CN107220365-CN201710423263-基于协同过滤与关联规则并行处理的精准推荐系统及方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107220365 A (43)申请公布日 2017.09.29 (21)申请号 201710423263.7 (22)申请日 2017.06.07 (71)申请人 四川大学 地址 610065 四川省成都市武侯区一环路 南一段24号 (72)发明人 姚黎明　王卓睿　李晓非　 (74)专利代理机构 成都虹桥专利事务所(普通 合伙) 51124 代理人 吴中伟 (51)Int.Cl. G06F 17/30(2006.01) 权利要求书2页 说明书4页 附图2页 (54)发明名称 基于协同过滤与关联规则并行处理的精准 推荐系统及方法 (57)摘要 本发明涉及计算机技术中的数据处理及推 荐，其公开了一种基于协同过滤与关联规则并行 处理的精准推荐系统及方法，解决传统技术中的 推荐系统无法适应于如同电影这种指标体系庞 大且繁琐的行业的推荐问题，实现精准推荐。所 述推荐方法包括：a.数据预处理阶段：收集影片 指标属性信息和用户特征指标信息，并进行预处 理，作为预测及推荐的基础数据；b.预测及推荐 阶段：基于关联规则对影片指标属性进行计算， 生成针对目标用户的特定影片群，并基于协同过 滤规则对用户特征指标进行计算，找出相似用户 A 群，最后向具有同一爱好取向的目标用户推荐特 5 定影片，并预测未来的用户群；c.评价阶段：对预 6 3 0 测结果的准确性进行评价。本发明适用于电影行 2 2 7 业中为目标用户推荐特定影片。 0 1 N C CN 107220365 A 权　利　要　求　书 1/2页 1.基于协同过滤与关联规则并行处理的精准推荐系统，其特征在于，包括数据预处理 模块、预测及推荐模块、评价模块； 数据预处理模块，用于收集影片指标属性信息和用户特征指标信息，并进行预处理，作 为预测及推荐模块的基础数据； 预测及推荐模块，用于基于关联规则对影片指标属性进行计算，生成针对目标用户的 特定影片群，并基于协同过滤规则对用户特征指标进行计算，找出相似用户群，最后向具有 同一爱好取向的目标用户推荐特定影片； 评价模块，用于预测结果的准确性进行评价。 2.如权利要求1所述的基于协同过滤与关联规则并行处理的精准推荐系统，其特征在 于，所述影片指标属性信息包括：电影ID、电影名、导演、编剧、主演、类型、制片国家/地区、 语言、上映日期、片长、评分、标签、评论ID、评论内容、评论者、评论点赞数。 3.如权利要求1所述的基于协同过滤与关联规则并行处理的精准推荐系统，其特征在 于，所述用户特征指标信息包括：用户ID、用户名、历史观看、历史评分、历史评论、标签。 4.基于协同过滤与关联规则并行处理的精准推荐方法，其特征在于，包括以下步骤： a.数据预处理阶段：收集影片指标属性信息和用户特征指标信息，并进行预处理，作为 预测及推荐的基础数据； b.预测及推荐阶段：基于关联规则对影片指标属性进行计算，生成针对目标用户的特 定影片群，并基于协同过滤规则对用户特征指标进行计算，找出相似用户群，最后向具有同 一爱好取向的目标用户推荐特定影片，并预测未来的用户群； c.评价阶段：对预测结果的准确性进行评价。 5.如权利要求4所述的基于协同过滤与关联规则并行处理的精准推荐方法，其特征在 于，步骤a中，所述预处理包括： 利用深度学习的方法对缺失数据进行填补，对于类别型数据则可以直接将其映射为新 的布尔型数据；对于数值型数据，采用C均值模糊分类法将其划分为多个类，