网络电视的多媒体推荐系统设计与实现.docVIP

第 ３０卷第 １期　　　 ２０１３年 １月　　  计算机应用与软件 ＣｏｍｐｕｔｒＡｐｐｌｃａｔｏｎｓａｎｄＳｏｆｗａｒ  Ｖｏｌ３０ Ｎｏ．１ Ｊｎ．２０１３  网络电视的多媒体推荐系统设计与实现 高思敏１，２　邓浩江２　刘　学２ １ ２ 摘　要　　针对网络电视的多媒体推荐系统，解决两个问题：数据源获取，以及优化推荐策略。数据源获取问题，通过用户的购买， 播放等信息获得用户的兴趣度，即评分模型。优化推荐策略的问题，通过对用户进行聚类，将用户的数量级降低；用内容属性相似性 关联和协同过滤推荐相结合的推荐策略，保证足够的推荐结果和高效的推荐质量。根据仿真结果，定性地分析了关键参数的意义。 通过仿真和实际使用情况，说明该推荐系统是有效的。 关键词　　网络电视　推荐系统　数据源获取　协同过滤　内容关联 中图分类号　ＴＰ３９３　　　　文献标识码　Ａ　　　　ＤＯＩ１０．３９６９／．ｉｓ．１０００８６ｘ．２０１３．０１．０１８ ＤＥＳＩ Ｎ ＡＮＤ Ｉ ＰＬＥＭＥＮＴＡＴＩ Ｎ ＯＦＭＵＬＴＩ ＥＤＩ ＲＥＣＯＭＭＥＮＤＡＴＩ Ｎ ＳＹＳＴＥＭ ＦＯＲ Ｉ ＴＥＲＮＥＴＴＥＬＥＶＩＩ Ｎ ＧａｏＳｉｉ１， 　ＤｅｎｇＨａｏｊａｎｇ　Ｌｉ Ｘｕｅ １ ２ Ａｂｓｒａｃｔ 　Ｔｗｏｐｒｂｌｍｓａｒ ｔ ｂｅｓｌｅｄａｉｉｇａｔｔｅｍｕｌｉｅｄｉｒｃｏｍｍｅｎｄａｔｏｎｓｓｅｍｆｒｉｔｒｅｔｔｌｖｉｉｎ：ｔｅｄａｔｓｕｒｅａｃｑｕｉｉ ｔｏｎ，ａｎｄｔｅｏｐｔｍｉｅｄｒｃｏｍｍｅｎｄａｔｏｎｓｒｔｇｙ．Ｆｏｒｄａｔ ｓｕｒｅａｃｑｕｉｉｉｎ，ｕｓｒ’ｉｔｒｓｄｅｇｒｅｓａｒ ｇａｉｅｄｔｒｕｇｈｐａｓｉｆｒａｔｏｎｉ ｒｇａｒ ｔ ｕｓｒ ｐｕｒｈａｓ ａｎｄｐｌｙ ｉｅ．ｔｅｒｔｎｇｍｏｄｅｌ．Ｆｏｒｏｐｔｍｉｅｄｒｃｏｍｍｅｎｄａｔｏｎｓｒｔｇｙ ｆｒｔ ｔｅｏｒｅｒｏｆｕｓｒ’ｍａｇｎｉｕｄｅｉｔ ｒｄｕｃｅｔｒｕｇｈｕｓｒ ｃｌｓｅｒｎｇ ｓｃｏｎｄｌ，ｔｅｒｃｏｍｍｅｎｄａｔｏｎｓｒｔｇｙｉ ｅｍｐｌｙｅｄｔ ｅｎｓｒ ｅｎｏｕｇｈｒｃｏｍｍｅｎｄａｔｏｎｒｓｌｓａｎｄｅｆｉｉｎｔ ｒｃｏｍｍｅｎｄａｔｏｎｑｕａｌｔ，ｔｅｓｒｔｇｙｃｏｍｂｉｅｓｔｅｓｍｉａｒｔａｓｏｃｉｔｏｎｏｆｃｏｎｔｎｔａｔｒｂｕｔｓｗｉｈｃｏｌａｂｏｒｔｖｅｆｌｅｒｎｇｒｃｏｍｍｅｎｄａｔｏｎ．Ｔｈｅ ｓｇｎｉｉａｎｃｅｏｆｔｅｋｅｙｐａｒｍｅｔｒ ａｒ ｑｕａｎｔｔｔｖｅｌ ａｎａｌｓｄａｃｃｏｒｉｇｔ ｓｍｕｌｔｏｎｒｓｌｓ．Ｔｈｅｒｃｏｍｍｅｎｄａｔｏｎｓｓｅｍ ｉｐｒｖｅｄｅｆｅｃｔｖｅ ｔｒｕｇｈｔｅｓｍｕｌｔｏｎａｎｄｐｒｃｔｃａｌｕｓ． Ｋｅｙｗｏｒｄｓ　　Ｉｔｒｅｔｔｌｖｉｉｎ　Ｒｅｃｏｍｍｅｎｄａｔｏｎｓｓｅｍ　Ｄａｔ ｓｕｒｅａｃｑｕｉｉｉｎ　Ｃｏｌａｂｏｒｔｖｅｆｌｅｒｎｇ　Ｃｏｎｔｎｔａｓｏｃｉｔｏｎ 挖掘出被推荐用户潜在的新兴趣。 ０　引　言 随着网络电视平台上的多媒体内容的不断丰富，数据量 不 断膨胀，对用户而言，面对如此丰富而复杂的多媒体内容，要从 中挑选出自己真正需要的内容，好比大海捞针。近年来兴起的 个性化推荐系统成为解决这些问题的一个重要途径，在电子商 务，社交网络等领域得到广泛的应用。 推荐系统所使用的技术，主要可以分为三大类： 基于内容属 性相似性的关联推荐，即通过比较多媒体内容之间的相似性实现推 荐； 基于协同过滤技术的，即根据目标用户和历史用户的操作行 为相似性进行推荐； 上述两种技术的混合型［１］。 协同过滤推荐是目前应用广泛且效率较高的一种个性化推 荐技术。协同过滤推荐通过用户间的相互协助，根据用户对内 容评价的相似度分类，很容易得到相对比较精确的推荐结果，而 且从邻居用户对内容的评价中得益，能够维持有效的推荐，容易 协同过滤分为基于内容的协同过滤和基于用户的协同过滤 两种。基于内容的 协 同 过 滤 推 荐 机 制 是 Ａｍａｚｎ最 早 提 出 的， 在基于用户的机制上改良的一种策略，因为在大部分的 Ｗｅｂ站 点中，内容的数量是远远小于用户的数量的，而且内容的个数和 相似度相对比较稳定，同时基于内容的机制比基于用户的实时 性更好一些 ［２］。 本文提出了一种通过用户操作历史信息建立用户兴趣 度， 即评分模型的方法；利用离线系统对用户进行聚类，降低用户数 量的数量级，增强系统的实时性；并且在传统的基于内容的协同 过滤推荐基础上，提出了优化的推荐策略。通过课题中的实际 运用和实验仿真，说明该推荐系统是有效的。 收稿日期：２０１２－０４－１１。国家高技术研究发展计划（２０１１ＡＡ０１Ａ１ ０２）；国家科技支撑计划（２０１１ＢＡＨ１１Ｂ０４）；中国科学院战略性先导科技 专项（ＸＤ。高思敏