本发明公开了一种基于数据挖掘的混合过滤电影推荐方法,首先建立电影属性矩阵M和初步用户评分矩阵G;然后挖掘用户日常浏览的电影关键词,再利用蚁群方法进行用户聚类,模拟出初步用户评分矩阵G中为空的用户评分,解决用户评分矩阵G的稀疏性问题,获得完善用户评分矩阵G;由完善用户评分矩阵G与电影属性矩阵M获取用户兴趣矩阵H;最后将用户兴趣矩阵H与电影属性矩阵M结合得到推荐电影得分矩阵Q.利用挖掘的数据来改进聚类的效果,同时混沌蚁群聚类方法的准确率和稳定性,优化了用户兴趣向量在用户兴趣迁移问题的权重.
发明专利
CN201610613419.3
2016.07.29
CN106227866A
2016-12-14
肖攸安 孔令炜 吴杨君
武汉理工大学
G06F17/30(2006.01)I,G,G06,G06F,G06F17
G06F17/30(2006.01)I,G06K9/62(2006.01)I,H04L29/08(2006.01)I,G,H,G06,H04,G06F,G06K,H04L,G06F17,G06K9,H04L29,G06F17/30,G06K9/62,H04L29/08
一种基于数据挖掘的混合过滤电影推荐方法,其特征在于,包括:步骤1,建立电影属性矩阵M和初步用户评分矩阵G;步骤2,挖掘用户日常浏览的电影关键词,再利用蚁群方法进行用户聚类,模拟出所述初步用户评分矩阵G中为空的用户评分,解决所述用户评分矩阵G的稀疏性问题,获得完善用户评分矩阵G;步骤3,由所述完善用户评分矩阵G与所述电影属性矩阵M获取用户兴趣矩阵H;步骤4,将所述用户兴趣矩阵H与所述电影属性矩阵M结合得到推荐电影得分矩阵Q.