The present invention provides a broadcast TV program recommendation system and method. The method comprises the following steps: pre input object, recommended viewing preferences index and the viewing period; the broadcast program information is stored as data source; the viewing information stored as viewing data source; the user viewing preference index calculation program retrieval data source and viewing data source. A viewing preference matrix; according to the viewing preference matrix calculation the connection between users, with each user node, when the user is greater than a threshold, a path between the two users, the formation of network connection; according to the node and path to determine the degree of trust between users is determined according to the recommendation of different users; the different programs of trust and preference ratings; to each user node, according to the trust degree from high to low order selection set The number of users, according to the set number, users recommend different programs in order from high to low to set the number of programs, generate each user's program list.
【技术实现步骤摘要】
广播电视节目推荐系统及方法
本专利技术涉及广播电视领域,更为具体地,涉及一种广播电视节目推荐系统及方法。
技术介绍
广播电视节目资源的极大丰富,带来了收视用户的节目类型偏好多样化,对用户进行分群,找到具有不同收视偏好的用户群体,进行个性节目推荐,是广播电视领域亟待解决的问题。在传统广播电视领域,对用户收视行为研究采用电话随机调查法或日记记录法,无法建立全网用户的采集样本数据,节目推荐技术的研究进展缓慢。随着广播电视数字化时代的到来,全网用户收视数据和节目播出数据库的建立,以及数据挖掘技术的急速发展,电视节目推荐技术的研究迎来契机。现有的个性化推荐方法主要包括协同过滤推荐和基于内容的推荐,这两种方法重点在于如何获取用户的历史行为信息,如何表征目标项目的特征信息,以及如何将用户兴趣和项目特征信息相对应,但由于数据稀疏性和冷启动问题,推荐效果具有很大的局限性,例如,没有考虑不同兴趣偏好的用户信息干扰推荐效果,没有考虑网络拓扑结构对推荐效果的影响。
技术实现思路
鉴于上述问题,本专利技术的目的是提供考虑不同用户对不同节目的收视偏好和网络拓扑结构,降低推荐效果的局限性的广播电视 ...
【技术保护点】
一种广播电视节目推荐系统,其中,包括:输入单元,输入预推荐客体、收视偏好指标以及收视时间段,其中,预推荐客体集合为U={u
【技术特征摘要】
1.一种广播电视节目推荐系统,其中,包括:输入单元,输入预推荐客体、收视偏好指标以及收视时间段,其中,预推荐客体集合为U={u1,...,ui...,un},其中,ui为推荐客体中的用户;节目数据库,将上述收视时间段内各节目的播放信息存储为节目数据源,其中,播放节目的集合为S={s1,...,sj...,sm};收视数据库,将预推荐客体在上述收视时间段内的收视信息存储为收视数据源;收视偏好空间构建模块,分别从节目数据库和收视数据库调取计算收视偏好指标所需的节目数据源和收视数据源,计算预推荐客体内各用户的收视偏好指标,构成收视偏好矩阵,即,收视偏好空间;连接网络构建模块,根据上述收视偏好矩阵计算预推荐客体中用户之间的连接关系值,以每一个用户为节点,当用户之间的连接关系值大于设定阈值时,在两个用户之间建立路径,形成预推荐客体中不同用户之间的连接网络;信任度确定单元,根据上述连接网络中的节点和路径确定不同用户之间的信任度,其中,其中,tp(ui,uj)表示用户ui和uj之间的信任度,trust(ui,uj)表示对信任度tp(ui,uj)进行归一化处理结果,trust(ui,uj)∈[0,1];sig(·)为符号函数,其定义为Mpd表示用户之间的平均路径长度,符号表示向上取整运算,对于节点数为Nnode边数Nedge的连接网络,其任意两点间的平均路径长度step表示可达路径上用户ui到uj的跳数;ui->uj表示用户ui到用户ui的路径;节目推荐度确定单元,根据信任度确定单元获得的不同用户之间的信任度和不同用户对不同节目的收视偏好确定不同用户对不同节目的推荐度,其中,用户ui对节目sj的收视偏好,表示为用户ui推荐节目sj的节目推荐度;节目单生成单元,分别以预推荐客体中的每一个用户为节点,按照与所述每一个用户的信任度由高到低的顺序选取设定数量的用户,按照所述设定数量的用户对不同节目的推荐度由高到低的顺序选取设定数量的节目,生成所述每一个用户的节目单。2.根据权利要求1所述的广播电视节目推荐系统,其中,所述连接网络构建模块包括关系网络构建单元和相似网络构建单元中的一个或两个,所述连接关系值包括关系键和相似度中的一个或两个,所述连接网络包括关系网络和相似网络中的一个或两个,其中,所述关系网络构建单元,根据收视偏好矩阵确定用户之间的关系键,当用户之间的关系键大于设定关系键阈值时,在用户之间建立路径,当用户之间的关系键不大于设定关系键阈值时,在用户之间不建立路径,从而形成不同用户之间的关系网络,其中,其中,表示对收视偏好进行归一化处理后结果,表示用户ui与用户uj之间的关系键,为用户ui和用户uj共同收看的节目的集合;所述相似网络构建单元,根据收视偏好矩阵确定不同用户之间的相似度,构建用户相似度矩阵,当用户之间的相似度大于设定相似度阈值时,在用户之间建立路径,当用户之间的相似度不大于设定相似度阈值时,在用户之间不建立路径,从而形成不同用户之间的相似网络,其中其中,d(ui,uj)表示用户ui与用户uj之间的欧式距离,σ为尺度参数,Aij表示用户ui与用户uj之间的相似度;当连接网络构建模块包括关系网络构建单元和相似网络构建单元时,所述节目单生成单元包括:第一组节目获得单元,分别以预推荐客体中每一个用户为节点,在关系网络中按照与所述每一个用户的信任度由高到低的顺序选取设定数量的第一组用户,按照第一组用户对不同节目的推荐度由高到低的顺序选取设定数量的第一组节目;第二组节目获得单元,分别以预推荐客体中每一个用户为节点,在相似网络中按照与所述每一个用户的信任度由高到低的顺序选取设定数量的第二组用户,按照第二组用户对不同节目的推荐度由高到低的顺序选取设定数量的第二组节目;节目单确定单元,所述第一组节目和第二组节目的交集作为所述每一个用户的节目单。3.根据权利要求2所述的广播电视节目推荐系统,其中,还包括:分群单元,根据所述用户相似度矩阵,采用谱聚类算法对预推荐客体中的用户进行分群,得到设定数量的社区,其中,所述关系网络构建单元以分群单元的每一个社区中的每一个用户为节点,根据收视偏好矩阵确定所述每一用户与其他用户之间的关系键,当关系键大于设定关系键阈值时,在用户之间建立路径,形成每一个社区的关系网络;所述节目单生成单元在每一个社区中,分别以每一个用户为节点,按照与所述每一个用户的信任度由高到低的顺序选取设定数量的用户,按照所述设定数量的用户对不同节目的推荐度由高到低的顺序选取设定数量的节目,生成每一个社区中每一个用户的节目单。4.根据权利要求1~3中任一权利要求所述的广播电视节目推荐系统,其中,还包括:优化模块,根据串联节点优化方法、分叉节点优化方法和合并节点优化方法中的一种或多种对连接网络进行优化,其中,所述串联节点优化方法包括:将连接网络中连接关系为串联的节点称为串联节点,当两个串联节点之间存在直接连接路径和通过其他节点相连的间接路径时,比较间接路径上多个串联节点之间的连接关系值乘积与直接连接路径上两个串联节点之间的连接关系值,当所述乘积大于所述直接连接路径的连接关系值时,去掉直接连接路径;所述分叉节点优化方法包括:在连接网络中,一个节点通过另一个节点与其他多个节点连接,所述另一个节点称为分叉节点,生成分叉节点的克隆节点,从而使得所述一个节点与所述其他多个节点通过克隆节点和分叉节点形成多条路径,其中,所述克隆节点与其他节点的连接关系值和所述分叉节点与其他节点的连接关系值相等;所述合并节点优化方法包括:在连接网络中,多个节点均通过一个节点与另一...
【专利技术属性】
技术研发人员:王鑫,刘剑波,柴剑平,胡莘灵,
申请(专利权)人:中国传媒大学,
类型:发明
国别省市:北京,11
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。