一种基于域分解机的机器学习电视节目推荐方法技术
A method of recommending machine learning program based on domain decomposition machine
The present invention relates to the technical field of big data, which discloses a TV program recommendation method learning machine based on domain decomposition, solve the traditional technology in the program recommendations in human intervention and more not only on the basis of the use of user behavior data, there are the problems of poor recommendation effect. The method comprises the following steps: A. of user behavior data and program feature information were collected; B. will be sorted out data as the basic data model, construct FFM algorithm recommendation model; C. FFM algorithm based on recommendation model and the calculation results of the algorithm recommended logic regression; sort of recommendation D., will be sorted the recommendation to users.
【技术实现步骤摘要】
一种基于域分解机的机器学习电视节目推荐方法
本专利技术涉及大数据
，具体涉及一种基于域分解机的机器学习电视节目推荐方法。
技术介绍
目前，电视节目推荐系统已经作为智能电视平台的一个重要组成部分，而分析传统的电视节目推荐系统会发现在推荐节目特征的选取上，人工干预的痕迹十分明显，包括节目名字，类别，年代等各种特征的选取。所谓推荐节目特征包括，推荐过程中，是基于电视节目的类型，如武打，军事为依据作为主要推荐权重，或者基于年代，演员为依据作为主要推荐权重，这些权重比例的选取往往是由人主观去决定的。所以导致了推荐过程中不利于个性化的推荐和推荐效果的提升。同时，在用户历史行为数据的使用上，传统的电视推荐系统主要是依据用户做的统计分析，确定用户的偏好后，推荐用户对应偏好的节目，脱离了电视节目本身更多特征的结合，同时单独做用户偏好的统计分析十分的耗费资源和时间。传统技术中的推荐算法流程如图1所示，图中的推荐算法引擎部分，主要就是使用的item-cf和user-cf的算法来生成推荐结果并缓存在codis中，并且直接由推荐后台服务直接进行调用。
技术实现思路
本专利技术所要解决的技...
【技术保护点】
一种基于域分解机的机器学习电视节目推荐方法，其特征在于，包括以下步骤：a.对用户历史行为数据和节目特征信息进行整理；b.将整理出来的数据作为模型基础数据，构建FFM算法推荐模型；c.基于构建的FFM算法推荐模型并采用逻辑回归算法计算推荐结果；d.对推荐结果进行排序，将排序后的推荐结果推送给用户。
【技术特征摘要】
1.一种基于域分解机的机器学习电视节目推荐方法，其特征在于，包括以下步骤：a.对用户历史行为数据和节目特征信息进行整理；b.将整理出来的数据作为模型基础数据，构建FFM算法推荐模型；c.基于构建的FFM算法推荐模型并采用逻辑回归算法计算推荐结果；d.对推荐结果进行排序，将排序后的推荐结果推送给用户。2.如权利要求1所述的一种基于域分解机的机器学习电视节目推荐方法，其特征在于，步骤a中，所述整理具体包括：选取时间段的用户历史行为数据，清洗数据重复的样本，同时，针对媒体库信息的节目样本进行整理，并进行特征扩维，最后将用户历史对应样本的节目和节目特征合并为一个样本数据，并将样本数据转化为FFM算法使用的格式field_id:feat_id:value。3.如权利要求1所述的一种基于域分解机的机器学习电视节目推荐方法，其特征在于，步骤b中，所述构建FFM算法推...
【专利技术属性】
技术研发人员：于跃，刘鑫，牛文臣，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川,51
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。