[发明专利]一种基于时间感知的面向电视盒子点播视频的推荐方法

说明书

本发明涉及一种基于时间感知的面向电视盒子点播视频的推荐方法，以权值回归矩阵分解模型为基础，引入时间感知的特征作为辅助信息，为具有相似播放模式的时间槽生成一份具有时变属性的推荐列表。本发明针对网络电视盒子的点播视频，使用本发明后视频推荐效果可以获得显著提升；另外本发明可以在视频冷启动期保持相对于对比算法更优的推荐精度。综上所述，本发明能够为电视盒子使用点播服务的用户带来更精准和个性化的推荐服务。

技术领域

本发明属于推荐系统与多媒体应用领域，具体涉及一种新型的基于时间感知的电视盒子点播视频推荐方法。

背景技术

互联网的出现和发展给普通用户带来了大量的信息，同时会带来信息过载的问题。引入推荐系统是解决信息过载问题的一种常见方法，推荐系统可以根据用户的个人信息、物品元数据、用户与物品的交互信息等数据，计算用户的个人偏好并给用户推荐个性化的物品。

与搜索引擎相比，推荐系统可以主动地给用户提供个性化的候选物品，而不是像搜索引擎那样需要用户主动发起请求，在这种模式下，推荐系统更能提高商业系统的用户使用的满意度以及忠诚度。

互联网的急速发展有很大一部分原因是互联网上存在着大量的音视频资源，用户可以轻易地获取到这些娱乐服务。目前面向网络电视盒子的视频点播服务，能够为拥有机顶盒的人群提供点播视频推荐。在这种场景下，需要考虑机顶盒的使用者可能存在多人共享一台机顶盒的场景，例如一家人共享一个机顶盒，那么小孩和大人使用机顶盒的时间以及他们喜欢的电视节目很有可能是不一样的。因此将历史纪录从时间上进行区分，以及将不同时间段可能拥有不同的兴趣爱好的特征考虑进算法模型，那么推荐系统将能获得更强的推荐能力。

综上所述，从网络电视盒子的点播服务使用者的角度出发，基于用户随时间的兴趣变化特征，结合传统的协同过滤推荐模型，本发明设计出一种时间感知的面向网络盒子点播视频的推荐方法，方法能够充分地挖掘时间信息并提供更优质的推荐服务。

发明内容

为了针对网络电视盒子中点播视频推荐模块无法时间感知地自适应调整视频推荐策略的问题，为了给用户提供更为个性化的推荐服务，增加用户粘度，提升用户体验，本发明提出一种基于时间感知的面向电视盒子点播视频的推荐方法，本发明采用的技术方案是：

一种基于时间感知的面向电视盒子点播视频的推荐方法，包括如下步骤：

S10.对训练数据按时间顺序来进行划分，将其划分为不同时间槽的训练数据，统计得到关于时间槽t、每个视频的点击量向量b_t的数据；

S20.输入时间槽的类别数量ω，对ω进行假设，然后对时间槽按类别进行聚类划分；

S30.为每一个时间槽聚类后的类别构建对应的局部矩阵,使用属于该类别的所有时间槽的局部矩阵来构造局部交互矩阵；

S40.局部矩阵产生一个属于这些时间槽的用户集合，通过这个用户集和从全量数据中过滤出包含这些用户的历史数据，并依此构建全局交互矩阵；

S50.将局部交互矩阵、全局交互矩阵统一并进行协同分解计算出隐因子向量x_u和y_i，其中，x_u为用户u的隐因子向量，y_i为视频i的隐因子向量；

S60.使用上述两个隐因子向量进行内积运算可以重构出预测的评分矩阵，根据预测评分矩阵给用户生成推荐列表。

优选的，所述的人工划分的时间槽的划分逻辑如下：

ω可为3、4、8；时间槽类别数量ω＝3对应的逻辑划分策略为{工作日的早上和下午，周末的早上和下午，所有时间的晚上}；时间槽类别数量ω＝4对应的逻辑划分策略为{早上+下午，晚上+凌晨}×{工作日，周末}；时间槽类别数量ω＝8对应的逻辑划分策略为{早上，下午，晚上，凌晨}×{工作日，周末}。