一种视频内容推荐方法、设备和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105915949A(43)申请公布日2016.08.31(21)申请号201510980566.XH04N21/466(2011.01)(22)申请日2015.12.23(71)申请人乐视网信息技术（北京）股份有限公司地址100081北京市海淀区学院南路68号19号楼六层6184号房间(72)发明人张雨薇(74)专利代理机构北京合智同创知识产权代理有限公司11545代理人李杰(51)Int.Cl.H04N21/25(2011.01)H04N21/258(2011.01)H04N21/45(2011.01)权利要求书3页说明书10页附图4页(54)发明名称一种视频内容推荐方法、设备和系统(57)摘要本发明实施例提供一种视频内容推荐方法、设备和系统，视频内容推荐设备对用户历史观看数据进行分析，得到各种个性化喜好参数；根据各种个性化喜好参数和用户个体特性信息，对用户历史观看数据进行整理和交叉，得到按照个性化喜好参数和用户个体特性信息的分组观看数据；根据表示历史观看数据的自变量矩阵、表示用户个体特性信息的自变量矩阵和表示分组观看数据的因变量矩阵对分组观看数据进行处理；基于处理结果，将各个视频内容对应的频道作为自变量得到对应的系数；按一定的比例折算成推荐权重系数Wi；根据不同的权重系数Wi进行对应视频内容的推荐。通过本发明的视频内容推荐方法、设备和系统，可以对不同频道进行精细的视频内容推荐。CN105915949ACN105915949A权利要求书1/3页1.一种视频内容推荐方法，其特征在于，包括：对用户历史观看数据进行分析，得到各种个性化喜好参数；根据所述各种个性化喜好参数和用户个体特性信息，对所述用户历史观看数据进行整理和交叉，得到按照所述个性化喜好参数和所述用户个体特性信息的分组观看数据；根据表示所述历史观看数据的自变量矩阵、表示所述用户个体特性信息的自变量矩阵和表示所述分组观看数据的因变量矩阵对所述分组观看数据进行处理；基于所述处理结果，将各个视频内容对应的频道作为自变量得到对应的系数；按一定的比例将所述频道作为自变量得到对应的所述系数折算成推荐权重系数Wi；根据不同的权重系数Wi进行对应视频内容的推荐。2.根据权利要求1所述的方法，其特征在于，所述根据表示所述历史观看数据的自变量矩阵、表示所述用户个体特性信息的自变量矩阵和表示所述分组观看数据的因变量矩阵对所述分组观看数据进行处理具体包括：将表示所述历史观看数据的自变量矩阵、表示所述用户个体特性信息的自变量矩阵和表示所述分组观看数据的因变量矩阵置于混合效应模型公式(1)，并根据所述混合效应模型公式(1)对所述分组观看数据进行运算；其中，所述混合效应模型公式(1)为：Yi＝Xiβ+Zibi+εi其中，β表示固定效应，bi表示随机效应，其中，所述β和bi为所述频道作为自变量得到对应的系数；其中Yi表示因变量矩阵，表示分组观看数据；Xi表示自变量矩阵，表示所述用户个体特性信息；εi表示误差项矩阵，是混合效应模型自带生成；Zi表示另一系列属性区别于Xi的自变量矩阵，表示所述历史观看数据；Ki表示一个权重系数，经过一系列事前设定满足Xi＝ZiKi，Xi＝ZiKi是已知的(ni×p)协方差矩阵；ni表示n个样本里第i个；p表示实际的矩阵运算结果反应的参数；i表示第i个样本中的序数i，为正整数，i＝1，2，3，…，i。3.根据权利要求2所述的方法，其特征在于，所述混合效应模型公式(1)还需要满足如下要求：bi～N(0,D)εi～N(0,∑i)cov(b1,b2,...,bi；ε1,ε2,...,εN)＝0其中，bi～N(0,D)表示b服从标准正态分布，其中N(0，D)表示标准正态分布；εi～N(0,∑i)表示ε服从标准正态分布，其中εi～N(0,∑i)表示对应的标准正太分布，∑i表示加和运算；cov(b1,b2,...,bi；ε1,ε2,...,εN)＝0表示协方差矩阵，cov表示协方差。4.根据权利要求2或3所述的方法，其特征在于，所述混合效应模型公式(1)的模型结果还参考因变量Yi的密度方程：f(yi)＝∫f(yi|bi)f(bi)dbi其中，f(yi)表示密度方程表达式符号，yi表示因变量Yi里的元素，f(yi|bi)表示用b来表达f(y)的密度方程，f(bi)表示b的密度方程，d表示微分符号。5.根据权利要求1-3任意一项所述的方法，其特征在于，所有所述权重系数Wi序列之和是100％。2CN105915949A权利要求书2/3页6.一种视频内容推荐设备，其特征在于，包括：处理器、发送器、接收器；所述接收器，用于接收用户观看数据；所述处理器用于对用户历史观看数据进行分析，得到各种个性化喜好参数；根据所述各种