建模,得到电影的特征向量,电影t<sub>i</sub>的特征向量表示为<img file="FDA0000531956140000011.GIF" wi="526" he="68" />其中<img file="FDA0000531956140000012.GIF" wi="79" he="62" />由下式得到:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>w</mi><msub><mi>t</mi><msub><mi>i</mi><mi>j</mi></msub></msub></msub><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><msub><mi>p</mi><mi>j</mi></msub><mo>∉</mo><msub><mi>t</mi><mi>i</mi></msub></mtd></mtr><mtr><mtd><mo>+</mo><mn>1</mn><mo>,</mo></mtd><mtd><msub><mi>p</mi><mi>j</mi></msub><mo>∈</mo><msub><mi>t</mi><mi>i</mi></msub></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000531956140000013.GIF" wi="424" he="123" /></maths>即若该电影中包含表示电影元信息的属性p<sub>j</sub>,则该属性对应的权值<img file="FDA0000531956140000014.GIF" wi="79" he="62" />加1,如果该电影中不包含属性p<sub>j</sub>,则该属性对应的权值<img file="FDA0000531956140000015.GIF" wi="79" he="62" />为零,T={t<sub>1</sub>,t<sub>2</sub>,...,t<sub>n</sub>}表示电影的集合;步骤二:由用户的实时评分信息和所述电影特征向量得到用户的实时兴趣向量,用户集合表示为U={u<sub>1</sub>,u<sub>2</sub>,...,u<sub>n</sub>},用户u<sub>i</sub>的实时兴趣向量表示为<img file="FDA0000531956140000016.GIF" wi="554" he="68" />其中<img file="FDA0000531956140000017.GIF" wi="85" he="62" />表示用户u<sub>i</sub>对属性p<sub>j</sub>的喜爱程度,用户u<sub>i</sub>的实时兴趣向量<img file="FDA0000531956140000018.GIF" wi="65" he="58" />是由u<sub>i</sub>已评分电影的特征向量<img file="FDA0000531956140000019.GIF" wi="58" he="64" />的加权和,权重是用户对电影的实时喜好程度;步骤三:结合所述步骤二得到的用户兴趣向量和用户的评分信息对电影特征向量进行更新,生成更加合理的电影特征向量。步骤四:由所述步骤二和所述步骤三形成迭代过程,对用户的实时兴趣向量进行更新,得到更加准确的用户实时兴趣向量;步骤五:由所述更加准确的用户实时兴趣向量建立用户的相似性矩阵,进而得到目标用户的邻居用户,根据基于用户的协同过滤算法的评分预测公式打相应的评分,最终完成topN推荐列表。 |