[发明专利]一种基于大数据的视频信息推荐方法、系统和可读存储介质

说明书

本发明公开了一种基于大数据的视频信息推荐方法，包括：根据历史数据进行数据特征预处理，构建用户操作模型；用户操作模型挖掘用户行为特征，生成行为特征信息；根据特征预处理所得的用户行为特征输入神经网络进行学习，得到结果信息；根据神经网络所得的结果信息进行信息推荐。本发明公开的一种基于大数据的视频信息推荐方法、系统和可读存储介质，将用户操作时间进行区分，通过根据用户行为判断不同时间槽内的用户偏好，使得视频信息推荐更加准确。

技术领域

本发明涉及视频推荐领域，更具体的，涉及一种基于大数据的视频信息推荐方法、系统和可读存储介质。

背景技术

互联网的出现和发展给普通用户带来了大量的信息，同时会带来信息过载的问题。引入推荐系统是解决信息过载问题的一种常见方法，推荐系统可以根据用户的个人信息、物品元数据、用户与物品的交互信息等数据，计算用户的个人偏好并给用户推荐个性化的物品。

与搜索引擎相比，推荐系统可以主动地给用户提供个性化的候选物品，而不是像搜索引擎那样需要用户主动发起请求，在这种模式下，推荐系统更能提高商业系统的用户使用的满意度以及忠诚度。

互联网的急速发展有很大一部分原因是互联网上存在着大量的音视频资源，用户可以轻易地获取到这些娱乐服务。目前面向网络电视盒子的视频点播服务，能够为拥有机顶盒的人群提供点播视频推荐。在这种场景下，需要考虑机顶盒的使用者可能存在多人共享一台机顶盒的场景，例如一家人共享一个机顶盒，那么小孩和大人使用机顶盒的时间以及他们喜欢的电视节目很有可能是不一样的。因此将历史纪录从时间上进行区分，以及将不同时间段可能拥有不同的兴趣爱好的特征考虑进算法模型，那么推荐系统将能获得更强的推荐能力。

综上所述，从网络电视盒子的点播服务使用者的角度出发，基于用户随时间的偏好变化特征，结合传统的协同过滤推荐模型，本发明设计出一种时间感知的面向网络盒子点播视频的推荐方法，方法能够充分地挖掘时间信息并提供更优质的推荐服务。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于大数据的视频信息推荐方法、系统和可读存储介质。

为了解决上述的技术问题，本发明第一方面公开了一种基于大数据的视频信息推荐方法，包括：

根据历史数据进行数据特征预处理，构建用户操作模型；

用户操作模型挖掘用户行为特征，生成行为特征信息；

根据特征预处理所得的用户行为特征输入神经网络进行学习，得到结果信息；

根据神经网络所得的结果信息进行信息推荐。

本方案中，所述的历史数据包括观看视频的时间、各时间段观看视频的主题词集合、每个视频的点击量。

本方案中，所述的根据历史数据进行数据特征预处理，构建用户操作模型的具体步骤如下：

将用户的操作时间划分为{上午，下午，晚上，凌晨}×{工作日，周末}的时间槽；

将上述时间槽内用户观看的视频的主题词组合成主题词集合；

计算主题词集合的主题词在一个时间槽的所有主题词中的权重；

输出与所述时间槽对应的集合及其权重。

本方案中，所述的用户操作模型挖掘用户行为特征，生成行为特征信息的具体步骤如下：

构建用户偏好矩阵P和视频特征矩阵Q，使用独热编码进行编码，获得A*C和B*C的矩阵，其中C为时间槽的数量、A为用户的数量、B为视频的数量；

和分别表示用户u和物品i的独热编码向量，可以使用以下公式获得对应的特征向量，也就是矩阵P的第u行和Q的第i行：