[發明專利]一種節目推薦方法

有效

• 申請號: 201310682948.5
• 申請日: 2013-12-13
• 公開（公告）號: CN103686382B
• 公開（公告）日: 2017-01-11
• 發明（設計）人: 馬廷淮;王耀;曹杰;鐘水明
• 申請（專利權）人: 南京信息工程大學
• 主分類號: H04N21/462
• 分類號: H04N21/462;H04N21/466
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 許方

技術領域

本發明涉及一種節目推薦方法。

背景技術

隨著電視節目日益豐富,電視用戶正面臨著眾多電視節目中無所適從的問題，幫助用戶及時收看感興趣的節目，成為節目推薦系統的首要任務。數字電視的普及，機頂盒的普遍使用，使得用戶收視行為數據采集、用戶收視特征分析、節目推薦、節目收視率分析于一體的節目推薦系統變為可能。早期的節目推薦系統中主要是利用節目特征和用戶特征進行采用基于內容相似度匹配的推薦機制或者基于合作過濾的推薦機制來是實現的。由于節目特征需要人為進行分析處理，進一步有研究者直接根據節目的描述文本進行特征分析，提出基于貝葉斯網絡模型的智能節目推薦方法,對海量的節目文本信息進行篩選,并通過已知用戶愛好信息為一個或一群用戶推薦最能滿足其個性化需求的電視節目；而在對用戶的隱性特征的提取及推薦算法方面,常用的有Rankboost算法、Bayes統計算法、簡單統計算法三種；針對統計算法，大部分推薦系統采用節目被整體點擊次數來向用戶推薦節目，存在推薦的節目對用戶的喜好針對性不是很強的缺點，研究人員采用先對用戶聚類，并把根據用戶組進行節目點擊次數分別計算，從而提高推薦節目對用戶喜好特點的針對性。

繼而，有研究者將一天內觀看的所有電視節目組成一個社區，利用用戶觀看電視節目的歷史數據作為動態社區，動態地輸入算法中進行周期子社區挖掘，得出多個用戶周期性觀看節目所組成的社區，周期性挖掘出蘊含的周期子社區作為依據來進行推薦。但是以上的節目推薦方法在實際推薦過程中的推薦精度不高，就有可能造成用戶對節目的厭煩，達不到節目推薦的真正目的。

發明內容

針對上述技術問題，本發明所要解決的技術問題是提供一種結合社會網絡分析，采用基于權重的內容相似度匹配方法，實現精確地個性化推薦的節目推薦方法。

本發明為了解決上述技術問題采用以下技術方案：本發明設計了一種節目推薦方法，包括如下步驟：

步驟01.根據節目類型對電視節目進行分類；

步驟02.按預置時間間隔采集各個用戶當前的觀看信息，記錄為{用戶ID、當前時間、觀看頻道、節目類型、當前類型節目的累計觀看時間}，作為各個用戶的觀看歷史記錄；

步驟03.根據預置的用戶社會關系和預置的社會關系權重ω_i，獲取與被推薦用戶存在聯系的社會用戶關系信息，記錄為{社會關系用戶ID、影響權重}，其中，影響權重表示針對被推薦用戶選擇節目的影響程度，i＝1、…、I，I表示用戶社會關系中社會關系的種類數，社會關系權重ω_i與社會關系的種類一一對應，根據與被推薦用戶之間存在的社會關系種類，通過ω_i采用級聯相乘的方式獲取與社會關系用戶ID相對應的影響權重；

步驟04.在被推薦用戶的觀看歷史記錄中匹配與當前時間相同的觀看信息記錄，根據觀看信息記錄中的“當前類型節目的累計觀看時間”屬性進行降序排序，并為每一條觀看信息記錄設置影響權重，其中，降序排列的第一條觀看信息記錄設置影響權重為1，之后的各條觀看信息記錄的影響權重按照依序遞減0.1進行設置；獲取前a條觀看信息記錄，并記錄為{頻道、節目類型、影響權重}，作為第一待推薦觀看信息，a≤10；

步驟05.根據步驟03獲得的社會用戶關系信息，在對應用戶的觀看歷史記錄中匹配與當前時間相同的觀看信息記錄，先按照社會用戶關系信息中的影響權重進行降序排列，然后針對具有相同影響權重的社會用戶的觀看信息記錄，按照觀看信息記錄中的“當前類型節目的累計觀看時間”屬性進行降序排序，獲取前b條觀看信息記錄，并記錄為{頻道、節目類型、影響權重}，作為第二待推薦觀看信息；

步驟06.將第一待推薦觀看信息和第二待推薦觀看信息按照影響權重進行降序排列，按照預置節目推薦數量n，在降序排列的待推薦觀看信息中選取前n條記錄，向被推薦用戶推薦其中的節目類型，n≤a+b。

作為本發明的一種優選技術方案：所述步驟03中，根據預置的用戶社會關系和預置的社會關系權重ω_i，獲取與被推薦用戶存在聯系、聯系關系度不超過2、且影響權重大于0.1的社會用戶關系信息，記錄為{社會關系用戶ID、影響權重}。

作為本發明的一種優選技術方案：所述步驟03中，根據與被推薦用戶之間存在的社會關系種類，通過ω_i采用級聯相乘的方式獲取與社會關系用戶ID相對應的影響權重，包括如下步驟：