[发明专利]一种家庭TV视频的智能推荐方法

权利要求书

1.一种家庭TV视频的智能推荐方法，其特征在于：

包括家庭全部成员长期兴趣视频推荐列表生成步骤：通过基于用户聚类的协同过滤算法，生成家庭全部用户兴趣内容推荐列表；

包括当前TV使用者兴趣视频推荐列表生成步骤：通过结合Attention机制的循环神经网络，获取当前使用者的兴趣偏好，生成当前使用者的兴趣视频推荐列表；

包括最优用户推荐列表生成步骤：将(1)、(2)中的内容推荐列表进行优化组合，生成最终的用户推荐列表。

2.根据权利要求1所述家庭TV视频的智能推荐方法，其特征在于：基于用户聚类的协同过滤算法包括如下步骤：

(1)对家庭用户的行为数据进行筛选与预处理；

(2)搭建隐式评分兴趣模型；

(3)使用聚类算法对不同家庭进行分类；

(4)使用协同过滤算法生成家庭全部成员长期兴趣视频推荐列表。

3.根据权利要求2所述家庭TV视频的智能推荐方法，其特征在于：步骤(2)所述隐式评分模型是通过用户观看的时长与观看总时长比值计算出用户对不同内容的评分。

4.根据权利要求2所述家庭TV视频的智能推荐方法，其特征在于：步骤(3)所述聚类算法为K-Means++算法，包括如下步骤：

步骤一、在所有的数据点中，选择k个距离最远的点来作为聚类中心初始化的点。

步骤二、对数据集中的所有的点进行划分归类，将点分别划分给离聚类中心距离最短的簇。

步骤三、重新对所有簇的中心进行计算，若中心点位置不偏移，则聚类结束，反之重复上述步骤，直到中心点位置不偏移。

5.根据权利要求2所述家庭TV视频的智能推荐方法，其特征在于：步骤(4)所述协同过滤算法为皮尔逊相似性计算方法，具体步骤如下：

步骤一、将用户的隐性评分数据按照每个用户进行划分，计算中间变量；

步骤二、将内容相同的中间计算结果进行整合，若用户属于同一类别，则计算用户之间的中间变量乘积，若不属于同一类别，则不计算；

步骤三、将用户类型相同的中间变量进行乘积求和，计算出用户之间的相似性；

步骤四、根据用户之间的相似性，求得与用户相似的其它用户；

步骤五、根据相似用户的隐式评分内容生成内容推荐列表。

6.根据权利要求5所述家庭TV视频的智能推荐方法，其特征在于：步骤一计算中间变量的公式为：

其中u与i分别代表用户与用户存在隐式评分的内容，Q_ui为中间变量，P_ui指用户u对内容i的评分，代表用户u对所有内容隐式评分的均值。

7.根据权利要求5所述家庭TV视频的智能推荐方法，其特征在于：步骤三具体计算公式如下：

其中u与v代表两个用户，i代表用户存在隐式评分的内容，Q_ui为用户u中间变量，Q_vi为用户v中间变量；P_ui指用户u对内容i的评分，P_vi为用户v对内容i的评分；代表用户u对所有内容隐式评分的均值，代表用户v对所有内容隐式评分的均值。

8.根据权利要求1所述TV视频的智能推荐方法，其特征在于：结合Attention机制的循环神经网络如下步骤：

(1)对家庭用户的行为数据进行筛选与预处理；

(2)将行为数据转化为模型可处理的数据；

(3)利用LSTM网络获取用户在t时刻的状态以及用户观看行为之间存在的关系；

(4)利用Attention网络弱化其他成员观影记录干扰项，更加准确预测用户对目标内容的兴趣程度；

(5)利用sigmoid函数计算结果概率，生成当前TV使用者兴趣视频推荐列表。