[发明专利]一种基于矩阵在线补全和节目特征的节目推荐方法

说明书

本发明公开了一种基于矩阵在线补全和节目特征的节目推荐方法，其包括以下步骤：包括以下步骤：S01、读取每个节目的特征；S02、计算各个节目之间的相关性；S03、通过迭代法求解目标函数得到补全矩阵X；S04、依据补全矩阵X针对目标受众选择节目进行推荐。新节目入库或观众进行评分以后可以实时调整评分矩阵，推送针对性强，准确度高。本方案适用于多媒体节目平台的筛选和推荐。

技术领域

本发明涉及媒体节目评价推送领域，尤其是涉及一种基于矩阵在线补全和节目特征的节目推荐方法。

背景技术

收看/收听音视频等媒体节目是人们常见的娱乐方式之一，随着科技的发展和生活水平的提高，人们更多地在电脑、手机、PAD等基于互联网的设备收听收看节目。为了方便吸引用户收看众多不同的节目，提高收视率，媒体提供方会主动向用户进行推送。如何精准地向用户推送其感兴趣的节目，是大数据时代的重要课题之一。已有的推荐算法往往效率较低，无法满足实时性的要求。而且没有将节目本身的特征信息应用到推荐中，因此推荐准确率不高。尤其是对于刚入库、缺乏足够评价和播放量的节目，如何快速将其向可能感兴趣的群体推送是难以解决的问题。

发明内容

本发明主要是解决现有技术所存在的推送精准度不足的技术问题，提供一种高精确度、低评价需求的基于矩阵在线补全和节目特征的节目推荐方法。

本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种基于矩阵在线补全和节目特征的节目推荐方法，包括以下步骤：

S01、读取每个节目的特征，记第i个节目的特征是f_i，第j个节目的特征是f_j；

S02、计算各个节目之间的相关性，第i个节目和第j个节目的相关性记为sim(f_i,f_j)；

S03、通过迭代法求解以下目标函数：

得到补全矩阵X；

S04、依据补全矩阵X针对目标受众选择节目进行推荐；

在时刻t₀，t₁，...，t_k，观测矩阵分别是M₀，M₁，…，M_k，观测的指标集分别是Ω₀，Ω₁，…，Ω_k，其中则第k个时刻t_k新出现的评分值的指标是表示时刻t_k新出现的评分值对应的节目的指标集；

是投影算子，m为节目总数，n为观众总数，

||·||_F是矩阵的Frobenious范数，λ是正则化参数，rank(X)是X的秩；μ为正则化参数，X_iu和X_ju分别为补全矩阵中用户u对第i个节目和第j个节目的评价分值。

作为优选，采用矩阵的核范数||X||_*来代替秩rank(X)，目标函数为

||X||_*定义为矩阵的所有奇异值之和。

作为优选，步骤S03中，迭代法求解时的初始值为上一个时刻计算得到的补全矩阵X_k-1。

作为优选，所述步骤S02中，节目相关性通过以下公式确定：

sim(f_i，f_j)＝1-|f_i-f_j|/(f_i+f_j)