【技术实现步骤摘要】
本专利技术涉及数据处理领域,尤其涉及一种多媒体数据推荐方法及装置。
技术介绍
现今,在这个互联网高速发展的时代,人们对于视听方面的需求越来越高,通过各种终端设备(如,如智能电视、智能手机、平板电脑等终端设备)观看视频点播的用户也越来越多,而视频推荐业务可以为用户推荐视频,从而有效的推进用户对于视听业务的点播。目前,常用的视频推荐方式通常是:对目标用户历史观看过的所有视频的固有标签进行统计,确定出用户最喜好的视频集合,然后根据这些视频的固有标签与待选视频的固有标签间的匹配程度将待选视频进行排序,从而得到为目标用户推荐视频的视频推荐列表。上述的视频推荐方法为用户推荐的视频是对目标用户历史观看过的所有视频进行统计得到的,但是,由于用户对视频的喜好并不是一成不变的,而是会随着用户自身情绪的变化以及外界因素的影响而发生变化,因此,若目标用户在一个短期时段内喜好的视频与平时喜好视频所属类别不同时,由于用户平时喜爱的视频类别在该用户历史观看过的所有视频中占很大比例,此时,视频推荐系统为目标用户确定出的视频推荐列表会与平时相同。因此,基于上述视频推荐方法为用户推荐的视频很有可能是用户当前不喜欢的视频,从而影响用户体验。
技术实现思路
本专利技术的实施例提供一种多媒体数据推荐方法及装置,用以解决现有的推荐方法为用户推荐的多媒体数据准确度低的问题。第一方面,提供一种多媒体数据推荐方法,包括:获取目标用户的用户行为数据集以 ...
【技术保护点】
一种多媒体数据推荐方法,其特征在于,包括:获取目标用户的用户行为数据集以及当前时间的值,所述用户行为数据集中包含目标用户观看每种多媒体数据类型对应的多媒体数据时的时间戳;根据所述目标用户的用户行为数据集中的时间戳与所述当前时间的值,计算出所述目标用户对每种多媒体数据类型的权重值;根据所述目标用户对每种多媒体数据类型的权重值为所述目标用户推荐多媒体数据。
【技术特征摘要】
1.一种多媒体数据推荐方法,其特征在于,包括:
获取目标用户的用户行为数据集以及当前时间的值,所述用户行为数据集中包含目标
用户观看每种多媒体数据类型对应的多媒体数据时的时间戳;
根据所述目标用户的用户行为数据集中的时间戳与所述当前时间的值,计算出所述目
标用户对每种多媒体数据类型的权重值;
根据所述目标用户对每种多媒体数据类型的权重值为所述目标用户推荐多媒体数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的用户行为数据集
中的时间戳和所述当前时间的值计算出所述目标用户对每种多媒体数据类型的权重值具
体包括:
将所述目标用户的用户行为数据集中的时间戳与所述当前时间的值代入用户对多媒
体数据类型的权重值计算公式中,计算出所述目标用户对每种多媒体数据类型的权重值;
其中,所述权重值计算公式中的权重值拟合函数用于表示用户观看每种多媒体数据类型对
应多媒体数据的时间戳与所述当前时间之间的差值与用户对所述多媒体数据类型的多媒
体数据的权重值间的函数关系。
3.根据权利要求2所述的方法,其特征在于:
所述权重值计算公式为:其中,F(t)为权重值拟合函数,tc为当前时间,tbi为多媒体数据类型b中的多媒体数据i
被用户观看时的时间戳,k为多媒体数据类型个数。
4.根据权利要求3所述的方法,其特征在于,所述获取用户对多媒体数据类型的权重值
的权重值计算公式之前,所述方法还包括:
获取每个用户的用户行为数据集以及用户对多媒体数据类型的权重值计算模型公式
中的权重值拟合函数模型;
根据所述每个用户的用户行为数据集中的时间戳、所述权重值计算公式以及所述拟合
系数的取值范围,确定出用户对多媒体数据类型的权重值的权重值拟合函数;
其中,所述权重值拟合函数模型为:p与λ为所述权重值拟合函数模型的拟
合系数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述每个用户的用户行为数据集
中的时间戳、所述权重值计算模型公式以及所述拟合系数的取值范围,确定出用户对多媒
体数据类型的权重值的权重值拟合函数具体包括:
从所述拟合系数的取值范围中选择任意值作为第一待定拟合系数,将所述第一待定拟
合系数代入所述权重值计算模型公式中,得到第一权重值计算公式,根据所述每个用户的
用户行为数据集中的时间戳和所述第一权重值计算公式,计算出所有的用户对多媒体数据
类型的权重值拟合曲线间的第一曲线相似度;
重复上述过程,计算出其他待定拟合系数下所有的用户对多媒体数据类型的权重值拟
合曲线间的曲线相似度;
从计算出的所有的曲线相似度中,选择曲线相似度最小时的待定拟合系数作...
【专利技术属性】
技术研发人员:宋宪明,李海涛,王洁,许丽星,
申请(专利权)人:海信集团有限公司,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。