本發(fā)明涉及一種網(wǎng)絡(luò)電視用戶預(yù)測技術(shù)領(lǐng)域，尤其是一種面向網(wǎng)絡(luò)電視用戶的時序主題偏好預(yù)測方法。

背景技術(shù)：

隨著交互式網(wǎng)絡(luò)電視(Internet Protocol Television，IPTV)產(chǎn)業(yè)的快速發(fā)展，網(wǎng)絡(luò)電視用戶數(shù)不斷增長，電視節(jié)目源隨之增加。把握用戶的節(jié)目偏好，為用戶及時推薦感興趣的電視節(jié)目，有利于網(wǎng)絡(luò)電視運營商提供優(yōu)質(zhì)用戶體驗，吸引用戶資源，防止用戶流失。用戶的節(jié)目主題偏好往往能夠體現(xiàn)出網(wǎng)絡(luò)電視用戶的家庭成員組成結(jié)構(gòu)、家庭成員興趣等特征，通過分析用戶的主題偏好有利于運營商針對用戶的家庭成員組成結(jié)構(gòu)、用戶興趣提供相應(yīng)的增值服務(wù)，甚至是為用戶提供第三方服務(wù)，有利于提高運營商的經(jīng)濟(jì)效益。

現(xiàn)有的預(yù)測電視用戶觀看節(jié)目行為的方法有：1)、多用戶上下文識別的節(jié)目推薦，2)、基于協(xié)同過濾的電視節(jié)目推薦等，以上方法在一定程度上預(yù)測了用戶的節(jié)目偏好，并進(jìn)行相似節(jié)目的推薦，但其存在一定的缺點，(1)、是用戶在一天中各個時間區(qū)間的節(jié)目偏好不同，即便用戶偏好某一個電視節(jié)目，但是因為推薦的時間點不恰當(dāng)；(2)、分析用戶的節(jié)目偏好，預(yù)測用戶可能喜歡的節(jié)目，只能為用戶推薦電視節(jié)目。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種面向網(wǎng)絡(luò)電視用戶的時序主題偏好預(yù)測方法，該方法能夠準(zhǔn)確預(yù)測電視用戶在不同時間段的電視節(jié)目偏好。

本發(fā)明的技術(shù)方案為：一種面向網(wǎng)絡(luò)電視用戶的時序主題偏好預(yù)測方法，其特征在于，包括以下步驟：

1)通過網(wǎng)絡(luò)電視運營商服務(wù)器抓取用戶d天內(nèi)觀看網(wǎng)絡(luò)電視節(jié)目的基本數(shù)據(jù)，其中每一天的記錄時間為00:00:00到23:59:59；

2)、針對抓取的基本數(shù)據(jù)設(shè)置電視節(jié)目觀看最小時間t_min、時間區(qū)間長度L、電視節(jié)目的主題T_k(k＝1,2，...n)的數(shù)量n；

3)、根據(jù)用戶觀看每條電視節(jié)目的起始時間和結(jié)束時間分別計算出每條電視節(jié)目的觀看時間t，如果t<t_min，則刪除該條電視節(jié)目；

4)、將d天的每一天按照從00:00:00到23:59:59依次等分成N個時間片段，從而得到d天的時間片段集S_j,i＝{s_1,1,s_1,2,...s_1,i,s_2,1,s_2,2,...s_2,i,...s_j,2,...s_j,i}，其中s_j,i表示第i(i＝1,2,...d)天的第j(j＝1,2,...N)個時間片段，s_j＝{s_j,1,s_j,2,...s_j,i}表示第j(j＝1,2,...N)個時間片段，通過時間片段集S_j,i＝{s_1,1,s_1,2,...s_1,i,s_2,1,s_2,2,...s_2,i,...s_j,2,...s_j,i}與用戶觀看電視節(jié)目的天數(shù)d構(gòu)建得到每個用戶d天觀看電視節(jié)目集Q＝{q_1,1,q_1,2,...q_1,j,q_2,1,q_2,2,...q_2,j,...q_i,2,...q_i,j}，其中，q_i,j表示該用戶在第i天的第j個時間片段s_j,i里觀看的電視節(jié)目集；

5)、利用隱含狄利克雷分布(LDA)模型對電視節(jié)目集Q進(jìn)行分析，得到n個關(guān)于電視節(jié)目的主題T_k(k＝1,2，...n)，以及每個電視節(jié)目分別落在主題T_k(k＝1,2，...n)下的概率TPP＝{P_1,1,…P_1,k,…,P_1,n，…,P_p,1,…P_p,k,…,P_p,n}，其中，P_p,k表示電視節(jié)目p落在主題T_k下的概率；

6)、對每個主題T_k(k＝1,2，...n)下的電視節(jié)目按照其在該主題T_k(k＝1,2，...n)下的概率TPP從大到小依次進(jìn)行排序，選取該主題T_k(k＝1,2，...n)下前5個電視節(jié)目作為該主題T_k(k＝1,2，...n)下隱含的偏好電視節(jié)目，并將該偏好電視節(jié)目的特征作為該主題T_k(k＝1,2，...n)隱含的特征；

7)、對于步驟4中得到的每個用戶觀看電視節(jié)目集Q的每個元素q_i,j中的電視節(jié)目p，根據(jù)其在n個主題T_k(k＝1,2，...n)下的概率分布為{P_p,1,…,P_p,n}，當(dāng)則將該電視節(jié)目p替換為其對應(yīng)的主題T_k(k＝1,2，...n)；

8)、根據(jù)得到用戶在各個時間片段中各個主題T_k(k＝1,2，...n)的分布比例，其中，Count(T_k|s_j)表示主題T_k(k＝1,2，...n)在第j個時間片段s_j＝{s_j,₁,s_j,₂,...s_j,_i}出現(xiàn)的總次數(shù)；

9)、將步驟9中得到的該用戶在第j個時間片段s_j＝{s_j,₁,s_j,₂,...s_j,_i}里觀看的主題T_k(k＝1,2，...n)的分布比例按照從大到小進(jìn)行排序，選取前m個分布比例累加和大于0.8的主題T_k(k＝1,2...n)作為用戶在該時間片段s_j＝{s_j,₁,s_j,₂,...s_j,_i}內(nèi)的偏好主題，從而得到每個時間片段的m個偏好主題；

10)、將步驟9中得到的每個時間片段的偏好主題以及該偏好主題下的5個偏好電視節(jié)目、偏好節(jié)目特征作為預(yù)測結(jié)果。

本發(fā)明的有益效果為：通過對提取的數(shù)據(jù)先進(jìn)行清理，清除了一些實用性不強(qiáng)的數(shù)據(jù)，從而提高了預(yù)測結(jié)果的可靠性，通過LDA模型能夠獲得若干個主題，得到每一個主題隱含的用戶特征，通過將一天劃分為N個時間片段，細(xì)化了預(yù)測用戶節(jié)目偏好的時間片段，不僅提高了電視節(jié)目偏好預(yù)測在時間上的精準(zhǔn)性，并且結(jié)合電視節(jié)目主題體現(xiàn)的用戶特征可以分析得到用戶家庭成員結(jié)構(gòu)以及興趣特征，有利于電視運營商為用戶提供高質(zhì)量用戶體驗服務(wù)，有利于電視運營商結(jié)合用戶特征推廣增值服務(wù)及第三方商業(yè)服務(wù)，提高經(jīng)濟(jì)效益。

附圖說明

圖1為本發(fā)明的流程圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明的具體實施方式作進(jìn)一步說明：

如圖1所示，一種面向網(wǎng)絡(luò)電視用戶的時序主題偏好預(yù)測方法，其特征在于，包括以下步驟：

1)通過網(wǎng)絡(luò)電視運營商服務(wù)器抓取用戶d天內(nèi)觀看網(wǎng)絡(luò)電視節(jié)目的基本數(shù)據(jù)，其中每一天的記錄時間為00:00:00到23:59:59；

2)、針對抓取的基本數(shù)據(jù)設(shè)置電視節(jié)目觀看最小時間t_min、時間區(qū)間長度L、電視節(jié)目的主題T_k(k＝1,2，...n)的數(shù)量n；

3)、根據(jù)用戶觀看每條電視節(jié)目的起始時間和結(jié)束時間分別計算出每條電視節(jié)目的觀看時間t，如果t<t_min，則刪除該條電視節(jié)目；

4)、將d天的每一天按照從00:00:00到23:59:59依次等分成N個時間片段，從而得到d天的時間片段集S_j,i＝{s_1,1,s_1,2,...s_1,i,s_2,1,s_2,2,...s_2,i,...s_j,2,...s_j,i}，其中s_j,i表示第i(i＝1,2,...d)天的第j(j＝1,2,...N)個時間片段，s_j＝{s_j,1,s_j,2,...s_j,i}表示第j(j＝1,2,...N)個時間片段，通過時間片段集S_j,i＝{s_1,1,s_1,2,...s_1,i,s_2,1,s_2,2,...s_2,i,...s_j,2,...s_j,i}與用戶觀看電視節(jié)目的天數(shù)d構(gòu)建得到每個用戶d天觀看電視節(jié)目集Q＝{q_1,1,q_1,2,...q_1,j,q_2,1,q_2,2,...q_2,j,...q_i,2,...q_i,j}，其中，q_i,j表示該用戶在第i天的第j個時間片段s_j,i里觀看的電視節(jié)目集；

5)、利用隱含狄利克雷分布(LDA)模型對電視節(jié)目集Q進(jìn)行分析，得到n個關(guān)于電視節(jié)目的主題T_k(k＝1,2，...n)，以及每個電視節(jié)目分別落在主題T_k(k＝1,2，...n)下的概率TPP＝{P_1,1,…P_1,k,…,P_1,n，…,P_p,1,…P_p,k,…,P_p,n}，其中，P_p,k表示電視節(jié)目p落在主題T_k下的概率；

6)、對每個主題T_k(k＝1,2，...n)下的電視節(jié)目按照其在該主題T_k(k＝1,2，...n)下的概率TPP從大到小依次進(jìn)行排序，選取該主題T_k(k＝1,2，...n)下前5個電視節(jié)目作為該主題T_k(k＝1,2，...n)下隱含的偏好電視節(jié)目，并將該偏好電視節(jié)目的特征作為該主題T_k(k＝1,2，...n)隱含的特征；

7)、對于步驟4中得到的每個用戶觀看電視節(jié)目集Q的每個元素q_i,j中的電視節(jié)目p，根據(jù)其在n個主題T_k(k＝1,2，...n)下的概率分布為{P_p,1,…,P_p,n}，當(dāng)則將該電視節(jié)目p替換為其對應(yīng)的主題T_k(k＝1,2，...n)；

8)、根據(jù)得到用戶在各個時間片段中各個主題T_k(k＝1,2，...n)的分布比例，其中，Count(T_k|s_j)表示主題T_k(k＝1,2，...n)在第j個時間片段s_j＝{s_j,₁,s_j,₂,...s_j,_i}出現(xiàn)的總次數(shù)；

9)、將步驟9中得到的該用戶在第j個時間片段s_j＝{s_j,₁,s_j,₂,...s_j,_i}里觀看的主題T_k(k＝1,2，...n)的比例按照從大到小進(jìn)行排序，選取前m個比例累加和大于0.8的主題T_k(k＝1,2...n)作為用戶在該時間片段s_j＝{s_j,₁,s_j,₂,...s_j,_i}內(nèi)的偏好主題，從而得到每個時間片段的偏好主題；10)、將步驟9中得到的每個時間片段的偏好主題以及該偏好主題下的5個偏好電視節(jié)目、偏好節(jié)目特征作為預(yù)測結(jié)果。

上述實施例和說明書中描述的只是說明本發(fā)明的原理和最佳實施例，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。