CN104378659A - 基于智能电视的个性化推荐方法 - Google Patents

基于智能电视的个性化推荐方法 Download PDF

Info

Publication number
CN104378659A
CN104378659A CN201410606829.6A CN201410606829A CN104378659A CN 104378659 A CN104378659 A CN 104378659A CN 201410606829 A CN201410606829 A CN 201410606829A CN 104378659 A CN104378659 A CN 104378659A
Authority
CN
China
Prior art keywords
user
similarity model
individual subscriber
recommendation method
intelligent television
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.)
Pending
Application number
CN201410606829.6A
Other languages
English (en)
Inventor
张旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN201410606829.6A priority Critical patent/CN104378659A/zh
Publication of CN104378659A publication Critical patent/CN104378659A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Abstract

本发明涉及智能电视技术。本发明解决了现有智能电视推荐方法中推荐技术单一的问题，提供了一种基于智能电视的个性化推荐方法，其技术方案可概括为：首先系统收集用户个人特征信息及用户个人偏好数据，根据用户个人特征信息及用户个人偏好数据进行建模，生成该用户的用户相似度模型，然后分析影片数据库中各项目相关性，采用内容过滤进行项目相似度建模，生成项目相似度模型，再通过用户相似度模型对项目相似度模型中项目进行评分，得到用户-项目评分矩阵，当需要推荐结果时对用户-项目评分矩阵使用协同过滤算法得到推荐结果并返回给用户。本发明的有益效果是，方便用户，适用于智能电视系统。

Description

基于智能电视的个性化推荐方法
技术领域
本发明涉及智能电视技术，特别涉及智能电视节目推荐技术。
背景技术
互联网已经逐渐走入人们的生活，人们对信息的利用也逐渐变的全球化，通过网络来获取信息变的日常化。近年来，互联网信息数据量爆炸式增长，海量信息充斥着互联网，用户越来越难准确找到自己所需要的信息，信息过载问题成为互联网发展的巨大挑战。智能电视同样存在这样的问题，大量的视频数据，用户想选择喜欢的视频却无从选择。通过推荐引擎能够帮助用户智能过滤信息，而目前行业中比较流行的推荐技术，如协同过滤推荐技术、内容过滤推荐技术等单一推荐技术能够进行一定程度的智能推荐，但是在实际应用过程中依然面临诸如推荐质量低、自动化程度差、冷启动问题、实时响应差等挑战。
发明内容
本发明的目的是要克服目前智能电视推荐方法中推荐技术单一的缺点，提供一种基于智能电视的个性化推荐方法。
本发明解决其技术问题，采用的技术方案是，基于智能电视的个性化推荐方法，其特征在于，包括如下步骤：
步骤1、系统收集用户个人特征信息及用户个人偏好数据；
步骤2、系统根据用户个人特征信息及用户个人偏好数据进行建模，生成该用户的用户相似度模型；
步骤3、系统分析影片数据库中各项目相关性，采用内容过滤进行项目相似度建模，生成项目相似度模型；
步骤4、系统通过用户相似度模型对影片数据库中各项目进行评分估计，建立用户-项目评分矩阵；
步骤5、系统通过用户相似度模型对项目相似度模型中未评分项目进行预测评分，填充入用户-项目评分矩阵；
步骤6、系统对用户-项目评分矩阵使用协同过滤算法得到推荐结果并返回给用户；
步骤7、系统时刻监控是否有新项目添加进影片数据库，若没有则不进行相关处理，继续等待直至有新项目添加进影片数据库，当有新项目添加进影片数据库时则根据项目相似度模型及用户相似度模型对其进行相应预测评分，填充入用户-项目评分矩阵，回到步骤6；
步骤8、系统时刻收集用户的用户个人偏好数据，对用户相似度模型进行更新，进入步骤4。
具体的，步骤1及步骤8中，所述用户个人偏好数据包括用户历史评分及浏览行为记录。
进一步的，所述用户个人偏好数据还包括用户对推荐结果的反馈。
再进一步的，步骤1中，所述用户个人特征信息包括用户登录信息。
具体的，步骤2至步骤5、步骤7及步骤8中对用户相似度模型进行更新的处理步骤在用户离线时系统进行相应处理。
再进一步，所述系统为智能电视机或智能电视推荐服务器。
本发明的有益效果是，在本发明方案中，通过上述基于智能电视的个性化推荐方法，融合了内容过滤技术及协同过滤技术，使得得到的推荐结果更加准确，方便用户，且将复杂的计算移至离线处理，使得用户使用时能够比较快速的得到推荐结果。
具体实施方式
下面结合实施例，详细描述本发明的技术方案。
本发明所述基于智能电视的个性化推荐方法为：首先系统收集用户个人特征信息及用户个人偏好数据，再根据用户个人特征信息及用户个人偏好数据进行建模，生成该用户的用户相似度模型，然后分析影片数据库中各项目相关性，采用内容过滤进行项目相似度建模，生成项目相似度模型，再通过用户相似度模型对影片数据库中各项目进行评分估计，建立用户-项目评分矩阵，然后再通过用户相似度模型对项目相似度模型中未评分项目进行预测评分，填充入用户-项目评分矩阵，当需要推荐结果时对用户-项目评分矩阵使用协同过滤算法得到推荐结果并返回给用户，整个处理中系统时刻监控是否有新项目添加进影片数据库，若没有则不进行相关处理，继续等待直至有新项目添加进影片数据库，当有新项目添加进影片数据库时则根据项目相似度模型及用户相似度模型对其进行相应预测评分，填充入用户-项目评分矩阵，且系统时刻收集用户的用户个人偏好数据，对用户相似度模型进行更新，以便使以后得到的推荐结果质量更高，效果更佳。
实施例
本发明实施例的基于智能电视的个性化推荐方法，包括以下步骤：
步骤1、系统收集用户个人特征信息及用户个人偏好数据。
本步骤中，用户个人偏好数据包括用户历史评分及浏览行为记录等用户个人偏好数据，用户个人特征信息可以为用户登录信息等代表用户个人的信息，例如用户名或在使用面部识别登陆时的面部特征值等。
步骤2、系统根据用户个人特征信息及用户个人偏好数据进行建模，生成该用户的用户相似度模型。
步骤3、系统分析影片数据库中各项目相关性，采用内容过滤进行项目相似度建模，生成项目相似度模型。
步骤4、系统通过用户相似度模型对影片数据库中各项目进行评分估计，建立用户-项目评分矩阵。
此时的评分估计是指利用用户相似度模型中的用户已评分项目得出的这些项目的评分，即此时用户-项目评分矩阵中仅存在用户对项目的历史评分，或根据用户相似度模型中的用户浏览行为记录得到的这些项目的相应评分，如以浏览时间长短划分相应的评分。
步骤5、系统通过用户相似度模型对项目相似度模型中未评分项目进行预测评分，填充入用户-项目评分矩阵。
此时的未评分项目即是指用户未对其进行过评分的项目或用户未浏览过的项目。
步骤6、系统对用户-项目评分矩阵使用协同过滤算法得到推荐结果并返回给用户。
步骤7、系统时刻监控是否有新项目添加进影片数据库，若没有则不进行相关处理，继续等待直至有新项目添加进影片数据库，当有新项目添加进影片数据库时则根据项目相似度模型及用户相似度模型对其进行相应预测评分，填充入用户-项目评分矩阵，回到步骤6。
步骤8、系统时刻收集用户的用户个人偏好数据，对用户相似度模型进行更新，进入步骤4。
本步骤中，用户个人偏好数据包括用户历史评分及浏览行为记录等用户个人偏好数据，还可以包括用户对推荐结果的反馈。
具体应用时，步骤2至步骤5、步骤7及步骤8中更新用户相似度模型的处理步骤可以在用户离线时系统才进行相应处理，这样可以使用户在使用时比较快速的得到推荐结果。整个系统可以存在于智能电视机上或智能电视推荐服务器上。

Claims (6)

1.基于智能电视的个性化推荐方法，其特征在于，包括如下步骤：
步骤1、系统收集用户个人特征信息及用户个人偏好数据；
步骤2、系统根据用户个人特征信息及用户个人偏好数据进行建模，生成该用户的用户相似度模型；
步骤3、系统分析影片数据库中各项目相关性，采用内容过滤进行项目相似度建模，生成项目相似度模型；
步骤4、系统通过用户相似度模型对影片数据库中各项目进行评分估计，建立用户-项目评分矩阵；
步骤5、系统通过用户相似度模型对项目相似度模型中未评分项目进行预测评分，填充入用户-项目评分矩阵；
步骤6、系统对用户-项目评分矩阵使用协同过滤算法得到推荐结果并返回给用户；
步骤7、系统时刻监控是否有新项目添加进影片数据库，若没有则不进行相关处理，继续等待直至有新项目添加进影片数据库，当有新项目添加进影片数据库时则根据项目相似度模型及用户相似度模型对其进行相应预测评分，填充入用户-项目评分矩阵，回到步骤6；
步骤8、系统时刻收集用户的用户个人偏好数据，对用户相似度模型进行更新，进入步骤4。
2.如权利要求1所述的基于智能电视的个性化推荐方法，其特征在于，步骤1及步骤8中，所述用户个人偏好数据包括用户历史评分及浏览行为记录。
3.如权利要求2所述的基于智能电视的个性化推荐方法，其特征在于，所述用户个人偏好数据还包括用户对推荐结果的反馈。
4.如权利要求1所述的基于智能电视的个性化推荐方法，其特征在于，步骤1中，所述用户个人特征信息包括用户登录信息。
5.如权利要求1所述的基于智能电视的个性化推荐方法，其特征在于，步骤2至步骤5、步骤7及步骤8中对用户相似度模型进行更新的处理步骤在用户离线时系统进行相应处理。
6.如权利要求1或2或3或4或5所述的基于智能电视的个性化推荐方法，其特征在于，所述系统为智能电视机或智能电视推荐服务器。
CN201410606829.6A 2014-10-31 2014-10-31 基于智能电视的个性化推荐方法 Pending CN104378659A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410606829.6A CN104378659A (zh) 2014-10-31 2014-10-31 基于智能电视的个性化推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410606829.6A CN104378659A (zh) 2014-10-31 2014-10-31 基于智能电视的个性化推荐方法

Publications (1)

Publication Number Publication Date
CN104378659A true CN104378659A (zh) 2015-02-25

Family

ID=52557262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410606829.6A Pending CN104378659A (zh) 2014-10-31 2014-10-31 基于智能电视的个性化推荐方法

Country Status (1)

Country Link
CN (1) CN104378659A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282616A (zh) * 2015-11-13 2016-01-27 云南大学 一种组合协同过滤iptv节目推荐方法
CN105704566A (zh) * 2016-04-25 2016-06-22 浪潮软件集团有限公司 一种基于电视机顶盒的视频推荐系统
CN107948754A (zh) * 2017-11-29 2018-04-20 成都视达科信息技术有限公司 一种视频推荐方法和系统
CN108038133A (zh) * 2017-11-20 2018-05-15 青岛鹏海软件有限公司 个性化推荐方法
CN108174247A (zh) * 2017-12-27 2018-06-15 优酷网络技术（北京）有限公司 视频互动方法及装置
CN108205682A (zh) * 2016-12-19 2018-06-26 同济大学 一种用于个性化推荐的融合内容和行为的协同过滤方法
CN110070416A (zh) * 2019-04-17 2019-07-30 上海圣剑网络科技股份有限公司 一种电视端应用大厅产品自动推荐方法及系统
CN110996177A (zh) * 2019-11-27 2020-04-10 北京爱奇艺智慧娱乐科技有限公司 面向点播影院的视频推荐方法、装置及设备
CN112565902A (zh) * 2019-09-10 2021-03-26 北京达佳互联信息技术有限公司 一种视频推荐方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070211158A1 (en) * 2004-06-08 2007-09-13 Matsushita Electric Industrial Co., Ltd. Program Selection Support Device
CN101141607A (zh) * 2006-09-08 2008-03-12 百视通网络电视技术发展有限责任公司 可用于iptv的互动关联方法及其实现系统
CN103823908A (zh) * 2014-03-21 2014-05-28 北京飞流九天科技有限公司 基于用户偏好的内容推荐方法和服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070211158A1 (en) * 2004-06-08 2007-09-13 Matsushita Electric Industrial Co., Ltd. Program Selection Support Device
CN101141607A (zh) * 2006-09-08 2008-03-12 百视通网络电视技术发展有限责任公司 可用于iptv的互动关联方法及其实现系统
CN103823908A (zh) * 2014-03-21 2014-05-28 北京飞流九天科技有限公司 基于用户偏好的内容推荐方法和服务器

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282616A (zh) * 2015-11-13 2016-01-27 云南大学 一种组合协同过滤iptv节目推荐方法
CN105704566A (zh) * 2016-04-25 2016-06-22 浪潮软件集团有限公司 一种基于电视机顶盒的视频推荐系统
CN108205682A (zh) * 2016-12-19 2018-06-26 同济大学 一种用于个性化推荐的融合内容和行为的协同过滤方法
CN108205682B (zh) * 2016-12-19 2021-10-08 同济大学 一种用于个性化推荐的融合内容和行为的协同过滤方法
CN108038133A (zh) * 2017-11-20 2018-05-15 青岛鹏海软件有限公司 个性化推荐方法
CN107948754A (zh) * 2017-11-29 2018-04-20 成都视达科信息技术有限公司 一种视频推荐方法和系统
CN108174247A (zh) * 2017-12-27 2018-06-15 优酷网络技术（北京）有限公司 视频互动方法及装置
CN110070416A (zh) * 2019-04-17 2019-07-30 上海圣剑网络科技股份有限公司 一种电视端应用大厅产品自动推荐方法及系统
CN112565902A (zh) * 2019-09-10 2021-03-26 北京达佳互联信息技术有限公司 一种视频推荐方法、装置及电子设备
CN112565902B (zh) * 2019-09-10 2022-06-03 北京达佳互联信息技术有限公司 一种视频推荐方法、装置及电子设备
CN110996177A (zh) * 2019-11-27 2020-04-10 北京爱奇艺智慧娱乐科技有限公司 面向点播影院的视频推荐方法、装置及设备

Similar Documents

Publication Publication Date Title
CN104378659A (zh) 基于智能电视的个性化推荐方法
US20210103779A1 (en) Mobile image search system
US11657084B2 (en) Correlating image annotations with foreground features
CN107404656B (zh) 直播视频推荐方法、装置及服务器
WO2017101317A1 (zh) 智能推荐的全端显示方法及装置
US9607010B1 (en) Techniques for shape-based search of content
CN108446964B (zh) 一种基于移动流量dpi数据的用户推荐方法
CN104636371A (zh) 信息推荐方法及设备
US20200364457A1 (en) Emotion recognition-based artwork recommendation method and device, medium, and electronic apparatus
CN104462560A (zh) 一种个性化推荐系统及其推荐方法
CN106933821A (zh) 一种基于相似度计算的个性化职位推荐方法和系统
CN106096015B (zh) 一种基于大数据双向推荐的深度学习方法及双向推荐装置
US9606975B2 (en) Apparatus and method for automatically generating visual annotation based on visual language
CN105787055A (zh) 信息推荐方法及装置
CN104899195B (zh) 一种个性化教育资源的推荐方法和装置
CN108108491A (zh) 一种多媒体数据的推荐方法及装置
CN104090971A (zh) 面向个性化应用的跨网络行为关联方法
CN104951770A (zh) 人脸图像数据库的构建方法、应用方法及相应装置
CN103530416A (zh) 项目数据预测评分库的生成、项目数据的推送方法和系统
CN114936301B (zh) 智能家居建材数据的管理方法、装置、设备及存储介质
KR101450453B1 (ko) 컨텐츠 추천 방법 및 장치
CN106572390A (zh) 一种音视频推荐方法及设备
CN105335466A (zh) 一种音频数据的检索方法与装置
JP2006293486A5 (zh)
CN104598448A (zh) 一种个性化信息推荐系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150225

RJ01 Rejection of invention patent application after publication