陳　都，苗　方，金立標(biāo)，吳　敏

(1.中國(guó)傳媒大學(xué) 理工學(xué)部，北京100024；2.中國(guó)國(guó)際廣播電臺(tái)，北京 100040)

?

廣電智能推薦系統(tǒng)的應(yīng)用研究

陳都1，苗方1，金立標(biāo)1，吳敏2

(1.中國(guó)傳媒大學(xué) 理工學(xué)部，北京100024；2.中國(guó)國(guó)際廣播電臺(tái)，北京 100040)

摘要:隨著廣播電視媒體的發(fā)展已經(jīng)進(jìn)入融合時(shí)代，融合媒體要求充分運(yùn)用新技術(shù)、新應(yīng)用創(chuàng)新傳播方式。為了充分挖掘分析潛在的用戶需求，針對(duì)廣電業(yè)務(wù)的推薦技術(shù)越來(lái)越受到關(guān)注。通過(guò)介紹近幾年推薦技術(shù)新的發(fā)展成果，在廣電推薦系統(tǒng)應(yīng)用中充分結(jié)合媒體融合、時(shí)間因素等，建立廣電智能推薦系統(tǒng)的基本構(gòu)架，提出廣電領(lǐng)域業(yè)務(wù)的進(jìn)一步設(shè)想和展望。

關(guān)鍵詞:智能推薦；用戶行為分析；媒體融合

隨著互聯(lián)網(wǎng)應(yīng)用的普及，海量信息資源的爆炸性增長(zhǎng),當(dāng)今的世界正處在信息過(guò)載的時(shí)代。傳統(tǒng)廣電媒體作為大眾信息的主要傳播渠道，在面臨著互聯(lián)網(wǎng)媒體挑戰(zhàn)的同時(shí)也在日趨深入地與之融合。電視互動(dòng)性不斷增強(qiáng)，觀眾的參與度大幅提升，原本被動(dòng)收視的用戶開(kāi)始更多有目的地“使用”電視所提供的資源與服務(wù)。然而隨著影視節(jié)目資源數(shù)量的指數(shù)型增長(zhǎng)，內(nèi)容日趨多樣，面對(duì)海量的節(jié)目資源，用戶想找到自己需要的內(nèi)容變得越來(lái)越困難。因此需要一種智能的、個(gè)性化的廣電節(jié)目推薦系統(tǒng)，幫助用戶在信息的海洋中發(fā)現(xiàn)自己需要的資源，同時(shí)也使內(nèi)容的生產(chǎn)、傳播更具有目的性和精準(zhǔn)性，從而實(shí)現(xiàn)價(jià)值的最大化。 智能推薦技術(shù)應(yīng)用于電子商務(wù)領(lǐng)域起步較早，也已經(jīng)比較成熟，但是在廣電領(lǐng)域應(yīng)用智能推薦與之相比有很多不同之處：電子商務(wù)中推薦的商品特征多為結(jié)構(gòu)性數(shù)據(jù)，比較容易獲取并且可以準(zhǔn)確描述，例如用戶喜歡的品牌、顏色、款式等。廣電系統(tǒng)中的視音頻素材特征較難提取，非結(jié)構(gòu)化的數(shù)據(jù)處理比較困難，數(shù)據(jù)容量大且相似性度量不好定義。此外用戶分層差距較大，用戶反饋信息獲取不便，視頻資源的屬性特征無(wú)法直觀地表達(dá)用戶的興趣特征等也增大了廣電業(yè)務(wù)推薦的難度。

1智能推薦系統(tǒng)概述

1.1智能推薦系統(tǒng)的基本框架

智能推薦系統(tǒng)是一種建立在海量數(shù)據(jù)挖掘的平臺(tái)，通過(guò)收集并分析用戶大量的行為日志，根據(jù)用戶的偏好，推薦具有高度針對(duì)性的信息。幫助用戶發(fā)現(xiàn)對(duì)自己有價(jià)值的信息的同時(shí)也能讓信息展現(xiàn)在對(duì)其感興趣的用戶面前，從而實(shí)現(xiàn)信息消費(fèi)者和信息生產(chǎn)者的雙贏[1]。

圖1是一個(gè)智能推薦系統(tǒng)的基本框架圖。

智能推薦系統(tǒng)輸入變量主要分為3個(gè)維度：

1)用戶維度，包括人口統(tǒng)計(jì)學(xué)特征、用戶興趣愛(ài)好、用戶行為等。

2)物品維度，包括物品的屬性(關(guān)鍵字、特征描述等)、當(dāng)前熱門程度、平均分等。

3)時(shí)間維度，包括季節(jié)、觀看時(shí)段、時(shí)間間隔。

用戶自身興趣和關(guān)注點(diǎn)是隨著時(shí)間推移不斷變化的，關(guān)注用戶近期行為最能體現(xiàn)其目前的興趣，同時(shí)物品的熱度也會(huì)隨時(shí)間發(fā)生變化。用戶通過(guò)推薦系統(tǒng)給出推薦列表去訪問(wèn)信息，并將反饋信息傳遞給智能推薦系統(tǒng)。推薦系統(tǒng)能夠?qū)崟r(shí)響應(yīng)用戶的反饋，個(gè)性化地調(diào)整推薦列表，從而滿足用戶不斷變化的興趣。

1.2智能推薦系統(tǒng)的核心算法

1)經(jīng)典推薦算法

智能推薦系統(tǒng)的核心是推薦算法，算法的優(yōu)劣決定著推薦系統(tǒng)的性能[2]。當(dāng)前隨著用戶對(duì)推薦系統(tǒng)的需求不斷增長(zhǎng)，很多經(jīng)典的推薦算法被廣泛應(yīng)用。協(xié)同過(guò)濾(Collaborative Filtering-based)推薦算法主要是利用對(duì)用戶歷史行為的分析，尋找具有類似行為或興趣的用戶和其感興趣的物品，找到用戶或物品之間的相關(guān)性，然后基于這些相關(guān)性進(jìn)行建議推薦。基于內(nèi)容(Content-based)推薦算法則不需要用戶對(duì)物品的評(píng)價(jià)，通過(guò)分析用戶瀏覽物品的特征，向用戶推薦與這些物品特征相似的物品。這些經(jīng)典的推薦算法主要研究對(duì)象主要是用戶和物品，通過(guò)比較二維矩陣中相似度來(lái)推薦。這些推薦算法也分別存在一些問(wèn)題，例如協(xié)同過(guò)濾推薦存在冷啟動(dòng)、數(shù)據(jù)稀疏、新穎性方面表現(xiàn)不佳，而基于內(nèi)容推薦則存在物品特征較難抽取、計(jì)算復(fù)雜、無(wú)法滿足即時(shí)推薦的要求等問(wèn)題。

2)推薦算法的改進(jìn)

近幾年隨著應(yīng)用的推廣和研究的深入，許多新的或者改進(jìn)的推薦算法被相繼提出。為提高用戶的興趣和物品之間的聯(lián)系，引入基于標(biāo)簽的推薦算法可以深入了解用戶行為，指導(dǎo)并改進(jìn)推薦系統(tǒng)的推薦質(zhì)量。文獻(xiàn)[3]總結(jié)了國(guó)內(nèi)外基于標(biāo)簽的推薦研究成果，利用基于圖論、基于聚類的標(biāo)簽推薦來(lái)描述“用戶-標(biāo)簽-物品”的三元關(guān)系，提高了推薦的準(zhǔn)確率和新穎度。隨著Web2.0的發(fā)展，很多網(wǎng)站都利用Facebook的社交網(wǎng)絡(luò)數(shù)據(jù)給用戶提供社會(huì)化的推薦?；谏缃痪W(wǎng)絡(luò)的推薦算法受到關(guān)注和應(yīng)用，文獻(xiàn)[4]通過(guò)研究社交網(wǎng)絡(luò)的社會(huì)關(guān)系、興趣傳播、信任傳遞、時(shí)間等因素，建立社交網(wǎng)絡(luò)用戶興趣模型，結(jié)合個(gè)人興趣和興趣傳播兩方面信息對(duì)目標(biāo)用戶進(jìn)行準(zhǔn)確的推薦，提高了推薦的質(zhì)量。推薦系統(tǒng)中引入時(shí)間維度，讓推薦系統(tǒng)能夠準(zhǔn)確預(yù)測(cè)用戶在某個(gè)特定時(shí)間的興趣。用戶興趣不斷變化，推薦系統(tǒng)能夠?qū)崟r(shí)響應(yīng)用戶的新行為，讓推薦列表不斷變化，以此提高推薦效果。文獻(xiàn)[5]提出一種計(jì)算用戶評(píng)價(jià)時(shí)間與項(xiàng)目發(fā)布時(shí)間的時(shí)間間隔,根據(jù)用戶時(shí)間權(quán)重值的大小，可以判斷該用戶是積極用戶還是消極用戶，以及用戶對(duì)新項(xiàng)目的偏好程度的方法，能夠較好地解決冷啟動(dòng)問(wèn)題。文獻(xiàn)[6]先在傳統(tǒng)協(xié)同過(guò)濾算法的基礎(chǔ)上，通過(guò)引入反映人們遺忘規(guī)律的艾賓浩斯遺忘曲線，提出一種基于時(shí)間效應(yīng)的改進(jìn)協(xié)同過(guò)濾推薦算法，并通過(guò)引入時(shí)效性集合的概念對(duì)數(shù)據(jù)進(jìn)行預(yù)過(guò)濾，提升了推薦的準(zhǔn)確度。

廣電業(yè)務(wù)應(yīng)用中用戶的偏好矩陣遠(yuǎn)遠(yuǎn)小于未觀看的物品矩陣，使用基于物品的協(xié)同過(guò)濾算法會(huì)影響推薦系統(tǒng)的性能?；谟脩舻膮f(xié)同過(guò)濾推薦則主要是給用戶推薦和他興趣相似的其他用戶喜歡的物品。加入時(shí)間信息后，相似用戶最近的興趣顯然比很久之前的興趣更加接近被推薦用戶當(dāng)前的興趣。利用加入時(shí)間衰減函數(shù)的改進(jìn)皮爾遜相關(guān)系數(shù)測(cè)出兩個(gè)用戶的相似度，時(shí)間衰減項(xiàng)越小，代表用戶之間產(chǎn)生這一行為的時(shí)間相隔越遠(yuǎn)，兩個(gè)用戶的興趣相似度就會(huì)越小。

因電視的操作交互界面受到限制，推薦數(shù)量不宜太多。時(shí)間變化的推薦系統(tǒng)里，需要建立的是動(dòng)態(tài)的推薦列表，并且提高推薦的精確性。文獻(xiàn)[7]提出了一種比較物品推薦數(shù)量和推薦評(píng)分的“數(shù)量-分?jǐn)?shù)曲線”，如圖2所示。在“數(shù)量-分?jǐn)?shù)曲線”中通過(guò)尋找拐點(diǎn)找到劃分推薦評(píng)級(jí)和推薦數(shù)量的最佳平衡點(diǎn)。

2智能推薦系統(tǒng)在廣電業(yè)務(wù)中的應(yīng)用

廣播電視媒體的發(fā)展已經(jīng)進(jìn)入融合時(shí)代，生產(chǎn)制作的節(jié)目其傳播渠道和呈現(xiàn)方式也不局限于傳統(tǒng)的廣播電視，還包括互聯(lián)網(wǎng)、移動(dòng)終端APP、社交應(yīng)用等。在融合媒體時(shí)代，內(nèi)容、渠道、用戶三者關(guān)系發(fā)生了根本的變化。生產(chǎn)制作域的融合和終端傳播域的分化，形成了新型的傳播模式。海量的媒體產(chǎn)品進(jìn)行匯聚，再分流給多種終端，由用戶根據(jù)所需進(jìn)行個(gè)性化配置。用戶希望精準(zhǔn)迅速、隨時(shí)隨地獲得需要的內(nèi)容。在整個(gè)傳播體系中，用戶占據(jù)著主導(dǎo)的地位。隨著用戶需求和傳播渠道的變化，廣電媒體平臺(tái)在提供海量?jī)?nèi)容的同時(shí)，還要提供豐富的服務(wù)。從服務(wù)的角度看，就是要更注重與觀眾的交互，分析掌握觀眾的個(gè)性化需求，才能真正把受眾變?yōu)橛脩?。智能推薦是為用戶提供個(gè)性化服務(wù)的關(guān)鍵，也是媒體融合的一個(gè)重要體現(xiàn)。

廣電智能推薦系統(tǒng)的智能性體現(xiàn)在主動(dòng)發(fā)現(xiàn)當(dāng)前或潛在的用戶需求，根據(jù)用戶歷史行為記錄的積累分析以及對(duì)媒體和應(yīng)用內(nèi)容的價(jià)值評(píng)估和熱度評(píng)估，將用戶信息與內(nèi)容信息進(jìn)行智能關(guān)聯(lián)與匹配，預(yù)測(cè)用戶可能感興趣的內(nèi)容資源信息。預(yù)測(cè)分析結(jié)果輸出為智能推薦策略，包括共性化內(nèi)容推薦策略和個(gè)性化內(nèi)容推薦策略。共性化內(nèi)容包括熱點(diǎn)關(guān)注資源、根據(jù)收視情況統(tǒng)計(jì)出來(lái)的預(yù)計(jì)熱門媒體和應(yīng)用內(nèi)容、根據(jù)相關(guān)媒體宣傳需要與用戶關(guān)注情況得出的熱點(diǎn)聚焦內(nèi)容等，同時(shí)也包括運(yùn)營(yíng)商推薦內(nèi)容，如時(shí)事要聞、重點(diǎn)推薦等。個(gè)性化內(nèi)容是在用戶歷史行為分析積累的基礎(chǔ)上得出的用戶當(dāng)前或潛在的內(nèi)容資源需求。為了準(zhǔn)確把握用戶的需求，可用于分析的信息包括用戶基本信息如年齡、性別、愛(ài)好等，由用戶行為的統(tǒng)計(jì)信息能夠刻畫(huà)用戶的收視習(xí)慣，由觀看內(nèi)容信息和社交關(guān)系的分析可以獲得用戶的興趣。

廣電的主要應(yīng)用場(chǎng)景是家庭環(huán)境，通過(guò)多人家庭用戶的收視行為分析產(chǎn)生對(duì)個(gè)人的個(gè)性化推薦服務(wù)一直是廣電推薦業(yè)務(wù)的難點(diǎn)[8]。融合媒體時(shí)代的內(nèi)容傳播模式是立體的、全方位的，包括大量的用戶互動(dòng)、參與，如“搖電視”、“伴隨客戶端”等形式，用戶也會(huì)通過(guò)微信、微博公眾號(hào)等方式關(guān)注，甚至參加線下活動(dòng)。因此廣電業(yè)務(wù)需要構(gòu)建全方位的信息采集和大數(shù)據(jù)分析，將傳統(tǒng)廣電渠道和互聯(lián)網(wǎng)渠道的數(shù)據(jù)打通，形成智能化的應(yīng)用。

廣電智能推薦應(yīng)用除了形成內(nèi)容與用戶之間的適配，還需要形成內(nèi)容與終端的適配。全媒體的業(yè)務(wù)分別在機(jī)頂盒、個(gè)人PC、手機(jī)、平板PC、互聯(lián)網(wǎng)電視等終端呈現(xiàn)。不同的終端對(duì)應(yīng)著不同的發(fā)布渠道、傳播過(guò)程和展現(xiàn)形式。推薦系統(tǒng)需要識(shí)別終端類型與終端能力，建立用戶信息關(guān)聯(lián)和用戶終端設(shè)備可管理機(jī)制，實(shí)現(xiàn)跨媒體的立體式服務(wù)。

針對(duì)智能推薦系統(tǒng)在廣電中的應(yīng)用，設(shè)計(jì)出廣電智能推薦應(yīng)用系統(tǒng)架構(gòu)如圖3所示。

廣電智能引擎推薦系統(tǒng)由如下7個(gè)方面組成：

1)用戶與廣電系統(tǒng)的交互接口：智能推薦系統(tǒng)通過(guò)該交互接口收集用戶的基本信息和行為記錄，同時(shí)用戶可以通過(guò)該交互接口獲取個(gè)性推薦結(jié)果。

2)移動(dòng)端APP：在移動(dòng)端方面，設(shè)置用戶關(guān)聯(lián)賬號(hào)，用戶可以通過(guò)移動(dòng)端登錄廣電網(wǎng)絡(luò)的平臺(tái)，訂閱自己喜歡的頻道或者節(jié)目，用戶可以隨時(shí)隨地獲得心儀的節(jié)目推薦和節(jié)目預(yù)告。用戶行為收集方面，數(shù)據(jù)的來(lái)源不僅限于廣電網(wǎng)絡(luò)，用戶通過(guò)手機(jī)、平板等移動(dòng)端設(shè)備參與互動(dòng)、評(píng)價(jià)等活動(dòng)是獲取用戶個(gè)性化信息的關(guān)鍵組成部分。利用語(yǔ)義分析等技術(shù)處理用戶的主觀評(píng)價(jià)數(shù)據(jù)，追蹤用戶分享、轉(zhuǎn)發(fā)到社交應(yīng)用的信息，可以更準(zhǔn)確地把握用戶的偏好和需求。

3)用戶行為數(shù)據(jù)庫(kù)：該數(shù)據(jù)庫(kù)用于存儲(chǔ)用戶在使用廣電和移動(dòng)端中的各種行為記錄，例如瀏覽記錄、播放記錄、具體的時(shí)間長(zhǎng)短與播放時(shí)段，進(jìn)行降噪和歸一化工作以及云端存儲(chǔ)，可供深度挖掘的原始數(shù)據(jù)資源。

4)用戶建模：推薦系統(tǒng)根據(jù)用戶注冊(cè)信息、歷史行為數(shù)據(jù)，進(jìn)行數(shù)據(jù)挖掘，為用戶建模，例如用戶年齡、職業(yè)、愛(ài)好、社交網(wǎng)絡(luò)關(guān)系等，同時(shí)也根據(jù)推薦對(duì)象的相關(guān)信息來(lái)構(gòu)造對(duì)象模型[9]。

5)第三方信息平臺(tái)：視頻節(jié)目標(biāo)簽特征提取也可以通過(guò)關(guān)聯(lián)互聯(lián)網(wǎng)的第三方平臺(tái)，例如國(guó)內(nèi)的豆瓣、時(shí)光網(wǎng)；用戶標(biāo)簽基于社交網(wǎng)絡(luò)，例如微博、微信、博客、QQ,在這些社交網(wǎng)站中，每個(gè)用戶都有自己的個(gè)性化信息墻，從中提取用戶標(biāo)簽較為方便。

6)視頻節(jié)目資源庫(kù)：視頻節(jié)目資源數(shù)據(jù)庫(kù)的核心是視頻資源信息采集分類工作。數(shù)據(jù)采集量大，利用大數(shù)據(jù)、云計(jì)算等技術(shù)，通過(guò)網(wǎng)絡(luò)信息爬蟲(chóng)抓取，模板建立進(jìn)行標(biāo)簽識(shí)別，從而抓取到準(zhǔn)確的影視元數(shù)據(jù)?？梢雽?duì)視頻內(nèi)容的畫(huà)面分析識(shí)別，深入挖掘出視頻節(jié)目背后具體的對(duì)象，例如一些商品、地名、人物等。

7)智能推薦引擎：利用用戶已構(gòu)建好的模型和視頻資源信息特征作為輸入，通過(guò)智能推薦引擎的核心算法，輸出個(gè)性推薦列表返回給用戶?？紤]到廣電業(yè)務(wù)中電視節(jié)目視頻的數(shù)據(jù)量龐大，數(shù)據(jù)相對(duì)不夠穩(wěn)定，內(nèi)容需頻繁更新，故選擇時(shí)間融合基于用戶的協(xié)同過(guò)濾推薦，引入時(shí)間效應(yīng)，可以保證用戶每天收到的推薦是不一樣的，保持推薦結(jié)果的新穎性和多樣性，同時(shí)可以控制在一段時(shí)間內(nèi)熱門的視頻節(jié)目，防止用戶過(guò)于跟風(fēng)。單一的推薦算法并不能發(fā)揮推薦系統(tǒng)應(yīng)有的效果，可以引入近幾年興起的基于標(biāo)簽的推薦、基于社交網(wǎng)絡(luò)的推薦，提高推薦算法的效率。Netflix從2006年起開(kāi)始舉辦Netflix Prize推薦算法設(shè)計(jì)大賽[1]，有很多選手綜合采用多種推薦算法去改進(jìn)推薦結(jié)果，得到混合推薦算法，從而達(dá)到更好的推薦效果。

3總結(jié)與展望

為適應(yīng)傳統(tǒng)媒體和新興媒體業(yè)務(wù)融合發(fā)展，廣電需要建立開(kāi)放的、融合的、智能的推薦系統(tǒng)架構(gòu)。廣電智能推薦系統(tǒng)對(duì)內(nèi)容、渠道、用戶三方面進(jìn)行統(tǒng)一數(shù)據(jù)收集、信息管理、深度挖掘，從而識(shí)別用戶共性化和個(gè)性化需求，承載多樣化媒體業(yè)務(wù)新形態(tài)。同時(shí)廣電智能推薦系統(tǒng)存在一些難點(diǎn)，主要包括直播節(jié)目元數(shù)據(jù)關(guān)聯(lián)、用戶安全隱私、家庭用戶興趣偏好分析等問(wèn)題。這些難點(diǎn)需要進(jìn)一步深入研究。

本文設(shè)計(jì)了針對(duì)廣電業(yè)務(wù)的智能推薦應(yīng)用系統(tǒng)框架，并對(duì)未來(lái)的研究方向進(jìn)行構(gòu)想。廣電智能推薦系統(tǒng)是家庭智能化的重要組成部分，服務(wù)于運(yùn)營(yíng)，通過(guò)媒體與用戶之間的雙向交流，站在用戶的角度為其提供定制服務(wù)。通過(guò)媒體融合的應(yīng)用場(chǎng)景和相關(guān)技術(shù)，把視頻內(nèi)容與其背后蘊(yùn)藏的豐富信息進(jìn)行深度關(guān)聯(lián)、精準(zhǔn)傳播。通過(guò)智能化平臺(tái)的建設(shè)，識(shí)別用戶共性、個(gè)性化的需求，利用內(nèi)容整合、網(wǎng)絡(luò)融合，為用戶高效率、高質(zhì)量、立體化地提供其真正需要的內(nèi)容服務(wù)，以此提高廣電運(yùn)營(yíng)在未來(lái)的競(jìng)爭(zhēng)力。

參考文獻(xiàn)：

[1]項(xiàng)亮. 推薦系統(tǒng)實(shí)踐[M].北京：人民郵電出版社，2012.

[2]陳萌，楊成，王歡,等. 交互式電視中個(gè)性化推薦系統(tǒng)的研究[J].電視技術(shù)，2012，36(14)：37-40.

[3]易明,鄧衛(wèi)華.基于標(biāo)簽的個(gè)性化信息推薦研究綜述[J].情報(bào)理論與實(shí)踐,2011，34(3)：126-128.

[4]邢星. 社交網(wǎng)絡(luò)個(gè)性化推薦方法研究[D]. 大連：大連海事大學(xué)，2013.

[5]于洪，李俊華. 一種解決新項(xiàng)目冷啟動(dòng)問(wèn)題的推薦算法[J].軟件學(xué)報(bào),2015，26(6)：1395-1408.

[6]基于時(shí)間效應(yīng)和用戶興趣變化的改進(jìn)推薦算法研究[D]. 北京：北京郵電大學(xué),2014.

[7]HIROI K，MORITA H. High-accuracy time-variant recommender system with number-score curve[C]// 2014 IEEE Fourth International Conference on Consumer Electronics Berlin (ICCE-Berlin).[S.l.]： IEEE Press，2014：106-110.

[8]李培琳，趙明，王炳飛.廣電家庭用戶個(gè)性化推薦的難點(diǎn)和解決思路[J].電視技術(shù)，2015,39(18)：33-35.

[9]黃喬，尹四清. 網(wǎng)絡(luò)電視推薦系統(tǒng)框架及協(xié)同過(guò)濾算法的研究[J].電視技術(shù),2013，37(9)：136-138.

陳都，碩士生，主研信息網(wǎng)絡(luò)技術(shù)；

苗方，講師，主研寬帶網(wǎng)絡(luò)；

金立標(biāo)，副教授，主要研究方向?yàn)閿?shù)字電視信息網(wǎng)絡(luò)技術(shù)；

吳敏，中國(guó)國(guó)際廣播電臺(tái)技術(shù)管理辦公室主任。

責(zé)任編輯：許盈

Study on intelligent recommendation system applied in television broadcasting

CHEN Du1, MIAO Fang1, JIN Libiao1, WU Min2

(1.CommunicationUniversityofChinaFacultyofScienceandTechology,Beijing100024,China;2.ChinaRadioInternational,Beijing100040,China)

Key words:intelligent recommendation; user behavior analysis; media convergence

Abstract:With the development of radio and television media, convergence is coming. New technologies and applications are required to innovate communication ways in the time of convergence. In order to fully tap and analyze the potential needs of customers, intelligent recommendation technology for radio and television is increasingly concerned by people. The results of new recommendation technology are introduced in this paper. In addition, the framework of intelligent recommendation system is established with the consideration of time and media integration. The prospect of radio and television sector are given in the end.

中圖分類號(hào):TP301.6

文獻(xiàn)標(biāo)志碼:A

DOI：10.16280/j.videoe.2016.01.020

基金項(xiàng)目：科技部國(guó)家科技支撐計(jì)劃課題(2013BAH36F00)

作者簡(jiǎn)介：

收稿日期：2015-11-04

文獻(xiàn)引用格式：陳都，苗方，金立標(biāo)，等. 廣電智能推薦系統(tǒng)的應(yīng)用研究[J].電視技術(shù)，2016，40(1)：102-105.

CHEN D，MIAO F，JIN L B, et al. Study on intelligent recommendation system applied in television broadcasting[J].Video engineering，2016，40(1)：102-105.