[发明专利]基于社交网络信息进行电视节目推荐的方法及系统

说明书

技术领域

本发明涉及专门适用于交互式电视内容分发技术，尤其涉及一种基于社交网络信息进行电视节目推荐的方法及系统。

背景技术

目前，电视频道越来越多，电视节目及内容也越来越丰富，用户对电视节目的可选择性也越来越多，同时，随着三网融合的发展，电视内容信息量还会进一步膨胀。急剧增长的电视内容信息使用户从中选择喜欢的电视内容需要花费的时间越来越多。现有技术智能电视领域的智能节目推荐系统使用户可以从众多电视节目中挑选出喜爱的节目，然而，智能节目推荐系统如何给用户推荐其真正喜爱的节目却是一个难题，相比互联网领域而言，电视领域的数据信息量相对有限，推荐智能节目推荐系统无法根据电视领域有限的信息量来获取用户的偏好，无法根据用户的评论去发现各个节目之间的关联性，因此，现有技术智能节目推荐系统做节目推荐时考虑的信息维度较窄，使其推荐的精确度较低，无法满足用户的需要。不可否认的是，现在技术出现了很多推荐方法，如协同推荐、基于内容的推荐等推送方法都可以很方便的应用在电视节目推荐领域中，但是其仍然存在考虑的信息维度不足的缺陷，对于内容之间的隐含关系无法做出识别。总而言之，现有技术智能节目推荐系统还存在以下的不足：

没有针对个人对电视节目喜好进行推荐，并且不能根据针对电视节目内容的推荐发掘出内容之间的隐含关系，也无法发掘出用户对内容的主观评价和隐性关联。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足之处，本发明为解决现有技术缺陷和不足，提出一种能够根据社交网络对关于电视节目的信息进行数据挖掘，为智能电视的节目推荐系统提供更广维度的数据信息，使智能电视节目推荐系统提高对节目推荐的准确度，使给用户推送的节目更加人性化，不是简单的内容属性推荐。

本发明解决技术问题所采用的技术方案如下：

一种基于社交网络信息进行电视节目推荐的方法，包括如下步骤：

提取社交网络中关于各个电视节目的各个用户评价信息；

建立各个用户与各个电视节目之间的“用户—电视节目”评价关系；

根据“用户—电视节目”评价关系抽象出用户的行为事务数据集合；

根据用户的行为事务数据集合通过频繁项集挖掘算法挖掘出电视节目的频繁项集；

根据所述电视节目的频繁项集来进行电视节目的推荐。

作为优选方案，所述提取社交网络中关于各个电视节目的各个用户评价信息具体步骤是，收集并分类整理各个用户通过社交网络发布的推荐、评价、发帖、跟帖信息。

所述建立各个用户与各个电视节目之间的“用户—电视节目”评价关系采用通过对各个用户评价信息进行语义分析以抽象出“用户—电视节目”评价关系来实现。

所述“用户—电视节目”评价关系为各个用户对各个电视节目发布的评价信息的量化值，评价信息量化为：-2代表很不喜欢、-1代表不喜欢、0代表普通、1代表喜欢和2代表很喜欢。

所述用户的行为事务数据集合是各个用户所感兴趣的电视节目的集合。

所述频繁项集挖掘算法采用FP-growth算法或Apriori算法实现。

所述的频繁项集是各个电视节目之间的关联关系集合，即“电视节目—电视节目”之间的关联度。

所述节目推荐方法还包括挖掘电视节目的非内容信息分析，根据该非内容信息的分析与所述电视节目的频繁项集来进行电视节目的推荐，所述非内容信息分析包括：根据电视节目内容进行静态关系分析、主题驱动模型数据分析、电视节目内容间隐含关系分析、各个用户对各个电视节目发布的评价分析、电视节目内容间的动态相关性分析、用户行为模型分析和非内容直接相关性分析。

所述各个用户对各个电视节目发布的评价分析是根据所述“用户—电视节目”评价关系，以通过各个用户对各个电视节目发布的评价信息的量化值的计算得出各个电视节目的用户主观评价期望值。

本发明还提供一种基于社交网络信息进行节目推荐的系统，所述系统包括：

信息挖掘模块，用于查找并提取出社交网络中关于各电视节目的各个用户评价信息；

分析计算模块，根据查找信息模块提取出的用户评价信息进行分析，以建立各个用户与各个电视节目之间的“用户—电视节目”评价关系；并根据“用户—电视节目”评价关系计算出用户的行为事务数据集合；再根据用户的行为事务数据集合通过频繁项集挖掘算法挖掘出电视节目的频繁项集；

推荐模块，根据分析计算模块计算出的电视节目的频繁项集将用户评价频繁的电视节目推送到电视端供用户参考。