[发明专利]一种影视推送方法及装置

权利要求书

1.一种影视推送方法，其特征在于，包括：

获取目标用户的目标用户属性信息；

根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；

根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。

2.根据权利要求1所述的影视推送方法，其特征在于，

所述目标用户属性信息包括至少两个用户属性信息；

所述根据所述目标用户属性信息以及预先构建的影视预测评分计算模型，计算所述目标用户对预设影视的预测评分值，包括：

根据所述目标用户属性信息以及预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定所述目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值；

根据所述每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算所述目标用户对预设影视的预测评分值。

3.根据权利要求1所述的影视推送方法，其特征在于，所述获取目标用户的目标用户属性信息之前，还包括：

获取预设影视各自对应的历史评分记录；其中，所述历史评分记录包括用户属性信息和历史评分值；

根据所述预设影视各自对应的历史评分记录以及预设的影视初始评分值计算策略，计算预设的用户属性信息各自对应的预设影视的初始评分值；

根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值。

4.根据权利要求3所述的影视推送方法，其特征在于，所述根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值之后，所述获取目标用户的目标用户属性信息之前，还包括：

根据预设的核函数，采用支持向量机回归算法构建用户多属性回归模型；

根据所述预设影视各自对应的历史评分记录、预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系以及所述用户多属性回归模型，确定所述预设的影视预测评分值计算策略。

5.根据权利要求1至4任一项所述的影视推送方法，其特征在于，所述根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户，包括：

若所述预设影视中的第一影视的预测评分值大于预设阈值，则将所述第一影视识别为目标影视；

将所述第一影视推送给所述目标用户。

6.一种影视推送装置，其特征在于，包括：

第一获取单元，用于获取目标用户的目标用户属性信息；

第一计算单元，用于根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；

推送单元，用于根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。

7.根据权利要求6所述的装置，其特征在于，

所述目标用户属性信息包括至少两个用户属性信息；

所述第一计算单元包括：

标准化评分值确定单元，用于根据所述目标用户属性信息以及预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定所述目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值；

预测评分值计算单元，用于根据所述每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算所述目标用户对预设影视的预测评分值。