[发明专利]智能电视个性化搜索推荐的方法

说明书

本发明智能电视个性化搜索推荐的方法，涉及影视推荐领域，利用深度神经网络模型生成媒体资源库中每个影视的embedding特征向量；根据mac地址或者声纹id获取用户画像，利用深度神经网络模型生成用户偏好影视的embedding特征向量；通过构件影视知识图谱，知识图谱节点之间的关系作为解释给用户的推荐理由，获取任一影视的一、二度邻居影视id，在用户输入搜索词时，通过搜索词对应的影视id获取其一、二度邻居影视id，计算一、二度邻居影视中每个影视id的embedding特征向量分别与用户偏好影视的embedding特征向量的距离，将距离由小到大进行排列，选取前N个影视推荐给用户，解决了现有技术中搜索推荐结果和具体用户的喜爱偏好相关性不强的问题，本发明适用于个性化影视推荐。

技术领域

本发明涉及影视推荐领域，特别涉及智能电视个性化搜索推荐的方法。

背景技术

智能电视语音搜索视频资源具有极速启播和关联检索两种不同的搜索结果。其中极速启播要求用户搜索输入的影片名称结果唯一时直接拉起播放；关联检索要求输入的影片名称不唯一或者错误时能智能推荐结果列表，供用户选择，但是现有的搜索推荐结果和具体用户的喜爱偏好相关性不强的问题，以及为何推荐这些结果给用户的可解释性差的问题。

发明内容

本发明所解决的技术问题：本发明提供一种智能电视个性化搜索推荐的方法，解决现有技术中搜索推荐结果和具体用户的喜爱偏好相关性不强的问题，以及为何推荐这些结果给用户的可解释性差的问题。

本发明解决上述技术问题采用的技术方案：智能电视个性化搜索推荐的方法，包括以下步骤：

S01、搭建ne04j图数据库；

S02、获取媒体资源库中的影视基本信息、画像信息和热门统计分析信息，转换成知识图谱的节点和关系，并导入neo4j图数据库中，构建知识图谱；

S03、训练用于生成用户偏好embedding特征向量和影视embedding特征向量的神经网络模型；

S04、获取媒体资源库中每个的影视，利用所述深度神经网络模型，生成影视的embedding特征向量，以影视id为key1，embedding特征向量为value1，组成影视的特征向量集key1-value1；

S05、根据mac地址或者声纹id获取用户画像，利用所述深度神经网络模型，生产用户偏好影视的embedding特征向量，并以mac地址或者声纹id为key2，用户偏好影视的embedding特征向量为value2，组成用户偏好影视的特征向量集key2-value2；

S06、检索媒资库中每个影视在neo4j图数据库里的知识图谱中一度邻居影视和二度邻居影视，并以影视的id为key3，相应影视检索出来的一、二度邻居影视id列表为value3，组成影视相关候选集key3-value3；

S07、接收到用户输入的搜索词，把搜索词对应的影视名称转换成影视id，即key3，利用影视相关候选集key3-value3获得value3中的一、二度邻居影视id；并根据影视的特征向量集key1-value1获得一、二度邻居影视中每个影视id的embedding特征向量；根据用户输入的搜索词获取用户的mac地址或者声纹id，并根据用户偏好影视的特征向量集key2-value2获得用户偏好影视的embedding特征向量；

S08、计算一、二度邻居影视中每个影视id的embedding特征向量分别与用户偏好影视的embedding特征向量的距离，将距离由小到大进行排列，选取前N个影视推荐给用户。

进一步的，S01中，搭建neo4j图数据库包括以下步骤：

S101、将JDK11压缩包解压到/usr/local/下，修改/etc/profile文件，添加JDK11的系统环境变量；