技術領域

本發明涉及視頻節目推薦系統。

背景技術

隨著視頻網絡的發展，通過網絡觀看視頻節目成為眾多網絡用戶的上網目的之一。如何最大限度地吸引用戶，成為視頻網站的所要考慮的重要問題。一種有效的方法是根據用戶的觀看的喜好向用戶推薦視頻節目。

經過分析，用戶通常具有觀看某類節目的喜好。例如，有的用戶喜歡觀看體育節目，有的用戶則喜歡觀看娛樂節目，而有的用戶只喜歡觀看功夫節目等等。

在第十屆國際互聯網會議上(Proceedings?of?the?10^th?international?conference?onWorld?Wide?Web)，Badru和George等人提出了基于項目(Item)的協同過濾推薦系統(Item-based?Collaborative?Filtering?Recommendation?Algorithms)，在這篇文章中同時還提到一種基于用戶(User)的協同過濾推薦系統。這兩種過濾系統的基本原理如下：根據已知的用戶對某些節目的喜好程度進行計算，然后向具有相同喜好的用戶推薦已知用戶的其他喜好節目。這種喜好程度通過分值表示，該分值由用戶選擇，例如1分表示討厭某個節目，5分表示非常喜歡某個節目。

然而在視頻網站中，采用這種方法的進行節目推薦的時候，卻碰到許多困難。例如：一、用戶不愿意刻意去給節目打分。通常用戶到視頻網站的目的是觀看視頻，他們不愿意刻意去給一個節目打分。二、即便有少量的用戶給視頻節目打分，這些被打分的節目數在所有視頻節目的比例非常的小，通常不到1％。上述這些困難會導致上述的協同過濾推薦系統出現“冷啟動問題”，(請參見發表于《計算機研究與發展》上的“基于類別的推薦——一種解決協同推薦中冷啟動問題的方法”)，這種冷啟動問題會導致推薦系統無法正常工作，產生錯誤的推薦結果。

發明內容

針對現有推薦系統中的不足，本發明提供一種基于數據融合的視頻節目推薦系統，該系統首先收集用戶在視頻網站上的與興趣度相關的瀏覽行為，然后通過分析瀏覽行為并打分后，進行數據融合，融合后的分值，也就是某用戶對某視頻節目的興趣度值，根據該興趣度值進行節目的推薦。本發明具體是通過以下技術方案實現的：

一種基于數據融合的視頻節目推薦系統，其特征在于包括：

用戶行為數據收集模塊，用于收集和存儲用戶在視頻網站的瀏覽行為數據；

數據融合模塊，與所述用戶行為數據收集模塊相連接，用于將某個用戶對某個視頻節目的瀏覽行為數據轉化為該用戶對某個視頻節目的興趣度值；

節目推薦模塊，根據用戶對某些節目的興趣度值，向具有相同喜好的其他用戶推薦該用戶的其他興趣度值高的節目；

其中，瀏覽行為數據包括為播放行為數據，將用戶播放節目的時長除以該節目的長度得到時長比例r，時長比例r越大，興趣度值越高。

進一步地，所述用戶行為數據收集模塊中收集數據的時間長度為某一時刻之前的一個時間段。

進一步地，所述數據融合模塊中的興趣度值為某一時刻之前的一個時間段內的瀏覽行為數據轉化而獲得的數值。

進一步地，所述節目推薦模塊為采用定期的方式向具有相同喜好的其他用戶推薦該用戶的其他興趣度高的節目的模塊。

本發明避免了用戶在不愿意刻意去給節目打分的情況下，導致上述的協同過濾推薦系統出現冷啟動的問題，只要用戶有播放行為，就可產生正確的推薦結果。并且在融合了用戶其它與興趣度相關的瀏覽行為數據后，可更加準確地產生推薦的節目列表，通過這種無需用戶刻意評分的技術方案，大大提高了用戶對推薦節目的滿意度，降低了視頻服務器因用戶盲目點擊造成的負擔。

附圖說明

圖1為本發明基于數據融合的視頻節目推薦系統實施例示意圖。

具體實施方式

如圖1所示，一種基于數據融合的視頻節目推薦系統，包括以下模塊：

用戶行為數據收集模塊，用于收集和存儲用戶在視頻網站的瀏覽行為數據；

數據融合模塊，與所述用戶行為數據收集模塊相連接，用于將某個用戶對某個視頻節目的瀏覽行為數據轉化為該用戶對某個視頻節目的興趣度值；

節目推薦模塊，根據用戶對某些節目的興趣度值，向具有相同喜好的其他用戶推薦該用戶的其他興趣度值高的節目；

其中，瀏覽行為數據包括為播放行為數據，將用戶播放節目的時長除以該節目的長度得到時長比例r，時長比例r越大，興趣度值越高。