[发明专利]一种改善电视终端推荐系统推荐效果的方法

摘要

本发明公开了一种改善电视终端推荐系统推荐效果的方法，所述电视终端内部安装有推荐系统，所述电视终端内部具有媒体资源库，所述电视终端的媒体资源库内部存储有能够播放的所有节目及其相关信息。本发明的目的在于提供一种改善电视终端推荐系统推荐效果的方法，通过引入与热榜数据库对应的冷榜数据库，通过媒体资源库以及用户历史行为来构建冷榜进行推荐，可以有效提升推荐系统在这些评估指标上的效果，进而改善推荐结果，本发明公开的推荐方法可以作为一种独立的推荐方法，也可以作为其它推荐方法的一种补充。

主权项

1.一种改善电视终端推荐系统推荐效果的方法，其特征在于：所述电视终端内部安装有推荐系统，所述电视终端内部具有媒体资源库，所述电视终端的媒体资源库内部存储有能够播放的所有节目及其相关信息，其方法步骤如下：A、判断推荐系统是否首次使用；若是首次使用，则进入步骤B，否则，进入步骤C；B、利用媒体资源库构建与热榜数据库对应的冷榜数据库，冷榜数据库构建方法如下：B1、根据媒体资源库计算节目相似性矩阵W_n*n：式中，w_ij表示节目I_i与节目I_j的相似性；媒体资源库的所有节目记为I＝{I₁ I₂ … I_i … I_n}，每个节目I_i会有多个特征features＝{feature₁,feature₂,…,feature_k,…,feature_f}；通过这些特征可以计算节目间的内容相似性，进而获得节目‑节目相似性矩阵W_n*n；假设节目I_i或I_j总共有f个特征，其中有α个序数性特征，f‑α个非序数性特征，则节目I_i与节目I_j的相似性可通过如下公式计算：式中，α_k表示第k个特征的重要性，若第k个特征是序数性特征，则节目I_i与节目I_j在第k个特征上的相似性可通过下式计算：若第k个特征是非序数性特征，则节目I_i与节目I_j在第k个特征上的相似性可通过下式计算：其中I_i.featureVector和I_j.featureVector分别为节目I_i与节目I_j在第k个特征上的OneHot编码向量；B2、根据节目‑节目相似性矩阵W_n*n通过下式计算节目I_i的冷门度Cold_iCold_i值越小，表明此节目越冷门；对Cold_i进行升序排列，得到冷榜数据库：Cold_List＝sort(Cold_i)_ascending；C、利用用户观影行为及媒体资源库构建与热榜数据库对应的冷榜数据库；C1、利用媒体资源库按照步骤B的方法构建冷榜Cold_List1；C2、根据用户观影行为，统计每个节目I_i被观看的次数，然后将观看次数的多少按照降序排列，得到冷榜Cold_List2；C3、融合Cold_List1和Cold_List2得到最终冷榜Cold_List，假如Cold_List2中涉及的节目有p个，则有p≤n，记为Cold_List1＝{I₁ I₂ … I_n}，Cold_List2＝{I′₁ I′₂ … I′_p}，则融合后的Cold_List通过以下运算规则得到：Cold_List＝(Cold_List1‑Cold_List2)∪Cold_List2其中，符号“‑”表示集合差运算，符号∪表示集合并运算；D、判断当前推荐系统是否有其它推荐算法，若有，则转入步骤E，否则，转入步骤F；E、融合冷榜数据库与其他推荐算法的结果，产生推荐列表REC_List；假如推荐系统其他推荐算法，其他推荐算法包括协同过滤或频繁项集，则其他推荐算法产生推荐列表Alg_List，则REC_List可通过以下运算法则获得：REC_List＝Alg_List∪(Cold_List‑Alg_List)其中，符号“‑”表示集合差运算，符号∪表示集合并运算；F：对电视终端用户进行推荐，将步骤E的REC_List或步骤C的Cold_List推荐给电视终端用户。