The invention discloses a personalized recommendation method for IPTV TV programs, which considers both time context and implicit feedback. By constructing a preference model for viewing programs, the method determines the preference of users for program types in different time periods, and then uses the construction tensor and tensor decomposition method to mine users and program types. The potential relationship between type and time period, so as to make personalized recommendation accurately and effectively. Compared with the existing recommendation algorithm, the present method can provide better recommendation accuracy and higher recall rate.
【技术实现步骤摘要】
兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法
本专利技术涉及IPTV服务领域,具体涉及一种兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法。
技术介绍
近年来,随着“三网融合”的快速推进,多元化的个性化服务呼声渐高。电信网络、有线网络和计算机网络相互渗透,逐步融合成统一的信息通信网络,在智能交通、环境保护、政府工作、公共安全等领域均得到关注。作为“三网融合”中最重要的应用之一,IPTV已拥有大量用户。通过IPTV服务,用户可以随时收看任何感兴趣的电视节目。为提高用户对IPTV的满意度,IPTV运营商正在提供各种个性化观看服务,如电视直播(LiveTV),视频点播(VOD),Catch-upTV等。这些服务为用户提供了多种观看选择:电视直播正如普通的广播电视一样,用户可以观看现场直播的视频;VOD是对电视直播节目的补充,用户可以随时观看任何预先录制的视频,通常是电影、电视连续剧、综艺节目或卡通片等;而新近引入的Catch-upTV允许用户观看几天前(例如3天)直播的任何视频。IPTV大大增加了用户选择电视节目的灵活性。但是,在数千部电影、电视剧或其他节目中选择时,用户经常将面临信息过载的问题。若花太长时间才能来找到中意的电视节目,用户的观看体验将会大幅度降低。因此,需要个性化推荐系统来帮助用户快速找到他们喜欢看的电视节目,从而提升用户对IPTV的满意度。目前,在众多诸如视频流媒体(如Netflix,YouTube),音乐流媒体(如Spotify,Pandora),销售产品服务(如Amazon,Booking)和社交网络(如Facebook ...
【技术保护点】
1.兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法,其特征在于,包括以下步骤:步骤1,构建用户观看节目的偏好模型所述的偏好模型包括用户在某一时间段对节目类型的忠诚度以及兴趣度,其中,所述的忠诚度为用户在某一时间段观看某类型节目的时长与该类型节目的实际播放时长之比,所述的兴趣度为用户在某一时间段观看某类型节目的时长与用户观看所有节目类型的总时长之比;根据偏好模型确定用户在不同时间段对节目类型的偏好值;步骤2,构建张量以表示用户、节目类型、时间段之间的关系,其中张量中的每一项代表用户在某一时间段内对某一节目类型的偏好值;步骤3,将所述的张量进行分解、重构,获得所述张量的近似张量,根据所述张量和近似张量构建损失函数,并对所述损失函数进行正则化,得到目标函数;求解所述的目标函数,根据求解结果确定最佳近似张量;步骤4,将所述的最佳近似张量中的元素作为预测结果,根据预测结果向用户推荐节目类型。
【技术特征摘要】
1.兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法,其特征在于,包括以下步骤:步骤1,构建用户观看节目的偏好模型所述的偏好模型包括用户在某一时间段对节目类型的忠诚度以及兴趣度,其中,所述的忠诚度为用户在某一时间段观看某类型节目的时长与该类型节目的实际播放时长之比,所述的兴趣度为用户在某一时间段观看某类型节目的时长与用户观看所有节目类型的总时长之比;根据偏好模型确定用户在不同时间段对节目类型的偏好值;步骤2,构建张量以表示用户、节目类型、时间段之间的关系,其中张量中的每一项代表用户在某一时间段内对某一节目类型的偏好值;步骤3,将所述的张量进行分解、重构,获得所述张量的近似张量,根据所述张量和近似张量构建损失函数,并对所述损失函数进行正则化,得到目标函数;求解所述的目标函数,根据求解结果确定最佳近似张量;步骤4,将所述的最佳近似张量中的元素作为预测结果,根据预测结果向用户推荐节目类型。2.如权利要求1所述的兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法,其特征在于,所述的偏好值的确定过程包括:为所述的忠诚度、兴趣度分别赋予不同的权值,并将赋予权值后的忠诚度、兴趣度之和作为所述的偏好值。3.如权利要求2所述的兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法,其特征在于,为所述的忠诚度赋予的权值大于为所述的兴趣度赋予的权值。4.如权利要求1所述的兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法,其特征在于,步骤2中所述的张量A表示为:其中,i表示用户,j表示节目类型,d表示时间段,M表示用户个数,N表示节目类型个数,L表示时间段的个数。5.如权利要求1所述的兼顾时间上下文与隐式反馈的IPTV电视节目个性化推荐方法,其特征在于,步骤3所述的近似张量的获得方法包括:将所述的张量A分解为核心张量S和各因子矩阵(U,G,T)的模积,对核心张量S和各因子矩阵(U,G,T)进行初始化,得到U∈RM×du,G∈RN×...
【专利技术属性】
技术研发人员:尹小燕,王华,米晓倩,刘浩,徐成,许鹏飞,汤战勇,陈晓江,房鼎益,
申请(专利权)人:西北大学,
类型:发明
国别省市:陕西,61
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。