一种视频推荐的方法、系统及电子设备技术方案

本发明专利技术适用于信息处理技术领域，提供了一种视频推荐的方法、系统及电子设备，所述方法包括：根据用户与视频的关系矩阵A构建用户-视频二分图，所述二分图中包括n个用户节点和m个视频节点，若用户ui观看过视频vj，则用户节点ui与视频节点vj之间用一条边连接，其中，i∈[1,n]，j∈[1,m]；基于随机漫步的PR算法，计算所述二分图中的用户ui对所述m个视频节点的访问概率；根据所述关系矩阵A，剔除用户ui观看过的视频，得到用户ui对未观看的视频的访问概率对所述用户ui对未观看的视频的访问概率进行排序，将访问概率最高的前N个视频推荐给用户ui。本发明专利技术，可以提高推荐系统的覆盖度，提升推荐内容的多样性以及新颖性，提升用户满意度和用户粘性。

【技术实现步骤摘要】

本专利技术属于信息处理
，尤其涉及一种视频推荐的方法、系统及电子设备。
技术介绍
个性化推荐系统是基于用户个性化需求而产生的新型推荐系统。推荐算法是推荐系统研究最核心的模块，它的优劣会直接影响到推荐系统整体的性能。目前最流行的推荐算法是基于内容、基于协同过滤、基于关联规则的推荐算法，以及这几种推荐的结合体。这些推荐算法都是以描述用户兴趣为出发点，通过不同的搜索策略，最后着力于对用户未来兴趣的预测。但这些推荐算法在实际的应用中也存在着一些问题：(1)、稀疏问题。当一个用户浏览过一个系统很少的对象或很少进行操作与评价时，用户的行为数据就会变得很稀疏，而利用此类数据去计算用户之间的相似性是不可靠的。(2)、常用推荐算法对于越是热门的视频，它的推荐度就越大，但并非越是热门的视频，用户就一定会喜欢。例如有一部热门电影，有可能是该部影片的前期营销宣传活动做得很成功，但影片本身质量并不优秀，并不是用户所希望观看的。根据长尾理论，用户对于视频的关注度也存在此效应，传统的推荐算法对热门资源的推荐度较高，但这种资源其实是不需要推荐的，用户通过其他的渠道(媒体、报纸报道等)也可以快速获知，但有可能用户真正感兴趣的视频却被忽略掉了。(3)、用户的兴趣是在时刻变化的，随着时间用户的兴趣会发生转移，如果系统不能动态跟踪用户的行为数据，实时进行更新就会导致系统推荐的产品
并不是用户感兴趣的，使得系统的性能下降。
技术实现思路
本专利技术实施例提供了一种视频推荐的方法、系统，旨在解决现有的推荐算法所存在的问题，提高推荐系统的覆盖度，提升推荐内容的多样性以及新颖性，提升用户满意度和用户粘性。一方面，提供一种视频推荐的方法，所述方法包括：根据用户与视频的关系矩阵A构建用户-视频二分图，所述二分图中包括n个用户节点和m个视频节点，若用户ui观看过视频vj，则用户节点ui与视频节点vj之间用一条边连接，其中，i∈[1,n]，j∈[1,m]；基于随机漫步的PR算法，计算所述二分图中的用户ui对所述m个视频节点的访问概率；根据所述关系矩阵A，剔除用户ui观看过的视频，得到用户ui对未观看的视频的访问概率；对所述用户ui对未观看的视频的访问概率进行排序，将访问概率最高的前N个视频推荐给用户ui。进一步地，在所述基于随机漫步的PR算法中，根据下述公式计算所述二分图中的用户ui对于所述m个视频节点的访问概率： 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 = 本文档来自技高网...

【技术保护点】
一种视频推荐的方法，其特征在于，所述方法包括：根据用户与视频的关系矩阵A构建用户‑视频二分图，所述二分图中包括n个用户节点和m个视频节点，若用户ui观看过视频vj，则用户节点ui与视频节点vj之间用一条边连接，其中，i∈[1,n]，j∈[1,m]；基于随机漫步的PR算法，计算所述二分图中的用户ui对所述m个视频节点的访问概率；根据所述关系矩阵A，剔除用户ui观看过的视频，得到用户ui对未观看的视频的访问概率；对所述用户ui对未观看的视频的访问概率进行排序，将访问概率最高的前N个视频推荐给用户ui。

【技术特征摘要】
1.一种视频推荐的方法，其特征在于，所述方法包括：根据用户与视频的关系矩阵A构建用户-视频二分图，所述二分图中包括n个用户节点和m个视频节点，若用户ui观看过视频vj，则用户节点ui与视频节点vj之间用一条边连接，其中，i∈[1,n]，j∈[1,m]；基于随机漫步的PR算法，计算所述二分图中的用户ui对所述m个视频节点的访问概率；根据所述关系矩阵A，剔除用户ui观看过的视频，得到用户ui对未观看的视频的访问概率；对所述用户ui对未观看的视频的访问概率进行排序，将访问概率最高的前N个视频推荐给用户ui。2.如权利要求1所述的方法，其特征在于，在所述基于随机漫步的PR算法中，根据下述公式计算所述二分图中的用户ui对于所述m个视频节点的访问概率： 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为设定的重启概率，ν是初始的游走点，v'是下一个游走点，vn表示用户观看过的视频节点，in(v)为用户ui已经观看过的视频集合，out(v')除in(v)以外的其他视频集合。3.如权利要求2所述的方法，其特征在于，所述基于随机漫步的PR算法，计算所述二分图中的用户ui对于所述m个视频节点的访问概率，包括：计算所述二分图中的n个用户对于所述m个视频节点的转移概率矩阵W(v,v')；其中，W(v,v')满足下述公式： W ( v , v ′ ) = 1 | out ( v ′ ) | ]]> 公式2根据公式3计算得到用户ui对所述m个视频节点的访问概率矩阵，其中，根据所述公式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根据所述访问概率矩阵得到用户ui对所述m个视频节点的访问概率。4.如权利要求1至3任一项所述的方法，其特征在于，所述关系矩阵A满足如下公式：A＝|αij|其中，αij＝1表示用户ui观看过视频vj，否则αij＝0。5.一种视频推荐的系统，其特征在于，所述系统包括：二分图构建单元，用于根据用户与视频的关系矩阵A构建用户-视频二分图，所述二分图中包括n个用户节点和...

【专利技术属性】
技术研发人员：冯研，王巍，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44