[发明专利]一种基于隐式信息评分的影视择优推荐方法

权利要求书

1.一种基于隐式信息评分的影视择优推荐方法，采用基于隐式信息评分的影视择优推荐系统进行操作，其特征在于，基于隐式信息评分的影视择优推荐系统包括用户使用情况检测模块（1）、择优推荐系统处理模块（2）、用户日志信息采集处理模块（3）、用户日志信息存储模块（4）、隐式信息评分查询/构建/更新模块（5）、隐式信息评分存储模块（6）、推荐结果展示模块（7）；所述用户日志信息存储模块（4）经用户日志信息采集处理模块（3）连接择优推荐系统处理模块（2），所述隐式信息评分存储模块（6）经过隐式信息评分查询/构建/更新模块（5）连接择优推荐系统处理模块（2），所述择优推荐系统处理模块（2）分别连接用户使用情况检测模块（1），用户日志信息采集处理模块（3），隐式信息评分查询/构建/更新模块（5）和推荐结果展示模块（7）；所述用户使用情况模块（1）用来检测用户的使用环境和使用行为，然后将用户的相关使用环境信息和使用行为信息传入择优推荐系统处理模块（2），该择优推荐系统处理模块（2）向用户日志信息采集处理模块（3）请求用户的用户日志信息，用户日志信息采集处理模块（3）收到来自择优推荐系统处理模块（2）的用户日志信息请求后，从用户日志信息存储模块（4）中取出用户的用户日志信息并进行必要的预处理后返回给择优推荐系统处理模块（2），随后择优推荐系统处理模块（2）进行影视择优推荐，期间择优推荐系统处理模块（2）会调用隐式信息评分查询/构建/更新模块（5）进行隐式信息评分的查询、构建或者更新，并将推荐结果列表传入到推荐结果展示模块（7），该推荐结果展示模块（7）将推荐的结果列表展示给用户，让用户自行点击；隐式信息评分的持久化存储由隐式信息评分存储模块（6）管理；

基于隐式信息评分的影视择优推荐方法的操作步骤如下：

1）用户使用情况检测模块（1）检测用户的使用环境和使用行为，然后将用户的相关使用环境信息和使用行为信息传入择优推荐系统处理模块（2）；

2）择优推荐系统处理模块（2）收到用户的相关使用环境信息和使用行为信息后，向用户日志信息采集处理模块（3）请求择优推荐所需的用户日志信息；

3）用户日志信息采集处理模块（3）收到来自择优推荐系统处理模块（2）的用户日志信息请求后，从用户日志信息存储模块（4）中取出用户的用户日志信息并进行必要的预处理后返回给择优推荐系统处理模块（2）；

4）择优推荐系统处理模块（2）得到所需的用户日志信息后，以用户信息和行为轨迹为参数调用隐式信息评分查询/构建/更新模块（5）以请求隐式信息评分；

5）隐式信息评分查询/构建/更新模块（5）收到择优推荐系统处理模块（2）的请求后，从隐式信息评分存储模块（6）中查询隐式信息评分，并针对用户的不同情况进行隐式信息评分的构建或者更新，如果有更新则将隐式信息评分写回隐式信息评分存储模块（6），并将隐式信息评分返回给择优推荐系统处理模块（2）；

6）择优推荐系统处理模块（2）得到隐式信息评分后用基于隐式信息评分的择优推荐进行处理得到推荐结果集，并将结果集传输给推荐结果展示模块（7）；

7）推荐结果展示模块（7）根据择优推荐系统处理模块（2）得到的数据提供一个API给不同的客户端调用，即客户端访问该API后得到以Json形式描述的推荐结果集后对其进行解析并以列表形式展示给用户，供用户随意选择；

所述步骤5）中根据用户信息和行为轨迹，从隐式信息评分存储模块（6）中查询隐式信息评分，并针对用户的不同情况进行隐式信息评分的构建或者更新，如果有更新则将隐式信息评分写回隐式信息评分存储模块（6），并将隐式信息评分返回给择优推荐系统处理模块（2），具体步骤如下：

5-1）根据用户信息从隐式信息评分存储模块（6）中查询隐式信息评分，如果查询不到隐式信息评分，则需要根据用户行为轨迹计算隐式信息评分，进行步骤5-2）；如果查询到隐式信息评分，则将隐式信息评分返回给择优推荐系统处理模块（2），进行步骤6）；

5-2）将一天划分为若干个时段；

5-3）计算用户在不同时段下的行为轨迹；

5-4）计算用户在不同时段下的观看次数与观看时长；

5-5）计算用户常用的设备和地点；

5-6）计算用户对不同演员、不同标签观看的总时长；

5-7）根据用户行为轨迹中的观看记录，计算用户对不同节目的简单评分；

5-8）根据用户对不同节目的简单评分和节目的标签列表、演员列表、导演列表、分类列表和子分类列表，计算用户对此节目中的标签、演员、导演、分类和子分类的位置加权评分；

5-9）对于用户的所有观看记录，将上述各自类型的位置加权评分求和，得到用户对不同标签、演员、导演、分类和子分类的位置加权总评分；

5-10）对5-9）的各种类型的位置加权总评分进行归一化得到：用户对不同标签的归一化位置加权总评分，用户对不同演员的归一化位置加权总评分，用户对不同导演的归一化位置加权总评分，用户对不同分类的归一化位置加权总评分和用户对不同子分类的归一化位置加权总评分；

5-11）将上述归一化位置加权总评分作为隐式信息评分中的用户偏好信息、将用户信息作为隐式信息评分中的用户基本属性信息，将隐式信息评分写回隐式信息评分存储模块（6），并将隐式信息评分返回给择优推荐系统处理模块（2），进行步骤6）；

所述步骤6）中根据用户的相关使用环境信息、使用行为信息、用户的用户日志信息和用户的隐式信息评分信息计算用户对于其没有观看过的不同节目的隐式评分来计算用户对这些节目的偏好并根据隐式评分的大小得到初步的推荐结果，再结合用户使用环境信息、当前所处的时段，对推荐结果进行调整，并针对“冷启动”的情况提供了解决方案；主要包含以下几个步骤：

6-1）通过判断用户日志信息的数量是否大于给定阈值判断是否发生“冷启动”现象，即当用户的日志数量小于给定阈值时，推荐系统中只有该用户的少量日志，较难对用户的偏好进行计算，如果是，考虑到人们的兴趣爱好往往受到周围人的影响,通过其登录系统就一定会存在的设备型号和使用地点,得到与其同设备型号或者同设备品牌、同使用地点或者接近使用地点的其他用户普遍爱看的节目，将其加入推荐列表，传递给推荐结果展示模块（7），进行步骤7）；反之，进行6-2）；

6-2）得到用户没有观看过的节目列表；

6-3）对于6-2）中得到的用户没有观看过的节目列表中的每一个节目，通过隐式信息评分中用户对不同标签的归一化位置加权总评分，用户对不同演员的归一化位置加权总评分，用户对不同导演的归一化位置加权总评分，用户对不同分类的归一化位置加权总评分和用户对不同子分类的归一化位置加权总评分计算用户对此节目的加权评分；

6-4）将6-3）中每个节目按照用户对此节目的加权评分从大到小排序，并取前若干个节目作为初步推荐列表；

6-5）考虑当前时间所处的时段q，通过用户u的隐式信息评分的基本属性中用户u不同时段下的观看习惯,如根据用户在时段下的观看时长、观看次数、用户在时段下观看时间最长的标签，对基本推荐列表的节目顺序做调整，使得节目时长更符合用户可能空闲时间长度的节目和更符号用户在当前时段下的口味的节目顺序更靠前，将最终的推荐列表传递给推荐结果展示模块（7），进行步骤7）。