[发明专利]一种基于在线用户观影行为的兴趣偏好挖掘方法

说明书

本发明适用于兴趣偏好挖掘研究技术领域，提供了一种基于在线用户观影行为的兴趣偏好挖掘方法，该方法包括步骤：S10、根据用户选择观影产品行为获取用户对观影产品的评分数据；S20、根据所述用户对观影产品的评分数据，过滤掉所述低评分数据集；S30、将所述高评分数据集的90％作为训练集，将所述高评分数据集的10％作为测试集；S40、训练所述训练集，估算每个用户的个性化参数；S50、根据每个用户的个性化参数预测该用户对未选择观影产品的偏好值；S60、根据偏好值大小对未选择观影产品进行递减排序，选择位于前列的多个观影产品作为该用户的推荐。本发明能够最大限度地满足对在线用户观影行为的兴趣偏好需求。

技术领域

本发明属于兴趣偏好挖掘研究技术领域，尤其涉及一种基于在线用户观影行为的兴趣偏好挖掘方法。

背景技术

随着互联网的兴起，人们在互联网中分享与交流着各类信息。人们在日常生活中享受着互联网带来的便捷服务的同时，产生了巨大的行为数据。人们的行为数据往往隐含了用户的偏好、习惯、行为模式等有价值信息。如果能通过用户的行为数据，挖掘其背后的用户行为发生机制和用户偏好，这不仅可以让人们更深刻的认识自身与发现人类的行为特征，而且还能帮助人们更高效且更精确的找到自己想要的信息。

近年来，人类行为动力学的研究慢慢兴起，人类行为动力学一般更侧重于分析人类在某一类特定行为上表现出来的一些规律。当前，不同的学者们在人类行为动力学领域有了广泛的研究，包括，在线系统、电子邮件往来、互联网金融交易、网页浏览等。大部分研究表明，人类的行为模式中的时间间隔分布常常呈现出偏离传统的泊松分布，而是表现出了一个具有长尾特征的幂律分布特性。有的文献利用一种简单的基于排队论的模型刻画人类行为在时间维度上呈现偏离泊松分布的特征。有的文献揭示了人类行为在空间维度上的某些行为特征，揭示出了基于人类的长程旅行行为表现出的独特性质，这种属性特征和传统的随机游走模式不尽相同。人类动力学从不同的视觉不同的维度对人类活动的行为模式进行了多方面的理解与探索。例如，电子邮件存在着非常低的病毒感染率但依然存在病毒风险问题，有的文献解释了人们处理电子邮件往来的间隔时间呈现非泊松分布的现象。有的文献用另一种方法解释了异质的接触网络度分布。随机过程和排队论的发展推动了人类行为动力学领域更多的发现与理解。一些人类行为动力学的研究具有一定的现实意义。例如，通过对人类长程出行行为的时间特性与规律的研究将促进对全球性的传染病的控制；对于非正常频繁跨国出行的异常行为来识别恐怖分子的研究、对于识别非正规目的的网络舆情控制行为的研究，体现了人类行为呈现的阵发性；对于公共设施和商业设施放置地点的选取研究体现了人类群体出行活动对交通建设和道路规划的潜在价值；对人类上网行为的分析将促进互联网的便捷服务。

大量研究表明，对于更偏向用户的自主性的行为，往往具有非泊松分布的统计特性。为了探究这一统计特性的根本原因，近年来不少动力学和非动力学模型相继被提出，这些模型往往基于现实生活中人类活动的真实背景做出的一系列假设。Barab á si提出了一种任务队列模型，这种模型从现实情况出发，探究影响人类行为的真正因素，探索非泊松分布特性的真正根源。除此之外，不同学者还从任务队列模型以外的其他视角研究别的模型等。

然而，尽管各个学者对人类行为的行为模式与规律进行了广泛的研究，但是用宏观模式的定量和量化用户兴趣行为的研究仍然非常有限。

发明内容

本发明实施例所要解决的技术问题在于提供一种基于在线用户观影行为的兴趣偏好挖掘方法，旨在解决现有技术中采用宏观模式的定量和量化用户兴趣行为研究有限的问题。

本发明实施例是这样实现的，提供一种基于在线用户观影行为的兴趣偏好挖掘方法，包括步骤：

S10、根据用户选择观影产品行为获取用户对观影产品的评分数据，所述用户对观影产品的评分数据由低评分数据集和高评分数据集组成；

S20、根据所述用户对观影产品的评分数据，过滤掉所述低评分数据集；