CN107357867B

CN107357867B - 一种推荐效果好的视频推荐系统

Info

Publication number: CN107357867B
Application number: CN201710530281.5A
Authority: CN
Inventors: 杨林
Original assignee: Zhejiang Baorong Media Technology Zhejiang Co Ltd
Current assignee: Communication Brain Technology (Zhejiang) Co.,Ltd.
Priority date: 2017-06-28
Filing date: 2017-06-28
Publication date: 2020-11-10
Anticipated expiration: 2037-06-28
Also published as: CN107357867A

Abstract

本发明提供了一种推荐效果好的视频推荐系统，包括信息获取模块、数据存储模块、用户特点分析模块、社交网络分析模块、视频推荐模块和前端显示模块，所述信息获取模块用于获取用户个人信息和用户社交网络信息，所述数据存储模块用于存储所述用户个人信息和用户社交网络信息，所述用户特点分析模块用于获取用户的喜好，所述社交网络分析模块用于获取有影响力的网络用户，所述视频推荐模块用于有影响力的网络用户根据用户的喜好进行视频推荐，所述前端显示模块用于显示推荐的视频。本发明的有益效果为：能够根据用户喜好进行科学推荐，并向用户显示推荐的视频。

Description

一种推荐效果好的视频推荐系统

技术领域

本发明涉及视频推荐技术领域，具体涉及一种推荐效果好的视频推荐系统。

背景技术

当前已有的视频推荐系统主要有两种，一种是用户主动选择喜欢的视频类别，一种是网络直接向用户进行视频推荐。而这两种推荐系统推荐效果不好，用户体验差。

发明内容

针对上述问题，本发明旨在提供一种推荐效果好的视频推荐系统。

本发明的目的采用以下技术方案来实现：

提供了一种推荐效果好的视频推荐系统，包括信息获取模块、数据存储模块、用户特点分析模块、社交网络分析模块、视频推荐模块和前端显示模块，所述信息获取模块用于获取用户个人信息和用户社交网络信息，所述数据存储模块用于存储所述用户个人信息和用户社交网络信息，所述用户特点分析模块用于获取用户的喜好，所述社交网络分析模块用于获取有影响力的网络用户，所述视频推荐模块用于有影响力的网络用户根据用户的喜好进行视频推荐，所述前端显示模块用于显示推荐的视频。

本发明的有益效果为：能够根据用户喜好进行科学推荐，并向用户显示推荐的视频。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图；

附图标记：

信息获取模块1、数据存储模块2、用户特点分析模块3、社交网络分析模块4、视频推荐模块5、前端显示模块6。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种推荐效果好的视频推荐系统，包括信息获取模块1、数据存储模块2、用户特点分析模块3、社交网络分析模块4、视频推荐模块5和前端显示模块6，所述信息获取模块1用于获取用户个人信息和用户社交网络信息，所述数据存储模块2用于存储所述用户个人信息和用户社交网络信息，所述用户特点分析模块3用于获取用户的喜好，所述社交网络分析模块4用于获取有影响力的网络用户，所述视频推荐模块5用于有影响力的网络用户根据用户的喜好进行视频推荐，所述前端显示模块6用于显示推荐的视频。

本实施例能够根据用户喜好进行科学推荐，并向用户显示推荐的视频。

优选的，所述用户个人信息包括用户的年龄、性别、职业、观看过的视频列表。

本优选实施例获取了更为全面的个人信息，便于科学推荐。

优选的，所述视频显示模块6为电脑终端或手机终端。

本优选实施例能够随时随地方便观看视频。

优选的，所述社交网络分析模块4包括第一建模子模块、第二分析子模块和用户挖掘子模块，所述第一建模子模块用于建立用户社交网络模型，所述第二分析子模块用于对网络中用户的转发行为进行分析，所述用户挖掘子模块用于根据用户转发行为挖掘有影响力的网络用户，所述第一建模子模块采用以下方式建立社交网络模型：将社交网络模型表示为二元组E＝(U,B)，其中，B表示边集，U表示用户节点集，如果用户节点集中用户u和用户v互相关注，则用户u和用户v之间存在边(u,v)，用户u和用户v互为相邻节点。

本实施例实现了社交网络的用户挖掘。

优选的，所述第二分析子模块包括第一转发概率计算单元、第二转发指数确定单元和第三转发行为分析单元，所述第一转发概率计算单元用于计算用户发表信息被转发的概率，所述第二转发指数确定单元用于根据用户发表信息被转发的概率确定用户的转发指数，所述第三转发行为分析单元用于根据转发指数对用户转发行为进行分析；所述计算用户发表信息被转发的概率，包括以下步骤：步骤1、用L(u)表示用户u的所有相邻节点集合，对于用户u及其相邻节点v∈L(u)，如果存在用户w，使得w∈L(u)且w∈L(v)，则用户v为用户u的紧密相邻节点，用L_a(u)表示所有紧密相邻节点集合，如果不存在用户w，使得w∈L(u)且w∈L(v)，则用户v为用户u的松散相邻节点，用L_b(u)表示所有松散相邻节点集合；步骤2、计算用户被其相邻节点转发的概率：

上述式子中，EH_u(L(u))表示用户u被其相邻节点转发的概率，m(u)表示用户u发表消息的数目，r_u(v)表示用户v转发用户u发表消息的数目，t_u(v)表示用户v在设定时效内转发用户u发表消息的数目，|L(u)|表示用户u相邻节点的数目；计算用户被其紧密相邻节点转发的概率：

上述式子中，EH_u(L_a(u))表示用户u被其紧密相邻节点转发的概率，|L_a(u)|表示用户u紧密相邻节点的数目；计算用户被其松散相邻节点转发的概率：

上述式子中，EH_u(L_b(u))表示用户u被其松散相邻节点转发的概率，|L_b(u)|表示用户u松散相邻节点的数目。

本优选实施例社交网络分析模块在计算用户消息被转发概率时考虑了消息的时效性，提高了用户转发行为分析的及时性，对紧密相邻节点和松散相邻节点的转发概率进行分别计算，获取了用户转发行为和用户关注关系之间的关系，对于后续用户挖掘奠定了良好的基础。

优选的，所述第二转发指数确定单元包括一次转发指数确定子单元，二次转发指数确定子单元和转发指数确定子单元，所述一次转发指数确定子单元用于确定用户的第一转发指数，所述二次转发指数确定子单元用于确定用户的第二转发指数，所述转发指数确定子单元用于根据第一转发指数和第二转发指数确定用户的转发指数；所述第一转发指数EM_u采用下式获取：

所述第二转发指数YW_u采用以下方式获取：步骤1、对于用户u及其紧密相邻节点v和w，定义亲密度来反映紧密邻居节点之间的亲密程度：

上述式子中，T_u(v,w)表示节点v和w之间的亲密度，r_w(v)表示用户v转发用户w发表消息的数目，r_v(w)表示用户w转发用户v发表消息的数目；步骤2、计算用户的活跃度：H_u＝a(u)×m(u)，上述式子中，H_u表示用户u的活跃度，a(u)表示用户u平均每日发表消息的数目；步骤3、计算第二转发指数：

所述转发指数LG_u采用下式确定：

本优选实施例社交网络分析模块采用第一转发指数和第二转发指数确定转发指数，获取了更为科学合理的转发指数，对于后续用户挖掘奠定了良好基础，具体的，第一转发指数充分考虑了不同用户关注关系对转发指数的影响，第二转发指数考虑了紧密相邻节点的亲密度和用户的活跃度对转发指数的影响。

优选的，所述根据转发指数对用户行为转发进行分析，具体为：用户的转发指数越大，则用户被转发概率就越高，对于转发指数相同的用户，第二转发指数大的用户，用户被转发的概率就越高，第二转发指数相同的用户，第一转发指数大的用户，用户被转发的概率就越高；所述根据用户转发行为挖掘有影响力用户，具体为：用户被转发的概率越高，用户在网络中的影响力越大。

本优选实施例社交网络分析模块通过转发指数对用户转发行为进行分析，通过转发行为对用户进行挖掘，实现了有影响力用户挖掘，从而保证了视频推荐的效果。

采用本发明推荐效果好的视频推荐系统向5位用户进行视频推荐，将其编为用户1、用户2、用户3、用户4和用户5，并对推荐时间和用户满意度进行统计，同现有视频推荐系统相比，产生的有益效果如下表所示：

	推荐时间缩短	用户满意度提高
			用户1	23％	21％
用户2	25％	20％
			用户3	24％	25％
用户4	26％	22％
			用户5	24％	23％

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims

1.一种推荐效果好的视频推荐系统，其特征在于，包括信息获取模块、数据存储模块、用户特点分析模块、社交网络分析模块、视频推荐模块和前端显示模块，所述信息获取模块用于获取用户个人信息和用户社交网络信息，所述数据存储模块用于存储所述用户个人信息和用户社交网络信息，所述用户特点分析模块用于获取用户的喜好，所述社交网络分析模块用于获取有影响力的网络用户，所述视频推荐模块用于有影响力的网络用户根据用户的喜好进行视频推荐，所述前端显示模块用于显示推荐的视频；

所述用户个人信息包括用户的年龄、性别、职业、观看过的视频列表；

所述视频显示模块为电脑终端或手机终端；

所述社交网络分析模块包括第一建模子模块、第二分析子模块和用户挖掘子模块，所述第一建模子模块用于建立用户社交网络模型，所述第二分析子模块用于对网络中用户的转发行为进行分析，所述用户挖掘子模块用于根据用户转发行为挖掘有影响力的网络用户，所述第一建模子模块采用以下方式建立社交网络模型：将社交网络模型表示为二元组E＝(U，B)，其中，B表示边集，u表示用户节点集，如果用户节点集中用户u和用户v互相关注，则用户u和用户v之间存在边(u，v)，用户u和用户v互为相邻节点；

所述第二分析子模块包括第一转发概率计算单元、第二转发指数确定单元和第三转发行为分析单元，所述第一转发概率计算单元用于计算用户发表信息被转发的概率，所述第二转发指数确定单元用于根据用户发表信息被转发的概率确定用户的转发指数，所述第三转发行为分析单元用于根据转发指数对用户转发行为进行分析；所述计算用户发表信息被转发的概率，包括以下步骤：步骤1、用L(u)表示用户u的所有相邻节点集合，对于用户u及其相邻节点v∈L(u)，如果存在用户w，使得w∈L(u)且w∈L(v)，则用户v为用户u的紧密相邻节点，用L_a(u)表示所有紧密相邻节点集合，如果不存在用户w，使得w∈L(u)且w∈L(v)，则用户v为用户u的松散相邻节点，用L_b(u)表示所有松散相邻节点集合；步骤2、计算用户被其相邻节点转发的概率：

上述式子中，EHu(L(u))表示用户u被其相邻节点转发的概率，m(u)表示用户u发表消息的数目，r_u(v)表示用户v转发用户u发表消息的数目，t_u(v)表示用户v在设定时效内转发用户u发表消息的数目，|L(u)|表示用户u相邻节点的数目；计算用户被其紧密相邻节点转发的概率：

上述式子中，EH_u(L_b(u))表示用户u被其松散相邻节点转发的概率，|L_b(u)|表示用户u松散相邻节点的数目；

所述第二转发指数确定单元包括一次转发指数确定子单元，二次转发指数确定子单元和转发指数确定子单元，所述一次转发指数确定子单元用于确定用户的第一转发指数，所述二次转发指数确定子单元用于确定用户的第二转发指数，所述转发指数确定子单元用于根据第一转发指数和第二转发指数确定用户的转发指数；所述第一转发指数EM_u采用下式获取：

上述式子中，T_u(v，w)表示节点v和w之间的亲密度，r_w(v)表示用户v转发用户w发表消息的数目，r_v(w)表示用户w转发用户v发表消息的数目；步骤2、计算用户的活跃度：H_u＝a(u)×m(u)，上述式子中，H_u表示用户u的活跃度，a(u)表示用户u平均每日发表消息的数目；步骤3、计算第二转发指数：

所述转发指数LG_u采用下式确定：

2.根据权利要求1所述的推荐效果好的视频推荐系统，其特征在于，所述根据转发指数对用户行为转发进行分析，具体为：用户的转发指数越大，则用户被转发概率就越高，对于转发指数相同的用户，第二转发指数大的用户，用户被转发的概率就越高，第二转发指数相同的用户，第一转发指数大的用户，用户被转发的概率就越高；所述根据用户转发行为挖掘有影响力用户，具体为：用户被转发的概率越高，用户在网络中的影响力越大。