[发明专利]一种视频智能推荐方法及其系统

权利要求书

1.一种视频智能推荐方法，其特征在于，所述方法包括：

数据预处理步骤：对数据库中影视数据进行预处理，生成影视信息；

影视列表生成步骤：根据所述影视信息，通过基于内容的推荐和/或基于协同的推荐，生成相似影视列表；

最优用户推荐列表生成步骤：根据所述相似影视列表，生成用户推荐列表，并通过推荐效果评估方法调整参数，生成针对用户的最优个性化影视推荐；

其中该推荐效果评估包括：基于协同的推荐模型中涉及到的未知参数均通过交叉验证方法实验得到，并以系统的准确率、召回率、覆盖率确定该未知参数的最优值；

其中该准确率的计算方式为：

式中分子为推荐列表与测试集的交集，分母为所有推荐列表的总和；

该召回率计算方式为：

式中分子为推荐列表与测试集的交集，分母为测试集上观看记录的总和；

该覆盖率计算方式为：

式中分子为推荐列表中包含的影视数总和，分母为该数据库中所有影视的总和；

该数据预处理步骤还包括：对该数据库中的用户观看历史记录进行信息提取，生成用户观看历史记录信息；

该影视列表生成步骤还包括：基于内容的推荐根据所述影视信息构建影视向量，根据该影视向量之间的相似度，形成该相似影视列表；基于协同的推荐通过该用户观看历史记录信息，使用条件概率距离公式产生该相似影视列表；

其中根据所述影视信息构建影视向量的过程具体为：

TF(t_k，d_j)是第k个属性在影视j中出现的次数，n_k是所有影视中包括第k个属性的影视数量；

第k个属性在影视j中的权重由下面的公式获得：

其中|T|为所有影视的属性集合，最终构建出影视向量，影视j的影视向量构成如下：

V_j＝(W_k1，W_k2,W_k3,W_k4……)。

2.根据权利要求1所述视频智能推荐方法，其特征在于，所述数据预处理步骤还包括：

影视属性生成步骤：对数据库中的视频数据进行信息提取，生成影视属性信息。

3.根据权利要求2所述视频智能推荐方法，其特征在于，所述影视列表生成步骤还包括：

基于内容的推荐步骤：根据所述影视属性信息通过所述基于内容的推荐方法生成基于内容的相似影视列表，用于生成所述相关影视推荐；及/或

基于协同的推荐步骤：根据所述历史记录信息通过所述基于协同的推荐方法生成基于协同的相似影视列表。

4.根据权利要求3所述视频智能推荐方法，其特征在于，所述基于内容的推荐步骤还包括：

基于内容向量构建步骤：根据所述影视属性信息，构建基于内容的影视向量；

基于内容邻域计算步骤：根据所述基于内容的影视向量计算向量之间的相似度，生成基于内容的相似影视列表。

5.根据权利要求3所述视频智能推荐方法，其特征在于，所述基于协同的推荐步骤还包括：

基于协同向量构建步骤：根据所述历史记录信息，构建基于协同的影视向量；

基于协同邻域计算步骤：根据所述基于协同的影视向量计算向量之间的相似度，生成基于协同的相似影视列表。

6.根据权利要求1或5所述视频智能推荐方法，其特征在于，所述最优用户推荐列表生成步骤还包括：

用户推荐列表生成步骤：对所述基于协同的相似影视列表进行归一化，并合并生成所述用户推荐列表；

推荐效果评估步骤：通过所述推荐效果评估方法修正所述基于协同的推荐方法采用的参数，用于产生最优的所述个性化影视推荐。