【技术实现步骤摘要】
本专利技术涉及互联网影片推荐，尤其涉及的是一种基于知识图谱的分时影片推荐处理方法、装置、智能终端及存储介质。
技术介绍
1、随着科技的发展和人们生活水平的不断提高，各种智能终端的使用越来越普及。
2、现有的互联网电视影片推荐算法大多采用传统的数据库存储媒资，推荐模型集成部分媒资属性进行推荐，例如，结合用户的长期观影积累下来的观影记录、用户标签，根据影片的名称、导演、演员、标签信息等进行推荐。但是，这些指标并不能反映用户的真实兴趣和需求。因此，这些算法得到的推荐结果可能不准确，推荐不出来用户想看的或者推荐出来很多用户看过、不想看的，影响用户观影体验。特别针对在工作日和周末很多用户的观影时间点会不同，但是现有技术的影片推荐基本不能实现根据用户固定位置的分时个性化推荐，不方便用户使用。
3、因此，现有技术还有待改进和发展。
技术实现思路
1、本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于知识图谱的分时影片推荐处理方法、装置、智能终端及存储介质，本专利技术针对在工作日和周末很多用户的观影时间点会不同，实现根据用户固定位置的分时个性化推荐，为用户的使用提供了方便。
2、本专利技术解决问题所采用的技术方案如下：
3、一种基于知识图谱的分时影片推荐处理方法，其中，包括：
4、获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图；
5、基于构建的用户画像图，把用户画像图和媒体资源数据建立关联
6、使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量；
7、基于所述用户操作行为数据，和转为向量的联合知识图谱的实体和关系参数，采用分时推荐算法构建每个用户的分时推荐池数据；
8、基于构建所述用户画像图，结合每个用户的分时推荐池数据，并将用户已看及不感兴趣的内容过滤，输出根据用户操作实时更新推荐内容的推荐预测结果。
9、所述的基于知识图谱的分时影片推荐处理方法，其中，所述获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图的步骤包括：
10、通过日志记录、数据库查询、api调用方式获取收集用户的操作行为数据，其中，所述操作行为数据包括点击、浏览、搜索、购买、收藏、评论行为数据；
11、对收集到的用户操作行为数据进行清洗和预处理，包括去除异常值、处理缺失值、去重复操作，确保数据的准确性和完整性；
12、通过数据分析技术，对清洗后的用户操作行为数据进行分析，挖掘用户的行为模式、偏好趋势数据；
13、基于分析得到的用户操作行为数据，构建用户画像图，其中，所述用户画像是对用户的描述和分类，包括用户的基本信息、兴趣爱好、消费习惯、行为特征方面。
14、所述的基于知识图谱的分时影片推荐处理方法，其中，所述基于构建的用户画像图，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱的步骤包括：
15、根据构建的用户画像图，包括用户的基本信息、兴趣爱好、消费习惯，形成用户画像数据集；
16、收集各种媒体资源数据，包括文章、视频、音频、图片数据；
17、对收集到的媒体资源数据进行清洗和预处理，包括去除噪声数据、处理格式不一致的数据、去重复处理；
18、通过所述用户画像图中的关键特征，将用户画像数据与媒体资源数据建立关联，将用户画像图和媒体资源数据的关联信息整合在一起，构建用户的联合知识图谱。
19、所述的基于知识图谱的分时影片推荐处理方法，其中，所述使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量的步骤包括：
20、从构建的联合知识图谱中提取实体和关系的参数信息，其中，所述实体包括用户、媒体资源；所述关系包括用户与媒体资源的交互、用户兴趣与媒体内容的关联；
21、选择对应的知识图嵌入方法，将提取的实体和关系参数转化为向量表示。
22、所述的基于知识图谱的分时影片推荐处理方法，其中，所述基于所述用户操作行为数据，和转为向量的联合知识图谱的实体和关系参数，采用分时推荐算法构建每个用户的分时推荐池数据的步骤包括：
23、对用户的操作行为数据进行分析，分析用户的浏览历史、点击记录、收藏行为，通过分析用户的行为数据，确定用户的兴趣偏好、行为习惯信息；
24、从转为向量的联合知识图谱中的实体和关系参数，捕捉实体之间的语义关联；
25、根据用户的操作行为数据和知识图谱向量表示，利用选定的分时推荐算法构建每个用户的分时推荐池数据；并在不同的时间段内，根据用户的实时行为和兴趣演化，更新分时推荐池数据。
26、所述的基于知识图谱的分时影片推荐处理方法，其中，所述基于所述用户操作行为数据，和转为向量的联合知识图谱的实体和关系参数，采用分时推荐算法构建每个用户的分时推荐池数据的步骤还包括：
27、持续监控用户的操作行为和知识图谱的变化，及时更新和维护每个用户的分时推荐池数据。
28、所述的基于知识图谱的分时影片推荐处理方法，其中，所述基于构建所述用户画像图，结合每个用户的分时推荐池数据，并将用户已看及不感兴趣的内容过滤，输出根据用户操作实时更新推荐内容的推荐预测结果的步骤包括：
29、将每个用户的分时推荐池数据与用户画像图进行结合，将用户画像信息与分时推荐池数据进行匹配，分析出用户的实时兴趣和需求，找出符合用户兴趣的推荐内容；
30、对找出符合用户兴趣的推荐内容，根据用户的历史行为记录和反馈信息，将用户已经浏览过或标记为不感兴趣的内容进行过滤；
31、将过滤后的符合用户兴趣的推荐内容输出推荐预测结果。
32、一种基于知识图谱的分时影片推荐处理装置，其中，所述装置包括：
33、用户数据获取与画像模块，用于获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图；
34、联合知识图谱构建模块，用于基于构建的用户画像图，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱；
35、向量转化模块，用于使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量；
36、分时推荐池构建模块，用于基于所述用户操作行为数据，和转为向量的联合知识图谱的实体和关系参数，采用分时推荐算法构建每个用户的分时推荐池数据；
37、分时预测结果输出模块，用于基于构建所述用户画像图，结合每个用户的分时推荐池数据，并将用户已看及不感兴趣的内容过滤，输出根据用户操作实时更新推荐内容的推荐预测结果。
38、一种智能终端，其中，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-7中任意一项所述的方法。
39、一种非临时性计算机可读本文档来自技高网...
【技术保护点】
1.一种基于知识图谱的分时影片推荐处理方法，其特征在于，包括：
2.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图的步骤包括：
3.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述基于构建的用户画像图，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱的步骤包括：
4.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量的步骤包括：
5.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述基于所述用户操作行为数据，和转为向量的联合知识图谱的实体和关系参数，采用分时推荐算法构建每个用户的分时推荐池数据的步骤包括：
6.根据权利要求5所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述基于所述用户操作行为数据，和转为向量的联合知识图谱的实体和关系参数，采用分时推荐算法构建每个用户的分时推荐池数据的步骤
7.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述基于构建所述用户画像图，结合每个用户的分时推荐池数据，并将用户已看及不感兴趣的内容过滤，输出根据用户操作实时更新推荐内容的推荐预测结果的步骤包括：
8.一种基于知识图谱的分时影片推荐处理装置，其特征在于，所述装置包括：
9.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-7中任意一项所述的方法。
10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-7中任意一项所述的方法。
...【技术特征摘要】
1.一种基于知识图谱的分时影片推荐处理方法，其特征在于，包括：
2.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图的步骤包括：
3.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述基于构建的用户画像图，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱的步骤包括：
4.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量的步骤包括：
5.根据权利要求1所述的基于知识图谱的分时影片推荐处理方法，其特征在于，所述基于所述用户操作行为数据，和转为向量的联合知识图谱的实体和关系参数，采用分时推荐算法构建每个用户的分时推荐池数据的步骤包括：
6.根据权利要求5所述的基于知识图谱的分时影片推荐处理方法，其特征...
【专利技术属性】
技术研发人员：陈干文，
申请(专利权)人：深圳市酷开网络科技股份有限公司，
类型：发明
国别省市：
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。