基于属性描述的个性化影片推荐系统及方法技术方案

本发明专利技术一种基于属性描述的个性化影片推荐系统，包括候选影片数据库、观看记录数据库、用户兴趣偏好模型计算模块和影片推荐模块。本发明专利技术通过采用属性描述代表影片特征并按类型进行分层，分析不同层次的集中度聚焦用户兴趣热点，并采用时间遗忘因子和影片模型的线性叠加方法跟踪用户兴趣变化，实时响应用户对影片的反馈，调整用户兴趣偏好模型，提高了影片推荐的准确度和适应性。

【技术实现步骤摘要】

本专利技术涉及网络媒体服务领域，特别涉及 一 种影片个性化推荐系统及 方法。
技术介绍
随着计算机网络技术和视频压缩技术的发展，视频应用得到了广泛的 应用。视频业务的发展来源于丰富视频内容的推动，也势必会引起视频数 量的增加和内容的多样化。针对个人用户，丰富的影片内容一方面增加了用户的选择，另一方面却加大了用户观看影片选择的难度。通常情况下， 不同的人具有各自的兴趣范围，每个人的选择标准和方式不同，而且随着观看内容和时间的推移这种兴趣也会发生变化。因此，现代视频业务除了 提供丰富的视频内容外，还应针对个人实现个性化的信息提取服务，从而 智能化地帮助用户进行选择。在辅助用户选择影片上，大多数已有的业务系统提供了 "收藏"功能， 但它只能对用户已经确定感兴趣的影片进行收藏，然后再必要时进行快速 检索，而无法判断用户对新影片的感兴趣程度。另一种手段是现在网络上 使用的"搜索，，功能，它根据用户提供的关键词进行相关性匹配，检索出 用户可能比较感兴趣的内容，然而，这种方式需要用户自己提供关键词， 需要很多的经验和技巧，不能自动定位用户的兴趣焦点。信息检索技术满 足了人们一定的需要，但由于其通用的性质，仍不能满足不同背景、不同 目的和不同时期的查询请求。个性化服务技术就是针对这个问题而提出的， 它通过收集和分析用户信息来学习用户的兴趣和行为，从而实现主动推荐 的目的，吸引更多的访问者。针对影片观看，用户的兴趣偏好在平时的观 看行为上已经有所体现，通过挖掘这种用户行为就能够自动挖取用户的潜 在兴趣点并判断用户是否对新影片内容感兴趣，从而完成影片的个性化推荐。现有的个性化推荐方法，根据其所采用的推荐技术可分为两种基于 规则的系统和信息过滤系统，其中的信息过滤系统又可分为基于内容过滤 的系统和协作过滤系统。基于规则的系统具有简单、直接的优点，但规则 质量很难保证，且不能动态更新，此外，随着规则的数量增多，系统将变 得越来越难管理。协作过滤系统利用用户之间的相似性来过滤信息，它能 够为用户发现新的感兴趣的信息，但存在稀疏性和扩展性方面的问题。在 系统使用初期，由于系统资源还未获得足够多的评价，系统很难利用这些 评价来发现相似的用户，此外，随着系统用户和资源的增多，系统的性能 会越来越低。在家庭网络媒体服务应用中，可以看作只有单个用户观看影 片并使用个性化推荐，协作过滤系统无法正常工作，因此， 一种更好的方 式是采用基于内容过滤的方式进行推荐，它利用影片资源与用户兴趣的相 似性来过滤信息，能够简单、有效地完成影片内容的推荐。在基于影片内 容的推荐方法中，关键字匹配方法的推荐结果准确度不高，无法感知用户兴趣热点；采用本体论描述方法因视频语义信息量大、结构复杂，目前尚 无确定的抽象描述形式，很难提取影片特征。因此，需要一种方法解决上 述问题。
技术实现思路
本专利技术的目的旨在至少解决上述技术缺陷之一，特别是解决个人用户 难以从大量的影片内容中选择真正感兴趣的影片的缺陷。为达到上述目的，本专利技术一方面提出一种基于属性描述的个性化影片 推荐系统，包括候选影片数据库、观看记录数据库、用户兴趣偏好模型计 算模块和影片推荐模块。所述候选影片数据库，用于存储完整影片属性描 述信息；所述观看记录数据库，用于存储用户观看影片信息记录；所述用 户兴趣偏好模型计算模块，用于根据所述用户观看影片信息记录计算用户 兴趣偏好模型；所述影片推荐模块，用于根据所述用户兴趣偏好模型对所 述候选影片数据库中还未观看的新影片进行打分，获取标量推荐分值并排 序，推荐前N部所述推荐分值最大的影片。作为本专利技术的 一 个实施例，所述候选影片数据库中的存储内容包括曾 经看过的旧影片信息和没有观看过的新影片信息，其中，影片属性描述信 息包括影片标识、题材类型、主演、导演、制片人、出品年份、出品公司、 国家地区、背景、获奖记录、语言类型和影片时长。这些类别属性可看作 影片不同层次的描述，构成完整影片描述信息的分层结构，即影片模型。针对每个类别层次，可包括0个、l个或多个(属性，属性值)对。作为本专利技术的 一个实施例，所述观看记录数据库中的每条记录包括影 片标识、观看日期、观看时的操作及其对应的时间和个人评价打分等观看动态信息。作为专利技术的一个实施例，所述用户兴趣偏好模型在用户请求影片推荐时实时建立，包括以下步骤根据请求的用户标识从所述观看记录数据库 中提取所述用户在指定时间窗口内的所有所述用户观看影片信息记录，并 根据记录中的所述影片标识从所述候选影片数据库中检索出观看影片的所 述完整影片描述信息；将所述完整影片描述信息依据影片权值进行线性叠 加，获得用户历史叠加模型；针对所述用户历史叠加模型中的每个层次， 根据各个所述影片属性的属性值大小计算该层的集中度参数，作为该层在 所述用户兴趣偏好模型中的权值，即层次权值；根据设定的阈值把所述层 次权值小的层次和各层次中所述属性值小的属性过滤掉，获取剪裁后的用 户兴趣偏好模型。作为本专利技术的一个实施例，所述影片推荐模块采用所述影片模型与所 述用户兴趣偏好模型的模型匹配算法进行打分，包括以下步骤针对所述 用户兴趣偏好模型中的每层，获取所述影片模型中对应层次所有属性的属 性值，将所述影片模型和用户兴趣偏好模型中该层次具有相同属性的属性 值相乘，再将相乘后的属性值直接线性相加，获得层次匹配分值；针对所获得所述影片标量推荐分值。作为本专利技术的 一 个实施例，所述基于属性描述的个性化影片推荐系统， 还包括影片信息收集接口 、用户观看影片信息记录收集接口和请求推荐接 口。所述影片收集接口，用于向所述候选影片数据库中添加具有完整属性描述的影片记录，由所述候选影片数据库直接对外提供，接口参数为影片 的所有属性描述信息；所述用户观看影片信息记录收集接口 ，用于当用户 观看完一个影片时自动向所述推荐系统提交此次观看的记录信息，由所述观看记录数据库直接对外提供，接口参数为用户观看影片的动态信息；所 述请求推荐接口，用于接收用户的影片推荐请求，所述影片推荐请求包括 用户标识和请求推荐时间参数，接收完成后返回由影片标识和影片名称构 成的推荐结果列表，由所述影片推荐模块直接对外提供。本专利技术另一方面还提出一种基于属性描述的个性化影片推荐方法，包 括以下步骤根据用户标识从所述观看记录数据库中获取指定窗口长度的 用户观看影片信息记录；从所述候选影片数据库中获取全部观看影片模型， 即完整影片描述信息；计算用户兴趣偏好模型；依次从候选影片数据库中 获取各影片的完整影片描述信息；根据推荐算法计算所述影片模型与用户 兴趣偏好模型的匹配标量推荐分值；根据所述标量推荐分值排列影片顺序， 并提供前N部影片的信息用于推荐。本专利技术采用属性描述代表影片特征并按类型进行分层，通过分析不同 层次的集中度聚焦用户兴趣热点，并采用时间遗忘因子和影片模型的线性 叠加方法跟踪用户兴趣变化，实时响应用户对影片的反馈，调整用户兴趣 偏好模型，提高了影片推荐的准确度和适应性。本专利技术附加方面的方面和优点将在下面的描述中部分给出，部分将从 下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描 述中将变得明显和容易理解，其中图1为本专利技术实施例的基于本文档来自技高网...

【技术保护点】
一种基于属性描述的个性化影片推荐系统，其特征在于，包括候选影片数据库、观看记录数据库、用户兴趣偏好模型计算模块和影片推荐模块，　所述候选影片数据库，用于存储完整影片属性描述信息；　所述观看记录数据库，用于存储用户观看影片信息记录 ；　所述用户兴趣偏好模型计算模块，用于根据所述用户观看影片信息记录计算用户兴趣偏好模型；　所述影片推荐模块，用于根据所述用户兴趣偏好模型对所述候选影片数据库中还未观看的新影片进行打分，获取标量推荐分值并排序，推荐前Ｎ部所述推荐分 值最大的影片。

【技术特征摘要】

【专利技术属性】
技术研发人员：王子磊，李宁，李俊，奚宏生，吴刚，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：34[中国|安徽]