CN107608990A - 一种直播个性化推荐方法 - Google Patents
一种直播个性化推荐方法 Download PDFInfo
- Publication number
- CN107608990A CN107608990A CN201610547211.6A CN201610547211A CN107608990A CN 107608990 A CN107608990 A CN 107608990A CN 201610547211 A CN201610547211 A CN 201610547211A CN 107608990 A CN107608990 A CN 107608990A
- Authority
- CN
- China
- Prior art keywords
- video display
- candidate
- live
- cluster
- film
- 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
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种直播个性化推荐方法,包括:对可供推荐的直播影视元数据进行过滤获得数据源;在数据源中进行相似影视检索以获得候选影视;通过排序权重对候选影视进行相似排序;进行用户行为聚类并根据聚类结果生成混合推荐候选影视;对所有候选影视进行若干次排序后获得用于显示的推荐结果;根据用户的点播历史记录推荐出个性化直播内容,推荐效果不受用户‑视频矩阵稀疏问题影响,也就是说不存在冷启动问题,根据用户点播视频记录推荐未来一段时间直播节目单中的节目。
Description
技术领域
本发明涉及电视视频领域,尤其涉及一种直播个性化推荐方法。
背景技术
自从电视直播开始以来,电视就一直伴随着人们左右,人们在直播电视上享受到了高清的视觉观看体验。传统电视以频道为中心,用户来回切换频道但找不到想看的内容,用户需要直播内容的个性化推荐。目前行业内直播内容的个性化推荐尚未有成熟的技术方案。
发明内容
鉴于目前存在的上述不足,本发明提供一种直播个性化推荐方法,能够根据用户的点播历史记录推荐出个性化直播内容。
为达到上述目的,本发明的实施例采用如下技术方案:
一种直播个性化推荐方法,所述直播个性化推荐方法包括以下步骤:
对可供推荐的直播影视元数据进行过滤获得数据源;
在数据源中进行相似影视检索以获得候选影视;
通过排序权重对候选影视进行相似排序;
进行用户行为聚类并根据聚类结果生成混合推荐候选影视;
对所有候选影视进行若干次排序后获得用于显示的推荐结果。
依照本发明的一个方面,所述对可供推荐的直播影视元数据进行过滤获得数据源包括:将所有直播影视元数据根据时间进行过滤,将过滤后的结果作为相似影片检索的数据源。
依照本发明的一个方面,所述在数据源中进行相似影视检索以获得候选影视包括:将每一部影视元数据转换成向量,对向量的元素进行加权,再将影视库的所有影视进行转换,用所有向量构建KD-Tree,遍历所有向量,每个影视使用KD-Tree检索到最相似的k部影视作为候选影视。
依照本发明的一个方面,所述进行用户行为聚类包括:对用户观看过的影片使用Canopy算法进行粗聚类。
依照本发明的一个方面,所述进行用户行为聚类并根据聚类结果生成混合推荐候选影视包括:从聚类结果的每个簇中提取质心向量v,簇id cid、簇内影片个数cn、最近的观看时间tl,提取出来的信息作为用户画像。遍历获取到的簇质心向量,每个簇用质心向量从构建好的KD-Tree中搜索k个近邻作为候选影片。
依照本发明的一个方面,所述对所有候选影视进行若干次排序后获得用于显示的推荐结果包括:对所有候选影视进行3次排序后获得用于显示的推荐结果。
依照本发明的一个方面,包括第一次排序,具体为:使用加权函数(1+簇内影片个数*影片个数权值)*(1+相似推荐权值*检索推荐权重)*(1+标准化后的最近观看时间*时间权值)对候选影片加权,降序排序。
依照本发明的一个方面,包括第二次排序、过滤,具体为:从前到后遍历第一次排序的结果,根据首次排序权值,相同cid的候选影片出现次数和衰减权值计算二次排序权值,根据算得的新权值对结果进行第二次降序排序,从排序结果头部截断出想要数量的影片作为最终候选集。
依照本发明的一个方面,包括第三次排序,具体为:使用第一次排序方法对第二次排序、过滤后的结果进行排序,获得最终用于显示的推荐结果。
依照本发明的一个方面,包括获取互联网数据、深度EPG数据和直播EPG数据,以形成统一影视元数据管理库。
本发明实施的优点:本发明所述的直播个性化推荐方法,包括:对可供推荐的直播影视元数据进行过滤获得数据源;在数据源中进行相似影视检索以获得候选影视;通过排序权重对候选影视进行相似排序;进行用户行为聚类并根据聚类结果生成混合推荐候选影视;对所有候选影视进行若干次排序后获得用于显示的推荐结果;根据用户的点播历史记录推荐出个性化直播内容,推荐效果不受用户-视频矩阵稀疏问题影响,也就是说不存在冷启动问题,根据用户点播视频记录推荐未来一段时间直播节目单中的节目。
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为本发明所述的一种直播个性化推荐方法示意图。
具体实施方式
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他实施例,都属于本发明保护的范围。
如图1所示,一种直播个性化推荐方法,所述直播个性化推荐方法包括以下步骤:
步骤S1:对可供推荐的直播影视元数据进行过滤获得数据源;
在实际应用中,所述对可供推荐的直播影视元数据进行过滤获得数据源包括:将所有直播影视元数据根据时间进行过滤,将过滤后的结果作为相似影片检索的数据源。
一条直播影视元数据类似于下表:
节目id | 影片标签 | 影片地区 | 上映时间 | 月播放量 | 影片id | 频道id | 时间 | ... |
23165 | 科幻 | 中国 | 2008 | 132000 | 1024 | 1024 | 14423... | ... |
将所有直播影视元数据根据时间(比如未来48小时)进行过滤。将过滤后的结果作为相似影片检索的数据源。
步骤S2:在数据源中进行相似影视检索以获得候选影视;
在实际应用中,所述在数据源中进行相似影视检索以获得候选影视包括:将每一部影视元数据转换成向量,对向量的元素进行加权,再将影视库的所有影视进行转换,用所有向量构建KD-Tree,遍历所有向量,每个影视使用KD-Tree检索到最相似的k部影视作为候选影视。
将每一步影视元转换成向量。例如:
影片id | 影片标签 | 影片地区 | 上映时间 | 月播放量 | 节目id |
1024 | 科幻 | 中国 | 2008 | 132000 | 23165 |
假设只有科幻、动作两个影片标签;只有中国和国外两个地区标签的情况。
使用函数f(x)=arctan(ln(x+1)*p)来处理播放量,p为控制播放量平滑程度的变量。
使用函数g(t)=(t-1900)/(当前年份-1900)来处理上映时间。
就可以将这部影片转换为向量:
科幻 | 动作 | 中国 | 国外 | 上映时间 | 月播放量 |
1 | 0 | 1 | 0 | 0.93 | 0.95 |
对向量的元素进行加权。比如我们希望地区拥有比单个标签更高的权重,影片的第一个标签获得额外0.1的权重:
科幻 | 动作 | 中国 | 国外 | 上映时间 | 月播放量 |
1.1 | 0 | 2 | 0 | 0.93 | 0.95 |
将影视库的所有影片进行转换:
科幻 | 动作 | 中国 | 国外 | 上映时间 | 月播放量 |
1.1 | 0 | 2 | 0 | 0.93 | 0.95 |
... | ... | ... | ... | ... | ... |
用所有向量构建KD-Tree,遍历所有向量,每个影片使用KD-Tree检索到最相似的k部影片作为候选影片。
步骤S3:通过排序权重对候选影视进行相似排序;
对于一部影片A的候选影片B
我们使用函数Wb=(1+上映时间*时间权重)*(1+月播放量*播放量权重)*(1+A/B相似度*相似度权重)来作为影片B在影片A的相似推荐列表中的排序权重。计算所有A的候选影片的排序权重并按照排序权重降序排列截断,即得到影片A的相似推荐结果。
步骤S4:进行用户行为聚类并根据聚类结果生成混合推荐候选影视;
在实际应用中,所述进行用户行为聚类包括:对用户观看过的影片使用Canopy算法进行粗聚类。为找到用户的兴趣点并在兴趣点上推荐更多影片或将兴趣点影片顺序更靠前显示,我们对用户观看过的影片使用Canopy算法进行粗聚类。
从聚类结果的每个簇中提取质心向量v,簇id cid、簇内影片个数cn、最近的观看时间tl,提取出来的信息作为用户画像。遍历获取到的簇质心向量,每个簇用质心向量从构建好的KD-Tree中搜索k个近邻作为候选影片。
步骤S5:对所有候选影视进行若干次排序后获得用于显示的推荐结果。
在实际应用中,所述对所有候选影视进行若干次排序后获得用于显示的推荐结果包括:对所有候选影视进行3次排序后获得用于显示的推荐结果。
在实际应用中,包括第一次排序,具体为:使用加权函数(1+簇内影片个数*影片个数权值)*(1+相似推荐权值*检索推荐权重)*(1+标准化后的最近观看时间*时间权值)对候选影片加权,降序排序。
在实际应用中,包括第二次排序、过滤,具体为:从前到后遍历第一次排序的结果,根据首次排序权值,相同cid的候选影片出现次数和衰减权值计算二次排序权值,比如首次排序是某候选项权值为2,与这项相同cid的候选项已经出现3次,那么该项新权值为2-(3*衰减权值),根据算得的新权值对结果进行第二次降序排序。从排序结果头部截断出想要数量的影片作为最终候选集。
在实际应用中,包括第三次排序,具体为:使用第一次排序方法对第二次排序、过滤后的结果进行排序,获得最终用于显示的推荐结果。
在实际应用中,包括获取互联网数据、深度EPG数据和直播EPG数据,以形成统一影视元数据管理库。
本发明实施的优点:本发明所述的直播个性化推荐方法,包括:对可供推荐的直播影视元数据进行过滤获得数据源;在数据源中进行相似影视检索以获得候选影视;通过排序权重对候选影视进行相似排序;进行用户行为聚类并根据聚类结果生成混合推荐候选影视;对所有候选影视进行若干次排序后获得用于显示的推荐结果;根据用户的点播历史记录推荐出个性化直播内容,推荐效果不受用户-视频矩阵稀疏问题影响,也就是说不存在冷启动问题,根据用户点播视频记录推荐未来一段时间直播节目单中的节目。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种直播个性化推荐方法,其特征在于,所述直播个性化推荐方法包括以下步骤:
对可供推荐的直播影视元数据进行过滤获得数据源;
在数据源中进行相似影视检索以获得候选影视;
通过排序权重对候选影视进行相似排序;
进行用户行为聚类并根据聚类结果生成混合推荐候选影视;
对所有候选影视进行若干次排序后获得用于显示的推荐结果。
2.根据权利要求1所述的直播个性化推荐方法,其特征在于,所述对可供推荐的直播影视元数据进行过滤获得数据源包括:将所有直播影视元数据根据时间进行过滤,将过滤后的结果作为相似影片检索的数据源。
3.根据权利要求1所述的直播个性化推荐方法,其特征在于,所述在数据源中进行相似影视检索以获得候选影视包括:将每一部影视元数据转换成向量,对向量的元素进行加权,再将影视库的所有影视进行转换,用所有向量构建KD-Tree,遍历所有向量,每个影视使用KD-Tree检索到最相似的k部影视作为候选影视。
4.根据权利要求1所述的直播个性化推荐方法,其特征在于,所述进行用户行为聚类包括:对用户观看过的影片使用Canopy算法进行粗聚类。
5.根据权利要求1所述的直播个性化推荐方法,其特征在于,所述进行用户行为聚类并根据聚类结果生成混合推荐候选影视包括:从聚类结果的每个簇中提取质心向量v,簇idcid、簇内影片个数cn、最近的观看时间tl,提取出来的信息作为用户画像。遍历获取到的簇质心向量,每个簇用质心向量从构建好的KD-Tree中搜索k个近邻作为候选影片。
6.根据权利要求5所述的直播个性化推荐方法,其特征在于,所述对所有候选影视进行若干次排序后获得用于显示的推荐结果包括:对所有候选影视进行3次排序后获得用于显示的推荐结果。
7.根据权利要求6所述的直播个性化推荐方法,其特征在于,包括第一次排序,具体为:使用加权函数(1+簇内影片个数*影片个数权值)*(1+相似推荐权值*检索推荐权重)*(1+标准化后的最近观看时间*时间权值)对候选影片加权,降序排序。
8.根据权利要求7所述的直播个性化推荐方法,其特征在于,包括第二次排序、过滤,具体为:从前到后遍历第一次排序的结果,根据首次排序权值,相同cid的候选影片出现次数和衰减权值计算二次排序权值,根据算得的新权值对结果进行第二次降序排序,从排序结果头部截断出想要数量的影片作为最终候选集。
9.根据权利要求8所述的直播个性化推荐方法,其特征在于,包括第三次排序,具体为:使用第一次排序方法对第二次排序、过滤后的结果进行排序,获得最终用于显示的推荐结果。
10.根据权利要求1至9之一所述的直播个性化推荐方法,其特征在于,包括获取互联网数据、深度EPG数据和直播EPG数据,以形成统一影视元数据管理库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610547211.6A CN107608990B (zh) | 2016-07-12 | 2016-07-12 | 一种直播个性化推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610547211.6A CN107608990B (zh) | 2016-07-12 | 2016-07-12 | 一种直播个性化推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107608990A true CN107608990A (zh) | 2018-01-19 |
CN107608990B CN107608990B (zh) | 2023-03-24 |
Family
ID=61055449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610547211.6A Active CN107608990B (zh) | 2016-07-12 | 2016-07-12 | 一种直播个性化推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107608990B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415987A (zh) * | 2018-02-12 | 2018-08-17 | 大连理工大学 | 一种电影推荐的冷启动解决方法 |
CN109783686A (zh) * | 2019-01-21 | 2019-05-21 | 广州虎牙信息科技有限公司 | 行为数据处理方法、装置、终端设备和存储介质 |
WO2020007013A1 (zh) * | 2018-07-06 | 2020-01-09 | 北京微播视界科技有限公司 | 搜索页面交互方法、装置、终端及存储介质 |
CN111339357A (zh) * | 2020-02-21 | 2020-06-26 | 广州欢网科技有限责任公司 | 基于直播用户行为的推荐方法及装置 |
CN111626817A (zh) * | 2020-05-10 | 2020-09-04 | 石伟 | 基于电子商务大数据的用户画像解析方法及人工智能平台 |
CN112380452A (zh) * | 2021-01-14 | 2021-02-19 | 北京崔玉涛儿童健康管理中心有限公司 | 婴幼儿内容推荐中的用户兴趣收集方法、装置 |
CN113411645A (zh) * | 2021-06-16 | 2021-09-17 | 北京百度网讯科技有限公司 | 信息推荐方法及装置、电子设备和介质 |
CN115037957A (zh) * | 2022-06-07 | 2022-09-09 | 北京视达科技有限公司 | 一种基于直播节目推荐点播内容的方法、装置及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012002685A2 (ko) * | 2010-07-02 | 2012-01-05 | 아코지토(주) | 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템 |
US20130263168A1 (en) * | 2010-07-02 | 2013-10-03 | Joong-in Choi | Cooperative Filtering Algorithm-Based Personal Preference Program Recommendation System for IPTV |
CN104063801A (zh) * | 2014-06-23 | 2014-09-24 | 广州优蜜信息科技有限公司 | 一种基于聚类的移动广告推荐方法 |
CN104866490A (zh) * | 2014-02-24 | 2015-08-26 | 风网科技(北京)有限公司 | 一种视频智能推荐方法及其系统 |
CN105224576A (zh) * | 2014-07-01 | 2016-01-06 | 上海视畅信息科技有限公司 | 一种影视智能推荐方法 |
CN105323622A (zh) * | 2014-07-30 | 2016-02-10 | 上海视畅信息科技有限公司 | 一种实现视频电商和视频广告的方法及系统 |
CN105654392A (zh) * | 2015-11-26 | 2016-06-08 | 国家电网公司 | 一种基于聚类算法的设备家族性缺陷的分析方法 |
-
2016
- 2016-07-12 CN CN201610547211.6A patent/CN107608990B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012002685A2 (ko) * | 2010-07-02 | 2012-01-05 | 아코지토(주) | 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템 |
US20130263168A1 (en) * | 2010-07-02 | 2013-10-03 | Joong-in Choi | Cooperative Filtering Algorithm-Based Personal Preference Program Recommendation System for IPTV |
CN104866490A (zh) * | 2014-02-24 | 2015-08-26 | 风网科技(北京)有限公司 | 一种视频智能推荐方法及其系统 |
CN104063801A (zh) * | 2014-06-23 | 2014-09-24 | 广州优蜜信息科技有限公司 | 一种基于聚类的移动广告推荐方法 |
CN105224576A (zh) * | 2014-07-01 | 2016-01-06 | 上海视畅信息科技有限公司 | 一种影视智能推荐方法 |
CN105323622A (zh) * | 2014-07-30 | 2016-02-10 | 上海视畅信息科技有限公司 | 一种实现视频电商和视频广告的方法及系统 |
CN105654392A (zh) * | 2015-11-26 | 2016-06-08 | 国家电网公司 | 一种基于聚类算法的设备家族性缺陷的分析方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415987B (zh) * | 2018-02-12 | 2021-05-11 | 大连理工大学 | 一种电影推荐的冷启动解决方法 |
CN108415987A (zh) * | 2018-02-12 | 2018-08-17 | 大连理工大学 | 一种电影推荐的冷启动解决方法 |
WO2020007013A1 (zh) * | 2018-07-06 | 2020-01-09 | 北京微播视界科技有限公司 | 搜索页面交互方法、装置、终端及存储介质 |
US11537267B2 (en) | 2018-07-06 | 2022-12-27 | Beijing Microlive Vision Technology Co., Ltd. | Method and device for search page interaction, terminal and storage medium |
GB2590209A (en) * | 2018-07-06 | 2021-06-23 | Beijing Microlive Vision Tech Co Ltd | Search page interaction method, device and terminal and storage medium |
CN109783686A (zh) * | 2019-01-21 | 2019-05-21 | 广州虎牙信息科技有限公司 | 行为数据处理方法、装置、终端设备和存储介质 |
CN111339357A (zh) * | 2020-02-21 | 2020-06-26 | 广州欢网科技有限责任公司 | 基于直播用户行为的推荐方法及装置 |
CN111626817A (zh) * | 2020-05-10 | 2020-09-04 | 石伟 | 基于电子商务大数据的用户画像解析方法及人工智能平台 |
CN112380452A (zh) * | 2021-01-14 | 2021-02-19 | 北京崔玉涛儿童健康管理中心有限公司 | 婴幼儿内容推荐中的用户兴趣收集方法、装置 |
CN113411645A (zh) * | 2021-06-16 | 2021-09-17 | 北京百度网讯科技有限公司 | 信息推荐方法及装置、电子设备和介质 |
CN113411645B (zh) * | 2021-06-16 | 2022-12-06 | 北京百度网讯科技有限公司 | 信息推荐方法及装置、电子设备和介质 |
CN115037957A (zh) * | 2022-06-07 | 2022-09-09 | 北京视达科技有限公司 | 一种基于直播节目推荐点播内容的方法、装置及系统 |
CN115037957B (zh) * | 2022-06-07 | 2024-01-30 | 北京视达科技有限公司 | 一种基于直播节目推荐点播内容的方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107608990B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107608990A (zh) | 一种直播个性化推荐方法 | |
CN105677715B (zh) | 一种基于多用户的视频推荐方法及装置 | |
KR100319157B1 (ko) | 사용자 프로파일의 복합항목 사용자 선호도 정보 자료구조와 복합항목 사용자 선호도 정보 자료구조를 이용한 멀티미디어 콘텐트 필터링 및 검색 방법 | |
CN104035927B (zh) | 一种基于用户行为的搜索方法及系统 | |
CN107608989A (zh) | 一种分类个性化推荐方法 | |
US20090064029A1 (en) | Methods of Creating and Displaying Images in a Dynamic Mosaic | |
CN105095442B (zh) | 一种多媒体数据的推荐方法及装置 | |
CN107657004A (zh) | 视频推荐方法、系统及设备 | |
Takahashi et al. | Video summarization for large sports video archives | |
CN107918616A (zh) | 搜索系统、页面显示方法及客户端 | |
CN106131703A (zh) | 一种视频推荐的方法和终端 | |
CN102890700A (zh) | 一种基于体育比赛视频的相似视频片段检索方法 | |
CN108345668A (zh) | 针对类别对比的时序矩阵热力图可视化方法 | |
US20150066897A1 (en) | Systems and methods for conveying passive interest classified media content | |
Sony et al. | Video summarization by clustering using euclidean distance | |
Gutta et al. | Tv content recommender system | |
CN104778237A (zh) | 一种基于关键用户的个性化推荐方法和系统 | |
CN106599165A (zh) | 一种基于播放行为的内容推荐方法及服务器 | |
CN104933135A (zh) | 一种多媒体数据的聚类方法及装置 | |
CN109508407A (zh) | 融合时间与兴趣相似度的电视产品推荐方法 | |
CN102750327A (zh) | 流形表面上基于测地距离的K-means聚类多样化检索方法 | |
US20150169585A1 (en) | Device and method for automatic filter adjustment | |
CN107608988A (zh) | 一种混合个性化推荐方法 | |
US9779164B2 (en) | Easy 2D navigation of video database | |
CN106919647A (zh) | 一种基于聚类的网络结构相似性推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |