[发明专利]一种基于社交媒体的视频内容推荐系统

权利要求书

1.一种基于社交媒体的视频内容推荐系统，其特征在于，包括注册登录单元、数据库、数据采集单元、协同过滤单元、分析单元、监测单元以及云推荐平台；

所述分析单元用于对视频内容信息进行分析，并将该视频内容进行排行，视频内容信息包括评论数据、使用数据以及人数数据，评论数据表示为该视频内容的好评数量与差评数量的比值，使用数据表示为该视频内容的二次使用的次数，人数数据表示为该视频内容的浏览总人数和二次使用人数之和，将该视频内容标记为o，o＝1，2，......，m，m为非零正整数，具体分析排行过程如下：

SS1：获取视频内容的好评数量与差评数量的比值，并将视频内容的好评数量与差评数量的比值标记为Bo；

SS2：获取该视频内容的二次使用的次数，并将该视频内容的二次使用的次数标记为Co；

SS3：获取视频内容的浏览总人数和二次使用人数之和，并将视频内容的浏览总人数和二次使用人数之和标记为Ro；

SS4：通过公式获取到视频内容的分析系数Po，其中，a1、a2以及a3均为预设比例系数，且a1＞a2＞a3＞0；

SS5：将视频内容的分析系数Po与视频内容的分析系数阈值进行比较：

若视频内容的分析系数Po≥视频内容的分析系数阈值，则判定该视频内容分析系数高，并将其标记为热门视频内容，随后将视频内容分析系数与对应的热门视频内容的名称发送至云推荐平台；

若视频内容的分析系数Po视频内容的分析系数阈值，则判定该视频内容分析系数低，将其标记为冷门视频内容，并将冷门视频内容发送至云推荐平台；

所述云推荐平台接收到冷门视频内容后，将其发送至数据库进行储存，并设置储存时间k，获取k时间内冷门视频内容的分析系数，若分析系数仍＜分析系数阈值，则将其标记为删除视频内容，并将数据库内删除视频内容进行删除；云推荐平台接收到热门视频内容后，则将热门视频内容与分析系数一一对应，将热门视频内容按照分析系数从大到小的顺序进行排序，并将其标记为热门视频内容排行榜，将热门视频内容排行榜推送至数据内储存的用户的手机终端，并设置热门视频内容排行榜的更新时间；

所述注册登录单元用于用户和管理员通过手机终端提交用户信息和管理员信息进行注册，并将注册成功的用户信息和管理员信息发送至数据库进行储存，用户信息包括用户的姓名、年龄、职业以及本人实名认证的手机号码，管理员信息包括管理员的姓名、年龄、入职时间以及本人实名认证的手机号码；

所述数据采集单元用于采集用户的视频内容历史数据，并对其进行分析，视频内容表示为各个领域的视频和文档，用户的历史数据包括浏览数据、时长量级数据以及频率数据，浏览数据表示为一个月内用户浏览视频的次数和浏览文档的次数之和，时长量级数据表示为一个月内用户浏览视频的时长和浏览文档的时长之和，频率数据表示为一个月内用户浏览视频的频率和浏览文档的频率之和，将用户标记为i，i＝1，2，......，n，n为非零正整数，具体采集分析过程如下：

步骤一、获取一个月内用户浏览视频的次数和浏览文档的次数之和，并将一个月内用户浏览视频的次数和浏览文档的次数之和标记为Ci；

步骤二、获取一个月内用户浏览视频的时长和浏览文档的时长之和，并将一个月内用户浏览视频的时长和浏览文档的时长之和标记为Si；

步骤三、获取一个月内用户浏览视频的频率和浏览文档的频率之和，并将一个月内用户浏览视频的频率和浏览文档的频率之和标记为Pi；

步骤四、通过公式获取到用户的历史系数Xi，其中，s1、s2以及s3均为预设比例系数，且s1＞s2＞s3＞0，β为误差修正因子，取值为2.3012563；

步骤五、将用户的历史系数Xi与历史系数阈值进行比较：

若用户的历史系数Xi≥历史系数阈值，则判定用户对该视频内容兴趣度高，生成感兴趣信号并将感兴趣信号与对应的视频内容发送至云推荐平台；

若用户的历史系数Xi＜历史系数阈值，则判定用户对该视频内容兴趣度低，生成不感兴趣信号并将不感兴趣信号和对应的用户名称发送至云推荐平台；

所述云推荐平台接收到感兴趣信号与对应的视频内容后，将对应的视频内容标记为推荐资源，并将推荐资源发送至用户的手机终端；云推荐平台接收到不感兴趣信号和对应的用户名称后，若该用户的历史系数Xi＜历史系数最低极限值，则将该用户标记为不浏览用户，并将不浏览用户发送至协同过滤单元；

所述协同过滤单元用于对不浏览用户进行分析，合理分配合适的视频内容，具体合理分配过程如下：

S1、通过互联网获取到不浏览用户的登录地址，并将登录频率最高的登录地址标记为常用登录地址，随后以常用登录地址为中心，获取周边的登录用户，并将其标记为预选用户；

S2、获取预选用户与不浏览用户的手机终端的联系次数和联系频率，并将预选用户与不浏览用户的手机终端的联系次数和联系频率分别对应标记为LC和LP，通过公式SX＝LC×c1+LP×c2获取到预选用户的熟悉系数SX，其中，c1和c2均为预设比例系数；

S3：将熟悉系数SX与熟悉系数阈值进行比较：若熟悉系数SX≥熟悉系数阈值，则判定该预选用户与不浏览用户联系频繁，则将该预选用户标记为选中用户；若熟悉系数SX＜熟悉系数阈值，则判定该预选用户与不浏览用户联系不频繁，则将该预选用户标记为无关用户；

S4：获取选中用户与不浏览用户一个月内的熟悉系数，若熟悉系数≥熟悉系数阈值，则获取选中用户一个月内兴趣度高的视频内容，并将其标记为筛选视频内容，随后将筛选视频内容发送至不浏览用户的手机终端；

所述监测单元用于分析视频内容信息，并对推荐视频的推送进行监测，视频内容信息包括投诉数据、查询数据以及时长数据，投诉数据表示为用户对推荐视频的投诉次数，查询数据表示为用户对推荐视频的查询次数，时长数据表示为用户对推荐视频的浏览时长，将推荐视频标记为G，G＝1，2，......，u，u为非零正整数，具体分析监测过程如下：

R1：获取用户对推荐视频的投诉次数，并将用户对推荐视频的投诉次数标记为TG；

R2：获取用户对推荐视频的查询次数，并将用户对推荐视频的查询次数标记为CG；

R3：获取用户对推荐视频的浏览时长，并将用户对推荐视频的浏览时长标记为LG；

R4：通过公式获取到监测系数GG，其中，v1、v2以及v3均为预设比例系数，且v1＞v2＞v3＞0，α为误差修正因子，取值为1.36521542；

R5：将监测系数GG与监测系数阈值进行比较：

若监测系数GG≥监测系数阈值，则判定推荐资源正常，生成云推荐平台正常信号并将云推荐平台正常信号发送至管理员的手机终端；

若监测系数GG＜监测系数阈值，则判定推荐资源异常，生成云推荐平台异常信号并将云推荐平台异常信号发送至管理员的手机终端。