1.一种社会网络环境下的影视资源个性化推荐方法，其特征在于，包括以下步骤：S1：在线评论获取与预处理；

S2：在线评论情感值计算：

S2.1：采用自然语言库TextBlob计算在线评论情感值；

S2.2：观影者的情感值范围为[‑1,1]，将情感值从低至高依次划分为7个程度区间，并用Sτ表示不同情感程度，其中τ＝0,1,2,3,4,5,6；

S2.3：用概率语言术语集PLTSs描述在线评论情感程度和概率；

其中， 指的是电影xi在观影决策准则cj下的PLTSs， 是指电影xi在观影决策准则cj下的情感程度， 表示 的概率；

S3：观影决策准则及权重确定：

S3.1：采用TF‑IDF确定观影决策准则；

S3.2：使用观影决策准则所对应的在线评论数量计算其权重wj′：其中，j＝1,...,m，wj′∈[0,1]， Nj表示电影xi在观影决策准则cj下在线评论的数量；

S3.3：构建概率语言决策矩阵：从不同观影准则cj的角度分别对电影xi的在线评论情感程度建立矩阵；

S4：影视资源排序：结合概率语言决策矩阵、价值函数、权重函数得到电影xi的综合前景值：其中，v(xij)为电影xi在消费者观影决策准则cj下的价值函数，wj为权重函数，综合前景值越大，说明越值得推荐，其排序越靠前；

所述S4包含步骤：

S4.1：权重函数计算；

S4.2：价值函数计算；

S4.3：综合前景值计算；

所述S4.1计算公式为：

(k) (k)

其中，wj表示权重函数，Hij代表电影xi在观影决策准则cj下的PLTSs：Hij＝{Sτp }，p表示Hij的概率，Hj:{E(H1j),E(H2j),E(H3j),E(H4j),E(H5j)}为各准则参考点，各准则参考点由各电影Hij的得分函数E(Hij)组成，γ和δ分别代表心理期望为得、失时的风险态度系数，所述 代表风险态度系数为δ时，观影决策准则cj的权重，所述 代表风险态度系数为γ时，观影决策准则cj的权重；

所述得分函数E(Hij)计算公式如下：

其中， 代表得分函数E(Hij)的情感值， #(k)

L(p)表示Hij的长度，r 表示Hij中Sτ的下标τ；

所述S4.2计算公式为：

其中，v(xij)表示价值函数，d(Hij,Hj)表示Hij和Hj之间的PLTSs‑Hamming距离，λ为损失规避度系数，α和β分别代表决策者在相对收益和相对损失增加、减少时的风险敏感性系数。

2.根据权利要求1所述的社会网络环境下的影视资源个性化推荐方法，其特征在于，所述S1利用八爪鱼采集器获取网站上的电影在线评论数据。

3.根据权利要求2所述的社会网络环境下的影视资源个性化推荐方法，其特征在于，所述在线评论数据利用python库中的Natural Language Toolkit语言工具进行去停用词、词形还原、同义词获取的预处理。

4.根据权利要求1所述的社会网络环境下的影视资源个性化推荐方法，其特征在于，所述S2.3中在线评论情感程度 的概率 为：其中， 表示电影xi在观影决策准则cj下的情感程度Sτ中包含的评论数量，#τ表示情感程度Sτ的数量。

5.根据权利要求1所述的社会网络环境下的影视资源个性化推荐方法，其特征在于，所述S3.1先利用python筛选出排名靠前高频词中能够作为观影决策准则的名词形成观影决策准则表，然后从表中依次选择名词，确定观影决策准则cj分别为情节c1、时间c2、人物c3和表演c4。

6.根据权利要求1所述的社会网络环境下的影视资源个性化推荐方法，其特征在于，所述S3.3概率语言决策矩阵包含基于情节的概率语言决策矩阵、基于时间的概率语言决策矩阵、基于人物的概率语言决策矩阵、基于表演的概率语言决策矩阵。