專利名稱：面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域的系統(tǒng)，具體是一種面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)。
背景技術(shù)：
自從20世紀(jì)中期，推薦系統(tǒng)已經(jīng)成為一個(gè)非常重要和活躍的研究領(lǐng)域。由于推薦系統(tǒng)涉及的學(xué)術(shù)領(lǐng)域非常廣，包括信息檢索、產(chǎn)品分類、行為建模、實(shí)時(shí)推薦，并且它能夠進(jìn)行個(gè)性化推薦，所以對(duì)于它的研究熱情經(jīng)久不衰。推薦系統(tǒng)的主要職能有跟蹤用戶行為、篩選合適的內(nèi)容。這樣就免去了用戶在海量數(shù)據(jù)中盲目搜索的負(fù)擔(dān)，并直接提供用戶最有可能偏愛(ài)的內(nèi)容。如今，推薦系統(tǒng)已經(jīng)深入商業(yè)營(yíng)銷的方方面面，主流的應(yīng)用如Amazon, com上推薦圖書、CD和其他相關(guān)產(chǎn)品；優(yōu)酷視頻網(wǎng)站上根據(jù)觀看歷史推薦類似的視頻、音頻；淘寶上相似產(chǎn)品的推薦等等。推薦系統(tǒng)在數(shù)字電視上的應(yīng)用也非常引人注目。隨著現(xiàn)代通訊技術(shù)的飛速發(fā)展以及數(shù)字電視機(jī)頂盒的逐步普及，數(shù)字電視已經(jīng)成為廣大家庭獲取信息的主要途徑。技術(shù)的變革使得機(jī)頂盒能夠接收和存儲(chǔ)大量的影視節(jié)目，但這同時(shí)也讓用戶難以快速準(zhǔn)確地從中選取適合自己的節(jié)目。推薦系統(tǒng)的介入，能賦予數(shù)字電視更強(qiáng)的競(jìng)爭(zhēng)力，從而取得商業(yè)上的成功。盡管推薦系統(tǒng)已經(jīng)取得了很大的成果，并已為廣大用戶所接受甚至依賴，但在電視節(jié)目推薦方面，市場(chǎng)上尚未出現(xiàn)一套完整且準(zhǔn)確度高、覆蓋面廣的電視節(jié)目推薦系統(tǒng)。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)中存在的上述不足，提供了一種面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，通過(guò)對(duì)節(jié)目模型與用戶偏好模型的比較，向用戶推薦節(jié)目，在準(zhǔn)確度和節(jié)目覆蓋面上較以往算法有了改進(jìn)。本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的?！N面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，包括依次連接的用戶信息收集模塊、用戶偏好追蹤模塊、節(jié)目推薦模塊及推薦結(jié)果展示模塊，還包括節(jié)目模型定義模塊，所述節(jié)目模型定義模塊分別與用戶偏好追蹤模塊及節(jié)目推薦模塊相連接，其中-用戶信息收集模塊，為用戶維護(hù)一個(gè)會(huì)話對(duì)象，并將當(dāng)前收看頻道及其開始收看時(shí)間存入會(huì)話對(duì)象中；-節(jié)目模型定義模塊，為整個(gè)推薦系統(tǒng)提供節(jié)目向量信息；-用戶偏好追蹤模塊，在每次收到新的用戶反饋時(shí)更新用戶偏好模型；-節(jié)目推薦模塊，根據(jù)當(dāng)前的用戶偏好，采用擴(kuò)展杰卡德相似度(ExtendedJaccard Similarity)計(jì)算產(chǎn)生推薦結(jié)果；
-推薦結(jié)果展示模塊，根據(jù)節(jié)目推薦模塊產(chǎn)生的文本推薦結(jié)果為依據(jù)，為推薦結(jié)果添加詳細(xì)信息。
所述用戶信息收集模塊在用戶收看電視節(jié)目時(shí)自動(dòng)且透明地收集用戶收視信息，在得到傳統(tǒng)的收視數(shù)據(jù)后將其劃分為節(jié)目收視信息進(jìn)行存儲(chǔ)。所述存儲(chǔ)格式包括以下兩種第一，簡(jiǎn)單記錄用戶在某一頻道上的停留時(shí)間；第二，將用戶在某一頻道上的停留時(shí)間劃分于在該頻道上播出的節(jié)目，存儲(chǔ)用戶對(duì)節(jié)目的收視時(shí)長(zhǎng)。所述節(jié)目模型定義模塊采用信息抽取(Information Extraction)技術(shù),從互聯(lián)網(wǎng)上抽取節(jié)目相關(guān)信息建立節(jié)目模型，通過(guò)后續(xù)處理，為下一周每一個(gè)即將播出的節(jié)目建立節(jié)目模型。記錄的過(guò)程對(duì)用戶是完全透明的，用戶只需像平常一樣觀看數(shù)字電視節(jié)目，系統(tǒng)便能夠采集到數(shù)據(jù)，用戶對(duì)此可以毫無(wú)感覺(jué)。所述用戶偏好追蹤模塊利用用戶信息收集模塊采集到的用戶收視信息以及節(jié)目模型定義模塊建立的節(jié)目模型產(chǎn)生用戶偏好模型，并根據(jù)用戶收視信息，及時(shí)產(chǎn)生最新的用戶偏好模型，同時(shí)，考慮用戶新近收看的節(jié)目最能反映用戶的收視偏好，對(duì)以往的用戶偏好模型進(jìn)行衰減，用于提高推薦的準(zhǔn)確度。具體為兩種情況第一，當(dāng)一個(gè)全新的用戶來(lái)到系統(tǒng)時(shí)為他初始化一個(gè)用戶偏好模型；第二，在用戶提交收視信息時(shí)，更新用戶偏好模型。用戶偏好追蹤模塊管理及更新用戶偏好模型，是推薦系統(tǒng)的主要組成部分。在本發(fā)明中，我們對(duì)其進(jìn)行了優(yōu)化，提高推薦的準(zhǔn)確度。所述節(jié)目推薦模塊根據(jù)當(dāng)前的用戶偏好，采用擴(kuò)展杰卡德相似度計(jì)算用戶偏好模型與當(dāng)前時(shí)間之后播放的所有節(jié)目的相似度，并對(duì)計(jì)算出的相似度排名，產(chǎn)生推薦結(jié)果。所述推薦結(jié)果展示模塊以節(jié)目推薦模塊產(chǎn)生的文本推薦結(jié)果為依據(jù)，為推薦結(jié)果增加美工及動(dòng)畫效果，使用滾動(dòng)和動(dòng)畫兩種方式展示文本推薦結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果(I)對(duì)于用戶的個(gè)性化較強(qiáng)，能夠緊跟用戶的喜好變化；(2)解決傳統(tǒng)系統(tǒng)要求用戶明確反饋的問(wèn)題；(3)針對(duì)于影視節(jié)目的生命周期短、時(shí)間敏感度高的特點(diǎn)，為節(jié)目增加時(shí)間維持，進(jìn)行針對(duì)性推薦。


圖I系統(tǒng)概貌；圖2用戶偏好向量的積累；圖3節(jié)目描述屬性；圖4未劃分用戶收視信息格式；圖5劃分后用戶收視信息格式；圖6收視信息劃分示意圖。
具體實(shí)施方式
下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說(shuō)明本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
如圖I所示，本實(shí)施例包括依次連接的用戶信息收集模塊、用戶偏好追蹤模塊、節(jié)目推薦模塊及推薦結(jié)果展示模塊，還包括節(jié)目模型定義模塊，所述節(jié)目模型定義模塊分別與用戶偏好追蹤模塊及節(jié)目推薦模塊相連接，其中用戶信息收集模塊在每次用戶登錄系統(tǒng)時(shí)，為用戶維護(hù)一個(gè)session(會(huì)話)對(duì)象，并將當(dāng)前收看頻道及其開始收看時(shí)間存入session對(duì)象中。在用戶收看電視節(jié)目時(shí)自動(dòng)且透明地收集用戶收視信息，在得到傳統(tǒng)的收視數(shù)據(jù)后將其劃分為節(jié)目收視信息進(jìn)行存儲(chǔ)。當(dāng)用戶換臺(tái)時(shí)會(huì)觸發(fā)對(duì)節(jié)目地址的請(qǐng)求。此時(shí)，系統(tǒng)使用用戶發(fā)出請(qǐng)求的時(shí)間減去session對(duì)象中存儲(chǔ)的時(shí)間，作為用戶在當(dāng)前頻道上的收看時(shí)間。系統(tǒng)將本次收視信息——開始時(shí)間、結(jié)束時(shí)間、收視頻道作為一條記錄(格式參見圖4)寫入數(shù)據(jù)庫(kù)中。與此同時(shí)，為了滿足后續(xù)模塊的需要， 系統(tǒng)將本次收視信息，劃分于在該頻道上播放的節(jié)目中(格式參見圖5)。劃分時(shí)，系統(tǒng)使用節(jié)目信息與收視信息的重疊情況，記錄用戶觀看某一節(jié)目的百分比。系統(tǒng)從開始收視時(shí)間進(jìn)行計(jì)算，直到結(jié)束時(shí)間為止，在劃分過(guò)程中，可能使用一個(gè)或多個(gè)節(jié)目信息(參見圖6)。最后，系統(tǒng)使用本次發(fā)送請(qǐng)求的時(shí)間和請(qǐng)求的頻道替換在session對(duì)象中存儲(chǔ)的開始收視時(shí)間和初始收看頻道,返回用戶請(qǐng)求節(jié)目的地址，完成一次用戶收視信息的采集。此后的采集過(guò)程重復(fù)上述步驟，直至用戶關(guān)閉電視。此時(shí)，系統(tǒng)捕獲SessionDestroy事件,使用系統(tǒng)當(dāng)前時(shí)間作為截止時(shí)間完成最后一次信息收集。所述以上步驟對(duì)用戶均是完全透明的，系統(tǒng)可在用戶毫無(wú)感覺(jué)的情況下完成收視信息的采集。存儲(chǔ)格式包括以下兩種第一，簡(jiǎn)單記錄用戶在某一頻道上的停留時(shí)間；第二，將用戶在某一頻道上的停留時(shí)間劃分于在該頻道上播出的節(jié)目，存儲(chǔ)用戶對(duì)節(jié)目的收視時(shí)長(zhǎng)。節(jié)目模型定義模塊為整個(gè)推薦系統(tǒng)提供節(jié)目向量信息。采用信息抽取技術(shù)，從互聯(lián)網(wǎng)上抽取節(jié)目相關(guān)信息建立節(jié)目模型，通過(guò)后續(xù)處理，為下一周每一個(gè)即將播出的節(jié)目建立節(jié)目模型。通常，該模塊在本周周末被調(diào)用，調(diào)用后提供下周所有播放節(jié)目的節(jié)目信息。該模塊首先從提供的節(jié)目單網(wǎng)站下載下一周將要播放節(jié)目的節(jié)目單。其次，根據(jù)節(jié)目單的信息，在搜索引擎內(nèi)檢索網(wǎng)頁(yè)，將搜索引擎返回的前20個(gè)網(wǎng)頁(yè)作為信息抽取的種子。接下來(lái)，使用信息抽取(Information Extraction)技術(shù)抽取相關(guān)信息。系統(tǒng)使用13個(gè)標(biāo)簽描述一個(gè)節(jié)目，譬如名稱、導(dǎo)演、演員等(具體參見圖3)。對(duì)于每一個(gè)標(biāo)簽，系統(tǒng)為其賦予一個(gè)或多個(gè)值。例如名字標(biāo)簽，系統(tǒng)為之賦予一個(gè)對(duì)應(yīng)的名字；與之相反，系統(tǒng)為演員標(biāo)簽可能賦予多個(gè)值，表示這個(gè)節(jié)目有多個(gè)演員參與演出。對(duì)于系統(tǒng)未能提取到的標(biāo)簽值，系統(tǒng)仍然保留該標(biāo)簽，但是在相應(yīng)的值上填寫null。例如，一部動(dòng)作電影沒(méi)有主持人，系統(tǒng)對(duì)該電影仍保留主持人屬性，但在標(biāo)簽值上寫入null。在系統(tǒng)中所有的節(jié)目對(duì)象均含有如下的屬性ArrayList<Tag>tag_list ；當(dāng)節(jié)目模型定義模塊完成執(zhí)行后，每一個(gè)下周將要播出的節(jié)目均會(huì)在系統(tǒng)內(nèi)生成一個(gè)對(duì)象，且對(duì)象中的tag_list屬性會(huì)被填寫相應(yīng)的值。用戶偏好追蹤模塊在每次收到新的用戶反饋時(shí)更新用戶偏好模型。利用用戶信息收集模塊采集到的用戶收視信息以及節(jié)目模型定義模塊建立的節(jié)目模型產(chǎn)生用戶偏好模型，并根據(jù)用戶收視信息，及時(shí)產(chǎn)生最新的用戶偏好模型，同時(shí)，考慮用戶新近收看的節(jié)目最能反映用戶的收視偏好，對(duì)以往的用戶偏好模型進(jìn)行衰減，用于提高推薦的準(zhǔn)確度。用戶偏好追蹤模塊使用劃分后的用戶收視信息。用戶模型的更新通過(guò)對(duì)舊用戶模型和最近的節(jié)目模型執(zhí)行廣義加操作實(shí)現(xiàn)。即在對(duì)應(yīng)的標(biāo)簽上，合并兩個(gè)標(biāo)簽的對(duì)應(yīng)值列表，并以此作為新模型在該標(biāo)簽下的新值。此處，合并是集合的并操作(參見圖2)。譬如，舊用戶模型的演員標(biāo)簽包含兩個(gè)值，而節(jié)目模型的演員標(biāo)簽包含“B”、“C”、“D”三個(gè)值，在合并后，新用戶模型的演員標(biāo)簽包含“A”、“B”、“C”、“D”四個(gè)值。在使用一個(gè)節(jié)目模型更新用戶模型時(shí)，系統(tǒng)對(duì)13個(gè)標(biāo)簽均進(jìn)行上述合并操作，得到一個(gè)新的用戶模型。
考慮到用戶新近收看的節(jié)目更能反映用戶的偏好，推薦算法在用戶模型更新的過(guò)程中，對(duì)舊模型執(zhí)行衰減。在合并舊用戶模型與節(jié)目模型的過(guò)程中，對(duì)來(lái)自舊用戶模型的值
乘以系數(shù)Lambda (O到I之間)，再加上來(lái)自節(jié)目模型的值V ew = (IVflid + (I -科―—其
中，C表示新用戶模型，U表示舊用戶模型，表示最近收看的節(jié)目模型，d為衰減系數(shù)即前文所述Lambda。參數(shù)Lambda的取值表達(dá)用戶模型的衰減速度，Lambda越靠近0，歷史觀看信息衰減的越快，新近觀看信息對(duì)用戶偏好的影響越大。節(jié)目推薦模塊使用用戶信息收集模塊與節(jié)目模型定義模塊為輸入，根據(jù)當(dāng)前
I I · I \
的用戶偏好，在杰卡德相似度 .K //! — P1 ; j ρτ的基礎(chǔ)上提出擴(kuò)展杰卡德相似度度
量(Extended Jaccard Similarity)并使用之排序節(jié)目，產(chǎn)生推薦結(jié)果,其中，A, B為兩個(gè)集合，IA η B表示集合α，B交集的元素個(gè)數(shù)，IA u b表示集合a，B并集的元素個(gè)數(shù)。此處擴(kuò)展杰卡德相似度計(jì)算如下對(duì)于圖3中的每一個(gè)標(biāo)簽(例如演員)，系統(tǒng)首先計(jì)算其在整個(gè)標(biāo)簽集中的重要性，然后取出用戶模型與節(jié)目模型在該標(biāo)簽(TagA)下的值列表UserTagAValuesList和ProgramTagAValuesList。使用杰卡德相似度計(jì)算UserTagAValuesList和ProgramTagAValuesList兩個(gè)集合之間的相似度。得到兩個(gè)集合的杰卡德相似度后，將該值乘以該標(biāo)簽的重要程度，完成一次計(jì)算。對(duì)13個(gè)標(biāo)簽重復(fù)此計(jì)算操作，并將得到的結(jié)果相加，計(jì)算出當(dāng)前節(jié)目與用戶模型的相似度。偽代碼如下所示
Similarity=O;
for (tagU in user_tag_list){
w = weight of tagU in user_tag_list for (tagP in program_tag_list){ if(tagU. name == tagP. name) {
similarity += w * tagU. sim(tagP);break;
}
}
}
tagU. sim(tagP)的計(jì) 算使用前文所示的杰卡德相似度。在計(jì)算了每個(gè)節(jié)目與用戶模型的相似度后，節(jié)目推薦模塊使用相似度排序節(jié)目。選取排位最高的3 5個(gè)節(jié)目(管理員配置)作為推薦結(jié)果。推薦結(jié)果展示模塊根據(jù)節(jié)目推薦模塊產(chǎn)生的文本推薦結(jié)果為依據(jù)，添加詳細(xì)信息，例如節(jié)目信息、播放時(shí)間、美工及動(dòng)畫效果。以節(jié)目推薦模塊產(chǎn)生的文本推薦結(jié)果為依據(jù)，為推薦結(jié)果增加美工及動(dòng)畫效果，使用滾動(dòng)和動(dòng)畫兩種方式展示文本推薦結(jié)果。根據(jù)不同的應(yīng)用場(chǎng)景，推薦結(jié)果展示模塊采用不用的美化效果。譬如，在測(cè)試用的網(wǎng)站上，系統(tǒng)提供兩種美化效果其一，系統(tǒng)將所有的推薦結(jié)果以滾動(dòng)條的方式顯示在播放器的下側(cè)；其二，系統(tǒng)將每一條推薦結(jié)果均顯示在播放器畫面中，每10秒顯示一條，每2兩分鐘顯示一輪。系統(tǒng)對(duì)每一條推薦結(jié)果均附加播放時(shí)間、第幾集等詳細(xì)節(jié)目信息，并且在不同的美化效果中使用不同字體，以增強(qiáng)用戶體驗(yàn)。本實(shí)施例工作時(shí)，其工作過(guò)程如下每周周末，節(jié)目模型定義模塊為下一周將要播放的節(jié)目建立模型，將建立得到的模型輸入推薦系統(tǒng)。系統(tǒng)使用用戶信息收集模塊在用戶收看節(jié)目時(shí)，自動(dòng)且透明的收集用戶收視信息。當(dāng)每次有新的用戶收視信息時(shí)，系統(tǒng)調(diào)用用戶偏好追蹤模塊更新用戶偏好模型。在獲得新的用戶偏好模型后，系統(tǒng)調(diào)用節(jié)目推薦模塊產(chǎn)生新的推薦結(jié)果。推薦結(jié)果被送往推薦結(jié)果展示模塊。推薦結(jié)果展示模塊將推薦結(jié)果加工后返回給用戶。本實(shí)施例的推薦系統(tǒng)具備對(duì)于用戶的個(gè)性化較強(qiáng)，能夠緊跟用戶的喜好變化的優(yōu)點(diǎn)，且解決了傳統(tǒng)系統(tǒng)要求用戶明確反饋的問(wèn)題。此外，針對(duì)于影視節(jié)目的生命周期短、時(shí)間敏感度高的特點(diǎn)，系統(tǒng)為節(jié)目增加時(shí)間維持，進(jìn)行針對(duì)性推薦。以上對(duì)本發(fā)明的具體實(shí)施例進(jìn)行了描述。需要理解的是，本發(fā)明并不局限于上述特定實(shí)施方式，本領(lǐng)域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變形或修改，這并不影響本發(fā)明的實(shí)質(zhì)內(nèi)容。
權(quán)利要求
1.一種面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，其特征在于，包括依次連接的用戶信息收集模塊、用戶偏好追蹤模塊、節(jié)目推薦模塊及推薦結(jié)果展示模塊，還包括節(jié)目模型定義模塊，所述節(jié)目模型定義模塊分別與用戶偏好追蹤模塊及節(jié)目推薦模塊相連接，其中 -用戶信息收集模塊，為用戶維護(hù)ー個(gè)會(huì)話對(duì)象，并將當(dāng)前收看頻道及其開始收看時(shí)間存入會(huì)話對(duì)象中； -節(jié)目模型定義模塊，為整個(gè)推薦系統(tǒng)提供節(jié)目向量信息； -用戶偏好追蹤模塊，在每次收到新的用戶反饋時(shí)更新用戶偏好模型； -節(jié)目推薦模塊，根據(jù)當(dāng)前的用戶偏好，采用擴(kuò)展杰卡德相似度計(jì)算產(chǎn)生推薦結(jié)果； -推薦結(jié)果展示模塊，根據(jù)節(jié)目推薦模塊產(chǎn)生的文本推薦結(jié)果為依據(jù)，為推薦結(jié)果添加詳細(xì)信息。
2.根據(jù)權(quán)利要求I所述的面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，其特征在于，所述用戶信息收集模塊在用戶收看電視節(jié)目時(shí)自動(dòng)且透明地收集用戶收視信息，在得到傳統(tǒng)的收視數(shù)據(jù)后將其劃分為節(jié)目收視信息進(jìn)行存儲(chǔ)。
3.根據(jù)權(quán)利要求2所述的面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，其特征在于，所述存儲(chǔ)格式包括以下兩種 第一，簡(jiǎn)單記錄用戶在某一頻道上的停留時(shí)間； 第二，將用戶在某一頻道上的停留時(shí)間劃分于在該頻道上播出的節(jié)目，存儲(chǔ)用戶對(duì)節(jié)目的收視時(shí)長(zhǎng)。
4.根據(jù)權(quán)利要求I所述的面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，其特征在于，所述節(jié)目模型定義模塊采用信息抽取技術(shù)，從互聯(lián)網(wǎng)上抽取節(jié)目相關(guān)信息建立節(jié)目模型，通過(guò)后續(xù)處理，為下一周每ー個(gè)即將播出的節(jié)目建立節(jié)目模型。
5.根據(jù)權(quán)利要求I所述的面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，其特征在于，所述用戶偏好追蹤模塊利用用戶信息收集模塊采集到的用戶收視信息以及節(jié)目模型定義模塊建立的節(jié)目模型產(chǎn)生用戶偏好模型，并根據(jù)用戶收視信息，及時(shí)產(chǎn)生最新的用戶偏好模型，同吋，考慮用戶新近收看的節(jié)目最能反映用戶的收視偏好，對(duì)以往的用戶偏好模型進(jìn)行衰減，用于提高推薦的準(zhǔn)確度。
6.根據(jù)權(quán)利要求I所述的面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，其特征在于，所述節(jié)目推薦模塊根據(jù)當(dāng)前的用戶偏好，采用擴(kuò)展杰卡德相似度計(jì)算用戶偏好模型與當(dāng)前時(shí)間之后播放的所有節(jié)目的相似度，并對(duì)計(jì)算出的相似度排名，產(chǎn)生推薦結(jié)果。
7.根據(jù)權(quán)利要求I所述的面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，其特征在于，所述推薦結(jié)果展示模塊以節(jié)目推薦模塊產(chǎn)生的文本推薦結(jié)果為依據(jù)，為推薦結(jié)果增加美エ及動(dòng)畫效果，使用滾動(dòng)和動(dòng)畫兩種方式展示文本推薦結(jié)果。
全文摘要
本發(fā)明公開了一種面向?qū)崟r(shí)流的電視節(jié)目推薦系統(tǒng)，包括在用戶收看電視節(jié)目時(shí)自動(dòng)且透明地收集用戶收視信息的用戶信息收集模塊；采用信息抽取技術(shù)，從互聯(lián)網(wǎng)上抽取節(jié)目相關(guān)信息建立節(jié)目模型的節(jié)目模型定義模塊；利用用戶信息收集模塊采集到的用戶收視信息以及節(jié)目模型定義模塊建立的節(jié)目模型產(chǎn)生用戶偏好模型的用戶偏好追蹤模塊；根據(jù)當(dāng)前的用戶偏好，使用擴(kuò)展杰卡德相似度產(chǎn)生推薦結(jié)果的節(jié)目推薦模塊；以節(jié)目推薦模塊產(chǎn)生的文本推薦結(jié)果為依據(jù)，為推薦結(jié)果增加美工及動(dòng)畫效果的推薦結(jié)果展示模塊。本發(fā)明個(gè)性化較強(qiáng)，緊跟用戶的喜好變化；解決傳統(tǒng)系統(tǒng)要求用戶明確反饋的問(wèn)題；為節(jié)目增加時(shí)間維持，進(jìn)行針對(duì)性推薦。
文檔編號(hào)H04N21/258GK102630052SQ20121010962
公開日2012年8月8日 申請(qǐng)日期2012年4月16日 優(yōu)先權(quán)日2012年4月16日
發(fā)明者朱其立, 王拯, 蔡智源 申請(qǐng)人:上海交通大學(xué)