[发明专利]一种动态的多维情境感知电影推荐系统及其实现方法

摘要

本发明公开了一种动态的多维情境感知电影推荐系统及其实现方法，包括系统交互界面模块、用户‑物品‑情境‑评分数据库模块以及情境感知推荐引擎模块；本发明充分考虑了情境感知推荐过程中情境的动态变化性，主要体现在情境建模，情境添加，情境权重的变化等几个方面，在原有情境感知推荐系统基础上，将情境建模中的情境静态泛化改进为动态聚类泛化，在情境选择过程中提出一种动态新增情境的算法，并根据变化的情境计算不同用户的情境权重，最终实现一个动态的多维情境感知推荐系统，为用户提供更加个性化，精度更高的推荐。

主权项

一种动态的多维情境感知电影推荐方法，组建多维情境感知电影推荐系统，其特征在于：步骤一、用户在系统上产生动作：包含n个用户的用户集U＝{u1,u2,...,un}；对于用户u，在系统上产生的动作分为填写情境信息和评分信息；供用户填写的情境信息为显式情境信息，包括观影同伴，观看地点，观看方式，观影心情；评分信息是用户对该电影的评分，评分范围为1到5分；步骤二、系统将用户动作收集到用户‑电影‑情境‑评分数据库：系统将用户的行为以四元组(user,movie,contexts,rate)的形式存储到用户‑电影‑情境‑评分数据库；其中，user表示用户及其标识符，movie表示电影及其标识符，contexts表示用户对电影movie打分时显示填写的情境信息和系统隐式生成的情境信息，rate表示用户user在情境contexts下对电影item的评分；步骤三、动态情境感知推荐引擎模块读取用户‑电影‑情境‑评分数据库和当前用户情境信息，通过建模与分析为用户生成一个包含若干电影的推荐列表：包含k部电影的电影集M＝{m1,m2,...,mk}；对于用户u根据其当前情境信息，为其推荐的电影列表为R(u)＝{mu1,mu2,...,muN}，其中N为推荐列表长度，muj∈M(1≤j≤N)表示为用户u推荐的电影列表中的第j部电影，所述第j部电影存在于电影集M中；步骤四、交互界面模块将推荐列表展示出来；所述步骤三的具体工作步骤为：步骤3.1、读取情境信息，进行情境建模：情境信息表示为cN个情境类型(context type)的情境集Contexts＝{context1,context2,...,contextcN}；每一种情境类型有多个情境值(context value)，采用动态聚类的方法对其进行情境泛化，生成相应的情境值区间(context segment)；步骤3.2、选择推荐结果优于无情境推荐结果的情境区间作为情境过滤的候选，用|cType|表示候选情境类型的个数，然后对每个情境类型cTypei进行情境前置过滤，得到其对应的用户‑电影‑评分矩阵M(cTypei)；步骤3.3、对每个用户计算其情境权重，每个情境类型cTypei都有一个在某个用户u下的权重值W(u,cTypei)；步骤3.4、对每个情境类型对应的用户‑电影‑评分矩阵M(cTypei)采用传统的协同过滤算法对每个用户u得出预测评分列表R(u,cTypei)，列表的每一项是一个三元组(u,m,R(u,m,cTypei))，表示用户u,电影m，用户u对电影m在情境类型cTypei下的预测评分R(u,m,cTypei)；步骤3.5、利用步骤3.3得到的情境权重对步骤3.4中的不同情境下的预测评分列表进行加权，在每个情境类型下得到加权后的预测评分列表WR(u,cTypei)，该列表的每一项为三元组(u,m,WR(u,m,cTypei)),表示用户u,电影m，用户u对某个电影m在情境类型cTypei下的加权预测评分WR(u,m,cTypei)＝W(u,cTypei)R(u,m,cTypei)；然后综合各个情境下的加权预测评分得到最终的对用户u的加权预测评分列表R(u)＝ΣWR(u,cTypei)(1＜＝i＜＝|cType|)列表中的每一项为三元组(u,m,R(u,m)),表示用户u,电影m，用户u对电影m的加权预测评分R(u,m)＝∑WR(u,m,cTypei)(1＜＝i＜＝|cType|)；然后根据预测评分高低对预测评分列表R(u)进行排序，根据需要推荐列表里前N个电影给用户u；步骤3.6、出现新的情境类型时，利用动态添加算法添加到原有系统中；步骤3.7、添加新的情境类型时，重新计算各情境类型的权值；步骤3.8、根据步骤3.7中得到的更新后的情境权值，重复步骤3.4和步骤3.5对每个用户生成新的推荐列表。