[发明专利]基于霍克斯过程的节目质量评价方法

权利要求书

1.一种基于霍克斯过程的节目质量评价方法，其特征在于，包括如下步骤：

步骤a，数据预处理：将用户收视行为的记录作为原始数据，并将原始数据处理为用户收视事件序列；

所述步骤a具体包括如下子步骤：

步骤a1，将一个用户的一次收视行为视为时间轴上的一个点，那么该用户在一段时间内的所有收视行为就视为一个点过程；

步骤a2，把一个用户的一次收视行为视作发生在该用户收视某次节目起始时刻的一个事件，这样该用户在一段时间内收视行为的点过程就作为时间轴上的一个用户收视事件序列；

所述用户收视行为包括：用户编号、节目编号、节目名称、节目类型、频道编号、频道名称、观看起始时间和观看终止时间；所述一个事件包括：事件发生的时间、用户观看的节目、节目类型和节目所在的频道；

步骤b，在用户收视事件序列的基础上，利用霍克斯过程建立用户收视事件序列模型，随机初始化该模型的条件强度函数各项参数值，并通过最小窗梯度下降算法求解模型的各项参数；

所述步骤b具体为：

利用霍克斯过程建立的用户收视事件序列模型，其条件强度函数λ^u(t)为：

式中：

用户u的用户收视事件序列中的第j个事件；

用户u的用户收视事件序列中的第j个事件发生的时间；

用户u的用户收视事件序列中第j个事件对应的节目；

用户u的用户收视事件序列中第j个事件对应节目的节目类型；

用户u的用户收视事件序列中第j个事件对应节目所在的频道；

μ^u：用户u本身想看电视的意愿，该参数的参数值大于0；

节目受大众欢迎的程度，该参数的参数值大于0；

节目类型受大众欢迎的程度，该参数的参数值大于0；

用户u对频道的偏好，该参数的参数值大于0；

用户u的换台习惯，从频道换到频道的概率，该参数的参数值大于0；

g(t)：衰减函数，表示随着时间t的推移，用户u收视兴趣的衰减程度；

用户u本身想看电视的意愿μ^u：

用户u对频道m的偏好

节目m受大众欢迎的程度h_m：

节目m所属的节目类型n受大众欢迎的程度l_n：

用户u的换台习惯，从频道c1换到频道c2的概率

指数核函数g(t)的参数ω：

步骤c，随机打乱用户收视事件序列模型的用户数据顺序，并根据最小窗口的大小将用户数据分成多个数据块；所述用户数据是指用户收视事件序列；

步骤d，提取一个数据块进行处理：

-步骤d1，将该数据块的用户数据代入对数损失函数的各项参数的梯度公式中，计算该数据块中各项参数的梯度值；

-步骤d2，根据步骤d1中得到的各项参数的梯度和学习速率更新数据块中各项参数的参数值，使得对数损失函数变小；

所述步骤d中，针对对数损失函数计算数据块中各项参数的梯度，所述对数损失函数L(Θ)为：

其中：

Θ为数据块中各项参数的合集；

表示用户u的用户收视事件序列中的第i个事件发生的时间；

T_u表示用户u的用户收视事件序列的总时间；

步骤e，判断是否所有数据块均已处理：

如果否：则返回步骤d；

如果是，则进入步骤f；

步骤f，判断是否达到迭代次数：

如果否，则返回步骤c；

如果是，则进入步骤g；

步骤g，得到具有节目的收视质量和节目类型收视质量的最终用户收视事件序列模型；

在每一次迭代的每一个最小窗口中都利用学习速率和各参数的梯度更新所有参数，一定的迭代次数后，对数损失函数L(Θ)便能收敛，各项参数也能得到稳定值；在得到的各参数中，h_p便表示的是节目p的质量评价，l_k表示的是节目p所属节目类型k的收视质量评价。