[发明专利]有线电视点播节目推荐方法及系统

摘要

本发明提供一种有线电视点播节目推荐方法及系统，包括：采集用户收视行为数据和节目元数据；将收视行为数据一部分用于训练，一部分用于测试；转化训练收视行为数据为用户对节目评分，构成用户‑节目的评分矩阵；标准化节目元数据；根据评分矩阵和元数据采用多种分析方法获得多个节目候选集；对多个待推荐的节目候选集进行加权组合，根据测试集判断各种加权组合准确度或/和召回率，将准确度或/和召回率高的加权组合作为推荐结果，生成推荐列表。上述推荐方法及系统实现对用户的个性化推荐，提高推荐精度与效率。

主权项

1.一种有线电视点播节目推荐系统，其特征在于，包括：采集部，包括第一采集单元和第二采集单元，所述第一采集单元采集有线电视用户的收视行为数据，第二采集单元，爬取网上节目的元数据；分类部，将第一采集单元采集的所述收视行为数据一部分作为训练收视行为数据，组成训练集，另一部分作为测试收视行为数据，组成测试集；数据预处理部，将所述训练集的用户的训练收视行为数据转化为用户对节目的评分，所述评分为用户对节目的收视时长与节目的播出时长的比值，每个用户对每个节目的评分构成用户‑节目的评分矩阵；将第二采集单元采集的元数据进行标准化；节目候选集获得部，包括第一分析模块、第二分析模块、第三分析模块和第四分析模块，其中，第一分析模块采用矩阵分解方法分解用户‑节目的评分矩阵，根据低秩矩阵中的元素取值生成待推荐的第一节目候选集C1；第二分析模块采用矩阵分解方法分解用户‑节目的评分矩阵，计算用户相似度以及电影节目相似度，运用邻域推荐模型生成待推荐的第二节目候选集C2；第三分析模块根据用户‑节目的评分矩阵计算用户相似度以及节目相似度，运用邻域推荐模型生成待推荐的第三节目候选集C3；第四分析模块，根据电影元数据，计算用户相似度以及电影节目相似度，运用邻域推荐模型生成待推荐的第四节目候选集C4；推荐列表生成部，对节目候选集获得部的多个待推荐的节目候选集按多种策略进行加权组合或利用机器学习理念对不同节目候选集获得部的不同相似度计算方法进行加权组合，根据分类部分出的测试集判断各种加权组合的准确度或/和召回率，将准确度或/和召回率高的加权组合作为推荐结果，生成推荐列表。