[发明专利]基于上下文和群组组合的视频推荐方法及系统

说明书

技术领域

本发明涉及信息数据推送技术领域，尤其是一种基于上下文和群组组合的视频推荐方法及系统。

背景技术

随着信息技术和电子技术的飞速发展，视频需求开始向“高清化”、“网络化”、“智能化”的趋势发展。智能电视的出现顺应了这一发展趋势。在三网融合的大环境下，基于软件平台的智能电视将成为三网融合的重要载体，担当家庭多媒体信息平台的重任。过量的信息使得用户无法获取对自己有用的部分，信息使用效率反而降低。推荐系统作为一种信息过滤手段，是当前解决信息超载问题的非常有力的手段。在智能电视中，很重要的一个方面就是个性化，即根据个人的喜好搭载一个完整的智能推荐系统，能够根据用户身份和情景感知实时地推荐用户可能喜好的节目信息，引导用户发现需要的结果。

目前的主流智能推荐系统，通过获取用户对视频的喜好和感兴趣的程度，帮助用户从大量视频内容中发现其可能感兴趣的视频内容。然而，现有推荐引擎往往只关注“用户与视频”之间的关联关系，而较少考虑它们的上下文环境(如时间、位置、情绪、天气等等)。但是，在许多的情况下，仅仅依靠“用户与视频”之间的关系并不能生成有效的推荐。上下文感知推荐系统正是通过将上下文信息引入推荐系统，即基于上下文的推荐系统(CARS)以进一步提高推荐精确度和用户满意度，具有非常明显的研究意义和实用价值，逐渐成为推荐系统研究领域最为活跃的热点。

此外，由于智能电视是一个公用设备，大部分时间都用来信息和媒体共享，所以主要针对的用户不是一个个体，而是一个群体，对一个群组用户进行推荐比给单独用户推荐要更复杂，因此需要设计针对智能电视的家庭组视频推荐算法。群组推荐(GRS)需要兼顾不同用户的爱好，所以需要更多的信息，对多用户的兴趣进行不同程度的融合。

201210442382.4一种融合用户，项目和上下文属性信息的推荐系统优化方法(最接近本专利)原专利公开了一种融合用户，项目和上下文属性信息的推荐方法，同时考虑了用户，项目和上下文属性对用户评分的影响，并通过上下文属性信息来修正预测评分的偏差，提高了推荐精度。本专利是使用的上下文信息是基于用户的隐式信息，只考虑用户是否观看电影，而没有用用户的评分，所以也没有对评分的修正，而且原专利只有考虑少数几种对用户评分有影响的上下文信息。本专利用上下文信息来过滤跟当前用户兴趣无关的，最大程度保证相关信息，同时加入了组推荐信息，不光考虑单个用户的信息，也对多用户的上下文进行考虑和融合。

201210368902.1一种基于组推荐的服务选取系统及选取方法

原专利主要针对一个用户组进行服务推荐。是一种在餐馆的应用场景下的。所解决的技术问题是提供一种组推荐的服务选取系统及其选取方法，针对用户群体，考虑每个用户的兴趣，极大化提高了团体的满意度。本专利是针对于智能电视用户视频推荐场景下的群组推荐，考虑的因素和算法设计与原专利完全不同，此外，本专利还考虑的上下文不同场景，针对用户的权重也不一样。上下文与群组结合的方法综合考虑了各方因素，既能够保证个性化，又能均衡群体的兴趣爱好。

因此现有的视频内容推荐方法在视频推荐时由于缺少上下文的相关信息，推荐的精度不高；同时在智能电视特定场景下，传统的推荐方法只考虑对单一用户进行推荐，而没有均衡多用户兴趣，推荐的结果不理想。

发明内容

有鉴于此，本发明针对现有的视频内容推荐方法在视频推荐时缺少上下文的相关信息，并且无法均衡多用户兴趣的缺陷，提供一种基于上下文和群组组合的视频推荐方法及系统。

一种基于上下文和群组组合的视频推荐方法，其包括如下步骤：

S1、获取用户识别信号；

S2、根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，跳转到步骤S3a；在用户为多个用户时，跳转到步骤S3b；

S3a、获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模型，并跳转到步骤S4a；

S4a、获取用户当前相关的上下文信息并结合用户兴趣模型生成基于情景感知的个性化媒体推荐菜单，并跳转到步骤S5；

S3b、获取组用户信息以及视频内容信息并根据组用户信息建立多用户兴趣融合模型，并跳转到步骤S4b；

S4b、获取用户组当前相关的上下文信息并根据多用户兴趣融合模型生成多用户兴趣平衡的建设性媒体推荐菜单，并跳转到步骤S5；

S5、显示基于情景感知的个性化媒体推荐菜单或者多用户兴趣平衡的建设性媒体推荐菜单。

一种基于上下文和群组组合的视频推荐系统，其包括如下单元：