[发明专利]一种多媒体内容媒体下安全可控的智能推荐系统

说明书

技术领域

本发明公开了一种多媒体内容媒体下安全可控的智能推荐系，涉及在多媒体内容(音频、视频、图片、文字等)环境下，向用户进行安全可控的实时智能推荐。智能推荐系统用于向合适的用户在合适的场景推荐合适的内容，具有用户满意性、推荐内容多样性、即时性、新颖性、惊喜性等明确的系统目标。推荐系统的各个目标既相互联系又相互独立，推荐系统的结果是对多个目标的综合考虑和权衡。

背景技术

推荐内容的前提是内容合法性(不涉黄、不涉恐、不涉暴、不涉政)。内容合法性校验、用户、内容和场景特征提取、推荐算法引擎、推荐效果评估和反馈是实现推荐智能化的必要条件。目前市场上绝大部分推荐主要采用个性化推荐内容的方式，来迎合用户喜好。

现有的个性化推荐系统的典型架构如图1所示：在线业务系统的日志接入数据高速公路，再由数据高速公路迅速运转到离线数据处理平台和在线流计算平台；离线数据处理平台周期性地以批处理方式加工过去一段时间的数据，得到人群标签和其他模型参数，存放在高速缓存中，供在线业务系统使用。与此同时，在线流计算平台实时对线上的日志数据做处理，对离线计算出的数据进行补充、修正等；在线业务系统综合离线特征和在线特征使用一定的逻辑得到输出供业务使用，产生的日志流入数据高速公路。现有的推荐系统存在以下局限：

1.推荐目标单一，推荐系统的推荐方式主要包括热门推荐、人工推荐、相关推荐、个性化推荐。现有文献提出的推荐引擎基本上仅采用上述4种方式的一种；大部分场景下为了迎合用户对内容的喜好，主要采用其中的个性化推荐方式，即基于用户的历史行为做出的内容推荐；这种方式无法对用户操作进行实时响应，不利于推荐系统的即时性、多样性、新颖性、惊喜性等其他目标的实现，无法有效满足用户的内容消费需求。

2.系统耦合性高，现有推荐系统各模块功能耦合性高，系统实现复杂，层次间没有进行良好的抽象、更新升级困难。

3.缺乏内容安全控制，推荐仅有算法本身决定，无法实现对推荐内容进行安全、可控的管理。目前推荐系统对内容的安全性考量主要是基于事后发现下架处理，而不是进行严格的上架前审核，这在目前的传播环境下具有极大的安全风险。

4.缺少系统性的推荐效果监控、统计和评价指标，难以评估推荐效果以及难以对推荐优化提供方向。

发明内容

为了克服现有推荐系统存在的以上局限，本发明提供了一种多媒体内容环境下安全可控的智能推荐系统。该智能推荐系统包括：

存档数据收集及监控模块，用于对用户业务内容数据和行为进行收集、存档，实时监控业务内容和用户日志的存档数据变化，当存档数据变化时产生触发信号传递给业务内容实时审核过滤模块；

业务内容实时审核过滤模块，用于当检测到所述的触发信号时对存档数据中的用户业务内容进行实时审核过滤；

特征提取模块，用于对经过审核过滤后的存档数据进行用户特征、内容特征以及用户对内容的操作行为进行提取；

离线与在线推荐引擎模块，包括：离线推荐引擎模块，用于周期性地以批处理方式加工过去一段时间的提取的特征数据根据需要采用相应的推荐算法产生个性化推荐内容；在线推荐引擎模块根据实时产生的用户特征，计算新用户与历史用户的相似性以进行相似用户推荐，与此同时根据实时产生的如内容长度、浏览量、回复次数、回复人数、评论人数、评论次数、打开时长等内容特征计算内容热度，进行热点内容推荐，并计算新内容与历史内容的相似性，在用户对推荐内容进行反馈操作后进行即时响应式相似内容推荐；

在线推荐接口服务模块，用户获取该用户的个性化推荐、相似用户推荐、相似内容推荐以及热点推荐的全部内容，进行推荐去重、推荐排序和人工干预获得最终的推荐结果。

进一步地，本发明提供的智能推荐系统还进一步包括推荐效果评估模块，用于统计用户对推荐内容的访问率(包括浏览、打开、回复、评论、播放、关注、收藏等访问行为)、访问时长以及F1Score进行衡量推荐的有效性。

智能推荐系统的业务内容实时审核过滤模块，采用机器学习、规则定义和人工检验相结合的方法对涉政、涉黄、涉恐、涉暴的内容进行过滤确保后续推荐内容的合法性；同时、于在线推荐接口服务模块中设置人工干预接口对推荐内容的类型、优先级别、不同方式的推荐数量进行设定，确保了推荐内容的可控性。

附图说明

图1为现有的个性化推荐系统的典型框架图；

图2为本发明提供的智能推荐系统的框架图。

具体实施方式