一种栏目推荐方法及装置的制造方法
【技术领域】
[0001] 本发明涉及推荐技术领域，尤其涉及一种栏目推荐方法及装置。
【背景技术】
[0002] 随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时 代，推荐系统应运而生。
[0003] 栏目是电视台每天播出的相对独立的信息单元，主要是单个节目的组合，是按照 一定内容（如新闻、知识、文艺)编排布局的完整表现形式。通俗地讲，栏目为具有相同特征 的视频归为一个栏目（如综艺、日韩电视剧、武侠电影、文艺电影、动作电影等）。现有的推荐 系统主要为针对单个视频推荐，还有一些为针对栏目推荐。目前针对单个视频推荐都是以 根据用户的兴趣和需求，生成视频推荐列表供用户观看，用户可以根据展示的列表点击观 看自己感兴趣的视频。而视频推荐一般依据的思想是:根据用户看过的视频为其推荐没有 看过的视频，但是这种思想不适用栏目推荐。目前对于栏目推荐，一般都是根据热门程度和 以往经验人工设定的固定栏目，无法根据用户的需求和兴趣对其推荐对应的栏目。
【发明内容】
[0004] 本发明的实施例提供一种栏目推荐方法及装置，能够针对用户需求和兴趣，为其 推荐合适的栏目，提高推荐的准确性。
[0005] 为达到上述目的，本发明的实施例采用如下技术方案：
[0006] 本发明实施例提供一种栏目推荐方法，包括以下步骤：
[0007] 获取栏目属性信息；
[0008] 根据所述栏目属性信息，计算目标用户与其他用户之间的相似度；
[0009] 根据所述目标用户与其他用户之间的相似度，得到目标用户的最近邻居集；
[0010] 根据所述最近邻居集，计算目标用户对于未推荐栏目的预测评分；
[0011] 根据所述预测评分及预先获取的目标用户对于历史栏目的评分，生成栏目推荐列 表进行推荐。
[0012]本发明实施例还提供了一种栏目推荐装置，包括：
[0013]获取模块，用于获取栏目属性信息；
[0014]相似度计算模块，用于根据栏目属性信息，计算目标用户与其他用户之间的相似 度；
[0015] 预测评分模块，用于根据所述目标用户与其他用户之间的相似度，得到目标用户 的最近邻居集，并根据所述最近邻居集，计算目标用户对于未推荐栏目的预测评分；
[0016] 推荐模块，用于根据所述预测评分及预先获取的目标用户对于历史栏目的评分， 生成栏目推荐列表进行推荐。
[0017] 本发明实施例所提供的栏目推荐方法和装置，根据用户对栏目的历史操作信息即 用户点击观看栏目的信息，计算用户之间的相似度，而用户对栏目的点击行为表明用户对 栏目的喜好，这样与目标用户相似度高的用户可以被划为最近邻居集中，最近邻居集的用 户对于栏目的喜好度也会比较类似，那么根据最近邻居集中的邻居用户对于未向目标用户 推荐的栏目的评分就可以预测目标用户对于未推荐栏目的评分，再综合目标用户对于已观 看栏目的历史评分就可以了解目标用户对于所有栏目的评分情况，从而了解目标用户对于 栏目的喜好，进而生成推荐列表对目标用户进行推荐。这样相比于现有的采用固定的栏目 推荐的方式，明显更针对用户的需求，提高了推荐的准确性，用户体验更好。
【附图说明】
[0018] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0019] 图1为本发明实施例提供的一种栏目推荐方法的方法流程图；
[0020] 图2为本发明实施例提供的一种栏目推荐装置的结构示意图。
【具体实施方式】
[0021] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0022] 本发明实施例提供一种栏目推荐方法，如图1所示，该方法包括：
[0023] 101、栏目推荐装置获取栏目属性信息。
[0024] 本发明实施例中的栏目推荐装置可以为管理所有终端设备的服务器，也可以为某 一终端设备，该终端设备可以是智能电视或便携式、袖珍式或手持式的电子设备，例如，智 能手机、平板电脑以及个人数字助理等，还可以为某一终端设备中的一个具体模块。
[0025] 本发明实施例中的属性信息包括用户标识、用户所操作的栏目标识以及用户对栏 目的历史操作信息。用户对栏目的历史操作信息主要指的是各个用户对于各个栏目的点击 信息，用户对栏目的历史操作信息表明了用户对于栏目的喜好程度。其中，上述的用户标识 可以为该用户的登陆账号或者其他可唯一表示该用户的标识，本实施例中采用U1、U2、 U3……Un形式表示不同用户的标识;栏目标识可以为该栏目的名称或其他可唯一表示该栏 目的标识，本实施例中采用L1、L2、L3、 、Lm表示不同栏目的标识。
[0026]示例性的，栏目推荐装置会获取预定时间范围内所有用户对栏目的操作数据，然 后，对所有用户的操作数据进行预处理，提取出用户对栏目的历史操作信息。
[0027] 优选地，栏目推荐装置根据所述栏目属性信息，获取各用户点击栏目标识的用户 行为记录表，根据所述用户行为记录表，生成各栏目对应的操作用户标识的栏目-用户倒排 表，根据所述栏目-用户倒排表，生成多个矩阵R。
[0028] 具体地，栏目推荐装置根据用户的属性信息，生成用户行为记录表，所述用户行为 记录表的数据格式为：{用户标识:栏目标识【点击次数】，栏目标识【点击次数】，…，栏目标 识【点击次数】}，用户行为记录表表示的是各个用户对于所点击栏目的点击次数的集合。如 用户1点击过栏目1，栏目2,栏目4,栏目5,次数分别是5,8,3,15,那么用户1的行为记录表就 可以是{用户1:栏目1【5】，栏目2【8】，栏目4【3】，栏目5【15】}。这样根据多个用户的对于栏目 的操作信息可以生成多个用户行为记录表。栏目推荐装置将这些用户行为记录表存储到数 据库中。
[0029] 具体地，根据这些用户行为记录表生成栏目-用户倒排表，栏目-用户倒排表表示 的是各栏目中对应的点击过该栏目的用户的集合。栏目-用户倒排表的数据格式为：{:栏目 1:用户1，用户2，···，用户u}。如用户1，用户2,用户4,用户5,点击过栏目1，那么栏目1的栏 目-用户倒排表就是{栏目1:用户1，用户2,用户4,用户5}。栏目推荐装置将各个栏目的栏 目-用户倒排表存储在数据库中。
[0030] 优选的，在步骤101中，可以设置一个更新周期，更新周期的长短可以根据栏目数 据的数据库更新情况进行设定，例如，可以设为一个月，一周或一天，本发明对此不进行限 制，在每个更新周期内获取所述每个更新周期内的栏目数据的属性信息并进行更新。本实 施例下述各步骤均以当前周期为例进行说明。
[0031] 102、根据所述栏目属性信息，计算目标用户与其他用户之间的相似度。
[0032] 具体可以包括以下三个步骤：
[0033] 102a、根据所述栏目属性信息，生成多个矩阵R。
[0034] 其中，矩阵R的行和列分别表示用户标识，元素 Rab表示用户a和用户b均点击过一 共同栏目标识，a￡l，2,…，11;13￡1，2，'"11，11为用户个数，元素1^113为1。
[0035] 具体地，栏目推荐装置根据栏目属性信息即各个栏目的栏目-用户倒排表生成多 个矩阵R，每个矩阵R对应一个栏目。如假定有η个用户，栏目1的栏目-用户倒排表为{栏目1: 用户1，用户2,用户4,用户5}，则栏目1对应的矩阵R如表1所示。
[0036] 下述的表1仅仅是对矩阵R以及矩阵R的含义进行说明，仅仅是一种示例。
[0037]
[0038]
[0039] 表 1
[0040] 因为用户1，用户2,用户4和用户5分别点击过栏目1，因此，用户1，用户2,用户4,用 户5两两用户结合的元素赋值为1，得到上表。对于其他栏目对应的矩阵R也可按此方式生 成。这样，就会生成多个栏目对应的矩阵R。
[0041] 102b、根据所述多个矩阵R，生成用户相似度矩阵。
[0042] 具体地，根据多个栏目对应的矩阵R乘以预设惩罚因子加和得到用户相似度矩阵 So
[0043]
表示栏目标识对应的点击过该栏目标识的用 户个数，iei，2，···，m。如上面所说的栏目1对应的矩阵R，因为点击过栏目1的用户的个数为 4,所以惩罚因子为l/log5。
[0044] 预设惩罚因子，主要是考虑栏目在设备上进行显示时展示位置会有先有后，通常， 展示在前排的栏目相对于展示在后排的栏目更为醒目，并且方便用户点击，因此，用户的点 击率往往较高，但是这并不能充分说明用户之间的兴趣相似。而