一種視頻推薦的方法、系統及電子設備技術方案

本發明專利技術適用于信息處理技術領域，提供了一種視頻推薦的方法、系統及電子設備，所述方法包括：根據用戶與視頻的關系矩陣A構建用戶-視頻二分圖，所述二分圖中包括n個用戶節點和m個視頻節點，若用戶ui觀看過視頻vj，則用戶節點ui與視頻節點vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]；基于隨機漫步的PR算法，計算所述二分圖中的用戶ui對所述m個視頻節點的訪問概率；根據所述關系矩陣A，剔除用戶ui觀看過的視頻，得到用戶ui對未觀看的視頻的訪問概率對所述用戶ui對未觀看的視頻的訪問概率進行排序，將訪問概率最高的前N個視頻推薦給用戶ui。本發明專利技術，可以提高推薦系統的覆蓋度，提升推薦內容的多樣性以及新穎性，提升用戶滿意度和用戶粘性。

【技術實現步驟摘要】

本專利技術屬于信息處理
，尤其涉及一種視頻推薦的方法、系統及電子設備。
技術介紹
個性化推薦系統是基于用戶個性化需求而產生的新型推薦系統。推薦算法是推薦系統研究最核心的模塊，它的優劣會直接影響到推薦系統整體的性能。目前最流行的推薦算法是基于內容、基于協同過濾、基于關聯規則的推薦算法，以及這幾種推薦的結合體。這些推薦算法都是以描述用戶興趣為出發點，通過不同的搜索策略，最后著力于對用戶未來興趣的預測。但這些推薦算法在實際的應用中也存在著一些問題：(1)、稀疏問題。當一個用戶瀏覽過一個系統很少的對象或很少進行操作與評價時，用戶的行為數據就會變得很稀疏，而利用此類數據去計算用戶之間的相似性是不可靠的。(2)、常用推薦算法對于越是熱門的視頻，它的推薦度就越大，但并非越是熱門的視頻，用戶就一定會喜歡。例如有一部熱門電影，有可能是該部影片的前期營銷宣傳活動做得很成功，但影片本身質量并不優秀，并不是用戶所希望觀看的。根據長尾理論，用戶對于視頻的關注度也存在此效應，傳統的推薦算法對熱門資源的推薦度較高，但這種資源其實是不需要推薦的，用戶通過其他的渠道(媒體、報紙報道等)也可以快速獲知，但有可能用戶真正感興趣的視頻卻被忽略掉了。(3)、用戶的興趣是在時刻變化的，隨著時間用戶的興趣會發生轉移，如果系統不能動態跟蹤用戶的行為數據，實時進行更新就會導致系統推薦的產品
并不是用戶感興趣的，使得系統的性能下降。
技術實現思路
本專利技術實施例提供了一種視頻推薦的方法、系統，旨在解決現有的推薦算法所存在的問題，提高推薦系統的覆蓋度，提升推薦內容的多樣性以及新穎性，提升用戶滿意度和用戶粘性。一方面，提供一種視頻推薦的方法，所述方法包括：根據用戶與視頻的關系矩陣A構建用戶-視頻二分圖，所述二分圖中包括n個用戶節點和m個視頻節點，若用戶ui觀看過視頻vj，則用戶節點ui與視頻節點vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]；基于隨機漫步的PR算法，計算所述二分圖中的用戶ui對所述m個視頻節點的訪問概率；根據所述關系矩陣A，剔除用戶ui觀看過的視頻，得到用戶ui對未觀看的視頻的訪問概率；對所述用戶ui對未觀看的視頻的訪問概率進行排序，將訪問概率最高的前N個視頻推薦給用戶ui。進一步地，在所述基于隨機漫步的PR算法中，根據下述公式計算所述二分圖中的用戶ui對于所述m個視頻節點的訪問概率： PR ( v ) = β Σ v ′ ∈ in ( v ) PR ( v ′ ) | out ( v ′ ) | ( v ≠ v n ) β Σ v ′ ∈ in ( v ) PR ( v ′ ) | out ( v ′ ) | + ( 1 - β ) ( v = 本文檔來自技高網...

【技術保護點】
一種視頻推薦的方法，其特征在于，所述方法包括：根據用戶與視頻的關系矩陣A構建用戶?視頻二分圖，所述二分圖中包括n個用戶節點和m個視頻節點，若用戶ui觀看過視頻vj，則用戶節點ui與視頻節點vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]；基于隨機漫步的PR算法，計算所述二分圖中的用戶ui對所述m個視頻節點的訪問概率；根據所述關系矩陣A，剔除用戶ui觀看過的視頻，得到用戶ui對未觀看的視頻的訪問概率；對所述用戶ui對未觀看的視頻的訪問概率進行排序，將訪問概率最高的前N個視頻推薦給用戶ui。

【技術特征摘要】
1.一種視頻推薦的方法，其特征在于，所述方法包括：根據用戶與視頻的關系矩陣A構建用戶-視頻二分圖，所述二分圖中包括n個用戶節點和m個視頻節點，若用戶ui觀看過視頻vj，則用戶節點ui與視頻節點vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]；基于隨機漫步的PR算法，計算所述二分圖中的用戶ui對所述m個視頻節點的訪問概率；根據所述關系矩陣A，剔除用戶ui觀看過的視頻，得到用戶ui對未觀看的視頻的訪問概率；對所述用戶ui對未觀看的視頻的訪問概率進行排序，將訪問概率最高的前N個視頻推薦給用戶ui。2.如權利要求1所述的方法，其特征在于，在所述基于隨機漫步的PR算法中，根據下述公式計算所述二分圖中的用戶ui對于所述m個視頻節點的訪問概率： PR ( v ) = β Σ v ′ ∈ in PR ( v ′ ) | out ( v ′ ) | ( v ≠ v n ) β Σ v ′ ∈ in ( v ) PR ( v ′ ) | out ( v ′ ) | + ( 1 - β ) ( v = v n ) ]]> 公式1其中，β為設定的重啟概率，ν是初始的游走點，v'是下一個游走點，vn表示用戶觀看過的視頻節點，in(v)為用戶ui已經觀看過的視頻集合，out(v')除in(v)以外的其他視頻集合。3.如權利要求2所述的方法，其特征在于，所述基于隨機漫步的PR算法，計算所述二分圖中的用戶ui對于所述m個視頻節點的訪問概率，包括：計算所述二分圖中的n個用戶對于所述m個視頻節點的轉移概率矩陣W(v,v')；其中，W(v,v')滿足下述公式： W ( v , v ′ ) = 1 | out ( v ′ ) | ]]> 公式2根據公式3計算得到用戶ui對所述m個視頻節點的訪問概率矩陣，其中，根據所述公式1和所述公式2得到公式3，公式3如下：PR(v')＝(1-β)(1-βWT)-1PR(v) 公式3根據所述訪問概率矩陣得到用戶ui對所述m個視頻節點的訪問概率。4.如權利要求1至3任一項所述的方法，其特征在于，所述關系矩陣A滿足如下公式：A＝|αij|其中，αij＝1表示用戶ui觀看過視頻vj，否則αij＝0。5.一種視頻推薦的系統，其特征在于，所述系統包括：二分圖構建單元，用于根據用戶與視頻的關系矩陣A構建用戶-視頻二分圖，所述二分圖中包括n個用戶節點和...

【專利技術屬性】
技術研發人員：馮研，王巍，
申請(專利權)人：TCL集團股份有限公司，
類型：發明
國別省市：廣東;44