CN117290601B - 一种结合购票记录的电影推荐方法及相关系统 - Google Patents

一种结合购票记录的电影推荐方法及相关系统 Download PDF

Info

Publication number
CN117290601B
CN117290601B CN202311307378.1A CN202311307378A CN117290601B CN 117290601 B CN117290601 B CN 117290601B CN 202311307378 A CN202311307378 A CN 202311307378A CN 117290601 B CN117290601 B CN 117290601B
Authority
CN
China
Prior art keywords
film
movie
sequence
recommendation
emotion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311307378.1A
Other languages
English (en)
Other versions
CN117290601A (zh
Inventor
黄冠人
徐建炜
张庆刚
饶锦文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Ruiziyou Information Technology Co ltd
Original Assignee
Guangzhou Ruiziyou Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Ruiziyou Information Technology Co ltd filed Critical Guangzhou Ruiziyou Information Technology Co ltd
Priority to CN202311307378.1A priority Critical patent/CN117290601B/zh
Publication of CN117290601A publication Critical patent/CN117290601A/zh
Application granted granted Critical
Publication of CN117290601B publication Critical patent/CN117290601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种结合购票记录的电影推荐方法及相关系统，该方法包括：对所有的影院节点进行划分范围，获得多个预设区域；在每个影院节点中，提取出预存的上映电影表单；在每个观影需求节点中，基于上映电影表单获取每个上映电影的影片推荐度；基于区域ID分别进行统计区域影片推荐信息，最终得到每个上映电影的影片推荐度综合值，根据影片推荐度综合值构成区域影片推荐信息；对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表；本发明通过对每个预设区域，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表，提高了影院对多变市场需求的适应性。

Description

一种结合购票记录的电影推荐方法及相关系统
技术领域
本发明涉及信息推荐技术领域，尤其涉及一种结合购票记录的电影推荐方法及相关系统。
背景技术
电影推荐系统的目的是向用户推荐适合他们观看的电影，以满足他们的观影需求。然而随着用户的电影喜好复杂多变，电影推荐的复杂性和可变性也增加了，进而影响了影片排映的管理计划。一方面，电影市场是一个不断变化的市场，不同时期、不同类型的电影都可能受到不同的关注和认可；另一方面，如果当前电影推荐方法不准确，容易无法适应这种多变的市场需求，推荐结果一旦与当前的流行趋势不相符，会导致影院的放映成本极大地增加。
而如今的电影推荐方法在如何提高准确性上还存在着一定的不足。因此，为了实现全面、个性化的电影推荐，如何提高电影推荐的准确性显得尤为重要。
发明内容
为了克服现有技术存在的缺陷与不足，本发明提供了一种结合购票记录的电影推荐方法及相关系统，并提高了电影推荐的准确性，满足用户对观影的个性化需求。
为了达到上述目的，本发明采用以下技术方案：
根据本发明的一个方面，提供了一种结合购票记录的电影推荐方法，应用于影院管理平台，所述影院管理平台与电影购票平台通信连接，所述电影购票平台通信还与多个电影推荐端通信连接；
所述方法包括：对所有的影院节点进行划分范围，以任一影院节点为中心并以预设距离向外延伸形成相应的预设区域，进而获得多个预设区域，每个预设区域配置一个唯一的区域ID，以使每个影院节点对应一个区域ID；
在每个影院节点中，获取相应的影片排映表，并从影片排映表中提取出预存的上映电影表单；
在每个观影需求节点中，基于上映电影表单获取每个上映电影的影片推荐度，其中每个观影需求节点具有相应的定位信息；
基于区域ID分别进行统计区域影片推荐信息，判断观影需求节点的定位信息是否属于区域ID对应的预设区域内，若属于则根据上映电影分别累加该用户对每个上映电影的影片推荐度，若不属于则不做处理，最终得到每个上映电影的影片推荐度综合值，根据影片推荐度综合值按照从大到小的顺序排序以构成区域影片推荐信息；
对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表；
优选的，所述基于上映电影表单获取每个上映电影的影片推荐度，具体包括：
当确定为已授权认证状态时，基于用户识别码，获取相应的浏览记录、搜索记录和购票记录，
基于浏览记录、搜索记录和购票记录，确定喜好关联度系数序列，具体包括：基于浏览记录、搜索记录和购票记录，通过任意两个组合构建相应的影片匹配程度序列，进行确定喜好关联度系数序列；
基于预存的上映电影表单生成上映电影剧情评价表；
响应于用户在电影购票平台的登录页面完成认证时，基于上映电影剧情评价表和喜好关联度系数序列，生成电影推荐信息并发送至所述用户识别码对应的电影推荐端，电影推荐信息用于在加载推荐页面时进行显示；
其中所述已授权认证状态为具有访问用户使用数据的权限标识，所述用户使用数据包括已缓存在电影购票平台的浏览记录、搜索记录和购票记录，每个用户账号具有唯一的用户识别码，上映电影表单由电影名称、相应的影片主题类型、相应的预告片存储索引号进行映射。
根据本发明的另一个方面，提供了一种结合购票记录的电影推荐系统，该系统应用于影院管理平台，所述影院管理平台与电影购票平台通信连接，所述电影购票平台通信还与多个电影推荐端通信连接；
所述结合购票记录的电影推荐系统包括：
预设区域划分模块，用于对所有的影院节点进行划分范围，以任一影院节点为中心并以预设距离向外延伸形成相应的预设区域，进而获得多个预设区域，每个预设区域配置一个唯一的区域ID，以使每个影院节点对应一个区域ID；
上映电影表单提取模块，用于在每个影院节点中，获取相应的影片排映表，并从影片排映表中提取出预存的上映电影表单；
影片推荐度获取模块,用于在每个观影需求节点中，基于上映电影表单获取每个上映电影的影片推荐度，其中每个观影需求节点具有相应的定位信息；
影片推荐度统计模块,用于基于区域ID分别进行统计区域影片推荐信息，判断观影需求节点的定位信息是否属于区域ID对应的预设区域内，若属于则根据上映电影分别累加该用户对每个上映电影的影片推荐度，若不属于则不做处理，最终得到每个上映电影的影片推荐度综合值，根据影片推荐度综合值按照从大到小的顺序排序以构成区域影片推荐信息；
影片排映表更新模块,用于对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表；
所述基于上映电影表单获取每个上映电影的影片推荐度，具体包括：
当确定为已授权认证状态时，基于用户识别码，获取相应的浏览记录、搜索记录和购票记录，
基于浏览记录、搜索记录和购票记录，确定喜好关联度系数序列，具体包括：基于浏览记录、搜索记录和购票记录，通过任意两个组合构建相应的影片匹配程度序列，进行确定喜好关联度系数序列；
基于预存的上映电影表单生成上映电影剧情评价表；
响应于用户在电影购票平台的登录页面完成认证时，基于上映电影剧情评价表和喜好关联度系数序列，生成电影推荐信息并发送至所述用户识别码对应的电影推荐端，电影推荐信息用于在加载推荐页面时进行显示；
其中所述已授权认证状态为具有访问用户使用数据的权限标识，所述用户使用数据包括已缓存在电影购票平台的浏览记录、搜索记录和购票记录，每个用户账号具有唯一的用户识别码，上映电影表单由电影名称、相应的影片主题类型、相应的预告片存储索引号进行映射。
根据本发明的另一个方面，一种终端，包括：至少一个存储器和至少一个处理器；
其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行上述所述的结合购票记录的电影推荐方法。
本发明与现有技术相比，具有如下优点和有益效果：
(1)通过对确认为已授权认证状态的用户进行获取用户使用数据，以提高数据的有效性和安全性，通过三个影片匹配程度序列确定喜好关联度系数序列，引入相应的秩相关系数∈1、∈2或∈3，使得浏览记录、搜索记录、购票记录建立起内在关联，进而完成对浏览记录、搜索记录、购票记录之间建立喜好关联，以提高生成电影推荐信息时的可靠性，满足用户的个性化需求；进一步对预告片的表情特征、肢体特征、言语特征进行识别并统计出第一角色情感类型特征集、第二角色情感类型特征集以及第三角色情感类型特征集，通过融合第一相同情感信息和第二相同情感信息以得到第一剧情复杂度评价，基于三个角色情感类型特征集的转变次数获得第二剧情复杂度评价，进而生成上映电影剧情评价表，以提高生成电影推荐信息时的全面性，进而结合喜好关联度系数序列和上映电影剧情评价表生成电影推荐信息，通过这些数据产生关联以减少电影推荐信息在推荐结果上的偏差，进而提高电影推荐信息的准确性，使得推荐结果满足上映电影多样性的同时具有用户个性化。
(2)通过对影院节点形成的预设区域进行统计，根据每个观影需求节点产生的电影推荐信息进行汇总，对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表，这样使得每个影院节点的影片排映表更适合实际区域的观影需求，通过提高推荐结果的智能化程度和自适应性，以降低影院的放映成本，同时满足了用户的个性化需求，提高了影院对多变市场需求的适应性。
附图说明
图1为本发明实施例1中提供的一种结合购票记录的电影推荐方法的流程示意图；
图2为本发明实施例1中基于上映电影表单获取每个上映电影的影片推荐度的步骤示意图；
图3为本发明实施例1中基于预存的上映电影表单生成上映电影剧情评价表的流程示意图；
图4为本发明实施例2中提供的一种结合购票记录的电影推荐系统的示意框图；
图5为本发明实施例3中提供的一种终端的示意框图；
图6为本发明实施例4中提供的一种计算机设备的示意框图。
具体实施方式
在本公开的描述中，需要说明的是，下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。本公开中提及的“一个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1
如图1所示，本实施例提供了一种结合购票记录的电影推荐方法，应用于影院管理平台，以优化影片排映计划，影院管理平台与电影购票平台通信连接，电影购票平台通信还与多个电影推荐端通信连接。该方法的执行主体为影院管理平台，该影院管理平台具体为用于数据处理和分析的云服务器。电影推荐端为正在访问电影购票平台的用户终端，例如可以是正在浏览电影购票网站或电影购票小程序的首页页面，电影推荐端可以为手机、电脑或平板等终端设备。电影购票平台包括猫眼电影、淘票票、美团电影、豆瓣电影等平台。
该方法通过优化放映策略调整影片排映的场次顺序，进而降低了影片排映的成本。
在本实施例中，该方法包含步骤S1-S5，具体包括：
步骤S1：对所有的影院节点进行划分范围，以任一影院节点为中心并以预设距离向外延伸形成相应的预设区域，进而获得多个预设区域，每个预设区域配置一个唯一的区域ID，以使每个影院节点对应一个区域ID；在本实施例中，预设距离可以设置为1公里，2公里等，可以根据实际应用情况进行设置。
步骤S2：在每个影院节点中，获取相应的影片排映表，并从影片排映表中提取出预存的上映电影表单；在本实施例中，不同的影院节点具有不同的影片排映表，每个影片排映表含有多个电影名称，每个上映电影表单由电影名称、对应该电影名称的影片主题类型、对应该电影名称的预告片存储索引号作为每行数据，通过构建出上映电影表单并将其预存在数据库内以便于后续在需要时获取。
步骤S3：在每个观影需求节点中，基于上映电影表单获取每个上映电影的影片推荐度，其中每个观影需求节点具有相应的定位信息；
步骤S4：基于区域ID分别进行统计区域影片推荐信息，判断观影需求节点的定位信息是否属于区域ID对应的预设区域内，若属于则根据上映电影分别累加该用户对每个上映电影的影片推荐度，若不属于则不做处理，最终得到每个上映电影的影片推荐度综合值，根据影片推荐度综合值按照从大到小的顺序排序以构成区域影片推荐信息；
步骤S5：对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表。
具体而言，每个影片排映表根据不同的时间段具有不同的排映优先级，具体地，排映优先级包括第一级别、第二级别和第三级别，第一级别优于第二级别，第二级别优于第三级别，进而根据影片推荐度综合值的排序号的排序情况进行匹配相应的排映优先级。
示例性的，若区域影片推荐信息中排序为前三则匹配第一级别，若区域影片推荐信息排序为第四至第六则匹配第二级别，其余排序靠后的则匹配第三级别。示例性的，若区域影片推荐信息中排序为前33％则匹配第一级别，若区域影片推荐信息排序为前33％至66％则匹配第二级别，其余排序靠后的则匹配第三级别。
实际应用时，通过对预设区域内的需求节点进行统计，影院节点根据用户需求进行更新影片排映表，即根据区域内的观影需求来调整影片排映表，使得影片排映表更适合影院节点的放映需求，提高了影院节点对附近观影需求个性化需求的服务供给能力。
在本实施例中，基于排映优先级，每个影院节点的影片排映表对上映电影的场次计划不同，以满足所在区域的观影需求。示例性的，第一级别对应每天的晚间时段，第二级别对应节假日或周末的午间时段，第三级别对应每天的深夜时段或工作日的午间时段，其中，午间时段为上午9点至下午15点，晚间时段为下午16点至晚上21点，深夜时段为晚上22点至24点。
结合图2所示，在本实施例中，基于上映电影表单获取每个上映电影的影片推荐度，包含步骤S31-S34，具体包括：
步骤S31：当确定为已授权认证状态时，基于用户识别码，获取相应的浏览记录、搜索记录和购票记录；在本实施例中，执行主体在执行本实施例的方法时为已授权认证状态，该已授权认证状态为具有访问用户使用数据的权限标识，其中用户使用数据包括已缓存在电影购票平台的浏览记录、搜索记录和购票记录；每个用户账号具有唯一的用户识别码，根据不同的用户识别码来区分不同的用户，不同的电影推荐端可以登录同一个用户账号，每个用户识别码对应着授权情况，包括已授权认证状态和未授权认证状态，即当为已授权认证状态时则允许获取当前该用户的浏览记录、搜索记录和购票记录，当为未授权认证状态时则不允许获取当前该用户的浏览记录、搜索记录和购票记录，且授权情况为用户进行设置修改。电影购票平台用于存储每位用户的浏览记录、搜索记录和购票记录，通过影院管理平台与电影购票平台的通信连接使得影院管理平台获取到相应的浏览记录、搜索记录和购票记录。
需要说明的是，通过确认为已授权认证状态，使用户使用数据更具安全性。
步骤S32：基于浏览记录、搜索记录和购票记录，确定喜好关联度系数序列；具体为：基于浏览记录、搜索记录和购票记录，通过任意两个组合构建相应的影片匹配程度序列，进行确定喜好关联度系数序列。在本实施例中，根据搜索记录中的电影名称进行构建第一影片主题类型集合。具体地，在每次搜索记录中，当用户在搜索栏输入电影名称时，此时则开始获得搜索记录，通过利用预存的影片类型表进行匹配相应的影片主题类型，进而在第一预设时间段内构成第一影片主题类型集合；其中第一预设时间段可以设置为超过1个月且不超过12个月的数值，例如1个月、3个月、6个月、12个月、12个月等，考虑到用户可能会改变喜好，因此对浏览记录、搜索记录和购票记录的使用进行限制，以避免过久的历史数据影响后续推荐的准确性。
在本实施例中，根据浏览记录中的电影名称进行构建第二影片主题类型集合。具体地，在每次浏览记录中，当用户点击与电影名称对应的预告片进行观看时，此时则开始获得浏览记录，通过利用预存的影片类型表进行匹配相应的影片主题类型，进而在第一预设时间段内构成第二影片主题类型集合；
在本实施例中，根据购票记录中的电影名称进行构建第三影片主题类型集合。具体地，在每次购票记录中，当用户购买了电影票时，此时则开始获得购票记录，从电影票中获取电影名称，通过利用预存的影片类型表进行匹配相应的影片主题类型，进而在第一预设时间段内构成第三影片主题类型集合。
还需要说明的是，第一影片主题类型集合、第二影片主题类型集合和第三影片主题类型集合具有相同的数据结构，即由记录时间、电影名称以及影片主题类型形成对应的列表集合。实际应用时，喜好关联度系数序列与三个影片匹配程度序列有关，第一影片匹配程度序列用于表示第一影片主题类型集合与第二影片主题类型集合中存在相同影片主题类型的数量占比，第二影片匹配程度序列用于表示第一影片主题类型集合与第三影片主题类型集合中存在相同影片主题类型的数量占比，第三影片匹配程度序列用于表示第二影片主题类型集合与第三影片主题类型集合中存在相同影片主题类型的数量占比。具体地，以第一影片匹配程度序列W1为例，表示为：
其中ω1,1为第一影片匹配程度序列中的第1个影片主题类型对应的重叠相关系数，p表示影片主题类型的总数量，ω1,p为第一影片匹配程度序列中的第p个影片主题类型对应的重叠相关系数，ω1,i为第一影片匹配程度序列中的第i个影片主题类型对应的重叠相关系数，σ1,i为第一影片主题类型集合与第二影片主题类型集合中存在相同第i个影片主题类型的重叠数量，max(C1,i,C2,i,1)表示第一影片主题类型集合与第二影片主题类型集合中属于第i个影片主题类型的数量的最大值，max()用于取元素中的最大值，设置常数1为用于避免无指定影片主题类型时分母为0的情况，C1,i表示第一影片主题类型集合中属于第i个影片主题类型的数量，C2,i表示第二影片主题类型集合中属于第i个影片主题类型的数量,∈1表示第一影片主题类型集合与第二影片主题类型集合的秩相关系数，D1,i表示关于∈1秩相关的第i对数量差，d1,i通过以下方式得到：将第一影片主题类型集合与第二影片主题类型集合基于影片主题类型进行关联时，按第一影片主题类型集合中影片主题类型的数量的升序进行重排后，对应第i对关联数据之间的数量差。
示例性的，以影片主题类型的总数量为4个的情况进行说明，按照[喜剧片类型，恐怖片类型，动作片类型，科幻片类型]的顺序，第一影片主题类型集合对应的数量为[10，8，5，12]，第二影片主题类型集合对应的数量为[8，8，6，11]，将第一影片主题类型集合与第二影片主题类型集合基于影片主题类型进行关联时，按第一影片主题类型集合中影片主题类型的数量的升序进行重排后，即排序后的数据为按照[动作片类型，恐怖片类型，喜剧片类型，科幻片类型]的顺序，从而对应第一影片主题类型集合的关联数据为[5，8，10，12]，对应第二影片主题类型集合的关联数据为[6，8，8，11]，此时p＝4，D1,1 2＝(5-6)2＝1，D1,2 2＝(8-8)2＝0，D1,3 2＝(10-8)2＝4，D1,4 2＝(12-11)2＝1，∈1＝0.4。此时影片主题类型为喜剧片类型时，第一影片主题类型集合存在10个，第二影片主题类型集合存在8个，则喜剧片类型的重叠数量为8个。依次类推进行分析所有的影片主题类型以得到第一影片匹配程度序列W1。
相应的，第二影片匹配程度序列W2表示为：
其中ω2,1为第二影片匹配程度序列中的第1个影片主题类型对应的重叠相关系数，p表示影片主题类型的总数量，ω2,p为第二影片匹配程度序列中的第p个影片主题类型对应的重叠相关系数，ω2,i为第二影片匹配程度序列中的第i个影片主题类型对应的重叠相关系数，σ2,i为第一影片主题类型集合与第三影片主题类型集合中存在相同第i个影片主题类型的重叠数量，max(C1,i,C3,i,1)表示第一影片主题类型集合与第三影片主题类型集合中属于第i个影片主题类型的数量的最大值，∈2表示第一影片主题类型集合与第三影片主题类型集合的秩相关系数，D2,i表示关于∈2秩相关的第i对数量差，D2,i通过以下方式得到：将第一影片主题类型集合与第三影片主题类型集合基于影片主题类型进行关联时，按第一影片主题类型集合中影片主题类型的数量的升序进行重排后，对应第i对关联数据之间的数量差；
相应的，第三影片匹配程度序列W3表示为：
其中ω3,1为第三影片匹配程度序列中的第1个影片主题类型对应的重叠相关系数，p表示影片主题类型的总数量，ω3,p为第三影片匹配程度序列中的第p个影片主题类型对应的重叠相关系数，ω3,i为第三影片匹配程度序列中的第i个影片主题类型对应的重叠相关系数，σ3,i为第二影片主题类型集合与第三影片主题类型集合中存在相同第i个影片主题类型的重叠数量，max(C2,i,C3,i,1)表示第二影片主题类型集合与第三影片主题类型集合中属于第i个影片主题类型的数量的最大值，∈3表示第二影片主题类型集合与第三影片主题类型集合的秩相关系数，D3,i表示关于∈3秩相关的第i对数量差，D3,i通过以下方式得到：将第二影片主题类型集合与第三影片主题类型集合基于影片主题类型进行关联时，按第二影片主题类型集合中影片主题类型的数量的升序进行重排后，对应第i对关联数据之间的数量差。
在本实施例中，将∈1、∈2或∈3的绝对值与预存的spearman相关系数统计表中的临界值进行比较。以∈1为例，如果|∈1|大于该临界值，则表明变化趋势有显著意义，如果|∈1|小于该临界值，则表明变化趋势没有显著意义；如果∈1为正则表明有上升趋势；如果∈1为负值则表明有下降趋势。
实际应用时，第一影片匹配程度序列、第二影片匹配程度序列以及第三影片匹配程度序列，通过引入相应的秩相关系数∈1、∈2或∈3，使得浏览记录、搜索记录、购票记录建立起内在关联，以提高后续喜好关联度系数的准确性，从而提高最终生成电影推荐信息具有更高的个性化程度和准确性。
在本实施例中，基于第一影片匹配程度序列、第二影片匹配程度序列以及第三影片匹配程度序列进行构造喜好关联度系数序列U，具体的，喜好关联度系数序列U采用以下方式得到：
up表示第p个影片主题类型对应的喜好关联度系数，ui表示第i个影片主题类型对应的喜好关联度系数，p表示影片主题类型的总数量，i和p均为正整数。
实际应用时，通过对每种影片主题类型进行分析喜好关联度系数，进而用户在第一预设时间段内对影片主题类型的喜好情况能够以一种量化的形式进行表示，以更精细地提高对电影推荐的效果。
步骤S33：基于预存的上映电影表单生成上映电影剧情评价表；在本实施例中，上映电影表单为包含当前所有的已上映电影的表单，上映电影表单由电影名称、相应的影片主题类型、相应的预告片存储索引号进行映射，且已上映电影在电影购票平台中可进行购票。
结合图3所示，在基于预存的上映电影表单生成上映电影剧情评价表的步骤，对每个电影名称所对应的预告片存储索引号进行以下处理：
步骤S331：根据预告片存储索引号进行查询指定预告片对应的音频帧序列和视频帧序列；在本实施例中，每个预告片对应的音频帧序列和视频帧序列都预存在数据库中，进而能够根据预告片存储索引号找到相应的音频帧序列和视频帧序列。
步骤S332：基于视频帧序列的表情特征进行统计第一角色情感类型特征集；具体地，依次对视频帧序列采用深度学习识别角色的表情特征，通过识别角色和表情特征以确定出相应的情感类型，按角色序号、情感类型、帧序号进行汇总以统计得到第一角色情感类型特征集。实际应用时，其中不同的角色具有唯一不同的角色序号，每组表情特征对应一种情感类型，情感类型例如为快乐、伤心、愤怒、惊讶、无情绪。示例性的，针对快乐的情感类型，表情特征包括：眼睛出现眉毛无下垂、闪闪发光或目光明亮有神的情况，嘴巴出现张开、笑肌抬高、嘴角上扬或笑声咯咯的情况，脸颊上扬、鼻梁上扬或嘴唇闭合时微微上扬的情况。针对伤心的情感类型，表情特征包括：眉毛出现眉毛收紧或眉心皱起的情况，眼睛出现湿润或眼神失落的情况，嘴巴出现微微张开或者向下垂的情况，脸颊上的肌肉出现向下垂的情况。针对愤怒的情感类型，表情特征包括：眼睛出现瞪大情况，眼神出现锐利情况，眉毛出现蹙起情况，眉心出现皱紧情况，嘴巴出现紧闭或出现咬紧牙关情况，脸颊和额头上的肌肉出现收紧情况，鼻子出现挺直情况。针对惊讶的情感类型，表情特征包括：眼睛出现睁大情况，眉毛出现上扬情况，眼睛下方的皮肤出现起皱情况，嘴巴相应地出现张开或出现短暂的吸气动作情况，脸颊上的肌肉出现收紧情况，鼻子出现挺直情况。还需说明的是，在识别表情特征以确定出相应的情感类型时，本领域技术人员可以结合其中任意多种面部情况组合进行识别，在此不做限制。
步骤S333：基于视频帧序列的肢体特征进行统计第二角色情感类型特征集；具体地，依次对视频帧序列采用深度学习识别角色的肢体特征，通过识别角色和肢体特征以确定出相应的情感类型，按角色序号、情感类型、帧序号进行汇总以统计得到第二角色情感类型特征集。实际应用时，其中不同的角色具有唯一不同的角色序号，每组肢体特征对应一种情感类型，情感类型例如为快乐、伤心、愤怒、惊讶和无情绪。示例性的，针对快乐的情感类型，肢体特征包括：开放类姿势，比如背脊挺直、双臂张开、双手放胸前、步伐轻快、跳跃、欢呼、身体向前倾斜。针对伤心的情感类型，肢体特征包括：第一保护类姿势，比如双臂抱紧、双手放在大腿上，步伐缓慢沉重、身体向后倾斜。针对愤怒的情感类型，肢体特征包括：进攻类姿势，比如用手指指着对方、握紧拳头、步伐快速。针对惊讶的情感类型，肢体特征包括：第二保护类姿势，比如双手抬起、双手交叉放在胸前、步伐短暂、身体向后倾斜。还需说明的是，在识别肢体特征以确定出相应的情感类型时，本领域技术人员可以结合其中任意多种姿势情况的组合进行识别，在此不做限制。
步骤S334：基于音频帧序列的言语特征进行统计第三角色情感类型特征集；具体地，依次对音频帧序列采用深度学习识别角色的言语特征，通过识别角色和对话特征以确定出相应的情感类型，按角色序号、情感类型、帧序号进行汇总以统计得到第三角色情感类型特征集。实际应用时，其中不同的角色具有唯一不同的角色序号，每组言语特征对应一种情感类型，情感类型例如为快乐、伤心、愤怒、惊讶、无情绪。示例性的，针对快乐的情感类型，言语特征包括：语调欢快，声音明亮有活力，语速快速且流畅，表达顺畅、无任何停顿或犹豫，语气积极。针对伤心的情感类型，言语特征包括：音调缓慢而沉重、声音暗淡而无力、语速缓慢拖沓、表达沉重迟缓、语气消极。针对愤怒的情感类型，言语特征包括：音调高亢尖锐，声音有力而紧张，语速快速而急促，语气强烈。针对惊讶的情感类型，言语特征包括：音调高而尖锐，声音紧张，语速短暂而突然，表达出现结巴或停顿，语气惊讶。
步骤S335：基于角色序号进行统计第一相同情感信息和第二相同情感信息，融合第一相同情感信息和第二相同情感信息得到第一剧情复杂度评价，其中第一相同情感信息用于表示所有角色序号的表情特征和肢体特征相符合的情况，第二相同情感信息用于表示所有角色序号的表情特征和言语特征相符合的情况；
实际应用时，第一角色情感类型特征集、第二角色情感类型特征集和第三角色情感类型特征集中的帧序号保持一致，以使得同一个帧序号对应相同的时间戳。其中第一相同情感信息R表示为：
R＝{r1,r2,…,rq}
r1表示第1个角色序号在第一角色情感类型特征集和第二角色情感类型特征集中基于相同帧序号出现相同情感类型的数量，q表示角色数量且为正整数；示例性的，以[角色序号，情感类型，帧序号]为单个数据为例，在第一角色情感类型特征集中对第5个角色序号有：{[5,“快乐”,1],[5,“快乐”,2]，[5,“惊讶”,3]，[5,“快乐”,4]}，在第二角色情感类型特征集中对第5个角色序号有：{[5,“快乐”,1],[5,“惊讶”,2]，[5,“惊讶”,3]，[5,“快乐”,4]}，此时帧序号1、帧序号3和帧序号4出现了相同情感类型，则r5＝3，代表了第5个角色序号在第一角色情感类型特征集和第二角色情感类型特征集中基于相同帧序号出现相同情感类型的数量为3。依次类推，按照帧序号的顺序依次对第一角色情感类型特征集和第二角色情感类型特征集进行判断每个角色序号的情感类型相同时的数量，即得到完整的第一相同情感信息R。
相应的，第二相同情感信息S表示为：
S＝{s1,s2,…,sq}
s1表示第1个角色序号在第一角色情感类型特征集和第三角色情感类型特征集中基于相同帧序号出现相同情感类型的数量，q表示角色数量且为正整数；示例性的，以[角色序号，情感类型，帧序号]为单个数据为例，在第一角色情感类型特征集中对第5个角色序号有：{[5,“快乐”,1],[5,“快乐”,2]，[5,“惊讶”,3]，[5,“快乐”,4]}，在第三角色情感类型特征集中对第5个角色序号有：{[5,“惊讶”,1],[5,“惊讶”,2]，[5,“惊讶”,3]，[5,“快乐”,4]}，此时帧序号3和帧序号4出现了相同情感类型，则r5＝2，代表了第5个角色序号在第一角色情感类型特征集和第三角色情感类型特征集中基于相同帧序号出现相同情感类型的数量为2。依次类推，按照帧序号的顺序依次对第一角色情感类型特征集和第三角色情感类型特征集进行判断每个角色序号的情感类型相同时的数量，即得到完整的第二相同情感信息S。
在本实施例中，融合第一相同情感信息和第二相同情感信息得到第一剧情复杂度评价，具体为：
score1＝ρ1*R+ρ2*S＝ρ1*(r1+r2+…+rq)+ρ2*(s1+s2+…+sq)
其中score1表示第一剧情复杂度评价，通过分别对第一相同情感信息和第二相同情感信息中的所有成员元素进行加权求和得到，ρ1为关于第一相同情感信息的权重值，ρ2为关于第二相同情感信息的权重值，ρ1+ρ2＝1且ρ1<ρ2。示例性的，ρ1可以设置为0.2，0.3或0.4等，相应的，ρ2则设置为0.8，0.7或0.6等。
步骤S336：基于第一角色情感类型特征集至第三角色情感类型特征集的转变次数和进行平方求和然后开根取均值，以获得第二剧情复杂度评价，从而分析出情感复杂情况；具体地，第一角色情感类型特征集的转变次数和A为对第一角色情感类型特征集进行累计所有角色序号的情感类型转变次数，即：A＝a1+a2+…+aq，aq为第一角色情感类型特征集中第q个角色序号的情感类型转变次数。第二角色情感类型特征集的转变次数和B为对第二角色情感类型特征集进行累计所有角色序号的情感类型转变次数，即：B＝b1+b2+…+bq，bq为第二角色情感类型特征集中第q个角色序号的情感类型转变次数。第三角色情感类型特征集的转变次数和C为对第二角色情感类型特征集进行累计所有角色序号的情感类型转变次数，即：C＝c1+c2+…+cq，cq为第三角色情感类型特征集中第q个角色序号的情感类型转变次数。第二剧情复杂度评价score2为：
其中score2表示第二剧情复杂度评价。
示例性的，以第一角色情感类型特征集的第5个角色序号为例，{[5,“快乐”,1],[5,“快乐”,2]，[5,“惊讶”,3]，[5,“无情绪”,4]，[5,“惊讶”,5]，[5,“惊讶”,6]，[5,“无情绪”,7]，[5,“悲伤”,8]}，其中“无情绪”视为与上一个相邻的情感类型相同，此时在帧序号2和帧序号3之间出现了1次情感类型的转变，帧序号3至帧序号7无转变，帧序号7和帧序号8出现了1次转变，则a5＝2。依次类推，按照帧序号的顺序依次分别对第一角色情感类型特征集、第二角色情感类型特征集、第三角色情感类型特征集进行判断每个角色序号的情感类型的转变次数，即得到相应的角色情感类型特征集的转变次数和。
步骤S337：基于第一剧情复杂度评价和第二剧情复杂度评价，确定电影剧情评价，根据电影名称和相应电影剧情评价的对应关系，生成上映电影剧情评价表；具体地，电影剧情评价为电影剧情坐标点相对于原点的距离值，即：
其中电影剧情坐标点为以第一剧情复杂度评价score1作为横坐标，以第二剧情复杂度评价score2作为纵坐标进行建立得到。
在本实施例中，在对视频帧序列或音频帧序列处理前，还包括：基于预设抽样帧数进行筛选，以减少处理量，提高处理效率。以视频帧为例，例如一般视频帧序列的帧率在每秒30到60帧之间，设置预设抽样帧数为5个，即每5帧数提取一帧以节省大量的计算资源。
步骤S34：响应于用户在电影购票平台的登录页面完成认证时，基于上映电影剧情评价表和喜好关联度系数序列，生成电影推荐信息并发送至用户识别码对应的电影推荐端，电影推荐信息用于在加载推荐页面时进行显示。
在本实施例中，推荐页面为电影推荐端登录后进行推荐展示的页面，例如可以为首页或是需要跳转的专门推荐页面。电影推荐信息由每个上映电影的影片推荐度按照从大到小的顺序进行排序得到。以任意一个上映电影的影片推荐度θ为例，具体采用以下方式计算：
θ＝(1+α)*uj*ln|τ|
α表示上映电影的热度影响因子，且上映电影的热度影响因子为上映电影在第二预设时间段内已购票数量与想看点击数量的比值，uj表示上映电影对应的第j个影片主题类型的喜好关联度系数，ln|τ|表示上映电影的剧情评价因子，|τ|表示电影剧情评价，1≤j≤p，j为正整数；其中上映电影的影片推荐度θ分别与α、uj、τ具有正相关关系，不同的上映电影根据实际计算得到不同的α、uj、τ，每个上映电影的已购票数量和想看点击数量均为电影购票平台进行统计得到，已购票数量对应用户已购买指定上映电影票的数量，想看点击数量为在上映电影上映前用户在包含预告片的页面里点击指定区域的统计值，每个用户账号只允许点击一次。
在本实施例中，第二预设时间段为基于上映电影的已上映天数进行设置，例如某部上映电影上映时间为21天，若当天处于上映第3天，那么已上映2天，则可以设置第二预设时间段为2，若当天处于上映第15天，已上映14天，则可以设置第二预设时间段为14。第二预设时间段还可以根据上映电影的预计上映天数与已上映天数的关系进行分阶设置，例如预计上映21天，若已上映天数不足7天，则设置为5，若已上映天数超过15天，则设置为10，可根据实际情况进行调整。
实际应用时，通过对每个上映电影的影片推荐度进行排序使得电影推荐端提供给用户的推荐电影的效果更具个性化，提高了电影推荐效果的精确度，通过提高用户对推荐电影的兴趣，进而提升用户对上映电影的购票意愿。
实施例2
如图4所示，本实施例2提供了一种结合购票记录的电影推荐系统，该系统与上述实施例1提供的结合购票记录的电影推荐方法相对应。该系统应用于影院管理平台，影院管理平台与电影购票平台通信连接，电影购票平台通信还与多个电影推荐端通信连接；
该结合购票记录的电影推荐系统包括：预设区域划分模块，用于对所有的影院节点进行划分范围，以任一影院节点为中心并以预设距离向外延伸形成相应的预设区域，进而获得多个预设区域，每个预设区域配置一个唯一的区域ID，以使每个影院节点对应一个区域ID；
上映电影表单提取模块，用于在每个影院节点中，获取相应的影片排映表，并从影片排映表中提取出预存的上映电影表单；
影片推荐度获取模块,用于在每个观影需求节点中，基于上映电影表单获取每个上映电影的影片推荐度，其中每个观影需求节点具有相应的定位信息；
影片推荐度统计模块,用于基于区域ID分别进行统计区域影片推荐信息，判断观影需求节点的定位信息是否属于区域ID对应的预设区域内，若属于则根据上映电影分别累加该用户对每个上映电影的影片推荐度，若不属于则不做处理，最终得到每个上映电影的影片推荐度综合值，根据影片推荐度综合值按照从大到小的顺序排序以构成区域影片推荐信息；
影片排映表更新模块,用于对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表；
基于上映电影表单获取每个上映电影的影片推荐度，具体包括：
当确定为已授权认证状态时，基于用户识别码，获取相应的浏览记录、搜索记录和购票记录，
基于浏览记录、搜索记录和购票记录，确定喜好关联度系数序列，具体包括：基于浏览记录、搜索记录和购票记录，通过任意两个组合构建相应的影片匹配程度序列，进行确定喜好关联度系数序列；
基于预存的上映电影表单生成上映电影剧情评价表；
响应于用户在电影购票平台的登录页面完成认证时，基于上映电影剧情评价表和喜好关联度系数序列，生成电影推荐信息并发送至用户识别码对应的电影推荐端，电影推荐信息用于在加载推荐页面时进行显示；
其中已授权认证状态为具有访问用户使用数据的权限标识，用户使用数据包括已缓存在电影购票平台的浏览记录、搜索记录和购票记录，每个用户账号具有唯一的用户识别码，上映电影表单由电影名称、相应的影片主题类型、相应的预告片存储索引号进行映射。
实施例3
如图5所示，本实施例提供了一种终端，包括：至少一个存储器和至少一个处理器；其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行上述实施例中的任一种结合购票记录的电影推荐方法。
实施例4
本实施例提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库为物理层用于存储各种数据库。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种结合购票记录的电影推荐方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
实施例5
本实施例提供了一种存储介质，该存储介质用于存储程序代码，所述程序代码用于执行上述的结合购票记录的电影推荐方法。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种结合购票记录的电影推荐方法，其特征在于，应用于影院管理平台，所述影院管理平台与电影购票平台通信连接，所述电影购票平台通信还与多个电影推荐端通信连接；
所述方法包括：
对所有的影院节点进行划分范围，以任一影院节点为中心并以预设距离向外延伸形成相应的预设区域，进而获得多个预设区域，每个预设区域配置一个唯一的区域ID，以使每个影院节点对应一个区域ID；
在每个影院节点中，获取相应的影片排映表，并从影片排映表中提取出预存的上映电影表单；
在每个观影需求节点中，基于上映电影表单获取每个上映电影的影片推荐度，其中每个观影需求节点具有相应的定位信息；
基于区域ID分别进行统计区域影片推荐信息，判断观影需求节点的定位信息是否属于区域ID对应的预设区域内，若属于则根据上映电影分别累加该用户对每个上映电影的影片推荐度，若不属于则不做处理，最终得到每个上映电影的影片推荐度综合值，根据影片推荐度综合值按照从大到小的顺序排序以构成区域影片推荐信息；
对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表；
所述基于上映电影表单获取每个上映电影的影片推荐度，具体包括：
当确定为已授权认证状态时，基于用户识别码，获取相应的浏览记录、搜索记录和购票记录，
基于浏览记录、搜索记录和购票记录，确定喜好关联度系数序列，具体包括：基于浏览记录、搜索记录和购票记录，通过任意两个组合构建相应的影片匹配程度序列，进行确定喜好关联度系数序列；
基于预存的上映电影表单生成上映电影剧情评价表；
响应于用户在电影购票平台的登录页面完成认证时，基于上映电影剧情评价表和喜好关联度系数序列，生成电影推荐信息并发送至所述用户识别码对应的电影推荐端，电影推荐信息用于在加载推荐页面时进行显示；
其中所述已授权认证状态为具有访问用户使用数据的权限标识，所述用户使用数据包括已缓存在电影购票平台的浏览记录、搜索记录和购票记录，每个用户账号具有唯一的用户识别码，上映电影表单由电影名称、相应的影片主题类型、相应的预告片存储索引号进行映射。
2.如权利要求1所述的方法，其特征在于，在基于浏览记录、搜索记录和购票记录，通过任意两个组合构建相应的影片匹配程度序列，进行确定喜好关联度系数序列中，包括：
根据搜索记录中的电影名称进行构建第一影片主题类型集合；
根据浏览记录中的电影名称进行构建第二影片主题类型集合；
根据购票记录中的电影名称进行构建第三影片主题类型集合；
基于第一影片匹配程度序列、第二影片匹配程度序列以及第三影片匹配程度序列进行构造喜好关联度系数序列；
其中所述第一影片主题类型集合、所述第二影片主题类型集合和所述第三影片主题类型集合具有相同的数据结构，即由记录时间、电影名称以及影片主题类型形成对应的列表集合，所述第一影片匹配程度序列用于表示第一影片主题类型集合与第二影片主题类型集合中存在相同影片主题类型的数量占比，所述第二影片匹配程度序列用于表示第一影片主题类型集合与第三影片主题类型集合中存在相同影片主题类型的数量占比，所述第三影片匹配程度序列用于表示第二影片主题类型集合与第三影片主题类型集合中存在相同影片主题类型的数量占比。
3.如权利要求2所述的方法，其特征在于，喜好关联度系数序列采用以下方式得到：
;
表示第/>个影片主题类型对应的喜好关联度系数，/>表示第/>个影片主题类型对应的喜好关联度系数，/>表示影片主题类型的总数量，/>和/>均为正整数；
所述第一影片匹配程度序列表示为：
;
其中为第一影片匹配程度序列中的第1个影片主题类型对应的重叠相关系数，/>表示影片主题类型的总数量，/>为第一影片匹配程度序列中的第/>个影片主题类型对应的重叠相关系数，/>为第一影片匹配程度序列中的第/>个影片主题类型对应的重叠相关系数，/>为第一影片主题类型集合与第二影片主题类型集合中存在相同第/>个影片主题类型的重叠数量，/>表示第一影片主题类型集合与第二影片主题类型集合中属于第/>个影片主题类型的数量的最大值，/>用于取元素中的最大值，设置常数1为用于避免无指定影片主题类型时分母为0的情况，/>表示第一影片主题类型集合中属于第/>个影片主题类型的数量，/>表示第二影片主题类型集合中属于第/>个影片主题类型的数量，/>表示第一影片主题类型集合与第二影片主题类型集合的秩相关系数，/>表示关于/>秩相关的第/>对数量差；
所述第二影片匹配程度序列表示为：
;
其中为第二影片匹配程度序列中的第1个影片主题类型对应的重叠相关系数，/>表示影片主题类型的总数量，/>为第二影片匹配程度序列中的第/>个影片主题类型对应的重叠相关系数，/>为第二影片匹配程度序列中的第/>个影片主题类型对应的重叠相关系数，/>为第一影片主题类型集合与第三影片主题类型集合中存在相同第/>个影片主题类型的重叠数量，/>表示第一影片主题类型集合与第三影片主题类型集合中属于第/>个影片主题类型的数量的最大值，/>表示第一影片主题类型集合与第三影片主题类型集合的秩相关系数，/>表示关于/>秩相关的第/>对数量差；
所述第三影片匹配程度序列表示为：
；
其中为第三影片匹配程度序列中的第1个影片主题类型对应的重叠相关系数，/>表示影片主题类型的总数量，/>为第三影片匹配程度序列中的第/>个影片主题类型对应的重叠相关系数，/>为第三影片匹配程度序列中的第/>个影片主题类型对应的重叠相关系数，/>为第二影片主题类型集合与第三影片主题类型集合中存在相同第/>个影片主题类型的重叠数量，/>表示第二影片主题类型集合与第三影片主题类型集合中属于第/>个影片主题类型的数量的最大值，/>表示第二影片主题类型集合与第三影片主题类型集合的秩相关系数，/>表示关于/>秩相关的第/>对数量差。
4.如权利要求3所述的方法，其特征在于，在基于预存的上映电影表单生成上映电影剧情评价表的步骤，对每个电影名称所对应的预告片存储索引号进行以下处理：
根据预告片存储索引号进行查询指定预告片对应的音频帧序列和视频帧序列；
基于视频帧序列的表情特征进行统计第一角色情感类型特征集；
基于视频帧序列的肢体特征进行统计第二角色情感类型特征集；
基于音频帧序列的言语特征进行统计第三角色情感类型特征集；
基于角色序号进行统计第一相同情感信息和第二相同情感信息，融合第一相同情感信息和第二相同情感信息得到第一剧情复杂度评价；
基于第一角色情感类型特征集至第三角色情感类型特征集的转变次数和进行平方求和然后开根取均值，以获得第二剧情复杂度评价；
基于第一剧情复杂度评价和第二剧情复杂度评价，确定电影剧情评价，根据电影名称和相应电影剧情评价的对应关系，生成上映电影剧情评价表；
其中，所述第一相同情感信息用于表示所有角色序号的表情特征和肢体特征相符合的情况，所述第二相同情感信息用于表示所有角色序号的表情特征和言语特征相符合的情况。
5.如权利要求4所述的方法，其特征在于，所述第一角色情感类型特征集为依次对视频帧序列采用深度学习识别角色的表情特征，通过识别角色和表情特征以确定出相应的情感类型，按角色序号、情感类型、帧序号进行汇总以统计得到；
所述第二角色情感类型特征集为依次对视频帧序列采用深度学习识别角色的肢体特征，通过识别角色和肢体特征以确定出相应的情感类型，按角色序号、情感类型、帧序号进行汇总以统计得到；
所述第三角色情感类型特征集为依次对音频帧序列采用深度学习识别角色的言语特征，通过识别角色和对话特征以确定出相应的情感类型，按角色序号、情感类型、帧序号进行汇总以统计得到；
所述第一角色情感类型特征集、所述第二角色情感类型特征集和所述第三角色情感类型特征集中的帧序号保持一致，以使得同一个帧序号对应相同的时间戳。
6.如权利要求5所述的方法，其特征在于，在融合第一相同情感信息和第二相同情感信息得到第一剧情复杂度评价中，具体为：
；
其中表示第一剧情复杂度评价，通过分别对第一相同情感信息和第二相同情感信息中的所有成员元素进行加权求和得到，/>为关于第一相同情感信息的权重值，/>为关于第二相同情感信息的权重值，/>且/>；
第一相同情感信息表示为：
；
表示第1个角色序号在第一角色情感类型特征集和第二角色情感类型特征集中基于相同帧序号出现相同情感类型的数量，/>表示角色数量且为正整数；
第二相同情感信息表示为：
；
表示第1个角色序号在第一角色情感类型特征集和第三角色情感类型特征集中基于相同帧序号出现相同情感类型的数量，/>表示角色数量且为正整数；
在基于第一角色情感类型特征集至第三角色情感类型特征集的转变次数和进行平方求和然后开根取均值，以获得第二剧情复杂度评价的步骤中，第一角色情感类型特征集的转变次数和为对第一角色情感类型特征集进行累计所有角色序号的情感类型转变次数，即：/>，/>为第一角色情感类型特征集中第/>个角色序号的情感类型转变次数；
第二角色情感类型特征集的转变次数和为对第二角色情感类型特征集进行累计所有角色序号的情感类型转变次数，即：/>，/>为第二角色情感类型特征集中第/>个角色序号的情感类型转变次数；
第三角色情感类型特征集的转变次数和为对第二角色情感类型特征集进行累计所有角色序号的情感类型转变次数，即：/>，/>为第三角色情感类型特征集中第/>个角色序号的情感类型转变次数；
所述第二剧情复杂度评价采用以下方式计算：
；
其中表示第二剧情复杂度评价；
所述电影剧情评价为电影剧情坐标点相对于原点的距离值，即：
；
其中电影剧情坐标点为以第一剧情复杂度评价作为横坐标，以第二剧情复杂度评价/>作为纵坐标进行建立得到。
7.如权利要求6所述的方法，其特征在于，在响应于用户在电影购票平台的登录页面完成认证时，基于上映电影剧情评价表和喜好关联度系数序列，生成电影推荐信息并发送至所述用户识别码对应电影推荐端的步骤中：
所述电影推荐信息由每个上映电影的影片推荐度按照从大到小的顺序进行排序得到，对任意一个上映电影的影片推荐度，具体采用以下方式计算：
；
表示上映电影的热度影响因子，且上映电影的热度影响因子为上映电影在第二预设时间段内已购票数量与想看点击数量的比值，/>表示上映电影对应的第/>个影片主题类型的喜好关联度系数，/>表示上映电影的剧情评价因子，/>表示电影剧情评价，/>，为正整数；
其中上映电影的影片推荐度分别与/>、/>、/>具有正相关关系，每个上映电影的已购票数量和想看点击数量均为电影购票平台进行统计得到，已购票数量对应用户已购买指定上映电影票的数量，想看点击数量为在上映电影上映前用户在包含预告片的页面里点击指定区域的统计值。
8.一种结合购票记录的电影推荐系统，其特征在于，应用于影院管理平台，所述影院管理平台与电影购票平台通信连接，所述电影购票平台通信还与多个电影推荐端通信连接；
所述结合购票记录的电影推荐系统包括：
预设区域划分模块，用于对所有的影院节点进行划分范围，以任一影院节点为中心并以预设距离向外延伸形成相应的预设区域，进而获得多个预设区域，每个预设区域配置一个唯一的区域ID，以使每个影院节点对应一个区域ID；
上映电影表单提取模块，用于在每个影院节点中，获取相应的影片排映表，并从影片排映表中提取出预存的上映电影表单；
影片推荐度获取模块,用于在每个观影需求节点中，基于上映电影表单获取每个上映电影的影片推荐度，其中每个观影需求节点具有相应的定位信息；
影片推荐度统计模块,用于基于区域ID分别进行统计区域影片推荐信息，判断观影需求节点的定位信息是否属于区域ID对应的预设区域内，若属于则根据上映电影分别累加该用户对每个上映电影的影片推荐度，若不属于则不做处理，最终得到每个上映电影的影片推荐度综合值，根据影片推荐度综合值按照从大到小的顺序排序以构成区域影片推荐信息；
影片排映表更新模块,用于对每个预设区域，根据区域影片推荐信息的排序号，对影片推荐度综合值与排映优先级进行匹配，以确定更新后的影片排映表；
所述基于上映电影表单获取每个上映电影的影片推荐度，具体包括：
当确定为已授权认证状态时，基于用户识别码，获取相应的浏览记录、搜索记录和购票记录，
基于浏览记录、搜索记录和购票记录，确定喜好关联度系数序列，具体包括：基于浏览记录、搜索记录和购票记录，通过任意两个组合构建相应的影片匹配程度序列，进行确定喜好关联度系数序列；
基于预存的上映电影表单生成上映电影剧情评价表；
响应于用户在电影购票平台的登录页面完成认证时，基于上映电影剧情评价表和喜好关联度系数序列，生成电影推荐信息并发送至所述用户识别码对应的电影推荐端，电影推荐信息用于在加载推荐页面时进行显示；
其中所述已授权认证状态为具有访问用户使用数据的权限标识，所述用户使用数据包括已缓存在电影购票平台的浏览记录、搜索记录和购票记录，每个用户账号具有唯一的用户识别码，上映电影表单由电影名称、相应的影片主题类型、相应的预告片存储索引号进行映射。
9.一种终端，其特征在于，包括：至少一个存储器和至少一个处理器；
其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行如权利要求6所述的结合购票记录的电影推荐方法。
CN202311307378.1A 2023-10-10 2023-10-10 一种结合购票记录的电影推荐方法及相关系统 Active CN117290601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311307378.1A CN117290601B (zh) 2023-10-10 2023-10-10 一种结合购票记录的电影推荐方法及相关系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311307378.1A CN117290601B (zh) 2023-10-10 2023-10-10 一种结合购票记录的电影推荐方法及相关系统

Publications (2)

Publication Number Publication Date
CN117290601A CN117290601A (zh) 2023-12-26
CN117290601B true CN117290601B (zh) 2024-03-08

Family

ID=89258435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311307378.1A Active CN117290601B (zh) 2023-10-10 2023-10-10 一种结合购票记录的电影推荐方法及相关系统

Country Status (1)

Country Link
CN (1) CN117290601B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050116254A (ko) * 2004-06-07 2005-12-12 김용신 사용자 취향에 맞춘 영화 관련 미디어 리스트 및 서비스 제공 시스템
CN101968802A (zh) * 2010-09-30 2011-02-09 百度在线网络技术（北京）有限公司 一种基于用户浏览行为进行互联网内容推荐的方法与设备
CN108596717A (zh) * 2018-04-16 2018-09-28 世纪美映影院技术服务（北京）有限公司 一种对影院放映排期进行智能推荐的方法
CN110851718A (zh) * 2019-11-11 2020-02-28 重庆邮电大学 一种基于长短时记忆网络以及用户评论的电影推荐方法
CN112070449A (zh) * 2019-06-11 2020-12-11 杭州晨熹多媒体科技有限公司 一种电影排片数据处理方法、终端、服务器及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050116254A (ko) * 2004-06-07 2005-12-12 김용신 사용자 취향에 맞춘 영화 관련 미디어 리스트 및 서비스 제공 시스템
CN101968802A (zh) * 2010-09-30 2011-02-09 百度在线网络技术（北京）有限公司 一种基于用户浏览行为进行互联网内容推荐的方法与设备
CN108596717A (zh) * 2018-04-16 2018-09-28 世纪美映影院技术服务（北京）有限公司 一种对影院放映排期进行智能推荐的方法
CN112070449A (zh) * 2019-06-11 2020-12-11 杭州晨熹多媒体科技有限公司 一种电影排片数据处理方法、终端、服务器及系统
CN110851718A (zh) * 2019-11-11 2020-02-28 重庆邮电大学 一种基于长短时记忆网络以及用户评论的电影推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Python的电影推荐系统的构建;崔金一;;计算机产品与流通;20190607(第07期);全文 *

Also Published As

Publication number Publication date
CN117290601A (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
CN102332006B (zh) 一种信息推送控制方法及装置
US9894415B2 (en) System and method for media experience data
CN104102648B (zh) 基于用户行为数据的兴趣推荐方法及装置
US8131750B2 (en) Real-time annotator
WO2018036555A1 (zh) 会话处理方法及装置
CN112364234B (zh) 一种在线讨论的自动分组系统
CN101346718A (zh) 用于向用户提供选定内容项的方法
CN107123057A (zh) 用户推荐方法及装置
CN111507311A (zh) 一种基于多模态特征融合深度网络的视频人物识别方法
WO2020135642A1 (zh) 一种基于生成对抗网络的模型训练方法及设备
US20220067347A1 (en) Systems and methods for matching facial images to reference images
CN110175264A (zh) 视频用户画像的构建方法、服务器及计算机可读存储介质
Deldjoo et al. Movie genome recommender: A novel recommender system based on multimedia content
CN113159840B (zh) 一种对象类型预测方法、装置和存储介质
JP2004272355A (ja) 情報提示方法および情報提示システムならびに情報提示処理プログラム
CN117290601B (zh) 一种结合购票记录的电影推荐方法及相关系统
CN110046540A (zh) 一种根据浏览历史和表情识别判断用户情绪的方法
CN113254788A (zh) 一种基于大数据的推荐方法、系统及可读存储介质
KR102643159B1 (ko) 인공지능 매칭 알고리즘을 이용한 온라인 영화 제작 플랫폼
CN109885760A (zh) 基于用户兴趣的信息溯源方法和系统
Ribeiro et al. UA. PT Bioinformatics at ImageCLEF 2020: Lifelog Moment Retrieval Web based Tool.
US11210499B2 (en) Determining a social group to which customers belong from appearance and using artificial intelligence, machine learning, and computer vision, for estimating customer preferences and intent, and for improving customer services
CN117556149B (zh) 资源推送方法、装置、电子设备和存储介质
Labde et al. Movie Recommendation System using RNN and Cognitive thinking
CN112825273A (zh) 医疗服务推荐方法及相关产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant