[发明专利]一种上下文感知的IPTV节目推荐方法

权利要求书

1.一种上下文感知的IPTV节目推荐方法，其特征在于，包括如下步骤：

a）根据用户的观看记录，计算用户对已观看节目的隐式评分，以及与每个评分对应的置信度和上下文权值；

b）针对每个用户和节目，根据上下文初始化用户向量和节目向量；

c）对用户向量和节目向量进行降维；

d）采用隐语义模型进行评分预测，形成推荐。

2.根据权利要求1所述的推荐方法，其特征在于，所述步骤a）包括：

Ⅰ）根据每一条观看记录，形成一个用户-节目评分二元组，并设置其用户-节目评分为1；

Ⅱ）根据用户对节目的观看时长、观看次数，计算每一个评分对应的置信度；

Ⅲ）分别对于上午、下午、晚上三个时间段，根据用户对节目所属分类的观看次数占用户观看IPTV总次数的百分比，计算每一个评分对应的上下文权值。

3.根据权利要求2所述的推荐方法，其特征在于，所述步骤Ⅱ）包括：

ⅰ）、判断节目是否为电视剧；

ⅱ）、如果节目不是电视剧，则根据用户观看该节目的次数和观看时长占节目总时长的百分比来计算置信度；如果节目是电视剧，则根据用户已观看了的集数占该电视剧总集数的百分比来计算置信度。

4.根据权利要求1所述的推荐方法，其特征在于，所述步骤b）包括：

Ⅰ）对于用户，根据其在上午、下午、晚上三个时间段中对不同节目分类的观看比例，进行用户向量的初始化；

Ⅱ）对于节目，根据其所属的分类进行节目向量初始化。

5.根据权利要求1所述的推荐方法，其特征在于，所述步骤c）包括：

Ⅰ）将初始化得到的用户向量、节目向量组成一个矩阵；

Ⅱ）对上述矩阵，采用主成分分析法进行降维。

6.根据权利要求1所述的推荐方法，其特征在于，所述步骤d）包括：

Ⅰ）根据降维后的用户向量、节目向量以及置信度和上下文权值，采用隐语义模型进行迭代训练，更新用户向量及节目向量；

Ⅱ）对那些不存在的评分，根据用户向量和节目向量的点积和相应的上下文权值进行评分预测，形成推荐。