融合深度学习和协同滤波的个性化影视节目推荐算法

黄耀 董安明

为满足用户影视个性化点播需求，本文提出一种基于深度学习和协同滤波相融合的影视节目推荐算法，通过构建多层感知网络实现用户偏好特征和节目特征的提取，进而利用所得到的特征信息通过协同过滤分别给出用户所喜欢的同类型节目以及偏好节目的推荐。实验表明本算法所推荐的影视节目能够充分迎合用户的个性化需求。

随着移动互联网的发展，移动视频在人们日常娱乐生活中越来越普及。与此同时，影视文化产业的快速发展，影视剧数目和类型的不断推陈出新，加剧了信息过载问题，导致人们难以从海量资源中找到符合自己口味和兴趣的影视剧。个性化推荐通过大数据分析，挖掘用户的个性化影视剧观看需求，可将有价值的信息主动推荐给潜在用户，为解决此类问题提供了一种有效途径。

影视剧推荐系统近几年引起学术界的极大关注。有研究提出了一种基于情境感知的个性化影视推荐算法，通过融入情境要素对用户评分的影响，使得预测评分更加精准。还有研究把用户相似度和用户权重的思想融入经典推荐算法中，使得推荐结果更符合用户的审美口味。也有研究在电影推荐中考虑在线评论中的情感因素，提出了基于协同过滤算法的影视营销推荐算法，通过神经网络并结合扩散算法构建了用户生成推荐列表。

本文以中国网络电视台（CNTV）移动用户真实观影大数据为基础，构建了一种基于协同过滤与深度学习相结合的影视剧推荐算法。……