基于上下文和群组组合的视频推荐方法及系统技术方案

本发明专利技术提供一种基于上下文和群组组合的视频推荐方法，其包括：S1、获取用户识别信号；S2、根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，跳转到步骤S3a；在用户为多个用户时，跳转到步骤S3b；S3a、获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模型，并跳转到步骤S4a；S4a、获取当前用户相关的上下文信息并结合用户兴趣模型生成基于情景感知的个性化媒体推荐菜单，并跳转到步骤S5；S3b、获取组用户信息以及视频内容信息并根据组用户信息建立多用户兴趣融合模型，并跳转到步骤S4b；S4b、获取用户组相关的上下文信息并根据多用户兴趣融合模型生成多用户兴趣平衡的建设性媒体推荐菜单，并跳转到步骤S5；S5、显示推荐菜单。

【技术实现步骤摘要】

本专利技术涉及信息数据推送
，尤其是一种基于上下文和群组组合的视频推荐方法及系统。
技术介绍
随着信息技术和电子技术的飞速发展，视频需求开始向“高清化”、“网络化”、“智能化”的趋势发展。智能电视的出现顺应了这一发展趋势。在三网融合的大环境下，基于软件平台的智能电视将成为三网融合的重要载体，担当家庭多媒体信息平台的重任。过量的信息使得用户无法获取对自己有用的部分，信息使用效率反而降低。推荐系统作为一种信息过滤手段，是当前解决信息超载问题的非常有力的手段。在智能电视中，很重要的一个方面就是个性化，即根据个人的喜好搭载一个完整的智能推荐系统，能够根据用户身份和情景感知实时地推荐用户可能喜好的节目信息，引导用户发现需要的结果。目前的主流智能推荐系统，通过获取用户对视频的喜好和感兴趣的程度，帮助用户从大量视频内容中发现其可能感兴趣的视频内容。然而，现有推荐引擎往往只关注“用户与视频”之间的关联关系，而较少考虑它们的上下文环境(如时间、位置、情绪、天气等等)。但是，在许多的情况下，仅仅依靠“用户与视频”之间的关系并不能生成有效的推荐。上下文感知推荐系统正是通过将上下文信息引入推荐系统，即基于上下文的推荐系统(CARS)以进一步提高推荐精确度和用户满意度，具有非常明显的研究意义和实用价值，逐渐成为推荐系统研究领域最为活跃的热点。此外，由于智能电视是一个公用设备，大部分时间都用来信息和媒体共>享，所以主要针对的用户不是一个个体，而是一个群体，对一个群组用户进行推荐比给单独用户推荐要更复杂，因此需要设计针对智能电视的家庭组视频推荐算法。群组推荐(GRS)需要兼顾不同用户的爱好，所以需要更多的信息，对多用户的兴趣进行不同程度的融合。201210442382.4一种融合用户，项目和上下文属性信息的推荐系统优化方法(最接近本专利)原专利公开了一种融合用户，项目和上下文属性信息的推荐方法，同时考虑了用户，项目和上下文属性对用户评分的影响，并通过上下文属性信息来修正预测评分的偏差，提高了推荐精度。本专利是使用的上下文信息是基于用户的隐式信息，只考虑用户是否观看电影，而没有用用户的评分，所以也没有对评分的修正，而且原专利只有考虑少数几种对用户评分有影响的上下文信息。本专利用上下文信息来过滤跟当前用户兴趣无关的，最大程度保证相关信息，同时加入了组推荐信息，不光考虑单个用户的信息，也对多用户的上下文进行考虑和融合。201210368902.1一种基于组推荐的服务选取系统及选取方法原专利主要针对一个用户组进行服务推荐。是一种在餐馆的应用场景下的。所解决的技术问题是提供一种组推荐的服务选取系统及其选取方法，针对用户群体，考虑每个用户的兴趣，极大化提高了团体的满意度。本专利是针对于智能电视用户视频推荐场景下的群组推荐，考虑的因素和算法设计与原专利完全不同，此外，本专利还考虑的上下文不同场景，针对用户的权重也不一样。上下文与群组结合的方法综合考虑了各方因素，既能够保证个性化，又能均衡群体的兴趣爱好。因此现有的视频内容推荐方法在视频推荐时由于缺少上下文的相关信息，推荐的精度不高；同时在智能电视特定场景下，传统的推荐方法只考虑对单一用户进行推荐，而没有均衡多用户兴趣，推荐的结果不理想。
技术实现思路
有鉴于此，本专利技术针对现有的视频内容推荐方法在视频推荐时缺少上下文的相关信息，并且无法均衡多用户兴趣的缺陷，提供一种基于上下文和群组组合的视频推荐方法及系统。一种基于上下文和群组组合的视频推荐方法，其包括如下步骤：S1、获取用户识别信号；S2、根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，跳转到步骤S3a；在用户为多个用户时，跳转到步骤S3b；S3a、获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模型，并跳转到步骤S4a；S4a、获取用户当前相关的上下文信息并结合用户兴趣模型生成基于情景感知的个性化媒体推荐菜单，并跳转到步骤S5；S3b、获取组用户信息以及视频内容信息并根据组用户信息建立多用户兴趣融合模型，并跳转到步骤S4b；S4b、获取用户组当前相关的上下文信息并根据多用户兴趣融合模型生成多用户兴趣平衡的建设性媒体推荐菜单，并跳转到步骤S5；S5、显示基于情景感知的个性化媒体推荐菜单或者多用户兴趣平衡的建设性媒体推荐菜单。一种基于上下文和群组组合的视频推荐系统，其包括如下单元：识别信号获取单元，用于获取用户识别信号；判断单元，用于根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，执行第一兴趣模型建立单元；在用户为多个用户时，执行第二兴趣模型建立单元；第一兴趣模型建立单元，用于获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模型，并执行第一推荐菜单生成单元；第一推荐菜单生成单元，用于获取当前用户相关的上下文信息并结合用户兴趣模型生成基于情景感知的个性化媒体推荐菜单，并执行推荐菜单显示单元；第二兴趣模型建立单元，用于获取组用户信息以及视频内容信息并根据组用户信息建立多用户兴趣融合模型，并并执行第二推荐菜单生成单元；第二推荐菜单生成单元，用于获取用户组相关的上下文信息并根据多用户兴趣融合模型生成多用户兴趣平衡的建设性媒体推荐菜单，并执行推荐菜单显示单元；推荐菜单显示单元，用于显示基于情景感知的个性化媒体推荐菜单或者多用户兴趣平衡的建设性媒体推荐菜单。本专利技术针对目前传统智能推荐算法的局限性，提供的基于上下文和群组组合的视频推荐方法及系统，解决了一般推荐算法中对上下文信息的忽略，不能有效地用户的真正意图和喜好进行扑捉，不能有效进行预测和推荐。通过基于上下文和组推荐的算法真正做到对用户的真实情况进行观察，实时和准确地给用户推荐他们真正感兴趣的内容；并且本专利技术可以区分判断为单一用户或者组用户，针对组用户采用组推荐算法针对智能电视用户在大部分场景都是多人共享的情况下，对组或者多用户进行兴趣预测，对组用户进行均衡的推荐。附图说明图1是本专利技术实施方式提供的基于上下文和群组组合的视频推荐方法流程图；图2是本专利技术实施方式提供的基于上下文和群组组合的视频推荐系统结构框图。具体实施方式本专利技术的原理如下，如图1所示，一种基于上下文和群组组合的视频推荐方法，其特征在于，其包括如下步骤：S1、获取用户识别信号。用户识别信号的获取方法包括指纹识别，用本文档来自技高网...

【技术保护点】
一种基于上下文和群组组合的视频推荐方法，其特征在于，其包括如下步骤：S1、获取用户识别信号；S2、根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，跳转到步骤S3a；在用户为多个用户时，跳转到步骤S3b；S3a、获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模型，并跳转到步骤S4a；S4a、获取当前用户相关的上下文信息并结合用户兴趣模型生成基于情景感知的个性化媒体推荐菜单，并跳转到步骤S5；S3b、获取组用户信息以及视频内容信息并根据组用户信息建立多用户兴趣融合模型，并跳转到步骤S4b；S4b、获取用户组相关的上下文信息并根据多用户兴趣融合模型生成多用户兴趣平衡的建设性媒体推荐菜单，并跳转到步骤S5；S5、显示基于情景感知的个性化媒体推荐菜单或者多用户兴趣平衡的建设性媒体推荐菜单。

【技术特征摘要】
1.一种基于上下文和群组组合的视频推荐方法，其特征在于，其包括
如下步骤：
S1、获取用户识别信号；
S2、根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，
跳转到步骤S3a；在用户为多个用户时，跳转到步骤S3b；
S3a、获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模
型，并跳转到步骤S4a；
S4a、获取当前用户相关的上下文信息并结合用户兴趣模型生成基于情
景感知的个性化媒体推荐菜单，并跳转到步骤S5；
S3b、获取组用户信息以及视频内容信息并根据组用户信息建立多用户
兴趣融合模型，并跳转到步骤S4b；
S4b、获取用户组相关的上下文信息并根据多用户兴趣融合模型生成多
用户兴趣平衡的建设性媒体推荐菜单，并跳转到步骤S5；
S5、显示基于情景感知的个性化媒体推荐菜单或者多用户兴趣平衡的建
设性媒体推荐菜单。
2.如权利要求1所述的基于上下文和群组组合的视频推荐方法，其特
征在于，所述步骤S3a包括：
S31a、获取用户信息，用户信息包括用户个人信息以及用户操作交互信
息；获取视频内容信息，视频内容信息包括提供方的视频内容的元数据，对
视频内容的元数据进行标注得到视频元数据信息，对视频元数据信息进行分
类；
S32a、根据用户操作交互信息获取用户兴趣模型描述信息以及上下文描
述信息；根据用户兴趣模型描述信息以及上下文描述信息生成用户兴趣模
型；跳转到步骤S4a。
3.如权利要求2所述的基于上下文和群组组合的视频推荐方法，其特
征在于，所述步骤S4a包括：获取当前用户相关的上下文信息，根据用户兴
趣模型通过协同过滤算法对提取用户的偏好，从分类的视频元数据信息中选

\t择推荐的视频生成一组视频列表，并根据当前用户相关的上下文信息对视频
列表中的视频进行过滤生成基于情景感知的个性化媒体推荐菜单。
4.如权利要求1所述的基于上下文和群组组合的视频推荐方法，其特
征在于，所述步骤S3b包括：
S31b、获取组用户的信息，组用户信息包括各用户的隐形信息、显性信
息、用户与用户之间的关系信息以及各用户兴趣信息；获取视频内容信息，
视频内容信息包括提供方的视频内容的元数据，并对视频内容的元数据进行
标注得到视频元数据信息，对视频元数据信息进行分类；
S32b、根据各用户的隐形信息、显性信息、...

【专利技术属性】
技术研发人员：李成华，刘丽君，
申请(专利权)人：武汉泰迪智慧科技有限公司，
类型：发明
国别省市：湖北;42