一种基于用户数据的互联网电视视频推荐系统及方法与流程

技术特征：
1.一种基于用户数据的互联网电视视频推荐系统，其特征在于，所述视频推荐系统包括当前信息采集模块、用户个数判断模块、关联视频获取模块和视频分析推送模块，所述当前信息采集模块采集观看视频的用户信息以及当前观看的视频信息，所述用户个数判断模块用于判断当前观看视频的用户个数，所述关联视频获取模块根据用户个数确定关联视频，所述视频分析推送模块分析关联视频的信息，并据此为观看视频的用户推送推荐视频。2.根据权利要求1所述的一种基于用户数据的互联网电视视频推荐系统，其特征在于：所述关联视频获取模块包括第一获取模块和第二获取模块，所述第一获取模块在采集观看视频的用户个数只有一个时，获取该用户历史观看视频为关联视频，于该用户最近预设时间观看的视频的特征推荐视频，所述第二获取模块在采集观看视频的用户个数大于等于两个，从观看视频的用户的历史观看视频中选取关联视频。3.根据权利要求2所述的一种基于用户数据的互联网电视视频推荐系统，其特征在于：所述第二获取模块包括候选用户设定模块、姿势相似度获取模块、角度指数获取模块、特征相似度获取模块、中心度计算模块、第一排序获取模块、参照中心度选取模块和关联用户选取模块，所述候选用户设定模块设当前观看视频的用户为候选用户，所述姿势相似度获取模块采集各个候选用户的当前姿势，获取某个候选用户的当前姿势与其参考姿势的相似度sz，其中，参考姿势为用户观看电视时的常用姿势，所述角度指数获取模块过互联网电视的中心作垂直于互联网电视平面和地面的一个平面为基准面，过互联网电视的中心和某个候选用户的头部位置作一条直线为该个候选用户的参考线，某个候选用户的参考线与基准面形成的夹角a为该个候选用户的参考角，那么角度指数sj=（90
‑
a）/90，所述特征相似度获取模块获取当前观看的视频的特征与某个候选用户最近预设次数所观看视频的特征的相似度的平均值sm，所述中心度计算模块用于计算各个候选用户的中心度y=0.23*sz 0.12*sj 0.65*sm，所述第一排序获取模块将各个候选用户的中心度按照从大到小的顺序进行排序得到第一排序，所述参照中心度选取模块计算第一排序当中相邻两个中心度之间的差值，顺着第一排序从前往后的方向依次将差值与差值阈值进行比较，当第一次检测到某个差值大于差值阈值，那么获取该差值所对应的两个中心度中较大的那个中心度为参照中心度，所述关联用户选取模块获取第一排序中参照中心度之前的中心度所对应的用户为关联用户，设关联用户历史观看的视频为关联视频，并给每个关联用户的关联视频添加该关联用户的特征标识。4.根据权利要求3所述的一种基于用户数据的互联网电视视频推荐系统，其特征在于：所述视频分析推送模块包括分类模块、时间间隔获取模块、视频判定模块、视频类型指数计算模块、播放推荐占比计算模块和视频推荐推送调整模块，所述分类模块预先分别将具有同一个特征标识的关联视频进行分类，所述时间间隔获取模块将具有同一个特征标识的关联视频按照时间顺序从后往前进行排序，分别获取相邻两个关联视频之间的时间间隔，所述视频判定模块在相邻两个关联视频之间的时间间隔小于等于间隔阈值时，判断这两个关联视频属于一轮视频观看里面的视频，在相邻两个关联视频之间的时间间隔大于间隔阈值，判断这两个关联视频分别属于两轮视频观看里面的视频，所述视频类型指数计算模块获取所有关联用户的最近m轮视频观看里面的视频信息，计算某个关联用户某一轮视频观看的视频类型指数q=0.78*tc/tz 0.22*nc/nz，其中, tc为该个关联用户该一轮视频观看的长视频的观看总时长，tz为该个关联用户该一轮视频观看的长视频和短视频的观看总时
长，nc为该个关联用户该一轮视频观看的长视频的个数，nz为该个关联用户该一轮视频观看的长视频和短视频的总个数，计算某个关联用户的最近m轮视频的视频类型指数的平均值x，所述播放推荐占比计算模块计算该次播放的推荐占比，其中，是指关联用户的个数，为第i个关联用户的最近m轮视频的视频类型指数的平均值，是指第i个关联用户在最近预设时间段内看过的视频的总时长，是指c个关联用户在最近预设时间段内看过的视频的总时长之和，所述视频推荐推送调整模块基于关联用户最近预设时间观看的视频的特征推荐视频，其中，推荐视频中的长视频和短视频的比值为b比(1
‑
b)。5.一种基于用户数据的互联网电视视频推荐方法，其特征在于：所述视频推荐方法包括以下步骤：采集观看视频的用户的信息以及当前观看的视频信息，其中，观看视频的用户为位于互联网电视前的人物，如果采集观看视频的用户个数只有一个，获取该用户历史观看视频为关联视频，基于该用户最近预设时间观看的视频的特征推荐视频；如果采集观看视频的用户个数大于等于两个，从观看视频的用户的历史观看视频中选取关联视频，分析关联视频的信息，并据此为观看视频的用户推送推荐视频。6.根据权利要求5所述的一种基于用户数据的互联网电视视频推荐方法，其特征在于：所述从观看视频的用户的历史观看视频中选取关联视频包括：设当前观看视频的用户为候选用户，采集各个候选用户的当前姿势，获取某个候选用户的当前姿势与其参考姿势的相似度sz，过互联网电视的中心作垂直于互联网电视平面和地面的一个平面为基准面，过互联网电视的中心和某个候选用户的头部位置作一条直线为该个候选用户的参考线，某个候选用户的参考线与基准面形成的夹角a为该个候选用户的参考角，那么角度指数sj=（90
‑
a）/90，获取当前观看的视频的特征与某个候选用户最近预设次数所观看视频的特征的相似度的平均值sm，计算某个候选用户的中心度y=0.23*sz 0.12*sj 0.65*sm，将各个候选用户的中心度按照从大到小的顺序进行排序得到第一排序，计算第一排序当中相邻两个中心度之间的差值，顺着第一排序从前往后的方向依次将差值与差值阈值进行比较，当第一次检测到某个差值大于差值阈值，那么获取该差值所对应的两个中心度中较大的那个中心度为参照中心度，获取第一排序中参照中心度之前的中心度所对应的用户为关联用户，设关联用户历史观看的视频为关联视频，并给每个关联用户的关联视频添加该关联用户的特征标识。7.根据权利要求6所述的一种基于用户数据的互联网电视视频推荐方法，其特征在于：所述分析关联视频的信息包括：预先分别将具有同一个特征标识的关联视频进行分类，将具有同一个特征标识的关联视频按照时间顺序从后往前进行排序，分别获取相邻两个关联视频之间的时间间隔，
如果相邻两个关联视频之间的时间间隔小于等于间隔阈值，那么这两个关联视频属于一轮视频观看里面的视频，如果相邻两个关联视频之间的时间间隔大于间隔阈值，那么这两个关联视频分别属于两轮视频观看里面的视频，获取所有关联用户的最近m轮视频观看里面的视频信息，计算某个关联用户某一轮视频观看的视频类型指数q=0.78*tc/tz 0.22*nc/nz，其中, tc为该个关联用户该一轮视频观看的长视频的观看总时长，tz为该个关联用户该一轮视频观看的长视频和短视频的观看总时长，nc为该个关联用户该一轮视频观看的长视频的个数，nz为该个关联用户该一轮视频观看的长视频和短视频的总个数；计算某个关联用户的最近m轮视频的视频类型指数的平均值x，那么该次播放的推荐占比，其中，是指关联用户的个数，为第i个关联用户的最近m轮视频的视频类型指数的平均值，是指第i个关联用户在最近预设时间段内看过的视频的总时长，是指c个关联用户在最近预设时间段内看过的视频的总时长之和；那么基于关联用户最近预设时间观看的视频的特征推荐视频，其中，推荐视频中的长视频和短视频的比值为b比(1
‑
b)。8.根据权利要求6所述的一种基于用户数据的互联网电视视频推荐方法，其特征在于：所述参考姿势为用户观看电视时的常用姿势。

技术总结
本发明公开了一种基于用户数据的互联网电视视频推荐系统及方法，视频推荐系统包括当前信息采集模块、用户个数判断模块、关联视频获取模块和视频分析推送模块，当前信息采集模块采集观看视频的用户信息以及当前观看的视频信息，用户个数判断模块用于判断当前观看视频的用户个数，关联视频获取模块根据用户个数确定关联视频，视频分析推送模块分析关联视频的信息，并据此为观看视频的用户推送推荐视频，本发明根据这些真正在看视频的用户的历史视频来推荐视频，从而提高了推荐视频的针对性，提高了用户观看推荐视频的几率。提高了用户观看推荐视频的几率。提高了用户观看推荐视频的几率。


技术研发人员：赵俊 吴庭威 卞尹
受保护的技术使用者：南京聚通时讯科技有限公司
技术研发日：2021.10.18
技术公布日：2021/11/14