CN106162348A - 一种个性化节目推荐方法及装置 - Google Patents

Abstract

本发明公开了一种个性化节目推荐方法及装置，所述方法包括：获取当前用户的交互数据，根据所述当前用户的交互数据，获取当前用户的用户特征，然后根据所述当前用户的用户特征，确定所述当前用户对应的用户簇，之后将所述确定的用户簇对应的节目，推荐给所述当前用户。根据交互数据进行识别当前的用户，获取用户特征，查找当前用户的用户簇所对应的节目集合，可以实现对不同的用户推荐相应的节目，解决了在设备共享时用户无法快速获取自己喜欢的节目的问题。

Description

一种个性化节目推荐方法及装置

技术领域

本发明涉及网络电视技术领域，特别涉及一种个性化节目推荐方法及装置。

背景技术

随着互联网规模的迅速增长，同时也带来了信息超载的问题，过量信息同时呈现使得用户无法很便捷快速的获取对自己有用的部分，信息使用效率反而降低。因而，在如今的互联网应用中，越来越多“聪明”的推荐系统开发出来并被广大用户信赖和使用。

在推荐系统使用的过程中，出现了许多问题，其中之一就是对于多用户使用的共享账号，共享账号中包含了整个家庭成员的不同行为模式，如何对此账号中的所有成员给出合理推荐。此处的共享账号是指家庭成员对电视终端的共享，所有的家庭成员共享一台电视终端，家庭成员正面临电视终端日益丰富多彩的影视频节目的困扰，如何从如此众多的影视频节目中快速挑选出自己感兴趣的内容是家庭成员正在面临的问题，而且，有多个家庭成员时，不同的家庭成员的喜好也不一样，如何能够同时满足多个家庭成员的影视频节目推荐方法是现在主要需要解决的问题。

因此，亟需一种新的电视终端影视频节目的推荐方法，可以解决不同家庭成员共同使用一台电视终端时，可以对每个家庭成员都做出节目推荐。

发明内容

本发明提供一种个性化节目推荐方法及装置，用以解决现有技术中存在多用户使用共同账户时，不能对每个用户都做出电视节目推荐的问题。

本发明实施例提供了一种个性化节目推荐方法，该方法包括：

获取当前用户的交互数据；

根据所述当前用户的交互数据，获取当前用户的用户特征；

根据所述当前用户的用户特征，确定所述当前用户对应的用户簇；

将所述确定的用户簇对应的节目，推荐给所述当前用户。

基于相同思路，本发明实施例还提供了一种个性化节目推荐装置，包括：

数据获取单元，用于获取当前用户的交互数据；

用户识别单元，用于根据所述当前用户的交互数据，获取当前用户的用户特征；

用户簇确定单元，用于根据所述当前用户的用户特征，确定所述当前用户对应的用户簇；

节目推荐单元，用于将所述确定的用户簇对应的节目，推荐给所述当前用户。

上述发明实施例，通过获取当前用户的交互数据，根据所述当前用户的交互数据，获取当前用户的用户特征，然后根据所述当前用户的用户特征，确定所述当前用户对应的用户簇，之后将所述确定的用户簇对应的节目，推荐给所述当前用户。根据交互数据进行识别当前的用户，获取用户特征，查找当前用户的用户簇所对应的节目集合，可以实现对不同的用户推荐相应的节目，解决了在设备共享时用户无法快速获取自己喜欢的节目的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例中一种个性化节目推荐方法的流程示意图；

图2为本发明实施例中一种个性化节目推荐装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。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它实施例，都属于本发明保护的范围。

本发明实施例中的设备可以为智能电视、网路电视、智能空调等家用电器。本发明实施例仅是示例作用，不限于此。

本发明既适用于单用户模式的设备也适用于多用户模式的设备，本发明实施例仅是示例作用。

在现有的家庭环境中，智能电视和智能空调是在家庭成员之间共享的，在同一个共享账户下的家庭成员各自的喜好不同，观看电视节目或调节空调的温度都各不相同，在此情况下，现有的智能电视无法对每个家庭成员都做出节目推荐。

基于上述论述，图1示出了一种个性化节目推荐方法的流程，该流程可以由个性化节目推荐装置执行，该装置可以位于智能电视内，也可以是智能电视，如图1所示，该流程具体步骤包括：

步骤S101，获取当前用户的交互数据。

具体的，获取与当前用户的交互数据，当前用户的操作如浏览和播放的节目会致使该节目产生一个隐性反馈，在与当前用户交互的过程中，需要实时获取新的隐性反馈，该新的隐性反馈即是当前用户的交互数据。所述当前用户的交互数据可以用于识别当前用户。

步骤S102，根据所述当前用户的交互数据，获取当前用户的用户特征。

在所述步骤S102中，根据所述步骤S102中获取的当前用户的交互数据，即对当前的浏览和播放的节目产生的隐性反馈，该隐性反馈对应预设的用户特征，如当前浏览或播放的是戏曲类，且时间是在工作日的白天，则可以设定其对应的用户特征是年龄大，既可以获取当前的家庭用户是老年人。其中，用户特征可以是家庭用户的年龄、性别或职业等信息。

步骤S103，根据所述当前用户的用户特征，确定所述当前用户对应的用户簇。

具体的，在所述步骤S103中，根据所述步骤S102中获取的当前用户的用户特征，判断所述用户特征对应属于哪个用户簇，查找到所述当前用户对应的用户簇。所述用户簇表示了每个用户与每个节目评分集合的映射关系，一个用户对应一个节目评分集合。所述用户簇也表示了该用户的对节目的喜好。

在上述过程中，所述用户簇可以通过下述步骤确定：首先获取用户的历史数据，并根据所述历史数据建立用户的偏好矩阵，其中，所述用户的历史数据按照设定周期进行更新，如可以设定每天晚上0点进行更新，即获取当天的日志。所述偏好矩阵可以是其中r_u,i表示用户u对于节目i的隐性评分值。

在建立好用户的偏好矩阵之后，对所述偏好矩阵进行奇异值分解，获取用户特征向量和节目评分向量，如：假设智能电视的用户账号为H，现需要对H中的用户进行识别，M_H为H账号中所有用户观看的影片集合，m_H＝|M_H|为影片集合中的影片数量，该账号中的用户数目为n已知，则根据后台数据建立用户的偏好矩阵M_H，通过矩阵分解即可以使用奇异值分解的方式获得用户特性向量(影片j∈M_H的特征向量)和节目评分向量(影片j∈M_H的特征向量)。然后再将所述用户特征向量和所述节目评分向量构建新的向量(其中j∈M_H)，即可建立用户训练集合其中m_H为训练集合的大小。然后对用户训练集合采用向量期望最大化算法进行聚类成多个用户簇，从而建立用户与节目评分之间的映射关系S:M_H→(用户1,…,用户n)，该映射关系S可以用于根据用户的用户特征识别用户。

步骤S104，将所述确定的用户簇对应的节目，推荐给所述当前用户。

在确定出当前用户对应的用户簇之后，将所述确定的用户簇中的节目评分集合进行矩阵分解，可以获得每个节目的评分，然后对所述确定的用户簇对应的节目可以按照评分的高低进行排序，同样也可以按照相关度进行排序，此处可以依据经验进行设置。然后将排序后的节目集合推荐给所述当前用户。同时，还可以根据当前用户的用户特征和用户的观看节目的时间，将所述用户特征对应的空调的温度进行推荐，可以是将所述用户特征对应的空调温度显示到当前设备的屏幕上，即向所述当前用户推荐出当前最适合所述当前用户的温度，便于所述当前用户调节空调温度，也可以是推荐给物联网的智能家居平台，通过物联网的智能家居平台对智能空调进行自动调整。本发明实施例仅是示例作用，不对此做限制。

上述实施例中，首先通过获取当前用户的交互数据，根据所述当前用户的交互数据，获取当前用户的用户特征，然后根据所述当前用户的用户特征，确定所述当前用户对应的用户簇，之后将所述确定的用户簇对应的节目，推荐给所述当前用户。根据交互数据进行识别当前的家庭用户，获取用户特征，从而识别当前用户，并向当前用户推荐感兴趣的节目。可以实现对不同的家庭用户推荐相应的节目，从多个用户中识别出当前正在使用设备的用户，解决了在设备共享时用户无法快速获取自己喜欢的节目的问题，同时还可以根据识别出的用户，对用户推荐适合的温度。

为了更好的解释本发明，以下结合具体的实施应用场景，提供了在具体应用场景下进行个性化节目推荐的实施过程。

在本发明实施例中，智能电视的用户共享账户H中的用户数量有5个，有2个青年人、2个老人和1个小孩。通过聚类成簇的算法将所有用户的历史记录分成5个簇，每个用户对用一个簇，对应的将整个节目集合M_H分成5个集合。实时获取当前用户的交互数据，即当前用户浏览或观看节目时产生的隐性反馈然后根据隐性反馈查找预先设定的对应的是哪个用户的用户特征，当查找到该隐性反馈对应的是小孩的用户特征，则会识别出当前的用户是小孩，之后查找小孩对应的用户簇是哪一个，在确定了小孩所对应的用户簇后，即确定了小孩喜欢看哪个类型的节目，将小孩所对应的用户簇中的节目评分集合进行矩阵分解，获得每个节目的特征评分，再对该用户簇对应的节目按照特征评分进行从高到低排序，将排好序后的节目推荐给当前用户，即推荐给小孩。此时，还会将以往小孩在观看节目时开启空调的温度推荐给当前用户，便于当前用户做出调整，也可以推荐给物联网的智能家居平台，通过物联网的智能家居平台对智能空调进行自动调整。本发明实施例仅是示例作用，不对此做限制。

基于相同的发明构思，图2示出了一种个性化节目推荐装置，该装置可以执行个性化节目推荐方法的流程，该装置可以位于智能电视内，也可以是智能电视，如图2所示，该装置具体包括：

数据获取单元201，用于获取当前用户的交互数据；

用户识别单元202，用于根据所述当前用户的交互数据，获取当前用户的用户特征；

用户簇确定单元203，用于根据所述当前用户的用户特征，确定所述当前用户对应的用户簇；

节目推荐单元204，用于将所述确定的用户簇对应的节目，推荐给所述当前用户。

优选地，所述用户簇可以通过下述步骤确定：

获取用户的历史数据，并根据所述历史数据建立用户的偏好矩阵；

将所述偏好矩阵进行矩阵分解，获得用户特征向量和节目评分向量；

根据所述用户特征向量和所述节目评分向量，聚类成多个用户簇。

优选地，所述根据所述用户特征向量和所述节目评分向量，聚类成多个用户簇，包括：

根据所述用户特征向量和所述节目评分向量，建立用户训练集合，对所述用户训练集合采用向量期望最大化算法，聚类成多个用户簇。

优选地，所述用户的历史数据按照设定周期进行更新。

优选地，在将所述确定的用户簇对应的节目，推荐给所述当前用户之前，所述节目推荐单元204还用于：

对所述确定的用户簇对应的节目进行排序。

优选地，还包括：温度推荐单元，用于根据所述用户特征，以及观看时间，将所述用户特征对应的空调的温度进行推荐。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种个性化节目推荐方法，其特征在于，该方法包括：

获取当前用户的交互数据；

根据所述当前用户的交互数据，获取当前用户的用户特征；

根据所述当前用户的用户特征，确定所述当前用户对应的用户簇；

将所述确定的用户簇对应的节目，推荐给所述当前用户。

2.如权利要求1所述的方法，其特征在于，所述用户簇可以通过下述步骤确定：

获取用户的历史数据，并根据所述历史数据建立用户的偏好矩阵；

将所述偏好矩阵进行矩阵分解，获得用户特征向量和节目评分向量；

根据所述用户特征向量和所述节目评分向量，聚类成多个用户簇。

3.如权利要求2所述的方法，其特征在于，所述根据所述用户特征向量和所述节目评分向量，聚类成多个用户簇，包括：

根据所述用户特征向量和所述节目评分向量，建立用户训练集合，对所述用户训练集合采用向量期望最大化算法，聚类成多个用户簇。

4.如权利要求1所述的方法，其特征在于，在将所述确定的用户簇对应的节目，推荐给所述当前用户之前，还包括：

对所述确定的用户簇对应的节目进行排序。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述用户特征，以及观看时间，将所述用户特征对应的空调的温度进行推荐。

6.一种个性化节目推荐装置，其特征在于，包括：

数据获取单元，用于获取当前用户的交互数据；

用户识别单元，用于根据所述当前用户的交互数据，获取当前用户的用户特征；

用户簇确定单元，用于根据所述当前用户的用户特征，确定所述当前用户对应的用户簇；

节目推荐单元，用于将所述确定的用户簇对应的节目，推荐给所述当前用户。

7.如权利要求6所述的装置，其特征在于，所述用户簇可以通过下述步骤确定：

获取用户的历史数据，并根据所述历史数据建立用户的偏好矩阵；

将所述偏好矩阵进行矩阵分解，获得用户特征向量和节目评分向量；

根据所述用户特征向量和所述节目评分向量，聚类成多个用户簇。

8.如权利要求7所述的装置，其特征在于，所述根据所述用户特征向量和所述节目评分向量，聚类成多个用户簇，包括：

根据所述用户特征向量和所述节目评分向量，建立用户训练集合，对所述用户训练集合采用向量期望最大化算法，聚类成多个用户簇。

9.如权利要求6所述的装置，其特征在于，在将所述确定的用户簇对应的节目，推荐给所述当前用户之前，所述节目推荐单元还用于：

对所述确定的用户簇对应的节目进行排序。

10.如权利要求6所述的装置，其特征在于，还包括：温度推荐单元，用于根据所述用户特征，以及观看时间，将所述用户特征对应的空调的温度进行推荐。