一种电影推荐方法、装置、电子设备及可读介质与流程

本发明涉及机器学习，特别是涉及一种电影推荐方法、一种电影推荐装置、一种电子设备以及一种计算机可读介质。

背景技术：

1、随着科技进步，各类智能家居与智能电视等设备已广泛应用于日常生活，为我们带来诸多便利。然而，现有智能电视普遍仅能依据用户指令执行相应操作，缺乏为用户提供个性化、定制化服务的能力，从而影响用户体验。

技术实现思路

1、本发明实施例是提供一种电影推荐方法、装置、电子设备以及计算机可读存储介质，以解决智能电视普遍仅能依据用户指令执行相应操作，缺乏为用户提供个性化、定制化服务的能力，从而影响用户体验的问题。

2、本发明实施例公开了一种电影推荐方法，所述方法包括：

3、获取待推荐用户的生理数据、待推荐用户的运动数据以及至少一个待推荐电影，并确定所述待推荐电影的类别特征；

4、清除所述生理数据和所述运动数据中的异常数据，得到目标生理数据和目标运动数据；

5、利用预设的信息处理模型，根据所述目标生理数据、所述目标运动数据以及所述待推荐电影的类别特征，获取每个所述待推荐电影的推荐评分；

6、根据所述推荐评分对所述待推荐电影进行降序排序，并获取所述待推荐电影的排序次序；

7、选取排序次序符合预设的排序范围的所述待推荐电影，作为推荐电影推荐给所述待推荐用户。

8、可选地，所述信息处理模型至少包括目标电影推荐模型；所述方法还包括：

9、获取所述待推荐用户历史观影记录中电影的类别特征以及所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据；

10、利用所述待推荐用户历史观影记录中电影的类别特征以及所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据，构建第一训练集和第一测试集；

11、通过所述第一训练集对预设机器学习算法模型进行训练，得到电影推荐模型；

12、通过所述第一测试集对所述电影推荐模型进行测试，得到所述电影推荐模型的推荐准确度；

13、在所述推荐准确度超过预设阈值的情况下，将所述电影推荐模型作为目标电影推荐模型。

14、可选地，所述利用所述待推荐用户历史观影记录中电影的类别特征以及所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据，构建第一训练集和第一测试集的步骤，还包括：

15、清除所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据中的异常数据；

16、利用清除异常数据后的所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据，构建第一训练集和第一测试集。

17、可选地，所述方法还包括：

18、在所述推荐准确度未超过预设阈值的情况下，继续训练所述电影推荐模型，直至所述电影推荐模型的推荐准确度超过预设阈值的情况下，得到目标电影推荐模型。

19、可选地，所述信息处理模型还包括目标电影播放设置模型；所述方法还包括：

20、获取所述待推荐用户的语音数据和/或手势数据以及所述推荐电影的播放设置数据；

21、利用目标电影播放设置模型，根据所述待推荐用户的语音数据和/或手势数据，获取所述推荐电影的播放设置数据；

22、基于所述播放设置数据，调整所述推荐电影的播放。

23、可选地，所述方法还包括：

24、获取所述待推荐用户的语音数据和/或手势数据以及与所述语音数据和/或手势数据对应的所述推荐电影的播放设置数据；

25、利用所述待推荐用户的语音数据和/或手势数据以及与所述语音数据和/或手势数据对应的所述推荐电影的播放设置数据，构建第二训练集和第二测试集；

26、通过所述第二训练集对预设机器学习算法模型进行训练，得到电影播放设置模型；

27、通过所述第二测试集对所述电影播放设置模型进行测试，得到所述电影播放设置模型的播放设置数据输出准确度；

28、在所述播放设置数据输出准确度超过预设阈值的情况下，将所述电影播放设置模型作为目标电影播放设置模型。

29、可选地，所述方法还包括：

30、在所述播放设置数据输出准确度未超过预设阈值的情况下，继续训练所述电影播放设置模型，直至所述电影播放设置模型的播放设置数据输出准确度超过预设阈值的情况下，得到目标电影播放设置模型。

31、本发明实施例还公开了一种电影推荐装置，所述装置包括：

32、第一获取?？?，用于获取待推荐用户的生理数据、待推荐用户的运动数据以及至少一个待推荐电影，并确定所述待推荐电影的类别特征；

33、异常数据清除?？?，用于清除所述生理数据和所述运动数据中的异常数据，得到目标生理数据和目标运动数据；

34、推荐评分获取?？?，用于利用预设的信息处理模型，根据所述目标生理数据、所述目标运动数据以及所述待推荐电影的类别特征，获取每个所述待推荐电影的推荐评分；

35、排序次序获取?？?，用于根据所述推荐评分对所述待推荐电影进行降序排序，并获取所述待推荐电影的排序次序；

36、选取?？?，用于选取排序次序符合预设的排序范围的所述待推荐电影，作为推荐电影推荐给所述待推荐用户。

37、可选地，所述信息处理模型至少包括目标电影推荐模型；所述装置还包括：

38、第二获取?？?，用于获取所述待推荐用户历史观影记录中电影的类别特征以及所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据；

39、第一构建?？?，用于利用所述待推荐用户历史观影记录中电影的类别特征以及所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据，构建第一训练集和第一测试集；

40、电影推荐模型得到?？?，用于通过所述第一训练集对预设机器学习算法模型进行训练，得到电影推荐模型；

41、推荐准确度得到?？?，用于通过所述第一测试集对所述电影推荐模型进行测试，得到所述电影推荐模型的推荐准确度；

42、目标电影推荐模型作为?？?，用于在所述推荐准确度超过预设阈值的情况下，将所述电影推荐模型作为目标电影推荐模型。

43、可选地，所述第一构建?？?，还包括：

44、清除子?？?，用于清除所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据中的异常数据；

45、构建子?？?，用于利用清除异常数据后的所述待推荐用户观看所述历史观影记录中电影时的生理数据和运动数据，构建第一训练集和第一测试集。

46、可选地，所述装置还包括：

47、第一继续训练?？?，用于在所述推荐准确度未超过预设阈值的情况下，继续训练所述电影推荐模型，直至所述电影推荐模型的推荐准确度超过预设阈值的情况下，得到目标电影推荐模型。

48、可选地，所述信息处理模型还包括目标电影播放设置模型；所述装置还包括：

49、第三获取?？?，用于获取所述待推荐用户的语音数据和/或手势数据以及所述推荐电影的播放设置数据；

50、播放设置数据获取?？?，用于利用目标电影播放设置模型，根据所述待推荐用户的语音数据和/或手势数据，获取所述推荐电影的播放设置数据；

51、播放调整?？?，用于基于所述播放设置数据，调整所述推荐电影的播放。

52、可选地，所述装置还包括：

53、第四获取?？?，用于获取所述待推荐用户的语音数据和/或手势数据以及与所述语音数据和/或手势数据对应的所述推荐电影的播放设置数据；

54、第二构建?？?，用于利用所述待推荐用户的语音数据和/或手势数据以及与所述语音数据和/或手势数据对应的所述推荐电影的播放设置数据，构建第二训练集和第二测试集；

55、电影播放设置模型得到?？?，用于通过所述第二训练集对预设机器学习算法模型进行训练，得到电影播放设置模型；

56、播放设置数据输出准确度得到?？?，用于通过所述第二测试集对所述电影播放设置模型进行测试，得到所述电影播放设置模型的播放设置数据输出准确度；

57、目标电影播放设置模型作为?？?，用于在所述播放设置数据输出准确度超过预设阈值的情况下，将所述电影播放设置模型作为目标电影播放设置模型。

58、可选地，所述装置还包括：

59、第二继续训练?？?，用于在所述播放设置数据输出准确度未超过预设阈值的情况下，继续训练所述电影播放设置模型，直至所述电影播放设置模型的播放设置数据输出准确度超过预设阈值的情况下，得到目标电影播放设置模型。

60、本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；

61、所述存储器，用于存放计算机程序；

62、所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。

63、本发明实施例还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。

64、本发明实施例包括以下优点：

65、在本发明实施例中，获取待推荐用户的生理数据、待推荐用户的运动数据以及至少一个待推荐电影，并确定待推荐电影的类别特征；清除生理数据和运动数据中的异常数据，得到目标生理数据和目标运动数据；利用预设的信息处理模型，根据目标生理数据、目标运动数据以及待推荐电影的类别特征，获取每个待推荐电影的推荐评分；根据推荐评分对待推荐电影进行降序排序，并获取待推荐电影的排序次序；选取排序次序符合预设的排序范围的待推荐电影，作为推荐电影推荐给待推荐用户，通过实时监测和分析用户的运动状态和生理状态，并利用信息处理模型分析用户的运动状态和生理状态，可以更准确地了解用户的观影需求。这些技术为用户提供了更加个性化的电影推荐，从而提升了用户体验。