一種基于tv用戶協同預測的視頻推薦方法及系統的制作方法
【專利摘要】本發明公開了一種基于TV用戶協同預測的視頻推薦方法及系統，通過計算各用戶與目標用戶之間的評分相似度，然后確定目標用戶的最近鄰居集合；再根據最近鄰居集合中各用戶與目標用戶之間的評分相似度及各用戶對視頻的歷史評分數據，協同計算目標用戶對視頻的預測評分；然后將各視頻按目標用戶對視頻的預測評分從高到低排序，得到候選視頻推薦集合。本發明的積極效果是：能快速鎖定用戶偏愛的視頻節目，改善用戶的觀看體驗并提高用戶對推薦結果的滿意度。
【專利說明】-種基于TV用戶協同預測的視頻推薦方法及系統
【技術領域】
[0001] 本發明涉及計算機技術與智能電視技術，特別涉及一種基于TV用戶協同預測的 視頻推薦方法及系統。
【背景技術】
[0002] 目前，隨著互聯網和信息技術的高速發展與日益成熟，電視出現了智能化與互聯 網化的趨勢，傳統的電視節目已不能滿足用戶對視頻的多樣化需求。電視的智能化與電視 互聯網的出現使得視頻節目的多樣化變成現實，但是互聯網海量的視頻信息在帶給用戶更 多選擇與體驗的同時，也給用戶帶來了不少的困擾，那就是用戶無法從海量的視頻中鎖定 自己偏好喜歡的視頻。在這種情況下，一種實用、高效的視頻推薦機制將為用戶鎖定自己偏 愛的視頻信息提供幫助，并向用戶推薦與其偏好方向相匹配的一系列視頻。
【發明內容】
[0003] 為了克服現有技術的上述缺點，本發明提供了一種基于TV用戶協同預測的視頻 推薦方法及系統，能快速鎖定用戶偏愛的視頻節目，改善用戶的觀看體驗并提高用戶的滿 意度。
[0004] 本發明解決其技術問題所采用的技術方案是：一種基于TV用戶協同預測的視頻 推薦方法，包括如下步驟：
[0005] 步驟一、獲取用戶對視頻的歷史評分數據，并對數據做預處理，得到統一格式的評 分數據；
[0006] 步驟二、計算各用戶與目標用戶之間的評分相似度，然后確定目標用戶的最近鄰 居集合；
[0007] 步驟三、根據最近鄰居集合中各用戶與目標用戶之間的評分相似度及各用戶對視 頻的歷史評分數據，協同計算目標用戶對視頻的預測評分；
[0008] 步驟四、將各視頻按目標用戶對視頻的預測評分從高到低排序，得到候選視頻推 薦集合。
[0009] 本發明還提供了一種基于TV用戶協同預測的視頻推薦系統，包括：
[0010] 用于向智能終端TV單元輸入對視頻的評分，產生歷史評分數據的鍵入單元；
[0011] 用于收集并存儲用戶所鍵入的實時評分數據，并將這些評分數據與具有終端身份 標識的用戶ID發送到云平臺后臺服務器單元的智能終端TV單元；
[0012] 用于收集所有智能終端TV單元發送的歷史評分數據，然后根據終端ID相關的評 分數據及用戶信息進行處理、生成相應的請求信息向匯聚視頻資源庫單元發送，并在得到 匯聚視頻資源庫單元發送的推薦視頻信息后再反饋給智能終端TV單元的云平臺后臺服務 器單元；
[0013] 用于向云平臺后臺服務器單元發送推薦視頻信息的匯聚視頻資源庫單元。
[0014] 與現有技術相比，本發明的積極效果是：通過利用用戶對所觀看視頻的歷史評分 數據，來度量用戶與其他用戶在對視頻評分方面的相似性，從而獲得用戶的相似度較高的 鄰居用戶，用最近鄰居用戶與自身用戶的相似性關系及歷史評分數據來得到自身用戶對視 頻的協同預測評分，進一步得到推薦視頻，使得用戶對推薦結果的滿意度得到提升。
【專利附圖】
【附圖說明】
[0015] 本發明將通過例子并參照附圖的方式說明，其中：
[0016] 圖1為本發明方法的流程圖；
[0017] 圖2為本發明系統裝置的結構示意圖；
[0018] 圖3為本發明系統裝置中云平臺后臺服務器處理的模塊框架圖。
【具體實施方式】
[0019] 一種基于TV用戶協同預測的視頻推薦方法，如圖1所示，包括以下步驟：
[0020] 步驟一、獲取用戶USER對視頻VIDEO的歷史評分數據，并對數據做預處理，得到統 一格式的評分數據：
[0021] 本步驟獲取TV用戶的歷史評分數據，并將五分制或者十分制以及其他形式的 評分數據全部轉換成五分制的評分數值，具體為：{1，2, 3, 4, 5}，并形成用戶USER對視頻 VIDEO的原始評分矩陣R，由于用戶只能對一小部分的視頻進行評分，因此得到的原始評分 矩陣R具有數據稀疏性的特點。
[0022] 步驟二、依據相似性度量方法，對用戶之間的評分相似性進行度量，按相似度從大 到小的原則選取與之具有較高相似度的用戶作為目標用戶USER的候選鄰居集合，進一步 再得到用戶USER的最近鄰居集合。
[0023] 本步驟中，使用相似度計算方法以原始矩陣R作為數據，并主要考量兩用戶對相 同視頻VIDEO評分數值的相似程度，循環產生兩兩用戶間的相似度，并以評分行為的相似 性作為選擇最近鄰居用戶的依據。
[0024] 對于評分矩陣R，循環計算每個用戶USER與其他用戶的評分相似度，并存于相似 度矩陣Rsim中；
[0025] 用戶USER之間的評分相似度（相關相似度）計算公式為：
【權利要求】
1. 一種基于TV用戶協同預測的視頻推薦方法，其特征在于：包括如下步驟： 步驟一、獲取用戶對視頻的歷史評分數據，并對數據做預處理，得到統一格式的評分數 據； 步驟二、計算各用戶與目標用戶之間的評分相似度，然后確定目標用戶的最近鄰居集 合； 步驟三、根據最近鄰居集合中各用戶與目標用戶之間的評分相似度及各用戶對視頻的 歷史評分數據，協同計算目標用戶對視頻的預測評分； 步驟四、將各視頻按目標用戶對視頻的預測評分從高到低排序，得到候選視頻推薦集 合。
2. 根據權利要求1所述的一種基于TV用戶協同預測的視頻推薦方法，其特征在于：步 驟二所述各用戶與目標用戶之間的評分相似度計算公式為：
其中，A、B為任意兩個用戶，I為所有的視頻集合，C、&分別為用戶A、B對所有視頻 的平均評分，Riu、RB;i分別為A、B對某一視頻i的評分值。
3. 根據權利要求1所述的一種基于TV用戶協同預測的視頻推薦方法，其特征在于：步 驟三所述目標用戶對視頻的預測評分的計算公式為：
其中=Ua為目標用戶，Nu為最近鄰居集合，Ub為最近鄰居集合中的任一用戶，SIM (UA，Ub) 為用戶Ua和Ub之間的評分相似度，K為用戶Ua對所有視頻的平均評分，昊y為用戶U b對 視頻i的評分值。
4. 根據權利要求1所述的一種基于TV用戶協同預測的視頻推薦方法，其特征在于：步 驟一所述的對數據做預處理是指將各種形式的歷史評分數據全部轉換成五分制的評分數 據。
5. -種基于TV用戶協同預測的視頻推薦系統，其特征在于：包括： 用于向智能終端TV單元輸入對視頻的評分，產生歷史評分數據的鍵入單元； 用于收集并存儲用戶所鍵入的實時評分數據，并將這些評分數據與具有終端身份標識 的用戶ID發送到云平臺后臺服務器單元的智能終端TV單元； 用于收集所有智能終端TV單元發送的歷史評分數據，然后根據終端ID相關的評分數 據及用戶信息進行處理、生成相應的請求信息向匯聚視頻資源庫單元發送，并在得到匯聚 視頻資源庫單元發送的推薦視頻信息后再反饋給智能終端TV單元的云平臺后臺服務器單 元； 用于向云平臺后臺服務器單元發送推薦視頻信息的匯聚視頻資源庫單元。
6. 根據權利要求5所述的一種基于TV用戶協同預測的視頻推薦系統，其特征在于：所 述云平臺后臺服務器單元包括： 信息獲取模塊：用于從智能終端TV單元獲取用戶對所觀看視頻的歷史評分數據以及 用戶的ID等關聯信息，并將這些信息發送給最近鄰搜索與預測評分模塊； 最近鄰搜索與預測評分模塊：對歷史評分數據進行處理，產生目標用戶的最近鄰居集 合并計算目標用戶對視頻的預測評分； 鄰居與預測評分過濾模塊：為最近鄰搜索與預測評分模塊提供相應的過濾機制與準 則； TV視頻推薦模塊：篩選具有較高預測評分值的視頻作為推薦的結果集，并反饋給相應 關聯用戶的智能終端TV。
【文檔編號】G06F17/30GK104391925SQ201410669753
【公開日】2015年3月4日 申請日期:2014年11月20日 優先權日:2014年11月20日
【發明者】康鐘榮, 李強 申請人:四川長虹電器股份有限公司