成果介绍
本发明公开了一种视频终端的新用户推荐方法,包括:S1、对所有用户的视频参看数据进行预处理,计算各用户对该视频的评分w;S2、根据w的取值来对视频进行集合分类,包括喜欢、不喜欢、和不知道;S3、从根结点开始,选择最佳的分割视频,自顶向下建立决策树;S4、新用户选择到达某结点时,使用该结点用户集合的平均评分来进行预测对各视频的喜好,完成视频推荐。本发明能够利用用户的隐性信息来判断用户对视频的喜好程度,便于新用户快速而准确的寻找到感兴趣的电影、电视剧以及综艺节目等视频,继而完成对用户进行行之有效的推荐。
成果亮点
其实在现在的推荐系统中,很少有只使用了一个推荐策略的推荐引擎,一般都是 在不同的场景下使用不同的推荐策略从而达到最好的推荐效果,例如Amazon的推荐,它将 基于用户本身历史购买数据的推荐,和基于用户当前浏览的物品的推荐,以及基于大众喜 好的当下比较流行的物品都在不同的区域推荐给用户,让用户可以从全方位的推荐中找到 自己真正感兴趣的物品。 在推荐系统中,我们无时不刻的面对着新用户的加入,如何给新加入的用户提供 他们感兴趣的物品,对于推荐系统其为重要。然而,对于新用户我们所获取的相关信息比较 欠缺,如何有效的对新用户进行推荐是我们需要研究的课题。
团队介绍
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
成果资料
产业化落地方案