[发明专利]一种节目推荐方法及装置

说明书

本发明公开了一种节目推荐方法及装置，其中，所述节目推荐方法包括：获取用户基于节目推荐系统反馈的反馈信息，所述节目推荐系统用于计算节目推荐列表，且所述节目推荐系统基于两种以上节目推荐模型构建，其中，所述两种以上节目推荐模型分别由不同的节目推荐算法构建；基于所述反馈信息更新所述两种以上节目推荐模型在计算所述节目推荐列表时的权重；根据更新后的所述两种以上节目推荐模型在计算所述节目推荐列表时的权重，更新节目推荐列表。本发明提供的节目推荐方法能够充分利用用户的反馈信息，动态的调整节目推荐系统中各节目推荐模型的权重，使最终的推荐结果更加符合将用户的需求变化和体验结果。

技术领域

本发明涉及通信领域，具体涉及一种节目推荐方法及装置。

背景技术

随着科技的进步，交互式网络电视(Internet Protocol Television，IPTV)逐渐走进了人们的生活中。为了更好的满足人们的需求，现有的IPTV的节目推荐系统能够通过获取用户信息以及对用户的海量行为进行挖掘，为用户推荐相关的商品，给用户提供个性化服务。常用的IPTV节目推荐系统包括基于统计学的推荐，基于内容相关度的推荐，基于协同过滤推荐等。上述这些节目推荐算法均基于用户浏览页面，点击观看和观看时长等一系列用户一次反馈信息进行推荐。

但是，上述几种节目推荐算法也各自存在缺点。基于统计学的推荐有新用户的冷启动问题；而基于内容相关度的推荐虽然可以解决冷启动问题，但却缺乏个性化的数据；基于协同过滤推荐能根据用户的行为进行个性化推荐，但也面临冷启动的问题。

正因为上述节目推荐算法各有优劣点，因此在实际使用上通常通过节目推荐模型综合使用。开发人员通常使用用户二次反馈行为信息对节目推荐模型进行评估，上述用户二次反馈行为包括用户浏览节目推荐列表、通过节目推荐列表点击观看IPTV节目以及用户对节目推荐系统使用的评价等。由于现有的节目推荐模型在初期设计好后已经固定，因而当后期用户的二次反馈行为发生变化时，会导致对节目推荐模型的评估无法正确反映在最终得到的节目推荐列表上。也就是说，现有的节目推荐系统对用户的二次反馈行为反应滞后，需要开发人员手动的对节目推荐模型进行修正才能使得节目推荐系统跟随用户的二次反馈行为，这不仅效率低下，而且还浪费了人力成本。

发明内容

本发明实施例提供一种节目推荐方法及装置，旨在使推荐结果能够快速响应用户行为，更好的满足用户的需求。

本发明实施例的第一方面，提供一种节目推荐方法，所述节目推荐方法包括：

获取用户基于节目推荐系统反馈的反馈信息，所述节目推荐系统用于计算节目推荐列表，且所述节目推荐系统基于两种以上节目推荐模型构建，其中，所述两种以上节目推荐模型分别由不同的节目推荐算法构建；

基于所述反馈信息更新所述两种以上节目推荐模型在计算所述节目推荐列表时的权重；

根据更新后的所述两种以上节目推荐模型在计算所述节目推荐列表时的权重，更新节目推荐列表。

本发明实施例的第二方面，提供一种节目推荐装置，所述节目推荐装置包括：

反馈信息获取单元，用于获取用户基于节目推荐系统反馈的反馈信息，所述节目推荐系统用于计算节目推荐列表，且所述节目推荐系统基于两种以上节目推荐模型构建，其中，所述两种以上节目推荐模型分别由不同的节目推荐算法构建；

权重更新单元，用于基于所述反馈信息获取单元获取到的反馈信息更新所述两种以上节目推荐模型在计算所述节目推荐列表时的权重；

节目推荐列表更新单元，用于根据所述权重更新单元得到的更新后的所述两种以上节目推荐模型在计算所述节目推荐列表时的权重，更新节目推荐列表。