[发明专利]一种节目推荐方法

说明书

技术领域

本发明涉及一种节目推荐方法。

背景技术

随着电视节目日益丰富,电视用户正面临着众多电视节目中无所适从的问题，帮助用户及时收看感兴趣的节目，成为节目推荐系统的首要任务。数字电视的普及，机顶盒的普遍使用，使得用户收视行为数据采集、用户收视特征分析、节目推荐、节目收视率分析于一体的节目推荐系统变为可能。早期的节目推荐系统中主要是利用节目特征和用户特征进行采用基于内容相似度匹配的推荐机制或者基于合作过滤的推荐机制来是实现的。由于节目特征需要人为进行分析处理，进一步有研究者直接根据节目的描述文本进行特征分析，提出基于贝叶斯网络模型的智能节目推荐方法,对海量的节目文本信息进行筛选,并通过已知用户爱好信息为一个或一群用户推荐最能满足其个性化需求的电视节目；而在对用户的隐性特征的提取及推荐算法方面,常用的有Rankboost算法、Bayes统计算法、简单统计算法三种；针对统计算法，大部分推荐系统采用节目被整体点击次数来向用户推荐节目，存在推荐的节目对用户的喜好针对性不是很强的缺点，研究人员采用先对用户聚类，并把根据用户组进行节目点击次数分别计算，从而提高推荐节目对用户喜好特点的针对性。

继而，有研究者将一天内观看的所有电视节目组成一个社区，利用用户观看电视节目的历史数据作为动态社区，动态地输入算法中进行周期子社区挖掘，得出多个用户周期性观看节目所组成的社区，周期性挖掘出蕴含的周期子社区作为依据来进行推荐。但是以上的节目推荐方法在实际推荐过程中的推荐精度不高，就有可能造成用户对节目的厌烦，达不到节目推荐的真正目的。

发明内容

针对上述技术问题，本发明所要解决的技术问题是提供一种结合社会网络分析，采用基于权重的内容相似度匹配方法，实现精确地个性化推荐的节目推荐方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种节目推荐方法，包括如下步骤：

步骤01.根据节目类型对电视节目进行分类；

步骤02.按预置时间间隔采集各个用户当前的观看信息，记录为{用户ID、当前时间、观看频道、节目类型、当前类型节目的累计观看时间}，作为各个用户的观看历史记录；

步骤03.根据预置的用户社会关系和预置的社会关系权重ω_i，获取与被推荐用户存在联系的社会用户关系信息，记录为{社会关系用户ID、影响权重}，其中，影响权重表示针对被推荐用户选择节目的影响程度，i＝1、…、I，I表示用户社会关系中社会关系的种类数，社会关系权重ω_i与社会关系的种类一一对应，根据与被推荐用户之间存在的社会关系种类，通过ω_i采用级联相乘的方式获取与社会关系用户ID相对应的影响权重；

步骤04.在被推荐用户的观看历史记录中匹配与当前时间相同的观看信息记录，根据观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序，并为每一条观看信息记录设置影响权重，其中，降序排列的第一条观看信息记录设置影响权重为1，之后的各条观看信息记录的影响权重按照依序递减0.1进行设置；获取前a条观看信息记录，并记录为{频道、节目类型、影响权重}，作为第一待推荐观看信息，a≤10；

步骤05.根据步骤03获得的社会用户关系信息，在对应用户的观看历史记录中匹配与当前时间相同的观看信息记录，先按照社会用户关系信息中的影响权重进行降序排列，然后针对具有相同影响权重的社会用户的观看信息记录，按照观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序，获取前b条观看信息记录，并记录为{频道、节目类型、影响权重}，作为第二待推荐观看信息；

步骤06.将第一待推荐观看信息和第二待推荐观看信息按照影响权重进行降序排列，按照预置节目推荐数量n，在降序排列的待推荐观看信息中选取前n条记录，向被推荐用户推荐其中的节目类型，n≤a+b。

作为本发明的一种优选技术方案：所述步骤03中，根据预置的用户社会关系和预置的社会关系权重ω_i，获取与被推荐用户存在联系、联系关系度不超过2、且影响权重大于0.1的社会用户关系信息，记录为{社会关系用户ID、影响权重}。

作为本发明的一种优选技术方案：所述步骤03中，根据与被推荐用户之间存在的社会关系种类，通过ω_i采用级联相乘的方式获取与社会关系用户ID相对应的影响权重，包括如下步骤：