【精品】“央视专区”智能推荐系统与编排算法设计

关注「广电猎酷」 关注广电科技

本文由《广播与电视技术》杂志独家授权。本文刊发于2018年第6期。

作者：马健1，邱亚1，刘子冬1，吴钟乐2，肖红江2（中央电视台）1（国家新闻出版广电总局广播电视规划院）2

【摘 要】

本文介绍应用于“央视专区”的智能推荐系统和编排算法设计。智能推荐系统引入台内评价等引导因子，结合运营策略、宣传要求等因素对用户提供个性化推荐；编排算法设计充分考虑电视大屏视觉呈现和遥控器操控等特点，通过建模分析，将重点推荐的节目编排在电视屏幕的最佳统计呈现位置，有效提高用户收看节目的操控便捷性。

【关键词】智能推荐，编排算法设计，央视专区

0 概述

“央视专区”是中央电视台基于有线电视网络的融合媒体服务系统，以中央电视台精品电视节目主要内容，各频道针对互动电视用户收视需求，将电视重新精编的节目，包括综合、财经、综艺、中文国际、体育、电视剧、记录、戏曲、社会与法、少儿、音乐等多个频道及热点专题栏目，突出特点是直接为用户提供节目内容点播服务，彻底改变电视台在有线网络中只有播出渠道、无法掌握用户的局面，提高中央电视台新媒体内容的覆盖范围和传播效果，提升中央电视台媒体影响力。

“央视专区”是以服务提供商（SP）的模式与有线电视网深度融合，通过采集全国有线电视用户收视行为数据，协同大数据分析系统，结合运营策略、宣传要求等因素对“央视专区”的节目进行智能编排与推荐，为用户提供精准个性化服务。本文介绍应用于“央视专区”的智能推荐系统和编排算法设计。智能推荐系统结合对用户收视行为数据的分析，引入台内评价等引导因子，结合运营策略、宣传要求等因素对用户提供个性化推荐；编排算法设计充分考虑电视大屏视觉呈现和遥控器操控等特点，通过建模分析在使用遥控器操控电视机时，位于屏幕不同位置的节目被用户点击的概率，将重点推荐的节目编排在电视屏幕的最佳统计呈现位置，有效提高用户收看节目的操控便捷性。

1 智能推荐系统与编排算法设计

1.1 智能推荐系统

推荐系统是咨询过滤的一种应用，相对于过去的信息匮乏，现今面对海量的信息，用户很难通过以前的手段筛选出自己想要的信息。推荐系统在一定程度上解决了信息筛选的问题，它能够将用户可能喜好的资讯或物品推荐给用户[1]。它和搜索引擎不同，它不要求用户必须提供明确的搜索关键词，而是通过对用户的历史行为信息进行分析，找到他们可能感兴趣的物品或信息，并向用户进行推荐。

而随着有线电视双向化的推进，电视运营商提供直播、点播、回看、第三方内容等越来越多的视频内容，用户可以自主的选择多种形式的节目，智能推荐系统的作用越来越凸显。总体来说，推荐由三个要素组成：用户，推荐候选对象、推荐算法。

在实际应用环境中，用户的收视需求可以简单描述为一个二元模型：

收视需求= 收视心理+ 收视冲动

其中，收视心理是指用户长期收视品味、偏好、习惯等，一般变化较慢；收视冲动是指用户受时间、地点、社会事件等上下文环境影响而产生的急切需要，一般变化较快。

现有的视频领域推荐系统往往都不是单纯只采用了某一种推荐的机制和策略，他们往往是将多个方法混合在一起，从而达到更好的推荐效果，如使用热门推荐和协同过滤算法为用户推荐节目。但是这样的组合推荐算法通常只考虑了用户长期或阶段性的收视行为习惯，没有结合当前热点事件、突发事件和特殊阶段对于收视行为的影响，应综合考虑各项因素，与当前热点（与网络热搜、微博、新闻热点等）相关联，并考虑各项因素对于用户收视行为的影响因子和系数比重。

随着信息传播技术的迅速发展，以互联网为代表的新兴媒体在新闻传播领域异军突起，非主流媒体、网络宽频、网络电视、手机报纸等新的信息传播渠道层出不穷。网络为社会搭建了一个平等开放的对话空间。信息传播渠道的多样化、传播方式的个性化、传播内容的宽泛化，使当前的社会舆论环境和社会舆论结构呈现出多层次的复杂状态。

2016年2月19日，中共中央总书记、国家主席、中央军委主席习近平在北京主持召开党的新闻舆论工作座谈会并发表重要讲话。他强调，党的新闻舆论工作是党的一项重要工作，是治国理政、定国安邦的大事，要适应国内外形势发展，从党的工作全局出发把握定位，坚持党的领导，坚持正确政治方向，坚持以人民为中心的工作导向，尊重新闻传播规律，创新方法手段，切实提高党的新闻舆论传播力、引导力、影响力、公信力。

中央电视台作为国家主流舆论引导的国家宣传机构，还具有引导公众舆论和娱乐消费的使命，不能盲从于用户的偏好，在媒体融合创新实践中不断适应时代发展，扩大自身的传播力、引导力、影响力。为了更好地将用户偏好与导向相结合，“央视专区”在基于有线网络的新媒体传输分发服务系统中创新地在组合推荐算法中融合了对主流舆论引导因子，综合考虑各项因素，包括运营策略、宣传要求、热点事件、突发事件和特殊阶段对收视行为的影响，动态形成一种综合多种因素的综合推荐策略，如图1所示。

推荐策略综合考虑了以下因素：

1. 台内评价：按照节目导向对用户收视进行的引导，包括全台重大报道、重点选题，频道重点推荐栏目、编辑推荐等，目前已建立一套台内评价的标签，分别对不同等级的节目赋予不同的评价权重；

2. 用户喜好因子：根据用户的喜好推荐节目；

3. 收视热度因子：优先呈现新上架的节目，通过时间惩罚因子计算节目热度的衰减，对不同时效的节目分配不同的时间惩罚系统，时效性较强新闻类的节目时间惩罚系数较大，时效性较弱的专题节目时间惩罚系数较小；

4. 直播收视因子：通过有线直播电视频道的收视数据进行主题分析；

5. 时移回看收视因子：通过有线时移回看的收视数据进行主题分析；

6. 互联网评论因子：基于互联网上的相关评论进行主题分析；

7. 近远期收视行为因子：着重考虑用户近期收视行为，快速响应用户的喜好变化；

8. 推荐去重：及时更新用户已收看的推荐节目，让用户保持新鲜感。

上述推荐策略既考虑了用户的喜好，又发挥了主流引导作用，同时更加关注用户的感受，让用户感受到充分的关注。

1.2 编排算法设计

在互联网高速发展和延伸的时代，智能电视作为多屏互联的重要节点和网络生活的崭新路口，以其大屏幕、高清晰的特性，在家庭客厅中仍然占据主导地位，随着大屏智能设备的普及，如何做好电视屏的UI设计及人机交互成为不可忽视的课题。

电视普遍使用遥控器进行操控，操作的方便程度比较低，按键操作步数直接影响用户对节目的选择。目前广电运营商和视频内容提供商都储备了海量的视频资源，而电视屏每一页面能呈现的节目数有限。因此，如何将用户喜欢的内容呈现在电视的首页和其他各页面让用户更多的点击收看视频节目成为各广电运营商和视频内容提供商考虑的问题。

用户打开电视进入某视频应用首页后，一般能看到首页上有不同的栏目板块以及重点推荐的视频节目，视频节目一般是通过缩略图显示，每一屏幕上显示多个缩略图。用户通过遥控器的方向键移动电视的光标到需要选择的节目或频道，然后点击收看。节目如何编排直接影响节点被点击所需要的按键操作次数，进而影响节目的点播次数。现有的电视节目编排大多是直接将重点推荐的节目放在最左上角的位置或者以更大的缩略图突出显示，没有理论支撑。

谷歌母公司Alphabet是全球最大媒体主，广告业务营收贡献了整个母公司Alphabet高达9成的利润占比。谷歌公司为了精准投放广告，对其搜索页面的用户点击情况以及用户视觉注意力情况进行研究[2]，以此作为广告投放编排的依据。

Netflix是目前全球最成功的网络视频运营商，且主要用户都使用大屏电视作为视频收看媒介。Netflix在智能推荐系统上做得非常出色，曾连续多年设立100万美元奖金奖励将其推荐系统效果改进10%的团队[3]，且拥有海量的视频资源，可以填满上千页的屏幕，然后真正最有价值的只有首页的有限空间，因此如何做好视频的编排至关重要。

编排算法的设计是为了解决如何摆放个性化推荐内容位置的问题。将推荐系统认为用户最想看到的节目放在点击概率高的位置才能真正提高推荐的转化效率，让用户能够获得更好的体验，进而提高用户粘性。

编排算法的关键点为基于电视屏的点击概率分布算法，将电视屏分为m×n的矩阵方块，一般来说，屏幕的左上角的初始概率最大，往右和往下两个方向，初始概率都递减，形成一个初始的重要程度分布。在此基础上，考虑遥控器的操作，产生一个更新概率，最终得到点击概率分布。

1. 初始重要程度分布如图2所示。

使用小写pαij表示任意位置的重要程度分布，有分布函数如下：

其中，p0为α11的重要程度，α和β分别为向右和向下的衰减因子。

2. 更新概率用大写的Pαij表示，其意义是光标从不同位置到达αij的概率之和。我们假设用户总是以最短路径（遥控器操作切换最少）从起始位置到达目的位置。

位置αij的更新概率定义为：

为计算更新概率，将屏幕分为4个区间，如图3所示。

其中，向左和向上的按键属于回退，对αij的更新概率都有贡献。上、下、左、右的按键操作概率分别用pu、pd、pl、pr表示。

可以得到重要程度指标计算公式如下所示：

其中，paxy为位置αxy的重要程度分布，即pαxy=p0αx-1βy-1。

3. 考虑到用户回退步长N对回退概率的影响

考虑到用户视觉焦点及余光效应，假定用户只会选择N次按键范围内视频内容，即只有在αij周围N步内的上述红框区域才对回退概率有贡献，等价于在各红框区域的位置以N为半径画圆，如果能到达αij则说明该位置可以算入。考虑移动步长后的，得到更新概率计算公式如下所示：

更新概率即为最终的分布概率。

2“央视专区”电视屏呈现的设计

电视大屏作为家庭客厅的核心，通常观看距离在3米左右，考虑到目前市面上主流的电视屏在50-65寸这个区间，“央视专区”暂时采取的是每屏呈现6个视频，即m=2，n=3，以2×3的矩阵显示，6个位置分别用a11、a12、a13、a21、a22、a23表示。未来根据电视尺寸有更多的布局方案，算法可以扩展到m×n任意布局。

一般来说，用户向上和向左回退的概率是相等的，我们取pu=pl。初始光标位置位于a11上方时，向下按键不存在按键的切换，而向右按键需要切换，所以有α>β。设N>3，即移动步长对回退概率可以不考虑。

计算可得到概率密度分布顺序如下：

因此，“央视专区”综合考虑各项因素，包括热点事件、突发事件和特殊阶段对收视行为的影响，动态形成各项收视行为影响因子和系数权重，并基于多通道组合推荐算法为用户提供体验更优的个性推荐。个性化呈现效果如下图所示，包括导航栏个性化排列、内容个性化推荐、热播统计排行，以及按照运营计划的重要内容置顶等多种形式。6个视频的排列顺序按照前文计算的顺序进行排列。

3 结束语

本文介绍应用于“央视专区”的智能推荐系统和编排算法设计。智能推荐系统结合对用户收视行为数据的分析，引入台内评价等引导因子，结合运营策略、宣传要求等因素对用户提供个性化推荐；编排算法设计充分考虑电视大屏视觉呈现和遥控器操控等特点，通过建模分析在使用遥控器操控电视机时，位于屏幕不同位置的节目被用户点击的概率，将重点推荐的节目编排在电视屏幕的最佳统计呈现位置，有效提高用户收看节目的操控便捷性。

参考文献

[1] 江永胜. 智能电视视频推荐系统的设计与实现[D]. 电子科技大学,2015.

[2] Granka L, Rodden K. Incorporating eyetracking into user studies at google[J]. Workshop Paper Presented at Chi, 2006.

[3] Hallinan B, Striphas T. Recommended for you: The Netflix Prize and the production of algorithmic culture[J]. New Media & Society, 2016, 18(1): 117-137.

第一作者简介 马健， 男，1985年4月7日生， 本科，工程师，邮箱majian@cctv.com，主要从事中央电视台基础资源相关系统的建设与运维工作。

好文共赏请转发 有话要说请留言