基于用户行为的产品相似性推荐模型及用户、产品标签化推荐模型

陈宸

摘 要 文章就基于用户行为的产品相似性推荐模型及用户、产品标签化推荐模型进行研究，通过用户在观影中的点播行为，从聚类模型、熵值法打分模型两个角度解构这一行为，对用户行为和产品的业务标签进行抽取，从而形成预测模型，为用户提供更加个性化的点播体验。

关键词 用户行为；产品相似性；推荐模型

中图分类号 G2 文献标识码 A 文章编号 1674-6708（2018）216-0164-02

1 基于用戶行为的产品相似性推荐模型

1.1 推荐模型的定义

由于互联网电视以网络为平台，因此各类影视资源非常集中而丰富，但是受到互联网电视界面的限制，影视资源不可能一一罗列，因此用户在实际使用中并不能根据自主意识达到完全准确搜索的程度，为避免用户的观影体验受到影响，影视产品的推荐必须符合用户的个性化喜好，从而帮助用户精准搜索，提高观影的质量。

1.2 推荐模型的目标

推荐模型着重对用户的影视点播行为进行深层次的分析，然后对窗口期的观影喜好进行预测，着重以用户的点击行为为预测的依据，然后计算出产品的推荐概率，将排序靠前的产品作为用户偏好的推荐产品（如表1所示）[1]。

1.3 推荐模型的思路

一般采用协同过滤模型为用户推荐产品，但这种模型只能为用户提供历史观看的影视产品，而对于用户而言，更高质量的推荐必须建立在新产品的基础上，因此在互联网电视中不能应用协同过滤这种推荐模型，而应该着重对用户的点播行为进行分析，从而全面掌握用户的观影喜好，从而提供相似的产品，使用户获得更优质的观影体验。……