[發(fā)明專利]基于數(shù)據(jù)融合的視頻節(jié)目推薦方法

無效

• 申請?zhí)枺?/td>: 200810207608.6
• 申請日: 2008-12-23
• 公開（公告）號: CN101763351A
• 公開（公告）日: 2010-06-30
• 發(fā)明（設(shè)計）人: 連惠城
• 申請（專利權(quán)）人: 未序網(wǎng)絡(luò)科技(上海)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/00
• 代理公司: 上海金盛協(xié)力知識產(chǎn)權(quán)代理有限公司 31242
• 代理人: 段迎春

技術(shù)領(lǐng)域

本發(fā)明涉及視頻節(jié)目推薦方法。

背景技術(shù)

隨著視頻網(wǎng)絡(luò)的發(fā)展，通過網(wǎng)絡(luò)觀看視頻節(jié)目成為眾多網(wǎng)絡(luò)用戶的上網(wǎng)目的之一。如何最大限度地吸引用戶，成為視頻網(wǎng)站的所要考慮的重要問題。一種有效的方法是根據(jù)用戶的觀看的喜好向用戶推薦視頻節(jié)目。

經(jīng)過分析，用戶通常具有觀看某類節(jié)目的喜好。例如，有的用戶喜歡觀看體育節(jié)目，有的用戶則喜歡觀看娛樂節(jié)目，而有的用戶只喜歡觀看功夫節(jié)目等等。

在第十屆國際互聯(lián)網(wǎng)會議上(Proceedings?of?the?10^th?international?conference?onWorld?Wide?Web)，Badru和George等人提出了基于項目(Item)的協(xié)同過濾推薦系統(tǒng)(Item-based?Collaborative?Filtering?Recommendation?Algorithms)，在這篇文章中同時還提到一種基于用戶(User)的協(xié)同過濾推薦系統(tǒng)。這兩種過濾系統(tǒng)的基本原理如下：根據(jù)已知的用戶對某些節(jié)目的喜好程度進(jìn)行計算，然后向具有相同喜好的用戶推薦已知用戶的其他喜好節(jié)目。這種喜好程度通過分值表示，該分值由用戶選擇，例如1分表示討厭某個節(jié)目，5分表示非常喜歡某個節(jié)目。

然而在視頻網(wǎng)站中，采用這種方法的進(jìn)行節(jié)目推薦的時候，卻碰到許多困難。例如：一、用戶不愿意刻意去給節(jié)目打分。通常用戶到視頻網(wǎng)站的目的是觀看視頻，他們不愿意刻意去給一個節(jié)目打分。二、即便有少量的用戶給視頻節(jié)目打分，這些被打分的節(jié)目數(shù)在所有視頻節(jié)目的比例非常的小，通常不到1％。上述這些困難會導(dǎo)致上述的協(xié)同過濾推薦系統(tǒng)出現(xiàn)“冷啟動問題”，(請參見發(fā)表于《計算機(jī)研究與發(fā)展》上的“基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法”)，這種冷啟動問題會導(dǎo)致推薦系統(tǒng)無法正常工作，產(chǎn)生錯誤的推薦結(jié)果。

發(fā)明內(nèi)容

針對現(xiàn)有推薦系統(tǒng)中的不足，本發(fā)明提供一種基于數(shù)據(jù)融合的視頻節(jié)目推薦方法，該方法首先收集用戶在視頻網(wǎng)站上的與興趣度相關(guān)的瀏覽行為，然后通過分析瀏覽行為并打分后，進(jìn)行數(shù)據(jù)融合，融合后的分值，也就是某用戶對某視頻節(jié)目的興趣度值，根據(jù)該興趣度值進(jìn)行節(jié)目的推薦。本發(fā)明具體是通過以下技術(shù)方案實現(xiàn)的：

一種基于數(shù)據(jù)融合的視頻節(jié)目推薦方法，包括以下步驟：

1)用戶行為數(shù)據(jù)收集步驟，收集用戶在視頻網(wǎng)站的瀏覽行為數(shù)據(jù)，并存放于數(shù)據(jù)庫中；

2)數(shù)據(jù)融合步驟，將某個用戶對某個視頻節(jié)目的瀏覽行為數(shù)據(jù)轉(zhuǎn)化為該用戶對某個視頻節(jié)目的興趣度值；

3)節(jié)目推薦步驟，根據(jù)用戶對某些節(jié)目的興趣度值，向具有相同喜好的其他用戶推薦該用戶的其他興趣度值高的節(jié)目；

其中，瀏覽行為數(shù)據(jù)包括為播放行為數(shù)據(jù)，將用戶播放節(jié)目的時長除以該節(jié)目的長度得到時長比例r，時長比例r越大，興趣度值越高。

進(jìn)一步地，所述步驟1)中收集數(shù)據(jù)的時間長度為某一時刻之前的一個時間段。

進(jìn)一步地，所述步驟2)中的興趣度值為某一時刻之前的一個時間段內(nèi)的瀏覽行為數(shù)據(jù)轉(zhuǎn)化而獲得。

進(jìn)一步地，所述步驟3)中采用定期的方式向具有相同喜好的其他用戶推薦該用戶的其他興趣度高的節(jié)目。

進(jìn)一步地，所述步驟2)中以用戶編號為行，視頻節(jié)目編號為列，用戶對視頻節(jié)目的興趣度值為內(nèi)容，形成一個二維的用戶對視頻節(jié)目的興趣度值表格；所述步驟3)中，在該興趣度值表的基礎(chǔ)上，采用基于協(xié)同過濾的推薦方法對已知用戶和未知用戶產(chǎn)生推薦節(jié)目列表，其中，有對應(yīng)興趣度值的用戶為已知用戶，否則為未知用戶。

進(jìn)一步地，所述步驟3)中還包括去除推薦的節(jié)目中其他用戶已經(jīng)觀看過的節(jié)目。

進(jìn)一步地，所述瀏覽行為數(shù)據(jù)還包括以下行為中的一個、多個或全部：

對節(jié)目打分行為數(shù)據(jù)、收藏節(jié)目行為數(shù)據(jù)、挖行為數(shù)據(jù)、埋行為數(shù)據(jù)或上傳節(jié)目行為數(shù)據(jù)。

本發(fā)明避免了用戶在不愿意刻意去給節(jié)目打分的情況下，導(dǎo)致上述的協(xié)同過濾推薦系統(tǒng)出現(xiàn)冷啟動的問題，只要用戶有播放行為，就可產(chǎn)生正確的推薦結(jié)果。并且在融合了用戶其它與興趣度相關(guān)的瀏覽行為數(shù)據(jù)后，可更加準(zhǔn)確地產(chǎn)生推薦的節(jié)目列表，通過這種無需用戶刻意評分的技術(shù)方案，大大提高了用戶對推薦節(jié)目的滿意度，降低了視頻服務(wù)器因用戶盲目點擊造成的負(fù)擔(dān)。

附圖說明

圖1為本發(fā)明基于數(shù)據(jù)融合的視頻節(jié)目推薦方法實施例流程圖。

具體實施方式

如圖1所示，一種基于數(shù)據(jù)融合的視頻節(jié)目推薦方法，包括以下步驟：

1)用戶行為數(shù)據(jù)收集步驟，收集用戶在視頻網(wǎng)站的瀏覽行為數(shù)據(jù)，并存放于數(shù)據(jù)庫中；