基于大数据的个性化视频推荐方法及系统技术方案

本发明专利技术公开了基于大数据的个性化视频推荐方法及系统，方法包括数据采集、初步用户群全集划分、初步用户群精细化、最终用户细分群划分和个性化视频推荐。本发明专利技术属于用户推荐技术领域，具体是指基于大数据的个性化视频推荐方法及系统，本方案通过多阈值初步用户群集成，丰富候选用户群结构，自适应保留各内容渠道的最优用户偏好细分度，增强对用户真实偏好的捕获能力；通过对用户观看行为数据的初步用户群内部细化，突出用户偏好的迁移路径；引入优化遗传算法优化用户观看行为数据的用户细分群划分，采用多目标优化策略提高对潜在偏好变化的敏感度；设计动态调整交叉概率和邻域变异概率机制；进而提高个性化视频推荐效果。

【技术实现步骤摘要】

本专利技术涉及用户推荐，具体是指基于大数据的个性化视频推荐方法及系统。

技术介绍

1、个性化视频推荐方法是基于用户观看行为数据，通过分析用户偏好相似度进行群体划分与优化，为不同用户群精准推送符合其共同偏好的视频内容的技术方法。但是一般个性化视频推荐系统存在无法同时兼顾内容渠道内部和跨内容渠道之间的偏好差异，推荐系统运维成本高，易被用户行为噪声误导，导致推荐准确性低的问题；一般个性化视频推荐系统存在对用户偏好突变模式敏感度不足的问题，并且对于用户实时偏好变化的适应性较差，导致个性化视频推荐效果不佳的问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于大数据的个性化视频推荐方法及系统，针对一般个性化视频推荐系统存在无法同时兼顾内容渠道内部和跨内容渠道之间的偏好差异，推荐系统运维成本高，易被用户行为噪声误导，导致推荐准确性低的问题，本方案通过多阈值初步用户群集成，丰富候选用户群结构，自适应保留各内容渠道的最优用户偏好细分度，增强对用户真实偏好的捕获能力；通过对用户观看行为数据的初步用户本文档来自技高网...

【技术保护点】

1.基于大数据的个性化视频推荐方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于大数据的个性化视频推荐方法，其特征在于：在步骤S2中，所述初步用户群全集划分是通过对两用户视频观看数据的Jaccard相似度得到用户观看行为相似性矩阵R，表示为：；并得到距离矩阵D，表示为：；对R做用户偏好间接关联运算得到用户偏好等价关联矩阵；取阈值集合；其中，是第u个用户视频观看数据和第g个用户视频观看数据的Jaccard相似度；n是数据总数；、和是用于划分用户偏好关联强度的阈值；对每个阈值将作为初步用户群划分；是基于阈值得到的初步用户群划分；将所有阈值下的初步用户群集合取并，...

【技术特征摘要】

1.基于大数据的个性化视频推荐方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于大数据的个性化视频推荐方法，其特征在于：在步骤s2中，所述初步用户群全集划分是通过对两用户视频观看数据的jaccard相似度得到用户观看行为相似性矩阵r，表示为：；并得到距离矩阵d，表示为：；对r做用户偏好间接关联运算得到用户偏好等价关联矩阵；取阈值集合；其中，是第u个用户视频观看数据和第g个用户视频观看数据的jaccard相似度；n是数据总数；、和是用于划分用户偏好关联强度的阈值；对每个阈值将作为初步用户群划分；是基于阈值得到的初步用户群划分；将所有阈值下的初步用户群集合取并，得到初步用户群全集。

3.根据权利要求2所述的基于大数据的个性化视频推荐方法，其特征在于：在步骤s3中，所述初步用户群精细化是对于每个初步用户群内部，初始时将每个用户视频观看数据单独视作一用户细分群；逐步合并距离最小的两用户细分群；直到达到最大合并次数，或合并距离低于合并阈值；得到候选用户细分群；为每个候选用户细分群计算平均关联度，表示为：；其中，是第i个候选用户细分群的平均关联度；g和k是用户视频观看数据索引；是第g个用户视频观看数据和第k个用户视频观看数据的jaccard相似度；并基于平均关联度将候选用户细分群划分为高关联、中关联和低关联；对于候选用户细分群，若所有用户视频观看数据属于同一内容渠道且候选用户细分群是高关联，则保留下的候选用户细分群；若所有用户视频观看数据不属于同一内容渠道且候选用户细分群是低关联，保留下的候选用户细分群；其余取下的候选用户细分群。

4.根据权利要求3所述的基于大数据...

【专利技术属性】
技术研发人员：刘洋，丁泽洋，张宏伟，叶东海，王晓静，于海婧，胡文静，吴志潇，曹海文，金小钰，
申请(专利权)人：联通视频科技有限公司，
类型：发明
国别省市：