电视节目推荐方法及装置

1.一种电视节目推荐方法，其特征在于，包括：
根据各用户观看各电视节目时各电视节目的播放数据确定各所述用户对各所述电视节目的喜爱度，并根据所述喜爱度对各所述电视节目进行聚类，形成多个电视节目组；
确定各所述用户对各所述电视节目组的喜爱度；
根据各所述用户对各所述电视节目组的喜爱度对各所述用户进行聚类，形成多个用户组，并确定各所述用户组对各所述电视节目组的喜爱度；
根据目标用户所在的用户组对每个电视节目组的喜爱度确定向所述目标用户推荐的电视节目；
其中，所述根据各用户观看各电视节目时各电视节目的播放数据确定各所述用户对各所述电视节目的喜爱度，包括：
根据各所述用户观看所述电视节目时所述电视节目的播放时长、所述电视节目的总时长、所述电视节目初次播放时的剩余时长及所述电视节目在播放过程中切换的次数确定各所述用户对各所述电视节目的喜爱度；
所述根据所述喜爱度对各所述电视节目进行聚类，形成多个电视节目组，包括：
根据各所述用户对各所述电视节目的喜爱度确定当前电视节目集合中的相关节目集合；其中，所述根据各所述用户对各所述电视节目的喜爱度确定当前电视节目集合中的相关节目集合，包括：
根据各所述用户对各所述电视节目的喜爱度确定各所述用户对应的候选相关节目对；
其中，所述用户对所述候选相关节目对中每个电视节目的喜爱度均大于预设的第一阈值；
对于每一个候选相关节目对，确定与各所述候选相关节目对对应的各子用户数量，若各子用户数量中的第一子用户数量与所述用户的总数量的比值大于预设的第二阈值，则将与所述第一子用户数量对应的候选相关节目对作为所述相关节目集合，用所述相关节目集合替换所述当前电视节目集合中的所述相关节目集合中的各电视节目，作为新的当前电视节目集合，并确定各所述用户对所述相关节目集合的喜爱度，返回执行根据各所述用户对各所述电视节目的喜爱度确定当前电视节目集合中的相关节目集合，直至不存在第一子用户数量，并将所述相关节目集合作为一个电视节目组，将所述新的当前电视节目集合中的除所述相关节目集合之外的其他电视节目分别作为一个电视节目组。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述用户观看所述电视节目时所述电视节目的播放时长、所述电视节目的总时长、所述电视节目初次播放时的剩余时长及所述电视节目在播放过程中切换的次数确定各所述用户对各所述电视节目的喜爱度，包括：
根据公式 确定各所述用户对各所述电视节目的喜
爱度；其中，Tv表示所述用户观看所述电视节目时所述电视节目的播放时长，Tall表示所述电视节目的总时长，a为预设的阈值，Tleft表示所述电视节目初次播放时的剩余时长，n表示所述电视节目在播放过程中切换的次数，当Tall大于或者等于a时，取Tall＝a。
3.根据权利要求1所述的方法，其特征在于，所述根据目标用户所在的用户组对每个电视节目组的喜爱度确定向所述目标用户推荐的电视节目，包括：
根据所述目标用户所在的用户组对每个电视节目组的喜爱度的大小顺序，向所述目标用户推荐至少一个电视节目组中所述目标用户未观看过的电视节目。
4.一种电视节目推荐装置，其特征在于，包括：
第一确定模块，用于根据各用户观看各电视节目时各电视节目的播放数据确定各所述用户对各所述电视节目的喜爱度；
第一聚类模块，用于根据所述喜爱度对各所述电视节目进行聚类，形成多个电视节目组；
第二确定模块，用于确定各所述用户对各所述电视节目组的喜爱度；
第二聚类模块，用于根据各所述用户对各所述电视节目组的喜爱度对各所述用户进行聚类，形成多个用户组，并确定各所述用户组对各所述电视节目组的喜爱度；
推荐模块，用于根据目标用户所在的用户组对每个电视节目组的喜爱度确定向所述目标用户推荐的电视节目；
其中，所述第一确定模块包括：
第一确定子模块，用于根据各所述用户观看所述电视节目时所述电视节目的播放时长、所述电视节目的总时长、所述电视节目初次播放时的剩余时长及所述电视节目在播放过程中切换的次数确定各所述用户对各所述电视节目的喜爱度；
所述第一聚类模块具体用于：
根据各所述用户对各所述电视节目的喜爱度确定当前电视节目集合中的相关节目集合；其中，所述根据各所述用户对各所述电视节目的喜爱度确定当前电视节目集合中的相关节目集合，包括：
根据各所述用户对各所述电视节目的喜爱度确定各所述用户对应的候选相关节目对；
其中，所述用户对所述候选相关节目对中每个电视节目的喜爱度均大于预设的第一阈值；
对于每一个候选相关节目对，确定与各所述候选相关节目对对应的各子用户数量，若各子用户数量中的第一子用户数量与所述用户的总数量的比值大于预设的第二阈值，则将与所述第一子用户数量对应的候选相关节目对作为所述相关节目集合，用所述相关节目集合替换所述当前电视节目集合中的所述相关节目集合中的各电视节目，作为新的当前电视节目集合，并确定各所述用户对所述相关节目集合的喜爱度，返回执行根据各所述用户对各所述电视节目的喜爱度确定当前电视节目集合中的相关节目集合，直至不存在第一子用户数量，并将所述相关节目集合作为一个电视节目组，将所述新的当前电视节目集合中的除所述相关节目集合之外的其他电视节目分别作为一个电视节目组。
5.根据权利要求4所述的装置，其特征在于，所述第一确定子模块具体用于：
根据公式 确定各所述用户对各所述电视节目的喜
爱度；其中，Tv表示所述用户观看所述电视节目时所述电视节目的播放时长，Tall表示所述电视节目的总时长，a为预设的阈值，Tleft表示所述电视节目初次播放时的剩余时长，n表示所述电视节目在播放过程中切换的次数，当Tall大于或者等于a时，取Tall＝a。
6.根据权利要求4所述的装置，其特征在于，所述推荐模块具体用于：
根据所述目标用户所在的用户组对每个电视节目组的喜爱度的大小顺序，向所述目标用户推荐至少一个电视节目组中所述目标用户未观看过的电视节目。

电视节目推荐方法及装置\n技术领域\n[0001] 本发明涉及推荐技术，尤其涉及一种电视节目推荐方法及装置。\n背景技术\n[0002] 现有的电视节目数量众多，如何在众多的电视节目中向用户推荐其感兴趣的电视节目成了一个重要问题。\n[0003] 目前，主要基于以下方法向用户推荐电视节目：用户观看某一电视节目的时间超过预设的阈值则代表用户对该电视节目感兴趣，再根据预先对所有电视节目的分类向用户推荐与该电视节目属于同一类别的电视节目。\n[0004] 但是，上述方法存在以下问题：用户观看某一电视节目不代表用户就对该电视节目感兴趣，可能只是在频道切换时偶尔浏览了一下；并且，目前对电视节目的分类可能是按照电视节目类型、导演或者演员进行分类的，分类不够精确。因此，这导致现有的电视节目推荐方法精确率较低。\n发明内容\n[0005] 本发明提供一种电视节目推荐方法及装置，以提高电视节目推荐方法的精确率。\n[0006] 本发明提供一种电视节目推荐方法，包括：\n[0007] 根据各用户观看各电视节目时各电视节目的播放数据确定各所述用户对各所述电视节目的喜爱度，并根据所述喜爱度对各所述电视节目进行聚类，形成多个电视节目组；\n[0008] 确定各所述用户对各所述电视节目组的喜爱度；\n[0009] 根据各所述用户对各所述电视节目组的喜爱度对各所述用户进行聚类，形成多个用户组，并确定各所述用户组对各所述电视节目组的喜爱度；\n[0010] 根据目标用户所在的用户组对每个电视节目组的喜爱度确定向所述目标用户推荐的电视节目。\n[0011] 本发明还提供一种电视节目推荐装置，包括：\n[0012] 第一确定模块，用于根据各用户观看各电视节目时各电视节目的播放数据确定各所述用户对各所述电视节目的喜爱度；\n[0013] 第一聚类模块，用于根据所述喜爱度对各所述电视节目进行聚类，形成多个电视节目组；\n[0014] 第二确定模块，用于确定各所述用户对各所述电视节目组的喜爱度；\n[0015] 第二聚类模块，用于根据各所述用户对各所述电视节目组的喜爱度对各所述用户进行聚类，形成多个用户组，并确定各所述用户组对各所述电视节目组的喜爱度；\n[0016] 推荐模块，用于根据目标用户所在的用户组对每个电视节目组的喜爱度确定向所述目标用户推荐的电视节目。\n[0017] 本发明实施例提供的电视节目推荐方法及装置，通过根据各用户观看各电视节目时各电视节目的播放数据确定各用户对各电视节目的喜爱度，并根据喜爱度对各电视节目进行聚类，形成多个电视节目组，确定各用户对各电视节目组的喜爱度，根据各用户对各电视节目组的喜爱度对各用户进行聚类，形成多个用户组，并确定各用户组对各电视节目组的喜爱度，根据目标用户所在的用户组对每个电视节目组的喜爱度确定向目标用户推荐的电视节目，实现了先根据电视节目的播放数据对电视节目进行聚类，根据统计的播放数据将具有相似特征的电视节目划分为同一组，再确定用户对各电视节目组的喜爱度，描述用户的个性化特征，再根据各用户对各电视节目组的喜爱度对用户进行聚类，将相似用户聚为一类，同一电视节目组的电视节目相关性较高，同一用户组的用户相似，再根据目标用户所在的用户组对每个电视节目组的喜爱度确定向其推荐的电视节目，在进行电视节目推荐时，可以根据目标用户所在用户组的对每个电视节目组的喜爱度，确定向目标用户推荐的电视节目，从而，提高了推荐电视节目的精确率。\n附图说明\n[0018] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。\n[0019] 图1为本发明实施例提供的电视节目推荐方法实施例的流程示意图；\n[0020] 图2为本发明实施例提供的电视节目推荐装置实施例的结构示意图。\n具体实施方式\n[0021] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。\n[0022] 本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。\n[0023] 本发明实施例提供的电视节目推荐方法及装置，通过根据各用户观看各电视节目时各电视节目的播放数据确定各用户对各电视节目的喜爱度，并根据喜爱度对各电视节目进行聚类，形成多个电视节目组，确定各用户对各电视节目组的喜爱度，根据各用户对各电视节目组的喜爱度对各用户进行聚类，形成多个用户组，并确定各用户组对各电视节目组的喜爱度，根据目标用户所在的用户组对每个电视节目组的喜爱度确定向目标用户推荐的电视节目，实现了先根据电视节目的播放数据对电视节目进行聚类，根据统计的播放数据将具有相似特征的电视节目划分为同一组，再确定用户对各电视节目组的喜爱度，描述用户的个性化特征，再根据各用户对各电视节目组的喜爱度对用户进行聚类，将相似用户聚为一类，同一电视节目组的电视节目相关性较高，同一用户组的用户相似，再根据目标用户所在的用户组对每个电视节目组的喜爱度确定向其推荐的电视节目，在进行电视节目推荐时，可以根据目标用户所在用户组的对每个电视节目组的喜爱度，确定向目标用户推荐的电视节目，从而，提高了推荐电视节目的精确率。\n[0024] 下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。\n[0025] 图1为本发明实施例提供的电视节目推荐方法实施例的流程示意图。如图1所示，本发明实施例提供的电视节目推荐方法包括如下步骤：\n[0026] S101：根据各用户观看各电视节目时各电视节目的播放数据确定各用户对各电视节目的喜爱度，并根据喜爱度对各电视节目进行聚类，形成多个电视节目组。\n[0027] 具体地，本发明实施例提供的电视节目推荐方法中，需要统计在一段时间内所有用户观看各电视节目时各电视节目的播放数据，再根据各电视节目的播放数据，确定各用户对各电视节目的喜爱度。喜爱度表示用户对各个电视节目的喜爱程度，其越大表示用户越喜欢观看对应的电视节目。\n[0028] 可选的，在一种实现方式中，在用户观看电视节目的过程中，电视机可以记录该用户观看电视节目时各电视节目的播放数据，并将这些数据上传至服务器中。在另一种实现方式中，服务器直接记录用户观看电视节目时各电视节目的播放数据。\n[0029] 各电视节目的播放数据可以包括用户观看电视节目时电视节目的播放时长、电视节目的总时长、电视节目初次播放时的剩余时长及电视节目在播放过程中切换的次数。\n[0030] 其中，电视节目的播放时长表示的也是用户的观看时长。需要说明的是，在用户观看电视节目的过程中，如果用户进行了切换，举例来说，在观看A电视节目的过程中，观看了\n20分钟后，用户觉得对某个片段不感兴趣，切换至B电视节目，观看了一段时间后，又切换回A电视节目，继续观看了30分钟直至A电视节目结束，则播放时长为用户各次观看的时长之和，即用户观看A电视节目的时长为20分钟和30分钟之和，也即A电视节目的播放时长为50分钟。服务器中预先存储有电视节目的总时长。用户对电视节目的喜爱度与电视节目的播放时长和总时长的比值成正比。\n[0031] 用户对电视节目的喜爱度与电视节目的总时长成正比。这是因为对于总时长较长的电视节目，用户完整观看则表示用户确实对该电视节目比较感兴趣；而对于总时长较短的电视节目，用户完整观看则表示用户不一定对该电视节目感兴趣，而可能只是不想换台。\n[0032] 电视节目初次播放时的剩余时长即为用户初次观看该电视节目时该电视节目的剩余时长。举例来说，A电视节目的总时长为60分钟，用户在A电视节目的第10分钟第一次开始观看该电视节目，则A电视节目初次播放时的剩余时长为50分钟。用户对电视节目的喜爱度与电视节目的播放时长与电视节目初次播放时的剩余时长的比值成正比。该比值最大为\n1。这表示对于一个新发现的电视节目，如果该比值比较大，表示用户在观看过程中，电视节目的播放时长与电视节目初次播放时的剩余时长比较接近，表示用户从发现该电视节目后一直观看到该电视节目结束或者从发现该电视节目后观看了大部分该电视节目，表示用户该新发现的电视节目很感兴趣。\n[0033] 在用户开始观看电视节目后，切换至别的电视节目以及切换回该电视节目都称之为该电视节目在播放过程中切换。电视节目在播放过程中切换的次数则表示在播放过程中切换至别的电视节目以及切换回该电视节目的次数总和。举例来说：如果用户在观看A电视节目的过程中，切换至B电视节目后，再也没有切换回A电视节目，即用户的观看顺序为A-B，则A电视节目在播放过程中切换的次数为1；如果用户观看A电视节目，切换至B电视节目后，又切换回A电视节目，即用户的观看顺序为A-B-A，则A电视节目在播放过程中切换的次数为\n2。用户对电视节目的喜爱度与电视节目在播放过程中切换的次数成反比。这表示如果某一电视节目的切换次数为0，表示用户一直观看该电视节目，那用户必然对该电视节目的喜爱程度比较高。如果某一电视节目的切换次数比较多，表示用户在观看该电视节目的过程中一直在寻找别的替代电视节目，那用户必然对该电视节目的喜爱程度比较低。\n[0034] 基于上述数据，可以确定用户对各电视节目的喜爱度。可以根据上述数据与喜爱度正反比关系进行确定。本发明对此不做限制。\n[0035] 需要说明的是，如果某个电视节目为系列节目，则可以将用户对该系列节目中的每一期电视节目的喜爱度的几何平均值或者算数平均值作为用户对该系列节目的喜爱度。\n[0036] 根据喜爱度对各电视节目进行聚类，形成多个电视节目组。可以利用相关性分析根据喜爱度对电视节目进行聚类，形成多个电视节目组。每一个电视节目组中包括一个电视节目或者多个电视节目。当每一个电视节目组中包括多个电视节目时，这些多个电视节目相关性比较高。举例来说，如果一个电视节目组包括(A，B，C，D)4个电视节目，则意味着如果用户喜欢观看B电视节目，那么用户也喜欢观看A、C和D电视节目。\n[0037] S102：确定各用户对各电视节目组的喜爱度。\n[0038] 具体地，S101中确定了各用户对各电视节目的喜爱度，且S101中将电视节目进行了聚类，形成了多个电视节目组，则可以根据用户对各电视节目的喜爱度确定用户对各电视节目组的喜爱度。\n[0039] 需要说明的是，在根据用户对各电视节目的喜爱度确定用户对各电视节目组的喜爱度时，仅仅根据喜爱度大于零的值进行确定。例如，对用户对一个电视节目组中每个电视节目的喜爱度中大于零的喜爱度进行算数平均或者几何平均来确定用户对该电视节目组的喜爱度。可以将用户对各电视节目组的喜爱度的集合作为该用户的特征矢量。特征矢量中的每个元素表示用户对每个电视节目组的喜爱程度。\n[0040] S103：根据各用户对各电视节目组的喜爱度对各用户进行聚类，形成多个用户组，并确定各用户组对各电视节目组的喜爱度。\n[0041] 具体地，在确定了各用户对各电视节目组的喜爱度，将用户对各电视节目组的喜爱度的集合作为该用户的特征矢量之后，可以采用K-means方法对用户进行聚类，形成多个用户组。当然，也可以采用其他方法根据各用户对各电视节目组的喜爱度对各用户进行聚类。本发明对此不做限制。\n[0042] 在形成多个用户组之后，可以采用统计每个用户组中各用户对各电视节目组的喜爱度的中值的方法确定各用户组对各电视节目组的喜爱度。举例来说，假设S101中形成了4个电视节目组，用户X、Y和Z属于同一个用户组T，X用户对各电视节目组的喜爱度的集合，即X用户的特征矢量为(a1，a2，a3，a4)，Y用户对各电视节目组的喜爱度的集合，即Y用户的特征矢量为(b1，b2，b3，b4)，Z用户对各电视节目组的喜爱度的集合，即Z用户的特征矢量为(c1，c2，c3，c4)，则统计a1、b1和c1的中值作为用户组T对第一个电视节目组的喜爱度，统计a2、b2和c2的中值作为用户组T对第二个电视节目组的喜爱度，统计a3、b3和c3的中值作为用户组T对第三个电视节目组的喜爱度，统计a4、b4和c4的中值作为用户组T对第四个电视节目组的喜爱度。\n[0043] 用户组对每一个电视节目组的喜爱度表示该用户组中的所有用户对每一个电视节目组在统计意义上的喜爱程度。在上述例子中，X用户、Y用户和Z用户属于同一个用户组，则表示如果X用户喜欢观看A电视节目，Y用户没有观看过A电视节目，那则表示Y用户在很大程度上也喜欢观看A电视节目。\n[0044] S104：根据目标用户所在的用户组对每个电视节目组的喜爱度确定向目标用户推荐的电视节目。\n[0045] 具体地，本发明实施例中的目标用户表示需要向其推荐电视节目的用户。\n[0046] 在确定了各用户组对各电视节目组的喜爱度之后，即可以确定目标用户所在的用户组对每个电视节目组的喜爱度。\n[0047] 在一种可能的实现方式中，根据目标用户所在的用户组对每个电视节目组的喜爱度的大小顺序，向目标用户推荐至少一个电视节目组中该目标用户未观看过的电视节目。\n举例来说，目标用户所在的用户组对每个电视节目组的喜爱度的集合为(d1，d2，d3，d4)，d1表示目标用户所在的用户组对第一个电视节目组的喜爱度，d2表示目标用户所在的用户组对第二个电视节目组的喜爱度，d3表示目标用户所在的用户组对第三个电视节目组的喜爱度，d4表示目标用户所在的用户组对第四个电视节目组的喜爱度。根据d1、d2、d3及d4的大小顺序，向目标用户推荐至少一个电视节目组中该目标用户未观看过的电视节目。可以是根据目标用户所在的用户组对每个电视节目组的喜爱度，推荐排在前预设阈值位的喜爱度对应的电视节目组中的目标用户未观看过的电视节目。例如，该预设阈值为3，则表示推荐目标用户所在的用户组对每个电视节目组的排在前3位的喜爱度分别对应的电视节目组中的目标用户未观看过的电视节目。\n[0048] 在另外一种可能的实现方式中，在电视系统中，由于目标用户并没有权限观看所有的电视节目，则可以先根据电子节目菜单(Electronic Program Guide；简称：EPG)确定各可推荐电视节目。各可推荐电视节目即为目标用户有权限观看的电视节目。在确定了各可推荐电视节目之后，由于之前确定了多个电视节目组，则可以确定各可推荐电视节目分别所在的电视节目组。则在根据目标用户所在的用户组对每个电视节目组的喜爱度确定向目标用户推荐的电视节目可以是：根据目标用户所在的用户组对各可推荐电视节目分别对应的电视节目组的喜爱度，确定向目标用户推荐的电视节目。\n[0049] 本发明实施例提供的电视节目推荐方法及装置，通过根据各用户观看各电视节目时各电视节目的播放数据确定各用户对各电视节目的喜爱度，并根据喜爱度对各电视节目进行聚类，形成多个电视节目组，确定各用户对各电视节目组的喜爱度，根据各用户对各电视节目组的喜爱度对各用户进行聚类，形成多个用户组，并确定各用户组对各电视节目组的喜爱度，根据目标用户所在的用户组对每个电视节目组的喜爱度确定向目标用户推荐的电视节目，实现了先根据电视节目的播放数据对电视节目进行聚类，根据统计的播放数据将具有相似特征的电视节目划分为同一组，再确定用户对各电视节目组的喜爱度，描述用户的个性化特征，再根据各用户对各电视节目组的喜爱度对用户进行聚类，将相似用户聚为一类，同一电视节目组的电视节目相关性较高，同一用户组的用户相似，再根据目标用户所在的用户组对每个电视节目组的喜爱度确定向其推荐的电视节目，在进行电视节目推荐时，可以根据目标用户所在用户组的对每个电视节目组的喜爱度，确定向目标用户推荐的电视节目，从而，提高了推荐电视节目的精确率。\n[0050] 进一步地，在图1所示实施例的基础上，下面对根据各用户观看各电视节目时各电视节目的播放数据确定各用户对各电视节目的喜爱度、根据喜爱度对各电视节目进行聚类形成多个电视节目组以及根据各用户对各电视节目组的喜爱度对各用户进行聚类形成多个用户组的过程进行详细描述：\n[0051] 可选的，根据各用户观看电视节目时电视节目的播放时长、电视节目的总时长、电视节目初次播放时的剩余时长及电视节目在播放过程中切换的次数确定各用户对各电视节目的喜爱度，包括：\n[0052] 根据公式 确定各用户对各电视节目的喜爱度。\n其中，Tv表示用户观看电视节目时电视节目的播放时长，Tall表示电视节目的总时长，a为预设的阈值，Tleft表示电视节目初次播放时的剩余时长，n表示电视节目在播放过程中切换的次数，当Tall大于或者等于a时，取Tall＝a。\n[0053] 在一种可能的实现方式中，根据现在各电视节目的平均时长，可以设定a为120分钟。需要说明的是，Tv、Tall以及Tleft的单位都是分钟。如果电视节目为系列节目，则用户对该电视节目的喜爱度为： 其中，m表示该电视节目的系列数量，i的取值从1到m。\n[0054] 可选的，根据喜爱度对各电视节目进行聚类，形成多个电视节目组的过程如下：根据各用户对各电视节目的喜爱度确定当前电视节目集合中的相关节目集合。其中，该过程可以包括如下子过程：根据各用户对各电视节目的喜爱度确定各用户对应的候选相关节目对，其中，用户对候选相关节目对中每个电视节目的喜爱度均大于预设的第一阈值。对于每一个候选相关节目对，确定与各候选相关节目对对应的各子用户数量，若各子用户数量中的第一子用户数量与用户的总数量的比值大于预设的第二阈值，则将与第一子用户数量对应的候选相关节目对作为相关节目对集合，用相关节目集合替换当前电视节目集合中的相关节目集合中的各电视节目，作为新的当前电视节目集合，并确定各用户对相关节目集合的喜爱度，返回执行根据各用户对各电视节目的喜爱度确定当前电视节目集合中的相关节目集合，直至不存在第一子用户数量，并将相关节目集合作为一个电视节目组，将新的当前电视节目集合中的除相关节目集合之外的其他电视节目分别作为一个电视节目组。\n[0055] 下面以一个具体的例子说明该过程：假设有3个电视节目和3个用户，各用户对各电视节目的喜爱度的矩阵为 不同的行表示不同的用户X、Y和Z，不同的\n列表示不同的电视节目A、B和C。则当前电视节目集合为(A，B，C)。设定预设的第一阈值为\n0.5，预设的第二阈值为0.6。先确定各用户对应的候选相关节目对，候选相关节目对中每个电视节目的喜爱度均大于预设的第一阈值。在确定各用户对应的候选相关节目对时，对于每一个用户，需要两两遍历整个当前电视节目集合。则对于用户X，与其对应的候选相关节目对为(A，B)；对于用户Y，与其对应的候选相关节目对为(A，B)；对于用户Z，与其对应的候选相关节目对为(B，C)。在确定了各用户对应的候选相关节目对之后，对于每一个候选相关节目对，确定与各候选相关节目对对应的各子用户数量。对于候选相关节目对(A，B)而言，其子用户数量为2，对于候选相关节目对(B，C)而言，其子用户数量为1。若各子用户数量中的第一子用户数量与用户的总数量的比值大于预设的第二阈值，则将第一子用户数量对应的候选相关节目对作为相关节目集合。在本例中，第一子用户数量为2，其对应的候选相关节目对为(A，B)。则在该次过程中，相关节目集合为T＝(A，B)。用相关节目集合替换当前电视节目集合中的相关节目集合中的各电视节目，作为新的当前电视节目集合，则新的当前电视节目集合为：(T，C)，并确定各用户对相关节目集合的喜爱度，即确定各用户对集合T的喜爱度，可以采用各用户对电视节目A和电视节目B的喜爱度的算术平均值或者几何平均值确定用户对集合T的喜爱度。再次返回执行根据各用户对各电视节目的喜爱度确定当前电视节目集合中的相关节目集合。此时，喜爱度矩阵为 各用户没有候选相关节目对集合，也就不存在第一子用户数量。则此时将相关节目集合T＝(A，B)作为一个电视节目组，将新的当前电视节目集合中的除相关集合之外的其他电视节目分别作为一个电视节目组，即将C作为一个电视节目组，则最终的多个电视节目组为(A，B)和(C)。将原来的3个电视节目聚类为2类。本例只是一个简单的示例，对于实际中的海量的M个电视节目，通过该方式，可以聚类为N个电视节目组，N远远小于M，将具有相似特征的电视节目划分为同一组，实现对电视节目的降维。\n[0056] 需要说明的是，当前电视节目集合为初始的电视节目集合，新的当前电视节目集合为用相关节目集合替换该集合中的各个电视节目后的当前电视节目集合。\n[0057] 可选的，根据各用户对各电视节目组的喜爱度对用户进行聚类，形成多个用户组的过程如下：采用余弦定理计算两个用户的特征矢量之间的夹角。用户的特征矢量是用户对各电视节目组的喜爱度的集合。若该夹角大于预设的夹角阈值，则代表该两个用户为两类用户；若该夹角小于或者等于预设的夹角阈值，则代表该两个用户为一类用户，归为一类。重新计算归为一类后的用户组的新的域中心，即重新计算归为一类后的用户组对各电视节目组的喜爱度，重复上述过程，会形成多个用户组。根据该方式对用户进行聚类，形成多个用户组的过程实现方便，精度较高，进一步提高了推荐电视节目的精确率。\n[0058] 图2为本发明实施例提供的电视节目推荐装置实施例的结构示意图。如图2所示，本发明实施例提供的电视节目推荐装置包括如下模块：\n[0059] 第一确定模块21，用于根据各用户观看各电视节目时各电视节目的播放数据确定各用户对各电视节目的喜爱度。\n[0060] 第一确定模块21包括：第一确定子模块，用于根据各用户观看电视节目时电视节目的播放时长、电视节目的总时长、电视节目初次播放时的剩余时长及电视节目在播放过程中切换的次数确定各用户对各电视节目的喜爱度。\n[0061] 第一聚类模块22，用于根据喜爱度对各电视节目进行聚类，形成多个电视节目组。\n[0062] 第二确定模块23，用于确定各用户对各电视节目组的喜爱度。\n[0063] 第二聚类模块24，用于根据各用户对各电视节目组的喜爱度对各用户进行聚类，形成多个用户组，并确定各用户组对各电视节目组的喜爱度。\n[0064] 推荐模块25，用于根据目标用户所在的用户组对每个电视节目组的喜爱度确定向目标用户推荐的电视节目。\n[0065] 推荐模块25具体用于：根据目标用户所在的用户组对每个电视节目组的喜爱度的大小顺序，向目标用户推荐至少一个电视节目组中目标用户未观看过的电视节目。\n[0066] 本实施例提供的电视节目推荐装置具体用于执行图1所示实施例的电视节目推荐方法，其实现过程和技术原理类似，此处不再赘述。\n[0067] 本发明实施例提供的电视节目推荐装置，通过设置第一确定模块用于根据各用户观看各电视节目时各电视节目的播放数据确定各用户对各电视节目的喜爱度，第一聚类模块用于根据喜爱度对各电视节目进行聚类，形成多个电视节目组，第二确定模块用于确定各用户对各电视节目组的喜爱度，第二聚类模块用于根据各用户对各电视节目组的喜爱度对各用户进行聚类，形成多个用户组，并确定各用户组对各电视节目组的喜爱度，推荐模块用于根据目标用户所在的用户组对每个电视节目组的喜爱度确定向目标用户推荐的电视节目，实现了先根据电视节目的播放数据对电视节目进行聚类，根据统计的播放数据将具有相似特征的电视节目划分为同一组，再确定用户对各电视节目组的喜爱度，描述用户的个性化特征，再根据各用户对各电视节目组的喜爱度对用户进行聚类，将相似用户聚为一类，同一电视节目组的电视节目相关性较高，同一用户组的用户相似，再根据目标用户所在的用户组对每个电视节目组的喜爱度确定向其推荐的电视节目，在进行电视节目推荐时，可以根据目标用户所在用户组的对每个电视节目组的喜爱度，确定向目标用户推荐的电视节目，从而，提高了推荐电视节目的精确率。\n[0068] 进一步，第一确定子模块具体用于：\n[0069] 根据公式 确定各用户对各电视节目的喜爱度；\n其中，Tv表示用户观看电视节目时电视节目的播放时长，Tall表示电视节目的总时长，a为预设的阈值，Tleft表示电视节目初次播放时的剩余时长，n表示电视节目在播放过程中切换的次数，当Tall大于或者等于a时，取Tall＝a。\n[0070] 第一聚类模块22具体用于：根据各用户对各电视节目的喜爱度确定当前电视节目集合中的相关节目集合。其中，根据各用户对各电视节目的喜爱度确定当前电视节目集合中的相关节目集合，包括：\n[0071] 根据各用户对各电视节目的喜爱度确定各用户对应的候选相关节目对；其中，用户对候选相关节目对中每个电视节目的喜爱度均大于预设的第一阈值；\n[0072] 对于每一个候选相关节目对，确定与各候选相关节目对对应的各子用户数量，若各子用户数量中的第一子用户数量与用户的总数量的比值大于预设的第二阈值，则将与第一子用户数量对应的候选相关节目对作为相关节目集合，用相关节目集合替换当前电视节目集合中的相关节目集合中的各电视节目，作为新的当前电视节目集合，并确定各用户对相关节目集合的喜爱度，返回执行根据各用户对各电视节目的喜爱度确定当前电视节目集合中的相关节目集合，直至不存在第一子用户数量，并将相关节目集合作为一个电视节目组，将新的当前电视节目集合中的除相关节目集合之外的其他电视节目分别作为一个电视节目组。\n[0073] 第二聚类模块24具体用于：采用余弦定理计算两个用户的特征矢量之间的夹角。\n若该夹角大于预设的夹角阈值，则代表该两个用户为两类用户；若该夹角小于或者等于预设的夹角阈值，则代表该两个用户为一类用户，归为一类。重新计算归为一类后的用户组的新的域中心，即重新计算归为一类后的用户组对各电视节目组的喜爱度，重复上述过程，会形成多个用户组。根据该方式对用户进行聚类，形成多个用户组的过程实现方便，精度较高，进一步提高了推荐电视节目的精确率。\n[0074] 本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。\n[0075] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。