[发明专利]基于词向量训练的电视节目推荐方法

权利要求书

1.基于词向量训练的电视节目推荐方法，其特征在于，包括以下步骤：

步骤1、筛选用户观看历史记录，以节目为词汇单元构建的上下文语料库，并对上下文语料库进行预处理；

步骤2、通过训练得到上下文语料库中各个节目名称分别对应的词向量；

步骤3、基于词向量计算各个节目的相似度，并将相似度进行排序，筛选出上下文语料库中与用户当前观看节目相似度最高的多个节目，完成节目推荐。

2.根据权利要求1所述的基于词向量训练的电视节目推荐方法，其特征在于，步骤1具体包括以下步骤：

步骤101、对用户观看历史记录进行处理，剔除观看时长比例较低的数据，以节目为词汇单元构建的上下文语料库；

步骤102、基于语料文本统计节目频率，并将观看频率较低的节目剔除；

步骤103、基于词频统计构建Huffman Tree。

3.根据权利要求2所述的基于词向量训练的电视节目推荐方法，其特征在于，步骤103中，所述Huffman Tree的具体构建方式如下：将所有的节点放到一个队列中，用一个节点替换两个频率最低的节点，新节点的频率就是这两个节点的频率之和，原先的两个节点作为新节点的左右子节点，左节点编码为1，右节点编码为0，这样新节点就是两个被替换节点的父节点，如此循环，直到队列中只剩一个节点，在此基础上生成各个节点对应节目的Huffman编码。

4.根据权利要求3所述的基于词向量训练的电视节目推荐方法，其特征在于，步骤2具体包括以下步骤：

步骤201、设定词向量维度及上下文词汇数量；

步骤202、初始化上下文词向量(x₁，x₂…x_n)及Huffman Tree中各中间节点的词向量(y₁，y₂…y_n)，其中n≥2，且n为整数，上下文词向量为随机初始化，而中间节点词向量初始化为0，并将初始化的上下文词向量作为输入层；

步骤203、基于初始化的输入层的词向量进行算术求和，构建中间层的词向量(V₁，V₂…V_n)，其中n≥2，且n为整数；

步骤204、根据目标词对应的Huffman编码，以中间层向量和子节点向量构建逻辑回归函数，节点编码为1，则该节点概率为P＝σ(V^TY)，节点对应Huffman编码为0，则P＝1-σ(V^TY)；

步骤205、构建当前词在Huffman Tree中各个节点对应的联合概率，即目标函数；

步骤206、通过梯度优化的方式求出目标函数的最优解，并且在梯度优化目标函数的过程中对输入的词向量进行不断更新，从而训练得到各个节目的词向量。

5.根据权利要求4所述的基于词向量训练的电视节目推荐方法，其特征在于，步骤205和/或步骤206中，所述目标函数具体为：

L=Σw∈clog P(w|context(w));]]>

其中，w即为当前词，context(w)为当前词的上下文，C为整个上下文语料库，P(w|context(w))为某一个节点当前词与上下文构成自然语言的概率，L为各个节点的联合概率，即目标函数值。

6.根据权利要求5所述的基于词向量训练的电视节目推荐方法，其特征在于，步骤206中，所述训练的过程即通过优化参数使得目标函数L达到预设最大值的过程。

7.根据权利要求1-6任意一项所述的基于词向量训练的电视节目推荐方法，其特征在于，步骤3中，所述与用户当前观看节目相似度的计算公式如下：

cosθ=x1y1+x2y2+......xnynx12+x22+....xn2·y12+y22+....yn2;]]>

其中，其中n≥2，且n为整数，相似度cosθ的取值范围为(-1,1)，值接近1则表示两者相似度极高，值接近-1则表示两者完全不同。