買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉安徽師范大學申請的專利一種基于ALS和協同過濾的電影實時推薦方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117150080B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311066986.8，技術領域涉及：G06F16/783；該發明授權一種基于ALS和協同過濾的電影實時推薦方法是由李金帥;許勇;李夢圓;陳功斌;馬國慶設計研發完成，并于2023-08-23向國家知識產權局提交的專利申請。

本一種基于ALS和協同過濾的電影實時推薦方法在說明書摘要公布了：本發明公開了一種基于ALS和協同過濾的電影實時推薦方法，包括:S1、通過ALS算法訓練得到電影特征矩陣和用戶特征矩陣；S2、構建電影相似度矩陣；S3、用戶觀看過電影后，使用電影相識度矩陣，動態調整備選電影列表，然后使用考慮了用戶興趣的變化喜愛度算法，計算用戶對備選電影列表中電影的喜愛度，得到包含喜愛度的備選電影列表；S4、以用戶對電影的喜愛度為依據，將上次推薦電影推薦列表和包含喜愛度的備選電影列表合并更新，最終生成新的電影推薦列表，直接推給目標用戶。本發明通過改進物品相似度的計算，能夠提升ItemCF算法在實時電影推薦系統中的推薦準確度。

本發明授權一種基于ALS和協同過濾的電影實時推薦方法在權利要求書中公布了：1.一種基于ALS和協同過濾的電影實時推薦方法，其特征在于：包括: S1、獲取用戶原始評分數據，構建用戶-電影評分矩陣，通過ALS算法訓練得到電影特征矩陣和用戶特征矩陣； S2、通過用戶-電影評分矩陣和電影特征矩陣融合計算得到電影相似度，最后得到所有電影兩兩之間的相似度，構建電影相似度矩陣； S3、用戶觀看過電影后，使用電影相似度矩陣，動態調整備選電影列表，然后使用考慮了用戶興趣的變化喜愛度算法，計算用戶對備選電影列表中電影的喜愛度，得到包含喜愛度的備選電影列表； S4、以用戶對電影的喜愛度為依據，將上次推薦電影推薦列表和包含喜愛度的備選電影列表合并更新，最終生成新的電影推薦列表，直接推給目標用戶； 步驟S1利用ALS算法挖掘用戶和電影的隱性特征，采用矩陣分解來解決評分矩陣的稀疏性，把評分矩陣分解成兩個低階矩陣相乘的形式，生成用戶特征矩陣和電影特征矩陣； 步驟S1包括: S1.1：根據用戶的原始評分數據，構建用戶-電影評分矩陣A,A矩陣形狀為用戶數量乘以電影數量的共現矩陣； S1.2：隨機初始化用戶特征矩陣P與電影特征矩陣Q；其中P矩陣形狀為用戶數量*k；Q矩陣形狀為電影數量*k； 則用戶-電影評分矩陣： A＝P·QT 預測單個用戶u與單個電影i的評分公式為： S1.3：將訓練數據中用戶u對電影i的真實評分與對應的pu和qi點乘得到的值建立平方差損失函數；該損失函數的定義是讓電影向量和用戶向量的乘積和原始的評分之差的平方盡量小，以希望用戶矩陣和電影矩陣的乘積盡量接近原來的評分矩陣； 其中，ru,i表示用戶u對電影i的真實評分，表示算法預測用戶u對電影i的評分，A表示用戶-電影評分矩陣，pu表示用戶u的隱含特征因子向量，qi為電影i的隱含特征因子向量；λ表示用于防止模型的過擬合的正則化項系數； S1.4：用梯度下降優化損失函數，優化過程訓練的參數是用戶特征矩陣P和電影特征矩陣Q，即所有用戶和所有電影的隱向量；使用梯度下降的方式來迭代更新用戶和所有電影的隱向量，計算出它們的偏導，公式如下： S1.5：當損失函數誤差值下降到設定值，或達到迭代次數，輸出訓練好的用戶特征矩陣P與電影特征矩陣Q。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽師范大學，其通訊地址為：241000 安徽省蕪湖市弋江區花津南路安徽師范大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。