本發(fā)明屬于信息處理
技術(shù)領(lǐng)域：
，尤其涉及一種視頻推薦的方法、系統(tǒng)及電子設(shè)備。
背景技術(shù)：
：個(gè)性化推薦系統(tǒng)是基于用戶個(gè)性化需求而產(chǎn)生的新型推薦系統(tǒng)。推薦算法是推薦系統(tǒng)研究最核心的模塊，它的優(yōu)劣會(huì)直接影響到推薦系統(tǒng)整體的性能。目前最流行的推薦算法是基于內(nèi)容、基于協(xié)同過(guò)濾、基于關(guān)聯(lián)規(guī)則的推薦算法，以及這幾種推薦的結(jié)合體。這些推薦算法都是以描述用戶興趣為出發(fā)點(diǎn)，通過(guò)不同的搜索策略，最后著力于對(duì)用戶未來(lái)興趣的預(yù)測(cè)。但這些推薦算法在實(shí)際的應(yīng)用中也存在著一些問(wèn)題：(1)、稀疏問(wèn)題。當(dāng)一個(gè)用戶瀏覽過(guò)一個(gè)系統(tǒng)很少的對(duì)象或很少進(jìn)行操作與評(píng)價(jià)時(shí)，用戶的行為數(shù)據(jù)就會(huì)變得很稀疏，而利用此類數(shù)據(jù)去計(jì)算用戶之間的相似性是不可靠的。(2)、常用推薦算法對(duì)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(huì)喜歡。例如有一部熱門電影，有可能是該部影片的前期營(yíng)銷宣傳活動(dòng)做得很成功，但影片本身質(zhì)量并不優(yōu)秀，并不是用戶所希望觀看的。根據(jù)長(zhǎng)尾理論，用戶對(duì)于視頻的關(guān)注度也存在此效應(yīng)，傳統(tǒng)的推薦算法對(duì)熱門資源的推薦度較高，但這種資源其實(shí)是不需要推薦的，用戶通過(guò)其他的渠道(媒體、報(bào)紙報(bào)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(shí)刻變化的，隨著時(shí)間用戶的興趣會(huì)發(fā)生轉(zhuǎn)移，如果系統(tǒng)不能動(dòng)態(tài)跟蹤用戶的行為數(shù)據(jù)，實(shí)時(shí)進(jìn)行更新就會(huì)導(dǎo)致系統(tǒng)推薦的產(chǎn)品 并不是用戶感興趣的，使得系統(tǒng)的性能下降。技術(shù)實(shí)現(xiàn)要素：本發(fā)明實(shí)施例提供了一種視頻推薦的方法、系統(tǒng)，旨在解決現(xiàn)有的推薦算法所存在的問(wèn)題，提高推薦系統(tǒng)的覆蓋度，提升推薦內(nèi)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(jù)用戶與視頻的關(guān)系矩陣A構(gòu)建用戶-視頻二分圖，所述二分圖中包括n個(gè)用戶節(jié)點(diǎn)和m個(gè)視頻節(jié)點(diǎn)，若用戶ui觀看過(guò)視頻vj，則用戶節(jié)點(diǎn)ui與視頻節(jié)點(diǎn)vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]；基于隨機(jī)漫步的PR算法，計(jì)算所述二分圖中的用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率；根據(jù)所述關(guān)系矩陣A，剔除用戶ui觀看過(guò)的視頻，得到用戶ui對(duì)未觀看的視頻的訪問(wèn)概率；對(duì)所述用戶ui對(duì)未觀看的視頻的訪問(wèn)概率進(jìn)行排序，將訪問(wèn)概率最高的前N個(gè)視頻推薦給用戶ui。進(jìn)一步地，在所述基于隨機(jī)漫步的PR算法中，根據(jù)下述公式計(jì)算所述二分圖中的用戶ui對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率：PR(v)=βΣv′∈in(v)PR(v′)|out(v′)|(v≠vn)βΣv′∈in(v)PR(v′)|out(v′)|+(1-β)(v=vn)]]>公式1其中，β為設(shè)定的重啟概率，ν是初始的游走點(diǎn)，v'是下一個(gè)游走點(diǎn)，vn表示用戶觀看過(guò)的視頻節(jié)點(diǎn)，in(v)為用戶ui已經(jīng)觀看過(guò)的視頻集合，out(v')除in(v)以外的其他視頻集合。進(jìn)一步地，所述基于隨機(jī)漫步的PR算法，計(jì)算所述二分圖中的用戶ui對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率，包括：計(jì)算所述二分圖中的n個(gè)用戶對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的轉(zhuǎn)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(jù)公式3計(jì)算得到用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率矩陣，其中，根據(jù)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(jù)所述訪問(wèn)概率矩陣得到用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率。進(jìn)一步地，所述關(guān)系矩陣A滿足如下公式：A＝|αij|其中，αij＝1表示用戶ui觀看過(guò)視頻vj，否則αij＝0。另一方面，提供一種視頻推薦的系統(tǒng)，所述系統(tǒng)包括：二分圖構(gòu)建單元，用于根據(jù)用戶與視頻的關(guān)系矩陣A構(gòu)建用戶-視頻二分圖，所述二分圖中包括n個(gè)用戶節(jié)點(diǎn)和m個(gè)視頻節(jié)點(diǎn)，若用戶ui觀看過(guò)視頻vj，則用戶節(jié)點(diǎn)ui與視頻節(jié)點(diǎn)vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]；第一訪問(wèn)概率計(jì)算單元，用于基于隨機(jī)漫步的PR算法，計(jì)算所述二分圖中的用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率；第二訪問(wèn)概率計(jì)算單元，用于根據(jù)所述關(guān)系矩陣A，剔除用戶ui觀看過(guò)的視頻，得到用戶ui對(duì)未觀看的視頻的訪問(wèn)概率；推薦單元，用于對(duì)所述用戶ui對(duì)未觀看的視頻的訪問(wèn)概率進(jìn)行排序，將訪問(wèn)概率最高的前N個(gè)視頻推薦給用戶ui。進(jìn)一步地，所述第一訪問(wèn)概率計(jì)算單元基于隨機(jī)漫步的PR算法，根據(jù)下述公式計(jì)算所述二分圖中的用戶ui對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率：PR(v)=βΣv′∈in(v)PR(v′)|out(v′)|(v≠vn)βΣv′∈in(v)PR(v′)|out(v′)|+(1-β)(v=vn)]]>公式1其中，β為設(shè)定的重啟概率，ν是初始的游走點(diǎn)，v'是下一個(gè)游走點(diǎn)，vn表示用戶觀看過(guò)的視頻節(jié)點(diǎn)，in(v)為用戶ui已經(jīng)觀看過(guò)的視頻集合，out(v')除in(v)以外的其他視頻集合。進(jìn)一步地，第一訪問(wèn)概率計(jì)算單元包括：轉(zhuǎn)移概率矩陣計(jì)算模塊，用于計(jì)算所述二分圖中的n個(gè)用戶對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的轉(zhuǎn)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訪問(wèn)概率矩陣計(jì)算模塊，用于根據(jù)公式3計(jì)算得到用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率矩陣，其中，根據(jù)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訪問(wèn)概率計(jì)算模塊，用于根據(jù)所述訪問(wèn)概率矩陣得到用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率。進(jìn)一步地，所述關(guān)系矩陣A滿足如下公式：A＝|αij|其中，αij＝1表示用戶ui觀看過(guò)視頻vj，否則αij＝0。再一方面，提供一種電子設(shè)備，所述電子設(shè)備包括如上所述的視頻推薦的系統(tǒng)。進(jìn)一步地，所述電子設(shè)備是數(shù)字電視、智能手機(jī)或者平板電腦。在本發(fā)明實(shí)施例，相比現(xiàn)有的視頻推薦的方法，具有以下優(yōu)點(diǎn)：(1)不需要像協(xié)同過(guò)濾算法去計(jì)算出各個(gè)視頻之間或各個(gè)用戶之間的相似度，也不需要像基于內(nèi)容的推薦算法去分析文本內(nèi)容及相關(guān)領(lǐng)域的知識(shí)進(jìn)行共同計(jì)算；(2) 只考慮做了選擇的用戶以及未選擇的待推薦的對(duì)象，所以對(duì)數(shù)據(jù)的稀疏性不敏感，而且計(jì)算量相對(duì)較??；(3)當(dāng)有新的用戶或?qū)ο笮畔⑻砑舆M(jìn)來(lái)時(shí)，通過(guò)迭代計(jì)算使得系統(tǒng)快速達(dá)到新的平衡狀態(tài)，具有較好的可擴(kuò)展性；(4)通過(guò)用戶與視頻關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)，該系統(tǒng)會(huì)具備較高的覆蓋率，同時(shí)推薦結(jié)果具備一定的多樣性，能給用戶帶來(lái)驚喜。附圖說(shuō)明圖1是本發(fā)明實(shí)施例一提供的視頻推薦的方法的實(shí)現(xiàn)流程圖；圖2實(shí)施例一提供的視頻推薦的方法中，用戶A、B、C和視頻a、b、c、d構(gòu)成的用戶-視頻二分圖的示意圖；圖3示出圖2所示的二分圖分配資源的過(guò)程示意圖；圖4是本發(fā)明實(shí)施例二提供的視頻推薦的系統(tǒng)的結(jié)構(gòu)框圖。具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。在本發(fā)明實(shí)施例中，先根據(jù)用戶與視頻的關(guān)系矩陣A構(gòu)建用戶-視頻二分圖，再基于隨機(jī)漫步的PR算法，計(jì)算所述二分圖中的用戶ui對(duì)m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率，然后根據(jù)所述關(guān)系矩陣A，剔除用戶ui觀看過(guò)的視頻，得到用戶ui對(duì)未觀看的視頻的訪問(wèn)概率，最后對(duì)所述用戶ui對(duì)未觀看的視頻的訪問(wèn)概率進(jìn)行排序，將訪問(wèn)概率最高的前N個(gè)視頻推薦給用戶ui。以下結(jié)合具體實(shí)施例對(duì)本發(fā)明的實(shí)現(xiàn)進(jìn)行詳細(xì)描述：實(shí)施例一圖1示出了本發(fā)明實(shí)施例一提供的視頻推薦的方法的實(shí)現(xiàn)流程，詳述如下：在步驟S101中，根據(jù)用戶與視頻的關(guān)系矩陣A構(gòu)建用戶-視頻二分圖，所述二分圖中包括n個(gè)用戶節(jié)點(diǎn)和m個(gè)視頻節(jié)點(diǎn)，若用戶ui觀看過(guò)視頻vj，則用戶節(jié)點(diǎn)ui與視頻節(jié)點(diǎn)vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]。在本發(fā)明實(shí)施例中，在一個(gè)由n個(gè)用戶和m個(gè)視頻組成的視頻推薦的系統(tǒng)中，用戶節(jié)點(diǎn)和視頻節(jié)點(diǎn)之間的關(guān)系可以用一個(gè)關(guān)系矩陣A＝|αij|來(lái)描述，其中，αij＝1表示用戶ui觀看過(guò)視頻vj，否則αij＝0。根據(jù)用戶與視頻的關(guān)系矩陣構(gòu)建的用戶-視頻二分圖中包括n個(gè)用戶節(jié)點(diǎn)和m個(gè)視頻節(jié)點(diǎn)，若用戶ui觀看過(guò)視頻vj，則用戶節(jié)點(diǎn)ui與視頻節(jié)點(diǎn)vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]。具體的，構(gòu)建二分圖的過(guò)程如下：若根據(jù)用戶與視頻的關(guān)系矩陣中的αij的值判斷得到用戶ui觀看過(guò)視頻vj，則將用戶ui與視頻vj之間用一條邊連接，這代表了用戶ui與視頻vj之間直接關(guān)聯(lián)，以此類推，當(dāng)所有用戶對(duì)應(yīng)的用戶節(jié)點(diǎn)與已經(jīng)觀看過(guò)的視頻對(duì)應(yīng)的視頻節(jié)點(diǎn)之間用邊連接完畢后，形成一個(gè)網(wǎng)格關(guān)系，這個(gè)網(wǎng)格關(guān)系可以稱作用戶-視頻二分圖G(U，V，E)，其中用戶集合為Ui，i∈[1,n]；視頻集合為Vj，j∈[1,m]，E為邊。請(qǐng)參見(jiàn)圖2，在圖2中示出了用戶A、B、C和視頻a、b、c、d構(gòu)成的用戶-視頻二分圖，其中用戶A已經(jīng)觀看過(guò)視頻a和c，則用戶A與視頻a和c均連接；用戶B已經(jīng)觀看過(guò)視頻a、b、c和d，則用戶B與視頻a、b、c和d均連接；用戶C已經(jīng)觀看過(guò)視頻c和d，則用戶C與視頻c和d均連接。在步驟S102中，基于隨機(jī)漫步的PR算法，計(jì)算所述二分圖中的用戶ui對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率。在本發(fā)明實(shí)施例中，假設(shè)要對(duì)用戶ui進(jìn)行個(gè)性化視頻推薦，則執(zhí)行以下步驟：步驟1、從用戶ui對(duì)應(yīng)的視頻節(jié)點(diǎn)vn開始在用戶與視頻的鄰接矩陣A上進(jìn)行隨機(jī)漫步；步驟2、漫步到任何一個(gè)視頻節(jié)點(diǎn)時(shí)，首先按照概率β進(jìn)行判定，是繼續(xù)漫步，還是停止此次漫步而是從vn節(jié)點(diǎn)重新開始漫步。如果繼續(xù)漫步，則從當(dāng)前節(jié)點(diǎn)指向的節(jié)點(diǎn)中按照均勻分布原則隨機(jī)選擇一個(gè)節(jié)點(diǎn)作為下次漫步經(jīng)過(guò)的節(jié)點(diǎn)；步驟3、如此反復(fù)，經(jīng)過(guò)多次漫步之后，每一個(gè)視頻節(jié)點(diǎn)被訪問(wèn)到的概率會(huì)收斂到一個(gè)數(shù)，而這個(gè)數(shù)就是視頻節(jié)點(diǎn)的訪問(wèn)概率PR值，PR值可以作為推薦列表中視頻的權(quán)重而加以應(yīng)用。上述說(shuō)明可以用公式1表示如下：PR(v)=βΣv′∈in(v)PR(v′)|out(v′)|(v≠vn)βΣv′∈in(v)PR(v′)|out(v′)|+(1-β)(v=vn)]]>公式1其中，β為設(shè)定的重啟概率，一般為0.85，ν是初始的游走點(diǎn)，v'是下一個(gè)游走點(diǎn)，vn表示用戶觀看過(guò)的視頻節(jié)點(diǎn)，in(v)為用戶ui已經(jīng)觀看過(guò)的視頻集合，out(v')除in(v)以外的其他視頻集合。比如，圖2中，針對(duì)用戶A，in(v)為視頻a和c，out(v')為b和d。其中，基于隨機(jī)漫步的PR算法，計(jì)算二分圖中的用戶ui對(duì)于m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率的過(guò)程如下：將計(jì)算每個(gè)節(jié)點(diǎn)PR值的過(guò)程可以看作是一個(gè)資源分配的過(guò)程，假設(shè)每個(gè)視頻有相應(yīng)的資源，然后將資源通過(guò)邊分配給直接相關(guān)的每個(gè)用戶，每個(gè)用戶再把其收集到的資源再分配給與他直接相關(guān)的每個(gè)視頻，這里定義用戶與視頻之間的邊是沒(méi)有權(quán)重的，可以看作是平均分配。圖3示出了對(duì)一個(gè)由用戶A、B、C和視頻a、b、c、d構(gòu)成的二分圖分配資源的過(guò)程。在圖3中，A、B、C為3個(gè)用戶組成的用戶集合，a、b、c、d為4個(gè)視頻組成的視頻集合，其中各個(gè)視頻對(duì)應(yīng)的資源量分別為x、y、z、s。第一步、將視頻集合沿著邊分配給用戶，每個(gè)邊的權(quán)重均相等，可以得出 每個(gè)用戶分配的資源量A＝1/2x+1/2s，B＝y(tǒng)+1/2z+1/2s，C＝1/2x+1/2z。第二步、為資源的返流，將用戶的資源通過(guò)邊等分配給每個(gè)視頻，可以得到各個(gè)視頻重新分配后的資源值：x′＝1/2x+1/4z+1/4s，y′＝1/3y+1/6z+1/6s，z′＝1/4x+1/3y+5/12z+1/6s，s′＝1/4x+1/3y+1/6z+5/12s。這個(gè)過(guò)程可以用轉(zhuǎn)移概率矩陣的形式表示如下：x′y′z′s′=1/201/41/401/31/61/61/41/35/121/61/41/31/65/12*xyzs]]>其中，1/201/41/401/31/61/61/41/35/121/61/41/31/65/12]]>為求得的轉(zhuǎn)移概率矩陣。資源量的計(jì)算是基于在二分圖上進(jìn)行資源流動(dòng)分配模擬得出的，將二分圖中的所有頂點(diǎn)看作是一個(gè)個(gè)的狀態(tài)點(diǎn)，整個(gè)的無(wú)向二分圖就可以看作是一個(gè)馬爾科夫鏈?zhǔn)诫S機(jī)過(guò)程，資源的分配過(guò)程就是馬爾科夫過(guò)程的狀態(tài)遷移。因?yàn)樵谒鶚?gòu)建的二分圖中，每一個(gè)用戶都是有做出選擇的，每一個(gè)待推薦的對(duì)象也都是已經(jīng)被選擇的，并且這種選擇與被選擇的關(guān)系則是通過(guò)邊來(lái)表示的，因此可以得出各個(gè)點(diǎn)都是有邊相連通的，也就是說(shuō)資源是可以流動(dòng)到達(dá)的。該馬爾科夫鏈?zhǔn)菭顟B(tài)可達(dá)的有限自動(dòng)機(jī)，具有各態(tài)遍歷性。依定理：各態(tài)遍歷的有限狀態(tài)的馬爾科夫鏈，有且僅有一個(gè)平穩(wěn)的分布wP＝w。其中P表示馬爾科夫鏈中各個(gè)狀態(tài)之間的轉(zhuǎn)移概率矩陣。在資源流動(dòng)的過(guò)程中，短周期內(nèi)的資源總量是保持不變的，資源的擴(kuò)散最終會(huì)趨向于一個(gè)平衡的狀態(tài)，并且該狀態(tài)只與二分圖的結(jié)構(gòu)有關(guān)。依據(jù)上面介紹的求解過(guò)程，可以將對(duì)視頻訪問(wèn)概率的求解過(guò)程轉(zhuǎn)換為對(duì)轉(zhuǎn)移概率矩陣的轉(zhuǎn)換過(guò)程。令W(v,v')用戶-視頻二分圖中n個(gè)用戶對(duì)于m個(gè)視頻節(jié)點(diǎn)的轉(zhuǎn)移概率矩陣，W(v,v')滿足下述公式：W(v,v′)=1|out(v′)|]]>公式2再根據(jù)所述公式1和所述公式2先得到公式PR(v')＝(1-β)PR(v)+βWTPR(v')，在對(duì)該公式進(jìn)行處理，得到公式3；PR(v')＝(1-β)(1-βWT)-1PR(v)公式3然后根據(jù)公式3計(jì)算得到用戶ui對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率矩陣，最后根據(jù)所述訪問(wèn)概率矩陣得到用戶ui對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率。舉例如下：用戶集U＝{A，B，C}，視頻集V＝{a，b，c，d}，用戶的行為數(shù)據(jù)集由一個(gè)個(gè)(u，v)二元組組成，表示為用戶u對(duì)視頻v產(chǎn)生過(guò)觀看行為，用戶與視頻的二分圖如圖2所示，根據(jù)對(duì)圖3所示的二分圖求矩陣的方法，可以得到圖2所示的二分圖中的3個(gè)用戶對(duì)于4個(gè)視頻節(jié)點(diǎn)的轉(zhuǎn)移概率矩陣W=3/81/41/41/81/81/41/121/83/81/45/123/81/81/41/43/8,]]>則WT=3/81/83/81/81/41/41/41/41/41/125/121/41/81/83/83/8.]]>針對(duì)用戶A，根據(jù)圖2所示的二分圖，可以得到PR(A)=1010,]]>根據(jù)公式PR(A')＝(1-β)(1-βWT)-1PR(A)以及預(yù)設(shè)的β＝0.85，可以得到PR(A′)=0.6710.1700.8280.331,]]>PR(A')為用戶A對(duì)視頻集{a，b，c，d}的訪問(wèn)概率矩陣。通過(guò)該訪問(wèn)概率矩陣可以得到用戶A對(duì)視頻a、b、c和d的訪問(wèn)概率分別為0.671,0.170,0.828和0.331。在步驟S103中，根據(jù)所述用戶和視頻的關(guān)系矩陣，剔除用戶ui觀看過(guò)的視頻，得到用戶ui對(duì)于未觀看的視頻的訪問(wèn)概率。在本發(fā)明實(shí)施例中，根據(jù)用戶和視頻的關(guān)系矩陣，可以得出用戶A已經(jīng)觀看過(guò)視頻a和視頻c，未觀看的視頻為視頻b和視頻d，可以得到用戶A對(duì)視頻b和視頻d的訪問(wèn)概率分別為0.170和0.331。在步驟S104中，對(duì)所述訪問(wèn)概率進(jìn)行排序，將訪問(wèn)概率最高的前N個(gè)視頻推薦給用戶ui。在本發(fā)明實(shí)施例中，如步驟S103中所述，顯然視頻d的訪問(wèn)概率大于視頻b的訪問(wèn)概率，則將視頻d優(yōu)先推薦給用戶A，推薦給用戶A的視頻列表為{d，b}。其中N為預(yù)設(shè)的大于1的自然數(shù)。本實(shí)施例，先根據(jù)用戶與視頻的關(guān)系矩陣A構(gòu)建用戶-視頻二分圖，再基于隨機(jī)漫步的PR算法，計(jì)算所述二分圖中的用戶ui對(duì)m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率，然后根據(jù)所述關(guān)系矩陣A，剔除用戶ui觀看過(guò)的視頻，得到用戶ui對(duì)未觀看的視頻的訪問(wèn)概率，最后對(duì)所述用戶ui對(duì)未觀看的視頻的訪問(wèn)概率進(jìn)行排序，將訪問(wèn)概率最高的前N個(gè)視頻推薦給用戶ui。相比現(xiàn)有的視頻推薦的方法，具有以下優(yōu)點(diǎn)：(1)不需要像協(xié)同過(guò)濾算法去計(jì)算出各個(gè)視頻之間或各個(gè)用戶之間的相似度，也不需要像基于內(nèi)容的推薦算法去分析文本內(nèi)容及相關(guān)領(lǐng)域的知識(shí)進(jìn)行共同計(jì)算；(2)只考慮做了選擇的用戶以及未選擇的待推薦的對(duì)象，所以對(duì)數(shù)據(jù)的稀疏性不敏感，而且計(jì)算量相對(duì)較小；(3)當(dāng)有新的用戶或?qū)ο笮畔⑻砑舆M(jìn)來(lái)時(shí)，通過(guò)迭代計(jì)算使得系統(tǒng)快速達(dá)到新的平衡狀態(tài)，具有較好的可擴(kuò)展性；(4)通過(guò)用戶與視頻關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)，該系統(tǒng)會(huì)具備較高的覆蓋率，同時(shí)推薦結(jié)果具備一定的多樣性，能給用戶帶來(lái)驚喜。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述各實(shí)施例方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成，相應(yīng)的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，所述的存儲(chǔ)介質(zhì)，如ROM/RAM、磁盤或光盤等。實(shí)施例二圖4示出了本發(fā)明實(shí)施例二提供的視頻推薦的系統(tǒng)的具體結(jié)構(gòu)框圖，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分。該視頻推薦的系統(tǒng)可以是內(nèi)置于電子設(shè)備中的軟件單元、硬件單元或者軟硬件結(jié)合的單元，該電子設(shè)備可以 是數(shù)字電視、智能手機(jī)或者平板電腦。該視頻推薦的系統(tǒng)4包括：二分圖構(gòu)建單元41、第一訪問(wèn)概率計(jì)算單元42、第二訪問(wèn)概率計(jì)算單元43和推薦單元44。其中，二分圖構(gòu)建單元41，用于根據(jù)用戶與視頻的關(guān)系矩陣A構(gòu)建用戶-視頻二分圖，所述二分圖中包括n個(gè)用戶節(jié)點(diǎn)和m個(gè)視頻節(jié)點(diǎn)，若用戶ui觀看過(guò)視頻vj，則用戶節(jié)點(diǎn)ui與視頻節(jié)點(diǎn)vj之間用一條邊連接，其中，i∈[1,n]，j∈[1,m]；第一訪問(wèn)概率計(jì)算單元42，用于基于隨機(jī)漫步的PR算法，計(jì)算所述二分圖中的用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率；第二訪問(wèn)概率計(jì)算單元43，用于根據(jù)所述關(guān)系矩陣A，剔除用戶ui觀看過(guò)的視頻，得到用戶ui對(duì)未觀看的視頻的訪問(wèn)概率；推薦單元44，用于對(duì)所述用戶ui對(duì)未觀看的視頻的訪問(wèn)概率進(jìn)行排序，將訪問(wèn)概率最高的前N個(gè)視頻推薦給用戶ui。具體的，所述第一訪問(wèn)概率計(jì)算單元42基于隨機(jī)漫步的PR算法，根據(jù)下述公式計(jì)算所述二分圖中的用戶ui對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率：PR(v)=βΣv′∈in(v)PR(v′)|out(v′)|(v≠vn)βΣv′∈in(v)PR(v′)|out(v′)|+(1-β)(v=vn)]]>公式1其中，β為設(shè)定的重啟概率，ν是初始的游走點(diǎn)，v'是下一個(gè)游走點(diǎn)，vn表示用戶觀看過(guò)的視頻節(jié)點(diǎn)，in(v)為用戶ui已經(jīng)觀看過(guò)的視頻集合，out(v')除in(v)以外的其他視頻集合。具體的，所述第一訪問(wèn)概率計(jì)算單元42包括：轉(zhuǎn)移概率矩陣計(jì)算模塊，用于計(jì)算所述二分圖中的n個(gè)用戶對(duì)于所述m個(gè)視頻節(jié)點(diǎn)的轉(zhuǎn)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訪問(wèn)概率矩陣計(jì)算模塊，用于根據(jù)公式3計(jì)算得到用戶ui對(duì)所述m個(gè)視頻 節(jié)點(diǎn)的訪問(wèn)概率矩陣，其中，根據(jù)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訪問(wèn)概率計(jì)算模塊，用于根據(jù)所述訪問(wèn)概率矩陣得到用戶ui對(duì)所述m個(gè)視頻節(jié)點(diǎn)的訪問(wèn)概率。具體的，所述關(guān)系矩陣A滿足如下公式：A＝|αij|其中，αij＝1表示用戶ui觀看過(guò)視頻vj，否則αij＝0。本發(fā)明實(shí)施例提供的視頻推薦的系統(tǒng)4可以應(yīng)用在前述對(duì)應(yīng)的方法實(shí)施例一中，詳情參見(jiàn)上述實(shí)施例一的描述，在此不再贅述。值得注意的是，上述系統(tǒng)實(shí)施例中，所包括的各個(gè)單元只是按照功能邏輯進(jìn)行劃分的，但并不局限于上述的劃分，只要能夠?qū)崿F(xiàn)相應(yīng)的功能即可；另外，各功能單元的具體名稱也只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護(hù)范圍。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3