节目推荐方法、设备及计算机可读存储介质技术

本申请公开了一种节目推荐方法、设备及计算机可读存储介质。其中，所述节目推荐方法包括：通过无监督推荐方法进行节目推荐，根据所获取到的被推荐节目的推荐成功率和推荐关联参数得到推荐预测模型，当需要对节目进行推荐时，利用推荐预测模型对目标节目的目标关联参数进行监督学习，获得目标节目的预测成功率，当预测成功率达到预设阈值，推荐该目标节目。本申请实施例中，通过推荐预测模型对无监督推荐方法的推荐结果进行监督学习，以纠正无监督推荐方法的推荐结果，从而可以减少推荐用户不喜欢的节目，达到提高所推荐的节目被观看的概率的目的，从而可以提高用户的使用体验。从而可以提高用户的使用体验。从而可以提高用户的使用体验。

【技术实现步骤摘要】
节目推荐方法、设备及计算机可读存储介质


[0001]本申请实施例涉及但不限于信息处理
，尤其涉及一种节目推荐方法、设备及计算机可读存储介质。

技术介绍

[0002]在IPTV(Internet Protocol Television，交互式网络电视)飞速发展的今天，节目形式和内容也越来越丰富，如何将这些丰富的节目根据用户的喜好推荐给所观看的IPTV用户，成为目前研究的热门领域。目前的节目推荐方式一般都仅是将喜好相同的用户或者相似的节目进行聚类，并且将相关节目推荐给喜好相同的群体或者给用户推荐相似的节目。但是现有的推荐方式存在如下一些问题：由于不清楚用户是否喜欢所推荐的节目，因此会存在给用户推荐了用户不喜欢的节目或者根本不会看的节目的问题，从而会造成不良的用户体验。

技术实现思路

[0003]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0004]第一方面，本申请实施例提供了一种节目推荐方法、设备及计算机可读存储介质，能够提高所推荐的节目被观看的概率，从而提高用户的使用体验。
[0005]第二方面，本申请实施例提供了一种节目推荐方法，包括，
[0006]获取被推荐节目的推荐成功率和推荐关联参数；
[0007]根据所述推荐成功率和所述推荐关联参数得到推荐预测模型；
[0008]获取目标节目的目标关联参数，根据所述目标关联参数和所述推荐预测模型，得到所述目标节目的预测成功率；
[0009]当所述预测成功率达到预设阈值，推荐所述目标节目。
[0010]第三方面，本申请实施例还提供了一种设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述第二方面的节目推荐方法。
[0011]第四方面，本申请实施例还提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上所述的节目推荐方法。
[0012]本申请实施例包括：根据所获取到的被推荐节目的推荐成功率和推荐关联参数得到推荐预测模型，该推荐预测模型属于有监督推荐方法，可以利用已有的被推荐节目对该推荐预测模型进行训练，以完善该推荐预测模型；接着，当需要对节目进行推荐时，利用推荐预测模型对目标节目的目标关联参数进行监督学习，从而获得目标节目的预测成功率，当预测成功率达到预设阈值，说明该目标节目会被用户观看的概率很高，因此推荐该目标节目。根据本申请实施例提供的方案，通过推荐预测模型和已有的被推荐节目的配合处理，使得推荐预测模型能够被用于对已有的被推荐节目进行监督学习，通过分析被推荐节目的
被用户观看的概率，以纠正最终的推荐结果，从而减少推荐用户不喜欢的节目，达到提高所推荐的节目被观看的概率的目的，从而可以提高用户的使用体验。
[0013]本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0014]附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
[0015]图1是本申请一个实施例提供的用于执行节目推荐方法的系统结构平台的框架示意图；
[0016]图2是本申请一个实施例提供的节目推荐方法的流程图；
[0017]图3是本申请另一实施例提供的节目推荐方法中获取推荐成功率和推荐关联参数的流程图；
[0018]图4是本申请一个实施例提供的状态机的示意图；
[0019]图5是本申请另一实施例提供的节目推荐方法中得到推荐预测模型的流程图；
[0020]图6是本申请另一实施例提供的节目推荐方法中推荐目标节目的流程图；
[0021]图7是本申请一个实施例提供的设备的示意图。
具体实施方式
[0022]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0023]需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0024]本申请提供了一种节目推荐方法、设备及计算机可读存储介质，先利用无监督推荐方法进行节目推荐，根据所获取到的被推荐节目的推荐成功率和推荐关联参数，得到推荐预测模型，该推荐预测模型属于有监督推荐方法，可以对无监督推荐方法的推荐结果进行监督学习，以完善推荐预测模型，提高推荐的准确率；接着，当需要对节目进行推荐时，利用推荐预测模型对目标节目的目标关联参数进行监督学习，从而获得目标节目的预测成功率，当预测成功率达到预设阈值，说明该目标节目会被用户观看的概率很高，因此推荐该目标节目。所以，通过无监督推荐方法和有监督推荐方法的配合处理，使得属于有监督推荐方法的推荐预测模型能够被用于对无监督推荐方法的推荐结果进行监督学习，以纠正无监督推荐方法的推荐结果，从而减少推荐用户不喜欢的节目，达到提高所推荐的节目被观看的概率的目的，从而可以提高用户的使用体验。
[0025]下面结合附图，对本申请实施例作进一步阐述。
[0026]如图1所示，图1是本申请一个实施例提供的用于执行节目推荐方法的系统结构平
台的框架示意图。
[0027]如图1所示，该系统结构平台100包括相互能够进行通信的终端110和服务设备120，该终端110包括第一存储器111、第一处理器112和第一通信模块113，该服务设备120包括第二存储器121、第二处理器122和第二通信模块123。其中，第一通信模块113和第一处理器112电连接，第一存储器111和第一处理器112可以通过总线或者其他方式连接，图1中以通过总线连接为例；第二通信模块123和第二处理器122电连接，第二存储器121和第二处理器122可以通过总线或者其他方式连接，图1中以通过总线连接为例。
[0028]在一实施例中，终端110可以为智能手机、平板电脑、个人计算机、智能电视、网络机顶盒等设备，安装有IPTV客户端，能够为用户提供用户所喜好的节目，其中，当终端110为网络机顶盒时，需要和电视机相配合，从而可以为用户提供用户所喜好的节目。服务设备120可以为本地服务器、局域网服务器或云服务器等，也可以选用能搭建服务器的虚拟主机，能够通过安装在终端110中的IPTV客户端获取与节目相关的属性数据，并根据这些属性数据向用户推荐用户所喜好的节目。
[0029]第一通信模块113和第二通信模块123之间可以进行无线连接，也可以进行有线连接。例如，当终端110本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种节目推荐方法，包括，获取被推荐节目的推荐成功率和推荐关联参数；根据所述推荐成功率和所述推荐关联参数得到推荐预测模型；获取目标节目的目标关联参数，根据所述目标关联参数和所述推荐预测模型，得到所述目标节目的预测成功率；当所述预测成功率达到预设阈值，推荐所述目标节目。2.根据权利要求1所述的节目推荐方法，其特征在于，所述获取被推荐节目的推荐成功率和推荐关联参数，包括：获取被推荐节目的有效被观看次数、被推荐次数和推荐关联参数；根据所述有效被观看次数和所述被推荐次数得到所述被推荐节目的推荐成功率。3.根据权利要求2所述的节目推荐方法，其特征在于，通过状态机对所述有效被观看次数进行统计，所述状态机包括有效观看状态，当所述被推荐节目的状态在预设时长内达到有效观看状态，记录一次有效被观看次数。4.根据权利要求1所述的节目推荐方法，其特征在于，所述根据所述推荐成功率和所述推荐关联参数得到推荐预测模型，包括：建立所述推荐成功率和所述推荐关联参数之间的映射关系；把所述推荐成功率作为训练目标值，把所述推荐关联参数作为训练样本，对所述映射关系进行训练，得到推荐预测模型。5.根据权利要求1所述的节目推荐方法，其特征在于，所述当所述预测成功率达到预设阈值，推荐所述目标节目，包括：当所述预测成功率达到预设阈...

【专利技术属性】
技术研发人员：刘晓亮，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：