[发明专利]一种家庭TV视频的智能推荐方法

说明书

本发明公开了一种家庭TV视频的智能推荐方法，包括家庭全部成员长期兴趣视频推荐列表生成步骤，用于根据长期观影记录，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使用者短期兴趣视频推荐列表生成步骤，用于根据短期观影记录，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。本发明解决了当前推荐技术在同时面向多个兴趣差异较大的用户时推荐准确度较差的问题，更好的解决了互联网电视时代TV端信息过载问题，最终提升TV端用户的使用体验。

技术领域

本发明属于互联网视频内容自动推荐领域，具体涉及利用基于聚类的协同过滤算法与揉合Attention机制的循环神经网络算法相结合的面向家庭TV用户群的视频内容推荐。

背景技术

互联网电视内容的信息过载现象日趋明显，使用自动推荐算法是解决信息过载问题的有效手段；目前市面上常见的推荐算法针对的视频内容推荐场景均是私密性较强的使用场景，例如手机app对用户的视频内容推荐，这类算法仅需要通过数据把握单一用户的观看兴趣即可；与上述场景相比，电视端的用户的场景要更为复杂，主要体现在：

(1)一台电视终端往往面向一个家庭多个成员，且同一家庭不同成员之间既会有相同的观影爱好、也会有不同的观影需求；

(2)一台电视终端使用者会常态性切换，终端记录的观影内容与观影兴趣在短时间内变动较大，观影数据呈现出随时间而快速动态变化的特点。

将针对私密性较强的推荐算法直接应用于电视端虽然可以完成推荐，但推荐的效果较差；故本发明主要任务是更好的解决互联网电视内容的信息过载问题，提升家庭用户对电视的使用体验。

发明内容

本发明的目的在于提供一种更适用于家庭电视端的自动推荐算法，以解决家庭互联网电视上存在的点播内容信息过载问题，从而提升家庭用户的电视使用体验。

本发明技术方案如下：

一种家庭TV视频的智能推荐方法，包括如下步骤：

(1)TV端家庭全部成员长期兴趣视频推荐列表生成

针对用户的历史播放偏好内容，聚类与协同过滤相结合的推荐算法。在该算法中，一方面利用聚类算法，挖掘出家庭用户对内容的长期喜好规律；另一方面，利用基于用户的协同过滤算法，生成家庭全部成员的长期兴趣内容列表。具体过程如下：

第一步：对家庭用户的行为数据进行筛选与预处理

该过程主要目的是剔除无效用户行为数据，保留有效的用户行为数据，例如剔除观看时长过短的数据。

第二步：搭建隐式评分兴趣模型

用户的隐式评分模型的主要逻辑是通过用户观看的时长与观看总时长比值来计算出用户对不同内容的评分。其主要流程有三步：

A.提取用户观看内容行为数据中的主要字段：“内容观看时长”与“内容观看时长比值”。

B.根据用户行为的特征字段，得出用户对内容的隐式评分。

C.对最后的计算结果进行整理，为后续的算法提供数据。

第三步：使用聚类算法对不同家庭进行分类；

使用K-Means++算法对用户进行聚类，其过程中主要涉及以下三个步骤：

A.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。

B.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。