本发明涉及数据分析与处理技术领域，具体涉及一种基于兴趣特征向量的媒体数据推荐方法及系统。
背景技术：
随着科学技术的不断发展，互联网、电脑、移动终端(智能手机、平板电脑等)已进入了千家万户，覆盖了人类生活的方方面面，成为了人类生活不可或缺的一部分。现代人的生活、学习、工作习惯都少不了对这些现代科技的使用；特别是在平常的生活中，利用电脑、移动终端等通过互联网或移动互联网观看视频、查看新闻等等，都是现代人在大多数闲暇时间中的一项重要的娱乐、休闲活动。
现有技术中，各种门户网站、新闻APP等都会在首页或下级分类菜单的预览界面中展示各种各样的新闻资讯，而这些新闻资讯通常是按时间先后进行排序推荐，而不存在针对用户的个性化推荐内容。而常见的视频播放类软件，通常也是按照时间先后或点击次数来向用户推荐视频，稍好一些的软件，会根据用户的历史记录，推荐一些用户可能感兴趣的视频，但这并不足以满足用户的真实需求。
技术实现要素：
本发明提供一种媒体数据推荐方法及服务器，根据用户需求推送媒体数据，提高用户体验。
为实现上述目的，本发明提供一种媒体数据推荐方法，其特点是，该方法包含：
媒体数据分类相应的兴趣特征向量；
达到预设条件的媒体数据加入其对应兴趣特征向量的内容池；
采集目标用户的兴趣特征向量，将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
上述媒体数据分类兴趣特征向量的方法包含：
生成兴趣特征向量；
媒体数据生成时，根据其内容将该媒体数据初步分类至相应的兴趣特征向量；
媒体数据播放时，判断其生成时分类的兴趣特征向量是否正确，若是则维持媒体数据所属的原兴趣特征向量；若否则提出兴趣特征向量更改申请，服务器处理更改申请，进行维持原兴趣特征向量、或更改兴趣特征向量、或隐藏兴趣特征向量。
上述兴趣特征向量的内容池加入媒体数据的方法包含：
每个兴趣特征向量建议独立的内容池；
当服务器统计媒体数据对应其初步分类的兴趣特征向量的权重达到预设的阈值，则将该媒体数据加入该兴趣特征向量的内容池。
上述媒体数据播放时，用户对该媒体数据初步分类的兴趣特征向量进行点赞，每个点赞增加该媒体数据对应其初步分类的兴趣特征向量的权重。
上述采集用户的兴趣特征向量包含：
获取目标用户的用户信息；
将兴趣特征向量初步投射至目标用户；
从数据库提取数据形成备选数据组；
根据从获取的目标用户的用户信息，对该用户信息中的用户行为进行评分，确定该目标用户的兴趣特征向量。
上述的用户信息包含：历史访问信息、点赞信息、投币信息、充电信息、发弹幕信息、评论信息、收藏信息、分享信息、移动终端观看信息、打开播放信息和循环播放信息。
上述目标用户进行媒体数据检索或浏览媒体数据时，服务器接收推荐内容获取指令，触发采集目标用户的兴趣特征向量，进行媒体数据推荐流程。
上述目标用户进行媒体数据检索时，服务器采集用户的检索信息，分析检索信息中的关键词，将该检索信息中关键词相匹配兴趣特征向量的内容池中的媒体数据反馈至用户。
上述媒体数据分类相应的兴趣特征向量时，给媒体数据添加兴趣特征向量的关键词及该关键词的同义词，作为目标用户检索时关键词域兴趣特征向量匹配的依据。
一种媒体数据推荐系统，其特点是，该系统包含：
分类模块，其将媒体数据分类相应的兴趣特征向量；
兴趣特征向量生成模块，其接收分类模块对媒体数据的兴趣特征向量分类，达到预设条件的媒体数据加入其对应兴趣特征向量的内容池；
用户分析模块，其分别并采集目标用户的兴趣特征向量；
推荐模块，其接收兴趣特征向量生成模块和用户分析模块对的输出，将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
本发明一种媒体数据推荐方法及系统和现有技术相比，其优点在于，本发明首先对媒体数据进行权重分析，建立内容池，根据用户的、点赞信息、投币信息、充电信息、发弹幕信息、评论信息、收藏信息、分享信息、移动终端观看信息、打开播放信息和循环播放信息，分析用户的兴趣特征，从而向用户推荐匹配的媒体数据，提高用户体验。
附图说明
图1为本发明一种媒体数据推荐方法的方法流程图。
具体实施方式
以下结合附图，进一步说明本发明的具体实施例。
如图1所示，为一种基于兴趣特征向量的媒体数据推荐方法，该方法具体包含以下步骤：
S1、媒体数据分类相应的兴趣特征向量(TAG)。这里媒体数据可以是视频。
S1.1、生成若干兴趣特征向量。
S1.2、服务器接收上传或编辑的新的媒体数据，新的媒体数据生成时，根据媒体数据的内容将该媒体数据初步分类至相应的兴趣特征向量。初步分类可以由上传者或编辑者选择，或由服务器选择。
内容贡献者或用户提交信息后，提示提交完毕，提交后交由管理员审核，审核通过与否都会受到官方私信通知。后续规划中，发明人会将此编辑内容作为站内内容的一个深度整理内涵。
S1.3、媒体数据播放时，由服务器或用户判断媒体数据生成时分类的兴趣特征向量是否正确，若是则维持媒体数据所属的原兴趣特征向量；若否则提出兴趣特征向量更改申请或举报，服务器处理更改申请，进行如下操作：维持原兴趣特征向量、或更改兴趣特征向量、或隐藏兴趣特征向量，并在处理完成后锁定该媒体数据的兴趣特征向量。通常内容上传者可根据实际情况，不让普通用户进行除了(举报以外)的操作。
进一步的，后台操作方面，需要管理员在兴趣特征向量的信息里填写对应的关键词及该关键词的同义词，作为目标用户检索时关键词域兴趣特征向量匹配的依据，并且使其他的同义词跳转就都会跳转到兴趣特征向量详情页面里，同义词特征向量的内容池将会归属于主兴趣特征向量，形成的关系为并集关系。
S2、达到预设条件的媒体数据加入其对应兴趣特征向量的内容池。
S2.1、每个兴趣特征向量建议独立的内容池。
内容池是一个特征向量里所包含的所有投稿的内容集合；每个兴趣特征向量都有其独立的内容池，一个视频可以隶属于多个内容池，不充分必要条件是它的稿件信息里要有相对应的兴趣特征向量。
S2.2、当服务器统计媒体数据对应其初步分类的兴趣特征向量的权重达到预设的阈值，则将该媒体数据加入该兴趣特征向量的内容池。
具体的，还可以对用户进行权限设置，普通用户可以添加特征向量，相应给予a量的权重。媒体数据播放时，用户对该媒体数据初步分类的兴趣特征向量进行点赞，每个点赞会增加该媒体数据对应其初步分类的兴趣特征向量的a量的权重，本实施例中，点赞一次将会加10的权重，稿件默认只能拥有10个特征向量。用户可以为兴趣特征向量增加一定量的权重，以增加其在内容池中的占比，占比达到一定阈值，具有该兴趣特征向量信标的所有媒体数据自动进入到相对应的兴趣特征向量的内容池。
S3、采集目标用户的兴趣特征向量，将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
S3.1、目标用户进行媒体数据检索或浏览媒体数据时，服务器接收推荐内容获取指令，触发采集目标用户的兴趣特征向量，进行媒体数据推荐流程。
其中目标用户进行媒体数据检索时，服务器采集用户的检索信息，分析检索信息中的关键词，该关键词用于与兴趣特征向量中提炼的关键词及其同义词匹配，并可以在确定匹配后将该兴趣特征向量的内容池中的媒体数据反馈至用户。
S3.2、采集用户的兴趣特征向量，具体包含：
S3.2.1、获取目标用户的用户信息。用户信息包含：历史访问信息、点赞信息、投币信息、充电信息、发弹幕信息、评论信息、收藏信息、分享信息、移动终端观看信息、打开播放信息和循环播放信息。
进一步的，相关性提供两种模式，有提供编辑内容的情况下，使用编辑后的方案，没有的话，直接提取用户的浏览习惯，即：追踪统一用户所看的多个特征向量取交集。
S3.2.2、将兴趣特征向量初步投射至目标用户。
S3.2.3、从数据库提取数据形成备选数据组。
S3.2.4、根据从获取的目标用户的用户信息，对该用户信息中的用户行为进行评分，确定该目标用户的兴趣特征向量。
S3.3、将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
兴趣特征向量的内容池在详情页中有三个不同的展示排序。按照最新动态，有产生用户活动的稿件按照时间排序，同首页一样可以刷新动态，提取10个即可，最新动态去除PGC区内容。
本发明还公开公开了一种媒体数据推荐系统，该系统包含：分类模块、连接分类模块的兴趣特征向量生成模块，用户分析模块，和连接用户分析模块和兴趣特征向量生成模块的推荐模块。
分类模块用于将媒体数据分类相应的兴趣特征向量。
兴趣特征向量生成模块用于接收分类模块对媒体数据的兴趣特征向量分类，达到预设条件的媒体数据加入其对应兴趣特征向量的内容池。
用户分析模块用于分别并采集目标用户的兴趣特征向量。
推荐模块用于接收兴趣特征向量生成模块和用户分析模块对的输出，将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。