一种智能电视媒资实时推荐方法技术

本发明专利技术公开了一种智能电视媒资实时推荐方法，通过Flink实时接收来自用户的搜索，观影记录，观影时长等信息与媒资库维度表进行join，然后进行画像维度的加权叠加计算，画像的修正，输入画像值推荐模型更新推荐集，最后推送推荐内容至终端。利用Flink流式处理对用户行为数据实时分析、实时更新推荐内容，时延从MapReduce方式的天级别提升到秒级，利用画像修正模块解决了误点击造成的错误推荐问题。像修正模块解决了误点击造成的错误推荐问题。像修正模块解决了误点击造成的错误推荐问题。

【技术实现步骤摘要】
一种智能电视媒资实时推荐方法


[0001]本专利技术涉及智能电视
，具体涉及一种智能电视媒资实时推荐方法。

技术介绍

[0002]目前智能电视媒资个性化推荐领域大多采用MapReduce等离线分析手段进行用户画像的构建和推荐内容的生成。MapReduce批处理的特点导致用户的行为数据不能得到及时的处理分析，导致用户的行为从产生到推荐系统针对该行为推荐符合用户口味的影视这一过程存在很大延时，这就导致了推荐内容更新频率低，终端呈现内容不能随用户行为实时动态更新问题。同时由于离线分析不能很好的计算用户观影时长，不能进行用户画像的负反馈导致误推荐问题。

技术实现思路

[0003]本专利技术为了解决上述技术问题，提供了一种智能电视媒资实时推荐方法，该方法可以实时分析用户行为，使推荐内容更加实时，推荐结果更加精准。
[0004]为了达到上述技术效果，本专利技术提供了如下技术方案：
[0005]一种智能电视媒资实时推荐方法，包括以下步骤：
[0006](1)为了采集原始行为数据本专利利用FLume实时分发大数据平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能电视媒资实时推荐方法，其特征在于，包括以下步骤：(1)进行数据采集得到数据流A；(2)将数据流A进行实时数据清洗得到数据流B；(3)维度表Join：利用异步线程将媒资库影视维度表载入内存且定时刷新，利用数据流B中影视id与内存中的影视维度表Join，形成关联后的数据流C；(4)画像加权计算：依据用户行为数据流C的画像维度进行加权并与已有状态进行Reduce，生成实时画像P；(5)更新推荐内容：将实时画像数据P输入推荐模型，得到用户推荐集R，存入Redis数据库；(6)修正画像及推荐集：画像P及推荐集R可能是用户误点击形成，用户退出影片播放时，计算出观看用户观看时长d，结合影片时长L,通过d/L计算出用户对该影片的喜好程度值，若d/L低于阈值Y则对影片信息维度降权，若d/L高于阈值Y则对影片信息维度进行加权，得到新的画像P
’
，将新的画像输入模型再次生成推荐内容，存入Redis数据库覆盖已有推荐集R
...

【专利技术属性】
技术研发人员：何快洛，
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：