1.一种基于改进协同过滤算法的电影推荐方法，其特征在于：所述基于改进协同过滤算法包括在基于物品的协同过滤算法的基础上，选取电影的类型、导演、演员三种具有代表性的属性信息融合到物品相似度的计算过程中，即为融合电影属性的协同过滤算法，所述方法包括以下步骤：(1)根据用户对电影的评分信息，构造用户-电影评分矩阵；

(2)按照得到的评分矩阵，评估电影之间的相像程度，得到评分相似度；

(3)根据电影属性信息，构造电影-类型矩阵计算电影类型之间的相似性，计算电影导演相似性和演员相似性，最终得电影属性相似度；

(4)将评分相似度与属性相似度根据调节因子进行加权，得到电影之间的相似度；

(5)根据电影相似度信息，找到与目标电影最相似的前k个电影构成目标电影的最近邻居；

(6)按照得到的邻居集合，预测用户对目标电影的评分，将预测评分按照从高到低进行排序，形成最终的电影推荐结果呈现给用户。

2.根据权利要求1所述的一种基于改进协同过滤算法的电影推荐方法，其特征在于：步骤(3)中，类型相似性：电影-类型矩阵中的值是确定的1或者0，计算公式如下式中分子|N(i)∩N(j)|表示电影i和电影j共同拥有的类型数，而分母sqrt(|N(i)|*|N(j)|)表示对电影i拥有的类型数与电影j拥有的类型数进行相乘并开方的计算；

电影导演相似性：当时间不断推进，导演拍摄的电影日益增多，电影之间的相似性会降低，将其结合到导演相似性的求解公式中，导演相似度公式如下式中x表示导演参与的电影数，γ表示用来削弱电影数

量对导演相似性的影响因子；

演员相似性：选取电影中三名主要演员组成电影演员的特征信息，采用Jaccard公式衡量演员特征之间的相似性，公式如下式中Ui和Uj表示电影i和电影j的演员集合；

得到电影类型、导演、演员三个属性特征的相似度结果后，电影属性的相似度定义公式如下sim_norm(i，j)＝sim_type(i，j)+sim_dire(i，j)+sim_actor(i，j)然后对sim_norm(i，j)进行归一化得到最终得电影属性相似度，公式如下式中Xmax和Xmin分别是归一化之前数据集中的最大值和最小值。

3.根据权利要求1所述的一种基于改进协同过滤算法的电影推荐方法，其特征在于：所述基于改进协同过滤算法还包括将所述融合电影属性的协同过滤算法与基于ALS模型的协同过滤算法进行混合，即为线性加权混合方法，混合模型的公式如下reclist＝δAttrCF_list+(1-δ)ALS_list，式中δ表示权重值；

用户对电影的反馈操作主要有五种：浏览、收藏、播放、吐槽和评分，不同的反馈操作代表用户对电影的重视程度也不一样，对不同的反馈操作赋予不同的分值，则各推荐算法根据用户反馈操作的得分公式如下式中u表示用户u，I表示该推荐算法得出的推荐列表，i表示推荐列表中的物品i，pui表示用户u对商品i的操作分；

得到各推荐算法的操作行为得分后，求用户对各个推荐算法的认可程度，公式如下式中u代表用户，I代表该类推荐内容集，i代表推荐内容集的物品，pui表示用户u对物品i的操作分，n表示反馈操作项的个数，CI表示推荐内容集长度；

式中，当puI＝0时，TuI为0，此时使用行为操作占推荐列表的比例表示用户对每个推荐算法的认可程度，公式如下

由于认可度应为每个推荐算法在总推荐类别中所占的比例，由如下公式获得各推荐算法最终的权重值；

4.根据权利要求1-3任一项所述的一种基于改进协同过滤算法的电影推荐方法，其特征在于：所述基于改进协同过滤算法在电影推荐系统中的应用。