基于协同过滤推荐算法的电视节目营销推荐方案

电视作为现代的主要娱乐媒介之一，每个人对不同的电视节目都有不同的偏好，如果可以知道用户的偏好就能更好地推荐用户喜欢电视节目，使收益最大化，而了解用户偏好的方法之一是通过用户的观看记录分析最佳的推荐方案。在面向电视推荐的领域中，用户观看电视节目过程中的观看行为体现了用户对电视节目的兴趣偏好，在一定时间内用户的兴趣偏好比较稳定，因此，本文通过对用户的历史行为数据进行量化处理，建立用户兴趣偏好模型，应用协同过滤算法，找出用户之间存在相似行为的关系，得到一个中间变量，再使用这个变量去估计用户对没看过的产品的偏好程度．以便推荐最合适的产品。