技術特征：
1.一種挖掘電視觀看模式的數(shù)據(jù)處理系統(tǒng)，其特征在于，包括數(shù)據(jù)收集模塊，用于收集電視節(jié)目的觀看歷史數(shù)據(jù)；數(shù)據(jù)過濾模塊，用于從數(shù)據(jù)收集模塊收集的電視節(jié)目的觀看歷史數(shù)據(jù)中過濾識別出用戶的觀看歷史數(shù)據(jù)，將噪聲數(shù)據(jù)濾除；數(shù)據(jù)挖掘與特征分類模塊，用于通過對存儲有用戶觀看歷史和電視節(jié)目信息的內(nèi)容數(shù)據(jù)庫進行數(shù)據(jù)挖掘與數(shù)據(jù)特征分類，找出用戶的觀看信息，并將特征分類后的用戶觀看信息形成一個聚類集；分析模塊，用于分析用戶觀看歷史內(nèi)容特征和從數(shù)據(jù)挖掘與特征分類模塊獲取到的聚類集，從中選擇分類，獲取代表原始用戶行為內(nèi)容歷史的觀看歷史數(shù)據(jù)集；模式挖掘模塊，用于從分析模塊獲取的觀看歷史數(shù)據(jù)集中發(fā)掘出用戶觀看模式集；所述模式集中模式數(shù)量與分類數(shù)量相關，將所述觀看歷史數(shù)據(jù)集用時間帶劃分的方法進行分類，將一個完整的時間劃分成若干個時間帶，時間帶的劃分由家庭來確定，不同的家庭時間帶劃分不同；其中，所述模式挖掘模塊包括：用戶觀看模式分析模塊，用于將所述觀看歷史數(shù)據(jù)集進行數(shù)學模型化，生成用戶的觀看歷史數(shù)據(jù)集，并對觀看歷史數(shù)據(jù)集進行重新架構；對比模塊，用于對比觀看歷史數(shù)據(jù)集和用戶觀看模式分析模塊重新架構的觀看歷史數(shù)據(jù)集，找出最優(yōu)的用戶觀看模式組合。2.一種挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，包括以下步驟：A、數(shù)據(jù)收集模塊預先收集電視節(jié)目的觀看歷史數(shù)據(jù)，并通過數(shù)據(jù)過濾模塊從中過濾識別出用戶的觀看歷史數(shù)據(jù)，濾掉噪聲數(shù)據(jù)；B、數(shù)據(jù)挖掘與特征分類模塊通過對存儲有用戶觀看歷史和電視節(jié)目信息的內(nèi)容數(shù)據(jù)庫進行數(shù)據(jù)挖掘與數(shù)據(jù)特征分類，找出用戶的觀看信息，并將特征分類后的用戶觀看信息形成一個聚類集；C、分析模塊通過分析用戶觀看歷史內(nèi)容特征和從上一步獲取到的聚類集，從中選擇分類，獲取代表原始用戶行為內(nèi)容歷史的觀看歷史數(shù)據(jù)集；D、模式挖掘模塊從分析模塊獲取的觀看歷史數(shù)據(jù)集中發(fā)掘出用戶觀看模式集；所述模式集中模式數(shù)量與分類數(shù)量相關，將所述觀看歷史數(shù)據(jù)集用時間帶劃分的方法進行分類，將一個完整的時間劃分成若干個時間帶，時間帶的劃分由家庭來確定，不同的家庭時間帶劃分不同；模式挖掘模塊對所述觀看歷史數(shù)據(jù)集進行重新架構，通過對比觀看歷史數(shù)據(jù)集和重新架構的觀看歷史數(shù)據(jù)集，確定最優(yōu)的用戶觀看模式集，并輸出。3.根據(jù)權利要求2所述的挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，所述步驟D具體包括：D1、將所述觀看歷史數(shù)據(jù)集進行如下定義：指定N為用戶特定的時間段的長度，{Vi}(i＝0,1,…,N-1)是第i個時間點觀看歷史數(shù)據(jù)集；將用戶觀看模式定義為P(c,s,n,m,p)，其中，c表示內(nèi)容類別，s表示用戶觀看模式開始時間點，且s∈{0,1,…,N-1}；n是用戶觀看行為發(fā)生周期的長度，且n∈{1,2,…,N/2}；m表示周期重復次數(shù)，且m∈{1,…,N/n}；p表示模式字符串長度，且p∈{1,…,n}；定義{Pr(c,s,n,m,p)}(r＝0,1,…,R-1)為用戶觀看模式的結果集，并通過所述結果集對觀看歷史數(shù)據(jù)集進行重新架構，結果定義為其中，R表示從歷史數(shù)據(jù)中找出來的具有代表性的模式數(shù)量；D2、對比觀看歷史數(shù)據(jù)集{Vi}和重新架構的觀看歷史數(shù)據(jù)集找出差異最小的并通過確定最優(yōu)的用戶觀看模式。4.根據(jù)權利要求3所述的挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，對比觀看歷史數(shù)據(jù)集{Vi}和重新架構的觀看歷史數(shù)據(jù)集的步驟具體還包括：定義觀看歷史數(shù)據(jù)集{Vi}和重新架構的觀看歷史數(shù)據(jù)集的差異為失真度，并定義表達式量化衡量失真度，其中，5.根據(jù)權利要求4所述的挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，當失真度最小時，觀看歷史數(shù)據(jù)集{Vi}和重新架構的觀看歷史數(shù)據(jù)集的差異最小，其中失真度最小為滿足R≤RThreshold，RThreshold是模式數(shù)量限制條件。6.根據(jù)權利要求4所述的挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，所述步驟D還采用拉格朗日乘子法實現(xiàn)，定義拉格朗日函數(shù)其中，λ為拉格朗日乘子，確定一個λ*，使u*＝arg[minuJλ(u)]，且滿足R(u*)＝RThreshold，u*表示滿足R≤RThreshold的最優(yōu)解。7.根據(jù)權利要求6所述的挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，所述步驟D還包括：定義決策點向量U，而uk代表第k項決策點向量集(uk＝{(c,s,n,m,p)k,o}(o代表模式總數(shù))，以及定義代價函數(shù)Gk(uk-q,…,uk)，表示第k項的最小代價，而GN(uN-q,…,uN)表示最后一項所需最小代價；根據(jù)給定q+1個決策向量集uk-q-1,…,uk-1計算出到uk-1項的代價函數(shù)Gk-1(uk-q-1,…,uk-1)的值，而到uk項的代價函數(shù)值不依賴u1,u2,…,uk-q-1的向量集，確定最優(yōu)的用戶觀看模式數(shù)量。8.根據(jù)權利要求2所述的挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，采用K-means算法對所述內(nèi)容數(shù)據(jù)庫進行數(shù)據(jù)特征分類。9.根據(jù)權利要求2所述的挖掘電視觀看模式的數(shù)據(jù)處理方法，其特征在于，通過主成分分析的方法分析用戶觀看歷史內(nèi)容特征。