[发明专利]一种用于互联网电视的主动推荐和辅助操作决策的方法和系统

说明书

本发明公开了用于互联网电视的主动推荐和辅助操作决策的方法，包括如下步骤：步骤S01：通过websocket消息通道上报用户的行为数据到Kafka消息队列系统；步骤S02：收集电互联网电视平台所有用户的行为数据至Kafka消息队列系统；步骤S03：通过电视机器人后台配置相关用户响应场景写入到Redis高性能key‑value数据库。还提供了一种互联网电视系统。本发明使用户从传统的被动观影操作到主动服务式观影，减少用户操作互联网电视的难度，降低用户观影的决策成本。

技术领域

本发明涉及一种用于互联网电视的主动推荐和辅助操作决策的方法和系统，属于互联网电视相关领域。

背景技术

目前的互联网电视都是传统的频道页面，被动的给用用户展示视频节目内容，用户需要在多个页面多次反复的切换页面选择才可能找到自己喜欢的内容。当用户没找到自己喜欢的内容，传统互联网电视平台不会主动推荐相关或热门节目，当用户进入复杂功能页面时，也没有良好的功能引导。而且当用户收藏或预约的节目在开播或更新时传统互联网电视平台也没有提醒用户观看的功能，导致互联网电视开机率低，视频节目内容曝光量低，观影时长低，付费转化率低。

发明内容

本发明的目的在于，提供一种用于互联网电视的主动推荐和辅助操作决策的方法和系统，使互联网电视具有主动推荐和辅助用户操作决策的功能，能够减少用户反复切换页面找视频的操作，能够主动推荐给用户感兴趣的热门节目，能够提醒用户及时观看所预约和收藏的节目，为客户提供贴心的辅助操作决策模式，可提高开机率和视频节目内容曝光率，增加用户的观影时长，有利于提高付费转化率。

为解决上述技术问题，本发明采用如下的技术方案：一种用于互联网电视的主动推荐和辅助操作决策的方法，其特征在于，包括如下步骤：

步骤S01：通过websocket消息通道上报用户的行为数据到Kafka消息队列系统；

步骤S02：收集电互联网电视平台所有用户的行为数据至Kafka消息队列系统；

步骤S03：通过电视机器人后台配置相关用户响应场景写入到Redis高性能key-value 数据库；

步骤S04：利用大数据系统提供推荐服务数据写入到Redis高性能key-value数据库；

步骤S05：通过电视机器人服务引擎实时的把每一个用户的行为数据去Redis高性能 key-value数据库查询，通过kafka消息队列系统和websocket消息通道将最匹配每一个用户当下行为数据的推荐内容和辅助操作决策及时响应给对应用户。

前述的这种用于互联网电视的主动推荐和辅助操作决策的方法，所述大数据系统包括利用归一化综合推荐模型提供推荐服务数据：

所述归一化综合推荐模型包括：推荐模型和归一化模型，

推荐模型为：每个视频的用户评分*0.1+每个视频的近30天用户点击归一后的值*0.2+每个视频的近7天搜索值归一后的值*0.2+每个视频的总收藏值归一后的值*0.2+ 因此视频产生的订购数归一后的值*0.2-衰减日期(当前日期-上线日期)/365*0.1；

归一化模型为：1/(1+log₈x)，

其中x表示每一个权重值，权重值包括每个视频的用户评分、近30天用户点击、近7天搜索值、总收藏值、因此视频产生的订购数、衰减日期。

该归一化综合推荐模型使用用户多种观影维度权重值数据进行综合排序，每种维度权重算法增加归一化模型公式，让不同维度之间的权重在数值上有一定的比较性，避免一个维度的数据出现较大或较小的异常值时影响综合排序结果。

前述的这种用于互联网电视的主动推荐和辅助操作决策的方法，大数据系统包括利用协同过滤推荐方法提供推荐服务数据。