[发明专利]一种电视用户观看行为特征提取方法及系统有效
申请号: | 201811471869.9 | 申请日: | 2018-12-04 |
公开(公告)号: | CN109640128B | 公开(公告)日: | 2021-01-05 |
发明(设计)人: | 陈昊;易鑫睿;黎明;张聪炫;李军华 | 申请(专利权)人: | 南昌航空大学 |
主分类号: | H04N21/25 | 分类号: | H04N21/25;H04N21/258;H04N21/466;H04N21/442;G06K9/62 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 张海青 |
地址: | 330000 江*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 电视 用户 观看 行为 特征 提取 方法 系统 | ||
1.一种电视用户观看行为特征提取方法,其特征在于,包括:
获取用户观看电视的历史记录数据,根据所述历史记录数据的属性生成用户属性列表;所述用户属性包括用户观看电视节目的次数信息和时间信息以及用户所用设备信息;
根据所述用户属性列表计算用户价值指标;根据所述用户价值指标生成用户价值指标矩阵;所述用户价值指标矩阵的行表示用户机顶盒设备号,列表示用户价值指标;所述用户价值指标反应用户观看电视的操作信息;
对所述用户价值指标矩阵中的元素进行聚类处理,按照用户对电视的操作特征划分用户价值类型;针对不同用户价值类型计算用户价值指标的均值和标准差,建立用户价值类别列表;所述用户价值类别列表的行表示用户价值类型,列表示用户价值指标的均值和标准差;所述用户价值类型表示用户对电视依赖程度的层次;
根据所述用户价值类别列表对所述用户价值指标矩阵中的元素进行相似度计算处理,得到每一用户的用户价值类型;
获取电视节目类型,根据所述用户属性列表计算用户在所述电视节目类型的用户偏好习惯,根据所述用户偏好习惯生成用户偏好习惯矩阵;所述用户偏好习惯矩阵的行表示用户机顶盒设备号,列表示用户偏好习惯;所述用户偏好习惯反应用户观看所述电视节目类型的时间信息;
对所述用户偏好习惯矩阵中的元素进行聚类处理,按照用户观看所述电视节目类型的时间特征划分用户偏好类型,针对不同用户偏好类型计算用户偏好习惯的均值和标准差,建立用户偏好类别列表;所述用户偏好类别所列表的行表示用户偏好类型,列表示用户偏好习惯的均值和标准差;所述用户偏好类型表示用户对各电视节目的喜好程度的层次;
根据所述用户偏好类别列表对所述用户偏好习惯矩阵中的元素进行相似度计算处理,得到每一用户的用户偏好类型;
针对每一用户的用户价值类型和用户偏好类型进行电视节目个性化推荐。
2.根据权利要求1所述的电视用户观看行为特征提取方法,其特征在于,所述用户属性列表内容,具体包括:用户机顶盒设备号、用户操作时间、用户观看电视节目时间、用户观看电视节目的总次数、各类电视节目的观看次数和观看时长。
3.根据权利要求2所述的电视用户观看行为特征提取方法,其特征在于,所述用户价值指标包括用户整体操作平均频次、用户近期操作平均频次、操作频次比率和第一时间间隔;
所述用户整体操作平均频次为所述用户观看电视节目的总次数与用户观看行为总统计周期的比值;
所述用户近期操作平均频次为用户在近期统计周期内观看电视节目的总次数与近期统计周期的比值;所述近期统计周期为距离所述总统计周期结束的前N天,10N30;
所述操作频次比率为所述用户近期操作平均频次与所述用户近期操作平均频次比值的百分比;
所述第一时间间隔为用户最后一次操作时间与所述总统计周期结束时间的时间差。
4.根据权利要求3所述的电视用户观看行为特征提取方法,其特征在于,所述对所述用户价值指标矩阵中的元素进行聚类处理,按照用户对电视的操作特征划分用户价值类型,针对不同用户价值类型计算用户价值指标的均值和标准差,建立用户价值类别列表,具体包括:
对所述用户价值指标矩阵中的每列元素采用K-means聚类算法进行聚类,按照用户对电视的操作特征将所述用户划分为忠诚用户、新兴用户、一般用户和流失用户四种用户价值类型;
对每一用户价值类型计算所述用户整体操作平均频次的均值和标准差,所述用户近期操作平均频次的均值和标准差,所述操作频次比率的均值和标准差和所述第一时间间隔的均值和标准差;
建立用户价值类别列表,所述用户价值类别列表大小为4行8列,行表示用户价值类型,列按顺序依次表示所述用户整体操作平均频次的均值和标准差,所述用户近期操作平均频次的均值和标准差,所述操作频次比率的均值和标准差以及所述第一时间间隔的均值和标准差。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南昌航空大学,未经南昌航空大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811471869.9/1.html,转载请声明来源钻瓜专利网。