[發明專利]個性化視頻推薦系統及方法

無效

• 申請號: 201110397367.8
• 申請日: 2011-12-02
• 公開（公告）號: CN103136275A
• 公開（公告）日: 2013-06-05
• 發明（設計）人: 陳運文;呂晴;劉作濤
• 申請（專利權）人: 盛樂信息技術（上海）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 菅秀君

技術領域

本發明涉及一種視頻推薦系統及方法，特別是涉及一種個性化視頻推薦系統及方法。

背景技術

由于電腦的高度普及、互聯網快速與無遠弗屆的特性，互聯網的使用者呈大幅增長，形成了數量驚人的消費族群，互聯網的需求與使用在現代科技化社會中已成為不可或缺的部分，使得許多產業看好互聯網所隱含的龐大商機，例如，各種類型的電子商務、線上游戲、網絡金融交易、語言學習以及在線視頻等。

時至今日，許多網頁內容正逐漸擺脫互聯網的束縛，朝向多元化、更廣泛的應用環境發展，大多數的網站會在網站會在網站首頁顯示所提供服務的頁面鏈接，當使用者訪問網站時，便可看到提供服務頁面鏈接的網站首頁，但是目前常見的網站的頁面是配置固定不變的頁面，比如視頻網站，當使用者想要尋找某一視頻鏈接時，常常必須在密密麻麻的頁面費心尋找才有辦法進行鏈接觀看視頻；另一方面，由于每個用戶的興趣點往往是不相同的，固定的網站頁面無法突顯用戶的興趣點，不便用戶使用。

綜上所述，可知先前技術之視頻網站存在網站頁面固定不變、不便用戶使用的問題，因此實有必要提出改進的技術手段，來解決此一問題。

發明內容

為克服上述現有技術存在的不足，本發明的主要目的在于提供一種個性化視頻推薦系統及方法，其能自動記錄并學習用戶的瀏覽行為，從中挖掘用戶的興趣點，并根據每個用戶的個人興趣，挖掘出符合個性化需求的內容。

為達上述及其它目的，本發明提供一種個性化視頻推薦系統，至少包括：

視頻資料庫；

點擊行為記錄模塊，獲取各用戶的點擊行為，并針對各用戶分別將被點擊的視頻的標識記錄于數據庫表中；

興趣模型建立模塊，從該數據庫表中獲取每個視頻的屬性信息，并根據該屬性信息提取用戶的興趣標記，建立興趣模型；

候選視頻生成模塊，根據一相關視頻生成規則從視頻資料庫中生成一候選視頻列表；以及

視頻推薦模塊，對該候選視頻列表中的每條候選視頻根據一權值計算模型進行權值計算，并根據每條候選視頻的權值計算結果排序生成推薦列表，輸出推薦結果。

進一步地，該屬性信息包括關鍵字、標簽及類別信息。

進一步地，該興趣模型建立模組從該數據表中獲取每個視頻的標題關鍵字、標簽、類別信息，進行合并和統計次數，并按頻率由高到低排列，取前k個出現頻率最高的詞匯，構成對應用戶的興趣標記。

進一步地，該相關視頻生成規則包含：

針對該數據表中的每個視頻標識，于該視頻資料庫中查詢與其相似的前S1條視頻標識；

根據該興趣模型中的興趣標記，于該視頻資料庫中查詢所有相關的視頻標識，并取每個興趣標記對應的最新的前S2條視頻；以及

于該視頻資料庫中挑取當前最熱門的前S3條視頻標識。

進一步地，該候選視頻列表為S1、S2、S3的部分或所有組合。

進一步地，該權值計算模型為：

new_weight＝origin_weight*repeat_ratio*time_ratio

其中new_weight為每條候選視頻的最終權值，origin_weight為每條候選視頻原始權值，repeat_ratio為重復因數，time_ratio為時間因數。

進一步地，該原始權值origin_weight為：origin_weight＝playcount_hour+playcount_total*0.002，其中，playcount_hour表示過去1小時中當前視頻被點擊的數量，playcount_total表示當前視頻從生成至今總的點擊數量；該重復因數repeat_ratio為：repeat_ratio＝1.0+0.1*(N-1)，其中N為重復出現的次數；該時間因數time_ratio：當前頁面為非播放頁時，time_ratio＝1.0-0.02*(T-1)，當前頁面為播放頁時，當T＝1時，time_ratio＝1.2，1＜T＜＝20時，time_ratio＝1.0-0.02*(T-1)，其中T表示從最近視頻開始，往前倒推的個數。

進一步地，該個性化視頻推薦系統還包括一過濾模塊，依據該視頻推薦模塊的排序結果與該數據表進行比對，若某個候選視頻的視頻標識在該數據表中出現，則將其從該推薦列表中刪除。

進一步地，該數據表以隊列方式存儲。

為達上述及其他目的，本發明提供一種個性化視頻推薦方法，包括如下步驟：

獲取點擊行為，并根據每一用戶分別將被點擊的視頻的標識記錄于一數據庫表中；