最近与某广电运营商交流用户画像与节目推荐，借机学习了在机顶盒上实现节目推荐的算法原理，这个算法是在一篇硕士论文中看到的，将其中关键的部分写下来，权当是自己的学习笔记。 由于机顶盒是一个面向家庭所有成员收看电视的设备，仅仅根据播放历史进行推荐，无法准确匹配出当前正在收看电视成员其个人的收视喜好，带来推荐不准确的问题，因此，该算法通过将播放历史与当前时刻播放节目进行综合匹配，生成推荐列表的办法，改进推荐算法：
离线推荐 离线推荐是基于协同过滤算法，利用播放历史为每个用户预先生成推荐列表。离线推荐会生成三个列表：即基于同类用户生成当前用户未收看的列表、基于同类节目生成节目列表、基于播放历史中连续剧类型的节目，生成未收看连续剧的列表。该算法的关键是在生成推荐节目列表的时候，每个节目都会有用户对该节目的偏好值，从而在列表融合的时候，可以根据偏好值最节目进行排序。 实时推荐 实时推荐是基于用户当前正在播放的节目内容，计算出用户对收看节目的偏好值，然后从EPG中获取未来要播放的节目，根据正在播放节目与未播放节目的相似度，计算出对未来播放节目的偏好值P1；从离线推荐列表中获取推荐列表，与EPG中未来播放节目进行匹配，获取出可以推荐的节目P2。将P1与P2节目列表进行融合，按照节目偏好值排序，生成最终需要给用户推荐的节目列表。该算法虽然是基于直播节目阐述的，但可以很容易适应到点播类推荐，该算法的关键是计算出用户对每个节目的偏好值，其中， 1、对于已收看节目的偏好值，可以通过用户收看节目的次数、时长等因素进行计算。如果用户已经有标签，则可以通过收视偏好的标签进行计算； 2、对于未收看节目的偏好值，可以通过节目与用户已收看节目的相似度，进行间接计算。
