[发明专利]IPTV节目推荐方法

权利要求书

1.一种IPTV节目推荐方法，其特征在于，包括：

根据用户的观看日志，构建用户收视矩阵，包括：获取用户的观看日志，通过划分节目类型和时间段，根据每一天收视纪录的时间和收看节目的类型，将用户一定天数的收视纪录表示为矩阵的形式；

对用户收视矩阵依次进行低秩去噪、周期性压缩与观看模式提取，从而获得用户的周期性观看场景；其中，利用低秩矩阵恢复模型，除去用户收视矩阵中的噪声，得到理想收视矩阵；对于理想收视矩阵中每一天的收视向量，以一周为周期，按照周一到周日的规则划分为7个集合，依次连接各集合的中心，得到一周收视矩阵；对于用户的一周收视矩阵，采用凝聚层级聚类合并其中相邻且相似的时间段，将合并后的时间段作为相应用户的一个观看模式；

将周期性观看场景中的每一观看模式作为一兴趣用户，并构建所有兴趣用户的评分矩阵；

对当前观看模式进行识别，从而确定当前兴趣用户，再采用联合推荐策略，从历史影料库和当前直播的节目中推荐用户感兴趣的节目，生成推荐列表推送给用户。

2.根据权利要求1所述的一种IPTV节目推荐方法，其特征在于，

定义N表示节目类型的数目，T表示每一天被划分的时间段数目，则用户i第s天的收视纪录表示为d_is∈R^T×N，其中，d_is(t,n)表示在时间段t收看类型节目n的时间占时间段t时长的比例；

定义L＝T×N，将每一天的收视纪录表示为一个向量对于用户i，其S天收视纪录矩阵表示为则所有用户的S天收视纪录矩阵表示为N_u表示用户的数目。

3.根据权利要求1所述的一种IPTV节目推荐方法，其特征在于，

利用凝聚层级聚类算法，对一周收视矩阵进行观看模式提取，利用时间上和内容上的对应关系，得到周期性观看场景。

4.根据权利要求1所述的一种IPTV节目推荐方法，其特征在于，

用户i的S天收视纪录矩阵为U_i，其包含理想收视矩阵X_i，与误差矩阵E_i：

U_i＝X_i+E_i；

利用低秩矩阵恢复模型去除误差矩阵E_i，从而得到理想收视矩阵X_i；

对于理想收视矩阵的集合，按照周一到周日的规则重新划分，将所有天的收视向量划分为7个集合，分别表示为W_i1、W_i2、W_i3、W_i4、W_i5、W_i6、W_i7，则用户理想收视的集合可重新表示为：

针对每一个集合，对集合中所有的元素取平均值，作为相应集合的代表向量F_ij，从而将周一到周日中的每一天的收视用一个代表向量进行表示，依次连接各代表向量，得到用户的一周收视矩阵，用户i一周收视矩阵为F_i＝(F_i1，F_i2，...，F_i7)；

对于用户的一周收视矩阵，采用凝聚层级聚类合并其中相邻且相似的时间段，将合并后的时间段作为相应用户的一个观看模式，得到周期性观看场景；其中，凝聚层级聚类的过程如下：

步骤a、设置相似度阈值δ，将每一个时间段的数据作为一个簇；

步骤b，计算相似度矩阵，簇之间的相似度采用簇的质心来度量，而簇质心之间的相似度采用欧式距离来计算；

步骤c，判断相似度是否都小于设定的阈值，如果是，则算法结束，否则转步骤d；

步骤d，选出相似度最大的两个簇，将其合并作为一个新的簇，再转步骤b，直至完成。