基于上下文和群组组合的视频推荐方法及系统

1.一种基于上下文和群组组合的视频推荐方法，其特征在于，其包括如下步骤：
S1、获取用户识别信号；
S2、根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，跳转到步骤S3a；在用户为多个用户时，跳转到步骤S3b；
S3a、获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模型，并跳转到步骤S4a；
S4a、获取当前用户相关的上下文信息并结合用户兴趣模型生成基于情景感知的个性化媒体推荐菜单，并跳转到步骤S5；
S3b、获取组用户信息以及视频内容信息并根据组用户信息建立多用户兴趣融合模型，并跳转到步骤S4b；
S4b、获取用户组相关的上下文信息并根据多用户兴趣融合模型生成多用户兴趣平衡的建设性媒体推荐菜单，并跳转到步骤S5；
S5、显示基于情景感知的个性化媒体推荐菜单或者多用户兴趣平衡的建设性媒体推荐菜单。
2.如权利要求1所述的基于上下文和群组组合的视频推荐方法，其特征在于，所述步骤S3a包括：
S31a、获取用户信息，用户信息包括用户个人信息以及用户操作交互信息；获取视频内容信息，视频内容信息包括提供方的视频内容的元数据，对视频内容的元数据进行标注得到视频元数据信息，对视频元数据信息进行分类；
S32a、根据用户操作交互信息获取用户兴趣模型描述信息以及上下文描述信息；根据用户兴趣模型描述信息以及上下文描述信息生成用户兴趣模型；跳转到步骤S4a。
3.如权利要求2所述的基于上下文和群组组合的视频推荐方法，其特征在于，所述步骤S4a包括：获取当前用户相关的上下文信息，根据用户兴趣模型通过协同过滤算法对提取用户的偏好，从分类的视频元数据信息中选择推荐的视频生成一组视频列表，并根据当前用户相关的上下文信息对视频列表中的视频进行过滤生成基于情景感知的个性化媒体推荐菜单。
4.如权利要求1所述的基于上下文和群组组合的视频推荐方法，其特征在于，所述步骤S3b包括：
S31b、获取组用户的信息，组用户信息包括各用户的隐形信息、显性信息、用户与用户之间的关系信息以及各用户兴趣信息；获取视频内容信息，视频内容信息包括提供方的视频内容的元数据，并对视频内容的元数据进行标注得到视频元数据信息，对视频元数据信息进行分类；
S32b、根据各用户的隐形信息、显性信息、用户与用户之间的关系信息生成多用户兴趣融合模型。
5.如权利要求4所述的基于上下文和群组组合的视频推荐方法，其特征在于，所述步骤S32b中根据各用户的隐形信息、显性信息、用户与用户之间的关系信息生成多用户兴趣融合模型包括：
根据单个用户的隐形信息、显性信息得到单个用户的兴趣爱好；
根据单个用户的兴趣爱好以及用户与用户之间的关系信息对多个用户进行兴趣融合生成多用户兴趣融合模型。
6.如权利要求5所述的基于上下文和群组组合的视频推荐方法，其特征在于，根据单个用户的兴趣爱好以及用户与用户之间的关系信息对多个用户进行兴趣融合生成多用户兴趣融合模型包括：
针对用户与用户之间的关系设置组用户中不同的单个用户兴趣爱好的权重对多个用户进行兴趣融合生成多用户兴趣融合模型。
7.如权利要求6所述的基于上下文和群组组合的视频推荐方法，其特征在于，所述步骤S4b包括：获取当前组用户相关的上下文信息，根据多用户兴趣融合模型从分类的视频元数据信息中选择推荐的视频，根据不同的单个用户兴趣爱好的权重调整推荐视频的优先级，并根据当前组用户相关的上下文信息对推荐的视频进行过滤，生成基于情景感知的个性化媒体推荐菜单。
8.一种基于上下文和群组组合的视频推荐系统，其特征在于，其包括如下单元：
识别信号获取单元，用于获取用户识别信号；
判断单元，用于根据用户识别信号判断用户是否为单个用户；在用户为单个用户时，执行第一兴趣模型建立单元；在用户为多个用户时，执行第二兴趣模型建立单元；
第一兴趣模型建立单元，用于获取用户信息以及视频内容信息并根据用户信息建立用户兴趣模型，并执行第一推荐菜单生成单元；
第一推荐菜单生成单元，用于获取当前用户相关的上下文信息并结合用户兴趣模型生成基于情景感知的个性化媒体推荐菜单，并执行推荐菜单显示单元；
第二兴趣模型建立单元，用于获取组用户信息以及视频内容信息并根据组用户信息建立多用户兴趣融合模型，并并执行第二推荐菜单生成单元；
第二推荐菜单生成单元，用于获取用户组相关的上下文信息并根据多用户兴趣融合模型生成多用户兴趣平衡的建设性媒体推荐菜单，并执行推荐菜单显示单元；
推荐菜单显示单元，用于显示基于情景感知的个性化媒体推荐菜单或者多用户兴趣平衡的建设性媒体推荐菜单。

暂无