[发明专利]基于霍克斯过程的节目质量评价方法

说明书

本发明提供了一种基于霍克斯过程的节目质量评价方法，该方法包括：将用户收视行为的原始数据抽象成点过程，只包含用户观看的时间点、节目编号、节目类型和频道编号；排除了用户收视意愿、用户偏好、频道偏好等主客观因素对节目质量评价的影响；排除了节目类型等客观因素对节目质量评价的影响；利用霍克斯模型对每个用户收视节目的行为建模。同时，本发明还使用最小窗梯度下降算法，通过对用户数据的计算，得到所建立模型的各项参数，从而实现对节目质量和节目类型的评价。

技术领域

本发明涉及节目质量评价技术领域，具体地说，涉及一种基于霍克斯过程的节目质量评价方法，该方法对用户收视节目行为建模，并用数据计算的方法评价节目质量的算法，通过对用户收视行为建模，可以排除用户收视意愿、节目类型、频道偏好和用户偏好等因素来得到对节目质量的客观评价。

背景技术

传统的对节目质量的评价是通过统计调查节目的收视率来实现的，而这种方法不能排除用户收视意愿、节目类型、频道偏好和用户偏好等因素的干扰，不能得到对节目质量的较为客观的质量评价。具体来说，这些干扰包括了用户本身的收视意愿、节目播出所在的时间、节目播出的频道、节目的类型、该节目受大众喜爱的程度、用户本身的换台习惯等，这些因素都会干扰节目的质量评价。例如，在晚上八点某综合类电视频道播出的电视剧，收视率可能会比某卫视下午播出的某个节目收视率高，但是并不能以此简单地认为该电视剧的节目质量更高，那是因为可能这一综合类电视频道是被人们更偏爱的一个频道，晚上八点也是大多数人有空来看电视的时间，收视率高是理所当然的，然而别的节目可能质量更高，收视率却稍低，所以收视率这种评价方式不够准确。再比如说，因为喜欢看综艺节目的人比喜欢看戏曲节目的人多，所以综艺节目的收视率一般比戏曲节目要高，但并不能以此说明一个综艺节目的质量比一个戏曲节目的质量高，这就是节目类型所导致的干扰。还有，因为某一卫视的收视率高，用户看完某一卫视的节目后可能正好换台到附近的频道，这样会导致附近频道的收视率增高，这就是用户的换台习惯造成的影响。正是上述这些原因，一个客观的节目质量评价算法应该能排除各种因素的干扰，来得到对节目质量的较为客观准确的质量评价。

基于对用户收视行为进行建模的方法来评价节目质量的方法由于在建模时考虑了用户收视意愿、节目类型、频道偏好和用户偏好等因素，将这些因素表达为模型的各个参数，可以将影响节目收视的“节目质量”因素与其他因素区分出来，因此能得到更为客观的节目质量评价。

点过程是一类用空间中的点表示随机事件发生的随机模型。时序点过程是点过程中的一类，点所在的时间域是实数域的一部分，其中事件被表示为时间域上的点。时序点过程模型近年来得到比较广泛的应用，尤其是在用户收视行为数据的建模和挖掘方面；随着双向机顶盒和智能电视等具有收视采集功能的终端的普及，已实现大规模采集用户的收视行为的功能，包括其发生时刻和具体的行为信息。简单点过程是点与点之间不会重合的点过程，例如当点所在的空间是时间域则每个点的出现时刻都不一样，同一个时刻不可能同时出现两个点(不能在同一时刻发生两件事情)。对于简单点过程而言，确定了其条件强度函数的形式后，则这个点过程就确定了。

选择合适的点过程形式，然后结合用户收视的应用场景确定参数，可以完成对用户收视行为的建模。目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术中存在的上述不足，本发明的目的是提供一种基于霍克斯过程的节目质量评价方法，该方法将上述用户行为视为随机事件，用时序点过程对用户收视行为进行建模。

为实现上述目的，本发明是通过以下技术方案实现的。

一种基于霍克斯过程的节目质量评价方法，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；