面向家庭用戶的互聯(lián)網(wǎng)電視資源推薦模型研究.pdf

1、隨著國(guó)內(nèi)三網(wǎng)融合的深入推進(jìn)和互聯(lián)網(wǎng)資源行業(yè)整體的快速發(fā)展，傳統(tǒng)的電視觀看模式正發(fā)生根本性變化，新型技術(shù)也推動(dòng)著大眾百姓的電視機(jī)屏幕不斷變革。傳統(tǒng)的電視服務(wù)方式已難以滿足家庭用戶多元化需求。現(xiàn)在越來(lái)越多的家庭用戶希望通過(guò)互聯(lián)網(wǎng)電視一體機(jī)或互聯(lián)網(wǎng)電視機(jī)頂盒加電視機(jī)達(dá)到休閑娛樂(lè)的目的，但由于互聯(lián)網(wǎng)電視資源繁雜眾多，用戶很難高效率找到偏好的資源，所以非常有必要為家庭用戶提供量身定制的互聯(lián)網(wǎng)電視資源的推薦，使之享受個(gè)性化的服務(wù)，提高用戶體驗(yàn)。

2、r>　　目前傳統(tǒng)的互聯(lián)網(wǎng)資源推薦系統(tǒng)大都是針對(duì)個(gè)體推薦，但家庭電視機(jī)的受眾是整個(gè)家庭，而家庭都是由若干個(gè)成員組成的，所以整個(gè)家庭成員的點(diǎn)播集合才構(gòu)成了家庭用戶完整的歷史觀看記錄。但每個(gè)家庭成員的偏好往往存在差異，甚至完全不同。因而不能對(duì)點(diǎn)播信息進(jìn)行簡(jiǎn)單的疊加整合。因此，如果采用傳統(tǒng)推薦算法，不考慮觀看成員的多樣性，而直接將家庭用戶看作普通個(gè)體進(jìn)行推薦，推薦效果可能會(huì)適得其反。
　　針對(duì)該問(wèn)題，本文首先通過(guò)分析家庭用戶歷史觀看記錄，

3、提出了基于RFM模型優(yōu)化的RFMP模型。該模型引入了四個(gè)關(guān)鍵觀看指標(biāo)，即每周的訪問(wèn)次數(shù)、每周訪問(wèn)資源數(shù)、每個(gè)資源觀看完成率以及距上次訪問(wèn)相差時(shí)間。并應(yīng)用層次分析法對(duì)各指標(biāo)分配相應(yīng)權(quán)重，以此計(jì)算用戶在系統(tǒng)中的價(jià)值。將相同價(jià)值行為的用戶歸于一組，對(duì)用戶形成第一次價(jià)值分組，為后續(xù)推薦模型提供基礎(chǔ)。
　　同時(shí)為了更有效的識(shí)別家庭中是否有多個(gè)觀看用戶，為用戶提供更精準(zhǔn)的資源推薦，本文采用離群算法對(duì)計(jì)算得到的周期-資源評(píng)分矩陣進(jìn)行行距計(jì)算，根

4、據(jù)找到的行距異常值來(lái)識(shí)別當(dāng)前用戶是多成員家庭用戶還是個(gè)體用戶。其中，通過(guò)挖掘家庭用戶的資源觀看次數(shù)、觀看時(shí)長(zhǎng)、觀看時(shí)間點(diǎn)，隱式獲取到家庭用戶對(duì)不同單個(gè)資源的評(píng)分值;并根據(jù)單個(gè)資源所屬板塊進(jìn)行評(píng)分整合，得到了用戶對(duì)各個(gè)資源板塊的評(píng)分區(qū)間，再結(jié)合資源板塊的評(píng)分對(duì)應(yīng)的周期區(qū)間形成用戶對(duì)各個(gè)資源板塊的周期-資源評(píng)分矩陣。
　　針對(duì)不同價(jià)值組別的家庭用戶和個(gè)體用戶，在各個(gè)分類數(shù)據(jù)集上逐個(gè)運(yùn)行興趣相似的關(guān)聯(lián)規(guī)則，采取各分類的推送策略。如果用戶

5、屬于高價(jià)值個(gè)體用戶，則首先去除掉過(guò)度活躍用戶的影響，并用修正余弦公式計(jì)算用戶相似度，從而實(shí)現(xiàn)用戶相似聚集，以便使用基于用戶的協(xié)同過(guò)濾算法進(jìn)行推薦;若是低價(jià)值個(gè)體用戶，推薦的模型除了采用協(xié)同過(guò)濾算法直接推薦外，還隨機(jī)推薦不相關(guān)資源，以此彌補(bǔ)興趣矩陣稀疏和冷啟動(dòng)問(wèn)題的不足，增加資源的覆蓋率。另外，如果用戶屬于高價(jià)值多成員家庭用戶，先將家庭成員分離出來(lái)，形成多個(gè)獨(dú)立的個(gè)體，并提前將分離的個(gè)體成員的觀看特征與設(shè)定的用戶觀看模板相匹配，從而降低推