CN105812937B - 一种电视节目推荐方法和电视节目推荐装置 - Google Patents

Abstract

本发明公开了一种电视节目推荐方法和电视节目推荐装置，其中，一种电视节目推荐方法包括：获取待推荐节目列表；获取上述待推荐节目列表中的各个电视节目的节目特征向量；获取第一兴趣特征向量；分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度，得到上述待推荐节目列表中的各个电视节目的第一推荐值，其中，电视节目的第一推荐值等于该电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度；向用户推荐第一推荐值大于或等于预设阈值的电视节目。本发明提供的技术方案能够有效提高电视节目推荐的准确性。

Description

一种电视节目推荐方法和电视节目推荐装置

技术领域

本发明涉及电视领域，具体涉及一种电视节目推荐方法和电视节目推荐装置。

背景技术

目前，随着科技文化的发展，电视频道数量日益增加。面对大量的电视节目，用户很难找到自己感兴趣的电视节目，这使得用户在选择合适的电视节目上浪费了大量的时间与精力，降低了用户对电视的满意程度。为了有效解决这种情况，研究人员致力于帮助人们快速有效地找到感兴趣的节目。在这种需求驱动下，电视节目推荐系统应运而生，成为广大电视用户很重要的辅助手段。

传统推荐系统，一般基于目标用户的观看记录来预测目标用户可能感兴趣的电视节目。传统推荐系统在一定程度上改善了用户体验，但仍然存在着如下缺陷：忽略用户兴趣的周期性变化。例如，如果某月正在举行高水平网球赛事，用户通过电视观看了该高水平网球赛事的直播节目，电视节目推荐系统根据用户的收看记录分析了用户的兴趣，在本月向该用户推荐该高水平网球赛事的直播节目，然而，事实上用户只是想要收看该高水平网球赛事而已，而并非对所有网球节目都感兴趣，当本月的高水平网球赛事节目结束时，电视节目推荐系统无法捕捉到这种情况，从而无法继续准确地向用户推荐其他节目。

发明内容

本发明提供一种电视节目推荐方法和电视节目推荐装置，用于提高电视节目推荐的准确性。

本发明第一方面提供一种电视节目推荐方法，包括：

获取待推荐节目列表；

获取上述待推荐节目列表中的各个电视节目的节目特征向量，其中，电视节目的节目特征向量指示该电视节目的电视节目类别；

获取第一兴趣特征向量，其中，上述第一兴趣特征向量与上述节目特征向量的维数相同，且指示用户输入的感兴趣的电视节目类别；

分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度，得到上述待推荐节目列表中的各个电视节目的第一推荐值，其中，电视节目的第一推荐值等于该电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度；

向用户推荐第一推荐值大于或等于预设阈值的电视节目。

本发明第一方面提供一种电视节目推荐装置，包括：

第一获取单元，用于获取待推荐节目列表；

第二获取单元，用于获取上述待推荐节目列表中的各个电视节目的节目特征向量，其中，电视节目的节目特征向量指示该电视节目的电视节目类别；

第三获取单元，用于获取第一兴趣特征向量，其中，上述第一兴趣特征向量与上述节目特征向量的维数相同，且指示用户输入的感兴趣的电视节目类别；

第一计算单元，用于分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度，得到上述待推荐节目列表中的各个电视节目的第一推荐值，其中，电视节目的第一推荐值等于该电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度；

推荐单元，用于向用户推荐第一推荐值大于或等于预设阈值的电视节目。

由上可见，本发明获取指示用户输入的感兴趣的电视节目类别的第一兴趣特征向量，并计算待推荐节目列表中的各个电视节目的节目特征向量和该第一兴趣特征向量的余弦相似度，向用户推荐第一推荐值大于或等于预设阈值的电视节目，由于余弦相似度能够反映待推荐节目列表中的电视节目与用户输入的感兴趣的电视节目类别的相似程度，因此，通过向用户推荐第一推荐值大于或等于预设阈值的电视节目，能够保证所推荐节目与用户输入的感兴趣的电视节目类别的一致性，从而有效提高电视节目推荐的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供一种电视节目推荐方法一个实施例流程示意图；

图2为本发明提供一种电视节目推荐方法另一个实施例流程示意图；

图3为本发明提供一种电视节目推荐系统架构示意图；

图4为本发明提供一种电视节目推荐装置一个实施例流程示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面对本发明提供的一种电视节目推荐方法进行描述，请参阅图1，本发明实施例中的电视节目推荐方法包括：

101、获取待推荐节目列表；

本发明实施例中，电视节目推荐装置可以通过电子节目菜单(EPG，ElectronicProgram Guide)获取包含当天可收看的所有电视节目的电视节目列表；或者，电视节目推荐装置也可以直接从云端服务器或者其它外部设备获取包含当天可收看的所有电视节目的电视节目列表，此处不作限定。可选的，该电视节目列表包括各个电视节目所属的频道名称、播出时间、结束时间、节目名称、电视节目类别等，如表1所示的电视节目列表，包含P1～P5共5个电视节目以及各个电视节目目所属的频道名称、播出时间、结束时间、节目名称、电视节目类别。

表1

在一种实现方式中，电视节目推荐装置直接将获取的上述电视节目列表作为待推荐节目列表。

在另一种实现方式中，为进一步提高电视节目的推荐效率，电视节目推荐装置在获取包含当天可收看的所有电视节目的电视节目列表后，筛选出上述电视节目列表中满足第一条件和/或第二条件的电视节目，生成待推荐节目列表；其中，上述第一条件为：电视节目的播出时间早于当前时间且结束时间晚于当前时间；上述第二条件为：电视节目的播出时间与当前时间的差值小于预设时长。举例说明，假设电视节目推荐装置获取了如表1所示的电视节目列表，电视节目推荐装置将电视节目列表中的电视节目按照播出时间先后进行排序，得到如表2所示的电视节目列表：

表2

如表二上述例子，假设当前时间为2014.9.219:30，上述预设时长为30分钟，则电视节目P2和电视节目P3满足上述第一条件，电视节目P1和电视节目P2满足上述第二条件。则在当前时间下，生成待推荐节目列表包括电视节目P1、电视节目P2和电视节目P3。当然，电视节目推荐装置也可以不按照播出时间对电视节目列表中的电视节目进行排序；或者，电视节目推荐装置也可以根据其它预设条件对上述电视节目列表进行筛选后生成待推荐节目列表，此处不作限定。

102、获取上述待推荐节目列表中的各个电视节目的节目特征向量；

其中，电视节目的节目特征向量指示该电视节目的电视节目类别。

本发明实施例中，电视节目推荐装置建立上述待推荐节目列表中的各个电视节目的节目特征向量。

可选的，电视节目的节目特征向量为n维向量，n不小于2。电视节目的节目特征向量中的每个元素分别对应于一种电视节目类别，且当元素取有效值时，表示相应电视节目属于该元素对应的电视节目类别，当元素取无效值时，表示相应电视节目不属于该元素对应的电视节目类别。举例说明，假定n取6，6维节目特征向量中的每个元素分别对应于动作、冒险、动画、传记、喜剧和犯罪6种电视节目类别，且定义1为有效值，0为无效值，则一个电视类别为动作、冒险和喜剧的电视节目的节目特征向量定义为{1，1，0，0，1，0}。

103、获取第一兴趣特征向量；

其中，上述第一兴趣特征向量与上述节目特征向量的维数相同，且指示用户输入的感兴趣的电视节目类别。

在一种实施方式中，电视节目推荐装置为用户提供电视节目类别输入界面，以便用户通过该电视节目类别输入界面输入感兴趣的电视节目类别，电视节目推荐装置根据用户输入的电视节目类别，创建上述第一兴趣特征向量。可选的，上述第一兴趣特征向量为n维向量，n不小于2，上述第一兴趣特征向量中的每个元素分别对应于一种电视节目类别，且当元素取有效值时，表明用户输入了该元素对应的电视节目类别，当元素取无效值时，表示用户未输入该元素对应的电视节目类别。举例说明，假定n取6，6维节目特征向量中的每个元素分别对应于动作、冒险、动画、传记、喜剧和犯罪6种电视节目类别，且定义1为有效值，0为无效值，则若用户输入的电视节目类别为动画、传记和喜剧，则电视节目推荐装置根据用户输入的电视节目类别创建的第一兴趣特征向量为{0，0，1，1，1，0}。可选的，上述电视节目类别输入接口为一包含多个电视节目类别选项的可勾选界面，以便用户在该可勾选界面上通过勾选的方式输入感兴趣的电视节目类别。

在另一种实施方式中，电视节目推荐装置为用户提供电视节目输入接口，以便用户通过该电视节目输入接口输入感兴趣的电视节目，电视节目推荐装置获取用户输入的各个电视节目的节目特征向量并进行累加，得到上述第一兴趣特征向量，应理解的是，这里的电视节目的节目特征向量与步骤102中的电视节目的节目特征向量的定义一致。以步骤102中所举的6维节目特征向量为例进行说明，假设用户通过上述电视节目输入接口输入了4个节目，电视节目推荐装置根据用户输入的电视节目获取到的各个电视节目的节目特征向量分别为{1，0，0，0，1，0}、{0，0，1，1，1，0}、{1，0，1，0，1，0}和{1，0，1，1，0，0}，则电视节目推荐装置对上述各个电视节目的节目特征向量进行累加，得到向量{3，0，3，2，3，0}，则电视节目推荐装置将向量{3，0，3，2，3，0}作为上述第一兴趣特征向量。进一步，为了提高计算效率，电视节目推荐装置对上述各个电视节目的节目特征向量进行累加得到的向量进行归一化处理，将归一化处理后得到的向量作为上述第一兴趣特征向量。可选的，上述电视节目输入接口为一包含多个电视节目选项的可勾选界面，以便用户在该可勾选界面上通过勾选的方式输入感兴趣的电视节目，则上述第一兴趣特征向量为用户输入的所有感兴趣的电视节目的节目特征向量累加后得到的向量，或者，上述第一兴趣特征向量也可以为用户输入的所有感兴趣的电视节目的节目特征向量累加后进行归一化处理得到的向量。

104、分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度，得到上述待推荐节目列表中的各个电视节目的第一推荐值；

其中，电视节目的第一推荐值等于该电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度。

具体地，电视节目推荐装置根据公式分别 计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第一兴趣特征向量的 余弦相似度，在上述公式中，sim(UP,PV)_k表示上述待推荐节目列表中第k个电视节目的节 目特征向量和上述第一兴趣特征向量的余弦相似度；UP_i表示上述第一兴趣特征向量中的 第i个元素值；PV_ki表示上述待推荐节目列表中第k个电视节目的节目特征向量中的第i个元 素值，n为上述节目特征向量和上述第一兴趣特征向量的维数，上述n不小于2。

105、向用户推荐第一推荐值大于或等于预设阈值的电视节目；

本发明实施例中，电视节目推荐装置可以通过推送方式或其它方式向用户推荐第一推荐值大于或等于预设阈值的电视节目。

可选的，当步骤104计算得到的第一推荐值都小于该预设阈值时，提醒用户修改感兴趣的电视节目或电视节目类别，以便电视节目推荐装置重新获取上述第一兴趣特征向量后再重新推荐电视节目。

可选的，针对不同的用户建立相应的数据库，数据库用于存储用户的数据(例如上述第一兴趣特征向量)，用户的数据库与用户账号进行绑定，当用户通过用户账号登录电视节目推荐装置时，电视节目推荐装置基于该用户的数据库中存储的数据和图1所示实施例的流程向该用户推荐电视节目。并且，当用户修改感兴趣的电视节目或电视节目类别，电视节目推荐装置根据用户修改的感兴趣的电视节目或电视节目类别重新获取该用户的第一兴趣特征向量，并更新该用户的数据库。

需要说明的是，本发明实施例中的电视节目推荐装置可以为集成与电视中的模块，或者，也可以是独立于电视，并可以与电视进行通讯的装置，此处不作限定。

由上可见，本发明获取指示用户输入的感兴趣的电视节目类别的第一兴趣特征向量，并计算待推荐节目列表中的各个电视节目的节目特征向量和该第一兴趣特征向量的余弦相似度，向用户推荐第一推荐值大于或等于预设阈值的电视节目，由于余弦相似度能够反映待推荐节目列表中的电视节目与用户输入的感兴趣的电视节目类别的相似程度，因此，通过向用户推荐第一推荐值大于或等于预设阈值的电视节目，能够保证所推荐节目与用户输入的感兴趣的电视节目类别的一致性，从而有效提高电视节目推荐的准确性。

本发明对本发明实施例中的另一种电视节目推荐方法进行描述，请参阅图2，本发明实施例中的电视节目推荐方法包括：

步骤201～204，与步骤101～104类似，其具体实现方式可以参照步骤101～104中的描述，此处不再赘述。

205、从历史电视节目数据库中获取当前时间场景对应的历史电视节目列表；

其中，上述历史电视节目数据库包含分别对应不同时间场景(例如早上、中午、晚上、周末等时间场景)的历史电视节目列表，每个历史电视节目列表用于记录用户在相应时间场景内收看过的电视节目。

本发明实施例中，预设若干个时间场景，并为不同时间场景维护对应的历史电视节目列表，存储在历史电视节目数据库中，并且该历史电视节目列表根据用户的收看记录进行更新。

可选地，上述历史电视节目数据库由电视节目推荐装置维护，电视节目推荐装置根据用户收看电视节目时的时间场景，将用户已收看的电视节目加入该时间场景对应的历史电视节目列表中。可选的，历史电视节目列表采用滑动窗口机制，当在历史电视节目列表中添加电视节目后超出该历史电视节目列表的窗口大小，则采用队列先进先出模式，删除最早添加到该历史电视节目列表的电视节目，举例说明如下：假定时间场景A对应的历史电视节目列表B的窗口大小w＝10，则保留用户最近在该时间场景A收看的10部电视节目节目，当用户在时间场景A新收看了一部电视节目时，把最先添加到历史电视节目列表B的电视节目删除，始终保留10部节目作为收看历史。具体的，历史电视节目列表的窗口大小可以根据实际情况进行设定。当然，上述历史电视节目数据库也可以由其它与电视能够通讯的设备(如服务器)进行维护，此处不作限定。

本发明实施例中，电视节目推荐装置自动识别当前时间段对应的时间场景，并从历史电视节目数据库中获取当前时间场景对应的历史电视节目列表。

206、根据获取的历史电视节目列表计算第二兴趣特征向量；

其中，上述第二兴趣特征向量与上述节目特征向量的维数相同，且指示用户在当前时间场景下感兴趣的电视节目的类别。

可选的，上述第二兴趣特征向量与上述节目特征向量均为n维向量，n不小于2。在电视节目的节目特征向量中，每个元素分别对应于一种电视节目类别，且当元素取有效值时，表示相应电视节目属于该元素对应的电视节目类别，当元素取无效值时，表示相应电视节目不属于该元素对应的电视节目类别。举例说明，假定n取6，6维节目特征向量中的每个元素分别对应于动作、冒险、动画、传记、喜剧和犯罪6种电视节目类别，且定义1为有效值，0为无效值，则一个电视类别为动作、冒险和喜剧的电视节目的节目特征向量定义为{1，1，0，0，1，0}。

进一步，电视节目推荐装置根据获取的历史电视节目列表，获取该历史电视节目列表中各个电视节目的节目特征向量；根据上述历史电视节目列表中各个电视节目的节目特征向量和如下公式计算第二兴趣特征向量：

其中，在上述公式中，LUM_i表示上述第二兴趣特征向量中的第i个元素值，w表示上述历史电视节目列表中包含的电视节目的个数，p_ji表示上述历史电视节目列表中第j个电视节目的节目特征向量中的第i个元素值。

207、分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第二兴趣特征向量的余弦相似度，得到上述待推荐节目列表中的各个电视节目的第二推荐值；

其中，电视节目的第二推荐值等于该电视节目的节目特征向量和上述第二兴趣特征向量的余弦相似度。

具体地，若步骤206中，电视节目推荐装置根据公式计算 得到第二兴趣特征向量，则进一步，电视节目推荐装置根据公式分别计算上述待推荐节目列表中的各个电视 节目的节目特征向量和上述第二兴趣特征向量的余弦相似度。上式中，sim(LUM,PV)_k表示 上述待推荐节目列表中第k个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相 似度，PV_ki表示上述待推荐节目列表中第k个电视节目的节目特征向量中的第i个元素值。

208、分别将上述待推荐节目列表中同一电视节目的第一推荐值和第二推荐值求和，得到上述待推荐节目列表中的各个电视节目的第三推荐值；

209、向用户推荐第三推荐值大于或等于预设阈值的电视节目；

本发明实施例中，电视节目推荐装置可以通过推送方式或其它方式向用户推荐第三推荐值大于或等于预设阈值的电视节目。

可选的，当步骤208计算得到的第三推荐值都小于该预设阈值时，提醒用户修改感兴趣的电视节目或电视节目类别，以便电视节目推荐装置重新获取计算上述第三推荐值。

可选的，针对不同的用户建立相应的数据库，数据库用于存储用户的数据(例如上述分别对应不同时间场景的历史电视节目列表)，用户的数据库与用户账号进行绑定，当用户通过用户账号登录电视节目推荐装置时，电视节目推荐装置基于该用户的数据库中存储的数据和图2所示实施例的流程向该用户推荐电视节目。并且，该用户的数据库将根据该用户的操作行为进行相应的更新。

需要说明的是，本发明实施例中的电视节目推荐装置可以为集成与电视中的模块，或者，也可以是独立于电视，并可以与电视进行通讯的装置，此处不作限定。

由上可见，本发明一方面获取指示用户输入的感兴趣的电视节目类别的第一兴趣特征向量，并计算待推荐节目列表中的各个电视节目的节目特征向量和该第一兴趣特征向量的余弦相似度，得到待推荐节目列表中的各个电视节目的第一推荐值，另一方面根据当前时间场景下的历史电视节目列表计算第二兴趣特征向量，并计算待推荐节目列表中的各个电视节目的节目特征向量和该第二兴趣特征向量的余弦相似度，得到待推荐节目列表中的各个电视节目的第二推荐值，最终将待推荐节目列表中同一节目的第一推荐值和第二推荐值进行求和，得到待推荐节目列表中的各个电视节目的第三推荐值，向用户推荐第三推荐值大于或等于预设阈值的电视节目，由于余弦相似度能够反映待推荐节目列表中的电视节目与用户输入的感兴趣的电视节目类别的相似程度，因此，通过向用户推荐第一推荐值大于或等于预设阈值的电视节目，能够保证所推荐节目与用户输入的感兴趣的电视节目类别的一致性，从而有效提高电视节目推荐的准确性。并且，本发明实施例还引入不同时间场景下用户的电视节目收看历史计算待推荐节目列表中的各个电视节目的推荐值，使得电视节目推荐装置能够捕捉用户在不同时间场景下对电视节目的兴趣变化，进一步提高了电视节目推荐的准确性。

下面对应用本发明电视节目推荐方法的系统架构进行描述，其中，该电视节目推荐系统可以部署在家庭机顶盒中，如图3所示为该系统架构的示意图，由图3可见，“用户接口”即用户接口模块，用于与外界进行交互，同时也提供用户对电视节目推荐系统的访问，包括为用户提供电视节目类别输入界面；用户行为(即用户收看电视节目的记录)存储在收看历史(即上述历史电视节目数据库)中，而用户行为学习模块通过收看历史建立用户模型(即上述第二兴趣特征向量)并存储到用户模型库中。整个系统的输入为：用户兴趣(即用户通过上述用户接口输入的电视节目或电视节目类别)、提供情景信息的情景捕捉(即用户收看电视时的时间场景的捕捉)以及提供节目信息的EPG。

本发明实施例还提供一种电视节目推荐装置，如图4所示，本发明实施例中的电视节目推荐装置400包括：

第一获取单元401，用于获取待推荐节目列表；

第二获取单元402，用于获取上述待推荐节目列表中的各个电视节目的节目特征向量，其中，电视节目的节目特征向量指示该电视节目的电视节目类别；

第三获取单元403，用于获取第一兴趣特征向量，其中，上述第一兴趣特征向量与上述节目特征向量的维数相同，且指示用户输入的感兴趣的电视节目类别；

第一计算单元404，用于分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度，得到上述待推荐节目列表中的各个电视节目的第一推荐值，其中，电视节目的第一推荐值等于该电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度；

推荐单元405，用于向用户推荐第一推荐值大于或等于预设阈值的电视节目。

可选的，第一获取单元401包括：子获取单元，用于获取包含当天可收看的所有电视节目的电视节目列表；筛选单元，用于筛选出上述电视节目列表中满足第一条件和/或第二条件的电视节目，生成待推荐节目列表；其中，上述第一条件为：电视节目的播出时间早于当前时间且结束时间晚于当前时间；上述第二条件为：电视节目的播出时间与当前时间的差值小于或等于预设时长。

可选的，本发明实施例中的电视节目推荐装置还包括：第四获取单元，用于从历史电视节目数据库中获取当前时间场景对应的历史电视节目列表，其中，上述历史电视节目数据库包含分别对应不同时间场景的历史电视节目列表，每个历史电视节目列表用于记录用户在相应时间场景内收看过的电视节目；第二计算单元，用于根据获取的历史电视节目列表计算第二兴趣特征向量，其中，上述第二兴趣特征向量与上述节目特征向量的维数相同，且指示用户在当前时间场景下感兴趣的电视节目的类别；第三计算单元，用于分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第二兴趣特征向量的余弦相似度，得到上述待推荐节目列表中的各个电视节目的第二推荐值，其中，电视节目的第二推荐值等于该电视节目的节目特征向量和上述第二兴趣特征向量的余弦相似度；求和单元，用于分别将上述待推荐节目列表中同一电视节目的第一推荐值和第二推荐值求和，得到上述待推荐节目列表中的各个电视节目的第三推荐值；推荐单元405具体用于：向用户推荐第三推荐值大于或等于预设阈值的电视节目。

可选的，上述节目特征向量、上述第一兴趣特征向量和上述第二兴趣特征向量均为n维向量，上述n不小于2；

上述第二计算单元具体用于：获取该历史电视节目列表中各个电视节目的节目特征向量；根据上述历史电视节目列表中各个电视节目的节目特征向量和第一公式计算第二兴趣特征向量；

上述第一公式为：

在上述第一公式中，LUM_i表示上述第二兴趣特征向量中的第i个元素值，w表示上述历史电视节目列表中包含的电视节目的个数，p_ji表示上述历史电视节目列表中第j个电视节目的节目特征向量中的第i个元素值。

可选的，第一计算单元404具体用于：根据第二公式分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度；

上述第三计算单元具体用于：根据第三公式分别计算上述待推荐节目列表中的各个电视节目的节目特征向量和上述第二兴趣特征向量的余弦相似度；

其中，上述第二公式为：

上述第三公式为：

在上述第二公式和上述第三公式中，sim(UP,PV)_k表示上述待推荐节目列表中第k个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度；UP_i表示上述第一兴趣特征向量中的第i个元素值；PV_ki表示上述待推荐节目列表中第k个电视节目的节目特征向量中的第i个元素值；sim(LUM,PV)_k表示上述待推荐节目列表中第k个电视节目的节目特征向量和上述第一兴趣特征向量的余弦相似度。

需要说明的是，本发明实施例中的电视节目推荐装置可以为集成与电视中的模块，或者，也可以是独立于电视，并可以与电视进行通讯的装置，此处不作限定。应理解，本发明实施例中的电视节目推荐装置可以如上述方法实施例中的电视节目推荐装置，可以用于实现上述方法实施例中的全部技术方案，其具体实现过程可参照上述方法实施例中的相关描述，此处不再赘述。

由上可见，本发明获取指示用户输入的感兴趣的电视节目类别的第一兴趣特征向量，并计算待推荐节目列表中的各个电视节目的节目特征向量和该第一兴趣特征向量的余弦相似度，向用户推荐第一推荐值大于或等于预设阈值的电视节目，由于余弦相似度能够反映待推荐节目列表中的电视节目与用户输入的感兴趣的电视节目类别的相似程度，因此，通过向用户推荐第一推荐值大于或等于预设阈值的电视节目，能够保证所推荐节目与用户输入的感兴趣的电视节目类别的一致性，从而有效提高电视节目推荐的准确性。进一步，本发明实施例还引入不同时间场景下用户的电视节目收看历史计算待推荐节目列表中的各个电视节目的推荐值，使得电视节目推荐装置能够捕捉用户在不同时间场景下对电视节目的兴趣变化，进一步提高了电视节目推荐的准确性。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

应当理解，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上为对本发明所提供的一种电视节目推荐方法和电视节目推荐装置的描述，对于本领域的一般技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种电视节目推荐方法，其特征在于，包括：

获取待推荐节目列表；

获取所述待推荐节目列表中的各个电视节目的节目特征向量，其中，电视节目的节目特征向量指示该电视节目的电视节目类别；

获取第一兴趣特征向量，其中，所述第一兴趣特征向量与所述节目特征向量的维数相同，且指示用户输入的感兴趣的电视节目类别；

分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度，得到所述待推荐节目列表中的各个电视节目的第一推荐值，其中，电视节目的第一推荐值等于该电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度；

向用户推荐第一推荐值大于或等于预设阈值的电视节目；

所述向用户推荐第一推荐值大于或等于预设阈值的电视节目，之前包括：

从历史电视节目数据库中获取当前时间场景对应的历史电视节目列表，其中，所述历史电视节目数据库包含分别对应不同时间场景的历史电视节目列表，每个历史电视节目列表用于记录用户在相应时间场景内收看过的电视节目；

根据获取的历史电视节目列表计算第二兴趣特征向量，其中，所述第二兴趣特征向量与所述节目特征向量的维数相同，且指示用户在当前时间场景下感兴趣的电视节目的类别；

分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度，得到所述待推荐节目列表中的各个电视节目的第二推荐值，其中，电视节目的第二推荐值等于该电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度；

分别将所述待推荐节目列表中同一电视节目的第一推荐值和第二推荐值求和，得到所述待推荐节目列表中的各个电视节目的第三推荐值；

所述向用户推荐第一推荐值大于或等于预设阈值的电视节目，包括：

向用户推荐第三推荐值大于或等于预设阈值的电视节目。

2.根据权利要求1所述的方法，其特征在于，

所述获取待推荐节目列表包括：

获取包含当天可收看的所有电视节目的电视节目列表；

筛选出所述电视节目列表中满足第一条件和/或第二条件的电视节目，生成待推荐节目列表；

其中，所述第一条件为：电视节目的播出时间早于当前时间且结束时间晚于当前时间；所述第二条件为：电视节目的播出时间与当前时间的差值小于或等于预设时长。

3.根据权利要求1所述的方法，其特征在于，所述节目特征向量、所述第一兴趣特征向量和所述第二兴趣特征向量均为n维向量，所述n不小于2；

所述根据获取的历史电视节目列表计算第二兴趣特征向量，包括：

获取该历史电视节目列表中各个电视节目的节目特征向量；

根据所述历史电视节目列表中各个电视节目的节目特征向量和第一公式计算第二兴趣特征向量；

所述第一公式为：

在所述第一公式中，LUM_i表示所述第二兴趣特征向量中的第i个元素值，w表示所述历史电视节目列表中包含的电视节目的个数，p_ji表示所述历史电视节目列表中第j个电视节目的节目特征向量中的第i个元素值。

4.根据权利要求3所述的方法，其特征在于，所述分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度，具体为：

根据第二公式分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度；

所述分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度，具体为：

根据第三公式分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度；

其中，所述第二公式为：

所述第三公式为：

在所述第二公式和所述第三公式中，sim(UP,PV)_k表示所述待推荐节目列表中第k个电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度；UP_i表示所述第一兴趣特征向量中的第i个元素值；PV_ki表示所述待推荐节目列表中第k个电视节目的节目特征向量中的第i个元素值；sim(LUM,PV)_k表示所述待推荐节目列表中第k个电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度。

5.一种电视节目推荐装置，其特征在于，包括：

第一获取单元，用于获取待推荐节目列表；

第二获取单元，用于获取所述待推荐节目列表中的各个电视节目的节目特征向量，其中，电视节目的节目特征向量指示该电视节目的电视节目类别；

第三获取单元，用于获取第一兴趣特征向量，其中，所述第一兴趣特征向量与所述节目特征向量的维数相同，且指示用户输入的感兴趣的电视节目类别；

第一计算单元，用于分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度，得到所述待推荐节目列表中的各个电视节目的第一推荐值，其中，电视节目的第一推荐值等于该电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度；

推荐单元，用于向用户推荐第一推荐值大于或等于预设阈值的电视节目；

所述电视节目推荐装置还包括：

第四获取单元，用于从历史电视节目数据库中获取当前时间场景对应的历史电视节目列表，其中，所述历史电视节目数据库包含分别对应不同时间场景的历史电视节目列表，每个历史电视节目列表用于记录用户在相应时间场景内收看过的电视节目；

第二计算单元，用于根据获取的历史电视节目列表计算第二兴趣特征向量，其中，所述第二兴趣特征向量与所述节目特征向量的维数相同，且指示用户在当前时间场景下感兴趣的电视节目的类别；

第三计算单元，用于分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度，得到所述待推荐节目列表中的各个电视节目的第二推荐值，其中，电视节目的第二推荐值等于该电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度；

求和单元，用于分别将所述待推荐节目列表中同一电视节目的第一推荐值和第二推荐值求和，得到所述待推荐节目列表中的各个电视节目的第三推荐值；

所述推荐单元具体用于：向用户推荐第三推荐值大于或等于预设阈值的电视节目。

6.根据权利要求5所述的电视节目推荐装置，其特征在于，所述第一获取单元包括：

子获取单元，用于获取包含当天可收看的所有电视节目的电视节目列表；

筛选单元，用于筛选出所述电视节目列表中满足第一条件和/或第二条件的电视节目，生成待推荐节目列表；

其中，所述第一条件为：电视节目的播出时间早于当前时间且结束时间晚于当前时间；所述第二条件为：电视节目的播出时间与当前时间的差值小于或等于预设时长。

7.根据权利要求5所述的电视节目推荐装置，其特征在于，所述节目特征向量、所述第一兴趣特征向量和所述第二兴趣特征向量均为n维向量，所述n不小于2；

所述第二计算单元具体用于：获取该历史电视节目列表中各个电视节目的节目特征向量；根据所述历史电视节目列表中各个电视节目的节目特征向量和第一公式计算第二兴趣特征向量；

所述第一公式为：

在所述第一公式中，LUM_i表示所述第二兴趣特征向量中的第i个元素值，w表示所述历史电视节目列表中包含的电视节目的个数，p_ji表示所述历史电视节目列表中第j个电视节目的节目特征向量中的第i个元素值。

8.根据权利要求7所述的电视节目推荐装置，其特征在于，所述第一计算单元具体用于：根据第二公式分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度；

所述第三计算单元具体用于：根据第三公式分别计算所述待推荐节目列表中的各个电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度；

其中，所述第二公式为：

所述第三公式为：

在所述第二公式和所述第三公式中，sim(UP,PV)_k表示所述待推荐节目列表中第k个电视节目的节目特征向量和所述第一兴趣特征向量的余弦相似度；UP_i表示所述第一兴趣特征向量中的第i个元素值；PV_ki表示所述待推荐节目列表中第k个电视节目的节目特征向量中的第i个元素值；sim(LUM,PV)_k表示所述待推荐节目列表中第k个电视节目的节目特征向量和所述第二兴趣特征向量的余弦相似度。