基于譜聚類集成的廣播電視用戶分群系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及廣播電視領(lǐng)域，更為具體地，涉及一種基于譜聚類集成的廣播電視用 戶分群系統(tǒng)及方法。
【背景技術(shù)】
[0002] 隨著廣播電視行業(yè)的發(fā)展以及電視資源的不斷豐富，用戶在收視過程中形成了不 同的節(jié)目類型偏好。通過對(duì)用戶收視行為進(jìn)行分析，對(duì)用戶進(jìn)行分群，找到具有不同收視習(xí) 慣的用戶群體，進(jìn)行個(gè)性節(jié)目推薦，成為了廣電行業(yè)研究焦點(diǎn)。
[0003] 聚類分析，就是把對(duì)象按照性質(zhì)上的親疏程度分成多個(gè)類或簇，使得類或簇內(nèi)的 數(shù)據(jù)具有較高相似度，類或簇間的數(shù)據(jù)具有較高的相異程度，目前聚類分析已成功應(yīng)用到 信息檢索、數(shù)據(jù)挖掘等多個(gè)領(lǐng)域。聚類集成利用集成學(xué)習(xí)技術(shù)，通過學(xué)習(xí)合并數(shù)據(jù)集的多個(gè) 聚類結(jié)果，得到一個(gè)新的聚類結(jié)果。與單一聚類算法相比，聚類集成通過處理分布式數(shù)據(jù) 源，不僅可以提高聚類結(jié)果的準(zhǔn)確性和魯棒性，而且還可以檢測和處理孤立點(diǎn)以及噪音情 況。
[0004] 在聚類集成算法中，傳統(tǒng)一致性函數(shù)是通過將聚類集體中的多個(gè)聚類結(jié)果進(jìn)行結(jié) 合（或稱為集成），以生成一個(gè)統(tǒng)一的聚類結(jié)果。傳統(tǒng)聚類集成算法主要采用基于互聯(lián)合矩 陣、基于圖形劃分或基于最大似然估計(jì)的一致性函數(shù)對(duì)聚類成員進(jìn)行匹配，具有很大的局 限性。采用基于傳統(tǒng)一致性函數(shù)的聚類集成方法對(duì)用戶進(jìn)行分群，并不能得到很好的效果。

【發(fā)明內(nèi)容】

[0005] 鑒于上述問題，本發(fā)明的目的是提供一種能夠?qū)V播電視用戶進(jìn)行準(zhǔn)確分群的基 于譜聚類集成的廣播電視用戶分群方法及系統(tǒng)。
[0006] 根據(jù)本發(fā)明的一個(gè)方面，提供一種基于譜聚類的集成廣播電視用戶分群系統(tǒng)，包 括：輸入單元，用于輸入確定廣播電視用戶收視偏好所需的參數(shù)，其中，所述參數(shù)至少包括： 節(jié)目類型、屬性特征指標(biāo)、空間區(qū)域、時(shí)間區(qū)域、簇個(gè)數(shù)和組個(gè)數(shù)，其中，所述屬性特征指標(biāo) 是與收視時(shí)長成正比的一個(gè)或多個(gè)廣播電視參數(shù)；節(jié)目數(shù)據(jù)庫，用于將各節(jié)目類型的節(jié)目 播放信息存儲(chǔ)為數(shù)據(jù)源或者從網(wǎng)站上采集各節(jié)目的節(jié)目標(biāo)簽，將各節(jié)目的節(jié)目標(biāo)簽與各節(jié) 目的播放信息存儲(chǔ)為數(shù)據(jù)源，其中，節(jié)目標(biāo)簽是對(duì)電視節(jié)目內(nèi)容的多角度概括；收視數(shù)據(jù) 庫，通過用戶機(jī)頂盒的收視信號(hào)采集用戶對(duì)各節(jié)目類型的節(jié)目的收看信息，并存儲(chǔ)為數(shù)據(jù) 源；收視偏好空間構(gòu)建單元，根據(jù)輸入單元輸入的屬性特征指標(biāo)，從節(jié)目數(shù)據(jù)庫和收視數(shù)據(jù) 庫調(diào)取計(jì)算節(jié)目類型或節(jié)目標(biāo)簽的屬性特征指標(biāo)所需的數(shù)據(jù)源，并進(jìn)行計(jì)算得到各用戶對(duì) 各節(jié)目類型或各節(jié)目標(biāo)簽的屬性特征指標(biāo)數(shù)據(jù)，構(gòu)成收視偏好矩陣，即，收視偏好空間；第 一分群單元，基于收視偏好空間對(duì)廣播電視用戶進(jìn)行多次分群，包括第一相似度空間構(gòu)建 單元，利用高斯函數(shù)構(gòu)建基于收視偏好矩陣的相似度矩陣，即相似度空間；第一特征向量空 間構(gòu)建單元，構(gòu)建相似度矩陣的對(duì)角矩陣，將對(duì)角矩陣進(jìn)行拉普拉斯變換，得到前k個(gè)最大 的特征值對(duì)應(yīng)的特征向量構(gòu)成特征向量空間，其中，k為簇個(gè)數(shù)，為自然數(shù)，同時(shí)也是特征向 量空間的列數(shù)；第一譜聚類分群單元，將特征向量空間中每一行作為一個(gè)數(shù)據(jù)點(diǎn)，每一次采 用k個(gè)數(shù)據(jù)點(diǎn)作為k個(gè)簇的初始聚類中心對(duì)廣播電視用戶進(jìn)行分群，直到特征向量空間中 每一個(gè)數(shù)據(jù)點(diǎn)均作為初始聚類中心進(jìn)行分群，多次分群結(jié)束，多次分群結(jié)果構(gòu)成分群集合， 其中，每一次分群結(jié)果稱為一個(gè)譜聚類成員，每一次分群結(jié)果形成k個(gè)簇；匹配單元，采用 基于譜聚類的一致性函數(shù)對(duì)第一分群單元形成的分群集合中的簇進(jìn)行共識(shí)匹配，找到不同 簇之間的對(duì)應(yīng)關(guān)系，構(gòu)建簇關(guān)系圖；第二分群單元，將匹配單元形成的簇關(guān)系圖轉(zhuǎn)換為簇關(guān) 系度矩陣，其作為相似度矩陣，采用譜聚類方法對(duì)簇進(jìn)行分組；集成單元，集成第一分群單 元和第二分群單元的分群結(jié)果，將數(shù)據(jù)點(diǎn)在不同簇中出現(xiàn)次數(shù)最多的簇所在的組作為該數(shù) 據(jù)點(diǎn)最終所在組，從而確定每一組用戶的收視偏好。
[0007] 根據(jù)本發(fā)明的另一個(gè)方面，提供一種基于譜聚類集成的廣播電視用戶分群方法， 包括：通過輸入單元輸入確定廣播電視用戶收視偏好所需的參數(shù)，其中，所述參數(shù)至少包 括：節(jié)目類型、屬性特征指標(biāo)、空間區(qū)域、時(shí)間區(qū)域、簇個(gè)數(shù)和組個(gè)數(shù)；構(gòu)建收視偏好空間， 具體地，根據(jù)輸入單元輸入的屬性特征指標(biāo)，分別從節(jié)目數(shù)據(jù)庫和收視數(shù)據(jù)庫調(diào)取上述時(shí) 間區(qū)域和空間區(qū)域范圍內(nèi)計(jì)算各用戶對(duì)節(jié)目類型的屬性特征指標(biāo)數(shù)據(jù)所需的數(shù)據(jù)源，并計(jì) 算得到各用戶對(duì)各節(jié)目類型或各節(jié)目標(biāo)簽的屬性特征指標(biāo)數(shù)據(jù)，組合形成收視偏好矩陣； 基于收視偏好空間對(duì)廣播電視用戶進(jìn)行多次分群，具體地，采用高斯函數(shù)構(gòu)建基于收視偏 好矩陣的相似度矩陣，構(gòu)建相似度矩陣的對(duì)角矩陣，將對(duì)角矩陣進(jìn)行拉普拉斯變換，得到前 k個(gè)最大的特征值對(duì)應(yīng)的特征向量構(gòu)成特征向量空間，其中，k為簇個(gè)數(shù)，為自然數(shù)，也是特 征向量空間中的列數(shù)，將特征向量空間中每一行作為一個(gè)數(shù)據(jù)點(diǎn)，每一行的元素作為數(shù)據(jù) 點(diǎn)，每一次采用k個(gè)數(shù)據(jù)點(diǎn)作為k個(gè)簇的初始聚類中心對(duì)廣播電視用戶進(jìn)行分群，直到特征 向量空間中每一個(gè)數(shù)據(jù)點(diǎn)均作為初始聚類中心進(jìn)行分群，多次分群結(jié)束，多次分群結(jié)果組 成分群集合，其中，每一次分群結(jié)果稱為一個(gè)譜聚類成員，每一次分群結(jié)果形成k個(gè)簇；構(gòu) 建簇關(guān)系圖，具體地，采用基于譜聚類的一致性函數(shù)對(duì)上述分群集合中的簇進(jìn)行共識(shí)匹配， 找到不同簇之間的對(duì)應(yīng)關(guān)系，構(gòu)建簇關(guān)系圖；基于簇關(guān)系圖采用譜聚類算法對(duì)不同分群結(jié) 果中的簇進(jìn)行分組，具體地，將簇關(guān)系圖轉(zhuǎn)換為簇關(guān)系度矩陣，其作為相似度矩陣，采用譜 聚類方法對(duì)簇進(jìn)行分組；集成基于收視偏好空間對(duì)廣播電視用戶進(jìn)行多次分群和基于簇關(guān) 系圖對(duì)簇進(jìn)行分組的分群結(jié)果，將數(shù)據(jù)點(diǎn)在不同簇中出現(xiàn)次數(shù)最多的簇所在的組作為該數(shù) 據(jù)點(diǎn)最終所在組，從而確定每一組用戶的收視偏好。
[0008] 本發(fā)明所述基于譜聚類集成的廣播電視用戶分群系統(tǒng)及方法通過構(gòu)建節(jié)目類型 或節(jié)目標(biāo)簽的收視偏好空間，基于所述收視偏好空間采用譜聚類方法將廣播電視用戶分成 多個(gè)簇，根據(jù)多個(gè)簇之間的關(guān)系構(gòu)建簇關(guān)系圖，基于簇關(guān)系圖采用譜聚類方法再對(duì)簇進(jìn)行 分組，最后集成用戶在不同簇中出現(xiàn)的次數(shù)作為其所屬組，對(duì)廣播電視用戶進(jìn)行了多次分 群，提高了分群的準(zhǔn)確性，并且將基于譜聚類的一致性函數(shù)應(yīng)用到廣播電視領(lǐng)域，提高了分 群的集成性，可以產(chǎn)生更加準(zhǔn)確的聚類集成效果。
【附圖說明】
[0009] 通過參考以下結(jié)合附圖的說明及權(quán)利要求書的內(nèi)容，并且隨著對(duì)本發(fā)明的更全面 理解，本發(fā)明的其它目的及結(jié)果將更加明白及易于理解。在附圖中：
[0010] 圖1是本發(fā)明基于譜聚類集成的廣播電視用戶分群系統(tǒng)；
[0011] 圖2是現(xiàn)有技術(shù)電視節(jié)目分類體系的示意圖；
[0012] 圖3是本發(fā)明節(jié)目標(biāo)簽的示意圖；
[0013] 圖4是本發(fā)明基于譜聚類集成的廣播電視用戶分群方法的流程圖；
[0014] 圖5是本發(fā)明構(gòu)建收視偏好空間一個(gè)實(shí)施例的流程圖；
[0015] 圖6是本發(fā)明構(gòu)建收視偏好空間另一個(gè)實(shí)施例的流程圖；
[0016] 圖7是本發(fā)明基于收視偏好空間對(duì)廣播電視用戶進(jìn)行多次分群的一個(gè)實(shí)施例的 流程圖；
[0017] 圖8是本發(fā)明基于收視偏好空間對(duì)廣播電視用戶進(jìn)行多次分群的另一個(gè)實(shí)施例 的流程圖；
[0018] 圖9是本發(fā)明采用k-means算法基于特征向量歸一化矩陣對(duì)廣播電視用戶進(jìn)行多 次分群的一個(gè)實(shí)施例的流程圖；
[0019] 圖10是本發(fā)明采用k-means算法基于特征向量歸一化矩陣對(duì)廣播電視用戶進(jìn)行 多次分群的另一個(gè)實(shí)施例的流程圖；
[0020] 圖11是本發(fā)明對(duì)基于收視偏好空間對(duì)廣播電視用戶分群形成分群集合構(gòu)建簇關(guān) 系圖的流程圖；
[0021] 圖12是本發(fā)明族關(guān)系圖的不意圖；
[0022] 圖13是本發(fā)明基于簇關(guān)系圖采用譜聚類算法對(duì)不同分群結(jié)果中的簇進(jìn)行分組的 流程圖；
[0023] 圖14是本發(fā)明采用k-means算法基于特征向量歸一化矩陣對(duì)簇進(jìn)行分組的流程 圖；
[0024] 圖15是本發(fā)明采用聚類方法對(duì)簇進(jìn)行分組的示意圖。
[0025] 在所有附圖中相同的標(biāo)號(hào)指示相似或相應(yīng)的特征或功能。
【具體實(shí)施方式】
[0026] 在下面的描述中，出于說明的目的，為了提供對(duì)一個(gè)或多個(gè)實(shí)施例的全面理解，闡 述了許多具體細(xì)節(jié)。然而，很明顯，也可以在沒有這些具體細(xì)節(jié)的情況下實(shí)現(xiàn)這些實(shí)施例。 以下將結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施例進(jìn)行詳細(xì)描述。
[0027] 以下將結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施例進(jìn)行詳細(xì)描述。
[0028] 圖1是本發(fā)明基于譜聚類集成的廣播電視用戶分群系統(tǒng)，如圖1所示，所述廣播電 視用戶分群系統(tǒng)，包括：
[0029] 輸入單元110,用于輸入確定廣播電視用戶收視偏好所需的各種參數(shù)，其中，所述 參數(shù)至少包括：節(jié)目類型、屬性特征指標(biāo)、空間區(qū)域、時(shí)間區(qū)域、簇個(gè)數(shù)和組個(gè)數(shù)，其中，所述 屬性特征指標(biāo)是與收視時(shí)長成正比的一個(gè)或多個(gè)廣播電視參數(shù)，輸入單元110可以是觸摸 屏、鍵盤、手寫板、鼠標(biāo)等，其中，所述節(jié)目類型包括節(jié)目分類體系（圖2示出）中的一種或 者多種類型，例如，可以為電視劇、電影、新聞、綜藝、廣告中的一種或多種；所述屬性特征指 標(biāo)是與收視時(shí)長成正比的一個(gè)或多個(gè)廣播電視參數(shù)，例如，收視時(shí)長、收視占比、忠誠指數(shù) 等，其中，收視占比是指某類節(jié)目單位播出時(shí)間內(nèi)，用戶的收視時(shí)長，反映了用戶對(duì)節(jié)目類 型的偏愛程度，忠誠指數(shù)是指用戶對(duì)某類節(jié)目單位視頻次內(nèi)的收視時(shí)長，反映了用戶對(duì)該 節(jié)目的忠誠程度；所述空間區(qū)域可以是省、市、區(qū)等，例如北京市；所述時(shí)間區(qū)域?yàn)檫x定各 節(jié)目類型的計(jì)算時(shí)間段，例如，時(shí)間區(qū)域?yàn)?003年1月1日至2014年1月1日；
[0030] 節(jié)目數(shù)據(jù)庫120,用于將各節(jié)目類型的節(jié)目播放信息存儲(chǔ)為數(shù)據(jù)源或者從網(wǎng)站上 采集各節(jié)目的節(jié)目標(biāo)簽，將各節(jié)目的節(jié)目標(biāo)簽與各節(jié)目的播放信息存儲(chǔ)為數(shù)據(jù)源，其中，節(jié) 目標(biāo)簽是對(duì)電視節(jié)目內(nèi)容的多角度概括，每一個(gè)節(jié)目標(biāo)簽體現(xiàn)電視節(jié)目一個(gè)方面的特性， 如圖3所示，節(jié)目標(biāo)簽包括節(jié)目類型標(biāo)簽、年代標(biāo)簽、參加人員標(biāo)簽等，其中節(jié)目類型標(biāo)簽 可以是新聞?lì)?、電視劇類、?dòng)漫類等；年代標(biāo)簽可以是古代、現(xiàn)代、抗日年代等；參加人員標(biāo) 簽可以是演員、導(dǎo)演、編劇等；
[0031] 收視數(shù)據(jù)庫130,通過用戶機(jī)頂盒的收視信號(hào)采集用戶對(duì)各節(jié)目類型的節(jié)目的收 看信息，并存儲(chǔ)為數(shù)據(jù)源；
[0032] 收視偏好空間構(gòu)建單元140,根據(jù)輸入單元110輸入的屬性特征指標(biāo)，從節(jié)目數(shù)據(jù) 庫120和收視數(shù)據(jù)庫130調(diào)取計(jì)算節(jié)目類型或節(jié)目標(biāo)簽的屬性特征指標(biāo)所需的數(shù)據(jù)源，并 進(jìn)行計(jì)算得到各用戶對(duì)各節(jié)目類型或各節(jié)目標(biāo)簽的屬性特征指標(biāo)數(shù)據(jù)，組合形成收視偏好 矩陣，即，收視偏好空間，具體地，將在圖5至6中進(jìn)行詳細(xì)描述；
[0033] 第一分群單元150,基于收視偏好空間構(gòu)建單元140構(gòu)建的收視偏好空間對(duì)廣播 電視用戶進(jìn)行多次分群，包括：
[0034] 第一相似度空間構(gòu)建單元151，利用高斯函數(shù)構(gòu)建基于收視偏好矩陣的相似度矩 陣，即相似度空間；
[0035] 第一特征向量空間構(gòu)建單元152,構(gòu)建相似度矩陣的對(duì)角矩陣，將對(duì)角矩陣進(jìn)行拉 普拉斯變換，得到前K個(gè)最大的特征值對(duì)應(yīng)的特征向量構(gòu)成特征向量空間，其中，k為簇個(gè) 數(shù)，為自然數(shù)，同時(shí)也是特征向量空間的列數(shù)；
[0036] 第一譜聚類單元153,將特征向量空間中每一行作為一個(gè)數(shù)據(jù)點(diǎn)，每一次采用k個(gè) 數(shù)據(jù)點(diǎn)作為k個(gè)簇的初始聚類中心對(duì)