0074] 其中，对于视频集合类中有多个视频时，则选用多个视频共有的类别作为视频集 合类的类别。
[0075] 在步骤S103中，获取所计算的集合差异度最小值，如果所述集合差异度最小值小 于预设的阈值，则将所述集合差异度最小值对应的评分数目比Cf较高的视频，或者由评分 数目比(方较高的视频构成的视频集合类，与视频Cf合并为一个视频集合类。
[0076] 如果计算视频所得到的所有集合差异度，选择所得到的集合差异度的最小值与预 设的阈值进行比较，如果最小值的集合差异度小于预设的阈值，则最小集合差异度对应的 视频集合类与视频C?合并为一个视频集合类，如果最小值的集合差异度大于预设的阈值， 则将视频作为一个新增的视频集合类。
[0077]另外，作为本发明优选的实施方式中，在完成对所有视频的分类后，还可以对视频 集合类的优化，对于视频集合类中的视频个数少于预定值，比如1或者2等，则将这种视频 集合类去除，得到优化的聚类结果。
[0078] 本发明根据用户对视频的评分数目，选择将评分数目较少的视频，与评分数目相 对较多的视频，或者与视频集合类进行集合差异度计算，所述视频集合类由评分数目相对 较多的视频构成，当所述差异度计算的最小值小于预设的阈值时，则将选择计算差异度最 小值的两个视频，或者视频与视频集合类，合并为一个视频集合类，从而能够有效的避免多 次迭代运算，不容易受到异常值影响，大大的提高了分类效率以及聚类质量。
[0079] 实施例二：
[0080] 图2示出了本发明第二实施例提供的视频聚类推荐方法的实现流程，详述如下：
[0081] 在步骤S201中，根据实施例一所述方法，对视频进行聚类，生成视频集合类。
[0082] 在步骤S202中，接收用户输入的目标视频，查找目标视频所属的视频集合类。
[0083] 具体的，本发明实施例中所述用户输入的目标视频，可以为用户搜索的视频，也可 以为用户当前正在观看的视频，另外，为了提高视频推荐的准确度，还可以设定观看视频的 时长超过一定时长，比如观看视频的时长超过五分钟。
[0084] 所述查找目标视频所属的视频集合类，可以通过将目标视频与视频集合类进行集 合差异度计算，得到集合差异度最小的视频集合类，即为所需要查找的视频集合类。
[0085] 在步骤S203中，查找所述视频集合类中，没有被所述用户评分的新视频集合，在 所述新视频集合中根据相似性计算公式得到最近邻视频集合。
[0086] 具体的，在得到目标视频所属的视频集合类后，根据统计数据，在所述视频集合类 中查找目标用户是否进行过评分，其中，所述目标用户为正在使用的目标视频的用户。
[0087] 当统计得到目标用户评分过的视频后，在所述视频集合类中减去评分过的视频， 即可得到没有被用户评分的新视频集合，比如，统计用户u在所述视频集合类中已评分的 视频集合Iu，所述视频集合类为P，则没有被所述用户评分的新视频集合为I' u=P-Iu。
[0088] 所述在所述新视频集合中根据相似性计算公式得到最近邻视频集合步骤可包 括：
[0089]根据公式
-算目标视频i与所述新视频集合中 的每个视频j的相似度，根据所述相似度选择预定个数视频作为所述目标视频的最近邻视 频集合，其中U为用户集合，RUi]为目标用户对视频j的评分数据。
[0090] 进一步的，本发明还可以包括接收用户输入的最近邻视频个数，根据输入的最近 邻视频个数，调整相似度的计算量。
[0091] 在步骤S204中，根据用户输入的视频评分矩阵R与所述最近邻视频集合中的每个 视频，计算所述最近邻视频集合中的每个视频的预测评分，根据所述预设评分推荐一个或 者多个视频。
[0092] 具体的，所述根据用户输入的视频评分矩阵R与所述最近邻视频集合中的每个视 频，计算所述最近邻视频集合中的每个视频的预测评分步骤包括：
[0093]根据公式
2计算所述最近邻视频集合中的每个视频的预 测评分，其中sim(i，j)为目标视频i与所述新视频集合中的每个视频j的相似度，RUi]为用 户输入的视频的评分矩阵中用户对视频j的评分数据。
[0094] 重复步骤S203和步骤S204,即可得到目标用户u对所有未评分的视频进行评分数 据的预测计算。
[0095] 得到预测评分数据后，则可以根据要求选择一个预测评分最高的视频进行推荐， 或者选择多个预测评分较高的视频推荐给目标用户。
[0096] 本发明实施例在实施例一的基础上，通过计算目标视频所属的视频集合类，并计 算视频集合类中未评分的视频与目标视频的相似度，从而能够高效、准确的推荐视频至目 标用户。
[0097] 实施例三：
[0098]图3示出了本发明第三实施例提供的视频聚类推荐装置的结构示意图，详述如 下：
[0099] 本发明实施例所述视频聚类推荐装置，包括：
[0100] 排序单元301，用于根据所有用户对视频的评分数目，对视频进行排序得到视频集 N(C；\Cl......C:) ,η为视频个数；
[0101] 差异度计算单元302,用于按照视频的评分数目，从高到低依次计算每个视频C? 与评分数目比?0较高的视频，或者由评分数目比cf较高的视频构成视频集合类，进行集合 差异度计算；
[0102] 视频集合类生成单元303,用于获取所计算的集合差异度最小值，如果所述集合 差异度最小值小于预设的阈值，则将所述集合差异度最小值对应的评分数目比C?较高的 视频，或者由评分数目比 <较高的视频构成的视频集合类，与视频C?合并为一个视频集合 类，其中，〇〈i〈n+l。
[0103] 优选的，所述差异度计算单元包括：
[0104] 第一计算子单元，用于计算视频C2°与视频Cf的集合差异度SFD((6,0);
[0105] 比较子单元，用于当所述集合差异度SFD(C,ft，0)小于预设的阈值时，则将视频 Ct与视频 < 合并为视频集合类?ι，当所述集合差异度SFD()大于预设的阈值时，则 将视频C〗与视频€f分别生成新的视频集合类?1与C];
[0106] 第二计算子单元，用于对于视频^1(0<j<n)，将其与比<的评分数目较多的 视频构成的视频集合类进行集合差异度计算。
[0107] 优选的，所述装置还包括：
[0108] 视频集合类查找单元，用于接收用户输入的目标视频，查找目标视频所属的视频 集合类；
[0109] 最近邻视频集合计算单元，用于查找所述视频集合类中，没有被所述用户评分的 新视频集合，在所述新视频集合中根据相似性计算公式得到最近邻视频集合；
[0110] 预测推荐单元，用于根据用户输入的视频评分矩阵R与所述最近邻视频集合中的 每个视频，计算所述最近邻视频集合中的每个视频的预测评分，根据所述预设评分推荐一 个或者多个视频。
[0111] 本发明实施例所述视频聚类推荐装置，与实施例一、二所述视频聚类推荐方法对 应，在此不作重复赘述。
[0112] 在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其 它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅 仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结 合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的 相互之间的耦合或直接耦合或通信连接可以是通过一