[发明专利]基于模因理论的可追溯电视推荐方法及系统

权利要求书

1.基于模因理论的可追溯电视推荐方法，其特征是，包括：

对获取的节目内容数据和用户行为数据进行数据预处理，得到用户数据矩阵以及内容数据矩阵；

根据模因理论和用户使用电视的场景，对用户数据矩阵和内容数据矩阵中的各个特征值进行权重占比的调整；

基于特征值权重占比调整后的用户数据矩阵和内容数据矩阵，对电视进行推荐；

所述基于特征值权重占比调整后的用户数据矩阵和内容数据矩阵，对电视进行推荐；具体步骤包括：

将已知用户电视喜好标签的特征值权重占比调整后的用户数据矩阵和内容数据矩阵均输入到神经网络模型中，对神经网络模型进行训练，得到训练好的神经网络模型；

将待推荐用户的特征值权重占比调整后的用户数据矩阵和内容数据矩阵，输入到训练好的神经网络模型中，输出待推荐用户的推荐电视节目。

2.如权利要求1所述的方法，其特征是，所述获取的节目内容数据和用户行为数据，其中节目内容数据，包括：EPG节目单数据和EPG内容数据；所述EPG内容数据，包括：节目的导演、演员和节目概述；所述节目概述，包括：幽默、惊悚、情感或军事。

3.如权利要求1所述的方法，其特征是，所述用户行为数据，包括：用户基础信息数据、用户环境数据及节目渠道数据和用户行为信息数据；

用户基础信息数据，包括：用户家庭组成、用户年龄、用户性别、用户姓名、用户联系方式和用户入网年限；

用户行为信息数据，包括：电视内容历史观看数据、电视内容历史评价数据；所述电视内容历史观看数据，包括：电影、电视剧或动画片；

所述电视内容历史评价数据，包括：好评、中评或差评；

对获取的节目内容数据和用户行为数据进行数据预处理，具体是指通过ETL对数据进行预处理。

4.如权利要求1所述的方法，其特征是，根据模因理论和用户使用电视的场景，对用户数据矩阵和内容数据矩阵中的各个特征值进行权重占比的调整；具体步骤包括：

对于行业用户，增加用户环境数据及节目渠道数据的权重，降低用户家庭组成、用户年龄和用户性别的权重；

对于校园用户，增加用户行为数据的权重，降低节目内容数据的权重；

对于家庭用户，加大用户基础信息数据和用户行为信息数据的权重，降低节目内容数据、用户环境数据及节目渠道数据的权重。

5.如权利要求1所述的方法，其特征是，所述基于特征值权重占比调整后的用户数据矩阵和内容数据矩阵，对电视进行推荐；具体步骤包括：

根据特征值占比调整后的用户数据矩阵以及内容数据矩阵，构建用户节目评分矩阵和节目特征评分矩阵；基于用户节目评分矩阵和节目特征评分矩阵，对电视进行推荐。

6.如权利要求5所述的方法，其特征是，所述基于用户节目评分矩阵和节目特征评分矩阵，对电视进行推荐；具体步骤包括：

基于用户节目评分矩阵，计算目标用户与其他用户之间的第一相似度，将相似度值大于等于设定阈值的用户，作为目标用户观看节目相似的邻居；

基于节目特征评分矩阵，计算目标用户与若干个邻居所看过节目内容特征之间的第二相似度；

对第一相似度和第二相似度加权求和，得到总的相似度，得到目标用户与若干个邻居的总的相似度；

对所有的总的相似度按照从高到低进行排序，将排序靠前的若干个推荐结果输出。