[發明專利]推薦方法及裝置

在審

• 申請號: 201210322688.6
• 申請日: 2012-09-04
• 公開（公告）號: CN103678329A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 丁貴廣;葉小偉;林運楨;文海龍
• 申請（專利權）人: 中興通訊股份有限公司;清華大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 余剛;梁麗超

1.一種推薦方法，其特征在于包括：

獲取項的信息，其中，所述信息用于判斷是否向用戶推薦所述項，所述信息包括以下至少之一：用戶側信息、項的相關性信息，所述用戶側信息包括獲取到的所述用戶對于項的評論，所述項的相關性信息包括以下至少之一：所述項本身的特性、所述項與除所述項之外的其它項之間的相關性；

根據所述信息確定是否將所述項推薦給所述用戶。

2.根據權利要求1所述的方法，其特征在于，獲取所述用戶側信息包括：

根據所述用戶對項的評論和情感元素集合確定所述評論的分類，作為所述用戶側信息，其中，所述情感元素集合包括以下至少之一：詞語、表情符號，所述分類包括：正評論、負評論。

3.根據權利要求2所述的方法，其特征在于，根據所述用戶對項的評論和情感元素集合確定所述評論的分類包括：

將所述評論分割成短句，根據情感元素集合分別計算各個短句的得分；

將所述各個短句的得分之和作為所述評論的得分，并根據所述評論的得分確定所述評論的分類。

4.根據權利要求2所述的方法，其特征在于，在根據所述用戶對項的評論和情感元素集合確定所述評論的分類之后，所述方法還包括：

調整所述用戶的所有評論的分類的比例，實現正評論數目與負評論數目相同；

根據調整后得到的正評論和負評論，迭代更新所述情感元素集合。

5.根據權利要求4所述的方法，其特征在于，在迭代更新所述情感元素集合之后，所述方法還包括：

通過線性核心的支撐向量機對迭代更新過的情感元素集合進行學習；

利用詞頻-逆向文件頻率TF-IDF計算方法計算所述情感元素集合中每個特征的權重。

6.根據權利要求1所述的方法，其特征在于，對于交互電視IPTV業務，所述項是視頻，獲取所述項的相關性信息包括：

根據所述視頻的畫面色彩、亮度對所述視頻進行鏡頭切分；

選取各個鏡頭的關鍵幀；

提取所述各個鏡頭的關鍵幀的邊緣直方圖，得到所述各個關鍵幀的特征向量；

計算所述各個關鍵幀的特征向量間的距離，作為所述項的相關性信息。

7.根據權利要求6所述的方法，其特征在于，在根據所述視頻的畫面色彩、亮度對所述視頻進行鏡頭切分之前，所述方法還包括：

對所述視頻進行合并、轉碼處理。

8.根據權利要求1所述的方法，其特征在于，所述信息還包括：評分矩陣、評分矩陣的權值矩陣，獲取所述權值矩陣包括：

將所述評分矩陣分解成兩個秩較低的矩陣；

計算所述兩個秩較低的矩陣的乘積，并將所述乘積對所述評分矩陣逼近；

根據所述兩個秩較低的矩陣的特征向量對所述評分矩陣中的丟失項構造權值，并構造權值矩陣。

9.根據權利要求1至8中任一項所述的方法，其特征在于，所述用戶側信息和所述項的相關性信息是矩陣的形式。

10.根據權利要求9所述的方法，其特征在于，根據所述信息確定是否將所述項推薦給所述用戶包括：

對所述用戶側信息、所述項的相關性信息進行分解，確定用戶側特征矩陣和項側特征矩陣；

對所述用戶側特征矩陣和所述項側特征矩陣進行迭代，使所述用戶側特征矩陣和所述項側特征矩陣的乘積逼近評分矩陣；

將所述乘積中對應于所述評分矩陣的丟失項的較高分值的項推薦給所述用戶。

11.一種推薦裝置，其特征在于包括：

獲取模塊，用于獲取項的信息，其中，所述信息用于判斷是否向用戶推薦所述項，所述信息包括以下至少之一：用戶側信息、項的相關性信息，所述用戶側信息包括獲取到的所述用戶對于項的評論，所述項的相關性信息包括以下至少之一：所述項本身的特性、所述項與除所述項之外的其它項之間的相關性；

確定模塊，用于根據所述信息確定是否將所述項推薦給所述用戶。