[发明专利]基于图片相似性的点播相似推荐方案的实现方法

说明书

本发明公开基于图片相似性的点播相似推荐方案的实现方法，涉及智能点播技术领域；建立了OTT点播系统所有点播节目海报的海报数据库，利用深度学习对海报进行特征提取，建立海报特征库，并将特征转化为特征向量，通过计算不同特征向量的余弦相似度来得到最相似的海报，进行点播推荐，与现有技术相比，本发明不需要用户的点播记录和节目的媒资标签信息进行协同过滤计算，只对点播节目海报进行处理计算，利用余弦相似度从方向上区分差异，而对绝对的数值不敏感，在图片的特征值相似计算的问题上可以有效的避免数值上差距的引发问题，提高了推荐的准确性，增强用户粘性，提高用户体验。

技术领域

本发明公开基于图片相似性的点播相似推荐方案的实现方法，涉及智能点播技术领域。

背景技术

随着互联网技术的迅猛发展，OTT机顶盒技术得到了蓬勃发展。但OTT机顶盒中简单的列表搜索式点播系统已不能满足用户的全新需求。大部分用户在点播过程中，更加想获取到观看影片的相似影片，基于此，点播推荐系统应运而生，但现有的点播推荐系统通常采用协同过滤方法实现推荐，通过使用数据，来发现类似的用户和电影，常常导致热门电影比小众电影更容易被推荐；同时，由于新上映的电影没有太多的使用数据，因此利用协同过滤向用户推荐任何新电影很不现实。

本发明提供基于图片相似性的点播相似推荐方案的实现方法，利用基于图片相似性的点播相似推荐方案不需要用户的点播记录和节目的媒资标签信息进行协同过滤计算，只对点播节目海报进行处理计算获取到相似的点播节目，提高了推荐的准确性，增强用户粘性，提高用户体验。

发明内容

本发明针对现有技术的问题，提供基于图片相似性的点播相似推荐方案的实现方法，对点播节目海报进行处理计算获取到相似的点播节目，提高了推荐的准确性，增强用户粘性，提高用户体验。

本发明提出的具体方案是：

基于图片相似性的点播相似推荐方案的实现方法：获取OTT点播系统中点播节目的海报建立海报数据库，

基于深度学习算法对海报数据库中海报进行特征值提取，建立海报特征库，将特征值转化为特征向量，遍历计算特征向量的余弦相似度，通过余弦相似度确定最相似的海报，进行点播节目推荐。

所述的实现方法中计算特征向量的余弦相似度的公式为：

A，B分别表示两张不同海报的特征向量，Ai表示A特征向量的各分量，Bi表示B特征向量的各分量。

所述的实现方法中控制余弦相似度的计算阈值，通过余弦相似度的计算阈值确定最相似的海报，获得所述海报的点播节目列表。

所述的实现方法中通过定时任务，及时将新加入OTT点播系统的点播节目的海报完善到海报数据库。

所述的实现方法中获取OTT点播系统中点播节目的海报和点播节目id，根据点播节目id和海报对应关系建立海报数据库。

基于图片相似性的点播相似推荐方案的实现系统包括推荐单元、OTT点播系统及客户端，

推荐单元获取OTT点播系统中点播节目的海报建立海报数据库，

基于深度学习算法对海报数据库中海报进行特征值提取，建立海报特征库，将特征值转化为特征向量，遍历计算特征向量的余弦相似度，通过余弦相似度确定与客户端观看的最相似的海报，将点播节目推荐给客户端。

所述的实现系统中推荐单元计算特征向量的余弦相似度的公式为：

A，B分别表示两张不同海报的特征向量，Ai表示A特征向量的各分量，Bi表示B特征向量的各分量。