[发明专利]基于数据融合的视频节目推荐系统

说明书

技术领域

本发明涉及视频节目推荐系统。

背景技术

随着视频网络的发展，通过网络观看视频节目成为众多网络用户的上网目的之一。如何最大限度地吸引用户，成为视频网站的所要考虑的重要问题。一种有效的方法是根据用户的观看的喜好向用户推荐视频节目。

经过分析，用户通常具有观看某类节目的喜好。例如，有的用户喜欢观看体育节目，有的用户则喜欢观看娱乐节目，而有的用户只喜欢观看功夫节目等等。

在第十届国际互联网会议上(Proceedings of the 10^th international conference onWorld Wide Web)，Badru和George等人提出了基于项目(Item)的协同过滤推荐系统(Item-based Collaborative Filtering Recommendation Algorithms)，在这篇文章中同时还提到一种基于用户(User)的协同过滤推荐系统。这两种过滤系统的基本原理如下：根据已知的用户对某些节目的喜好程度进行计算，然后向具有相同喜好的用户推荐已知用户的其他喜好节目。这种喜好程度通过分值表示，该分值由用户选择，例如1分表示讨厌某个节目，5分表示非常喜欢某个节目。

然而在视频网站中，采用这种方法的进行节目推荐的时候，却碰到许多困难。例如：一、用户不愿意刻意去给节目打分。通常用户到视频网站的目的是观看视频，他们不愿意刻意去给一个节目打分。二、即便有少量的用户给视频节目打分，这些被打分的节目数在所有视频节目的比例非常的小，通常不到1％。上述这些困难会导致上述的协同过滤推荐系统出现“冷启动问题”，(请参见发表于《计算机研究与发展》上的“基于类别的推荐——一种解决协同推荐中冷启动问题的方法”)，这种冷启动问题会导致推荐系统无法正常工作，产生错误的推荐结果。

发明内容

针对现有推荐系统中的不足，本发明提供一种基于数据融合的视频节目推荐系统，该系统首先收集用户在视频网站上的与兴趣度相关的浏览行为，然后通过分析浏览行为并打分后，进行数据融合，融合后的分值，也就是某用户对某视频节目的兴趣度值，根据该兴趣度值进行节目的推荐。本发明具体是通过以下技术方案实现的：

一种基于数据融合的视频节目推荐系统，其特征在于包括：

用户行为数据收集模块，用于收集和存储用户在视频网站的浏览行为数据；

数据融合模块，与所述用户行为数据收集模块相连接，用于将某个用户对某个视频节目的浏览行为数据转化为该用户对某个视频节目的兴趣度值；

节目推荐模块，根据用户对某些节目的兴趣度值，向具有相同喜好的其他用户推荐该用户的其他兴趣度值高的节目；

其中，浏览行为数据包括为播放行为数据，将用户播放节目的时长除以该节目的长度得到时长比例r，时长比例r越大，兴趣度值越高。

进一步地，所述用户行为数据收集模块中收集数据的时间长度为某一时刻之前的一个时间段。

进一步地，所述数据融合模块中的兴趣度值为某一时刻之前的一个时间段内的浏览行为数据转化而获得的数值。

进一步地，所述节目推荐模块为采用定期的方式向具有相同喜好的其他用户推荐该用户的其他兴趣度高的节目的模块。

本发明避免了用户在不愿意刻意去给节目打分的情况下，导致上述的协同过滤推荐系统出现冷启动的问题，只要用户有播放行为，就可产生正确的推荐结果。并且在融合了用户其它与兴趣度相关的浏览行为数据后，可更加准确地产生推荐的节目列表，通过这种无需用户刻意评分的技术方案，大大提高了用户对推荐节目的满意度，降低了视频服务器因用户盲目点击造成的负担。

附图说明

图1为本发明基于数据融合的视频节目推荐系统实施例示意图。

具体实施方式

如图1所示，一种基于数据融合的视频节目推荐系统，包括以下模块：

用户行为数据收集模块，用于收集和存储用户在视频网站的浏览行为数据；

数据融合模块，与所述用户行为数据收集模块相连接，用于将某个用户对某个视频节目的浏览行为数据转化为该用户对某个视频节目的兴趣度值；

节目推荐模块，根据用户对某些节目的兴趣度值，向具有相同喜好的其他用户推荐该用户的其他兴趣度值高的节目；

其中，浏览行为数据包括为播放行为数据，将用户播放节目的时长除以该节目的长度得到时长比例r，时长比例r越大，兴趣度值越高。