[发明专利]一种个性化视频推荐方法及系统

权利要求书

1.一种个性化视频推荐方法，其特征在于，包括：

获取用户历史观看视频记录；

根据用户历史观看视频记录，统计得到视频观看状态转移矩阵，进而预测出用户观看下一个视频的概率，即用户基本偏好值；

根据用户历史观看视频记录，统计得到用户历史观看视频记录对应的视频标签分布，再与标签-类型转换矩阵相乘，得到每个用户观看新视频标签分类的概率，再与视频在相应新分类下的标记相乘后累加，得到用户纵向偏好值；

通过用户观看视频对应标签分布与标签-类型转换矩阵的乘积与总体用户偏好值的预设百分率比较，求取用户横向偏好值；

最后将用户基本偏好值、用户纵向偏好值以及用户横向偏好值三者相乘，得到用户观看视频的概率并由概率从大到小进行个性化推荐；

标签-类型转换矩阵的列数等于视频标签的分类总数，标签-类型转换矩阵的行数等于视频标签的总个数；

计算用户基本偏好值的过程为：

(1)设共有m₁,m₂,m₃,...m_m共m个电影，用户最近观看电影表示如下：

P_user＝[p₁,p₂,p₃,...p_m]

其中

(2)求状态转移矩阵

根据全量用户的电影观看记录，统计得到状态转移矩阵：

其中，T_r是一个m*m的矩阵，p₁₁表示用户上一个观看视频为m₁，下一个观看视频仍为m₁的概率；p_ij表示用户上一个观看视频为m_i，下一个观看视频为m_j的概率；

(3)得到用户观看下一个电影的概率即用户的基本偏好值S₁：

S₁＝P_user*T_r。

2.如权利要求1所述的一种个性化视频推荐方法，其特征在于，所述用户历史观看视频记录包括观看视频的用户数量、观看的视频数量和视频标签。

3.如权利要求1所述的一种个性化视频推荐方法，其特征在于，在用户观看视频对应标签分布与标签-类型转换矩阵的乘积与总体用户偏好值的预设百分率比较的过程中，若前者大于后者，则视频标签分布中相应偏好指数与中位数作商后再与用户纵向偏好值相乘，得到用户横向偏好值；否则，将前者作为用户横向偏好值。

4.如权利要求1所述的一种个性化视频推荐方法，其特征在于，根据当前元素的视频标签是否当前元素所在列的视频标签类别，来对标签-类型转换矩阵的任一元素进行赋值：

若是，则当前元素的赋值为当前元素所在列的视频标签类别总数的倒数；否则，当前元素的赋值为0。