[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

说明书

一种基于用户需求和标签关联度的电影推荐方法，包括：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；获取目标项和电影库中的电影包含的目标标签以外的所有电影标签作为原始项，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；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；将频繁项更新为过渡项并再次两两合并；直至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。然后根据关联项向用户推荐电影，保证了推荐电影与用户兴趣倾向的关联，从而实现了对用户推荐电影的精确定向。

技术领域

本发明涉数据挖掘和信息处理领域，尤其涉及一种基于用户需求和标签关联度的电影推荐方法和系统。

背景技术

随着互联网技术的发展以及人们越来越高的要求，以及近年来数据挖掘在各行各业开始广泛使用，例如面向用户的电影推荐等。现有的电影推荐算法以协同过滤算法为主，其功能主要是通过自己的爱好，找到与其相似的用户然后推荐相似用户的爱好。

协同过滤算法是以项目属性或用户评分相近的思想作为推荐的基础的。其主要观点是根据观点相似的用户的进行选推荐。是一种依赖于大量用户信息的信息过滤算法。从大量的用户中查找出一组和目标用户评分相近的用户集合和项目集合并依据相似用户对于同一个项目的评分，预测目标用户对该项目的评分，根据项目所得评分的排名顺序得出推荐意见给集群中的其他用户。目前，协同过滤推荐方法存在以下技术问题：

1.该推荐算法需要依赖其他用户的评分信息来进行判断，所以要对其他用户的信息进行收集处理，从而降低了推荐效率。

2.该推荐算法推荐的准确度依然存在问题，该推荐算法以他人评分为基础进行推荐所以推荐的电影可能自己并不是自己想看的类型，所以其准确度并不高。

发明内容

针对现有的技术不足，本发明提供了一种基于用户需求和标签关联度的电影推荐方法和系统，其目的在于提高推荐效率，提高推荐的相关性，根据用户的需求来进行相关推荐。

本发明采用以下技术方案：

一种基于用户需求和标签关联度的电影推荐方法，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。