[发明专利]基于用户群组行为分析的视频推荐方法及装置

权利要求书

1.基于用户群组行为分析的视频推荐方法，其特征在于，它包括如下步骤：

用于对用户行为进行采集与分析，将视频数据和观看所述视频的客户数据转化为用户观看视频的行为操作数据，并通过日志数据对用户进行第一次分组，获得用户间相似的群组的步骤；所述日志数据包括行为操作数据和视频标签数据；

用于将用户行为操作数据进行分析取得用户频繁项的关联规则，根据获得的关联规则挖掘出用户在设定时间内的行为中的关联规则集合并对所述关联规则集合实现动态更新的步骤；

用于对每个群组内的用户互相进行相似度计算，并依据获得的用户频繁项的关联规则对用户进行第二次分组，获得用户间相似的群组的步骤；

用于在第二次分组后获得的用户间相似的每个群组内，将每个用户选择的视频做协同过滤后推荐给同群组内的其他用户的步骤。

2.根据权利要求1所述的基于用户群组行为分析的视频推荐方法，其特征在于，

所述对用户行为进行采集与分析，将视频数据和观看所述视频的客户数据转化为用户观看视频的行为操作数据，并通过日志数据对用户进行第一次分组，获得用户间相似的群组的步骤包括：

采用RFM模型对用户行为进行采集与分析，将视频数据和观看所述视频的客户数据转化为用户观看视频的行为操作数据的步骤；

所述RFM模型中，R为用户最近一次的观看时间，F为设定时间内的观看频率，M为设定时间内的观看视频的数量；

以全部用户在RFM模型中的R、F和M的总平均值为标准将用户分为8个群组，根据每一个用户的R、F和M值确定所述用户所在群组的步骤，所述8个群组包括↑↑↑群组、↑↑↓群组、↑↓↑群组、↑↓↓群组、↓↑↑群组、↓↑↓群组、↓↓↑群组和↓↓↓群组，其中↑表示用户的R或F或M值大于总平均值，↓表示用户的R或F或M值小于总平均值。

3.根据权利要求1或2所述的基于用户群组行为分析的视频推荐方法，其特征在于，

所述将用户行为操作数据进行分析取得用户频繁项的关联规则的方法为：

采用基于改进权重增量的Apriori算法将用户行为操作数据进行分析取得用户频繁项的关联规则。

4.根据权利要求3所述的基于用户群组行为分析的视频推荐方法，其特征在于，所述采用基于改进权重增量的Apriori算法将用户行为操作数据进行分析取得用户频繁项的关联规则的方法包括如下步骤：

步骤一：计算观看数据库中提取的最近n笔观看数据中每一项集类别i的次数值；

步骤二：利用公式计算提取的书观看数据中的每一项集类别的值；

所述为第i个项集类别文件在第j次增量观看数据中的权重支持度；

WSi0=0,Wj=βj-1,j=1,2,...n;]]>

j为增量挖掘的次数，W_j是权重值大小的计算，β为常数，其中β<1；

是第i个项集类别文件出现在第j次增量交易的出现次数总和；

步骤三：判断W_j的取值没有达到设定的阈值时，若是，则转入步骤五，若否，转入步骤四；

步骤四：判断所述观看数据库中未提取的观看数据是否大于等于n笔观看数据，若是，则在观看数据库中提取下一个n笔最近观看数据，转入步骤一；若否，则结束该方法；

步骤五：删除为零或小于设定的权重支持度最小值Min-Support的项集类别，获得n个一项集类别组合，并通过每个一项集类别组合中的高频繁项目，组合成二项候选集合，并计算获得n个的二项候选集合中每一个二项集类别i次数值；

步骤六：根据获得的二项候选集合中每一个二项集类别i次数值，根据公式计算每一个二项集类别的值，删除二项集类别的值为零或小于设定的权重支持度最小值Min-Support的二项集类别；

步骤七：最后剩下的二项集类别为用户频繁项的关联规则Rbr：

Rbr＝{[i→j]｜Min-Support≦WS([i→j]),β^j-1<0.1}。