买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽师范大学申请的专利一种基于ALS和协同过滤的电影实时推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117150080B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311066986.8，技术领域涉及：G06F16/783；该发明授权一种基于ALS和协同过滤的电影实时推荐方法是由李金帅;许勇;李梦圆;陈功斌;马国庆设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本一种基于ALS和协同过滤的电影实时推荐方法在说明书摘要公布了：本发明公开了一种基于ALS和协同过滤的电影实时推荐方法，包括:S1、通过ALS算法训练得到电影特征矩阵和用户特征矩阵；S2、构建电影相似度矩阵；S3、用户观看过电影后，使用电影相识度矩阵，动态调整备选电影列表，然后使用考虑了用户兴趣的变化喜爱度算法，计算用户对备选电影列表中电影的喜爱度，得到包含喜爱度的备选电影列表；S4、以用户对电影的喜爱度为依据，将上次推荐电影推荐列表和包含喜爱度的备选电影列表合并更新，最终生成新的电影推荐列表，直接推给目标用户。本发明通过改进物品相似度的计算，能够提升ItemCF算法在实时电影推荐系统中的推荐准确度。

本发明授权一种基于ALS和协同过滤的电影实时推荐方法在权利要求书中公布了：1.一种基于ALS和协同过滤的电影实时推荐方法，其特征在于：包括: S1、获取用户原始评分数据，构建用户-电影评分矩阵，通过ALS算法训练得到电影特征矩阵和用户特征矩阵； S2、通过用户-电影评分矩阵和电影特征矩阵融合计算得到电影相似度，最后得到所有电影两两之间的相似度，构建电影相似度矩阵； S3、用户观看过电影后，使用电影相似度矩阵，动态调整备选电影列表，然后使用考虑了用户兴趣的变化喜爱度算法，计算用户对备选电影列表中电影的喜爱度，得到包含喜爱度的备选电影列表； S4、以用户对电影的喜爱度为依据，将上次推荐电影推荐列表和包含喜爱度的备选电影列表合并更新，最终生成新的电影推荐列表，直接推给目标用户； 步骤S1利用ALS算法挖掘用户和电影的隐性特征，采用矩阵分解来解决评分矩阵的稀疏性，把评分矩阵分解成两个低阶矩阵相乘的形式，生成用户特征矩阵和电影特征矩阵； 步骤S1包括: S1.1：根据用户的原始评分数据，构建用户-电影评分矩阵A,A矩阵形状为用户数量乘以电影数量的共现矩阵； S1.2：随机初始化用户特征矩阵P与电影特征矩阵Q；其中P矩阵形状为用户数量*k；Q矩阵形状为电影数量*k； 则用户-电影评分矩阵： A＝P·QT 预测单个用户u与单个电影i的评分公式为： S1.3：将训练数据中用户u对电影i的真实评分与对应的pu和qi点乘得到的值建立平方差损失函数；该损失函数的定义是让电影向量和用户向量的乘积和原始的评分之差的平方尽量小，以希望用户矩阵和电影矩阵的乘积尽量接近原来的评分矩阵； 其中，ru,i表示用户u对电影i的真实评分，表示算法预测用户u对电影i的评分，A表示用户-电影评分矩阵，pu表示用户u的隐含特征因子向量，qi为电影i的隐含特征因子向量；λ表示用于防止模型的过拟合的正则化项系数； S1.4：用梯度下降优化损失函数，优化过程训练的参数是用户特征矩阵P和电影特征矩阵Q，即所有用户和所有电影的隐向量；使用梯度下降的方式来迭代更新用户和所有电影的隐向量，计算出它们的偏导，公式如下： S1.5：当损失函数误差值下降到设定值，或达到迭代次数，输出训练好的用户特征矩阵P与电影特征矩阵Q。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽师范大学，其通讯地址为：241000 安徽省芜湖市弋江区花津南路安徽师范大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。