[发明专利]一种基于显式和隐式信息的视频推荐方法

说明书

本发明公开了一种基于显式和隐式信息的视频推荐方法，包括如下步骤：1)提取用户对视频的评分信息和用户社交关系信息；2)根据用户对视频的评分和用户社交关系挖掘用户显式信息；3)根据用户对视频的评分挖掘视频隐式信息；4)融合用户显式信息和视频隐式信息，将其加入到协同过滤技术中。本发明克服了传统协同过滤推荐方法中推荐信息单一和数据稀疏问题，能更加精准的对视频进行推荐。

技术领域

本发明涉及个性化推荐领域，尤其涉及基于用户社交网络关系和视频关联关系的协同过滤推荐方法。

背景技术

随着电视媒体的迅猛发展，看视频成为了当下人们喜欢的一种娱乐消遣方式。一方面视频资源给用户带来了精神享受，但另一方面，海量的视频资源造成了信息过载问题，用户想要短时间内找到自己感兴趣的视频变得非常困难。

推荐系统作为一种用以满足用户个性化需求的系统和工具，能够有效缓解互联网的信息过载问题。基于矩阵分解的协同过滤则是解决推荐系统评分预测问题应用最为广泛的技术。目前，大量研究工作都围绕着矩阵分解进行有针对的进一步优化。为了缓解矩阵分解所面临的数据稀疏和冷启动等问题，许多研究者将额外信息加入到推荐系统中，例如用户社交信息，项目属性，用户评论和地理位置等显式信息。但现有的研究工作大都直接将这些显式信息融入优化目标中。鲜有工作将研究目标放在对评分显式信息的进一步挖掘中。评分作为一种用户和项目交互的显式表达，蕴藏着丰富的的隐式信息，这些隐式信息可以作为推荐系统理解用户偏好过程的有益补充，从而能够进一步提高推荐系统的性能。

发明内容

针对现有推荐技术的不足，本发明公开了一种基于显式和隐式信息的视频推荐方法。该方法通过挖掘用户显式信息和视频隐式信息,将其融入到传统协同过滤方法中，该方法能实现更好的推荐效果。

为了实现上述发明目的，本发明采用的技术方案为：一种基于显式和隐式信息的视频推荐方法，包括如下步骤：

1)提取用户对视频的评分信息和用户社交关系信息；

2)根据用户对视频的评分和用户社交关系挖掘用户显式信息；

3)根据用户对视频的评分挖掘视频隐式信息；

4)融合用户显式信息和视频隐式信息，将其加入到协同过滤技术中。

在上述步骤1)中，基于本方法提取用户对视频的评分信息和用户社交关系信息。包含以下步骤：

11)从视频资源网站抓取用户对视频的评分作为用户视频评分矩阵R；

12)从该网站提取用户与用户之间的社交关系矩阵，使用每行每列值为0或者1来描述用户社交关系矩阵T，T_uv＝1表示用户u信任用户v，反之则为0。

上述步骤2)中，根据用户对视频的评分和用户社交关系挖掘用户显式信息包含以下步骤：

21)对于用户u_i，使用来表示这个用户的邻居用户。使用用户评分的cosine相似度来刻画用户之间的彼此关系，挖掘得到用户的显式信息。

上述步骤3)中，根据用户对视频的评分挖掘视频的隐式信息包含以下步骤：

31)根据刻画视频相似度的指标，计算出所有视频之间两两相似度，对目标视频j，将所有视频与视频j的相似度进行降序排序，选出前K个相似度最高的视频组成视频j的近邻集A_j，挖掘得到视频的局部隐式信息；

32)通过视频流行度和用户评分之间的加权挖掘得到视频的全局隐式信息。

上述步骤4)中，融合用户显式信息和视频隐式信息，将其加入到传统协同过滤技术中。包含以下步骤：

41)综合考虑两种信息提出综合显式和隐式信息模型；