[发明专利]一种直播个性化推荐方法

权利要求书

1.一种直播个性化推荐方法，其特征在于，所述直播个性化推荐方法包括以下步骤：

对可供推荐的直播影视元数据进行过滤获得数据源；

在数据源中进行相似影视检索以获得候选影视；

通过排序权重对候选影视进行相似排序；

进行用户行为聚类，所述进行用户行为聚类包括：对用户观看过的影片使用Canopy算法进行粗聚类，并根据聚类结果生成混合推荐候选影视，所述进行用户行为聚类并根据聚类结果生成混合推荐候选影视包括：从聚类结果的每个簇中提取质心向量v，簇id cid、簇内影片个数cn、最近的观看时间tl，提取出来的信息作为用户画像，遍历获取到的簇质心向量，每个簇用质心向量从构建好的KD-Tree中搜索k个近邻作为候选影片；

对所有候选影视进行若干次排序后获得用于显示的推荐结果。

2.根据权利要求1所述的直播个性化推荐方法，其特征在于，所述对可供推荐的直播影视元数据进行过滤获得数据源包括：将所有直播影视元数据根据时间进行过滤，将过滤后的结果作为相似影片检索的数据源。

3.根据权利要求1所述的直播个性化推荐方法，其特征在于，所述在数据源中进行相似影视检索以获得候选影视包括：将每一部影视元数据转换成向量，对向量的元素进行加权，再将影视库的所有影视进行转换，用所有向量构建KD-Tree，遍历所有向量，每个影视使用KD-Tree检索到最相似的k部影视作为候选影视。

4.根据权利要求1所述的直播个性化推荐方法，其特征在于，所述对所有候选影视进行若干次排序后获得用于显示的推荐结果包括：对所有候选影视进行3次排序后获得用于显示的推荐结果。

5.根据权利要求4所述的直播个性化推荐方法，其特征在于，包括第一次排序，具体为：使用加权函数(1+簇内影片个数*影片个数权值)*(1+相似推荐权值*检索推荐权重)*(1+标准化后的最近观看时间*时间权值)对候选影片加权，降序排序。

6.根据权利要求5所述的直播个性化推荐方法，其特征在于，包括第二次排序、过滤，具体为：从前到后遍历第一次排序的结果，根据首次排序权值，相同cid的候选影片出现次数和衰减权值计算二次排序权值，根据算得的新权值对结果进行第二次降序排序，从排序结果头部截断出想要数量的影片作为最终候选集。

7.根据权利要求6所述的直播个性化推荐方法，其特征在于，包括第三次排序，具体为：使用第一次排序方法对第二次排序、过滤后的结果进行排序，获得最终用于显示的推荐结果。

8.根据权利要求1至7之一所述的直播个性化推荐方法，其特征在于，包括获取互联网数据、深度EPG数据和直播EPG数据，以形成统一影视元数据管理库。