一种电视节目推荐方法与系统的制作方法
【技术领域】
[0001] 本发明涉及计算机技术领域，尤其涉及一种电视节目推荐方法与系统。
【背景技术】
[0002] 随着数字电视技术的快速发展，有线数字电视系统在目前编码与调制制式下可 以达到数百套节目的传输容量。再加上内置操作系统的智能电视，能够浏览互联网上海量 的视频资源，因此电视用户难以在如此众多的视频中挑选他们感兴趣的内容。为了解决这 种电视信息"过载"问题，电子节目指南必须具有智能性，它能够根据用户的兴趣，爱好和使 用历史自动提前向用户推荐电视节目。同时它还能自动跟踪用户兴趣的变化而对所推荐的 电视节目作出调整。这就是数字电视节目推荐系统的概念。
[0003] 现有的电视节目推荐方法大多根据用户的显性特征及隐性特征来推荐节目。显 性特征指用户注册成为推荐系统用户时，提供的特性属性，包括：性别，年龄，职业等硬件信 息；隐性特征指用户收看电视节目的时间段，节目类型，经常收看的节目等软件信息。
[0004] 现有技术的电视电视节目推荐方法的缺点在于：利用显性信息时，需要注册成为 推荐系统用户，并提供足够的显性信息，没有充分考虑不熟练掌握普通话及人机操作的老 年用户；利用隐性信息时，利用的用户特性描述特征不够，不能给用户推荐足够准确的电视 口 ~P目。
[0005] 最近，市场上也出现了一种基于语音控制的电视节目调整方案。根据用户语音，进 行换台。例如，用户发音"我想看湖南台"，则自动切换至湖南台。此种方案的智能化程度不 高，只能识别固定的语句，可以看作是一种控制系统，不能为用户智能推荐电视节目。
【发明内容】
[0006] 本发明实施例提出一种电视节目推荐方法与系统，能够推荐出更符合用户文化语 言背景的节目，增强用户体验，特别是对于那些并不熟练掌握普通话及人机操作的老年用 户。
[0007] 本发明实施例提供一种电视节目推荐方法，包括：
[0008] 接收用户的语音信号；
[0009] 将所述语音信号转换为离散的语音数据；
[0010] 根据所述语音数据识别出用户所用的方言类别；
[0011] 向用户推荐与所述方言类别相关的电视节目。
[0012] 进一步地，所述根据所述语音数据识别出用户所用的方言类别，具体包括：
[0013] 对所述语音数据分帧；
[0014] 获取每一帧语音数据的鲁棒特征，形成所述语音数据的第一特征序列X = (X1, X2, ...，xM};其中，xM代表第M帧语音数据的鲁棒特征；
[0015] 去除所述第一特征序列X中的静音片段，得到所述语音数据的第二特征序列Y = Iy1, y2,...，yN};其中，yN代表去除所述第一特征序列X中的静音片段后第N帧语音数据的 鲁棒特征，N < M ;
[0016] 根据所述语音数据的第二特征序列Y，计算所述语音数据在不同方言模型下的似 然度；
[0017] 根据所述语音数据在不同方言模型下的似然度判定用户所用的方言类别。
[0018] 通过提取每一帧语音数据的鲁棒特征并经过除静处理后，能够得到最能表征所述 语音数据的特征数据：第二特征序列；然后再利用所述第二特征序列计算所述语音数据在 不同的方言模型下的似然度；似然度越高，说明该组第二特征序列与所述方言模型越相似， 其中似然度最高的方言模型即判定为用户所用的方言类别。
[0019] 进一步地，所述根据所述语音数据的第二特征序列Y，计算所述语音数据在不同方 言模型下的似然度，具体根据以下公式计算：
【主权项】
1. 一种电视节目推荐方法，其特征在于，包括： 接收用户的语音信号； 将所述语音信号转换为离散的语音数据； 根据所述语音数据识别出用户所使用的方言类别； 向用户推荐与所述方言类别相关的电视节目。
2. 如权利要求1所述的电视节目推荐方法，其特征在于，所述根据所述语音数据识别 出用户所用的方言类别，具体包括： 对所述语音数据分帧； 获取每一帧语音数据的鲁棒特征，形成所述语音数据的第一特征序列X = (X1, X2, ...，XM};其中，Xm代表第M帧语音数据的鲁棒特征； 去除所述第一特征序列X中的静音片段，得到所述语音数据的第二特征序列Y = Iy1, y2,...，yN};其中，yN代表去除所述第一特征序列X中的静音片段后第N帧语音数据的 鲁棒特征，N < M ; 根据所述语音数据的第二特征序列Y，计算所述语音数据在不同方言模型下的似然 度； 根据所述语音数据在不同方言模型下的似然度判定用户所用的方言类别。
3. 如权利要求2所述的电视节目推荐方法，其特征在于，根据所述语音数据的第二特 征序列Y，计算所述语音数据在不同方言模型下的似然度，具体根据以下公式计算：
其中，Ρ(Υ/λ,)为所述语音数据在第k种方言模型下的似然度；p(yi/Ak)为所述第二 特征序列的第i帧语音数据的鲁棒特征现在第k个方言模型的概率；ω (kh_为第k种 方言模型的第j个高斯子模型的权重；C0^为第k种方言模型的第j个高斯子模型的协方 差；μ (kh_为第k种方言模型的第j个高斯子模型的均值。
4. 如权利要求2或3所述的电视节目推荐方法，其特征在于，在所述输入用户的语音信 号之前，还包括构建方言模型的步骤，具体包括： 获取基于已知方言的第二特征序列； 采用决策树聚类的方法将所述第二特征序列的每一帧语音数据的鲁棒特征进行聚类， 每个类别采用高斯子模型进行表征； 根据每个类别所包含的鲁棒特征，采用极大似然算法计算每个类别所对应的高斯子模 型的权重、均值以及协方差； 根据每个高斯子模型的权重、均值以及协方差，生成所述已知方言的方言模型；其中， 所述第二特征序列的第i帧语音数据的鲁棒特征现在第k个方言模型的概率为
ω (kh_为第k种方言模型的第j个高斯子模型的权重；C (kh_为第k种方言模型的第j个 高斯子模型的协方差；μ _为第k种方言模型的第j个高斯子模型的均值。
5. 如权利要求4所述的电视节目推荐方法，其特征在于，所述鲁棒特征包含每一帧语 音数据的能量、梅尔频率倒谱系数、梅尔频率倒谱系数的一阶差分和二阶差分。
6. -种电视节目推荐系统，其特征在于，包括： 信号接收模块，用于接收用户的语音信号； 信号转换模块，用于将所述语音信号转换为离散的语音数据； 识别模块，用于根据所述语音数据识别出用户所使用的方言类别； 推荐模块，用于向用户推荐与所述方言类别相关的电视节目。
7. 如权利要求6所述的电视节目推荐系统，其特征在于，所述识别模块包括： 分帧单元，用于对所述语音数据分帧； 第一序列获取单元，用于获取每一帧语音数据的鲁棒特征，形成所述语音数据的第一 特征序列X = (X1, χ2, ...，xM};其中，xM代表所述语音数据中第M帧语音数据的鲁棒特征； 第二序列获取单元，用于去除所述第一特征序列中的静音片段，得到所述语音数据的 第二特征序列Y = {yi，y2,...，yN};其中，yN代表去除所述第一特征序列X中的静音片段后 第N帧语音数据的鲁棒特征，N < M ; 似然度计算单元，用于所述语音数据的第二特征序列Y，计算所述语音数据在不同方言 模型下的似然度； 判定单元，用于根据所述语音数据在不同方言模型下的似然度判定用户所用的方言类 别。
8. 如权利要求7所述的电视节目推荐系统，其特征在于，所述似然度计算单元具体根 据以下公式计算所述语音数据在不同方言模型下的似然度：
其中，Ρ(Υ/λ,)为所述语音数据在第k种方言模型下的似然度；p(yi/Ak)为所述第二 特征序列的第i帧语音数据的鲁棒特征现在第k个方言模型的概率；ω (kh_为第k种 方言模型的第j个高斯子模型的权重；C0^为第k种方言模型的第j个高斯子模型的协方 差；μ (kh_为第k种方言模型的第j个高斯子模型的均值。
9. 如权利要求7或8所述的电视节目推荐系统，其特征在于，所述电视节目推荐系统还 包括方言模型构建模块；所述方言模型构建模块具体包括： 样本序列获取单元，用于获取基于已知方言的第二特征序列； 聚类单元，用于采用决策树聚类的方法将所述第二特征序列的每一帧语音数据的鲁棒 特征进行聚类，每个类别采用高斯子模型进行表征； 模型参数计算单元，用于根据每个类别所包含的鲁棒特征，采用极大似然算法计算每 个类别所对应的高斯子模型的权重、均值以及协方差； 模型生成单元，用于根据每个高斯子模型的权重、均值以及协方差，生成所述已知方言 的方言模型；其中，所述第二特征序列的第i帧语音数据的鲁棒特征yia现在第k个方言 模型的概率为
ω (kh_为第k种方言模型的第j个高斯子模型的权重；C (kh_为第k种方言模型的第j个 高斯子模型的协方差；μ _为第k种方言模型的第j个高斯子模型的均值。
10.如权利要求9所述的电视节目推荐系统，其特征在于，所述鲁棒特征包含每一帧语 音数据的能量、梅尔频率倒谱系数、梅尔频率倒谱系数的一阶差分和二阶差分。
【专利摘要】本发明公开了一种电视节目推荐方法，包括：接收用户的语音信号；将所述语音信号转换为离散的语音数据；根据所述语音数据识别出用户所用的方言类别；向用户推荐与所述方言类别相关的电视节目。采用本发明实施例，能够推荐出更符合用户文化语言背景的节目，增强用户体验，特别是对于那些并不熟练掌握普通话及人机操作的老年用户。同时，本发明实施例还提供一种电视节目推荐系统，能够执行所述电视节目推荐方法的所有方法步骤。
【IPC分类】H04N21-258, G10L15-20, H04N21-466, G10L15-18
【公开号】CN104766607
【申请号】CN201510098643
【发明人】雷延强
【申请人】广州视源电子科技股份有限公司
【公开日】2015年7月8日
【申请日】2015年3月5日