[发明专利]基于属性描述的个性化影片推荐系统及方法

说明书

技术领域

本发明涉及网络媒体服务领域，特别涉及一种影片个性化推荐系统及方法。

背景技术

随着计算机网络技术和视频压缩技术的发展，视频应用得到了广泛的应用。视频业务的发展来源于丰富视频内容的推动，也势必会引起视频数量的增加和内容的多样化。针对个人用户，丰富的影片内容一方面增加了用户的选择，另一方面却加大了用户观看影片选择的难度。通常情况下，不同的人具有各自的兴趣范围，每个人的选择标准和方式不同，而且随着观看内容和时间的推移这种兴趣也会发生变化。因此，现代视频业务除了提供丰富的视频内容外，还应针对个人实现个性化的信息提取服务，从而智能化地帮助用户进行选择。

在辅助用户选择影片上，大多数已有的业务系统提供了“收藏”功能，但它只能对用户已经确定感兴趣的影片进行收藏，然后再必要时进行快速检索，而无法判断用户对新影片的感兴趣程度。另一种手段是现在网络上使用的“搜索”功能，它根据用户提供的关键词进行相关性匹配，检索出用户可能比较感兴趣的内容，然而，这种方式需要用户自己提供关键词，需要很多的经验和技巧，不能自动定位用户的兴趣焦点。信息检索技术满足了人们一定的需要，但由于其通用的性质，仍不能满足不同背景、不同目的和不同时期的查询请求。个性化服务技术就是针对这个问题而提出的，它通过收集和分析用户信息来学习用户的兴趣和行为，从而实现主动推荐的目的，吸引更多的访问者。针对影片观看，用户的兴趣偏好在平时的观看行为上已经有所体现，通过挖掘这种用户行为就能够自动挖取用户的潜在兴趣点并判断用户是否对新影片内容感兴趣，从而完成影片的个性化推荐。

现有的个性化推荐方法，根据其所采用的推荐技术可分为两种：基于规则的系统和信息过滤系统，其中的信息过滤系统又可分为基于内容过滤的系统和协作过滤系统。基于规则的系统具有简单、直接的优点，但规则质量很难保证，且不能动态更新，此外，随着规则的数量增多，系统将变得越来越难管理。协作过滤系统利用用户之间的相似性来过滤信息，它能够为用户发现新的感兴趣的信息，但存在稀疏性和扩展性方面的问题。在系统使用初期，由于系统资源还未获得足够多的评价，系统很难利用这些评价来发现相似的用户，此外，随着系统用户和资源的增多，系统的性能会越来越低。在家庭网络媒体服务应用中，可以看作只有单个用户观看影片并使用个性化推荐，协作过滤系统无法正常工作，因此，一种更好的方式是采用基于内容过滤的方式进行推荐，它利用影片资源与用户兴趣的相似性来过滤信息，能够简单、有效地完成影片内容的推荐。在基于影片内容的推荐方法中，关键字匹配方法的推荐结果准确度不高，无法感知用户兴趣热点；采用本体论描述方法因视频语义信息量大、结构复杂，目前尚无确定的抽象描述形式，很难提取影片特征。因此，需要一种方法解决上述问题。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一，特别是解决个人用户难以从大量的影片内容中选择真正感兴趣的影片的缺陷。

为达到上述目的，本发明一方面提出一种基于属性描述的个性化影片推荐系统，包括候选影片数据库、观看记录数据库、用户兴趣偏好模型计算模块和影片推荐模块。所述候选影片数据库，用于存储完整影片属性描述信息；所述观看记录数据库，用于存储用户观看影片信息记录；所述用户兴趣偏好模型计算模块，用于根据所述用户观看影片信息记录计算用户兴趣偏好模型；所述影片推荐模块，用于根据所述用户兴趣偏好模型对所述候选影片数据库中还未观看的新影片进行打分，获取标量推荐分值并排序，推荐前N部所述推荐分值最大的影片。

作为本发明的一个实施例，所述候选影片数据库中的存储内容包括曾经看过的旧影片信息和没有观看过的新影片信息，其中，影片属性描述信息包括影片标识、题材类型、主演、导演、制片人、出品年份、出品公司、国家地区、背景、获奖记录、语言类型和影片时长。这些类别属性可看作影片不同层次的描述，构成完整影片描述信息的分层结构，即影片模型。针对每个类别层次，可包括0个、1个或多个(属性，属性值)对。

作为本发明的一个实施例，所述观看记录数据库中的每条记录包括影片标识、观看日期、观看时的操作及其对应的时间和个人评价打分等观看动态信息。