IPTV节目推荐方法技术

本发明专利技术公开了一种IPTV节目推荐方法，包括：根据用户的观看日志，构建用户收视矩阵；对用户收视矩阵依次进行低秩去噪、周期性压缩与观看模式提取，从而获得用户的周期性观看场景；将周期性观看场景中的每一观看模式作为一兴趣用户，并构建所有兴趣用户的评分矩阵；对当前观看模式进行识别，从而确定当前兴趣用户，再采用联合推荐策略，从历史影料库和当前直播的节目中推荐用户感兴趣的节目，生成推荐列表推送给用户。该方法能够较好地处理IPTV终端的多成员情况，提高了推荐的精确度；同时，还采用直播和点播融合的推荐策略，使得用户得到更加全面的推荐内容。

【技术实现步骤摘要】
IPTV节目推荐方法
本专利技术涉及推荐
，尤其涉及一种IPTV节目推荐方法。
技术介绍
随着互联网的飞速发展，互联网电视也变得越来越普及。互联网终端背后通常为单个成员，因此互联网的推荐都是针对单个成员的兴趣而言，只需推荐感兴趣的即可。而IPTV存在着自身的特殊性，每个IPTV终端背后会有多个成员，因此，将互联网领域的推荐方法应用到IPTV领域上，效果会大打折扣。虽然IPTV上已经有一些推荐算法，但都没有通过区分多成员来进行推荐。由于IPTV终端背后拥有多个成员，IPTV终端的兴趣是背后成员兴趣的耦合，但每个成员存在着自身的收视规律，会在一些固定的时间段收看一些固定的内容。因此，通过分析终端的观看场景，基于观看场景进行推荐，能够较好地处理IPTV终端的多成员情况。精确分析出每个终端的观看场景是推荐的基础和关键。分析得到用户的观看场景后，基于观看场景进行推荐能够提高推荐的准确性和针对性。下面分别从观看场景分析和基于观看场景的推荐两个方面介绍相关的研究工作。在针对观看场景的研究中，现有的研究在时间维度的处理上有所局限，对于时间段的划分也较为主观，难以清楚的表现用户的兴趣变化；对于每本文档来自技高网...

【技术保护点】
一种IPTV节目推荐方法，其特征在于，包括：根据用户的观看日志，构建用户收视矩阵；对用户收视矩阵依次进行低秩去噪、周期性压缩与观看模式提取，从而获得用户的周期性观看场景；将周期性观看场景中的每一观看模式作为一兴趣用户，并构建所有兴趣用户的评分矩阵；对当前观看模式进行识别，从而确定当前兴趣用户，再采用联合推荐策略，从历史影料库和当前直播的节目中推荐用户感兴趣的节目，生成推荐列表推送给用户。

【技术特征摘要】
1.一种IPTV节目推荐方法，其特征在于，包括：根据用户的观看日志，构建用户收视矩阵；对用户收视矩阵依次进行低秩去噪、周期性压缩与观看模式提取，从而获得用户的周期性观看场景；将周期性观看场景中的每一观看模式作为一兴趣用户，并构建所有兴趣用户的评分矩阵；对当前观看模式进行识别，从而确定当前兴趣用户，再采用联合推荐策略，从历史影料库和当前直播的节目中推荐用户感兴趣的节目，生成推荐列表推送给用户。2.根据权利要求1所述的一种IPTV节目推荐方法，其特征在于，所述根据用户的观看日志，构建用户收视矩阵包括：获取用户的观看日志，通过划分节目类型和时间段，根据每一天收视纪录的时间和收看节目的类型，将用户一定天数的收视纪录表示为矩阵的形式。3.根据权利要求2所述的一种IPTV节目推荐方法，其特征在于，定义N表示节目类型的数目，T表示每一天被划分的时间段数目，则用户i第s天的收视纪录表示为dis∈RT×N，其中，dis(t,n)表示在时间段t收看类型节目n的时间占时间段t时长的比例；定义L＝T×N，将每一天的收视纪录表示为一个向量对于用户i，其S天收视纪录矩阵表示为则所有用户的S天收视纪录矩阵表示为Nu表示用户的数目。4.根据权利要求1所述的一种IPTV节目推荐方法，其特征在于，所述对用户收视矩阵依次进行低秩去噪、周期性压缩与观看模式提取，从而获得用户的周期性观看场景包括：利用低秩矩阵恢复模型，除去用户收视矩阵中的噪声，得到理想收视矩阵；对于理想收视矩阵中每一天的收视向量，以一周为周期，按照周一到周日的规则划分为7个集合，依次连接个集合的中心，得到一周收视矩阵；利用凝聚层次聚类算法，对一周收视矩阵进行观看模式提取，利用时间上和内容上的对应关系，得到周期性观看场景。5.根据权利要求4所述的一种IPTV节目推荐方法，其特征在于，用户i的S天收视纪录矩阵为Ui，其包含理想收视矩阵Xi，与误差矩阵Ei：Ui＝Xi+Ei；利用低秩矩阵恢复模型去除误差矩阵Ei，从而得到理想收视矩阵Xi；对于理想收视矩阵的集合，按照周一到周日的规则重新划分，将所有天的收视向量划分为7个集合，分别表示为Wi1、Wi2、Wi3、Wi4、Wi5、Wi6、Wi7，则用户理想收视的集合可重新表示为：针对每一个集合，对集合中所有的元素取平均值，作为相应集合的代表向量Fij，从而将周一到周日中的每一天的收视用一个代表向量进行表示，依次连接各代表向量，得到用户的一周收视矩阵，用户i一周收视矩阵为Fi＝(Fi1，Fi2，...，Fi7)；对于用户的一周收视矩阵，采用凝聚层级聚类合并其中相邻且相似的时间段，将合并后的时间段作为相应用户的一个观看模式，得到周期性观看场景；其中，凝聚层级聚类的过程如下：步骤a、设置相似度阈值δ，将每一个时间段的数据作为一个簇；步骤b，计算相似度矩阵，簇之间的相似度采用簇的质心来度量，而簇质心之间的相似度采用欧式距离来计算；步骤c，判断相似度是否都小于设定的阈值，如果是，则算法结束，否则转步骤d；步骤d，选出相似度最大的两个簇，将其合并作为一个新的簇，再转步骤b，直至完成。6.根据权利要求1所述的一种IPTV节目推荐方法，其特征在于，所述将周期性观看场景中的每一观看模式作为一兴趣用户，并构建所有兴趣用户的评分矩阵包括：对于每一用户，将相应的周期性观看场景中的每一观看模式作...

【专利技术属性】
技术研发人员：王子磊，马超，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34