本发明涉及通信领域，尤其涉及一种节目推荐方法及节目推荐系统。
背景技术：
当今信息化时代，计算机技术突飞猛进。全媒体在文化科技方面，一直走在时代的前列。音视频节目资源丰富，管理复杂。计算机技术在实际工作中，通过对音视频资源分类管理、快速查阅、精确挑选、自由编排推荐等，为购销人员提供了良好的工作方式，大幅提高精准匹配速度与工作质量。音视频制作成本、播放与收益的结合分析，是对相关部门进行综合考评，提供管理与决策的有力依据。视频版权方如何推广自己的内容，使收益最大化；视频网站、增值业务等如何获取优质版权内容，是当前面临的难题。目前，双方涉及的节目编排工作千头万绪，资源管理混乱，无法发现有价值或者感兴趣的内容。
技术实现要素：
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的节目推荐方法及节目推荐系统。
本发明的一个方面，提供了一种节目推荐方法，包括以下步骤：
采集节目数据和用户数据；
根据用户数据计算出用户对节目的偏好矩阵；
根据节目数据计算出节目成本矩阵；
根据用户对节目的偏好矩阵和节目成本矩阵计算出节目推荐等级；
根据节目推荐等级对节目进行排序并制作成节目推荐单进行存储。
进一步地，采集的用户数据为用户偏好的节目、用户偏好的节目的播放次数、用户偏好节目的类型、用户偏好节目的导演、用户偏好节目的播放量、用户偏好节目的成本价格，根据节目数据及公式
进一步地，采集的节目数据包括节目名称、节目类型、节目导演、节目播放量、节目成本率、成本价、节目销售次数、总节目数、节目成本总额，将节目数据代入公式pm(tf-idf)＝成本价*(节目销售次数/总节目数*abs(log(节目成本总额+1/成本价*节目销售次数)))，计算出节目成本矩阵q＝{tm,ym,um,im,pm}，其中，q为节目成本矩阵，tm为节目名称，ym为节目类型，um为节目导演，im为节目播放量，pm为节目成本率。
进一步地，将用户对节目的偏好矩阵和节目成本矩阵代入公式
进一步地，采集的用户数据为用户偏好的节目、用户偏好的节目的播放次数、用户偏好节目的类型、用户偏好节目的导演、用户偏好节目的播放量、用户偏好节目的成本价格，采集的节目数据包括节目名称、节目类型、节目导演、节目播放量、节目成本率、成本价、节目销售次数、总节目数、节目成本总额。
本发明的第二个方面，提供了一种实现上述中任一所述的节目推荐方法的节目推荐系统，包括：
采集数据模块，用于采集节目数据和用户数据，并分别发送至用户偏好计算模块、节目成本计算模块和节目推荐单模块；
用户偏好计算模块，用于根据用户数据计算出用户对节目的偏好矩阵，并发送至节目推荐等级计算模块；
节目成本计算模块，用于根据节目数据计算出节目成本矩阵，并发送至节目推荐等级计算模块；
节目推荐等级计算模块，用于根据用户对节目的偏好矩阵和节目成本矩阵计算出节目推荐等级，并发送至节目推荐单制作模块；
节目推荐单制作模块，用于根据节目推荐等级对节目进行排序并制作成节目推荐单进行存储。
进一步地，采集数据模块采集的用户数据为用户偏好的节目、用户偏好的节目的播放次数、用户偏好节目的类型、用户偏好节目的导演、用户偏好节目的播放量、用户偏好节目的成本价格，根据节目数据及公式
进一步地，采集数据模块采集的节目数据包括节目名称、节目类型、节目导演、节目播放量、节目成本率、成本价、节目销售次数、总节目数、节目成本总额，将节目数据代入公式pm(tf-idf)＝成本价*(节目销售次数/总节目数*abs(log(节目成本总额+1/成本价*节目销售次数)))，计算出节目成本矩阵q＝{tm,ym,um,im,pm}，其中，q为节目成本矩阵，tm为节目名称，ym为节目类型，um为节目导演，im为节目播放量，pm为节目成本率。
进一步地，节目推荐等级计算模块将用户对节目的偏好矩阵和节目成本矩阵代入公式
进一步地，采集数据模块分别与用户偏好计算模块、节目成本计算模块、节目推荐单制作模块电连接，节目推荐等级计算模块分别与用户偏好计算模块、节目成本计算模块、节目推荐单制作模块电连接。
本发明提供的节目推荐方法，与现有技术相比具有以下进步：采集数据模块采集的用户和节目数据比较全面、客观，根据采集数据模块采集的用户和节目数据计算出用户对节目的偏好度矩阵和节目成本矩阵，再根据用户对节目的偏好矩阵和节目成本矩阵计算出节目推荐等级，根据节目推荐等级对节目进行排序并制作成节目推荐单，进行存储，能够客观、公正的为用户推荐用户比较感兴趣的节目资源，有利于提高用户体验。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例中的节目推荐方法的步骤图；
图2为本发明实施例中的节目推荐系统的器件连接框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
本发明实施例提供了节目推荐方法及节目推荐系统。
图1示意性示出了本发明一个实施例的节目推荐方法的步骤图。参照图1，本发明实施例的节目推荐方法，包括以下步骤：
采集节目数据和用户数据；
根据用户数据计算出用户对节目的偏好矩阵；
根据节目数据计算出节目成本矩阵；
根据用户对节目的偏好矩阵和节目成本矩阵计算出节目推荐等级；
根据节目推荐等级对节目进行排序并制作成节目推荐单进行存储。
本实施例中的节目推荐方法，根据采集的用户数据和节目数据计算出用户对节目的偏好矩阵和节目成本矩阵，采集的用户数据和节目数据比较全面、客观，再根据用户对节目的偏好矩阵和节目成本矩阵计算出节目推荐等级，根据节目推荐等级对节目进行排序并制作成节目推荐单，进行存储，便于后续客观、公正的为用户推荐用户比较感兴趣的节目资源，有利于节约用户的时间，提高用户体验。
本实施例中，采集的用户数据为用户偏好的节目、用户偏好的节目的播放次数、用户偏好节目的类型、用户偏好节目的导演、用户偏好节目的播放量、用户偏好节目的成本价格，根据节目数据及公式
一个实施例中，首先，将所有用户集合记录为行矩阵：c＝{c1,c2,c3,.......,cn}，其中，c1为用户1,c2为用户2,c3为用户3,…cn为用户n。然后为用户播放的节目数据进行建模，构建节目数据分析矩阵：
其中，ci表示用户i对节目各个属性的偏好集合，t11为节目1的日期、t12为播放节目1的用户、t13为节目1的名称……，t1n为节目1的类型，t21为节目2的日期、t22为节目2的用户、t23为节目2的名称……，t2n为节目2的类型，tn1为节目n的日期、tn2为节目n的用户、tn3为节目n的名称……，tnn为节目n的类型。以上仅是作为一个示范性示例，在实际应用中，上述矩阵为用户对节目属性的偏好的集合，是可扩展、伸缩的所以是一个n的维度，是多维度的可以包含很多用户偏好属性，在其他实施例中，tnn也可以代表其他的用户偏好节目的其他属性。本领域的技术人员根据具体情况进行设置。
按照上述方式，已经为用户及其播放的节目进行了建模。下面公式每天运行一次，重复进行。计算方法如下：第一步计算用户ci播出的所有视频的平均
播放量，计算公式为
本实施例中，采集的节目数据包括节目名称、节目类型、节目导演、节目播放量、节目成本率、成本价、节目销售次数、总节目数、节目成本总额，将节目数据代入公式pm(tf-idf)＝成本价*(节目销售次数/总节目数*abs(log(节目成本总额+1/成本价*节目销售次数)))，计算出节目成本矩阵q＝{tm,ym,um,im,pm}，其中，q为节目成本矩阵，tm为节目名称，ym为节目类型，um为节目导演，im为节目播放量，pm为节目成本率。
一个实施例中，将节目集合记录为p＝{p1,p2,p3,.......,pn}，其中，p为节目的集合，p1为节目1，p2为节目2，p3为节目3，……，pn为节目n。然后构造节目成本矩阵，构造一个1*n维的矩阵，n表示视频节目属性值数量，其中包括节目类型数量，节目表中出现的主演数目，以及影片成本和导演数目等，得到视频节目矩阵：
如，第j个影片的行矩阵信息：{播放量占比，影片,影片名称，类型，采购成本单价,销售次数,导演，主演，..n},按照该方式，对节目进行了建模。在实际应用中，上述矩阵为用户对节目属性的偏好的集合，是可扩展、伸缩的所以是一个n的维度，是多维度的可以包含很多节目属性。
利用tf-idf权利法计算成本率：pm(tf-idf)＝成本价*(节目销售次数/总节目数*abs(log(节目成本总额+1/成本*销售次数)))，通过计算，构建得到了节目成本矩阵q＝{tm,ym,um,im,pm}，式中，q为节目成本矩阵，tm为节目名称，ym为节目类型，um为节目导演，im为节目播放量，pm为节目成本率。
本实施例中，将用户对节目的偏好矩阵和节目成本矩阵代入公式
一个实施例中，用余弦相似度的公式来计算给定的用户对节目的偏好矩阵“m”和节目成本矩阵“q”之间的距离，余弦相似度越大说明用户对节目的偏好矩阵“m”和节目成本矩阵“q”越相似，节目推荐等级越高，在制作节目推荐单时，该节目越靠前。余弦相似度的具体计算方法如下：
其中，ma为用户m对qa的喜好值，qa为包含节目属性a的节目q，a为a维矩阵。
计算出用户对节目参数的偏好度及余弦相似度，根据余弦相似度确定节目推荐等级，利用节目推荐等级制作节目推荐单，进行存储，便于后续为用户进行推荐节目资源。
一个具体实施例中，利用余弦相似度计算：得出用户对节目的偏好矩阵为
余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，说明节目的推荐等级越高，越值得推荐给用户，在制作节目推荐单时，应该靠前设置。
本实施例中，采集的用户数据为用户偏好的节目、用户偏好的节目的播放次数、用户偏好节目的类型、用户偏好节目的导演、用户偏好节目的播放量、用户偏好节目的成本价格，采集的节目数据包括节目名称、节目类型、节目导演、节目播放量、节目成本率、成本价、节目销售次数、总节目数、节目成本总额。
图2示意性示出了本发明一个实施例的节目推荐系统的器件连接框图。参照图2，本发明实施例的节目推荐系统，包括：
采集数据模块，用于采集节目数据和用户数据，并分别发送至用户偏好计算模块、节目成本计算模块和节目推荐单模块；
用户偏好计算模块，用于根据用户数据计算出用户对节目的偏好矩阵，并发送至节目推荐等级计算模块；
节目成本计算模块，用于根据节目数据计算出节目成本矩阵，并发送至节目推荐等级计算模块；
节目推荐等级计算模块，用于根据用户对节目的偏好矩阵和节目成本矩阵计算出节目推荐等级，并发送至节目推荐单制作模块；
节目推荐单制作模块，用于根据节目推荐等级对节目进行排序并制作成节目推荐单进行存储。
其中，采集数据模块分别与用户偏好计算模块、节目成本计算模块、节目推荐单制作模块电连接，节目推荐等级计算模块分别与用户偏好计算模块、节目成本计算模块、节目推荐单制作模块电连接。
本发明实施例的节目推荐系统，通过计算用户对节目参数的偏好矩阵和节目成本矩阵，从而得到节目推荐等级，依据节目推荐等级的大小向用户推荐节目资源，具有客观、公正、节约时间的优点。
本实施例中，采集数据模块采集的用户数据为用户偏好的节目、用户偏好的节目的播放次数、用户偏好节目的类型、用户偏好节目的导演、用户偏好节目的播放量、用户偏好节目的成本价格，根据节目数据及公式
本实施例中，采集数据模块采集的节目数据包括节目名称、节目类型、节目导演、节目播放量、节目成本率、成本价、节目销售次数、总节目数、节目成本总额，将节目数据代入公式pm(tf-idf)＝成本价*(节目销售次数/总节目数*abs(log(节目成本总额+1/成本价*节目销售次数)))，计算出节目成本矩阵q＝{tm,ym,um,im,pm}，其中，q为节目成本矩阵，tm为节目名称，ym为节目类型，um为节目导演，im为节目播放量，pm为节目成本率。
本实施例中，节目推荐等级计算模块将用户对节目的偏好矩阵和节目成本矩阵代入公式
本实施例中，采集数据模块可以通过从网上下载节目数据包，解析获得节目数据，也可以通过平台录入节目信息，对节目的属性如节目名称、类型、成本价格、简介等进行编辑录入数据库中进行保存，也可以从其它方式获得节目数据；采集数据模块可以通过用户的注册信息或者通过对用户点击的记录获得用户数据，也可以搜集节目如视频网站的用户数据。本实施例的方式仅是作为一个举例，并不限制本发明的保护范围。
本发明提供的节目推荐方法中，采集数据模块采集的用户和节目数据比较全面、客观，根据采集数据模块采集的用户和节目数据计算出用户对节目的偏好度矩阵和节目成本矩阵，再根据用户对节目的偏好矩阵和节目成本矩阵计算出节目推荐等级，根据节目推荐等级对节目进行排序并制作成节目推荐单，进行存储，能够客观、公正的为用户推荐用户比较感兴趣的节目资源，有利于提高用户体验。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。