[發(fā)明專(zhuān)利]基于協(xié)同過(guò)濾的視頻推薦方法、服務(wù)器及計(jì)算機(jī)存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910337908.4
• 申請(qǐng)日: 2019-04-23
• 公開(kāi)（公告）號(hào): CN110275986B
• 公開(kāi)（公告）日: 2022-02-11
• 發(fā)明（設(shè)計(jì)）人: 李斌;張冬仁;駱宗偉;樂(lè)智雄
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市傲天科技股份有限公司
• 主分類(lèi)號(hào): G06F16/735
• 分類(lèi)號(hào): G06F16/735;G06F16/75
• 代理公司: 深圳市恒程創(chuàng)新知識(shí)產(chǎn)權(quán)代理有限公司 44542
• 代理人: 趙愛(ài)蓉

1.一種基于協(xié)同過(guò)濾的視頻推薦方法，其特征在于，所述基于協(xié)同過(guò)濾的視頻推薦方法包括以下步驟：

獲取用戶(hù)的歷史訪問(wèn)數(shù)據(jù)，對(duì)所述用戶(hù)的歷史訪問(wèn)數(shù)據(jù)預(yù)處理得到用戶(hù)樣本數(shù)據(jù)，將所述用戶(hù)樣本數(shù)據(jù)輸入聚類(lèi)算法模型，以得到多個(gè)聚類(lèi)簇；

獲取目標(biāo)用戶(hù)與各個(gè)所述聚類(lèi)簇之間的距離；

將與所述目標(biāo)用戶(hù)的距離滿(mǎn)足第一預(yù)設(shè)條件的聚類(lèi)簇作為所述目標(biāo)用戶(hù)的主聚類(lèi)簇；其中，當(dāng)期待選取與所述目標(biāo)用戶(hù)相似度最高的聚類(lèi)簇作為所述目標(biāo)用戶(hù)的主聚類(lèi)簇時(shí)，所述第一預(yù)設(shè)條件為將與所述目標(biāo)用戶(hù)的距離最近的聚類(lèi)簇作為所述目標(biāo)用戶(hù)的主聚類(lèi)簇；當(dāng)期待選取與所述目標(biāo)用戶(hù)有一定的相似度的聚類(lèi)簇作為所述目標(biāo)用戶(hù)的主聚類(lèi)簇時(shí)，所述第一預(yù)設(shè)條件為設(shè)定一個(gè)距離閾值范圍，先獲取落入所述距離閾值范圍的聚類(lèi)簇，再?gòu)闹刑暨x與所述目標(biāo)用戶(hù)距離最近的聚類(lèi)簇作為所述目標(biāo)用戶(hù)的主聚類(lèi)簇；

將與所述目標(biāo)用戶(hù)的距離滿(mǎn)足第二預(yù)設(shè)條件的聚類(lèi)簇作為所述目標(biāo)用戶(hù)的候選聚類(lèi)簇，其中，所述第二預(yù)設(shè)條件為候選聚類(lèi)簇與所述目標(biāo)用戶(hù)的距離小于所述主聚類(lèi)簇與所述目標(biāo)用戶(hù)的距離，或者設(shè)定一個(gè)距離閾值范圍，所述距離閾值范圍中最大值小于所述主聚類(lèi)簇與所述目標(biāo)用戶(hù)的距離值，將落入所述距離閾值范圍的聚類(lèi)簇作為候選聚類(lèi)簇；

獲取所述目標(biāo)用戶(hù)與所述主聚類(lèi)簇的第一距離；

獲取所述目標(biāo)用戶(hù)與所述候選聚類(lèi)簇的第二距離，所述第二距離大于所述第一距離；

根據(jù)所述第一距離和所述第二距離得到第一關(guān)聯(lián)度和第二關(guān)聯(lián)度，所述第一關(guān)聯(lián)度對(duì)應(yīng)所述目標(biāo)用戶(hù)與所述主聚類(lèi)簇，所述第二關(guān)聯(lián)度對(duì)應(yīng)所述目標(biāo)用戶(hù)與所述候選聚類(lèi)簇；

根據(jù)所述第一關(guān)聯(lián)度以及所述第二關(guān)聯(lián)度生成所述目標(biāo)用戶(hù)的推薦信息。

2.如權(quán)利要求1所述的基于協(xié)同過(guò)濾的視頻推薦方法，其特征在于，所述根據(jù)所述第一關(guān)聯(lián)度以及所述第二關(guān)聯(lián)度生成所述目標(biāo)用戶(hù)的推薦信息的步驟包括：

根據(jù)所述主聚類(lèi)簇的用戶(hù)的歷史訪問(wèn)數(shù)據(jù)獲取所述目標(biāo)用戶(hù)對(duì)待推薦內(nèi)容的第一興趣評(píng)分；

根據(jù)所述候選聚類(lèi)簇的用戶(hù)的歷史訪問(wèn)數(shù)據(jù)獲取所述目標(biāo)用戶(hù)對(duì)所述待推薦內(nèi)容的第二興趣評(píng)分；

利用所述第一關(guān)聯(lián)度和所述第二關(guān)聯(lián)度對(duì)所述第一興趣評(píng)分和所述第二興趣評(píng)分進(jìn)行加權(quán)運(yùn)算，得到所述目標(biāo)用戶(hù)對(duì)所述待推薦內(nèi)容的興趣評(píng)分；

根據(jù)各個(gè)所述待推薦內(nèi)容的興趣評(píng)分選取待推薦視頻推薦給所述目標(biāo)用戶(hù)。

3.如權(quán)利要求1所述的基于協(xié)同過(guò)濾的視頻推薦方法，其特征在于，所述基于協(xié)同過(guò)濾的視頻推薦方法還包括以下步驟：

判斷是否為所述目標(biāo)用戶(hù)推薦重復(fù)的視頻；

若判定為所述目標(biāo)用戶(hù)推薦重復(fù)的視頻，更新所述目標(biāo)用戶(hù)的候選聚類(lèi)簇，并獲取更新的候選聚類(lèi)簇的第三關(guān)聯(lián)度；

基于更新的候選聚類(lèi)簇和所述第三關(guān)聯(lián)度，為所述目標(biāo)用戶(hù)推薦視頻。

4.如權(quán)利要求3所述的基于協(xié)同過(guò)濾的視頻推薦方法，其特征在于，所述更新所述目標(biāo)用戶(hù)的候選聚類(lèi)簇的步驟包括：

為所述目標(biāo)用戶(hù)增加候選聚類(lèi)簇；

或者，更換所述目標(biāo)用戶(hù)的候選聚類(lèi)簇。

5.如權(quán)利要求1所述的基于協(xié)同過(guò)濾的視頻推薦方法，其特征在于，所述將所述用戶(hù)樣本數(shù)據(jù)輸入聚類(lèi)算法模型，以得到多個(gè)聚類(lèi)簇的步驟包括：

將所述用戶(hù)樣本數(shù)據(jù)輸入聚類(lèi)算法模型，以得到所述用戶(hù)對(duì)待推薦視頻的評(píng)分矩陣；

根據(jù)所述評(píng)分矩陣對(duì)所述用戶(hù)進(jìn)行聚類(lèi)，得到多個(gè)聚類(lèi)簇。

6.如權(quán)利要求1所述的基于協(xié)同過(guò)濾的視頻推薦方法，其特征在于，所述用戶(hù)的歷史訪問(wèn)數(shù)據(jù)包括視頻觀看信息、視頻瀏覽信息、視頻評(píng)論信息。

7.一種服務(wù)器，其特征在于，所述服務(wù)器包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的基于協(xié)同過(guò)濾的視頻推薦處理程序，所述基于協(xié)同過(guò)濾的視頻推薦處理程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6中任一項(xiàng)所述的基于協(xié)同過(guò)濾的視頻推薦方法的步驟。

8.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)上存儲(chǔ)有基于協(xié)同過(guò)濾的視頻推薦處理程序，所述基于協(xié)同過(guò)濾的視頻推薦處理程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至6中任一項(xiàng)所述的基于協(xié)同過(guò)濾的視頻推薦方法的步驟。