CN110913249B - 一种节目的推荐方法及系统 - Google Patents
一种节目的推荐方法及系统 Download PDFInfo
- Publication number
- CN110913249B CN110913249B CN201811088684.XA CN201811088684A CN110913249B CN 110913249 B CN110913249 B CN 110913249B CN 201811088684 A CN201811088684 A CN 201811088684A CN 110913249 B CN110913249 B CN 110913249B
- Authority
- CN
- China
- Prior art keywords
- user
- program
- video
- recommended
- program library
- 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.)
- Active
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
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- 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
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
-
- 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
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, 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
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
Abstract
本发明公开了一种节目的推荐方法,包括:当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。上述方法,确定待推荐用户的目标群组包含所述待推荐用户感兴趣的各个视频节目,依据兴趣权重得分对所述各个视频节目进行排序,并推荐给所述待推荐用户,避免了视频推荐榜单依据观看量进行推荐,推荐不具有针对性的问题。
Description
技术领域
本发明涉及数字电视技术领域,尤其涉及一种节目的推荐方法及系统。
背景技术
如今,随着大量热门电影、电视剧、综艺、音乐等视频内容接入数字电视端,越来越多的用户选择直接在电视上观看流畅并且清晰的视频节目。但是,随着视频数量的快速增长,用户如何方便快速的找到感兴趣的节目成为一大难题。现有技术中,通过视频推荐榜单可以找出视频节目列表每天、每周、每月最受大众欢迎topN个视频节目。
发明人对现有的节目推荐方法进行研究发现,视频推荐榜单只是依据用户对同一视频节目的观看量进行统计的,但是不同用户兴趣往往各有不同,视频榜单只能做到千人一面,不能实现千人千面的,推荐不具有针对性。
发明内容
有鉴于此,本发明提供了一种节目的推荐方法及系统,用以解决现有技术视频推荐榜单只是依据用户对同一视频节目的观看量进行统计的,但是不同用户兴趣往往各有不同,视频榜单只能做到千人一面,不能实现千人千面的,推荐不具有针对性的问题。具体方案如下:
一种节目的推荐方法,包括:
当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;
获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;
计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;
依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。
上述的方法,可选的,采用预设方法生成的层级节目库包括:
依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵;
依据所述兴趣特征矩阵将所述各个用户划分成预设数量的群组;
将所述预设数量的群组内包含的视频节目作为第一层级节目库;
将所述各个用户观看的节目视频的点击量超过预设的阈值的视频节目作为第二层级节目库;
将所述目标节目库中的除去所述第一层级节目库和所述第二层级节目库中视频节目之外的其余视频节目作为第三层级节目库。
上述的方法,可选的,还包括:
为所述第一层级节目库,所述第二层级节目库和所述第三层级节目库分配对应的偏置得分。
上述的方法,可选的,还包括:
当检测到所述目标群组的任一用户观看所述第三层级节目库中的视频节目时,将所述视频节目更新到所述第一层级节目库和所述第二层级节目库。
上述的方法,可选的,还包括:
当检测到将所述第二层级节目库中的所述视频节目推荐给另一群组的用户时,将所述视频节目更新到与所述群组对应的第一层级节目库。
上述的方法,可选的,依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵,包括:
针对每一个用户,获取所述用户观看的各个视频节目;
解析所述各个视频节目包含的各个标签;
计算每一个用户对于所述各个视频节目的用户得分,并将每一个用户得分分配给与其对应视频节目的各个标签;
将标签和用户得分的对应关系进行整合,得到所述兴趣特征矩阵。
上述的方法,可选的,依据所述兴趣权重得分对所述各个视频节目进行排序,包括:
剔除所述目标群组中不包含所述待推荐用户对应的标签的各个视频节目;
剔除所述目标群组中所述待推荐用户观看过的视频节目;
将所述目标群组中剩余的各个视频节目中对应的兴趣权重得分和所述目标群组的偏置得分进行累加,得到对应的各个节目得分;
对所述各个节目得分进行排序,得到排序结果。
一种节目的推荐系统,包括:
确定模块,用于当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;
获取模块,用于获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;
计算模块,用于计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;
推荐模块,用于依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。
上述的系统,可选的,所述确定模块包括:
第一确定单元,用于依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵;
划分单元,用于依据所述兴趣特征矩阵将所述各个用户划分成预设数量的群组;
第二确定单元,用于将所述预设数量的群组内包含的视频节目作为第一层级节目库;
第三确定单元,用于将所述各个用户观看的节目视频的点击量超过预设的阈值的视频节目作为第二层级节目库;
第四确定单元,用于将所述目标节目库中的除去所述第一层级节目库和所述第二层级节目库中视频节目之外的其余视频节目作为第三层级节目库。
上述的系统,可选的,所述第一确定单元包括:
获取子单元,用于针对每一个用户,获取所述用户观看的各个视频节目;
解析子单元,用于解析所述各个视频节目包含的各个标签;
分配子单元,用于计算每一个用户对于所述各个视频节目的用户得分,并将每一个用户得分分配给与其对应视频节目的各个标签;
整合子单元,用于将标签和用户得分的对应关系进行整合,得到所述兴趣特征矩阵。
与现有技术相比,本发明包括以下优点:
本发明公开了一种节目的推荐方法,包括:当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。上述方法,确定待推荐用户的目标群组包含所述待推荐用户感兴趣的各个视频节目,依据兴趣权重得分对所述各个视频节目进行排序,并推荐给所述待推荐用户,避免了视频推荐榜单依据观看量进行推荐,推荐不具有针对性的问题。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种节目的推荐方法流程图;
图2为本申请实施例公开的一种节目的推荐方法又一方法流程图;
图3为本申请实施例公开的一种节目的推荐方法又一方法流程图;
图4为本申请实施例公开的一种节目的推荐方法执行示意图;
图5为本申请实施例公开的一种节目的推荐系统结构框图。
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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本发明公开了一种节目的推荐的方法,所述方法应用在用户登录视频播放终端的视频网站或者视频播放界面时,为用户推荐感兴趣的视频节目,其中,所述视频播放终端可以为电脑、数字电视或者其它优选的视频播放终端,本发明实施例中,以数字电视作为视频播放终端为例对所述推荐方法进行说明,所述推荐方法的执行流程如图1所示,包括步骤:
S101、当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;
本发明实施例中,所述视频节目的推荐请求是在待推荐用户登录到数字电视的视频播放界面时产生的,其中,所述待推荐用户存在两种可能性:当所述待推荐用户为老用户时,直接依据所述待推荐用户的标识在采用预设方法生成的层级节目库中的第一层级节目库查找与所述标识对应的目标群组,其中,所述标识可以为用户名、用户ID等其它优选的标识;当所述待推荐用户为新用户时,所述新用户指未进行过群组分类的客户,优选的,为新用户直接推荐第二层级节目库中的节目。
S102、获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;
本发明实施例中,所述目标群组中包含有所述待推荐用户感兴趣的各个视频节目,其中,所述层级节目库中的第一层级节目库中包含多个群组,每一个群组中包含多个具有相同或者相似兴趣的用户和对应的视频节目。所述第一层级节目库中的各个组群时依据聚类算法进行划分的。
S103、计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;
本发明实施例中,每一个视频节目相对于所述待推荐用户都对应一个兴趣权重得分,其中,所述兴趣权重得分越高,说明所述待推荐用户对该视频节目越感性兴趣。
S104、依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。
本发明实施例中,依据所述兴趣权重得分对所述各个视频节目进行排序,得到所述待推荐用户对所述第一层级节目库中所述目标群组包含的各个视频的节目得分,其中,优选的,可以将排序结果前N名的视频节目推荐给用户,并在数字电视的视频播放界面进行显示,其中,N的取值有系统设定也可以将节目得分满足预设的节目得分阈值的用户进行推荐,其中,优选的,所述节目得分阈值由系统设定。
本发明公开了一种节目的推荐方法,包括:当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。上述方法,确定待推荐用户的目标群组包含所述待推荐用户感兴趣的各个视频节目,依据兴趣权重得分对所述各个视频节目进行排序,并推荐给所述待推荐用户,避免了视频推荐榜单依据观看量进行推荐,推荐不具有针对性的问题。
本发明实施例中,所述层级节目库中时采用预设的生成方法生成的,所述生成方法的执行流程如图2所示,包括步骤:
S201、依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵;
本发明实施例中,所述预设时长可以依据需求进行设定,首先需要获取每一个用户在所述预设时长内观看的各个视频节目,针对每一个视频节目:
采集用户的行为日志,包括:
开始,用户进入某个视频节目开始观看
结束,用户观看结束。
暂停与暂停后播放,只有暂停与暂停后播放同时出现,暂停时间才有效。
快进与快退,记录用户快进或快退到的时间点,用来计算用户实际观看时间。
首先,我们定义用户实际观看时间Play_time:
Play_time=Play_time=结束时间-开始时间-快进时间,并且play_time>1时令play_time=1。
然后,我们定义节目的用户评分Rating:Rating=观看时间/节目时长。
由此,我们将用户对节目的评分定义在区间[0,1]的一个范围内。
基于用户行为特征,我们提出一种假设:暂停表示用户对正在播放的节目非常感兴趣。因为在现实场景中,当用户因为某些客观原因无法继续观看节目,只有对该节目很感兴趣时,才会暂停节目,等事情处理完毕继续观看。
因此,对于存在有效(暂停,暂停后播放)行为的节目,给予一个评分的加成,即修正的用户评分RatingModified:RatingModified=1.5*Rating
由于视频内容的特殊性,对于用户观看的视频节目通常是由规定的标签所描述,例如:恐怖、喜剧、惊悚、爱情等。并且一般一个视频节目往往具有多个标签描述,假设用户u观看了视频节目A,其用户得分为s,而A包含三个标签数据x,y,z,则用户u的兴趣特征矩阵如表1所示:
用户特征 | x | y | z |
u | s | s | s |
表1
当用户观看其他视频节目时,将其标签拆分后添加到用户兴趣特征矩阵,对于已存在的特征,将其得分累加。最终得到的全部用户的兴趣特征矩阵,假设存在n个用户和n个标签,则其对应的兴趣特征矩阵如表2所示:
用户特征 | V1 | V2 | V3 | ...... | Vn-1 | Vn |
U1 | S11 | S12 | S13 | ...... | S1(n-1) | S1n |
.... | .... | .... | ||||
un | Sn1 | Sn2 | Sn3 | ....... | Sn(n-1) | Snn |
表2
S202、依据所述兴趣特征矩阵将所述各个用户划分成预设数量的群组;
本发明实施例中,依据所述兴趣特征矩阵,采用聚类分析的方法将所述各个用户划分成预设数量的群组,其中,所述预设数量的确定可以依据如下的两种计算方法:
方法一:轮廓系数Silhouette Coefficient
适用于实际类别信息位置的情况。对于单个样本,设a是与它同类别中其他样本的平均距离,b是与它距离最近的不同类别中样本的平均距离,轮廓系数S的计算公式如公式(1)所示:
其中,所述S为本发明实施例中的预设数量。
方法二:未知真实index的模型评估Calinski-Harabaz Index
这个计算简单直接,得到的Calinski-Harabasz分数值ss越大则聚类效果越好。Calinski-Harabasz分数值s的数学计算公式如公式(2)所示:
其中m为训练集样本数,k为类别数。Bk为类别之间的协方差矩阵如公式(3)所示:
Wk为类别内部数据的协方差矩阵,Wk的计算公式如公式(4)所示:
其中,Cq为群组q,cq为群组q的中心,nq为群组中样本个数,tr为矩阵的迹。也就是说,类别内部数据的协方差越小越好,类别之间的协方差越大越好,这样的Calinski-Harabasz分数会高
其中,s(k)标识本发明实施例中的预设数量
在得到了各个用户的兴趣特征矩阵之后,依据聚类分析定义用户之间的距离如公式(5)所示:
假设要把样本集分为c个类别,其中c的取值依据Silhouette Coefficient或者Calinski-Harabaz Index方法确定,算法描述如下:
(1)适当选择c个类的初始中心;
(2)在第k次迭代中,对任意一个样本,求其到c个中心的距离,将该样本归到距离最短的中心所在的类;
(3)利用距离均值等方法更新该类的中心值;
(4)对于所有的c个聚类中心,如果利用(2)(3)的迭代法更新后,值保持不变,则迭代结束,否则继续迭代。
结束迭代后得到预设数量的群组。
S203、将所述预设数量的群组内包含的视频节目作为第一层级节目库;
本发明实施例中,优选的,为所述第一层级节目库分配偏置得分Bias1。其中,每一个群组对应一个偏置得分,各个群组间的偏置得分可以相同也可以不同。
S204、将所述各个用户观看的节目视频的点击量超过预设的阈值的视频节目作为第二层级节目库;
本发明实施例中,优选的,为所述第一层级节目库分配偏置得分Bias2,并且Bias1>Bias2。
S205、将所述目标节目库中的除去所述第一层级节目库和所述第二层级节目库中视频节目之外的其余视频节目作为第三层级节目库。
本发明实施例中,优选的,为所述第一层级节目库分配偏置得分,所述偏置得分为0。
本发明实施例中,优选的,对所述第一层级节目库,所述第二层级节目库和所述第三层级节目库进行更新,举例说明假设用户A处于群组1中,当用户A观看了第三层级节目库中新上映的视频节目x,视频节目x马上更新到用户A所在群组的第一层级节目库中,其在群组1中偏置增加,推荐给群组1中用户概率增大。视频节目x同时更新到所有用户的第二层级节目库中,根据内容4可以得知,其偏置增大。当视频节目x偏置增大以后,出现在其他用户推荐列表的可能性增大。假设升级到第二层级节目库中的视频节目x推荐给群组2中的用户B,B在观看视频节目x后,视频节目x也动态更新到第一层级节目库中的群组2的节目库,其在群组2中偏置增加。第二层级节目库随时间更新,仅选取用户近N天的行为数据。第一层级节目库随第二层级节目库与用户聚类结果更新,其中,所述第三层级节目库,当检测到有新上映的视频节目时,对所述第三层级节目库进行更新。
本发明实施例中,兴趣权重得分的计算方法如下:
统计得到用户排名最高的前n项特征,得到其总积分Sum
分别计算不同特征的权重weight=Si/Sum*10
本发明实施例中,假设存在n个用户和n个标签,则其对应的权重weight得分如表3所示:
表3
本发明实施例中,依据所述兴趣权重得分对所述各个视频节目进行排序的方法流程如图3所示,包括步骤:
S301、剔除所述目标群组中不包含所述待推荐用户对应的标签的各个视频节目;
本发明实施例中,由于所述目标群组对应的兴趣特征矩阵中包含的各个标签并不是所述待推荐用户全部感兴趣的,与上述标签对应的视频节目也是所述待推荐用户不感兴趣的。因此,需要剔除所述目标群组中不包含所述待推荐用户对应的标签的各个视频节目
S302、剔除所述目标群组中所述待推荐用户观看过的视频节目;
S303、将所述目标群组中剩余的各个视频节目中对应的兴趣权重得分和所述目标群组的偏置得分进行累加,得到对应的各个节目得分;
本发明实施例中,假设所述待推荐用户针对所述目标群组中的任意视频节目包含用户特征weight1,weight3,weighti,则其对应节目得分Score为:
Score=weight1+weight3+weighti+Biasi
其中,Biasi为所述目标群组的偏置得分。
S304、对所述各个节目得分进行排序,得到排序结果。
本发明实施例中,基于上述的推荐方法的执行示意图如图4所示,其中,包括:
001由用户行为日志得到所述预设时长内每个用户观看信息;
002利用步骤001得到的信息计算得到用户观看的每个节目的用户得分;
003根据步骤002得到的用户得分,统计不同节目的总得分,其中多集节目的不同单集记为同一节目;
004根据步骤003,统计用户观看过的所有节目;
005根据步骤004,计算所有用户的兴趣特征向量;
006根据步骤005得到的用户兴趣特征向量,完成对用户的聚类分析;
007根据步骤001得到的用户行为信息,从全部节目库中更新得到第二层级节目库。
008根据步骤006得到的用户聚类信息,得到第一层级节目库。
009所有用户,根据步骤005得到的用户兴趣特征向量,计算不同层级内的节目评分,并排序,得到用户的推荐节目。
010完成用户推荐节目初始化后,进入层级节目库与推荐节目更新过程。
011当用户观看行为更新后,重复步骤001,获取新的用户观看信息。
012重复步骤002~步骤009,得到新的推荐节目。
上述的推荐方法,通过聚类方法,将兴趣相同的用户划分到同一群组,实现物以类聚人以群分的目的。可以假设,兴趣相同的用户,对于彼此之间看过的节目更加感兴趣,因此,优先推荐群组内的节目可以更好的契合用户兴趣特征。并且通过聚类方法,可以对用户的兴趣进行一定的扩展,例如,用户A喜欢节目1,2,3;用户B喜欢节目2,3,4,用户A、B分在同一群组,因此可以假设A可能喜欢节目4,B可能喜欢节目1。设定层级节目库,通过用户行为将节目划分三个层级,即兴趣相同用户看过的节目,所有用户看过的节目,以及没有被点击过的节目。可以将三个层级节目看作:1.用户可能感兴趣的节目2.具有一定热度的节目3.冷门或者新上映的节目。可以避免推荐用户不感兴趣的节目或者太冷门的节目,同时又可以对用户的兴趣做一定的扩展。通过动态更新节目库,可以实时追踪用户的兴趣变换,并且对于冷门节目,通过用户行为可以将更新其层级,即推荐的优先度。
本发明实施例中,与上述的一种节目的推荐方法相对应的,本发明实施例中还提供了一种节目的推荐系统,所述推荐系统的结构框图如图5所示,包括:
确定模块401,获取模块402,计算模块403和推荐模块404。
其中
所述确定模块401,用于当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;
所述获取模块402,用于获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;
所述计算模块403,用于计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;
所述推荐模块404,用于依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。
本发明公开了一种节目的推荐系统,包括:当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。上述系统,确定待推荐用户的目标群组包含所述待推荐用户感兴趣的各个视频节目,依据兴趣权重得分对所述各个视频节目进行排序,并推荐给所述待推荐用户,避免了视频推荐榜单依据观看量进行推荐,推荐不具有针对性的问题。
本发明实施例中,所述确定模块401包括:
第一确定单元405,划分单元406,第二确定单元407,第三确定单元408和第四确定单元409。
其中,
所述第一确定单元405,用于依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵;
所述划分单元406,用于依据所述兴趣特征矩阵将所述各个用户划分成预设数量的群组;
所述第二确定单元407,用于将所述预设数量的群组内包含的视频节目作为第一层级节目库;
所诉第三确定单元408,用于将所述各个用户观看的节目视频的点击量超过预设的阈值的视频节目作为第二层级节目库;
所述第四确定单元409,用于将所述目标节目库中的除去所述第一层级节目库和所述第二层级节目库中视频节目之外的其余视频节目作为第三层级节目库。
本发明实施例中,所述第一确定单元405包括:
获取子单元410,解析子单元411,分配子单元412和整合子单元413。
其中,
所述获取子单元410,用于针对每一个用户,获取所述用户观看的各个视频节目;
所述解析子单元411,用于解析所述各个视频节目包含的各个标签;
所述分配子单元412,用于计算每一个用户对于所述各个视频节目的用户得分,并将每一个用户得分分配给与其对应视频节目的各个标签;
所述整合子单元413,用于将标签和用户得分的对应关系进行整合,得到所述兴趣特征矩阵。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种节目的推荐方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种节目的推荐方法,其特征在于,包括:
当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;当所述待推荐用户为老用户时,依据所述待推荐用户的标识在所述第一层级节目库查找与所述标识对应的目标群组;
采用预设方法生成层级节目库包括:依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵;依据所述兴趣特征矩阵将所述各个用户划分成预设数量的群组;将所述预设数量的群组内包含的视频节目作为第一层级节目库;将所述各个用户观看的视频节目的点击量超过预设的阈值的视频节目作为第二层级节目库;将所述目标节目库中的除去所述第一层级节目库和所述第二层级节目库中视频节目之外的其余视频节目作为第三层级节目库;
获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;
计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;
依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。
2.根据权利要求1所述的方法,其特征在于,还包括:
为所述第一层级节目库、所述第二层级节目库和所述第三层级节目库分配对应的偏置得分。
3.根据权利要求1所述的方法,其特征在于,还包括:
当检测到所述目标群组的任一用户观看所述第三层级节目库中的视频节目时,将所述视频节目更新到所述第一层级节目库和所述第二层级节目库。
4.根据权利要求3所述的方法,其特征在于,还包括:
当检测到将所述第二层级节目库中的所述视频节目推荐给另一群组的用户时,将所述视频节目更新到与所述另一群组对应的第一层级节目库。
5.根据权利要求1所述的方法,其特征在于,依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵,包括:
针对每一个用户,获取所述用户观看的各个视频节目;
解析所述各个视频节目包含的各个标签;
计算每一个用户对于所述各个视频节目的用户得分,并将每一个用户得分分配给与其对应视频节目的各个标签;
将标签和用户得分的对应关系进行整合,得到所述兴趣特征矩阵。
6.根据权利要求2所述的方法,其特征在于,依据所述兴趣权重得分对所述各个视频节目进行排序,包括:
剔除所述目标群组中不包含所述待推荐用户对应的标签的各个视频节目;
剔除所述目标群组中所述待推荐用户观看过的视频节目;
将所述目标群组中剩余的各个视频节目中对应的兴趣权重得分和所述目标群组的偏置得分进行累加,得到对应的各个节目得分;
对所述各个节目得分进行排序,得到排序结果。
7.一种节目的推荐系统,其特征在于,包括:
确定模块,用于当接收到视频节目的推荐请求时,在采用预设方法生成的层级节目库中确定待推荐用户在第一层级节目库中所属的目标群组;当所述待推荐用户为老用户时,依据所述待推荐用户的标识在所述第一层级节目库查找与所述标识对应的目标群组;
所述确定模块包括第一确定单元、划分单元、第二确定单元、第三确定单元和第四确定单元;
所述第一确定单元,用于依据预设时长内各个用户在目标节目库中观看视频节目的观看信息确定所述各个用户的兴趣特征矩阵;
所述划分单元,用于依据所述兴趣特征矩阵将所述各个用户划分成预设数量的群组;
所述第二确定单元,用于将所述预设数量的群组内包含的视频节目作为第一层级节目库;
所述第三确定单元,用于将所述各个用户观看的视频节目的点击量超过预设的阈值的视频节目作为第二层级节目库;
所述第四确定单元,用于将所述目标节目库中的除去所述第一层级节目库和所述第二层级节目库中视频节目之外的其余视频节目作为第三层级节目库;
获取模块,用于获取所述目标群组中包含的所述待推荐用户感兴趣的各个视频节目;
计算模块,用于计算所述各个视频节目的相对于所述待推荐用户的兴趣权重得分;
推荐模块,用于依据所述兴趣权重得分对所述各个视频节目进行排序,依据排序结果将满足要求的各个视频节目推荐给所述待推荐用户。
8.根据权利要求7所述的系统,其特征在于,所述第一确定单元包括:
获取子单元,用于针对每一个用户,获取所述用户观看的各个视频节目;
解析子单元,用于解析所述各个视频节目包含的各个标签;
分配子单元,用于计算每一个用户对于所述各个视频节目的用户得分,并将每一个用户得分分配给与其对应视频节目的各个标签;
整合子单元,用于将标签和用户得分的对应关系进行整合,得到所述兴趣特征矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811088684.XA CN110913249B (zh) | 2018-09-18 | 2018-09-18 | 一种节目的推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811088684.XA CN110913249B (zh) | 2018-09-18 | 2018-09-18 | 一种节目的推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110913249A CN110913249A (zh) | 2020-03-24 |
CN110913249B true CN110913249B (zh) | 2023-07-21 |
Family
ID=69812845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811088684.XA Active CN110913249B (zh) | 2018-09-18 | 2018-09-18 | 一种节目的推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110913249B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935204A (zh) * | 2020-06-11 | 2020-11-13 | 杭州情咖网络技术有限公司 | 一种节目推荐方法、装置及电子设备 |
CN112559893A (zh) * | 2021-01-11 | 2021-03-26 | 引粒网络科技(上海)有限公司 | 一种互联网匹配社交场景下用户推荐方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007034355A2 (en) * | 2005-09-23 | 2007-03-29 | Koninklijke Philips Electronics N.V. | Method and apparatus for updating user profile |
CN106612461A (zh) * | 2015-10-23 | 2017-05-03 | 中兴通讯股份有限公司 | 产品包的推荐方法、装置及系统 |
CN106230911A (zh) * | 2016-07-25 | 2016-12-14 | 腾讯科技(深圳)有限公司 | 一种播放数据推荐方法、兴趣标签确定方法及相关设备 |
CN106909607B (zh) * | 2017-01-06 | 2019-07-09 | 南京邮电大学 | 一种基于随机扰动技术的协同过滤群组推荐方法 |
-
2018
- 2018-09-18 CN CN201811088684.XA patent/CN110913249B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110913249A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875022B (zh) | 一种视频推荐方法及装置 | |
CN107832437B (zh) | 音/视频推送方法、装置、设备及存储介质 | |
CN107888950B (zh) | 一种推荐视频的方法和系统 | |
CN109189951B (zh) | 一种多媒体资源推荐方法、设备及存储介质 | |
CN104462573B (zh) | 一种视频搜索结果展示方法及装置 | |
CN104317835B (zh) | 视频终端的新用户推荐方法 | |
US11055340B2 (en) | System and method for creating synopsis for multimedia content | |
JP4636147B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
CN109511015B (zh) | 多媒体资源推荐方法、装置、存储介质及设备 | |
US9098551B1 (en) | Method and system for ranking content by click count and other web popularity signals | |
CN109753601B (zh) | 推荐信息点击率确定方法、装置及电子设备 | |
CN105095431A (zh) | 根据用户的行为信息推送视频的方法和装置 | |
CN108471544B (zh) | 一种构建视频用户画像方法及装置 | |
CN108028962A (zh) | 处理视频使用情况信息以投放广告 | |
CN106446078A (zh) | 一种信息的推荐方法和推荐装置 | |
CN109982155B (zh) | 一种播单推荐方法及系统 | |
KR20120088650A (ko) | 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체 | |
US9009298B2 (en) | Methods and apparatus to determine audience engagement indices associated with media presentations | |
US20170193531A1 (en) | Intelligent Digital Media Content Creator Influence Assessment | |
CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
CN112364202A (zh) | 视频推荐方法、装置及电子设备 | |
CN110913249B (zh) | 一种节目的推荐方法及系统 | |
KR20170079429A (ko) | 사용자 속성을 고려한 클러스터링 기반의 협업 필터링 방법 및 영화 추천 시스템 | |
CN111435371A (zh) | 视频推荐方法及其系统、计算机程序产品、可读存储介质 | |
CN109063080B (zh) | 一种视频推荐方法及装置 |
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 |