CN103052954B - 推荐系统的基于简档内容检索 - Google Patents

Abstract

本发明涉及控制推荐系统的装置、方法和计算机程序产品，其中采用推荐器通常用于预测用户评级的用户简档为远程数据库生成目标询问，以便得出推荐器可以评分和作为建议提供给用户的一组结果。

Description

推荐系统的基于简档内容检索

技术领域

本发明涉及控制用于内容检索的推荐系统的装置、方法、和计算机程序产品。

背景技术

硬盘驱动器和数字视频压缩技术创造了时移直播电视(TV)和不必担忧磁带或其他移动存储媒体的可用性地高质量记录大量TV节目的可能性。同时，视听信号的数字化为普通用户增添了大量内容源。使用简单的抛物面天线和TV接收机就可接收到数以百计的频道。每天在跨越各种服务的因特网上发布了巨量的视频片段，所有主要内容制作商都已经使它们的整个内容库在线可用。其后果是，每天使成千上万的潜在感兴趣节目可用，并且可以记录和存储在本地供以后访问。

但是，鉴于这种所提供内容项的数量巨大，个别内容选择成为重要课题。与用户简档不匹配的信息应该被过滤掉，应该选择符合用户需要和偏爱(例如，用户简档)的正确内容。

推荐系统通过为某个用户简档估计某个内容项的喜欢度以及自动排序内容项解决这些问题。这可以通过将内容项的特点(例如，特征、元数据)与用户简档或与其他用户的类似简档相比较来做到。因此，推荐系统可以被看作是过滤掉不想要内容和使感兴趣内容引起用户关注的工具。

推荐技术的使用正在被稳步地引入市场中。在各种例子当中，网站提供推荐器以支持用户寻找他们喜欢的内容项(例如，电影)，以及电子设备(例如，个人录像机)将推荐器用于内容项的自动过滤。推荐系统正越来越多地应用于通过了解用户简档将服务和产品个体化或个性化，其中机器学习技术可用于推断对新内容项目的评级。

推荐器通常作为独立服务或单元，或作为加载项(例如，插件)提供给现有服务或单元。它们越来越多地出现在像电视机或录像机那样的消费电子设备中。推荐器通常需要用户反馈来了解用户偏爱。隐性的了解使用户不必显性地评级项目，而是可以通过观察像购买、下载、选择播放项目或删除等那样的用户行为而导出。检测的用户行为可以由推荐器解释和翻译成评级。例如，推荐器可以将购买行为解释成肯定评级，或在视频项的情况下，超过/低于50％的总观看持续时间可能意味着肯定/否定的评级。

在US 2008 0104127 A1中给出了推荐器的例子。在那里，描述了能够根据内容项的相关性向用户推荐它们的引导系统。为了检索内容项，该系统首先生成搜索准则，该搜索准则是从通过监视用户行为和/或通过接收显性用户偏爱生成的个性化数据中导出的。例如，如果个性化数据得出用户喜欢“Silvester Stalone”这个演员，则搜索准则可以是字符串：“Silvester Stalone”。将这样的搜索准则发送给媒体信息数据库以便搜索匹配内容项。评级匹配内容项，如果评级项是相关的，则最终向用户推荐该评级项。

总的说来，存在两种类型的推荐系统，即，基于用户团体的那些推荐系统和基于元数据的那些推荐系统。

第一种类型被称为协同过滤，其中(i)团体的成员通过他们给予项目的评级来表征或(ii)这些项目通过它们从团体的成员接收到的评级来表征。这些表征接着用于分别定义用户与项目之间的相似性。对于团体的特定成员和这个成员还没有评级的特定项目，这些相似性用于通过分别组合相似用户或相似项目的评级推断这个成员对这个项目的评级。

第二种类型的推荐系统使用有关项目的可用元数据，该元数据通常以特征和相关值或值表的形式出现。用户的评级历史被用来以特征-值对的表述构建针对那些配对指示这个用户喜欢度的简档。对于这个用户还没有评级的新项目，使用它的元数据，组合存在的每个特征-值对的喜欢度以获取总评级。在这种背景下简单但流行的算法叫做朴素贝叶斯算法(Bayes)，它采用贝叶斯分类。

个人录像机的用户希望独立于其来源地访问任何可用内容。无论该内容是广播的(因此列在电子节目指南(EPG)中)还是可在视频点播库中或互联网上的其他某个地方获得，用户都希望访问它，推荐系统应该能够独立于其地点和来源地为视频提供推荐。独立于其类型，无论基于协同过滤还是基于内容，推荐系统都需要访问必须生成推荐的所有项目。例如，视频点播库的推荐器需要访问视频点播库的所有项目，以便能够为每个项目计算给定用户喜欢它的概率，并最终选择最高评级项目的列表。

但是根据用户简档过滤整个数据库和评级所有项目不适合极大分布式数据库，不仅因为低效和不可缩放，而且尤其因为需要访问必须生成推荐的所有数据库的所有项目。

发明内容

本发明的目的是为推荐系统提供不必访问数据库的所有项目地使远程数据库的项目能够得到推荐的高效控制。

这个目的是通过本发明实施例公开的装置、方法、和计算机程序产品达到的。

于是，应用推荐器通常用于预测用户评级的用户简档为内容源生成目标询问，以便得出推荐器可以评分或评级和作为建议提供给用户的一组结果。将从用户简档中提取的特征-值对用于组成要发送给内容源的目标询问。这些结果经推荐器合并和评级，提供推荐的、高度相关项目的列表。因此，推荐系统无需全面访问整个数据库或其他类型的内容源来给出相关推荐。

配备从特征-值提取器提取的特征-值对中选择对于所述用户简档来说最可区分的那些特征-值对的特征选择器。从而，可以使询问局限于最可区分特征-值对。

所述特征选择器适用于使用Relief算法，例如，描述在如下参考文献中的Relief算法：Kira,K.,&Rendell,L.(1992):The feature selection problem:Traditionalmethods and a new algorithm,Proceedings of the 10th National Conference onArtificial Intelligence,San Jose,CA,July 12-16,129-134或其选择最可区分特征-值对的变种。从而，可以提供有效选择过程。

按照可以与上面第一方面结合的第二方面，可以重复询问的组成和结果的评级，直到获得预定数量相关内容项。

按照可以与上面第一和第二方面结合的第三方面，如果存在与单个特征相联系的几个区分值，则提供了在询问组成期间可以打开和关闭不同特征，以便在重复方式中，可以控制所得项目组的优点。这可以推广到多个特征，系统可以跟踪相同或不同特征的哪些值导致最佳结果，并它们优先化以改进询问组成步骤和减少所需重复次数。

按照可以与上面第一到第三方面的任何一项结合的第四方面，所述特征-数据提取器可以适用于根据肯定和否定用户评级的至少一种提取特征-值对。从而，可以组成包括和/或排除特征值的询问。

按照可以与上面第一到第四方面的任何一项结合的第五方面，所述询问组成器可以适用于使用词库(thesaurus)或本体(ontology)扩展的询问。

按照可以与上面第一到第五方面的任何一项结合的第六方面，所述询问组成器可以适用于将询问推广到除了用户简档的那些之外的其他类别。因此，可以提供跨域推荐。

按照可以与上面第一到第六方面的任何一项结合的第七方面，所述用户简档可以从推荐系统中导出。

按照可以与上面第一到第七方面的任何一项结合的第八方面，可以计数特征-值对的共现，以及在询问中可以只组合具有足够共现计数的那些特征-值对。从而，可以减少不成功询问尝试的次数。

要注意的是，上述装置可以实施成含有分立硬件部件的分立硬件电路，实施成集成芯片，实施成芯片模块的布置，或实施成可以通过存储器中的软件例程或程序控制的信号处理设备或计算机设备或芯片。

附图说明

现在根据参考附图的实施例，通过例子描述本发明，附图中：

图1示出了按照本发明实施例的推荐系统的示意性框图；

图2示出了按照本发明实施例的基于简档内容检索的过程的示意性流程图；以及

图3示出了含有示范性用户简档的特征-值摘录的表格。

具体实施方式

现在根据对像书本、TV节目、电影等那样的内容项生成评级的示范性推荐系统描述本发明的实施例。

图1示出了按照本发明实施例的推荐系统的示意性框图，该推荐系统被配置成从各种内容源中检索内容项。内容源103以广播或点播形式至少提供了，例如，音频/视频信息。另外，内容源103可以提供视频信号的垂直消隐间隔内的信息数据，例如，EPG信息，或有关特定内容项的片段(例如，电影的场景边界)的MPEG-7元数据。互联网上的电子节目指南(EPG)服务可以提供，例如，有关TV节目的信息数据。这样从内容源或互联网服务中检索的信息数据可以供应给与个性化内容信道相联系和相对应地，例如，通过逻辑规则过滤内容项的至少一个预选过滤器(F)105。要注意的是，可以提供任何数量的个性化内容信道。将预选过滤器105的输出端与推荐引擎(RE)107相连接。因此，每个个性化内容信道可以含有与之相联系的自身推荐引擎107。推荐引擎107，因此个性化内容信道含有与之相联系的用户简档(P)109。将推荐引擎107的输出端与调度器(SCH)111连接。将调度器111与存储设备113(例如，一组硬盘驱动器)相连接，并与选择器(SEL)115相连接。可以将内容源103与选择器115相连接，选择器115可以包含允许分离一个或多个内容项以便记录在存储设备113上的至少一组内容分离器件(例如，调谐器等)。将选择器115的输出端与存储设备113连接。

另外，第一实施例适用于倘若内容源103的各个数据库具有询问接口，则不必访问数据库的所有项目地为内容源103(例如，远程数据库)的项目提供推荐。基本概念是采用推荐引擎107通常用于预测用户评级的用户简档109为内容源103生成目标询问，以便得出推荐引擎107可以评分和作为建议提供给用户的一组结果。

例如，对于喜欢武侠电影的用户，系统会自动从用户简档中提取突出的，即，具有高喜欢度的特征值。在将关键字用作所希望特征的情况下，则这样的特征值可以是“martial arts”、“karate”或像“Bruce Lee”或“Chuck Norris”那样的演员名。然后将特征-值对用于组成询问以便发送给内容源103(例如，视频搜索引擎和视频点播库)的整个列表。这些结果经推荐引擎107合并和评级，提供前N个推荐相关项目的列表。

为了达到这个目的，按照第一实施例的推荐系统包含特征-值提取器或提取函数(FVE)116，它被配置成访问和分析用户简档109，以便提取突出的，例如，具有高度肯定或否定评级的特征-值对组合。可选地，可以配备附加特征选择器或选择函数(FS)117，以便使用对于某个用户简档来说最可区分的该组结果的前几个特征值。这里，也可以应用高度否定评论来选择要排除在询问之外的特征值。

特征-值提取器116和可选特征选择器117进行的用户简档分析后面接着询问组成器或组成函数118，该询问组成器或组成函数118接收提取的特征-值对，并使用从用户简档分析中获得的给定特征-值对组成询问。然后将组成的询问发送给内容源103。

现在描述图1的装置的操作。从内容源103中或经由其他手段，例如，经由模拟TV广播信号的垂直消隐间隔中的传输，或经由数字视频广播(DVB)传输流，或任何上述手段的组合收集要在个性化内容信道上播出的当前内容项的信息数据。内容项可以是TV节目、包含视频和/或音频数据的数据流、或节目片段等。

信息数据可以包含像标题、演员、导演和风格那样，与内容项相联系的多种属性和多个属性值。每个简档109基于信息数据以及指示用户的“喜欢”或“不喜欢”的数据。“喜欢”和“不喜欢”的评级可以基于传递给相关预选过滤器105的反馈或内容项。这种反馈可以由使用特定个性化内容信道的用户作为显性评级给出。评级可以以几种方式作出。例如，用户可以使用遥控设备，针对当前所选内容项或当前内容项的给定属性，通过在支持当前内容项的同时按下用户接口(例如，遥控设备)上的适当按钮表示他的评级(“喜欢”或“不喜欢”)。可替代的是，可以观察用户的行为。例如，如果用户观看当前内容项超过预定时间间隔(例如，20分钟)，则自动表示“喜欢”。在更高级的设置中，可以提供或计算离散或连接尺度上的“喜欢”度，而不是仅仅二进制“喜欢”或“不喜欢”的分类。

当内容项的信息数据通过过滤器105时，则将这个信息数据转发给推荐引擎107，推荐引擎107根据其相关用户简档109，为这个随后内容项计算偏向的“喜欢”度或评级。然后将与随后内容项相联系的信息数据与计算的评级一起转发给调度器111，调度器111随后计算用于调度将推荐引擎107提供的内容项记录在存储设备113上的记录时间表。尤其，调度器111在仍然为每个个性化内容信道考虑足够多新内容的同时，可能主要考虑高喜欢度或评级的内容项。为此，将调度器111计算的记录时间表用于指示调度器115选择可从内容源103的相应一个中获得的内容项，以便将它们记录在存储设备113上。

使用或用户简档可以使用三种基本方法导出：隐性归档；显性归档；和反馈归档。隐性归档从用户的使用历史，例如，观看的和未观看的电视节目的集合中悄悄地导出内容使用简档。显性归档方法从用户回答的问题中导出内容使用简档，这些问题包括有关用户喜欢和不喜欢什么的显性问题。反馈归档方法从用户提供喜欢或不喜欢度的评级的内容项中导出内容使用简档。

图2示出了可以应用在第一实施例中的基于简档内容检索过程的示范性流程图。

第一步骤“用户简档分析”由分析用户简档以便抽取最突出的特征-值对组合组成。这些可以是与其他特征-值对组合相比具有大量肯定评级的特征-值对，并且可以通过图1的特征-值提取器116和可选特征选择器117来实现。

图3示出了含有特征“关键字”的示范性用户简档的特征-值摘录的表格。在图3中，关键字“Japan”、“Karate”、“Martial arts”和“Tokyo”就肯定评级的数量而言相对于其余关键字是突出的。用户对具有这样特征值的十个项目给出了肯定评级。将这四个特征-值对传递给图2的第二步骤，即，“询问组成”。在这个步骤中，使用可以通过图1的询问组成器118取得的给定特征-值对组成询问。询问的确切形式取决于要查询的内容源103的搜索引擎或数据库。对于自由文本搜索引擎，询问可以由特征-值对的值表组成。在上面的例子中，它是：[“Japan”“Karate”“Martial arts”“Tokyo”]。对于允许在询问中指定不同字段的数据库或搜索引擎，上面的例子导致询问：[keyword:“Japan”keyword:“karate”keyword:“martial arts”keyword:“Tokyo”]。

在第三步骤中，将询问提交给包含可能相关项目的一组搜索引擎或数据库。要注意的是，可以将不同询问提交给内容源103的不同搜索引擎或数据库以便符合不同格式和应用程序编程接口(API)。然后检索并合并结果以形成相关项目的一个列表。从这个列表中，可以移除用户已经看到过或以前列入黑名单的项目。然后在第四步骤中通过导出第一用户简档的推荐引擎107评级其余项目。该结果是用户喜欢的概率高的那些项目在顶上的相关项目的排序列表。然后准备在该过程的第五步骤中向用户展示相关项目的列表。

可以重复步骤“询问组成”、“询问提交和结果的检索”和“按照用户简档的项目的评级”直到获得足够数量的高度评级相关项目。在每次重复中，可以从定义可能导致太少结果的非常特定询问的富集开始使用特征-值对的不同集合，并且移除特征-值对，因此使询问较不特定，从而获得更多结果。在上面的例子中，第一询问[“Japan”“Karate”“Martialarts”“Tokyo”]在视频数据库中可能返回164个结果，没有关键字“Tokyo”的第二询问[“Japan”“Karate”“Martial arts”]可能返回1180个结果，以及没有关键字“Tokyo”和“Martial arts”的第三询问[“Japan”“Karate”]可能返回5760个结果。

可替代地，可以跟踪特征-值对的共现(出现在相同项目中的特征值)，优选的是只形成共现计数足够高的那些组合，从而减少不成功询问尝试的次数。

当像在特征-值对都对应于特征“关键字”的上述例子中那样，使用与相同特征相对应的多个特征-值对时，在每次重复时，询问组成可以打开和关闭不同特征。例如，可以使用“关键字”特征值生成一个询问，可以使用，例如，“演员”特征值生成另一个询问。系统可以跟踪哪些特征导致最佳结果，并它们优先化以改进询问组成步骤和减少所需重复次数。

按照第二实施例，可以将推荐系统修改成只使用通过使用可以在图1的可选特征选择器117上进行的特征选择过程发现的前N个特征。前N个特征可以是对于某个简档来说最可区分的特征。

这样特征选择过程的例子可以是基于特征加权的Relief算法。允许投影矩阵的对角元素取实值数字，而不是二进制数字。这使一些行之有效的优化技术能够得到采用，并且顾及高效算法实现。在现有特征加权算法当中，如描述在，例如，如下文献中的Relief算法由于其简单性和高效性而被认为是最成功算法之一：K.Kira and L.A.Rendell,Apractical approach to feature selection,Proc.9th Int.Conf.Mach.Learn.,(1992),pp.249-256。最近已经证明，Relief算法是求解旨在使基于边界目标函数最大的凸优化问题的在线算法。边界是根据一个最邻近分类器定义的。与过滤算法相比，Relief算法由于在搜索可用特征时非线性分类器的绩效反馈而通常完成得更好。与传统包装方法相比，通过优化凸问题，Relief算法避免了任何穷举式或启发式组合搜索，因此可以得到有效实施。作为第一和第二实施例的延伸，也可以采用用户简档的否定评级来创建排除特征值与否定评级相对应的结果的询问(例如，[“Japan”“Karate”“Martial arts”“Tokyo”排除:“India”])。

图1的询问组成器118执行的询问组成步骤也可以包括使用，例如，词库或本体根据给定特征-值对扩展询问的可靠“询问扩展”操作。这也可以应用于防止数据库之间的术语失配。

要注意的是，可以将搜索推广到与原始简档不同的类别的项目。例如，有关书籍的信息可以从，例如，在线书店中检索和根据TV观看简档建议(跨域推荐)。

要注意的是，本发明可以应用于机顶盒、电视机、移动电话、个人数字助理(PDA)、个人计算机(PC)、个人录像机(PVR)、音频系统(包括便携式音频设备)、互联网服务(包括音频和视频服务)、和推荐器用于从多个来源中收集，过滤，和向它们的用户展示内容项的所有设备的任何推荐系统。本发明因此不局限于电视或电影内容的推荐器，而是可以应用于音乐、戏剧节目、书籍和可以为其构建推荐器的所有类型产品和服务。

总之，已经描述了控制推荐系统的装置、方法和计算机程序产品，其中采用推荐器通常用于预测用户评级的用户简档为内容源为远程数据库生成目标询问，以便得出推荐器可以评分和作为建议提供给用户的一组结果。

虽然在附图和上面的描述中已经详细例示和描述了本发明，但这样的例示和描述被认为是例示性的或示范性的而不是限制性的。本发明不局限于公开的实施例。通过阅读本公开，其他修改对于本领域的普通技术人员来说是显而易见的。这样的修改可能牵涉到在现有技术中已知的和可以取代本文已述的特征或除了本文已述的特征之外使用的其他特征。

本领域的普通技术人员可以通过研究附图、公开和所附权利要求书理解和实现公开实施例的变型。在权利要求书中，词汇“包含”并不排除其他元件或步骤，以及不定冠词“一个”或“一种”并不排除多个元件或步骤。单个处理器或其他单元可能根据相应软件例程至少完成图1和2的功能。计算机程序可能存储/分布在像与其他硬件一起或作为其他的一部分供应的光存储介质或固态介质那样的适当介质上，但也可以以其他形式，像经由互联网或其他有线或无线通信系统那样分发。某些措施被列举在相互不同独立权利要求中的仅有事实并不指示不能有利地使用这些措施的组合。权利要求书中的所有标号都不应当理解为限制本发明的范围。

Claims (9)

1.一种控制推荐系统的装置，所述装置包含：

a)特征-值提取器(116)，用于分析用户简档(109)和提取表征所述推荐系统的用户的特征-值对；

b)询问组成器(118)，用于根据所述特征-值提取器(116)提取的特征-值对组成询问以便发送给至少一个内容源(103)；以及

c)推荐引擎(107)，用于评级响应所述询问获得的结果以便为所述用户提供推荐，

所述装置的特征在于进一步包含特征选择器(117)，用于从所述特征-值提取器(116)提取的所述特征-值对中选择对于所述用户简档(109)来说最可区分的那些特征-值对，

其中，所述特征-值提取器适配于基于否定的用户评级来提取特征-值对，使得询问由排除了具有与否定评级对应的特征-值的结果组成；

其中，所述询问组成器和所述推荐引擎被分别配置为迭代地进行询问的组成和对结果的评级，直到已经获得预定数量的被评级为相关的内容项，以及

其中，询问组成器(118)适配为在多个特征-值对与同一特征对应的情况下，在不同的迭代时打开和关闭不同的特征。

2.按照权利要求1所述的装置，其中所述特征-值提取器(116)适用于根据肯定和否定用户评级的至少一种提取特征-值对。

3.按照权利要求1所述的装置，其中所述询问组成器(118)适用于使用词库或本体来扩展所述询问。

4.按照权利要求1所述的装置，其中所述询问组成器(118)适用于将所述询问推广到除了所述用户简档(109)的那些之外的类别。

5.按照权利要求1所述的装置，其中所述用户简档(109)是从所述推荐系统中导出的。

6.按照权利要求1-5任一项所述的装置，其中所述特征选择器(117)适配于将Relief算法作为特征选择算法用于选择最可区分的特征-值对。

7.按照权利要求6所述的装置，其中提供非线性分类器，用于提供绩效反馈以便相比较于过滤方法改进Relief算法的绩效。

8.按照权利要求6所述的装置，其中特征选择器被配置用于进行避免任何穷举式或启发式组合搜索的Relief算法。

9.按照权利要求1-5任一项所述的装置，其中提供附加特征选择器用于仅使用对于某个用户简档来说最可区分的一组结果的前几个特征-值。