公开(公告)号：CN112784171A

公开(公告)日：2021-05-11

申请号：CN202110083203.1

申请日：2021-01-21

Applicant: 重庆邮电大学

Inventor： 张清华 ,  张金镇 ,  艾志华 ,  李新太

IPC: G06F16/9536

Abstract: 本发明属于计算机科学与技术邻域，具体涉及一种基于上下文典型性的电影推荐方法，该方法包括：获取用户数据，根据用户数据以及每个用户对不同电影类型的上下文典型性构建上下文典型性矩阵；在上下文典型性矩阵中寻找近邻，根据近邻的上下文属性值计算近邻用户的评分；根据用户数据的评分信息，采用知识粒度计算出上下文属性对每个电影类型的重要度；根据重要度和单上下文的计算出多上下文的预测评分；根据多上下文的预测评分对电影进行推荐；相比传统的协同过滤推荐系统，本发明用典型性协同过滤替代传统协同过滤，有效的缓解了数据的稀疏性。

公开(公告)号：CN112784171B

公开(公告)日：2022-11-04

申请号：CN202110083203.1

申请日：2021-01-21

Applicant: 重庆邮电大学

Inventor： 张清华 ,  张金镇 ,  艾志华 ,  李新太

IPC: G06F16/9536

Abstract: 本发明属于计算机科学与技术邻域，具体涉及一种基于上下文典型性的电影推荐方法，该方法包括：获取用户数据，根据用户数据以及每个用户对不同电影类型的上下文典型性构建上下文典型性矩阵；在上下文典型性矩阵中寻找近邻，根据近邻的上下文属性值计算近邻用户的评分；根据用户数据的评分信息，采用知识粒度计算出上下文属性对每个电影类型的重要度；根据重要度和单上下文的计算出多上下文的预测评分；根据多上下文的预测评分对电影进行推荐；相比传统的协同过滤推荐系统，本发明用典型性协同过滤替代传统协同过滤，有效的缓解了数据的稀疏性。