[发明专利]融合时间与兴趣相似度的电视产品推荐方法

说明书

本发明提供一种融合时间与兴趣相似度的电视产品推荐方法，包括步骤：S1：收集一时间段的用户收视行为数据并进行预处理，所述用户收视行为数据包括用户收视数据、用户订阅数据和用户点播数据；S2：对预处理后的所述用户收视行为数据构建特征；S3：构建电视产品推荐系统模型，所述电视产品推荐系统模型基于时间权重和兴趣相似度；S4：收集并将用户全部的历史收视数据输入所述电视产品推荐系统模型，获得针对每个用户的个性化推荐结果。本发明的一种融合时间与兴趣相似度的电视产品推荐方法，能够更为精确地对用户进行电视产品个性化推荐。

技术领域

本发明涉及智能信息处理和机器学习领域，尤其涉及一种融合时间与兴趣相似度的电视产品推荐方法。

背景技术

现有的电视产品推荐方法中，较常见的推荐方法是传统协同过滤模型。其方法是：生成用户与节目、节目与节目或用户与用户的关系矩阵，寻找与每个用户最相似的节目作为推荐结果。现有的技术没有将用户的兴趣变化考虑在内，导致系统会基于用户早期观看过的节目记录来推荐相似的节目，使得推荐结果不符合用户现在的兴趣特征。

发明内容

针对上述现有技术中的不足，本发明提供一种融合时间与兴趣相似度的电视产品推荐方法，能够更为精确地对用户进行电视产品个性化推荐。

为了实现上述目的，本发明提供一种融合时间与兴趣相似度的电视产品推荐方法，包括步骤：

S1：收集一时间段的用户收视行为数据并进行预处理，所述用户收视行为数据包括用户收视数据、用户订阅数据和用户点播数据；

S2：对预处理后的所述用户收视行为数据构建特征；

S3：构建电视产品推荐系统模型，所述电视产品推荐系统模型基于时间权重和兴趣相似度；

S4：收集并将用户全部的历史收视数据输入所述电视产品推荐系统模型，获得针对每个用户的个性化推荐结果。

优选地，所述预处理步骤包括：利用PHP对所述用户收视行为数据进行剔除异常值、去重和归一化。

优选地，所述去重步骤包括：删除一电视剧的分集信息，只保留所述电视剧的节目名称；所述归一化步骤包括建立一字典库，将节目内容相同但节目名称不同的数据统一化。

优选地，所述预处理步骤还包括：去除所述节目名称中的标签说明文字和去除收视时间小于一预设时间的用户收视数据。

优选地，所述S2步骤进一步包括步骤：

S21：利用MariaDB对预处理后的所述用户收视数据进行合并去重，获得处理后用户收视行为数据；

S22：利用所述处理后用户收视行为数据生成关联数据组；

S23：将数据导出至Python软件，获得导出数据。

优选地，所述S2中还包括步骤：所述关联数据组包括多个特征信息和多个标签信息，每一所述特征信息对应有一标签信息；所述特征信息包括收视数据特征信息、节目特征信息和用户行为特征信息；所述收视数据特征信息对应的所述标签信息包括用户收视时长、最早观看时间和用户总观看时长；所述节目特征信息所对应的所述标签信息包括节目频道所属分类标签和目标人群特征标签；所述用户行为特征信息所对应的所述标签信息包括点播金额、点播时间、点播次数和观看时间。

优选地，所述电视产品推荐系统模型包括一时间权重公式和一兴趣相似度公式；所述S3步骤进一步包括步骤：

S31：构建一时间权重公式：