基于数据融合的视频节目推荐方法

1.一种基于数据融合的视频节目推荐方法，其特征在于包括以下步骤：
1)用户行为数据收集步骤，收集用户在视频网站的浏览行为数据，并存放于数据库中；
2)数据融合步骤，将某个用户对某个视频节目的浏览行为数据转化为该用户对某个视频节目的兴趣度值；
3)节目推荐步骤，根据用户对某些节目的兴趣度值，向具有相同喜好的其他用户推荐该用户的其他兴趣度值高的节目；
其中，浏览行为数据包括为播放行为数据，将用户播放节目的时长除以该节目的长度得到时长比例r，时长比例r越大，兴趣度值越高。
2.根据权利要求1所述的基于数据融合的视频节目推荐方法，其特征在于：
所述步骤1)中收集数据的时间长度为某一时刻之前的一个时间段。
3.根据权利要求2所述的基于数据融合的视频节目推荐方法，其特征在于：
所述步骤2)中的兴趣度值为某一时刻之前的一个时间段内的浏览行为数据转化而获得。
4.根据权利要求1所述的基于数据融合的视频节目推荐方法，其特征在于：
所述步骤3)中采用定期的方式向具有相同喜好的其他用户推荐该用户的其他兴趣度高的节目。
5.根据权利要求1至4中任一权利要求所述的基于数据融合的视频节目推荐方法，其特征在于：
所述步骤2)中以用户编号为行，视频节目编号为列，用户对视频节目的兴趣度值为内容，形成一个二维的用户对视频节目的兴趣度值表格；所述步骤3)中，在该兴趣度值表的基础上，采用基于协同过滤的推荐方法对已知用户和未知用户产生推荐节目列表，其中，有对应兴趣度值的用户为已知用户，否则为未知用户。
6.根据权利要求5所述的基于数据融合的视频节目推荐方法，其特征在于：
所述步骤3)中还包括去除推荐的节目中其他用户已经观看过的节目。
7.根据权利要求6所述的基于数据融合的视频节目推荐方法，其特征在于：
所述浏览行为数据还包括以下行为中的一个、多个或全部：
对节目打分行为数据、收藏节目行为数据、挖行为数据、埋行为数据或上传节目行为数据。
8.根据权利要求7所述的基于数据融合的视频节目推荐方法，其特征在于：
所述步骤2)数据融合步骤中，对于同一类型的浏览行为，后出现的行为的分值覆盖先出现的行为的分值。
9.根据权利要求8所述的基于数据融合的视频节目推荐方法，其特征在于：
所述步骤2)中，采用1、2、3、4、5五个离散化的数值表示兴趣度值，其中1表示很讨厌，2表示一般讨厌，3表示一般，4表示喜欢，5表示很喜欢，用户在视频网站的浏览行为数据的截取范围为最近的一个月内，各种用户浏览行为数据的融合规则如下表：
  浏览  行为   原始取值r   说明   对应取值   播放   0％～100％   以最后一次播放为准，r为播放  的时长比例：  1：r≤0.1；  2：0.1＜r≤0.3；  3：0.3＜r≤0.7；  4：0.7＜r≤0.9；  5：0.9＜r   1，2，3，4，5   打分   1～5   按原值   1，2，3，4，5   收藏   1或0   r＝1表示用户收藏某一个节目，  打5分；r＝0时，则不记分数   5   挖   1或0   r＝1表示用户挖行为某一个节 目，打5分；r＝0时，则不记分数   5   埋   1或0   r＝1表示用户埋行为某一个节 目，打1分；r＝0时，则不记分数   1   上传   1或0   r＝1表示用户上传某一个节目，  打5分；r＝0时，则不记分数   5
将同一用户对某个视频节目的打分行为数据、收藏行为数据、挖行为数据、埋行为数据和上传节目行为数据中r的对应取值累加后，得到该用户对某个视频节目的兴趣度值。
10.根据权利要求9所述的基于数据融合的视频节目推荐方法，其特征在于：所述步骤3)中在得到兴趣度值表后，按每天两次的频率更推荐节目列表。

暂无