陳旋

一、引言

一個普通視頻網站經過數(shù)年的運營，會保存有十幾萬個視頻，但網站的首頁一般顯示的是最新的視頻，對一些存放時間久的節(jié)目，往往不能呈現(xiàn)在首頁上，但對于某些用戶來說，這樣的視頻也許有些是他們很感興趣的。一些網站使用網友評分的方法，這樣可以改善視頻資源浪費的缺點。通過提供網友評分平均值，讓用戶根據(jù)分值的高低判斷一個節(jié)目的受歡迎程度，從而考慮是否觀看。但是用戶興趣愛好是千差萬別的，平均分值僅僅反映的是大眾對節(jié)目的受歡迎程度，不能滿足不同背景下興趣不同用戶的信息需要。而且用戶觀看完視頻后，往往由于忘記或不積極評分等原因沒有對其評分，所以需要一種自動獲取評分的機制。

二、數(shù)據(jù)挖掘技術

數(shù)據(jù)挖掘（Data Mining，DM）又稱數(shù)據(jù)庫中的知識 發(fā) 現(xiàn)（Knowledge Discover in Database，KDD），是目前人工智能和數(shù)據(jù)庫相結合，從大量的、不完全的、有噪聲的、模糊的、隨機的真實數(shù)據(jù)中發(fā)現(xiàn)用戶感興趣知識的一種技術。個性推薦系統(tǒng)屬于數(shù)據(jù)挖掘領域的一種。推薦系統(tǒng)引擎會仔細審查一個用戶以前所做出的選擇，然后識別出用戶對某個還沒接觸過的條目的喜好程度。推薦系統(tǒng)依據(jù)的是用戶對節(jié)目評分產生的大量歷史數(shù)據(jù)，計算出用戶間相似度，相似程度高的另一個用戶所觀看的視頻，可能也是這個用戶比較感興趣的，進而向用戶推薦系統(tǒng)，達到充分利用網站資源的目的。

三、系統(tǒng)結構

系統(tǒng)主要包含視頻網站、節(jié)目評分、推薦引擎三大模塊。

1.視頻網站實現(xiàn)一般視頻網站功能，提供視頻播放的基本功能，并具有用戶管理功能，完成用戶身份識別。

2.節(jié)目評分模塊是采集用戶對節(jié)目的評分并檢驗數(shù)據(jù)是否有效的模塊。包含有自動和手動兩種。手動是用戶在界面上點擊分值圖標完成評分，這種方式能夠比較真實獲得用戶的評價。對不是很活躍的用戶，觀看節(jié)目后沒有對視頻做評分，需要一種自動評分的方法。自動評分方法根據(jù)用戶對一個視頻節(jié)目的觀看時長占節(jié)目總時長的比值，自動完成節(jié)目的評分。本文用0到5的整數(shù)表示喜歡的程度，5表示很喜歡，0表示一點都不喜歡。觀看時長與節(jié)目總時長的比為1時評分是5，比值為0時評分是0，其他分值可以通過等比計算獲得。為了比較準確地獲取觀看時長，還需要提供校正機制，防止重復觀看的時長被重復計算。

3.推薦引擎是推薦系統(tǒng)的主體，引擎通過對采集到的用戶、節(jié)目、評分數(shù)據(jù)計算出用戶的相似度，并通過視頻網站呈現(xiàn)推薦信息。

四、節(jié)目評分模塊設計

播放器采用Flash 開發(fā)，F(xiàn)lash 的AS（ActionScript，動作腳本）腳本語言能夠對JS（JavaScript，語言腳本）很好地支持，通過ExternalInterface.call函數(shù)調用網頁上的JS基本語法是 ExternalInterface.call(function Name:String, ... arguments)。在使用前，需要添加引用flash.external.*。

使用js開發(fā)一個名為Collection類，用于采集數(shù)據(jù)。其屬性和方法以及相應的作用如表1、表2。

播放器開始播放的時向Collection類ReceiveMSG方法發(fā)送消息，通知Collection對象播放器開始播放視頻，把視頻的總時長賦值給curVideoDuration，并初始化其他參數(shù)。

表1

表2

播放器已經開始播放視頻后，播放器每播放一秒的視頻，需要調用一次Collection類的Watch方法對CountSencond屬性的計數(shù)。為避免回放、跳播等原因導致重復計數(shù)，需要一種檢驗機制。Fragment以30秒作為一個小區(qū)間，記錄已經觀看的片段。以150分鐘的電影為例子，視頻總時長就是9000秒，將劃分成（9000/30）=300個區(qū)間。如果用戶從頭一直觀看到16.2分鐘，也就是972秒，972整除30得32，那么Fragment[0]到Fragment[31]都將標記為1（表示已觀看），其他(300-32=268)的區(qū)間都標記為0（表示未觀看）。注意到，第32個區(qū)間表示的是32×30=960秒，也就是說雖然用戶已經觀看到了第33個區(qū)間，但是還沒有看完這個區(qū)間，這個未看完的區(qū)間也標記為0。雖然這會帶來一些誤差，但是對節(jié)目的評分影響不大。在對CountSencond屬性的計數(shù)時，用Flash播放器的NetStream對象的time屬性獲得正在播放的時間點，并檢查Fragment所記錄的片段標記，如果用戶已經觀看過（也就是被標記為1），就不給予計數(shù)。

當用戶暫停時候，播放器也停止調用Collection類的Watch方法。不繼續(xù)計數(shù)。

當用戶播放下一個節(jié)目，或觸發(fā)關閉、刷新播放頁面事件時，Collection類通過SendCollection方法，采用Ajax（Asynchronous JavaScript and XML，異步JavaScript和XML）異步調用的方式，把計算出來的Score值以及相關的節(jié)目、用戶信息發(fā)送給服務器。

節(jié)目評分除采用自動方式外，還提供手動方式，用戶可以直接對節(jié)目評分，評分之后Collection類停止工作。

五、推薦引擎設計

推薦系統(tǒng)目前有協(xié)同過濾（collaborative filter）與基于內容（content-based）兩種類型。基于內容能夠根據(jù)數(shù)據(jù)的內容之間的相似度來產生推薦，這種推薦引擎比較適合文檔類型的推薦。視頻文件在沒有經過處理的情況下，是不能夠像文檔那樣通過分詞的方式來分析相似度的，而協(xié)同過濾方法是用戶給對象（如視頻、文檔、商品等）相當程度的反饋（如評分），這些反饋被記錄下來，通過合作的機制分析數(shù)據(jù)，幫助用戶篩選感興趣的對象。協(xié)同過濾推薦引擎在視頻網站中通過對節(jié)目、用戶與評分的歷史數(shù)據(jù)做整理，計算出相似度來完成針對不同的用戶提供不同的節(jié)目推薦。

1.距離與相似度算法

相似度是一個用于比較兩個事物的近似度的度量，類似于生活中描述兩個城市相近程度的地理距離。在度量兩個城市之間的距離時候，一般會使用經緯度坐標，而在節(jié)目或用戶虛擬的空間里，則使用“評分”作為這個空間的坐標來度量任意兩個節(jié)點的距離。假設有兩名用戶給他們打4或5分（喜歡這些視頻節(jié)目），同時有第三名用戶給它們的評分為0～3分。這樣一來，會認為前兩個用戶彼此是相似的，而與第三個是不相似的。

由此可以看出，相似度是基于距離進行計算的，但與距離卻有所不同。距離是大于等于0的數(shù)，而相似度具有取值區(qū)間，一般的取值范圍在[0,1]。距離等于0的時候，說明兩點重合。但這時候相似度取最大值。距離具有對稱性，A與B的距離等于B與A的距離，相似度也是如此。距離具有三角不等式性質，也就是“兩點之間直線最短”。對相似度而言，這個性質是得不到保持的。通過相似度與距離的性質比較，可以看出相似度與距離有著天然的互反性。

2.用戶相似度計算

假設有用戶User1與User2，節(jié)目集合P，User1評分過的節(jié)目集合為 P1,P1?P。User2評分過的節(jié)目為P2, P2?P。而且P1,P2≠ Φ （Φ 表示空集） P ′= P1∩P2。 p'∈ P′，User1對節(jié)目 p'的評分值是，User2對節(jié)目 p'的評分值是。根據(jù)歐氏距離的定義，遍歷每個元素可以得到由于相似度與距離從某種程度上說是互反的，可對L做些簡單的計算，滿足這樣的特性，比如歐式距離加1再取其倒數(shù)，即加常數(shù)1是為了避免分母為0。但這樣做法是存在缺陷的。如果兩個用戶對同一個視頻打過分，其中一個打1分，另外一個打4分，他們評分的差值的平方為9，按以上公式得到的相似度為0.25。當有另一種情況，兩個用戶共同對三首歌曲評分，一個用戶評分為2、3、4，另一個用戶評分是3、4、5。計算出來的相似度也是0.25。第二種情況兩個用戶有3個節(jié)目而第一種情況只有一首，直觀地，第二種情況兩個用戶應更相似。因此可以把定義為樸素相似度公式。在此基礎做一些改進，把'p里的個數(shù)考慮進來。設，利用雙曲正切函數(shù)性質，可定義相似度為 sim =1- tanh(L)。

3.向用戶推薦節(jié)目

遍歷網站的視頻節(jié)目，計算出用戶未評論的節(jié)目估計評分值，并按預測評分值高到低向用戶推薦。

4.用戶視頻推薦模塊設計

設計所需的類，功能如表3。

推薦模塊啟動時，先初始化BaseDataset，建立User、VideoItem、VideoRating實 例。RecommendSys實例在初始化過程中要完成相似矩陣的計算，保存的是兩兩用戶之間的相似度。當用戶登錄時候，啟動一個線程調用RecommendSys的recommend方法。把用戶沒有看過，但可能感興趣的視頻推薦出來。圖1是用1萬個視頻節(jié)目和300個用戶來計算，向一個名為“Bob”的用戶推薦視頻的結果。

初次運行后，把預測的評分記錄下來，下次運行就不需要重復計算，可以節(jié)省很多時間。

圖1

結語

當用戶由于某種原因離開屏幕，但視頻還在播放時，這樣獲得的觀看時長并不是用戶真實的觀看時長，得到用戶喜歡數(shù)據(jù)也不是真實的，因此在播放頁面時，提示用戶處于自動獲取評分狀態(tài)，并提供手動評分功能，補充自動獲取方式的缺點。

表3

如果用戶數(shù)量很龐大，相似矩陣的計算將是一個很耗時的工作，需分階段計算。每個階段的計算結果保存在數(shù)據(jù)庫中下次可直接讀取。遍歷用戶沒看過的視頻節(jié)目，當節(jié)目數(shù)龐大的時候，也是耗時的工作，同樣也采用分批的策略。

基于歐式距離的相似度算法能夠獲得很好的結果，但計算步驟比較多，可以考慮其他一些計算簡單的相似度算法，如狹義Jacquard相似度。

1.（美）瑪若曼尼斯等著， 阿穩(wěn)、陳鋼譯：《智能Web算法 》，電子工業(yè)出版社，2011年版。

2.（美）西格蘭著，莫映、王開福譯：《集體智慧編程》，電子工業(yè)出版社，2009年版。