一种基于目标节目推荐模型的节目推荐方法与装置制造方法及图纸

本发明专利技术提供了一种基于目标节目推荐模型的节目推荐方法，通过提取第一节目向量，计算所述第一节目向量与各个节目推荐模型预设的推荐向量之间的相似度，并进行相似度比较，根据比较结果选取目标节目推荐模型，并将第一节目向量输入至目标节目推荐模型中，得到多个第二节目，将各所述第二节目推送给所述指定设备。从而实现了无需获取到用户的用户信息，直接根据用户当前播放的第一节目，就能完成节目的推荐，并且，还通过获取相关的推荐模型，提高了节目推荐的精确度，解决了在没有确定数字电视面前的人员时，很难为该人员推荐相关的电视节目的问题。节目的问题。节目的问题。

【技术实现步骤摘要】
一种基于目标节目推荐模型的节目推荐方法与装置


[0001]本专利技术涉及数字电视领域，特别涉及一种基于目标节目推荐模型的节目推荐方法与装置。

技术介绍

[0002]随着我国网络技术在智能广播电视领域的应用与发展，数字电视技术也给人们的播放方式与传统广播技术带来了新的改变。网络数字化广电技术具有画面更高清、更稳定；电视资源更丰富；播放超越时间空间的限制且低成本的优势特点，给电视用户带来了极佳的播放体验。但是，数字电视一般是会面向家庭，即面对的一般都是一个团体，目前，现有的节目的智能推荐一般都是基于客户的信息或者历史记录进行推荐，例如其喜欢运动，26岁，则可以给其推荐体育节目。但是对于家庭而言，尤其是老人和小孩，一般不会去设置自己专属的标签，使用的账号一般也只有一个，因此，在没有确定数字电视面前的人员时，很难为该人员推荐相关的电视节目。

技术实现思路

[0003]本专利技术的主要目的为提供一种基于目标节目推荐模型的节目推荐方法、装置、设备以及存储介质，旨在解决在没有确定数字电视面前的人员时，很难为该人员推荐相关的电视节目的问题。
[0004]本专利技术提供了一种基于目标节目推荐模型的节目推荐方法，包括：提取指定设备当前播放的第一节目的第一节目类型以及第一节目信息；将所述第一节目类型和所述第一节目信息向量化，得到对应的第一类型向量和第一信息向量；将所述第一类型向量和所述第一信息向量按照预设的加权求和方式进行求和，得到第一节目向量；获取多个设备各自播放的多个节目的第二节目类型以及第二节目信息；将所述第二节目类型和所述第二节目信息向量化，得到对应的第二类型向量和第二信息向量；将各个所述设备对应的所述第二类型向量和第二信息向量按照预设的加权求和方式进行求和，得到第二节目向量；将各个所述第二节目向量按照预设维度进行聚类处理，得到对应各个预设维度的训练集；将所述训练集中的各个第二节目向量两两结合依次输入至对应预设维度的初始模型的输入层中，采用公式v
ik
=w
j
×
f（x
ik
）+b得到所述第二节目向量分别对应的特征向量；其中v
ik
表示第k个训练集中的第i个第二节目向量对应的特征向量，x
ik
表示第k个训练集中的第i个第二节目向量，w
j
为第j个维度预设的训练总权重，b为预设的偏置参数，f(x
ik
)=exp(jwt)*x
ik
，exp(jwt)为模型的特征函数，w表示特征函数的角频率，j为常数，t为所述特征函
数的周期，其中，所述初始模型为生成对抗网络模型；根据公式R
kpq
=v
pkT
v
qk
=(w
j
×
f(v
pk
)+b)
T
(w
j
×
f(v
qk
)+b)得到二者的相似值；其中，Rkpq为第k个训练集中的第p个第二节目向量和第q个第二节目向量对应的相似值；在所述初始模型的判别网络中，根据公式计算各个所述初始模型基于所述训练集的损失值；其中，n表示第k个训练集中的第二节目向量的数量，r
kpq
表示特征向量v
qk
与特征向量v
pk
之间的实际相似值，为预设的参数；基于所述初始模型对应的所述损失值对所述初始模型进行参数的调整，调整后得到各个维度对应的节目推荐模型；计算所述第一节目向量与各个节目推荐模型预设的推荐向量之间的相似度，并进行相似度比较；根据比较结果选取相似度最高的目标节目推荐模型，并将所述第一节目向量输入至所述目标节目推荐模型中，得到与所述第一节目相似度大于相似度阈值的多个第二节目；将各所述第二节目推送给所述指定设备。
[0005]进一步地，所述提取指定设备当前播放的第一节目的第一节目类型以及第一节目信息中，提取所述第一节目信息的步骤，包括：获取所述指定设备基于所述第一节目的搜索词，并确定所述搜索词的相关词集，所述相关词集包括一个或者多个相关词；根据所述搜索词的第一词性与各个所述相关词的第二词性，从所述相关词集中确定一个或者多个目标相关词；根据所述搜索词和所述一个或者多个目标相关词确定多个参考设备；其中所述参考设备为使用所述搜索词和所述一个或者多个目标相关词中的至少一个词搜索所述第一节目的设备；确定各所述参考设备的共同特征，并将所述共同特征记为所述第一节目信息。
[0006]进一步地，所述将各所述第二节目推送给所述指定设备的步骤之前，还包括：获取所述指定设备播放时间大于设定值的多个目标节目对应的目标节目向量；其中，所述目标节目向量包括所述目标节目的节目类型和所述节目信息；在预设的维度中提取各所述目标节目向量中的各个维度的维度值；按照各个所述预设维度分别提取各所述目标节目向量对应的各个维度的维度值，得到各个所述预设维度分别对应的维度值集合；提取各个所述维度集合中的最大值与最小值；根据公式计算每个所述维度集合对应的维度数值的标准值，其中，x
ij
表示第j个所述维度数值数据集合中第i个所述维度数值，min(x
ij
)表示第j个所述维度数值数据集合中元素的最小值， max(x
ij
)第j个所述维度数值数据集合中元素的最大值，Y
ij
表示所述维度数值数据集合中第i个维度数值对应的所述标准值；
根据公式计算各个所述维度集合的信息熵值，其中，其中，E
j
表示第j个所述维度集合的所述信息熵值，当P
ij
=0时，定义表示第j个所述维度集合的第i个所述维度数值对应的概率值，n表示所述维度集合的个数；将各个所述维度集合的信息熵值与对应各个预设维度的预设信息熵值进行比较；根据比较结果筛选出小于对应的所述预设信息熵值的所述维度集合，记为目标维度集合；将各个目标维度集合中最小的值记为对应预设维度的维度要求值；获取各个所述第二节目对应所述目标维度集合维度的维度值，并判断是否大于对应的维度要求值；若大于对应的维度要求值，则判定对应的第二节目满足推送给所述指定设备的要求。
[0007]进一步地，所述将各所述第二节目推送给所述指定设备的步骤之后，还包括：获取用户在所述指定设备上选择的第二节目，并记为第二目标节目；提取各个所述第二目标节目的节目信息以及播放的完整程度；将所述完整程度按照预设的分值转化方法转化为对应的推荐分值；将所述节目信息作为所述目标推荐模型的输入，以及将所述推荐分值作为所述目标推荐模型的输出，对所述目标推荐模型进行再训练。
[0008]进一步地，所述将各所述第二节目推送给所述指定设备的步骤，还包括：统计所述第二节目的目标数量；若所述第二节目的数量小于第一倍数的数量，或者所述第二节目的数量大于第二倍数的数量人数，则调整所述相似度阈值，并重新统计相似度大于调整后的相似度阈值的第二节目的数量，直至所述第二节目的数量大于或等于第一倍数的所述数量，且小于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标节目推荐模型的节目推荐方法，其特征在于，包括：提取指定设备当前播放的第一节目的第一节目类型以及第一节目信息；将所述第一节目类型和所述第一节目信息向量化，得到对应的第一类型向量和第一信息向量；将所述第一类型向量和所述第一信息向量按照预设的加权求和方式进行求和，得到第一节目向量；获取多个设备各自播放的多个节目的第二节目类型以及第二节目信息；将所述第二节目类型和所述第二节目信息向量化，得到对应的第二类型向量和第二信息向量；将各个所述设备对应的所述第二类型向量和第二信息向量按照预设的加权求和方式进行求和，得到第二节目向量；将各个所述第二节目向量按照预设维度进行聚类处理，得到对应各个预设维度的训练集；将所述训练集中的各个第二节目向量两两结合依次输入至对应预设维度的初始模型的输入层中，采用公式v
ik
=w
j
×
f（x
ik
）+b得到所述第二节目向量分别对应的特征向量；其中v
ik
表示第k个训练集中的第i个第二节目向量对应的特征向量，x
ik
表示第k个训练集中的第i个第二节目向量，w
j
为第j个维度预设的训练总权重，b为预设的偏置参数，f(x
ik
)=exp(jwt)*x
ik
，exp(jwt)为模型的特征函数，w表示特征函数的角频率，j为常数，t为所述特征函数的周期，其中，所述初始模型为生成对抗网络模型；根据公式R
kpq
=v
pkT
v
qk
=(w
j
×
f(v
pk
)+b)
T
(w
j
×
f(v
qk
)+b)得到二者的相似值；其中，Rkpq为第k个训练集中的第p个第二节目向量和第q个第二节目向量对应的相似值；在所述初始模型的判别网络中，根据公式计算各个所述初始模型基于所述训练集的损失值；其中，n表示第k个训练集中的第二节目向量的数量，r
kpq
表示特征向量v
qk
与特征向量v
pk
之间的实际相似值，为预设的参数；基于所述初始模型对应的所述损失值对所述初始模型进行参数的调整，调整后得到各个维度对应的节目推荐模型；计算所述第一节目向量与各个节目推荐模型预设的推荐向量之间的相似度，并进行相似度比较；根据比较结果选取相似度最高的目标节目推荐模型，并将所述第一节目向量输入至所述目标节目推荐模型中，得到与所述第一节目相似度大于相似度阈值的多个第二节目；将各所述第二节目推送给所述指定设备。2.如权利要求1所述的基于目标节目推荐模型的节目推荐方法，其特征在于，所述提取指定设备当前播放的第一节目的第一节目类型以及第一节目信息中，提取所述第一节目信息的步骤，包括：获取所述指定设备基于所述第一节目的搜索词，并确定所述搜索词的相关词集，所述相关词集包括一个或者多个相关词；根据所述搜索词的第一词性与各个所述相关词的第二词性，从所述相关词集中确定一
个或者多个目标相关词；根据所述搜索词和所述一个或者多个目标相关词确定多个参考设备；其中所述参考设备为使用所述搜索词和所述一个或者多个目标相关词中的至少一个词搜索所述第一节目的设备；确定各所述参考设备的共同特征，并将所述共同特征记为所述第一节目信息。3.如权利要求1所述的基于目标节目推荐模型的节目推荐方法，其特征在于，所述将各所述第二节目推送给所述指定设备的步骤之前，还包括：获取所述指定设备播放时间大于设定值的多个目标节目对应的目标节目向量；其中，所述目标节目向量包括所述目标节目的节目类型和所述节目信息；在预设的维度中提取各所述目标节目向量中的各个维度的维度值；按照各个所述预设维度分别提取各所述目标节目向量对应的各个维度的维度值，得到各个所述预设维度分别对应的维度值集合；提取各个所述维度集合中的最大值与最小值；根据公式计算每个所述维度集合对应的维度数值的标准值，其中，x
ij
表示第j个所述维度数值数据集合中第i个所述维度数值，min(x
ij
)表示第j个所述维度数值数据集合中元素的最小值， max(x
ij
)第j个所述维度数值数据集合中元素的最大值，Y
ij
表示所述维度数值数据集合中第i个维度数值对应的所述标准值；根据公式计算各个所述维度集合的信息熵值，其中，其中，E
j
表示第j个所述维度集合的所述信息熵值，当P
ij
=0时，定义表示第j个所述维度集合的第i个所述维度数值对应的概率值，n表示所述维度集合的个数；将各个所述维度集合的信息熵值与对应各个预设维度的预设信息熵值进行比较；根据比较结果筛选出小于对应的所述预设信息熵值的所述维度集合，记为目标维度集合；将各个目标维度集合中最小的值记为对应预设维度的维度要求值；获取各个所述第二节目对应所述目标维度集合维度的维度值，并判断是否大于对应的维度要求值；若大于对应的维度要求值，则判...

【专利技术属性】
技术研发人员：陈飞鸽，廖佳秋，
申请(专利权)人：深圳佳力拓科技有限公司，
类型：发明
国别省市：