一种基于多用户上下文识别的IPTV节目推荐方法.pdf

摘要
申请专利号：	CN201310224437.9	申请日：	2013.06.07
公开号：	CN103297853A	公开日：	2013.09.11
当前法律状态：	授权	有效性：	有权
法律详情：	授权\|\|\|实质审查的生效IPC(主分类):H04N 21/466申请日:20130607\|\|\|公开
IPC分类号：	H04N21/466(2011.01)I	主分类号：	H04N21/466
申请人：	华东师范大学
发明人：	杨燕; 王智谨; 郝娟; 黄保荃; 陈昊; 裴逸钧
地址：	200241 上海市闵行区东川路500号
优先权：
专利代理机构：	上海蓝迪专利事务所 31215	代理人：	徐筱梅;张翔
PDF下载：	PDF下载

内容摘要

本发明公开了一种基于多用户上下文识别的IPTV节目推荐方法，通过对节目观看时间的聚类分析，得到用户观看时间相对集中的时间段，计算用户在不同时间段内的节目偏好，分析不同时间段间的节目偏好相似度，合并观看节目较为相似的时间段为一类新的上下文，利用上下文信息做推荐，在一定程度上，克服IPTV门户服务中的多用户问题，提高推荐的品质。

权利要求书

权利要求书1. 一种基于多用户上下文识别的IPTV节目推荐方法，其特征在于，该方法包括如下步骤：a）确定在不同时间段内，用户对节目的隐式偏好；b）计算用户在不同时间段之间节目偏好的相似度；c）手动设置两个时间段之间节目偏好相似度的阈值，根据该阈值，把两个时间段分为相似或不相似；d）合并相似的时间段作为一个上下文，结合用户所在上下文，把用户划分不同上下文用户；e）为每个上下文用户，推荐IPTV节目。2. 根据权利要求1所述的方法，其特征在于，所述步骤 a）包括：ⅰ）根据日志文件中的节目观看时间（小时）进行聚类，得到个时间段，记为；ⅱ）在时间段内，利用隐式评分公式计算用户对节目的偏好程度，隐式评分公式：其中，是在时间内用户对节目的观看时间，是用户在时间内观看过的节目列表。3. 根据权利要求1所述的方法，其特征在于，所述步骤b）包括：ⅰ）利用余弦公式，计算用户在不同时间段之间节目偏好的相似度，其计算公式：其中，表示用户在时间内和内的相似度，表示在时间内用户对节目的隐式评分，是所有节目列表。4. 根据权利要求1所述的方法，其特征在于，所述步骤c）包括：ⅰ）手工设置两个时间段之间节目偏好的相似度阈值；ⅱ）根据阈值，把两个时间段之间节目偏好的相似度二值化，其计算式：其中，表示用户在时间内和内的修正后的相似度，如果该值为1则认为相似，否则反之。5. 根据权利要求1所述的方法，其特征在于，所述步骤d）包括：ⅰ）合并相似的时间段作为一个上下文，记；ⅱ）根据用户所在的上下文，把用户分成不同的上下文用户，见下式：其中，为用户所在的上下文个数，即；表示在上下文中的用户。6. 根据权利要求1所述的方法，其特征在于，所述步骤e）包括：ⅰ）计算上下文用户对节目偏好程度的隐式评分，上下文用户对节目隐式评分公式：其中，表示上下文用户对节目的隐式评分，是在上下文内用户对节目的观看时间，是用户在上下文内观看过的节目列表；ⅱ）计算上下文用户之间的相似度，利用余弦公式：式中、分别表示用户和用户观看过的节目（类别），表示用户和用户的偏好相似度；ⅲ）根据上下文用户之间的相似度，预测用户对物品的偏好，见下式：其中，表示和用户最相似的个用户，是用户对物品的预测评分；ⅳ）推荐给用户前个预测值最高的节目作为推荐列表。

说明书

说明书一种基于多用户上下文识别的IPTV节目推荐方法
技术领域
本发明涉及IPTV(Interactive Personality TV)推荐技术领域，具体地说是一种基于多用户上下文识别的IPTV节目推荐方法。
背景技术
在IPTV服务中，随着IPTV节目不断的爆炸式增长，电视将再一次成为家庭娱乐的中心，然而，因为遥控器终端的输入功能比较弱，而且有时候用户有时也不知道自己想看什么，对用户来说要找到自己需要和喜欢的内容比较困难，因此，推荐在IPTV服务中显得越来越重要。
协同过滤常常被用在IPTV节目的推荐上。常用的协同过滤技术有：基于浏览历史的协同过滤和基于内容的协同过滤。目前，主要的推荐技术是通过对已有协同过滤技术的使用、改进和优化而来。但是，在IPTV门户服务中，存在着多用户问题，目前常用的推荐技术常常受制于该问题，使得推荐品质大大降低。IPTV多用户问题，即在一个家庭中，常常是家庭成员共享IPTV门户服务，不同的家庭成员常常在不同的时间观看不同偏好的节目。多用户问题常常表现为推荐错位，如，推荐小孩喜欢的动画片给正在观看历史片的老年人。
发明内容
本发明的目的是为了克服由于多用户问题造成的推荐品质下降而提供的一种基于多用户上下文识别的IPTV节目推荐方法，该方法以用户观看记录作为输入，分析用户观看历史记录，得到用户上下文信息，利用该信息输出带有上下文的推荐列表。
本发明的目的是这样是实现：
一种基于多用户上下文识别的IPTV节目推荐方法，具体操作步骤：
a）  确定在不同时间段内，用户对节目的隐式偏好，具体包括：
ⅰ）根据日志文件中的节目观看时间（小时）进行聚类，得到                                               个时间段，记为；
ⅱ）在时间段内，利用隐式评分公式计算用户对节目的偏好程度，隐式评分公式：

其中，是在时间内用户对节目的观看时间，是用户在时间内观看过的节目列表；
b）  计算用户在不同时间段之间节目偏好的相似度, 具体包括：
ⅰ）利用余弦公式，计算用户在不同时间段之间节目偏好的相似度，其计算公式：

其中，表示用户在时间内和内的相似度，表示在时间内用户对节目的隐式评分，是所有节目列表；
c）  手动设置两个时间段之间节目偏好相似度的阈值，根据该阈值，把两个时间段分为相似或不相似；
ⅰ）手工设置两个时间段之间节目偏好的相似度阈值；
ⅱ）根据阈值，把两个时间段之间节目偏好的相似度二值化，其计算式：

其中，表示用户在时间内和内的修正后的相似度，如果该值为1则认为相似，否则反之。
d）  合并相似的时间段作为一个上下文，结合用户所在上下文，把用户划分不同上下文用户；
ⅰ）合并相似的时间段作为一个上下文，记；
ⅱ）根据用户所在的上下文，把用户分成不同的上下文用户，见下式：

其中，为用户所在的上下文个数，即。表示在上下文中的用户。
e）  为每个上下文用户，推荐IPTV节目。
ⅰ）计算上下文用户对节目偏好程度的隐式评分，上下文用户对节目隐式评分公式：

其中，表示上下文用户对节目的隐式评分，是在上下文内用户对节目的观看时间，是用户在上下文内观看过的节目列表；
ⅱ）计算上下文用户之间的相似度，利用余弦公式：

式中、分别表示用户和用户观看过的节目（类别），表示用户和用户的偏好相似度；
ⅲ）根据用户之间的相似度，预测用户对物品的偏好，见下式：

其中，表示和用户最相似的个用户，是用户对物品的预测评分；
ⅳ）推荐给用户前个预测值最高的节目作为推荐列表。
与背景技术相比，本发明有以下优点：
1）克服多用户问题
本发明通过对节目观看时间的聚类分析，得到观看时间段，计算用户在不同时间段内的节目偏好，分析不同时间段间的节目偏好相似度，合并观看节目较为相似的时间段为一类新的上下文，利用上下文信息做推荐，在一定程度上，克服IPTV门户服务中的多用户问题。
2）兼容性
本发明可以与常用的IPTV节目推荐技术相结合，常用的推荐技术可以利用本发明识别的上下文信息作为输入，从而提高其推荐的品质。
附图说明
图1为本发明流程示意图；
图2为本发明实施例示意图。
具体实施方式
参阅图1，本发明应用于IPTV节目推荐系统中，首先分析用户日志文件，计算用户在不同时间内的节目偏好程度，合并节目偏好相似的时间段为一个上下文，利用这些上下文把用户划分为多个上下文用户，然后根据这些上下文用户信息为每个上下文用户推荐IPTV节目，其具体步骤如下：
第一步：确定在不同时间段内，用户对节目的隐式偏好。根据日志文件中的节目观看时间（小时）进行聚类，得到个时间段，记为，在时间段内，利用隐式评分公式计算用户对节目的偏好程度，隐式评分公式：

其中，是在时间内用户对节目的观看时间，是用户在时间内观看过的节目列表。对于系统中的所有用户和所有物品，计算并得到个时间段内的用户‑物品偏好矩阵；
    第二步：计算用户在不同时间段之间节目偏好的相似度。利用余弦公式，计算用户在不同时间段之间节目偏好的相似度，其计算公式：

其中，表示用户在时间内和内的相似度，表示在时间内用户对节目的隐式评分，是所有节目列表。根据用户‑物品偏好矩阵和该公式，计算并得到用户‑时间段间的节目偏好相似度矩阵。
    第三步：手动设置两个时间段之间节目偏好相似度的阈值，根据该阈值，把两个时间段分为相似或不相似。手工设置两个时间段之间节目偏好的相似度阈值，根据阈值，把两个时间段之间节目偏好的相似度二值化，其计算式：

其中，表示用户在时间内和内的修正后的相似度，如果该值为1则认为相似，否则反之。根据该公式和用户‑时间段间的节目偏好相似度矩阵，把用户‑时间段间的节目偏好相似度的矩阵二值化。
    第四步：合并相似的时间段作为一个上下文，结合用户所在上下文，把用户划分不同上下文用户。合并相似的时间段作为一个上下文，记，根据用户所在的上下文，把用户分成不同的上下文用户，见下式：

其中，为用户所在的上下文个数，即。表示在上下文中的用户。
第五步：计算上下文用户对节目偏好程度的隐式评分。上下文用户对物品的隐式评分公式：

其中，表示上下文用户对节目的隐式评分，是在上下文内用户对节目的观看时间，是用户在上下文内观看过的节目列表。根据上下文用户和节目观看信息，得到上下文用户‑节目的隐式评分矩阵。
    第六步：根据上下文用户‑节目的隐式评分矩阵，计算上下文用户之间的相似度，得到上下文用户偏好相似度矩阵。计算上下文用户之间的相似度，利用余弦公式：

式中、分别表示用户和用户观看过的节目（类别），表示用户和用户的偏好相似度。
    第七步：根据上下文用户之间的相似度，预测用户对物品的偏好。预测用户对物品的偏好，见式：

其中，表示和用户最相似的个用户，是用户对物品的预测评分；
第八步：根据预测的评分，推荐给用户前个预测值最高的节目作为推荐列表。
实施例
    参阅图2，在一个家庭中，多个家庭成员共享IPTV门户服务，提供服务一般由一台“机顶盒”提供服务，提供服务的系统记录了该机顶盒播放界面的时间、播放节目内容等信息。通过本发明步骤一至四，分析“机顶盒”的播放历史记录，识别出多种上下文用户，步骤五至八利用识别出的上下文信息生成节目推荐列表给上下文用户。
    例如，在一个家庭中有：老人、小孩和中年人，他们共享IPTV门户服务，并积累一定的历史记录；通过步骤一至四，识别出三个上下文：老人习惯在早上观看历史剧，记c1；小孩喜欢在中午观看动画片，记c2；中年人习惯在晚上观看枪战片，记c3。步骤五至八利用c1、c2和c3信息，以列表形式分别在早上为老人推荐历史剧，在中午为小孩推荐动画片，在晚上为中年人推荐枪战片。

资源描述

《一种基于多用户上下文识别的IPTV节目推荐方法.pdf》由会员分享，可在线阅读，更多相关《一种基于多用户上下文识别的IPTV节目推荐方法.pdf（10页珍藏版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103297853 A (43)申请公布日 2013.09.11 C N 1 0 3 2 9 7 8 5 3 A *CN103297853A* (21)申请号 201310224437.9 (22)申请日 2013.06.07 H04N 21/466(2011.01) (71)申请人华东师范大学地址 200241 上海市闵行区东川路500号 (72)发明人杨燕王智谨郝娟黄保荃陈昊裴逸钧 (74)专利代理机构上海蓝迪专利事务所 31215 代理人徐筱梅张翔 (54) 发明名称一种基于多用户上下文识别的IPTV节目推荐方法 (57) 摘要本发明公开了一。

2、种基于多用户上下文识别的 IPTV节目推荐方法，通过对节目观看时间的聚类分析，得到用户观看时间相对集中的时间段，计算用户在不同时间段内的节目偏好，分析不同时间段间的节目偏好相似度，合并观看节目较为相似的时间段为一类新的上下文，利用上下文信息做推荐，在一定程度上，克服IPTV门户服务中的多用户问题，提高推荐的品质。 (51)Int.Cl. 权利要求书2页说明书5页附图2页 (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书2页说明书5页附图2页 (10)申请公布号 CN 103297853 A CN 103297853 A 1/2页 2 1.一种基于多用户。

3、上下文识别的IPTV节目推荐方法，其特征在于，该方法包括如下步骤： a）确定在不同时间段内，用户对节目的隐式偏好； b）计算用户在不同时间段之间节目偏好的相似度； c）手动设置两个时间段之间节目偏好相似度的阈值，根据该阈值，把两个时间段分为相似或不相似； d）合并相似的时间段作为一个上下文，结合用户所在上下文，把用户划分不同上下文用户； e）为每个上下文用户，推荐IPTV节目。 2.根据权利要求1所述的方法，其特征在于，所述步骤 a）包括：）根据日志文件中的节目观看时间（小时）进行聚类，得到个时间段，记为；）在时间段内，利用隐式评分公式计算用户对节目的偏好程度，隐式评分公式：其。

4、中，是在时间内用户对节目的观看时间，是用户在时间内观看过的节目列表。 3.根据权利要求1所述的方法，其特征在于，所述步骤b）包括：）利用余弦公式，计算用户在不同时间段之间节目偏好的相似度，其计算公式：其中，表示用户在时间内和内的相似度，表示在时间内用户对节目的隐式评分，是所有节目列表。 4.根据权利要求1所述的方法，其特征在于，所述步骤c）包括：）手工设置两个时间段之间节目偏好的相似度阈值；）根据阈值，把两个时间段之间节目偏好的相似度二值化，其计算式：权利要求书CN 103297853 A 2/2页 3 其中，表示用户在时间内和内的修正后的相似度，如果该值为1则认为相似，。

5、否则反之。 5.根据权利要求1所述的方法，其特征在于，所述步骤d）包括：）合并相似的时间段作为一个上下文，记；）根据用户所在的上下文，把用户分成不同的上下文用户，见下式：其中，为用户所在的上下文个数，即；表示在上下文中的用户。 6.根据权利要求1所述的方法，其特征在于，所述步骤e）包括：）计算上下文用户对节目偏好程度的隐式评分，上下文用户对节目隐式评分公式：其中，表示上下文用户对节目的隐式评分，是在上下文内用户对节目的观看时间，是用户在上下文内观看过的节目列表；）计算上下文用户之间的相似度，利用余弦公式：式中、分别表示用户和用户观看过的节目（类别），表示用户和用户的偏好相似。

6、度；）根据上下文用户之间的相似度，预测用户对物品的偏好，见下式：其中，表示和用户最相似的个用户，是用户对物品的预测评分；）推荐给用户前个预测值最高的节目作为推荐列表。权利要求书CN 103297853 A 1/5页 4 一种基于多用户上下文识别的 IPTV 节目推荐方法技术领域 0001 本发明涉及IPTV(Interactive Personality TV)推荐技术领域，具体地说是一种基于多用户上下文识别的IPTV节目推荐方法。背景技术 0002 在IPTV服务中，随着IPTV节目不断的爆炸式增长，电视将再一次成为家庭娱乐的中心，然而，因为遥控器终端的输入功能比较弱。

7、，而且有时候用户有时也不知道自己想看什么，对用户来说要找到自己需要和喜欢的内容比较困难，因此，推荐在IPTV服务中显得越来越重要。 0003 协同过滤常常被用在IPTV节目的推荐上。常用的协同过滤技术有：基于浏览历史的协同过滤和基于内容的协同过滤。目前，主要的推荐技术是通过对已有协同过滤技术的使用、改进和优化而来。但是，在IPTV门户服务中，存在着多用户问题，目前常用的推荐技术常常受制于该问题，使得推荐品质大大降低。IPTV多用户问题，即在一个家庭中，常常是家庭成员共享IPTV门户服务，不同的家庭成员常常在不同的时间观看不同偏好的节目。多用户问题常常表现为推荐错位，如，推荐小孩喜。

8、欢的动画片给正在观看历史片的老年人。发明内容 0004 本发明的目的是为了克服由于多用户问题造成的推荐品质下降而提供的一种基于多用户上下文识别的IPTV节目推荐方法，该方法以用户观看记录作为输入，分析用户观看历史记录，得到用户上下文信息，利用该信息输出带有上下文的推荐列表。 0005 本发明的目的是这样是实现：一种基于多用户上下文识别的IPTV节目推荐方法，具体操作步骤： a）确定在不同时间段内，用户对节目的隐式偏好，具体包括：）根据日志文件中的节目观看时间（小时）进行聚类，得到个时间段，记为；）在时间段内，利用隐式评分公式计算用户对节目的偏好程度，隐式评分公式：其中，是在。

9、时间内用户对节目的观看时间，是用户在时间内观看过的节目列表； b）计算用户在不同时间段之间节目偏好的相似度, 具体包括：）利用余弦公式，计算用户在不同时间段之间节目偏好的相似度，其计算公式：说明书CN 103297853 A 2/5页 5 其中，表示用户在时间内和内的相似度，表示在时间内用户对节目的隐式评分，是所有节目列表； c）手动设置两个时间段之间节目偏好相似度的阈值，根据该阈值，把两个时间段分为相似或不相似；）手工设置两个时间段之间节目偏好的相似度阈值；）根据阈值，把两个时间段之间节目偏好的相似度二值化，其计算式：其中，表示用户在时间内和内的修正后的相似度，如果该。

10、值为1则认为相似，否则反之。 0006 d）合并相似的时间段作为一个上下文，结合用户所在上下文，把用户划分不同上下文用户；）合并相似的时间段作为一个上下文，记；）根据用户所在的上下文，把用户分成不同的上下文用户，见下式：其中，为用户所在的上下文个数，即。表示在上下文中的用户。 0007 e）为每个上下文用户，推荐IPTV节目。 0008 ）计算上下文用户对节目偏好程度的隐式评分，上下文用户对节目隐式评分公式：其中，表示上下文用户对节目的隐式评分，是在上下文内用户对节目的观看时间，是用户在上下文内观看过的节目列表；）计算上下文用户之间的相似度，利用余弦公式：说明书CN。

11、 103297853 A 3/5页 6 式中、分别表示用户和用户观看过的节目（类别），表示用户和用户的偏好相似度；）根据用户之间的相似度，预测用户对物品的偏好，见下式：其中，表示和用户最相似的个用户，是用户对物品的预测评分；）推荐给用户前个预测值最高的节目作为推荐列表。 0009 与背景技术相比，本发明有以下优点： 1）克服多用户问题本发明通过对节目观看时间的聚类分析，得到观看时间段，计算用户在不同时间段内的节目偏好，分析不同时间段间的节目偏好相似度，合并观看节目较为相似的时间段为一类新的上下文，利用上下文信息做推荐，在一定程度上，克服IPTV门户服务中的多用户问题。 0010。

12、 2）兼容性本发明可以与常用的IPTV节目推荐技术相结合，常用的推荐技术可以利用本发明识别的上下文信息作为输入，从而提高其推荐的品质。附图说明 0011 图1为本发明流程示意图；图2为本发明实施例示意图。具体实施方式 0012 参阅图1，本发明应用于IPTV节目推荐系统中，首先分析用户日志文件，计算用户在不同时间内的节目偏好程度，合并节目偏好相似的时间段为一个上下文，利用这些上下文把用户划分为多个上下文用户，然后根据这些上下文用户信息为每个上下文用户推荐 IPTV节目，其具体步骤如下：第一步：确定在不同时间段内，用户对节目的隐式偏好。根据日志文件中的节目观看时间（小时）进行聚。

13、类，得到个时间段，记为，在时间段内，利用隐式评分公式计算用户对节目的偏好程度，隐式评分公式：说明书CN 103297853 A 4/5页 7 其中，是在时间内用户对节目的观看时间，是用户在时间内观看过的节目列表。对于系统中的所有用户和所有物品，计算并得到个时间段内的用户-物品偏好矩阵；第二步：计算用户在不同时间段之间节目偏好的相似度。利用余弦公式，计算用户在不同时间段之间节目偏好的相似度，其计算公式：其中，表示用户在时间内和内的相似度，表示在时间内用户对节目的隐式评分，是所有节目列表。根据用户-物品偏好矩阵和该公式，计算并得到用户-时间段间的节目偏好相似度矩阵。 0013。

14、第三步：手动设置两个时间段之间节目偏好相似度的阈值，根据该阈值，把两个时间段分为相似或不相似。手工设置两个时间段之间节目偏好的相似度阈值，根据阈值，把两个时间段之间节目偏好的相似度二值化，其计算式：其中，表示用户在时间内和内的修正后的相似度，如果该值为1则认为相似，否则反之。根据该公式和用户-时间段间的节目偏好相似度矩阵，把用户-时间段间的节目偏好相似度的矩阵二值化。 0014 第四步：合并相似的时间段作为一个上下文，结合用户所在上下文，把用户划分不同上下文用户。合并相似的时间段作为一个上下文，记，根据用户所在的上下文，把用户分成不同的上下文用户，见下式：其中，为用户所在的上。

15、下文个数，即。表示在上下文中的用户。 0015 第五步：计算上下文用户对节目偏好程度的隐式评分。上下文用户对物品的隐式评分公式：说明书CN 103297853 A 5/5页 8 其中，表示上下文用户对节目的隐式评分，是在上下文内用户对节目的观看时间，是用户在上下文内观看过的节目列表。根据上下文用户和节目观看信息，得到上下文用户-节目的隐式评分矩阵。 0016 第六步：根据上下文用户-节目的隐式评分矩阵，计算上下文用户之间的相似度，得到上下文用户偏好相似度矩阵。计算上下文用户之间的相似度，利用余弦公式：式中、分别表示用户和用户观看过的节目（类别），表示用户和用户的偏好相似度。。

16、0017 第七步：根据上下文用户之间的相似度，预测用户对物品的偏好。预测用户对物品的偏好，见式：其中，表示和用户最相似的个用户，是用户对物品的预测评分；第八步：根据预测的评分，推荐给用户前个预测值最高的节目作为推荐列表。实施例 0018 参阅图2，在一个家庭中，多个家庭成员共享IPTV门户服务，提供服务一般由一台 “机顶盒”提供服务，提供服务的系统记录了该机顶盒播放界面的时间、播放节目内容等信息。通过本发明步骤一至四，分析“机顶盒”的播放历史记录，识别出多种上下文用户，步骤五至八利用识别出的上下文信息生成节目推荐列表给上下文用户。 0019 例如，在一个家庭中有：老人、小孩和中年人，他们共享IPTV门户服务，并积累一定的历史记录；通过步骤一至四，识别出三个上下文：老人习惯在早上观看历史剧，记c1；小孩喜欢在中午观看动画片，记c2；中年人习惯在晚上观看枪战片，记c3。步骤五至八利用 c1、c2和c3信息，以列表形式分别在早上为老人推荐历史剧，在中午为小孩推荐动画片，在晚上为中年人推荐枪战片。说明书CN 103297853 A 1/2页 9 图1 说明书附图CN 103297853 A 2/2页 10 图2 说明书附图CN 103297853 A 10 。

展开阅读全文