一种视频推荐方法和装置与流程

技术特征：

1.一种视频推荐方法，其特征在于，所述方法包括：

构建联合推荐信息图，所述联合推荐信息图包括用户集合、视频集合、联合推荐信息集合、用户集合中元素与视频集合中元素构成的第一类边、视频集合中元素与联合推荐信息集合中元素构成的第二类边以及用户集合中元素与联合推荐信息集合中元素构成的第三类边，所述联合推荐信息集合包括时间段和视频类型；

根据用户对视频的评分或/和用户对视频评分发生的时间，计算所述第一类边的权值WU,I、第二类边的权值WI,C和第三类边的权值WU,C；

根据所述WU,I、WI,C和WU,C并通过随机游走所述联合推荐信息图，获取推荐请求集合中的用户对视频集合中的视频的访问概率，以针对每个用户生成对应的视频推荐列表，所述推荐请求集合包括所述用户集合中元素和联合推荐信息集合中元素；

向用户推荐对应视频推荐列表中的视频。

2.如权利要求1所述的方法，其特征在于，所述计算所述第三类边的权值WU,C包括：

结合时间衰减模型，根据所述用户对视频评分发生的时间计算所述第三类边的权值WU,C。

3.如权利要求2所述的方法，其特征在于，所述结合时间衰减模型，根据所述用户对视频评分发生的时间计算所述第三类边的权值WU,C，包括：

模拟人类对历史行为的遗忘规律，采用引入了时间遗忘因子的评分值代替用户对视频的历史评分值，得到视频新的评分值；

将所述视频新的评分值更新至用户联合推荐信息偏好向量中对应所述用户对联合推荐信息的偏好值；

归一化所述偏好值，将所述归一化后的偏好值作为所述第三类边的权值WU,C。

4.如权利要求3所述的方法，其特征在于，所述时间遗忘因子为所述δ为遗忘系数，并且0＜δ＜1，所述t为当前时刻，所述t0为初始时刻，所述tm为最终时刻。

5.如权利要求1至4任意一项所述的方法，其特征在于，所述根据所述WU,I、WI,C和WU,C并通过随机游走所述联合推荐信息图，获取推荐请求集合中的用户对视频集合中的视频的访问概率，以针对每个用户生成对应的视频推荐列表，包括：

分别以所述推荐请求集合中每个节点作为起始点，在所述联合推荐信息图上随机游走，并计算每一轮随机游走后所述推荐请求集合中每个节点对所述联合推荐信息图中其他节点的访问概率，当判断节点的访问概率达到收敛时结束游走，所述节点为所述推荐请求集合中的元素；

将所述推荐请求集合中每个节点对所述联合推荐信息图中其他节点的访问概率相加，得到所述推荐请求集合对所述联合推荐信息图中其他节点的访问概率，生成每个用户对应的视频推荐列表。

6.一种视频推荐装置，其特征在于，所述装置包括：

构建模块，用于构建联合推荐信息图，所述联合推荐信息图包括用户集合、视频集合、联合推荐信息集合、用户集合中元素与视频集合中元素构成的第一类边、视频集合中元素与联合推荐信息集合中元素构成的第二类边以及用户集合中元素与联合推荐信息集合中元素构成的第三类边，所述联合推荐信息集合包括时间段和视频类型；

边权值计算模块，用于根据用户对视频的评分或/和用户对视频评分发生的时间，计算所述第一类边的权值WU,I、第二类边的权值WI,C和第三类边的权值WU,C；

访问概率获取模块，用于根据所述WU,I、WI,C和WU,C并通过随机游走所述联合推荐信息图，获取推荐请求集合中的用户对视频集合中的视频的访问概率，以针对每个用户生成对应的视频推荐列表，所述推荐请求集合包括所述用户集合中元素和联合推荐信息集合中元素；

推荐模块，用于向用户推荐对应视频推荐列表中的视频。

7.如权利要求6所述的装置，其特征在于，所述边权值计算模块包括：

第三类边权值计算单元，用于结合时间衰减模型，根据所述用户对视频评分发生的时间计算所述第三类边的权值WU,C。

8.如权利要求7所述的装置，其特征在于，所述第三类边权值计算单元包括：

评分值重计算单元，用于模拟人类对历史行为的遗忘规律，采用引入了时间遗忘因子的评分值代替用户对视频的历史评分值，得到视频新的评分值；

更新单元，用于将所述视频新的评分值更新至用户联合推荐信息偏好向量中对应所述用户对联合推荐信息的偏好值；

归一化单元，用于归一化所述偏好值，将所述归一化后的偏好值作为所述第三类边的权值WU,C。

9.如权利要求8所述的装置，其特征在于，所述时间遗忘因子为所述δ为遗忘系数，并且0＜δ＜1，所述t为当前时刻，所述t0为初始时刻，所述tm为最终时刻。

10.如权利要求6至9任意一项所述的装置，其特征在于，所述访问概率获取模块包括：

游走单元，用于分别以所述推荐请求集合中每个节点作为起始点，在所述联合推荐信息图上随机游走，并计算每一轮随机游走后所述推荐请求集合中每个节点对所述联合推荐信息图中其他节点的访问概率，当判断节点的访问概率达到收敛时结束游走，所述节点为所述推荐请求集合中的元素；

求和单元，用于将所述推荐请求集合中每个节点对所述联合推荐信息图中其他节点的访问概率相加，得到所述推荐请求集合对所述联合推荐信息图中其他节点的访问概率，生成每个用户对应的视频推荐列表。