[发明专利]一种基于域分解机的机器学习电视节目推荐方法

权利要求书

1.一种基于域分解机的机器学习电视节目推荐方法，其特征在于，包括以下步骤：

a.对用户历史行为数据和节目特征信息进行整理；

b.将整理出来的数据作为模型基础数据，构建FFM算法推荐模型；

c.基于构建的FFM算法推荐模型并采用逻辑回归算法计算推荐结果；

d.对推荐结果进行排序，将排序后的推荐结果推送给用户。

2.如权利要求1所述的一种基于域分解机的机器学习电视节目推荐方法，其特征在于，步骤a中，所述整理具体包括：

选取时间段的用户历史行为数据，清洗数据重复的样本，同时，针对媒体库信息的节目样本进行整理，并进行特征扩维，最后将用户历史对应样本的节目和节目特征合并为一个样本数据，并将样本数据转化为FFM算法使用的格式field_id:feat_id:value。

3.如权利要求1所述的一种基于域分解机的机器学习电视节目推荐方法，其特征在于，步骤b中，所述构建FFM算法推荐模型的方法包括：

将模型基础数据分成训练集，测试集，以及交叉验证集；使用libffm包对训练集和测试集同时使用，生成预估模型，之后使用交叉验证集对模型进行性能评估。

4.如权利要求1所述的一种基于域分解机的机器学习电视节目推荐方法，其特征在于，步骤c中，所述基于构建的FFM算法推荐模型并采用逻辑回归算法计算推荐结果，具体包括：

逻辑回归算法的模型为权重w和变量值x的乘积，在这里x的值为节目的特征值，w是通过训练生成的对应的特征的权重值；

当用户的请求发起后，逻辑回归算法会依据用户的mac值，去取得FFM算出来当前用户的w值，然后取得推荐预选结果的所有节目的特征值，然后计算出所有节目的样本值得分，并对结果进行排序。

5.如权利要求1-4任意一项所述的一种基于域分解机的机器学习电视节目推荐方法，其特征在于，步骤d中，针对每次用户的推荐请求，对推荐结果进行重新排序。