[发明专利]基于观看行为预测用户在电视上追剧的方法

说明书

本发明涉及利用大数据进行用户行为预测技术，其公开了一种基于观看行为预测用户在电视上追剧的方法，从而缩短用户寻找偏爱视频的时间，提高开机观看视频的效率，提升用户体验。该方法包括以下步骤：a.基于用户对电视的历史观看行为数据进行特征提取；b.利用提取的数据制作数据集；c.将制作的数据集输入至逻辑回归模型进行训练和验证；d.利用训练和验证好的逻辑回归模型对用户的观看行为进行预测。

技术领域

本发明涉及利用大数据进行用户行为预测技术，具体涉及一种基于观看行为预测用户在电视上追剧的方法。

背景技术

随着大数据的发展，终端设备厂商手里积累了大量的用户数据，怎样根据这些用户数据来提高产品的用户体验是当下各大终端厂商都在做的事情。

智能电视是互联网三大屏之一，目前电视提供的功能早已不再是观看电视台的直播那么单一，各种节目源、各种应用都能在电视上观看和使用。用户的选择更加多样化，其观看行为的个性化就更加明显。

但是，对于没有个性化服务的智能电视，开机都将经过同样的过程，进入同样的状态，用户必须手动寻找自己喜欢的视频或者应用。而实际上，用户行为通常是具有一定规律的，这些规律都隐含在其使用电视的行为数据当中。

如果可以通过用户的使用行为数据，准确预测用户下一次的行为，使得开机后就直接跳转到用户要观看的内容上，就可以缩短用户寻找喜爱节目的时间；或者当用户观看别的视频时，提醒用户，其正在“追”的视频已经更新，能够提高用户观看效率，增强用户对电视的依赖感。

发明内容

本发明所要解决的技术问题是：提出一种基于观看行为预测用户在电视上追剧的方法，从而缩短用户寻找偏爱视频的时间，提高开机观看视频的效率，提升用户体验。

本发明解决上述技术问题采用的技术方案是：

基于观看行为预测用户在电视上追剧的方法，包括以下步骤：

a.基于用户对电视的历史观看行为数据进行特征提取；

b.利用提取的数据制作数据集；

c.将制作的数据集输入至逻辑回归模型进行训练和验证；

d.利用训练和验证好的逻辑回归模型对用户的观看行为进行预测。

作为进一步优化，步骤d中，还包括：若预测到用户在追剧，则在下次开机后直接跳转至用户所追剧的最新观看进度进行视频播放。

作为进一步优化，步骤a中，所述用户对电视的历史观看行为数据包括：

视频播放数据：包括用户进入视频播放器的时间轴、开启和退出某部视频的时间轴；

电视开关机数据：包括电视开机时间轴和关机时间轴；

媒资信息：为播放的视频信息，包括播放的视频名称、视频ID、视频系列ID、视频类型和简介。

作为进一步优化，步骤a中，所述特征提取，具体包括：

a1.将电视开机、关机时间轴和视频开启、退出时间轴转化成标准时间戳，并按时间戳升序排序，整合成按照时间序列化的数据；

a2.对无效数据进行清洗，所述无效数据包括：开机时间过短、视频播放时间过短的数据；

a3.根据清洗后的数据，提取能够计算出来的特征；

a4.对数据进行期望化处理，将数据期望值处理为0；

a5.采用主成分分析法从期望化处理后的数据中选取主要特征，并进行特征组合。