[发明专利]电视智能推荐方法

说明书

本发明公开了一种电视智能推荐方法，涉及智能电视技术领域，该电视智能推荐方法通过贝叶斯网络综合用户身份，用户使用习惯，用户表情等信息，为用户量身定制推荐，与传统的推荐方法比贝叶斯网络可以综合更多的因素，使得推理结果更加接近用户的真实意愿；另一方面，与网络节目资源相比，电视节目数量和类型相对固定、用户评价信息相对较少且难以收集数量，因此采用单一的推荐方法是不可行的，本发明针对网络资源和电视台资源的不同特点利用贝叶斯网络和协同过滤算法的级联进行推荐，实时性更高，且更适合电视推荐应用场景。

技术领域

本发明涉及智能电视技术领域，特别涉及一种电视智能推荐方法。

背景技术

网络电视及人工智能技术的发展，使得电视机平台具有视频推荐功能成为可能。现在的网络电视除了电视台资源还有网络视频资源，电视台资源和网络节目资源在用户数量、用户信息方面是不同的，适合的推荐方案也是不同的，因此，考虑一种电视节目推荐和网络节目资源推荐相结合的推荐方法也是很有必要的。

专利号为CN200810217886的专利采用贝叶斯方法对电视节目进行推荐。首先，通过用户历史记录提取收视行为以表征用户的收视喜好，然后，根据电视节目的特征表征节目的各个属性，根据贝叶斯算法通过收视行为和播放行为预测用户对电视节目的收看概率，据此向用户推荐电视节目。

专利号为CN201720708711的专利将基于物品的协同过滤推荐技术引入到了电视节目推荐中，在该发明中，首先通过物品评分矩阵计算物品与物品之间的相似性，然后利用用户历史评分数据和物品物品相似性矩阵计算用户对其他物品的偏好。但是不难看出，上述的方法所采用的用户历史评分数据是很关键的一点。电视是一种多用户的设备，目前的电视设备很少需要用户登录，因此针对同一台设备采样得出的对于节目的历史评分数据不一定是单一用户的数据，所以在这总情况下得到的用户历史评分数据的可信度是很低的。因此，协同过滤技术并不适用于针对传统电视节目的推荐。而针对现有的网络节目资源的打分很多，很完备，而且能大概率的保证来自于同一个用户，因此，将协同过滤推荐技术引入网络节目资源的推荐中能避免上述问题。

专利号为CN200910038899的专利采用基于协同过滤的互动电视节目推荐方法，在用户利用遥控获取当前节目的类似节目时，推荐服务器线上模块在相似度方阵中寻找与当前项目相似度最大的若干个项目，并作为结果推荐给用户。基于项目的协同过滤算法着重分析电视节目之间的相似性，其推荐相而言是保守的。而用户本身爱好是广泛的，正所谓物以类聚，人以群分，用户对于其从未看过的不同类型的节目，可能依然感兴趣，如果采用保守的推荐方法可能会让用户错失一些节目，因此采用基于用户的协同过滤技术是有必要的。

现有的电视视频推荐技术存在的问题：没有考虑到网络节目资源和电视节目资源所能获取的智能推荐模型训练数据集的不同，提出有针对性的视频推荐处理方法。

发明内容

本发明所要解决的技术问题是提供一种电视智能推荐方法，利用贝叶斯网络和协同过滤级联，首先利用贝叶斯网络根据本地用户信息进行初步推荐电视台节目和网络视频资源，之后利用云平台的协同过滤进行网络视频资源推荐，一方面提高了推荐速度，另外一方面更加切合了电视平台的视频推荐应用场景。

为实现上述目的，本发明提供以下的技术方案：

该电视智能推荐方法包括如下步骤：

步骤S101：获取使用人信息，在使用本系统之前，用户应首先通过APP注册账户，并上传用用户信息，本步骤中用户打开电视后，机顶盒设备通过前置摄像头采集用户图像获取用户身份和表情信息，所有信息都附带UNIX时间戳；

步骤S102：基于使用人信息开启基于贝叶斯的快速推荐；

步骤S103：判断所推荐结果是否为网络视频资源，若不是则进入步骤S106；

步骤S104：若为网络视频资源则利用系统云平台进行协同过滤推荐；