[发明专利]一种网络节目聚合及节目推荐系统和方法

权利要求书

1.一种网络节目聚合及节目推荐方法，其特征在于，包括以下步骤：

基于网络节目服务器中的网络节目信息构建网络节目源；

从本地节目源和所述网络节目源中的多个节目中提取表示节目特征的节目特征信息；

对用户建立体现所述用户的手动喜好输入信息、显式喜好反馈信息和隐式喜好反馈信息的综合喜好模型；

基于所述综合喜好模型向所述用户展示带有所述节目特征信息的推荐节目列表。

2.根据权利要求1所述的方法、其特征在于，

所述节目特征信息为节目标题、类型、主演、导演、语言、地区、时间、海报和/或简介。

3.根据权利要求1或2所述的方法、其特征在于，

所述显式喜好反馈信息包括用户对节目所评价的打分值；

所述手动喜好输入信息包括用户手动输入或修改的用户信息和/或喜好节目的信息；

所述隐式喜好反馈信息包括通过分析用户的播放历史和行为信息，提取出的用户喜好信息。

4.根据权利要求3所述的方法，其特征在于，还包括根据节目的打分值对所述推荐节目列表中的节目进行排序，其中，

将已评价节目的打分值确定为所述用户对该节目所评价的打分值；以及

基于所述用户的综合喜好模型和其它用户的综合喜好模型来预测未评价节目的打分值；

所述已评价节目为用户的显式喜好反馈信息中包括该用户对该节目所评价的打分值的节目；以及，

所述未评价节目为用户的显式喜好反馈信息中不包括该用户对该节目所评价的打分值的节目。

5.根据权利要求4所述的方法，其特征在于，根据以下步骤来预测所述用户的未评价节目的打分值：

针对所述用户的各个已评价节目，分别计算各其它用户对所述用户的未评价节目所评价的打分值与对所述用户的已评价节目的打分值的平均差值；

基于各所述平均差值和所述用户的各已评价节目的打分值，来预测所述用户的未评价节目的打分值。

6.根据权利要求5所述的方法，其特征在于，

分别计算各所述平均差值与所述用户的各已评价节目的打分值的和，作为与所述用户的各已评价节目对应的初始预测打分值；

将所述各已评价节目的其他用户评价人数作为的权重，基于所述权重计算所述初始预测打分值的加权平均值作为所述用户的未评价节目的预测打分值。

7.根据权利要求6所述的方法、其特征在于，

仅对用户未观看过的节目进行打分值的预测和排序，在所述推荐节目列表中仅显示用户未观看过的节目的节目特征信息。

8.根据权利要求1所述的方法，其特征在于，还包括：

基于所述综合喜好模型，针对根据所述用户的节目搜索行为所得到的搜索结果进行排序，向所述用户展示排序后的所述搜索结果。

9.一种网络节目聚合及节目推荐系统，其特征在于，包括以下模块：

节目特征表示模块，用于从网络节目服务器中获取网络节目信息以在本地构建网络节目源；

网络节目聚合模块，用于从本地节目源和所述网络节目源中的多个节目中提取表示节目特征的节目特征信息；

用户喜好综合学习模块，用于对每个用户建立体现该用户手动喜好输入信息、显式喜好反馈信息和隐式喜好反馈信息的综合喜好模型；

主动推荐模块，用于基于所述综合喜好模型向每个登录的用户提供带有所述节目特征信息的推荐节目列表。

10.根据权利要求9所述的系统，其特征在于，

所述网络节目聚合及节目推荐系统还包括搜索过滤推荐模块，用于对用户的搜索行为得到的搜索结果中的节目，基于所述综合喜好模型进行排序，推荐给用户。