[发明专利]基于流行度和社交网络的个性化用户原创视频预取方法及系统

权利要求书

1.一种基于流行度和社交网络的个性化用户原创视频预取方法，其特征在于，包括以下步骤：

1)信息获取:获取用户对视频的历史行为信息，用户与用户之间的社交关系，视频与视频之间的关联关系以及原创视频的流行度信息；

2)视频分类：基于获取的原创视频的流行度信息，将视频分为热门视频和长尾视频两类；

3)生成热门视频预取列表：基于获取的原创视频的流行度信息及用户历史行为信息，计算用户对热门视频的偏好度，根据偏好度降序排序，为用户生成热门视频预取列表；

4)图模型构建：基于获取的用户历史行为信息，用户之间的社交关系以及视频之间的关联关系构建图模型，其中的每一个节点或每一条边拥有与实际物理类型一致的节点类型或关系类型，每一条边拥有与实际关系强度一致的边权值；

5)生成长尾视频预取列表：基于图模型，利用基于最短路径权值的相关度测量方法，测量用户和视频的相关度，根据相关度降序排序，为用户生成长尾视频预取列表；

6)构建个性化混合预取模型：基于获取的用户的历史行为信息，对热门视频预取列表和长尾视频预取列表进行加权线性融合，构建个性化的混合预取模型；

7)视频预取：在保证用户当前观看视频流畅的情况下，基于个性化混合预取模型，为用户预取排在最靠前的一部或多部视频。

2.根据权利要求1所述的个性化用户原创视频预取方法，其特征在于，步骤1)的信息获取过程中，对于用户与用户之间的社会关系以及视频与视频之间的关联关系，若在应用系统中存在，则获取这些信息；若没有，则无需获取。

3.根据权利要求1或2所述的个性化用户原创视频预取方法，其特征在于，在所述步骤3)热门视频预取列表生成之前，还包括对用户历史行为信息进行预处理的步骤，具体为：只保留用户对视频肯定的信息；在非评分系统中，包括用户对视频的观看、分享、收藏以及上传信息。

4.根据权利要求1、2或3中所述的个性化用户原创视频预取方法，其特征在于，所述步骤2)视频分类的具体过程为：

2.1)根据用户对视频的行为，构建用户-视频关系矩阵R，如果用户i对视频j有过观看、收藏、上传或者分享行为，R_ij为1，否则R_ij为0，R是一个m×n维的矩阵，m为系统中用户数量，n为系统中视频数量；

2.2)根据流行度分布对视频进行分类：首先，利用视频观看次数衡量视频流行度，具体如公式(1)，

P_k＝log(M_k+1)(1)

其中P_k表示视频k的流行度，M_k表示视频k被观看的次数；

其次，按照视频流行度从高到低排序，累计观看次数占总观看次数80％，流行度排名前10％的视频为热门视频，若流行度排名前10％的视频累计观看次数不足总观看次数的80％，根据流行度排名向后扩展热门视频，直至满足累计观看次数占总观看次数80％；最后，排除所有热门视频，剩余视频为长尾视频，表示热门视频集合_，)表示长尾视频集合。