[发明专利]基于用户收视记录的节目推荐度估计方法

说明书

技术领域

本发明涉及网络电视技术领域，特别涉及一种基于用户收视记录的节目推荐度估计方法。

背景技术

如今，观看电视节目毫无疑问已经成为一项日常娱乐活动。随着数字电视以及通信技术的快速发展，特别是DVB-T(地面数字电视广播)、DVB-C(有线数字电视广播)和DVB-S(卫星数字电视广播)的融合，数百套乃至数千套电视节目呈现在用户的面前，用户往往要在不同频道的转换上花费大量的时间才能找到自己喜爱的电视节目。在这信息量爆炸式增长的如今，用户迫切需要更个性化、更交互的电视节目推荐系统来帮助他们更快、更准确地找到自己喜爱的节目，增强用户收看电视的体验。

交互电视形式主要是指用户通过交互电视业务门户11，选择感兴趣的电视节目并通过该业务平台进行节目收看。如图1所示，基于IP技术的交互电视业务平台主要由交互电视业务门户11、网络电视业务路由器12、机顶盒13或者WEB-TV14组成。交互电视门户11主要提供节目导览及节目内容介绍，为用户提供一个节目收视选择入口，业务路由器12主要实现交互节目的在线播出功能。在交互电视业务平台下，用户在收看节目时的操作及过程都可由业务路由器12记录下来。例如对于某个用户A，业务路由器12上就记录着该用户于何时收看了何节目，收看了多少次某类节目，每次收看了多长时间的该类节目，该类节目的节目总时长和节目类型等信息。交互电视节目推荐也就是在交互电视业务门户11，利用业务路由器12中记录的各用户所收看节目的过程数据，基于推荐方法为业务门户上的用户提供个性化节目推荐页面。

节目推荐方法是整个交互电视业务门户中开展节目推荐最核心和关键的部分，其在很大程度上决定了业务门户中可为用户提供的节目推荐系统类型和性能的优劣。节目推荐方法主要包括以下两种：(1)基于内容的推荐(Content-based Recommenders)方法，该方法可实现将与用户的收视记录相似的节目推荐给用户；(2)协同过滤的推荐(Collaborative Filtering Recommenders)方法，该方法可实现将与该用户兴趣相似的用户群体所喜欢的节目推荐给用户。但是，无论采用哪一种推荐算法，计算用户对其已收看节目的喜爱程度无疑是节目推荐算法的基础。只有获取到用户对其已收看节目的喜爱程度，才能实现协同过滤推荐。

G.Adomavicius等人于2005年在IEEE Transactions on Knowledge and Data Engineering上发表的“Toward the next generation of recommender systems：A survey of the state-of-the-art and possible extensions (对下一代推荐系统的调查与研究)”中给出了推荐系统的形式化定义：假定C是用户(User)的集合，S是所有可能被推荐的资源(Item)的集合，假定u是一个衡量某个用户c对于某个节目s的满意度的效用函数(utility function)，那么则有：

u：C*S→R                公式(1)

其中R是一个二维矩阵，即用户-资源(User×Item)评分矩阵，如下所示：