[发明专利]电视节目推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种电视节目推荐方法，其特征在于，包括：

获取用户操作遥控器的动作数据，并对所述动作数据进行预处理，生成动作向量；

将所述动作向量输入至已训练用户识别模型中进行识别，得到所述用户的身份标识；

从预设电视节目数据库中查找与所述身份标识匹配的节目类型；

将所述节目类型展示在电视屏幕上。

2.如权利要求1所述的电视节目推荐方法，其特征在于，所述动作数据包括加速度、角速度和角度；所述获取用户操作遥控器的动作数据的步骤，包括：

在检测到用户操作遥控器的信号时，控制惯性传感器采集预设时段内的至少两组所述加速度、角速度和角度，确定为所述动作数据。

3.如权利要求2所述的电视节目推荐方法，其特征在于，所述对所述动作数据进行预处理的步骤，包括：

分别对所述加速度和所述角速度进行清洗处理；

将所述角度以及清洗后的加速度和角速度转换为预设数量维度的向量数据，作为所述动作向量。

4.如权利要求1所述的电视节目推荐方法，其特征在于，还包括：

获取训练样本集，所述训练样本集包括多组样本动作向量及对应的用户样本标识；

将所述样本动作向量作为预设的KNN模型的输入，将所述用户样本标识作为期望的输出，对所述预设的KNN模型进行训练，得到所述已训练用户识别模型。

5.如权利要求4所述的电视节目推荐方法，其特征在于，在所述得到所述已训练用户识别模型的步骤之前，还包括：

获取测试样本集，所述测试样本集包括多组测试动作向量和对应的用户测试标识；

将所述测试动作向量输入所述预设的KNN模型，获取输出的用户训练标识；

获取所述用户训练标识与所述用户测试标识之间的误差，在误差小于预设误差的情况下，确定所述预设的KNN模型训练完毕，得到所述已训练用户识别模型。

6.如权利要求4或5所述的电视节目推荐方法，其特征在于，所述预设的KNN模型，其中k值采用交叉验证法选取，距离量度采用欧式距离。

7.如权利要求1所述的电视节目推荐方法，其特征在于，在所述将所述节目类型展示在电视屏幕上的步骤之后，还包括：

检测预设时间内是否有退出指令；

若检测到退出指令，则停止展示所述节目类型；

若未检测到退出指令，则播放所述节目类型中的热度最高的电视节目。

8.一种电视节目推荐装置，其特征在于，包括：

获取模块，用于获取用户操作遥控器的动作数据，并对所述动作数据进行预处理，生成动作向量；

识别模块，用于将所述动作向量输入至已训练用户识别模型中进行识别，得到所述用户的身份标识；

查找模块，用于从预设电视节目数据库中查找与所述身份标识匹配的节目类型；

展示模块，用于将所述节目类型展示在电视屏幕上。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述电视节目推荐方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述电视节目推荐方法的步骤。