欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022108136606
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种面向用户长短期兴趣衰减变化的电影推荐方法,其特征在于:包括如下步骤:步骤1,从电影数据集中提取出用户对电影的评分序列,将每个电影的评分序列按时间因子从小到大进行排序,生成电影评分时间序列集合;

步骤2,根据电影评分时间序列集合,计算电影共同评分相似度与电影时序相似度混合得出新的基于电影的相似度度量方法;

步骤3,根据电影属性特征与用户历史观影记录通过TF‑IDF算法构建用户兴趣模型;

步骤4,采用改进的艾宾浩斯遗忘曲线模型结合用户兴趣模型,构建出用户长短期兴趣衰减模型;

步骤5,根据用户历史观影记录与用户长短期兴趣衰减模型计算待推荐电影预测评分集合;

步骤6,最终根据步骤5中待推荐电影预测评分集合评分从高到低推荐N个电影。

2.根据权利要求1所述的一种面向用户长短期兴趣衰减变化的电影推荐方法,其特征在于:所述步骤2中,计算电影时序相似度:计算电影共同评分相似度:

新的基于电影的相似度度量方法:

simnewsim(i,j)=λ·simlcs(i,j)+simcommon(i,j)其中λ为相似度调节权重系数。

3.根据权利要求2所述的一种面向用户长短期兴趣衰减变化的电影推荐方法,其特征在于:所述步骤3中,根据电影属性特征与用户历史观影记录通过TF‑IDF算法构建用户兴趣模型:其中,Pu,k为用户u对电影属性k的兴趣度,pj,k其表示电影j中是否有属性k,有则其值为

1否则为0; 表示在用户的历史评分过的h个电影中,每个电影中的每个特征属性集合; 表示数据集n个电影中,每个电影中的每个特征属性集合。

4.根据权利要求3所述的一种面向用户长短期兴趣衰减变化的电影推荐方法,其特征在于:所述步骤4中,长短期兴趣衰减模型衰减方法如下:‑αT

ylong=0.5+0.5e

ylong与yshort分别为长期兴趣与短期兴趣的遗忘衰减曲线,其中α为衰减因子,α越大,则代表用户兴趣衰减的越快;T为时间差值,某用户距离离上次记忆的时间越久则T越大,ylong与yshort则越小;其中,时间差值T计算方法如下:其中tui为用户u对电影i的评分时间,tumin是数据集中用户u最早的评分时间,tumax为用户最近评分电影的评分时间;

通过计算目标用户对某一电影属性权重总和所占数据集中总属性权重的比例来判断该电影可能属于用户的长短期兴趣区间,某一电影中属性特征在用户兴趣模型占比权重计算方法如下:Ratio(u,i)代表用户u的对电影i的兴趣权重, 表示用户u对电影i的所有属性特征兴趣之和, 表示用户u对数据集中电影所有属性特征兴趣总和;结合用户长短期兴趣衰减模型,通过设置阈值β来区分用户长短期兴趣;若待推荐电影属性特征在用户兴趣模型中所占比例大于该阈值则为长期兴趣,反之则为短期兴趣;

最终得出用户对历史评分过的某一电影的兴趣度如下:

其中,β值为用户长短期兴趣划分阈值。

5.根据权利要求4所述的一种面向用户长短期兴趣衰减变化的电影推荐方法,其特征在于:所述步骤5中,计算待推荐电影预测评分如下: