一種動(dòng)態(tài)的多維情境感知電影推薦系統(tǒng)及其實(shí)現(xiàn)方法技術(shù)方案

本發(fā)明專利技術(shù)公開了一種動(dòng)態(tài)的多維情境感知電影推薦系統(tǒng)及其實(shí)現(xiàn)方法，包括系統(tǒng)交互界面模塊、用戶-物品-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)模塊以及情境感知推薦引擎模塊；本發(fā)明專利技術(shù)充分考慮了情境感知推薦過程中情境的動(dòng)態(tài)變化性，主要體現(xiàn)在情境建模，情境添加，情境權(quán)重的變化等幾個(gè)方面，在原有情境感知推薦系統(tǒng)基礎(chǔ)上，將情境建模中的情境靜態(tài)泛化改進(jìn)為動(dòng)態(tài)聚類泛化，在情境選擇過程中提出一種動(dòng)態(tài)新增情境的算法，并根據(jù)變化的情境計(jì)算不同用戶的情境權(quán)重，最終實(shí)現(xiàn)一個(gè)動(dòng)態(tài)的多維情境感知推薦系統(tǒng)，為用戶提供更加個(gè)性化，精度更高的推薦。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種動(dòng)態(tài)的多維情境感知電影推薦系統(tǒng)及其實(shí)現(xiàn)方法
本專利技術(shù)涉及一種動(dòng)態(tài)的多維情境感知電影推薦系統(tǒng)及其實(shí)現(xiàn)方法。
技術(shù)介紹
隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，人們接收到的信息越來(lái)越多以致有大量無(wú)效或冗余信息影響效率和時(shí)間，為了解決信息過載的問題，推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)為用戶提供最可能需要的信息幫助用戶節(jié)省精力和時(shí)間。情境感知推薦系統(tǒng)是推薦系統(tǒng)的一個(gè)熱門研究分支，它將情境信息融入到推薦系統(tǒng)中，因?yàn)樵诤芏鄳?yīng)用中，在不同的情境下，用戶的興趣選擇是不同的，所以推薦的信息也應(yīng)該隨之變化。情境感知推薦系統(tǒng)所考慮的情境和具體應(yīng)用有關(guān)，不同應(yīng)用所需要的情境信息并不相同。情境可以是物理環(huán)境中的情境，如天氣，地點(diǎn)，時(shí)間等，也可以是與應(yīng)用相關(guān)的用戶信息，物品信息等，只要是在用戶與該應(yīng)用交互過程中可能產(chǎn)生影響的實(shí)體均可稱之為情境。情境感知推薦過程大體可分為三個(gè)范式：情境前置過濾，情境后置過濾和情境推薦建模。前置過濾是將多維數(shù)據(jù)空間根據(jù)情境值進(jìn)行降維處理，得到情境化的數(shù)據(jù)空間，然后用傳統(tǒng)的推薦算法進(jìn)行計(jì)算。后置過濾是不考慮情境信息，用傳統(tǒng)的推薦算法進(jìn)行計(jì)算得到推薦結(jié)果，然后再通過情境和用戶行為之間的關(guān)系進(jìn)行推薦結(jié)果的情境化過濾。情境推薦建模是指在推薦算法中加入情境信息。目前的一些情境感知推薦算法能夠?yàn)橛脩籼峁┚容^高的推薦，但現(xiàn)有的技術(shù)仍存在一些問題：情境的類型和對(duì)應(yīng)取值在初始被設(shè)定之后，便不會(huì)再改變，這主要表現(xiàn)在以下幾點(diǎn)：1，情境建模過程中,情境泛化過程往往依賴于領(lǐng)域?qū)＜抑R(shí)，設(shè)定情境區(qū)間后，區(qū)間值不會(huì)隨著數(shù)據(jù)集的變化而變化，移植性和動(dòng)態(tài)性比較欠缺；2，傳統(tǒng)的情境感知推薦算法較少考慮新增了情境該如何處理；3，傳統(tǒng)的情境感知推薦算法大多將不同情境類型平等對(duì)待，而實(shí)際上不同用戶對(duì)不同的情境類型看重程度都是不同的。
技術(shù)實(shí)現(xiàn)思路
針對(duì)現(xiàn)有技術(shù)中存在的問題，本專利技術(shù)的目的是提供一種動(dòng)態(tài)的多維情境感知電影推薦系統(tǒng)及其實(shí)現(xiàn)方法，其充分考慮隨著數(shù)據(jù)集的變化，情境的選擇和相關(guān)的取值也會(huì)隨之變化，可以較好的將情境的動(dòng)態(tài)性以及用戶對(duì)上下文的不同側(cè)重性融合起來(lái)，從而為用戶提供更加合理的推薦。為了實(shí)現(xiàn)上述目的，本專利技術(shù)通過一定方式體現(xiàn)情境的動(dòng)態(tài)性和推薦的動(dòng)態(tài)性，為用戶提供更加靈活和個(gè)性化的推薦。本專利技術(shù)的具體方案為：一種動(dòng)態(tài)的多維情境感知電影推薦系統(tǒng)，它包括交互界面模塊、用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)以及情境感知電影推薦引擎模塊；其中，所述交互界面模塊作為用戶與系統(tǒng)交互的接口，包括用戶向系統(tǒng)填寫觀影時(shí)的情境信息和評(píng)分以及系統(tǒng)為用戶在特定情境下推薦合適的歌曲；所述用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)用于存儲(chǔ)用戶在不同情境下對(duì)電影的評(píng)分信息，包括用戶的標(biāo)識(shí)符、電影的標(biāo)識(shí)符、情境信息和評(píng)分；所述時(shí)序推薦引擎模塊是系統(tǒng)的核心部件，用于從用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)中讀取數(shù)據(jù)并對(duì)情境和評(píng)分行為建模，通過將多維情境數(shù)據(jù)空間分解，然后加權(quán)再綜合的方法為用戶在特定情境下推薦電影。上述的情境感知電影推薦系統(tǒng)，其進(jìn)一步特征在于：所述交互界面模塊分為兩個(gè)單元：展示區(qū)單元和操作區(qū)單元。展示區(qū)單元用于展示電影對(duì)應(yīng)的圖片、電影演員，導(dǎo)演，影片簡(jiǎn)介和評(píng)分。操作區(qū)單元用于供用戶填寫觀影時(shí)的情境信息和評(píng)分以及推薦操作。所述情境感知推薦引擎模塊用來(lái)分析用戶在不同情境下評(píng)分偏好的不同，進(jìn)而為用戶生成在不同情境下的推薦列表。該模塊情境建模、情境動(dòng)態(tài)添加，情境權(quán)重計(jì)算，情境過濾和推薦列表生成工作。本專利技術(shù)同時(shí)公開了一種動(dòng)態(tài)的多維情境感知電影推薦方法，組建上述的情境感知電影推薦系統(tǒng)，其特征在于：步驟一、用戶在系統(tǒng)上產(chǎn)生動(dòng)作：包含n個(gè)用戶的用戶集U＝{u1,u2,...,un}；對(duì)于用戶u，其在系統(tǒng)上產(chǎn)生的動(dòng)作分為填寫情境信息和評(píng)分信息。供用戶填寫的情境信息為顯示情境信息，包括觀影同伴，觀看地點(diǎn)，觀看方式，觀影心情等。評(píng)分信息是用戶對(duì)該電影的評(píng)分，評(píng)分范圍為1到5分。步驟二、系統(tǒng)將用戶動(dòng)作收集到用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)：系統(tǒng)將用戶的行為以四元組(user,movie,contexts,rate)的形式存儲(chǔ)到用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)；其中，user表示用戶及其標(biāo)識(shí)符，movie表示電影及其標(biāo)識(shí)符，contexts表示用戶對(duì)電影movie打分時(shí)顯示填寫的情境信息和系統(tǒng)隱式生成的情境信息，rate表示用戶user在情境contexts下對(duì)電影item的評(píng)分；步驟三、動(dòng)態(tài)情境感知推薦引擎模塊讀取用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)和當(dāng)前用戶情境信息，通過建模與分析為用戶生成一個(gè)包含若干電影的推薦列表：包含k部電影的電影集M＝{m1,m2,...,mk}；對(duì)于用戶u根據(jù)其當(dāng)前情境信息，為其推薦的電影列表為R(u)＝{mu1,mu2,...,muN}，其中N為推薦列表長(zhǎng)度，muj∈M(1≤j≤N)表示為用戶u推薦的電影列表中的第j部電影，所述第j部電影存在于電影集M中；步驟四、交互界面模塊將推薦列表展示出來(lái)。上述的動(dòng)態(tài)的多維情境感知電影推薦方法，步驟三中動(dòng)態(tài)情境感知推薦引擎模塊，具體工作步驟為：步驟3.1、讀取情境信息，進(jìn)行情境建模：情境信息表示為cN個(gè)情境類型(contexttype)的情境集C＝{context1,context2,...,contextcN}；每一種情境類型有多個(gè)情境值(contextvalue),我們采用動(dòng)態(tài)聚類的方法對(duì)其進(jìn)行情境泛化，生成相應(yīng)的情境值區(qū)間(contextsegment)；步驟3.2、選擇推薦結(jié)果優(yōu)于無(wú)情境推薦結(jié)果的情境區(qū)間作為情境過濾的候選，用|cType|表示候選情境類型的個(gè)數(shù)，然后對(duì)每個(gè)情境類型(cTypei)進(jìn)行情境前置過濾，得到其對(duì)應(yīng)的用戶-電影-評(píng)分矩陣M(cTypei)；步驟3.3、對(duì)每個(gè)用戶計(jì)算其情境權(quán)重，每個(gè)情境類型cTypei都有一個(gè)在某個(gè)用戶u下的權(quán)重值W(u,cTypei)；步驟3.4、對(duì)每個(gè)情境類型對(duì)應(yīng)的用戶-電影-評(píng)分矩陣M(cTypei)采用傳統(tǒng)的協(xié)同過濾算對(duì)每個(gè)用戶u得出預(yù)測(cè)評(píng)分列表R(u,cTypei)，列表的每一項(xiàng)是一個(gè)三元組(u,m,R(u,m,cTypei))，表示用戶u,電影m，用戶u對(duì)電影m在情境類型cTypei下的預(yù)測(cè)評(píng)分R(u,m,cTypei)；步驟3.5、利用步驟3.3得到的情境權(quán)重對(duì)步驟3.4中的不同情境下的預(yù)測(cè)評(píng)分列表進(jìn)行加權(quán)，在每個(gè)情境類型下得到加權(quán)后的預(yù)測(cè)評(píng)分列表WR(u,cTypei)，該列表的每一項(xiàng)為三元組(u,m,WR(u,m,cTypei)),表示用戶u,電影m，用戶u對(duì)某個(gè)電影m在情境類型cTypei下的加權(quán)預(yù)測(cè)評(píng)分WR(u,m,cTypei)＝W(u,cTypei)R(u,m,cTypei)；然后綜合各個(gè)情境下的加權(quán)預(yù)測(cè)評(píng)分得到最終的對(duì)用戶u的加權(quán)預(yù)測(cè)評(píng)分列表R(u)＝ΣWR(u,cTypei)(1＜＝i＜＝|cType|)列表中的每一項(xiàng)為三元組(u,m,R(u,m)),表示用戶u,電影m，用戶u對(duì)電影m的加權(quán)預(yù)測(cè)評(píng)分R(u,m)＝ΣWR(u,m,cTypei)(1＜＝i＜＝|cType|)；然后根據(jù)預(yù)測(cè)評(píng)分高低對(duì)預(yù)測(cè)評(píng)分列表R(u)進(jìn)行排序，根據(jù)需要推薦列表里前N個(gè)電影給用戶u。步驟3.6、當(dāng)出現(xiàn)新的情境類型時(shí)，利用動(dòng)態(tài)添加算法添加到原有系統(tǒng)中。步驟3.7、當(dāng)添加新的情境類型時(shí)，重新計(jì)算各情境類型的權(quán)值。步驟3本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種動(dòng)態(tài)的多維情境感知電影推薦系統(tǒng)，其特征在于：包括交互界面模塊、用戶?電影?情境?評(píng)分?jǐn)?shù)據(jù)庫(kù)模塊以及情境感知推薦引擎模塊；所述交互界面模塊為用戶與系統(tǒng)交互的接口，包括用戶向系統(tǒng)提交自己觀看電影時(shí)的情境信息和電影評(píng)分以及系統(tǒng)為用戶推薦合適的電影；所述用戶?電影?情境?評(píng)分?jǐn)?shù)據(jù)庫(kù)模塊用于存儲(chǔ)評(píng)分信息，記錄用戶在特定情境下對(duì)某個(gè)電影的評(píng)分；所述情境感知推薦引擎模塊是系統(tǒng)的核心部件，用于從所述用戶?電影?情境?評(píng)分?jǐn)?shù)據(jù)庫(kù)模塊中讀取數(shù)據(jù)并進(jìn)行情境建模和用戶評(píng)分建模，并在分析情境特征的基礎(chǔ)上從候選電影中為用戶在當(dāng)前情境下推薦電影。

【技術(shù)特征摘要】
1.一種動(dòng)態(tài)的多維情境感知電影推薦方法，組建多維情境感知電影推薦系統(tǒng)，其特征在于：步驟一、用戶在系統(tǒng)上產(chǎn)生動(dòng)作：包含n個(gè)用戶的用戶集U＝{u1,u2,...,un}；對(duì)于用戶u，在系統(tǒng)上產(chǎn)生的動(dòng)作分為填寫情境信息和評(píng)分信息；供用戶填寫的情境信息為顯式情境信息，包括觀影同伴，觀看地點(diǎn)，觀看方式，觀影心情；評(píng)分信息是用戶對(duì)該電影的評(píng)分，評(píng)分范圍為1到5分；步驟二、系統(tǒng)將用戶動(dòng)作收集到用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)：系統(tǒng)將用戶的行為以四元組(user,movie,contexts,rate)的形式存儲(chǔ)到用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)；其中，user表示用戶及其標(biāo)識(shí)符，movie表示電影及其標(biāo)識(shí)符，contexts表示用戶對(duì)電影movie打分時(shí)顯示填寫的情境信息和系統(tǒng)隱式生成的情境信息，rate表示用戶user在情境contexts下對(duì)電影item的評(píng)分；步驟三、動(dòng)態(tài)情境感知推薦引擎模塊讀取用戶-電影-情境-評(píng)分?jǐn)?shù)據(jù)庫(kù)和當(dāng)前用戶情境信息，通過建模與分析為用戶生成一個(gè)包含若干電影的推薦列表：包含k部電影的電影集M＝{m1,m2,...,mk}；對(duì)于用戶u根據(jù)其當(dāng)前情境信息，為其推薦的電影列表為R(u)＝{mu1,mu2,...,muN}，其中N為推薦列表長(zhǎng)度，muj∈M(1≤j≤N)表示為用戶u推薦的電影列表中的第j部電影，所述第j部電影存在于電影集M中；步驟四、交互界面模塊將推薦列表展示出來(lái)；所述步驟三的具體工作步驟為：步驟3.1、讀取情境信息，進(jìn)行情境建模：情境信息表示為cN個(gè)情境類型(contexttype)的情境集Contexts＝{context1,context2,...,contextcN}；每一種情境類型有多個(gè)情境值(contextvalue)，采用動(dòng)態(tài)聚類的方法對(duì)其進(jìn)行情境泛化，生成相應(yīng)的情境值區(qū)間(contextsegment)；步驟3.2、選擇推薦結(jié)果優(yōu)于無(wú)情境推薦結(jié)果的情境區(qū)間作為情境過濾的候選，用|cType|表示候選情境類型的個(gè)數(shù)，然后對(duì)每個(gè)情境類型cTypei進(jìn)行情境前置過濾，得到其對(duì)應(yīng)的用戶-電影-評(píng)分矩陣M(cTypei)；步驟3.3、對(duì)每個(gè)用戶計(jì)算其情境權(quán)重，每個(gè)情境類型cTypei都有一個(gè)在某個(gè)用戶u下的權(quán)重值W(u,cTypei)；步驟3.4、對(duì)每個(gè)情境類型對(duì)應(yīng)的用戶-電影-評(píng)分矩陣M(cTypei)采用傳統(tǒng)的協(xié)同過濾算法對(duì)每個(gè)用戶u得出預(yù)測(cè)評(píng)分列表R(u,cTypei)，列表的每一項(xiàng)是一個(gè)三元組(u,m,R(u,m,cTypei))，表示用戶u,電影m，用戶u對(duì)電影m在情境類型cTypei下的預(yù)測(cè)評(píng)分R(...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：余萍，呂建，陳斌，
申請(qǐng)(專利權(quán))人：南京大學(xué)，
類型：發(fā)明
國(guó)別省市：江蘇;32