一种基于tv用户协同预测的视频推荐方法及系统的制作方法
【专利摘要】本发明公开了一种基于TV用户协同预测的视频推荐方法及系统，通过计算各用户与目标用户之间的评分相似度，然后确定目标用户的最近邻居集合；再根据最近邻居集合中各用户与目标用户之间的评分相似度及各用户对视频的历史评分数据，协同计算目标用户对视频的预测评分；然后将各视频按目标用户对视频的预测评分从高到低排序，得到候选视频推荐集合。本发明的积极效果是：能快速锁定用户偏爱的视频节目，改善用户的观看体验并提高用户对推荐结果的满意度。
【专利说明】-种基于TV用户协同预测的视频推荐方法及系统
【技术领域】
[0001] 本发明涉及计算机技术与智能电视技术，特别涉及一种基于TV用户协同预测的 视频推荐方法及系统。
【背景技术】
[0002] 目前，随着互联网和信息技术的高速发展与日益成熟，电视出现了智能化与互联 网化的趋势，传统的电视节目已不能满足用户对视频的多样化需求。电视的智能化与电视 互联网的出现使得视频节目的多样化变成现实，但是互联网海量的视频信息在带给用户更 多选择与体验的同时，也给用户带来了不少的困扰，那就是用户无法从海量的视频中锁定 自己偏好喜欢的视频。在这种情况下，一种实用、高效的视频推荐机制将为用户锁定自己偏 爱的视频信息提供帮助，并向用户推荐与其偏好方向相匹配的一系列视频。
【发明内容】
[0003] 为了克服现有技术的上述缺点，本发明提供了一种基于TV用户协同预测的视频 推荐方法及系统，能快速锁定用户偏爱的视频节目，改善用户的观看体验并提高用户的满 意度。
[0004] 本发明解决其技术问题所采用的技术方案是：一种基于TV用户协同预测的视频 推荐方法，包括如下步骤：
[0005] 步骤一、获取用户对视频的历史评分数据，并对数据做预处理，得到统一格式的评 分数据；
[0006] 步骤二、计算各用户与目标用户之间的评分相似度，然后确定目标用户的最近邻 居集合；
[0007] 步骤三、根据最近邻居集合中各用户与目标用户之间的评分相似度及各用户对视 频的历史评分数据，协同计算目标用户对视频的预测评分；
[0008] 步骤四、将各视频按目标用户对视频的预测评分从高到低排序，得到候选视频推 荐集合。
[0009] 本发明还提供了一种基于TV用户协同预测的视频推荐系统，包括：
[0010] 用于向智能终端TV单元输入对视频的评分，产生历史评分数据的键入单元；
[0011] 用于收集并存储用户所键入的实时评分数据，并将这些评分数据与具有终端身份 标识的用户ID发送到云平台后台服务器单元的智能终端TV单元；
[0012] 用于收集所有智能终端TV单元发送的历史评分数据，然后根据终端ID相关的评 分数据及用户信息进行处理、生成相应的请求信息向汇聚视频资源库单元发送，并在得到 汇聚视频资源库单元发送的推荐视频信息后再反馈给智能终端TV单元的云平台后台服务 器单元；
[0013] 用于向云平台后台服务器单元发送推荐视频信息的汇聚视频资源库单元。
[0014] 与现有技术相比，本发明的积极效果是：通过利用用户对所观看视频的历史评分 数据，来度量用户与其他用户在对视频评分方面的相似性，从而获得用户的相似度较高的 邻居用户，用最近邻居用户与自身用户的相似性关系及历史评分数据来得到自身用户对视 频的协同预测评分，进一步得到推荐视频，使得用户对推荐结果的满意度得到提升。
【专利附图】
【附图说明】
[0015] 本发明将通过例子并参照附图的方式说明，其中：
[0016] 图1为本发明方法的流程图；
[0017] 图2为本发明系统装置的结构示意图；
[0018] 图3为本发明系统装置中云平台后台服务器处理的模块框架图。
【具体实施方式】
[0019] 一种基于TV用户协同预测的视频推荐方法，如图1所示，包括以下步骤：
[0020] 步骤一、获取用户USER对视频VIDEO的历史评分数据，并对数据做预处理，得到统 一格式的评分数据：
[0021] 本步骤获取TV用户的历史评分数据，并将五分制或者十分制以及其他形式的 评分数据全部转换成五分制的评分数值，具体为：{1，2, 3, 4, 5}，并形成用户USER对视频 VIDEO的原始评分矩阵R，由于用户只能对一小部分的视频进行评分，因此得到的原始评分 矩阵R具有数据稀疏性的特点。
[0022] 步骤二、依据相似性度量方法，对用户之间的评分相似性进行度量，按相似度从大 到小的原则选取与之具有较高相似度的用户作为目标用户USER的候选邻居集合，进一步 再得到用户USER的最近邻居集合。
[0023] 本步骤中，使用相似度计算方法以原始矩阵R作为数据，并主要考量两用户对相 同视频VIDEO评分数值的相似程度，循环产生两两用户间的相似度，并以评分行为的相似 性作为选择最近邻居用户的依据。
[0024] 对于评分矩阵R，循环计算每个用户USER与其他用户的评分相似度，并存于相似 度矩阵Rsim中；
[0025] 用户USER之间的评分相似度（相关相似度）计算公式为：
【权利要求】
1. 一种基于TV用户协同预测的视频推荐方法，其特征在于：包括如下步骤： 步骤一、获取用户对视频的历史评分数据，并对数据做预处理，得到统一格式的评分数 据； 步骤二、计算各用户与目标用户之间的评分相似度，然后确定目标用户的最近邻居集 合； 步骤三、根据最近邻居集合中各用户与目标用户之间的评分相似度及各用户对视频的 历史评分数据，协同计算目标用户对视频的预测评分； 步骤四、将各视频按目标用户对视频的预测评分从高到低排序，得到候选视频推荐集 合。
2. 根据权利要求1所述的一种基于TV用户协同预测的视频推荐方法，其特征在于：步 骤二所述各用户与目标用户之间的评分相似度计算公式为：
其中，A、B为任意两个用户，I为所有的视频集合，C、&分别为用户A、B对所有视频 的平均评分，Riu、RB;i分别为A、B对某一视频i的评分值。
3. 根据权利要求1所述的一种基于TV用户协同预测的视频推荐方法，其特征在于：步 骤三所述目标用户对视频的预测评分的计算公式为：
其中=Ua为目标用户，Nu为最近邻居集合，Ub为最近邻居集合中的任一用户，SIM (UA，Ub) 为用户Ua和Ub之间的评分相似度，K为用户Ua对所有视频的平均评分，昊y为用户U b对 视频i的评分值。
4. 根据权利要求1所述的一种基于TV用户协同预测的视频推荐方法，其特征在于：步 骤一所述的对数据做预处理是指将各种形式的历史评分数据全部转换成五分制的评分数 据。
5. -种基于TV用户协同预测的视频推荐系统，其特征在于：包括： 用于向智能终端TV单元输入对视频的评分，产生历史评分数据的键入单元； 用于收集并存储用户所键入的实时评分数据，并将这些评分数据与具有终端身份标识 的用户ID发送到云平台后台服务器单元的智能终端TV单元； 用于收集所有智能终端TV单元发送的历史评分数据，然后根据终端ID相关的评分数 据及用户信息进行处理、生成相应的请求信息向汇聚视频资源库单元发送，并在得到汇聚 视频资源库单元发送的推荐视频信息后再反馈给智能终端TV单元的云平台后台服务器单 元； 用于向云平台后台服务器单元发送推荐视频信息的汇聚视频资源库单元。
6. 根据权利要求5所述的一种基于TV用户协同预测的视频推荐系统，其特征在于：所 述云平台后台服务器单元包括： 信息获取模块：用于从智能终端TV单元获取用户对所观看视频的历史评分数据以及 用户的ID等关联信息，并将这些信息发送给最近邻搜索与预测评分模块； 最近邻搜索与预测评分模块：对历史评分数据进行处理，产生目标用户的最近邻居集 合并计算目标用户对视频的预测评分； 邻居与预测评分过滤模块：为最近邻搜索与预测评分模块提供相应的过滤机制与准 则； TV视频推荐模块：筛选具有较高预测评分值的视频作为推荐的结果集，并反馈给相应 关联用户的智能终端TV。
【文档编号】G06F17/30GK104391925SQ201410669753
【公开日】2015年3月4日 申请日期:2014年11月20日 优先权日:2014年11月20日
【发明者】康钟荣, 李强 申请人:四川长虹电器股份有限公司