[发明专利]基于非负矩阵分解的电视节目专题推荐方法及系统有效
申请号: | 201910631011.2 | 申请日: | 2019-07-12 |
公开(公告)号: | CN110351580B | 公开(公告)日: | 2021-07-13 |
发明(设计)人: | 何林凯;于跃 | 申请(专利权)人: | 四川长虹电器股份有限公司 |
主分类号: | H04N21/235 | 分类号: | H04N21/235;H04N21/25;H04N21/258;H04N21/435;H04N21/45;H04N21/466;G06F16/9535 |
代理公司: | 成都虹桥专利事务所(普通合伙) 51124 | 代理人: | 李凌峰 |
地址: | 621000 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及大数据技术领域,本发明旨在解决现有电视节目推荐不能合理涵盖用户画像的问题,提出一种基于非负矩阵分解的电视节目专题推荐方法,包括:实时获取欲向用户推荐电视节目时的标签信息,标签信息包括:用户画像数据、节目标签数据和专题标签数据,用户画像数据用于表示用户对每个标签的评分;构建非负矩阵分解模型,将标签信息转换为全标签矩阵,根据非负矩阵分解模型对全标签矩阵进行分解降维处理得到概率矩阵;根据概率矩阵中的标签信息重新构建用户画像数据和专题标签数据,并根据重新构建的用户画像数据和专题标签数据进行电视节目专题的推荐。本发明通过兴趣领域的合并,实现用户推荐列表在兴趣领域上合理分布。 | ||
搜索关键词: | 基于 矩阵 分解 电视节目 专题 推荐 方法 系统 | ||
【主权项】:
1.基于非负矩阵分解的电视节目专题推荐方法,其特征在于,包括以下步骤:步骤1.实时获取欲向用户推荐电视节目时的标签信息,所述标签信息包括:用户画像数据、节目标签数据和专题标签数据,所述用户画像数据用于表示用户对每个标签的评分,所述节目标签数据用于表示电视节目信息,所述专题标签数据用于表示一类电视节目信息;步骤2.构建非负矩阵分解模型,将所述标签信息转换为全标签矩阵,通过所述非负矩阵分解模型对全标签矩阵进行分解降维处理得到概率矩阵,所述概率矩阵为根据专题标签之间的关联度进行合并生成的标签信息;步骤3.根据所述概率矩阵中的标签信息重新构建用户画像数据和专题标签数据,并根据重新构建的用户画像数据和专题标签数据进行电视节目专题的推荐。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司,未经四川长虹电器股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910631011.2/,转载请声明来源钻瓜专利网。