CN103297853A - 一种基于多用户上下文识别的iptv节目推荐方法 - Google Patents
一种基于多用户上下文识别的iptv节目推荐方法 Download PDFInfo
- Publication number
- CN103297853A CN103297853A CN2013102244379A CN201310224437A CN103297853A CN 103297853 A CN103297853 A CN 103297853A CN 2013102244379 A CN2013102244379 A CN 2013102244379A CN 201310224437 A CN201310224437 A CN 201310224437A CN 103297853 A CN103297853 A CN 103297853A
- Authority
- CN
- China
- Prior art keywords
- user
- context
- program
- time
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种基于多用户上下文识别的IPTV节目推荐方法,通过对节目观看时间的聚类分析,得到用户观看时间相对集中的时间段,计算用户在不同时间段内的节目偏好,分析不同时间段间的节目偏好相似度,合并观看节目较为相似的时间段为一类新的上下文,利用上下文信息做推荐,在一定程度上,克服IPTV门户服务中的多用户问题,提高推荐的品质。
Description
技术领域
本发明涉及IPTV(Interactive Personality TV)推荐技术领域,具体地说是一种基于多用户上下文识别的IPTV节目推荐方法。
背景技术
在IPTV服务中,随着IPTV节目不断的爆炸式增长,电视将再一次成为家庭娱乐的中心,然而,因为遥控器终端的输入功能比较弱,而且有时候用户有时也不知道自己想看什么,对用户来说要找到自己需要和喜欢的内容比较困难,因此,推荐在IPTV服务中显得越来越重要。
协同过滤常常被用在IPTV节目的推荐上。常用的协同过滤技术有:基于浏览历史的协同过滤和基于内容的协同过滤。目前,主要的推荐技术是通过对已有协同过滤技术的使用、改进和优化而来。但是,在IPTV门户服务中,存在着多用户问题,目前常用的推荐技术常常受制于该问题,使得推荐品质大大降低。IPTV多用户问题,即在一个家庭中,常常是家庭成员共享IPTV门户服务,不同的家庭成员常常在不同的时间观看不同偏好的节目。多用户问题常常表现为推荐错位,如,推荐小孩喜欢的动画片给正在观看历史片的老年人。
发明内容
本发明的目的是为了克服由于多用户问题造成的推荐品质下降而提供的一种基于多用户上下文识别的IPTV节目推荐方法,该方法以用户观看记录作为输入,分析用户观看历史记录,得到用户上下文信息,利用该信息输出带有上下文的推荐列表。
本发明的目的是这样是实现:
一种基于多用户上下文识别的IPTV节目推荐方法,具体操作步骤:
a) 确定在不同时间段内,用户对节目的隐式偏好,具体包括:
b) 计算用户在不同时间段之间节目偏好的相似度, 具体包括:
ⅰ)利用余弦公式,计算用户在不同时间段之间节目偏好的相似度,其计算公式:
c) 手动设置两个时间段之间节目偏好相似度的阈值,根据该阈值,把两个时间段分为相似或不相似;
d) 合并相似的时间段作为一个上下文,结合用户所在上下文,把用户划分不同上下文用户;
ⅱ)根据用户所在的上下文,把用户分成不同的上下文用户,见下式:
e) 为每个上下文用户,推荐IPTV节目。
ⅰ)计算上下文用户对节目偏好程度的隐式评分,上下文用户对节目隐式评分公式:
ⅱ)计算上下文用户之间的相似度,利用余弦公式:
ⅲ)根据用户之间的相似度,预测用户对物品的偏好,见下式:
与背景技术相比,本发明有以下优点:
1)克服多用户问题
本发明通过对节目观看时间的聚类分析,得到观看时间段,计算用户在不同时间段内的节目偏好,分析不同时间段间的节目偏好相似度,合并观看节目较为相似的时间段为一类新的上下文,利用上下文信息做推荐,在一定程度上,克服IPTV门户服务中的多用户问题。
2)兼容性
本发明可以与常用的IPTV节目推荐技术相结合,常用的推荐技术可以利用本发明识别的上下文信息作为输入,从而提高其推荐的品质。
附图说明
图1为本发明流程示意图;
图2为本发明实施例示意图。
具体实施方式
参阅图1,本发明应用于IPTV节目推荐系统中,首先分析用户日志文件,计算用户在不同时间内的节目偏好程度,合并节目偏好相似的时间段为一个上下文,利用这些上下文把用户划分为多个上下文用户,然后根据这些上下文用户信息为每个上下文用户推荐IPTV节目,其具体步骤如下:
第二步:计算用户在不同时间段之间节目偏好的相似度。利用余弦公式,计算用户在不同时间段之间节目偏好的相似度,其计算公式:
第五步:计算上下文用户对节目偏好程度的隐式评分。上下文用户对物品的隐式评分公式:
第六步:根据上下文用户-节目的隐式评分矩阵,计算上下文用户之间的相似度,得到上下文用户偏好相似度矩阵。计算上下文用户之间的相似度,利用余弦公式:
第七步:根据上下文用户之间的相似度,预测用户对物品的偏好。预测用户对物品的偏好,见式:
实施例
参阅图2,在一个家庭中,多个家庭成员共享IPTV门户服务,提供服务一般由一台“机顶盒”提供服务,提供服务的系统记录了该机顶盒播放界面的时间、播放节目内容等信息。通过本发明步骤一至四,分析“机顶盒”的播放历史记录,识别出多种上下文用户,步骤五至八利用识别出的上下文信息生成节目推荐列表给上下文用户。
例如,在一个家庭中有:老人、小孩和中年人,他们共享IPTV门户服务,并积累一定的历史记录;通过步骤一至四,识别出三个上下文:老人习惯在早上观看历史剧,记c1;小孩喜欢在中午观看动画片,记c2;中年人习惯在晚上观看枪战片,记c3。步骤五至八利用c1、c2和c3信息,以列表形式分别在早上为老人推荐历史剧,在中午为小孩推荐动画片,在晚上为中年人推荐枪战片。
Claims (6)
1.一种基于多用户上下文识别的IPTV节目推荐方法,其特征在于,该方法包括如下步骤:
a)确定在不同时间段内,用户对节目的隐式偏好;
b)计算用户在不同时间段之间节目偏好的相似度;
c)手动设置两个时间段之间节目偏好相似度的阈值,根据该阈值,把两个时间段分为相似或不相似;
d)合并相似的时间段作为一个上下文,结合用户所在上下文,把用户划分不同上下文用户;
e)为每个上下文用户,推荐IPTV节目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310224437.9A CN103297853B (zh) | 2013-06-07 | 2013-06-07 | 一种基于多用户上下文识别的iptv节目推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310224437.9A CN103297853B (zh) | 2013-06-07 | 2013-06-07 | 一种基于多用户上下文识别的iptv节目推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103297853A true CN103297853A (zh) | 2013-09-11 |
CN103297853B CN103297853B (zh) | 2016-04-06 |
Family
ID=49098067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310224437.9A Expired - Fee Related CN103297853B (zh) | 2013-06-07 | 2013-06-07 | 一种基于多用户上下文识别的iptv节目推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103297853B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103888852A (zh) * | 2014-03-24 | 2014-06-25 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN104320709A (zh) * | 2014-10-13 | 2015-01-28 | 四川长虹电器股份有限公司 | 一种电视节目推荐方法及电视节目播放终端 |
CN104657414A (zh) * | 2013-11-22 | 2015-05-27 | 浦项工科大学校产学协力团 | 利用上下文感知确定内容推荐时间的方法以及装置 |
CN104809166A (zh) * | 2015-04-02 | 2015-07-29 | 海信集团有限公司 | 一种业务需求的确定方法及设备 |
CN104822074A (zh) * | 2015-04-14 | 2015-08-05 | 天脉聚源(北京)传媒科技有限公司 | 一种电视节目的推荐方法及装置 |
CN105045859A (zh) * | 2015-07-10 | 2015-11-11 | 海信集团有限公司 | 一种智能设备的用户特征分析方法及装置 |
CN105208412A (zh) * | 2015-08-31 | 2015-12-30 | 四川长虹电器股份有限公司 | 计算智能电视节目时段收视率的方法 |
CN106028126A (zh) * | 2016-05-17 | 2016-10-12 | Tcl集团股份有限公司 | 一种节目推送方法及系统 |
CN106063282A (zh) * | 2014-02-25 | 2016-10-26 | 谷歌公司 | 合并内容频道 |
CN106791963A (zh) * | 2016-12-08 | 2017-05-31 | Tcl集团股份有限公司 | 一种电视节目推荐方法及系统 |
CN107071578A (zh) * | 2017-05-24 | 2017-08-18 | 中国科学技术大学 | Iptv节目推荐方法 |
CN107608992A (zh) * | 2016-07-12 | 2018-01-19 | 上海视畅信息科技有限公司 | 一种基于时间轴的个性化推荐方法 |
CN108495155A (zh) * | 2018-03-16 | 2018-09-04 | 中国传媒大学 | 收视习惯分析方法及系统 |
CN108521586A (zh) * | 2018-03-20 | 2018-09-11 | 西北大学 | 兼顾时间上下文与隐式反馈的iptv电视节目个性化推荐方法 |
CN109246450A (zh) * | 2018-08-06 | 2019-01-18 | 上海大学 | 一种基于隐式信息评分的影视择优推荐系统及方法 |
CN109977265A (zh) * | 2019-03-30 | 2019-07-05 | 华南理工大学 | 一种基于用户行为特征的iptv日志用户识别方法 |
CN110189197A (zh) * | 2019-05-22 | 2019-08-30 | 常熟理工学院 | 基于上下文多臂赌博机的电商个性化推荐方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763351A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐方法 |
CN101874255A (zh) * | 2005-05-27 | 2010-10-27 | 佩斯微技术有限公司 | 一种估计一个用户组对一个内容的总体兴趣度的方法和设备 |
CN101944218A (zh) * | 2010-01-27 | 2011-01-12 | 北京大学 | 社会网络下的基于图的个性化推荐方法及其系统 |
CN102542489A (zh) * | 2011-12-27 | 2012-07-04 | 纽海信息技术(上海)有限公司 | 一种基于用户兴趣关联的推荐方法 |
CN102999588A (zh) * | 2012-11-15 | 2013-03-27 | 广州华多网络科技有限公司 | 一种多媒体应用的推荐方法和系统 |
-
2013
- 2013-06-07 CN CN201310224437.9A patent/CN103297853B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101874255A (zh) * | 2005-05-27 | 2010-10-27 | 佩斯微技术有限公司 | 一种估计一个用户组对一个内容的总体兴趣度的方法和设备 |
CN101763351A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐方法 |
CN101944218A (zh) * | 2010-01-27 | 2011-01-12 | 北京大学 | 社会网络下的基于图的个性化推荐方法及其系统 |
CN102542489A (zh) * | 2011-12-27 | 2012-07-04 | 纽海信息技术(上海)有限公司 | 一种基于用户兴趣关联的推荐方法 |
CN102999588A (zh) * | 2012-11-15 | 2013-03-27 | 广州华多网络科技有限公司 | 一种多媒体应用的推荐方法和系统 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657414A (zh) * | 2013-11-22 | 2015-05-27 | 浦项工科大学校产学协力团 | 利用上下文感知确定内容推荐时间的方法以及装置 |
CN104657414B (zh) * | 2013-11-22 | 2018-02-02 | 浦项工科大学校产学协力团 | 利用上下文感知确定内容推荐时间的方法以及装置 |
CN106063282A (zh) * | 2014-02-25 | 2016-10-26 | 谷歌公司 | 合并内容频道 |
CN103888852A (zh) * | 2014-03-24 | 2014-06-25 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN103888852B (zh) * | 2014-03-24 | 2017-05-31 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN104320709A (zh) * | 2014-10-13 | 2015-01-28 | 四川长虹电器股份有限公司 | 一种电视节目推荐方法及电视节目播放终端 |
CN104809166A (zh) * | 2015-04-02 | 2015-07-29 | 海信集团有限公司 | 一种业务需求的确定方法及设备 |
CN104809166B (zh) * | 2015-04-02 | 2018-03-23 | 海信集团有限公司 | 一种业务需求的确定方法及设备 |
CN104822074B (zh) * | 2015-04-14 | 2017-11-28 | 天脉聚源(北京)传媒科技有限公司 | 一种电视节目的推荐方法及装置 |
CN104822074A (zh) * | 2015-04-14 | 2015-08-05 | 天脉聚源(北京)传媒科技有限公司 | 一种电视节目的推荐方法及装置 |
CN105045859A (zh) * | 2015-07-10 | 2015-11-11 | 海信集团有限公司 | 一种智能设备的用户特征分析方法及装置 |
CN105208412A (zh) * | 2015-08-31 | 2015-12-30 | 四川长虹电器股份有限公司 | 计算智能电视节目时段收视率的方法 |
CN106028126A (zh) * | 2016-05-17 | 2016-10-12 | Tcl集团股份有限公司 | 一种节目推送方法及系统 |
CN107608992A (zh) * | 2016-07-12 | 2018-01-19 | 上海视畅信息科技有限公司 | 一种基于时间轴的个性化推荐方法 |
CN106791963B (zh) * | 2016-12-08 | 2020-08-18 | Tcl科技集团股份有限公司 | 一种电视节目推荐方法及系统 |
CN106791963A (zh) * | 2016-12-08 | 2017-05-31 | Tcl集团股份有限公司 | 一种电视节目推荐方法及系统 |
CN107071578B (zh) * | 2017-05-24 | 2019-11-22 | 中国科学技术大学 | Iptv节目推荐方法 |
CN107071578A (zh) * | 2017-05-24 | 2017-08-18 | 中国科学技术大学 | Iptv节目推荐方法 |
CN108495155A (zh) * | 2018-03-16 | 2018-09-04 | 中国传媒大学 | 收视习惯分析方法及系统 |
CN108495155B (zh) * | 2018-03-16 | 2021-07-13 | 中国传媒大学 | 收视习惯分析方法及系统 |
CN108521586A (zh) * | 2018-03-20 | 2018-09-11 | 西北大学 | 兼顾时间上下文与隐式反馈的iptv电视节目个性化推荐方法 |
CN108521586B (zh) * | 2018-03-20 | 2020-01-14 | 西北大学 | 兼顾时间上下文与隐式反馈的iptv电视节目个性化推荐方法 |
CN109246450A (zh) * | 2018-08-06 | 2019-01-18 | 上海大学 | 一种基于隐式信息评分的影视择优推荐系统及方法 |
CN109246450B (zh) * | 2018-08-06 | 2021-07-06 | 上海大学 | 一种基于隐式信息评分的影视择优推荐方法 |
CN109977265A (zh) * | 2019-03-30 | 2019-07-05 | 华南理工大学 | 一种基于用户行为特征的iptv日志用户识别方法 |
CN109977265B (zh) * | 2019-03-30 | 2022-12-16 | 华南理工大学 | 一种基于用户行为特征的iptv日志用户识别方法 |
CN110189197A (zh) * | 2019-05-22 | 2019-08-30 | 常熟理工学院 | 基于上下文多臂赌博机的电商个性化推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103297853B (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103297853A (zh) | 一种基于多用户上下文识别的iptv节目推荐方法 | |
CN110430471B (zh) | 一种基于瞬时计算的电视推荐方法和系统 | |
US7949678B2 (en) | System and method for facilitating access to audio/visual content on an electronic device | |
US9235574B2 (en) | Systems and methods for providing media recommendations | |
US8943537B2 (en) | Method and system for presenting personalized television program recommendation to viewers | |
EP1374573B1 (en) | Tv program profiling technique and interface | |
WO2014141704A1 (ja) | コンテンツ提示方法、コンテンツ提示装置及びプログラム | |
US11064261B2 (en) | Electronic device and control method therefor | |
Bjelica | Towards TV recommender system: experiments with user modeling | |
JP6272553B2 (ja) | 画像認識に基づくスマートテレビのインタラクションコントロールシステムおよびその方法 | |
US10225591B2 (en) | Systems and methods for creating and managing user profiles | |
US10575057B2 (en) | Systems and methods for improving accuracy in media asset recommendation models | |
US8584166B2 (en) | Probabilistic-based content recommender | |
CN102244811A (zh) | 一种电视频道推荐系统及推荐方法 | |
US9615135B2 (en) | Devices and method for recommending content to users using a character | |
US9143834B2 (en) | System and method for organizing a media program guide according to popularity | |
US20160314410A1 (en) | Systems and methods for improving accuracy in media asset recommendations based on data from one data space | |
US11412308B2 (en) | Method for providing recommended channel list, and display device according thereto | |
EP3480767A1 (en) | Systems and methods for improving accuracy in media asset recommendation models | |
US20200221179A1 (en) | Method of providing recommendation list and display device using the same | |
US10003836B2 (en) | Systems and methods for improving accuracy in media asset recommendation models based on users' levels of enjoyment with respect to media assets | |
Krauss et al. | TV predictor: personalized program recommendations to be displayed on SmartTVs | |
US20160314404A1 (en) | Systems and methods for improving accuracy in media asset recommendations based on data from multiple data spaces | |
Alam et al. | Personalized content recommendations on smart TV: challenges, opportunities, and future research directions | |
KR20150101338A (ko) | 콘텐츠 추천 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160406 Termination date: 20180607 |