媒资推荐方法、装置、系统及计算机可读存储介质制造方法及图纸

本发明专利技术公开一种媒资推荐方法、装置、系统及计算机可读存储介质，其中，所述媒资推荐方法包括步骤：获取预设历史时长内智能电视的每个用户观看媒资的观影数据，并根据观影数据计算用户对所观看的媒资的显性评分；构建用户的ID与媒资的ID的显性评分矩阵，采用修正余弦算法计算显性评分矩阵中任意两种媒资之间的相似度；分别以每种媒资为键值，按照相似度从大到小对多个媒资进行的排序，得到键值对应的媒资序列；将媒资序列前M个媒资中已观看键值的用户未观看的媒资推荐至已观看键值的用户，可以通过调整预设历史时长将用户长期的观影习惯纳入推荐因素的参考范围，提高了媒资推荐系统的准确性。统的准确性。统的准确性。

【技术实现步骤摘要】
媒资推荐方法、装置、系统及计算机可读存储介质


[0001]本专利技术涉及媒资数据处理领域，尤其涉及一种媒资推荐方法、装置、系统及计算机可读存储介质。

技术介绍

[0002]在人工智能及大数据热潮的推动下，推荐系统被广泛应用到诸如视频、资讯和电商等面向用户的服务领域。推荐系统概括起来主要包含候选推荐结果召回和推荐结果的排序输出两个阶段，其中候选推荐结果召回的主要工作是针对系统不同的输入数据和业务场景，采用多种推荐算法生成推荐结果，并将所有结果组合成候选推荐结果集，推荐结果的排序输出的主要工作是针对召回阶段生成的候选推荐结果集进行排序优化，使得用户最感兴趣的物品能够排序到最前面。传统的视频服务网站往往需要大量专业的人员进行人工运营推荐，而现有的个性化智能推荐系统往往只需用户的行为日志数据就能达到甚至超过专业的人工运营效果，因而被广泛应用于各大主流视频网站。因此，针对现有的视频推荐系统，对推荐系统中的推荐算法及策略进行优化和改进是非常必要和有价值的。
[0003]现有的视频推荐系统主要存在以下问题：现有推荐系统中的推荐算法大都考虑用户短期的视频偏好进行关联推荐的视频可能并不是用户感兴趣的，从而导致推荐系统的准确率不高。

技术实现思路

[0004]本专利技术的主要目的在于提出一种媒资推荐方法、装置、系统及计算机可读存储介质，旨在提高媒资推荐系统的准确率不高的问题，所述媒资推荐方法包括以下步骤：
[0005]获取预设历史时长内智能电视的每个用户观看媒资的观影数据，并根据所述观影数据计算所述用户对所观看的所述媒资的显性评分；
[0006]构建所述用户的ID与所述媒资的ID的显性评分矩阵，采用修正余弦算法计算所述显性评分矩阵中任意两种所述媒资之间的相似度；
[0007]分别以每种所述媒资为键值，按照所述相似度从大到小对多个所述媒资进行的排序，得到所述键值对应的媒资序列；
[0008]将所述媒资序列前M个所述媒资中已观看所述键值的所述用户未观看的所述媒资推荐至已观看所述键值的所述用户，其中，推荐顺序为所述相似度从大到小的顺序，所述M为正整数。
[0009]在一种实施方式中，所述观影数据包括所述预设历史时长内所述用户点击所观看的第i种所述媒资的点击参数n
i
‑
adjusted
，所述预设历史时长内所述用户所观看的第i种所述媒资的平均完播率r
i
‑
avg
，以及所述预设历史时长内所述用户所观看的第i种所述媒资的播放时长与所述预设历史时长内所述用户观看所有所述媒资的总时长比值r
i
‑
percentage
，根据所述观影数据计算所述用户对所观看的所述媒资的显性评分步骤中的计算公式为：Rating＝(100*n
i
‑
adjusted
+75*r
i
‑
avg
+25*r
i
‑
percentage
)/100*10，其中，所述Rating为所述用户所观看
的第i种所述媒资的显性评分。
[0010]在一种实施方式中，所述n
i
‑
adjusted
的计算公式为：n
i
‑
adjusted
＝n
i
‑
click
/percentile(N,0.95)，其中，所述percentile(N,0.95)表示所述预设历史时长内对每个所述用户点击第i种所述媒资的次数进行从小到大的排序，最大序号的95％的序号对应的次数；所述n
i
‑
click
为所述预设历史时长内某个所述用户点击第i种所述媒资的总次数。
[0011]在一种实施方式中，所述r
i
‑
avg
的计算公式为：所述t
i
‑
watch
表示所述用户每次点击第i种所述媒资时的观看时长，所述t
i
‑
video
表示第i种所述媒资完整播放时长，所述为所述用户点击第i种所述媒资的完整播放率。
[0012]在一种实施方式中，所述r
i
‑
percentage
的计算公式为：r
percentage
＝∑t
i_watch
/∑t
total
，所述∑t
i
‑
watch
为所述用户在所述预设历史时长内观看第i种所述媒资的总时长，所述∑t
total
为所述用户在所述预设历史时长内观看所有所述媒资的总时长。
[0013]在一种实施方式中，所述采用修正余弦算法计算所述评分矩阵中任意两种所述媒资之间的相似度步骤中的相似度计算公式为：其中，所述(i,j)为包括媒资i和媒资j的媒资对；所述U
i
表示对媒资i有显性评分的用户集合；所述U
j
表示对媒资j有显性评分的用户集合；所述s
ui
为用户u对媒资i的显性评分正则化之后的结果，所述s
uj
为用户u对媒资j的显性评分正则化之后的结果。
[0014]在一种实施方式中，所述s
uj
的计算公式为：s
uj
＝r
uj
‑
μ
u
，其中，所述r
uj
为用户u对媒资j的显性评分，所述μ
u
为用户u对所有已观看所述媒资的显性评分的平均值。
[0015]此外，为实现上述目的，本专利技术还提供一种媒资推荐装置，所述媒资推荐装置包括：
[0016]获取模块，用于获取预设历史时长内智能电视的每个用户观看媒资的观影数据；
[0017]第一计算模块，用于根据所述观影数据计算所述用户对所观看的所述媒资的显性评分；
[0018]构建模块，用于构建所述用户的ID与所述媒资的ID的显性评分矩阵；
[0019]第二计算模块，用于采用修正余弦算法计算所述显性评分矩阵中任意两种所述媒资之间的相似度；
[0020]排序模块，用于分别以每种所述媒资为键值，按照所述相似度从大到小对多个所述媒资进行的排序，得到所述键值对应的媒资序列；
[0021]推荐模块，用于将所述媒资序列前M个所述媒资中已观看所述键值的所述用户未观看的所述媒资推荐至已观看所述键值的所述用户，其中，推荐顺序为所述相似度从大到小的顺序，所述M为正整数。
[0022]此外，为实现上述目的，本专利技术还提供一种媒资推荐系统，所述媒资推荐系统包括存储器、处理器及存储在存储器上并可在所述处理器上运行的媒资推荐程序，媒资推荐程
序被所述处理器执行时实现如上所述的媒资推荐方法的步骤。
[0023]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，计算机可读本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种媒资推荐方法，其特征在于，所述媒资推荐方法包括以下步骤：获取预设历史时长内智能电视的每个用户观看媒资的观影数据，并根据所述观影数据计算所述用户对所观看的所述媒资的显性评分；构建所述用户的ID与所述媒资的ID的显性评分矩阵，采用修正余弦算法计算所述显性评分矩阵中任意两种所述媒资之间的相似度；分别以每种所述媒资为键值，按照所述相似度从大到小对多个所述媒资进行的排序，得到所述键值对应的媒资序列；将所述媒资序列前M个所述媒资中已观看所述键值的所述用户未观看的所述媒资推荐至已观看所述键值的所述用户，其中，推荐顺序为所述相似度从大到小的顺序，所述M为正整数。2.如权利要求1所述的媒资推荐方法，其特征在于，所述观影数据包括所述预设历史时长内所述用户点击所观看的第i种所述媒资的点击参数n
i
‑
adjusted
，所述预设历史时长内所述用户所观看的第i种所述媒资的平均完播率r
i
‑
avg
，以及所述预设历史时长内所述用户所观看的第i种所述媒资的播放时长与所述预设历史时长内所述用户观看所有所述媒资的总时长比值r
i
‑
percentage
，根据所述观影数据计算所述用户对所观看的所述媒资的显性评分步骤中的计算公式为：Rating＝(100*n
i
‑
adjusted
+75*r
i
‑
avg
+25*r
i
‑
percentage
)/100*10，其中，所述Rating为所述用户所观看的第i种所述媒资的显性评分。3.如权利要求2所述的媒资推荐方法，其特征在于，所述n
i
‑
adjusted
的计算公式为：n
i
‑
adjusted
＝n
i
‑
click
/percentile(N,0.95)，其中，所述percentile(N,0.95)表示所述预设历史时长内对每个所述用户点击第i种所述媒资的次数进行从小到大的排序，最大序号的95％的序号对应的次数；所述n
i
‑
click
为所述预设历史时长内某个所述用户点击第i种所述媒资的总次数。4.如权利要求3所述的媒资推荐方法，其特征在于，所述r
i
‑
avg
的计算公式为：所述t
i
‑
watch
表示所述用户每次点击第i种所述媒资时的观看时长，所述t
i
‑
video
表示第i种所述媒资完...

【专利技术属性】
技术研发人员：李鹏飞，田灯友，
申请(专利权)人：深圳市易平方网络科技有限公司，
类型：发明
国别省市：