[发明专利]基于用户需求和标签关联度的电影推荐方法和系统

权利要求书

1.一种基于用户需求和标签关联度的电影推荐方法，其特征在于，包括以下步骤：

S1、获取用户输入的电影标签作为目标标签，并组合所有目标标签形成目标项；设置最小支持度a0和最小置信度b0，0a0≤c0，c0为目标项的支持度的值；0b01；

支持度c的计算方式为：c＝f/D，f为电影库中包含待计算支持度的电影标签集合的电影的数量，所述电影标签集合中至少包含一个电影标签；D为电影库中的电影的总数；

S2、获取电影库中的电影包含的目标标签以外的所有电影标签和目标项作为原始项，获取支持度大于或等于最小支持度a0的原始项作为频繁项；

S3、将频繁项两两合并作为候选项，将支持度大于或等于最小支持度a0的候选项记作过渡项；

S4、判断过渡项的数量是否大于或等于2，且至少一个过渡项包含目标项；是，则将频繁项更新为过渡项，然后返回步骤S3；

S5、否，则筛选包含有目标项的候选项作为预备项；预备项划分为目标项和关联项，关联项包含预备项中目标项以外的所有电影标签；

S6、计算各预备项的置信度；

置信度的计算方式为：

其中，表示电影标签集合，y表示目标项，z表示中目标项以外的电影标签的集合，表示的置信度，表示的支持度，support(y)表示目标项的支持度；

S7、获取置信度大于最小置信度b0的预备项的关联项作为目标关联项；

S9、基于各目标关联项筛选电影并向用户推荐。

2.如权利要求1所述的基于用户需求和标签关联度的电影推荐方法，其特征在于，步骤S6具体为：计算各预备项的置信度，并判断是否存在置信度大于或等于最小置信度b0的预备项；是，则执行步骤S7；否，则执行步骤S8；

S8：从组成各预备项的频繁项中提取包含目标项的频繁项作为目标补充项，并获取置信度大于最小置信度b0的目标补充项的关联项作为目标关联项，目标补充项的关联项为目标补充项中目标项以外的电影标签的组合。

3.如权利要求1所述的基于用户需求和标签关联度的电影推荐方法，其特征在于，步骤S9具体为：对应各目标关联项分别获取对应的推荐电影，并根据目标关联项的梯度对推荐电影进行排序；各目标关联项的梯度与其所在预备项的置信度正相关。

4.如权利要求3所述的基于用户需求和标签关联度的电影推荐方法，其特征在于，对推荐电影进行排序进行排序的方式为：

第一位：电影标签中包含第一梯度的目标关联项的电影中评分最高的电影；

第二位：电影标签中包含第二梯度的目标关联项的电影中评分最高的电影；

……

第N位：电影标签中包含第N梯度的目标关联项的电影中评分最高的电影；

第N+1位：电影标签中包含第一梯度的目标关联项的电影中评分第二高的电影；

第N+1位：电影标签中包含第二梯度的目标关联项的电影中评分第二高的电影；

依次类推，直至填满推荐位置；

N表示目标关联项数量，第一梯度的目标关联项到第N梯度的目标关联项，对应的置信度逐渐降低。

5.如权利要求1所述的基于用户需求和标签关联度的电影推荐方法，其特征在于，步骤S1之前还设有步骤S0：设置多个支持度阈值和多个置信度阈值；

步骤S1中，从小于c0的支持度阈值中选择最小支持度a0；

步骤S7中，从小于CON_MAX的置信度阈值中选择最小置信度b0；

其中，将支持度大于或等于最小支持度a0的原始项作为原始频繁项，将原始频繁项两两合并作为原始候选项，包含目标项的原始候选项中支持度最大的项记作原始目标项，CON_MAX为原始目标项的置信度。

6.如权利要求5所述的基于用户需求和标签关联度的电影推荐方法，其特征在于，步骤S1中，选择最接近c0且小于c0的支持度阈值作为最小支持度a0。