一种直播电视节目推荐方法和装置的制造方法
【技术领域】
[0001]本发明属于智能电视领域，尤其涉及一种直播电视节目推荐方法和装置。
【背景技术】
[0002]随着网络视频的大众化，人们可以通过更为自主的方式选择所需要的视频进行播放，但是由于电视的高清和直播性质非网络视频所能替代，观众使用电视看直播视频才能获得较佳的体验。但是，电视观众可能不会去了解每个频道的节目单，来确定哪个节目是自己喜欢的，因而需要根据用户的喜好进行智能的电视节目的推荐。
[0003]目前常用的推荐算法大致可以分为以下三大类:
[0004]第一类是基于用户的协同过滤(user-based，UserCF)，即为用户推荐与其相似的用户购买过的物品；
[0005]第二类是基于物品的协同过滤(item-based，ItemCF)，即为用户推荐与其购买过物品相似的品；
[0006]第三种是基于用户特征提取的算法，即提取用户特征，为用户推荐符合其用户特征的物品。
[0007]上述推荐算法已经在电子商务领域，电子阅读，在线音乐和在线视频方面有许多成熟的实现，但是由于直播视频推荐所要推荐的物品和这些成熟的领域所要推荐的物品有明显的不同，直播的节目大部分不是已有的，不能回看，并且电视节目面对的群体不只针对一个用户进行推荐，这些领域的推荐算法实现无法在电视节目推荐时有效的保证电视节目的推荐精度。
【发明内容】
[0008]本发明的目的在于提供一种直播电视节目推荐方法，以解决现有技术的推荐算法应用于电视节目推荐时，不能保证电视节目推荐精度的问题。
[0009]第一方面，本发明实施例提供了一种直播电视节目推荐方法，所述方法包括:
[0010]获取每个电视终端的历史播放数据，以及直播电视节目数据；
[0011]根据历史播放数据、电视节目的连续性、周期性，结合直播电视节目数据，确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度；
[0012]对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表；
[0013]根据所述推荐列表向对应的电视终端推荐电视节目。
[0014]第二方面，本发明实施例提供了一种直播电视节目推荐装置，所述装置包括:
[0015]数据获取单元，用于获取每个电视终端的历史播放数据，以及直播电视节目数据；
[0016]推荐电视节目确定单元，用于根据历史播放数据、电视节目的连续性、周期性，结合直播电视节目数据，确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度；
[0017]排序单元，用于对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表；
[0018]第一推荐单元，用于根据所述推荐列表向对应的电视终端推荐电视节目。
[0019]在本发明中，通过获取每个电视终端的历史播放数据和直播电视节目数据，并根据历史播放数据、电视节目的连续性、周期性，结合直播电视节目数据确定每个电视终端的用户偶然性因素、用户规律性因素所推荐的节目，根据推荐的电视节目的优先度进行去重和排序后生成推荐列表进行推荐，从而使得本发明可以适应直播电视节目针对同一电视终端可能存在的用户群体使用的推荐要求，提高推荐的精度。
【附图说明】
[0020]图1是本发明实施例提供的直播电视节目推荐方法的实现流程图；
[0021]图2是本发明实施例提供的确定用户规律性因素的推荐电视节目方法的实现流程图；
[0022]图3为本发明实施例提供的确定用户偶然性因素的推荐电视节目方法的实现流程图；
[0023]图4是本发明实施例提供的直播电视节目推荐装置的结构示意图。
【具体实施方式】
[0024]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0025]本发明实施例的主要目的在于提供一种可以针对直播电视节目提供更为精确的电视节目推荐的算法，从而克服现有技术中采用的协同过滤推荐方法等不能有效的适应直播电视的推荐要求的缺陷，这是因为现有技术中的推荐方法常表现在以下方面的不足:
[0026]1.协同过滤一类算法会为用户推荐已有的物品，但是直播的节目大部分并不是已有的，每一个节目都可以看作是一个未出现的新物品，所以协同算法不合适，直播推荐更像一个预测问题。
[0027]2.现成的推荐算法基本上都是注重用户自身的特性，为用户推荐满足用户特性的物品，这种方法对于在线视频推荐上特别有效，这是因为在线视频特别多，能够找到满足用户特性的物品，但是直播频道是有限的，每个时间点能推荐的内容就只有当前频道正在播放的内容，而当前用播放的内容不一定有适合观众特性的节目。
[0028]3.电视节目不可回看，这就导致不能因为这个节目满足观众的兴趣就为观众推荐已经播放了好几集的连续剧，不像在线视频推荐如果节目满足用户兴趣，可以直接为用户推荐电视剧的第一集。
[0029]4.电视是一个家庭用品，不像传统的推荐算法只针对一个用户进行推荐，直播推荐需要考虑群体因素。
[0030]5.电视内置的CPU运算能力普遍较低，电视使用过程中也不一定会连接网络，并且电视直播推荐的加载缓慢会相当影响观众使用直播功能的体验，这需要一种不同于网络节目推荐的常用数据库查询的方式，用来处理直播推荐。
[0031]基于上述理由，为了更为有效的提高推荐精度，本发明提出了一种直播电视节目推荐方法，下面结合附图具体进行说明。
[0032]图1示出了本发明实施例提供的直播电视节目推荐方法的实现流程，详述如下:
[0033]在步骤SlOl中，获取每个电视终端的历史播放数据，以及直播电视节目数据。
[0034]具体的，本发明实施例中所述的历史播放数据，是指在推荐时间之前的电视终端所播放的电视节目数据。所述电视终端可以为当前需要推荐电视节目的电视终端，出于推荐精度的考虑，还可以包括所有的电视终端的历史播放数据。在本发明实施例中一种优选的实施方式中，所述历史播放数据可以为推荐时间之前的播放周期内的播放数据。所述播放周期一般为7天。
[0035]所述历史播放数据中，可以包括每个电视节目的播放时间、用户的播放时间、电视终端的ID，以及各个电视节目对应的标签信息。
[0036]所述标签信息可以通过标签服务器获取，对于新的电视节目，可以根据电视节目的预先信息，比如电视节目的剧情说明，或者电视节目的名称信息，使新的电视节目与标签信息对应。比如常见的标签信息可以包括电视剧、电影、宫廷剧、爱情、综艺、警匪等。
[0037]所述直播电视数据，是指电视终端中可观看的电视节目的节目预告信息，可以预先存储或者在节目预告服务器中获取。
[0038]所述直播电视数据，可以包括直播的电视节目的播放时间以及电视节目对应的标签信息。
[0039]在步骤S102中，根据历史播放数据、电视节目的连续性、周期性，结合直播电视节目数据，确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度。
[0040]对于直播的电视节目的推荐，可以看作是对用户群体进行推荐，群体观看行为包含两种因素，个人因素和群体因素，个人和群体因素又包含规律性因素和偶然因素。所以可以用以下式子表示:
[0041]群体行为因素=个人规律因素+个人偶然因素+群体规律因素+群体偶然因素
[0042]针对直播推荐，对上式右边的因子需要进行单独的分析。
[0043]首先，对于个人规律因素:
[0044]个人规律因素需要结合电视节目播放的规律进行分析，如果建立一个假设，电视终端在一个规律性的时间点经常处于开机状态，可以认为有“一个人”(这里的一个人只是示意性说明，当然也可以为一群人)经常在这个时间点观看(例如:在同一个家庭中，老年人早上8点到10点看电视，小孩在16:00到17:00看电视，全家人在19:00到21:00 —起看电视)，通过以上假设，如果某个电视终端在某个时间点处于开机状态，可以认为此时观看电视的人和之前同一时间点观看这个电视终端是同一个人。结合电视频道规律进行分析:
[0045]I)、电视节目的播放具有连续性。
[0046]例如:今天12:00湖南卫视播放《还珠格格》，在明天12:00湖南卫视还很有可能播放《还珠格格》。
[0047]2)、电视节目的播放具有周期性，这种周期性长度为7天。
[0048]例如:这个星期五21:00浙江卫视播放《中国好声音》，下个星期五21:00浙江卫视很有可能播放《中国好声音》。
[0049]3)、电视频道在某一个时段会在一段时间内持续播放同一类型的节目。
[0050]例如:中央一台会在14:00到16:00这段时间内播放电视剧。
[0051]4)、电视频道在某一个时段内周期性的播放同一个类型的节目，周期性的长度为7天。
[0052]例如:深圳卫视会在一佩段时间内的周五19:00播放综艺节目。
[0053]通过结合以上几点，可以看出，电视频道本身具有较强的规律性，所以面对规律性推荐的时候都可以使用到电视频道的规律性。针对个体规律因素在某个时间点的直播推荐，可以是一天前在这个时间点观看过的频道，可以是七天前在这个时间点观看过的频道，也可以是一段时间内这个时间点这个电视终端播放过最频繁的频道。
[0054]其次，对于个人偶然因素:
[0055]个人