[发明专利]一种基于协同过滤的视频栏目推荐系统及推荐方法

说明书

一种基于协同过滤的视频栏目推荐系统，包括：用户模型创建模块、用户相似度计算模块、最近邻居集生成模块、栏目评分生成模块和推荐模块。本发明所述推荐方法设置奖励项，增加冷门栏目对用户相似度的作用。本发明所述推荐方法通过用户相似度矩阵M可以减少计算量。本发明所述推荐方法评分采用最近邻居相似度加权平均的方法，更加充分分析用户偏好，挖掘用户潜在兴趣点。

技术领域

本发明涉及一种基于协同过滤的视频栏目推荐系统及推荐方法，属于智能电视推荐系统的技术领域。

背景技术

随着互联网时代和大数据时代的到来，智能互联网电视的迅猛发展，人们观看的电视节目也不仅仅局限于直播电视节目，通过互联网，电视用户可以根据自己的兴趣更方便快捷的选择更多最新的节目或者热门影片。电影数量级的迅速增长带来的信息过载问题，给用户带来很多困扰，让用户无法准确高效地获得自己感兴趣的影片。互联网规模的迅速增长带来了信息超载的问题，过量信息同时呈现使得用户无法很便捷快速地获取对自己感兴趣的部分，使信息使用效率降低。现在的互联网应用中，越来越多智能的推荐系统被开发出来并获得广大用户的信赖和使用。

对于目前常见的情况，当用户打开电视，进入推荐展示界面时，会看到展示页面的栏目列表。具有相同属性的影片被归为同一个栏目(比如综艺节目、日韩影片、武侠电影、文艺电影、动作电影)，展示页面为用户展示若干栏目。生成展示栏目的依据一般是根据影片的热门程度和以往人工设定的固定栏目经验，向每名用户展示相同栏目，而不是根据用户兴趣向用户进行个性化推荐。

目前的视频推荐技术都是以推荐单个视频为主，但这些技术不太适用于栏目推荐。首先，视频推荐一般都是依靠用户看过的视频来向其推荐没有看过的视频，但是在栏目推荐中不可能把看过的栏目不再推荐，相反，一般而言看的越多的栏目越着重推荐。其次，每个栏目都有很多视频组成，栏目间的关系相比于视频间的关系更为复杂，相似度计算更加难以把握。

发明内容

针对现有技术的不足，本发明公开了一种基于协同过滤的视频栏目推荐系统。

本发明还公开一种上述推荐系统的推荐方法。

本发明的技术方案为：

一种基于协同过滤的视频栏目推荐系统，包括：用户模型创建模块、用户相似度计算模块、最近邻居集生成模块、栏目评分生成模块和推荐模块，其中：

所述用户模型创建模块，用于获取栏目属性信息，所述属性信息包括用户标识、用户所操作的栏目标识以及用户对栏目的历史操作信息；

所述用户相似度计算模块，通过建立相似度矩阵M，计算目标用户与其他用户之间的相似度sim(u,v)，其中，u∈1,2,…,n；v∈1,2,…,n；

所述最近邻居集生成模块，将目标用户与其他用户的兴趣相似度进行排名，取值最大的K个用户，得到目标用户的最近邻居集合，K的取值根据实际情况设定；

所述栏目评分生成模块，根据所述最近邻居集，获取目标用户对于栏目的预测评分；

所述推荐模块，用于根据所述预测评分及预先获取的目标用户对于历史栏目的评分，生成栏目推荐列表进行推荐。

一种上述推荐系统的推荐方法，包括如下步骤：

步骤S101：创建用户模型

将用户对栏目的点击次数作为评分表中的评分值：用户点击过栏目中的任意一个影片即被视为完成一次栏目点击，从用户日志文件中获取较长时间段内用户点击过的所有栏目名称以及每个栏目点击过的次数，整理生成用户观看历史记录表；每条记录的数据格式为：{用户：栏目1[栏目1点击次数]；栏目2[栏目2点击次数]；栏目5[栏目5点击次数]；…；栏目i[栏目i点击次数]}；将上述记录的数据去重处理后存放在数据库A中；

步骤S102：计算用户相似度