一种基于社交媒体的视频内容推荐系统

摘要

本发明公开了一种基于社交媒体的视频内容推荐系统，本发明涉及视频内容推荐技术领域，解决了现有技术中对于无法获取喜好的用户不能够合理准确的推送视频内容信息的技术问题，通过协同过滤单元对不浏览用户进行分析，合理分配合适的视频内容，获取到预选用户的熟悉系数SX，若熟悉系数SX≥熟悉系数阈值，则判定该预选用户与不浏览用户联系频繁，则获取选中用户一个月内兴趣度高的视频内容，并将其标记为筛选视频内容，随后将筛选视频内容发送至不浏览用户的手机终端；对不浏览的用户周边用户进行分析，通过周边用户的感兴趣资源，对不浏览用户进行推荐，避免了无用资源的推送，提高了工作效率，也提高了用户的使用质量。

说明书

技术领域

本发明涉及视频内容推荐技术领域，具体为一种基于社交媒体的视频内容推荐系统。

背景技术

互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，这就是所谓的信息超载问题，解决信息超载问题一个非常有潜力的办法是推荐系统，它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。和搜索引擎相比推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求；一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖，推荐系统现已广泛应用于很多领域，其中最典型并具有良好的发展和应用前景的领域就是电子商务领域。同时学术界对推荐系统的研究热度一直很高，逐步形成了一门独立的学科。

但是在现有技术中，推荐系统不能够进行推送监测，导致错误资源被推送，同时，对于无法获取喜好的用户，不能够合理准确的推送视频内容信息，大大降低工作效率。

发明内容

本发明的目的就在于提出一种基于社交媒体的视频内容推荐系统。

本发明的目的可以通过以下技术方案实现：

一种基于社交媒体的视频内容推荐系统，包括注册登录单元、数据库、数据采集单元、协同过滤单元、分析单元、监测单元以及云推荐平台；

所述分析单元用于对视频内容信息进行分析，并将该视频内容进行排行，视频内容信息包括评论数据、使用数据以及人数数据，评论数据表示为该视频内容的好评数量与差评数量的比值，使用数据表示为该视频内容的二次使用的次数，人数数据表示为该视频内容的浏览总人数和二次使用人数之和，将该视频内容标记为o，o=1，2，......m，m为非零正整数，具体分析排行过程如下：

SS1：获取视频内容的好评数量与差评数量的比值，并将视频内容的好评数量与差评数量的比值标记为Bo；

SS2：获取该视频内容的二次使用的次数，并将该视频内容的二次使用的次数标记为Co；

SS3：获取视频内容的浏览总人数和二次使用人数之和，并将视频内容的浏览总人数和二次使用人数之和标记为Ro；

SS4：通过公式

SS5：将视频内容的分析系数Po与视频内容的分析系数阈值进行比较：

若视频内容的分析系数Po≥视频内容的分析系数阈值，则判定该视频内容分析系数高，并将其标记为热门视频内容，随后将视频内容分析系数与对应的热门视频内容的名称发送至云推荐平台；

若视频内容的分析系数Po≥视频内容的分析系数阈值，则判定该视频内容分析系数低，将其标记为冷门视频内容，并将冷门视频内容发送至云推荐平台；

所述云推荐平台接收到冷门视频内容后，将其发送至数据库进行储存，并设置储存时间k，获取k时间内冷门视频内容的分析系数，若分析系数仍＜分析系数阈值，则将其标记为删除视频内容，并将数据库内删除视频内容进行删除；云推荐平台接收到热门视频内容后，则将热门视频内容与分析系数一一对应，将热门视频内容按照分析系数从大到小的顺序进行排序，并将其标记为热门视频内容排行榜，将热门视频内容排行榜推送至数据内储存的用户的手机终端，并设置热门视频内容排行榜的更新时间。

进一步地，所述注册登录单元用于用户和管理员通过手机终端提交用户信息和管理员信息进行注册，并将注册成功的用户信息和管理员信息发送至数据库进行储存，用户信息包括用户的姓名、年龄、职业以及本人实名认证的手机号码，管理员信息包括管理员的姓名、年龄、入职时间以及本人实名认证的手机号码。

进一步地，所述数据采集单元用于采集用户的视频内容历史数据，并对其进行分析，视频内容表示为各个领域的视频和文档，用户的历史数据包括浏览数据、时长量级数据以及频率数据，浏览数据表示为一个月内用户浏览视频的次数和浏览文档的次数之和，时长量级数据表示为一个月内用户浏览视频的时长和浏览文档的时长之和，频率数据表示为一个月内用户浏览视频的频率和浏览文档的频率之和，将用户标记为i，i=1，2，......，n，n为非零正整数，具体采集分析过程如下：

步骤一、获取一个月内用户浏览视频的次数和浏览文档的次数之和，并将一个月内用户浏览视频的次数和浏览文档的次数之和标记为Ci；

步骤二、获取一个月内用户浏览视频的时长和浏览文档的时长之和，并将一个月内用户浏览视频的时长和浏览文档的时长之和标记为Si；

步骤三、获取一个月内用户浏览视频的频率和浏览文档的频率之和，并将一个月内用户浏览视频的频率和浏览文档的频率之和标记为Pi；

步骤四、通过公式

步骤五、将用户的历史系数Xi与历史系数阈值进行比较：

若用户的历史系数Xi≥历史系数阈值，则判定用户对该视频内容兴趣度高，生成感兴趣信号并将感兴趣信号与对应的视频内容发送至云推荐平台；

若用户的历史系数Xi＜历史系数阈值，则判定用户对该视频内容兴趣度低，生成不感兴趣信号并将不感兴趣信号和对应的用户名称发送至云推荐平台。

进一步地，所述云推荐平台接收到感兴趣信号与对应的视频内容后，将对应的视频内容标记为推荐资源，并将推荐资源发送至用户的手机终端；云推荐平台接收到不感兴趣信号和对应的用户名称后，若该用户的历史系数Xi＜历史系数最低极限值，则将该用户标记为不浏览用户，并将不浏览用户发送至协同过滤单元；

所述协同过滤单元用于对不浏览用户进行分析，合理分配合适的视频内容，具体合理分配过程如下：

S1、通过互联网获取到不浏览用户的登录地址，并将登录频率最高的登录地址标记为常用登录地址，随后以常用登录地址为中心，获取周边的登录用户，并将其标记为预选用户；

S2、获取预选用户与不浏览用户的手机终端的联系次数和联系频率，并将预选用户与不浏览用户的手机终端的联系次数和联系频率分别对应标记为LC和LP，通过公式

S3：将熟悉系数SX与熟悉系数阈值进行比较：若熟悉系数SX≥熟悉系数阈值，则判定该预选用户与不浏览用户联系频繁，则将该预选用户标记为选中用户；若熟悉系数SX＜熟悉系数阈值，则判定该预选用户与不浏览用户联系不频繁，则将该预选用户标记为无关用户；

S4：获取选中用户与不浏览用户一个月内的熟悉系数，若熟悉系数≥熟悉系数阈值，则获取选中用户一个月内兴趣度高的视频内容，并将其标记为筛选视频内容，随后将筛选视频内容发送至不浏览用户的手机终端。

进一步地，所述监测单元用于分析视频内容信息，并对推荐视频的推送进行监测，视频内容信息包括投诉数据、查询数据以及时长数据，投诉数据表示为用户对推荐视频的投诉次数，查询数据表示为用户对推荐视频的查询次数，时长数据表示为用户对推荐视频的浏览时长，将推荐视频标记为G，G=1，2，......，u，u为非零正整数，具体分析监测过程如下：

R1：获取用户对推荐视频的投诉次数，并将用户对推荐视频的投诉次数标记为TG；

R2：获取用户对推荐视频的查询次数，并将用户对推荐视频的查询次数标记为CG；

R3：获取用户对推荐视频的浏览时长，并将用户对推荐视频的浏览时长标记为LG；

R4：通过公式

R5：将监测系数GG与监测系数阈值进行比较：

若监测系数GG≥监测系数阈值，则判定推荐资源正常，生成云推荐平台正常信号并将云推荐平台正常信号发送至管理员的手机终端；

若监测系数GG＜监测系数阈值，则判定推荐资源异常，生成云推荐平台异常信号并将云推荐平台异常信号发送至管理员的手机终端。

与现有技术相比，本发明的有益效果是：

1、本发明中，通过分析单元对视频内容信息进行分析，并将该视频内容进行排行：获取视频内容信息，通过公式获取到视频内容的分析系数Po，若视频内容的分析系数Po≥视频内容的分析系数阈值，将其标记为冷门视频内容，并将冷门视频内容发送至云推荐平台；云推荐平台接收到热门视频内容后，则将热门视频内容与分析系数一一对应，将热门视频内容按照分析系数从大到小的顺序进行排序，并将其标记为热门视频内容排行榜，将热门视频内容排行榜推送至数据内储存的用户的手机终端，并设置热门视频内容排行榜的更新时间；通过资源分析，为用户推送合适的视频内容，减少了用户搜索的时间，提高了该平台的工作效率；

2、本发明中，通过协同过滤单元对不浏览用户进行分析，合理分配合适的视频内容，通过互联网获取到不浏览用户的登录地址，并将登录频率最高的登录地址标记为常用登录地址，随后以常用登录地址为中心，获取周边的登录用户，并将其标记为预选用户；获取预选用户与不浏览用户的手机终端的联系次数和联系频率，通过公式

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的原理框图。

具体实施方式

下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于社交媒体的视频内容推荐系统，包括注册登录单元、数据库、数据采集单元、协同过滤单元、分析单元、监测单元以及云推荐平台；

注册登录单元用于用户和管理员通过手机终端提交用户信息和管理员信息进行注册，并将注册成功的用户信息和管理员信息发送至数据库进行储存，用户信息包括用户的姓名、年龄、职业以及本人实名认证的手机号码，管理员信息包括管理员的姓名、年龄、入职时间以及本人实名认证的手机号码；

数据采集单元用于采集用户的视频内容历史数据，并对其进行分析，视频内容表示为各个领域的视频和文档，用户的历史数据包括浏览数据、时长量级数据以及频率数据，浏览数据表示为一个月内用户浏览视频的次数和浏览文档的次数之和，时长量级数据表示为一个月内用户浏览视频的时长和浏览文档的时长之和，频率数据表示为一个月内用户浏览视频的频率和浏览文档的频率之和，将用户标记为i，i=1，2，......，n，n为非零正整数，具体采集分析过程如下：

步骤一、获取一个月内用户浏览视频的次数和浏览文档的次数之和，并将一个月内用户浏览视频的次数和浏览文档的次数之和标记为Ci；

步骤二、获取一个月内用户浏览视频的时长和浏览文档的时长之和，并将一个月内用户浏览视频的时长和浏览文档的时长之和标记为Si；

步骤三、获取一个月内用户浏览视频的频率和浏览文档的频率之和，并将一个月内用户浏览视频的频率和浏览文档的频率之和标记为Pi；

步骤四、通过公式

步骤五、将用户的历史系数Xi与历史系数阈值进行比较：

若用户的历史系数Xi≥历史系数阈值，则判定用户对该视频内容兴趣度高，生成感兴趣信号并将感兴趣信号与对应的视频内容发送至云推荐平台；

若用户的历史系数Xi＜历史系数阈值，则判定用户对该视频内容兴趣度低，生成不感兴趣信号并将不感兴趣信号和对应的用户名称发送至云推荐平台；

云推荐平台接收到感兴趣信号与对应的视频内容后，将对应的视频内容标记为推荐资源，并将推荐资源发送至用户的手机终端；云推荐平台接收到不感兴趣信号和对应的用户名称后，若该用户的历史系数Xi＜历史系数最低极限值，则将该用户标记为不浏览用户，并将不浏览用户发送至协同过滤单元；

协同过滤单元用于对不浏览用户进行分析，合理分配合适的视频内容，具体合理分配过程如下：

S1、通过互联网获取到不浏览用户的登录地址，并将登录频率最高的登录地址标记为常用登录地址，随后以常用登录地址为中心，获取周边的登录用户，并将其标记为预选用户；

S2、获取预选用户与不浏览用户的手机终端的联系次数和联系频率，并将预选用户与不浏览用户的手机终端的联系次数和联系频率分别对应标记为LC和LP，通过公式

S3：将熟悉系数SX与熟悉系数阈值进行比较：若熟悉系数SX≥熟悉系数阈值，则判定该预选用户与不浏览用户联系频繁，则将该预选用户标记为选中用户；若熟悉系数SX＜熟悉系数阈值，则判定该预选用户与不浏览用户联系不频繁，则将该预选用户标记为无关用户；

S4：获取选中用户与不浏览用户一个月内的熟悉系数，若熟悉系数≥熟悉系数阈值，则获取选中用户一个月内兴趣度高的视频内容，并将其标记为筛选视频内容，随后将筛选视频内容发送至不浏览用户的手机终端；

分析单元用于对视频内容信息进行分析，并将该视频内容进行排行，视频内容信息包括评论数据、使用数据以及人数数据，评论数据表示为该视频内容的好评数量与差评数量的比值，使用数据表示为该视频内容的二次使用的次数，人数数据表示为该视频内容的浏览总人数和二次使用人数之和，将该视频内容标记为o，o=1，2，......m，m为非零正整数，具体分析排行过程如下：

SS1：获取视频内容的好评数量与差评数量的比值，并将视频内容的好评数量与差评数量的比值标记为Bo；

SS2：获取该视频内容的二次使用的次数，并将该视频内容的二次使用的次数标记为Co；

SS3：获取视频内容的浏览总人数和二次使用人数之和，并将视频内容的浏览总人数和二次使用人数之和标记为Ro；

SS4：通过公式

SS5：将视频内容的分析系数Po与视频内容的分析系数阈值进行比较：

若视频内容的分析系数Po≥视频内容的分析系数阈值，则判定该视频内容分析系数高，并将其标记为热门视频内容，随后将视频内容分析系数与对应的热门视频内容的名称发送至云推荐平台；

若视频内容的分析系数Po≥视频内容的分析系数阈值，则判定该视频内容分析系数低，将其标记为冷门视频内容，并将冷门视频内容发送至云推荐平台；

云推荐平台接收到冷门视频内容后，将其发送至数据库进行储存，并设置储存时间k，获取k时间内冷门视频内容的分析系数，若分析系数仍＜分析系数阈值，则将其标记为删除视频内容，并将数据库内删除视频内容进行删除；云推荐平台接收到热门视频内容后，则将热门视频内容与分析系数一一对应，将热门视频内容按照分析系数从大到小的顺序进行排序，并将其标记为热门视频内容排行榜，将热门视频内容排行榜推送至数据内储存的用户的手机终端，并设置热门视频内容排行榜的更新时间；

监测单元用于分析视频内容信息，并对推荐视频的推送进行监测，视频内容信息包括投诉数据、查询数据以及时长数据，投诉数据表示为用户对推荐视频的投诉次数，查询数据表示为用户对推荐视频的查询次数，时长数据表示为用户对推荐视频的浏览时长，将推荐视频标记为G，G=1，2，......，u，u为非零正整数，具体分析监测过程如下：

R1：获取用户对推荐视频的投诉次数，并将用户对推荐视频的投诉次数标记为TG；

R2：获取用户对推荐视频的查询次数，并将用户对推荐视频的查询次数标记为CG；

R3：获取用户对推荐视频的浏览时长，并将用户对推荐视频的浏览时长标记为LG；

R4：通过公式

R5：将监测系数GG与监测系数阈值进行比较：

若监测系数GG≥监测系数阈值，则判定推荐资源正常，生成云推荐平台正常信号并将云推荐平台正常信号发送至管理员的手机终端；

若监测系数GG＜监测系数阈值，则判定推荐资源异常，生成云推荐平台异常信号并将云推荐平台异常信号发送至管理员的手机终端；

分管单元用于对用户的历史使用数据进行分类管理，历史使用数据包括历史使用视频内容的日期以及视频内容的领域，将历史使用视频内容的日期进行比较，获取到历史使用视频内容的间隔时长，将历史使用视频内容按照间隔时长从小到大的顺序进行排序，并将间隔时间最短的视频内容标记为频繁视频内容，获取频繁视频内容的所属领域，并将该领域内热门排行前三的视频内容推送至该用户的手机终端。

本发明工作原理：

一种基于社交媒体的视频内容推荐系统，在工作时，通过分析单元对视频内容信息进行分析，并将该视频内容进行排行：获取视频内容的好评数量与差评数量的比值、该视频内容的二次使用的次数以及视频内容的浏览总人数和二次使用人数之和，通过公式获取到视频内容的分析系数Po，若视频内容的分析系数Po≥视频内容的分析系数阈值，则判定该视频内容分析系数高，并将其标记为热门视频内容，随后将视频内容分析系数与对应的热门视频内容的名称发送至云推荐平台；若视频内容的分析系数Po≥视频内容的分析系数阈值，则判定该视频内容分析系数低，将其标记为冷门视频内容，并将冷门视频内容发送至云推荐平台；

云推荐平台接收到冷门视频内容后，将其发送至数据库进行储存，并设置储存时间k，获取k时间内冷门视频内容的分析系数，若分析系数仍＜分析系数阈值，则将其标记为删除视频内容，并将数据库内删除视频内容进行删除；云推荐平台接收到热门视频内容后，则将热门视频内容与分析系数一一对应，将热门视频内容按照分析系数从大到小的顺序进行排序，并将其标记为热门视频内容排行榜，将热门视频内容排行榜推送至数据内储存的用户的手机终端，并设置热门视频内容排行榜的更新时间。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。