[发明专利]一种电影推荐方法及装置

说明书

技术领域

本发明属于推荐算法应用技术领域，尤其涉及一种电影推荐方法及装置。

背景技术

推荐系统在电子商务系统中具有良好的发展和应用前景，逐渐成为电子商务IT技术的一个重要研究内容。推荐系统最大的优点在于收集用户感兴趣的资料，分析该资料得出用户的兴趣偏好并根据用户的兴趣偏好为用户做出个性化推荐。目前，推荐系统己经被广泛的应用到不同领域，如电影推荐。基于协同过滤的推荐算法由于容易挖掘出用户的潜在新兴趣而受到青睐，目前的电影推荐系统基本采用该基于协同过滤的单一推荐算法。然而基于协同过滤的单一推荐算法存在无法为新用户或者电影评价数目较少的目标用户推荐电影的问题。

故，有必要提出一种新的技术方案，以解决上述技术问题。

发明内容

鉴于此，本发明实施例提供一种电影推荐方法及装置，以解决现有技术中基于协同过滤的单一推荐算法存在无法为新用户或者电影评价数目较少的目标用户推荐电影的问题。

本发明实施例的第一方面，提供一种电影推荐方法，所述方法包括：

识别目标用户，并判断所述目标用户是否为注册用户；

若是注册用户，则判断所述目标用户对电影的评价数目是否大于或等于预设评价阈值；

若所述评价数目大于或等于所述预设评价阈值，则基于电影特征的协同过滤推荐模型给所述目标用户推荐电影；

若不是注册用户或者所述评价数据小于所述预设评价阈值，则基于WEB使用挖掘的推荐模型给所述目标用户推荐电影。

本发明实施例的第二方面，提供一种装置，所述装置包括：

第一判断模块，用于识别目标用户，并判断所述目标用户是否为注册用户；

第二判断模块，用于若是注册用户，则判断所述目标用户对电影的评价数目是否大于或等于预设评价阈值；

基于电影特征的协同过滤推荐模块，用于若所述评价数目大于或等于所述预设评价阈值，则基于电影特征的协同过滤推荐模型给所述目标用户推荐电影；

基于WEB使用挖掘的推荐模块，用于若不是注册用户或者所述评价数据小于所述预设评价阈值，则基于WEB使用挖掘的推荐模型给所述目标用户推荐电影。

本发明实施例与现有技术相比存在的有益效果是：本发明所提供的电影推荐方法及装置中，识别目标用户，并判断所述目标用户是否为注册用户；若是注册用户，则判断所述目标用户对电影的评价数目是否大于或等于预设评价阈值；若所述评价数目大于或等于所述预设评价阈值，则基于电影特征的协同过滤推荐模型给所述目标用户推荐电影，该基于电影特征的协同过滤推荐模型是在一个群体中查找与目标用户相似兴趣的活动用户，通过查找到与目标用户最为相似的若干个活动用户的喜好，从而为目标用户进行推荐其所没有关注、观看或者评价过的电影，基于电影特征的协同过滤推荐模型具有很好的新颖性，可以推荐目标用户以前所没有关注、观看或者评价过的电影；该推荐模型若不是注册用户或者所述评价数据小于所述预设评价阈值，则基于WEB使用挖掘的推荐模型给所述目标用户推荐电影，基于WEB使用挖掘的推荐模型需要根据目标用户以往的兴趣来推测目标用户以后的兴趣，该推荐模型能够为新注册用户或者电影评价数目较少的目标用户推荐电影，很好地处理数据的“冷启动”问题；因此，该电影推荐方法可针对不同的目标用户使用相应的推荐方法，使得推荐给目标用户的电影最大化地符合目标用户的兴趣偏好。该电影推荐方法可解决现有技术中基于协同过滤的单一推荐算法存在无法为新用户或者电影评价数目较少的目标用户推荐电影的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的电影推荐方法的实现流程图；

图2是本发明实施例提供的电影推荐装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一

图1示出了本发明实施例一提供的电影推荐方法的实现流程图。如图1所示，该电影推荐方法包括如下步骤：

S1：识别目标用户，并判断目标用户是否为注册用户。