[发明专利]一种社会网络环境下的影视资源个性化推荐方法

说明书

一种社会网络环境下的影视资源个性化推荐方法，属于数据分析推送技术领域，包括以下步骤：S1：在线评论获取与预处理、S2：在线评论情感值计算、S3：观影决策准则及权重确定、S4：影视资源排序：结合概率语言决策矩阵、价值函数、权重函数得到电影x_i的综合前景值，综合前景值越大，说明越值得推荐，其排序越靠前。本发明在考虑各客观因素的同时充分考虑了观影者的心理行为等非理性因素对观影者决策的影响，使影视资源推荐更贴合实际且精准。

技术领域

本发明属于数据分析推送技术领域，更具体地，涉及一种社会网络环境下的影视资源个性化推荐方法。

背景技术

在影视资源推荐领域中，面向对象的广泛性决定了推荐工作的复杂性。影视资源推荐不仅要关注政治环境、经济环境、社会环境等相关情况的变化，而且要充分考虑观影者的个性化需求，不同的观影者对于同一部影视资源的关注点往往是不同的，其评价也会随之千差万别。尤其是在这个互联网快速发展的时代，观影者的在线评论数据呈爆炸式增长，为确保影视资源推荐的效率与准确性，观影者以及各大影视网站在进行决策过程中，均会以影视资源在线评论数据作为决策的重要依据之一。

目前，最常用的推荐算法大多利用观影者在线评论数据中的评分数据，根据评分数据将在线评论分为简单的正面评论或负面评论，进而进行简单的计算，得出影视资源的推荐指数。该方法简单、易操作，但是不能充分反映观影者对影视资源的真实评价，忽略了很多能够表达观影者情感倾向的评论文本。如某影视资源的在线评论，其评分数据星级相同，但是两位观影者体现在文本中的情感倾向可能是完全不同的。现有推荐算法大多忽略了在线评论数据中的评论文本，只使用评分数据不能准确反映观影者的情感倾向。另外，未考虑观影者的心理行为等非理性因素对观影者决策的影响。此外，对于观影者决策影响因素的研究较为集中，影视资源题材、导演、观影环境、演员等客观因素对观影者决策的影响，是目前影视资源推荐领域主要研究方向。

基于完全理性的推荐方法(如PLTS-VIKOR)，对原始数据进行了充分利用，保证了推荐结果的有效性，且当决策者处于在多个方案中徘徊的情况时，PLTS-VIKOR方法会给出折衷方案以供决策者进行选择。但是PLTS-VIKOR方法假设决策者是完全理性的，这一假设前提在实际情况下总是不能满足的，也就是说，决策者总是有限理性的，决策时不但会受到客观因素的影响，而且会受到主观心理的影响。因此，基于完全理性的方法有待改善。

发明内容

针对上述存在的技术问题，本发明提出一种社会网络环境下的影视资源个性化推荐方法，该方法实现观影者决策影响因素的识别和描述，在考虑各客观因素的同时充分考虑了观影者的心理行为等非理性因素对观影者决策的影响，使影视资源推荐更贴合实际且精准。

本发明采用以下具体的技术方案：

一种社会网络环境下的影视资源个性化推荐方法，包括以下步骤：

S1：在线评论获取与预处理；

S2：在线评论情感值计算：

S2.1：采用自然语言库TextBlob计算在线评论情感值；

S2.2：观影者的情感值范围为[-1,1]，将情感值从低至高依次划分为7个程度区间，并用S_τ表示不同情感程度，其中τ＝0,1,2,3,4,5,6；

S2.3：用概率语言术语集PLTSs描述在线评论情感程度和概率；

其中，指的是电影x_i在观影决策准则c_j下的PLTSs，是指电影x_i在观影决策准则c_j下的情感程度，表示的概率；

S3：观影决策准则及权重确定：

S3.1：采用TF-IDF确定观影决策准则；