一种通过自主学习提供主动服务的方法
【技术领域】
[0001]本发明涉及一种为用户提供潜在兴趣视频的方法，尤其涉及一种通过自主学习提供主动服务的方法。
【背景技术】
[0002]目前在现有技术中，各类网贴广泛采用记忆用户的cookie的方式，也就是通过对用户近期浏览过的对象的痕迹进行分析，根据这些痕迹的类别和相近度，向用户推荐类似的商品或是应用等，而采用这些方式简单而不能很好的对用户的潜在兴趣视频进行挖掘。
【发明内容】
[0003]本发明实施例所要解决的技术问题在于，提供一种通过自主学习提供主动服务的方法。可通过大数据分析，为用户推荐最合适的潜在兴趣的视频。
[0004]为了解决上述技术问题，本发明实施例提供了一种通过自主学习提供主动服务的方法，使用hadoop架构反向定位以及存储关键词进行数据收集和定位；
所述数据收集和定位包括对用户观看的视频剧情、视频种类以及在视频上停留时间进行关键词定位和索引存储形成大数据；
对所述大数据进行分析并优化得到模型；
将用户归类到与相近的模型中，将用户进行定位；
根据所述用户的分类，为所述用户提供潜在感兴趣的视频。
[0005]实施本发明实施例，具有如下有益效果:本发明通过对用户观看的视频数据进行大数据处理，将用户归类到相应的模型中，为用户提供潜在感兴趣的视频，并根据用户的可能感兴趣趋势提供其可能喜欢的视频。
【具体实施方式】
[0006]为使本发明的目的、技术方案和优点更加清楚，下面将对本发明作进一步地详细描述。
[0007]本发明实施例的一种通过自主学习提供主动服务的方法，是通过部署hadoop架构，在用户的客户端，包括安卓投影机、安卓智能电视或是安卓机顶盒上，进行用户行为的数据收集和定位，并且对行为进行标记等，最后将数据加密后传到云端，以便hadoop引擎能进行分析。
[0008]以用户的数据收集和定位包括对用户观看的视频剧情、视频种类、在视频上停留时间、年龄、职位、性别等等进行关键词定位和索引存储形成大数据。
[0009]对所述用户的海量大数据进行挖掘，使用倒排算法实现了在Hadoop快速查询；将系统中需要巨大计算能力的各个模块的计算和存储要求扩展到Hadoop集群中的各个节点上，利用集群的并行计算和存储能力来进行相关数据挖掘工作。
[0010]针对典型的进行模型构建，hadoop引擎对用户进行分析后归类到模型。并且模型会根据hadoop的结果不断进行优化和改进，从而形成自身的升级和优化。
[0011]将用户归类到与相近的模型中，将用户进行定位；Had00p引擎通过关键字标示和反向搜索法，从而快速进行搜索，根据所述用户的分类，为所述用户提供潜在感兴趣的视频。
[0012]当然上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明主要技术方案的精神实质所做的修饰，都应涵盖在本发明的保护范围之内。
【主权项】
1.一种通过自主学习提供主动服务的方法，其特征在于， 使用hadoop架构反向定位以及存储关键词进行数据收集和定位； 所述数据收集和定位包括对用户观看的视频剧情、视频种类以及在视频上停留时间进行关键词定位和索引存储形成大数据； 对所述大数据进行分析并优化得到模型； 将用户归类到与相近的模型中，将用户进行定位； 根据所述用户的分类，为所述用户提供潜在感兴趣的视频。
【专利摘要】本发明实施例公开了一种通过自主学习提供主动服务的方法，使用hadoop架构反向定位以及存储关键词进行数据收集和定位；所述数据收集和定位包括对用户观看的视频剧情、视频种类以及在视频上停留时间进行关键词定位和索引存储形成大数据；对所述大数据进行分析并优化得到模型；将用户归类到与相近的模型中，将用户进行定位；根据所述用户的分类，为所述用户提供潜在感兴趣的视频。采用本发明，通过对用户观看的视频数据进行大数据处理，将用户归类到相应的模型中，为用户提供潜在感兴趣的视频，并根据用户的可能感兴趣趋势提供其可能喜欢的视频。
【IPC分类】G06F17-30
【公开号】CN104834714
【申请号】CN201510231288
【发明人】杨格
【申请人】汕头大学
【公开日】2015年8月12日
【申请日】2015年5月8日