一种基于Web挖掘的视频推荐方法和系统

摘要

本发明公开了一种基于Web挖掘的视频推荐方法和系统，该方法首先将数据挖掘算法应用于Web挖掘用户观看视频的点击行为数据中，利用分类回归树建立用户兴趣模型，采用传统的协同过滤算法给用户推荐个性化的视频，克服了传统推荐系统由于用户评论信息少而带来的数据稀疏性问题，缓解了新用户或新项目无评分的推荐冷启动问题，提高了用户观看视频的满意度，最后将同一兴趣喜好的用户生成推荐，在视频推荐系统中实现好友推荐。

主权项

一种基于Web挖掘的视频推荐方法，其特征在于，所述方法包括如下步骤：步骤1：通过Web挖掘对用户浏览日志进行分析，获取用户观看视频的行为和属性数据，该数据包括用户的注册信息、用户搜索视频的记录、用户观看视频记录以及用户对视频的评分；所述Web挖掘数据预处理包括四个步骤，即：数据净化、用户识别、会话识别和路径补充；步骤2：对采集后的用户数据进行预处理后存储在数据库中，从该数据库中获取每个视频的属性信息，并根据该属性信息提取用户的兴趣标记，利用分类回归树建立个性化兴趣模型；根据步骤2所述CART生成决策树时用基尼，即Gini指数选择最优特征，Gini指数计算公式为：$Gini\left(p\right)=1-\underset{K=1}{\overset{K}{\Sigma }}{p}_k^2$       式2式中p_k是样本点属于第k类的概率；步骤3：采用协同过滤推荐算法对用户生成推荐视频；步骤4：对每个用户的兴趣喜好进行标记，把具有相同标记的用户划归为一个类，在同一个类中的用户之间实现相互推荐。