一种隐性用户特征提取方法和电视节目推荐方法和系统

    公开(公告)号:CN101383942B

    公开(公告)日:2010-06-09

    申请号:CN200810142739.0

    申请日:2008-08-01

    Inventor: 徐江山 陶疆

    Abstract: 本发明涉及电视节目推荐技术,针对现有技术通过问卷调查方式获取用户特征时存在的调查结果不够准确且容易过期以及任务繁重的缺陷,提供一种隐性用户特征提取方法和电视节目推荐方法和系统。隐性用户特征提取方法包括采集用户收视记录,从采集到的收视记录中提取包含多个喜好特征的隐性用户特征。本发明还提供了一种电视节目推荐方法和系统。本发明整个方案均自动完成,无需人工干预,大大节省人力;依据用户收视记录来提取用户特征,可使用户特征能够随收视记录定期更新,且收视记录详实客观,可确保提取的结果细致准确;通过从多个角度来综合比较节目特征与用户特征的相似度,可以使推荐的电视节目更符合用户的实际需要。

    一种基于贝叶斯算法的数字电视节目推荐方法和系统

    公开(公告)号:CN101431694B

    公开(公告)日:2010-09-29

    申请号:CN200810217886.X

    申请日:2008-11-26

    Inventor: 徐江山

    Abstract: 本发明涉及电视节目推荐,针对现有电视节目推荐方法只统计用户的收视行为而忽略电视台的播放行为致使推荐结果不够精确缺陷,提供一种基于贝叶斯算法的数字电视节目推荐方法和系统。方法包括采集用户收视记录;分析用户收视记录,得到用户收视行为参量;该方法还包括:依据收视行为参量,得到电视台播放行为参量;基于贝叶斯算法,通过收视行为参量和播放行为参量预测用户对待播电视节目的收看概率,据此向用户推荐电视节目。本发明还提供了一种与上述方法相对应的推荐系统。由于预测用户收看特定节目的概率时结合使用用户收视行为参量和电视台的播放行为参量,因此本电视节目推荐方案所得到的推荐结果更为精确,更能反映用户真实的收视喜好。

    一种基于贝叶斯算法的数字电视节目推荐方法和系统

    公开(公告)号:CN101431694A

    公开(公告)日:2009-05-13

    申请号:CN200810217886.X

    申请日:2008-11-26

    Inventor: 徐江山

    Abstract: 本发明涉及电视节目推荐,针对现有电视节目推荐方法只统计用户的收视行为而忽略电视台的播放行为致使推荐结果不够精确缺陷,提供一种基于贝叶斯算法的数字电视节目推荐方法和系统。方法包括采集用户收视记录;分析用户收视记录,得到用户收视行为参量;该方法还包括:依据收视行为参量,得到电视台播放行为参量;基于贝叶斯算法,通过收视行为参量和播放行为参量预测用户对待播电视节目的收看概率,据此向用户推荐电视节目。本发明还提供了一种与上述方法相对应的推荐系统。由于预测用户收看特定节目的概率时结合使用用户收视行为参量和电视台的播放行为参量,因此本电视节目推荐方案所得到的推荐结果更为精确,更能反映用户真实的收视喜好。

    一种隐性用户特征提取方法和电视节目推荐方法和系统

    公开(公告)号:CN101383942A

    公开(公告)日:2009-03-11

    申请号:CN200810142739.0

    申请日:2008-08-01

    Inventor: 徐江山 陶疆

    Abstract: 本发明涉及电视节目推荐技术,针对现有技术通过问卷调查方式获取用户特征时存在的调查结果不够准确且容易过期以及任务繁重的缺陷,提供一种隐性用户特征提取方法和电视节目推荐方法和系统。隐性用户特征提取方法包括采集用户收视记录,从采集到的收视记录中提取包含多个喜好特征的隐性用户特征。本发明还提供了一种电视节目推荐方法和系统。本发明整个方案均自动完成,无需人工干预,大大节省人力;依据用户收视记录来提取用户特征,可使用户特征能够随收视记录定期更新,且收视记录详实客观,可确保提取的结果细致准确;通过从多个角度来综合比较节目特征与用户特征的相似度,可以使推荐的电视节目更符合用户的实际需要。

    一种基于MDS算法的隐性用户特征提取方法

    公开(公告)号:CN101408944A

    公开(公告)日:2009-04-15

    申请号:CN200810217363.5

    申请日:2008-11-17

    Inventor: 徐江山 陶疆

    Abstract: 本发明涉及电视节目推荐技术,针对现有技术通过问卷调查方式获取用户特征时存在的调查结果不够准确且容易过期的缺陷,提供一种隐性用户特征提取方法和电视节目推荐方法。隐性用户特征提取方法包括采集用户的历史收视记录,并将收视记录空间的节目样本变换到一种可用距离度量的欧式空间中的样本点;采用聚类算法将可度量欧式空间中的样本点分成若干聚类簇,确定每簇的聚类中心;确定可度量欧式空间中离聚类中心最近的样本点,并找到所述样本点对应于收视记录空间中的节目样本;根据确定的节目样本,提取代表用户收视特征的隐性用户特征。本发明还提供了一种电视节目推荐方法。本发明可解决现有技术调查结果不够准确且容易过期的问题。

    一种基于MDS算法的隐性用户特征提取方法

    公开(公告)号:CN101408944B

    公开(公告)日:2011-05-18

    申请号:CN200810217363.5

    申请日:2008-11-17

    Inventor: 徐江山 陶疆

    Abstract: 本发明涉及电视节目推荐技术,针对现有技术通过问卷调查方式获取用户特征时存在的调查结果不够准确且容易过期的缺陷,提供一种隐性用户特征提取方法和电视节目推荐方法。隐性用户特征提取方法包括采集用户的历史收视记录,并将收视记录空间的节目样本变换到一种可用距离度量的欧式空间中的样本点;采用聚类算法将可度量欧式空间中的样本点分成若干聚类簇,确定每簇的聚类中心;确定可度量欧式空间中离聚类中心最近的样本点,并找到所述样本点对应于收视记录空间中的节目样本;根据确定的节目样本,提取代表用户收视特征的隐性用户特征。本发明还提供了一种电视节目推荐方法。本发明可解决现有技术调查结果不够准确且容易过期的问题。

Patent Agency Ranking