公开(公告)号：CN113139088B

公开(公告)日：2024-08-16

申请号：CN202110528119.6

申请日：2021-05-14

Applicant: 西安建筑科技大学

Inventor： 李智杰 ,  王启辉 ,  伊志林 ,  李昌华 ,  张颉 ,  介军

IPC: G06F16/735 ,  G06F16/78

Abstract: IDF模型协同过滤模型的电影推荐方法、介质、设备及系统，包括以下步骤：采集电影推荐中影响因子的用户数据集；对用户数据集中相关影响因素数据通过作为深度置信网络DBN的输入，来进行数据预处理；将预处理之后的数据输入到复合多粒度扫描IDF模型中并进行训练；将得到的特征向量进行拼接，得到用户‑电影评分矩阵，将得到的矩阵输入协同过滤模型，得到最终的电影推荐结果。通过将采集的数据集进行多粒度扫描，针对电影推荐系统所处理数据结构的复杂性与电影与用户间的信息交互传递的特性，借鉴随机取样原则，保证在一定时间内，总体范围内的每个样本对象都能以确定、非零的概率被选择并作为所要研究的对象，保证了所需要选取样本的代表性。

公开(公告)号：CN113139088A

公开(公告)日：2021-07-20

申请号：CN202110528119.6

申请日：2021-05-14

Applicant: 西安建筑科技大学

Inventor： 李智杰 ,  王启辉 ,  伊志林 ,  李昌华 ,  张颉 ,  介军

IPC: G06F16/735 ,  G06F16/78

Abstract: IDF模型协同过滤模型的电影推荐方法、介质、设备及系统，包括以下步骤：采集电影推荐中影响因子的用户数据集；对用户数据集中相关影响因素数据通过作为深度置信网络DBN的输入，来进行数据预处理；将预处理之后的数据输入到复合多粒度扫描IDF模型中并进行训练；将得到的特征向量进行拼接，得到用户‑电影评分矩阵，将得到的矩阵输入协同过滤模型，得到最终的电影推荐结果。通过将采集的数据集进行多粒度扫描，针对电影推荐系统所处理数据结构的复杂性与电影与用户间的信息交互传递的特性，借鉴随机取样原则，保证在一定时间内，总体范围内的每个样本对象都能以确定、非零的概率被选择并作为所要研究的对象，保证了所需要选取样本的代表性。