面向家庭用戶的互聯(lián)網(wǎng)電視資源推薦模型研究.pdf

1、隨著國內(nèi)三網(wǎng)融合的深入推進和互聯(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，新型技術也推動著大眾百姓的電視機屏幕不斷變革。傳統(tǒng)的電視服務方式已難以滿足家庭用戶多元化需求?，F(xiàn)在越來越多的家庭用戶希望通過互聯(lián)網(wǎng)電視一體機或互聯(lián)網(wǎng)電視機頂盒加電視機達到休閑娛樂的目的，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，使之享受個性化的服務，提高用戶體驗。

2、r>　　目前傳統(tǒng)的互聯(lián)網(wǎng)資源推薦系統(tǒng)大都是針對個體推薦，但家庭電視機的受眾是整個家庭，而家庭都是由若干個成員組成的，所以整個家庭成員的點播集合才構成了家庭用戶完整的歷史觀看記錄。但每個家庭成員的偏好往往存在差異，甚至完全不同。因而不能對點播信息進行簡單的疊加整合。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體進行推薦，推薦效果可能會適得其反。
　　針對該問題，本文首先通過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。該模型引入了四個關鍵觀看指標，即每周的訪問次數(shù)、每周訪問資源數(shù)、每個資源觀看完成率以及距上次訪問相差時間。并應用層次分析法對各指標分配相應權重，以此計算用戶在系統(tǒng)中的價值。將相同價值行為的用戶歸于一組，對用戶形成第一次價值分組，為后續(xù)推薦模型提供基礎。
　　同時為了更有效的識別家庭中是否有多個觀看用戶，為用戶提供更精準的資源推薦，本文采用離群算法對計算得到的周期-資源評分矩陣進行行距計算，根

4、據(jù)找到的行距異常值來識別當前用戶是多成員家庭用戶還是個體用戶。其中，通過挖掘家庭用戶的資源觀看次數(shù)、觀看時長、觀看時間點，隱式獲取到家庭用戶對不同單個資源的評分值;并根據(jù)單個資源所屬板塊進行評分整合，得到了用戶對各個資源板塊的評分區(qū)間，再結合資源板塊的評分對應的周期區(qū)間形成用戶對各個資源板塊的周期-資源評分矩陣。
　　針對不同價值組別的家庭用戶和個體用戶，在各個分類數(shù)據(jù)集上逐個運行興趣相似的關聯(lián)規(guī)則，采取各分類的推送策略。如果用戶

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