[发明专利]一种基于图挖掘的用户兴趣探测方法

说明书

一种基于图挖掘的用户兴趣探测方法，包括如下步骤：步骤S1：对所有视频进行分类；步骤S2：对不同类别的视频之间构建视频类别关系图；步骤S3：计算转移概率以及个体用户对已播放的视频类别的喜好程度；步骤S4：根据用户对已播放的视频类别的喜好程度以及不同类别视频间的转移概率，获得用户对未播放视频类别的喜好概率；步骤S5：根据用户对未播放视频类别的喜好概率，进行排序，取设定个数的喜好概率最大的视频类别，作为兴趣探测类别；步骤S6：将兴趣探测类别中的视频根据流行度进行排序，并取流行度最高的一批视频作为推荐视频，推荐给用户；本发明通过能够推荐更容易被用户喜欢的新的类别的视频给用户，有助于帮助用户探测新的兴趣点。

技术领域

本发明涉及图挖掘领域，特别是涉及一种基于图挖掘的用户兴趣探测方法。

背景技术

目前群众习惯通过视频软件或电视点播进行视频的浏览，在浏览视频的过程中，视频推荐的影响，也就是说大多数用户都会选择在推荐视频中选择进行浏览，其中推荐视频的手段主要包括非个性化视频推荐以及个性化视频推荐。

其中非个性化视频推荐主要是基于视频的流行度以及统计学信息的用户分群进行推荐，常见的用户分群的方式包括：性别分群、年龄分群、地区分群等等。

个性化视频推荐通常依赖与用户画像、历史行为以及视频属性等数据，代表性的方案有协同过滤推荐(CF)和基于内容的推荐(content-based)。所谓协同过滤的总体思想是将一位用户对于观看过视频的评价及其他用户对于这些视频的评价进行比较，从而发现具有相似喜好的人，进而将这些有相似喜好人群的感兴趣视频推荐给此用户。所谓基于内容的推荐是根据用户已经选择的对象，从推荐的对象中选择其他特征相似的对象作为推荐对象，其中特征相似度的计算方法有很多，比如jaccard相似度的计算方法，如式(1):

其中|U(a)∩U(b)|表示同时对视频a以及视频b感兴趣的人数，|U(a)∪U(b)|表示对视频a或视频b感兴趣的人数，J(a,b)表示视频a和视频b的特征相似度。

在上述推荐视频的手段中，对于个性化视频推荐，往往会遭遇冷启动的问题，也就是对于没有历史行为的新用户或历史行为数据十分稀疏的用户，推荐效果较差。

对于冷启动的问题，多采用结合非个性化推荐的方法，但是又会产生新的问题，就是导致被推荐的视频过于集中，不利于新视频的传播，也难以探索用户新的兴趣点。

发明内容

本发明的目的是解决现有技术的不足，提供一种基于图挖掘的用户兴趣探测方法，结构简单，使用方便。

一种基于图挖掘的用户兴趣探测方法，具体包括如下步骤：

步骤S1：对视频库中的所有视频进行分类；

步骤S2：对不同类别的视频之间构建视频类别关系图；

步骤S3：计算转移概率以及个体用户对已播放的视频类别的喜好程度；

步骤S4：根据用户对已播放的视频类别的喜好程度以及不同类别视频间的转移概率，获得用户对未播放视频类别的喜好概率；

步骤S5：根据用户对未播放视频类别的喜好概率，进行排序，取设定个数的喜好概率最大的视频类别，作为兴趣探测类别；

步骤S6：将兴趣探测类别中的视频根据流行度进行排序，取流行度最高的一批视频作为推荐视频，推荐给用户。

进一步的，所述步骤S2中构建视频类别关系图需要定义不同类别视频之间的相似度，通过式(2)，计算视频类别i和视频类别j的相似度p(i,j)：