The invention belongs to the field of data processing, and provides a video recommendation method and system. The method comprises: according to user rating data, to establish a relationship between the user and the video; clustering center according to the relationship between the user and the video, the user can establish the association between the clustering center and video, so as to carry out collaborative filtering algorithm based on all clustering centers, the recommended results; according to the collaborative algorithm results. Recommended video to the designated user. In the invention, the collaborative filtering algorithm based on clustering all center points, to overcome the existing collaborative filtering algorithms have characteristics of sparse problem, improve the recommendation accuracy and ability to adapt to the large-scale data.
【技术实现步骤摘要】
一种视频推荐方法及系统
本专利技术属于数据处理领域,尤其涉及一种视频推荐方法及系统。
技术介绍
目前个性化推荐系统已广泛用于书籍、论文、音乐和电影等商品及内容的推荐上,而且个性化推荐系统的内部结构也发生了巨大变化。现有的推荐方法是根据用户对不同项目的兴趣爱好,基于用户对不同项目的这些信息,产生一个个性化的推荐列表,把用户没有接触过的视频、书籍、商品等对象推荐给用户。在学术界,个性化推荐的研究很多是依赖于协同过滤方法。协同过滤的思想主要分为基于用户(User-based)的协同过滤和基于项目(Item-based)的协同过滤两种,两者的最大区别在于目标邻近集合的选取范围恰好相反。基于用户(User-based)的协同过滤算法是通过计算用户间的相似度以获得目标用户的最邻近用户集,并根据最邻近用户集的评分来预测目标用户对未知项目的评分,然后把预测评分较高的项目作为推荐项目反馈给目标用户。系统通过学习用户的历史兴趣内容来进行相关节目的兴趣预测,需要为用户构建模型来过滤内容,这种方法简单快速。但是计算最近邻的方法通常有稀疏性和扩展性差的问题。
技术实现思路
鉴于此,本专利技术实施例提供一种视频推荐方法及系统,以更好的应对现有视频推荐系统遇到的数据稀疏性问题,从而更准确得为用户推荐视频。本专利技术实施例的第一方面,提供了一种视频推荐的方法,所述方法包括:建立全体用户和视频之间的关系;根据所述全体用户和视频之间的关系,建立用户聚类中心和视频之间的关联;基于全部所述用户聚类中心对应的所述关联,执行协同过滤算法;根据所述协同过滤算法得出的结果,向目标用户推荐视频。本专利技术实施 ...
【技术保护点】
一种视频推荐方法,其特征在于,包括:建立全体用户和视频之间的关系;根据所述全体用户和视频之间的关系,建立用户聚类中心和视频之间的关联;基于全部所述用户聚类中心对应的所述关联,执行协同过滤算法;根据所述协同过滤算法得出的结果,向目标用户推荐视频。
【技术特征摘要】
1.一种视频推荐方法,其特征在于,包括:建立全体用户和视频之间的关系;根据所述全体用户和视频之间的关系,建立用户聚类中心和视频之间的关联;基于全部所述用户聚类中心对应的所述关联,执行协同过滤算法;根据所述协同过滤算法得出的结果,向目标用户推荐视频。2.根据权利要求1所述的方法,其特征在于,所述建立全体用户和视频之间的关系,包括:获取所述全体用户对视频的评分。3.根据权利要求1所述的方法,其特征在于,所述根据所述全体用户和视频之间的关系,建立用户聚类中心和视频之间的关联,包括:根据所述全体用户对视频的评分,构建第一视频评分矩阵;根据所述第一视频评分矩阵,任意选取若干用户作为初始用户聚类中心,得到被选用户的全部评分数据,将被选用户和其评分数据组成第二视频评分矩阵。4.根据权利要求3所述的方法,其特征在于,所述执行协同过滤算法,包括:计算所述初始用户聚类中心和所述全体用户的相似矩阵;经过迭代计算不断更新所述第二视频评分矩阵,以及不断更新所述相似矩阵。根据预设的相似度阀值,过滤与目标用户的相似度低于所述相似度阀值的用户聚类中心;根据过滤后的用户聚类中心,选取其在所述第二视频评分矩阵中的评分数据,以及所述相似矩阵中的数据,加权平均计算出所述目标用户对其未评分视频的评分;根据所述目标用户对其未评分视频的评分,得出推荐结果。5.根据权利要求4所述的方法,其特征在于,所述迭代计算是一个三重循环的计算过程,包括:最内层循环:根据当前的所述第二视频评分矩阵、当前的所述相似矩阵,以及所述第一视频评分矩阵,计算得出数据,包括:计算所述全体用户的评分估值;计算所述全体用户对视频的评分与所述评分估值之间的误差值;更新用户聚类中心的评分数据;中间层循环:根据所述最内层循环计算得出的最新用户聚类中心的评分矩阵,更新每一个用户聚类中心的评分期望值;最外层循环:根据最内层循环和第二层循环更新的参数,更新所述相似矩阵。6.一种视频推荐系统,其特征在于,包括:输入交互模块,用于建立全体用户和视频之间的关系...
【专利技术属性】
技术研发人员:冯研,
申请(专利权)人:TCL集团股份有限公司,
类型:发明
国别省市:广东,44
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。