买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉联通视频科技有限公司申请的专利基于人工智能的影视内容智能推荐方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120763360B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511283898.2，技术领域涉及：G06F16/735；该发明授权基于人工智能的影视内容智能推荐方法及系统是由刘洋;宋海涛;叶东海;袁野;姜松涛;丁泽洋;曹海文;王然;宋广昊;李海龙设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本基于人工智能的影视内容智能推荐方法及系统在说明书摘要公布了：本发明公开了基于人工智能的影视内容智能推荐方法及系统，方法包括多源数据采集、数据优化、群体影视内容推荐、个性化推荐优化排序和影视内容智能推荐。本发明涉及数据处理技术领域，具体是指基于人工智能的影视内容智能推荐方法及系统，本方案创新性地将群体推荐与个性化优化的结合，实现群体代表性与个体差异性的动态平衡；创新提出密度修正机制、加权距离计算、代表点合并机制和模糊加权分配策略进行改进聚类算法，提高聚类准确性，提升了群体推荐的精度与用户满意度；采用自适应参考个体选择策略和基于迭代的全局探索权重改进优化算法，显著提升模型输出结果的准确性，实现了个性化影视内容推荐优化排序的稳定性。

本发明授权基于人工智能的影视内容智能推荐方法及系统在权利要求书中公布了：1.基于人工智能的影视内容智能推荐方法，其特征在于：该方法包括以下步骤： 步骤S1：多源数据采集，通过数据采集操作，得到影视推荐原始数据； 步骤S2：数据优化，具体为对影视推荐原始数据进行数据清洗、数据标准化、数据编码处理和影视推荐特征选择，得到影视推荐优化数据； 步骤S3：群体影视内容推荐，用于在用户群体层面进行影视内容推荐，具体为引入密度修正机制、加权距离计算、代表点合并机制以及模糊加权分配策略对聚类算法进行改进，构建用户群体划分的聚类算法，将影视推荐优化数据中的影视推荐数据输入至聚类算法，生成用户群体划分结果，结合各群体的历史推荐反馈信息，对群体内影视内容进行筛选与组合，得到群体推荐影视内容集合；具体包括以下步骤： 步骤S31：构建用户群体划分的聚类算法；具体包括以下步骤： 步骤S311：相似度计算，具体为使用欧几里得距离计算数据点之间的相似度； 步骤S312：修正密度计算，具体为通过引入密度修正因子进行变异密度计算，得到修正密度值；所用公式如下： ； 式中，表示最大的局部密度，表示数据点i的修正密度值，表示截断距离阈值，表示密度修正因子，取值范围为，用于调整稀疏群体的权重，表示数据点i和数据点j之间的相似度值； 步骤S313：加权距离计算，具体为计算到更高密度点的最小距离时，引入动态密度权重进行修正，得到加权距离值；所用公式如下： ； 式中，表示数据点i到比其密度更高的数据点的最小距离，表示数据点i的加权距离； 步骤S314：簇中心形成，具体为首先通过修正密度与加权距离双重条件选取候选代表点集合，然后利用代表点合并阈值对候选代表点进行合并操作，最终生成稳定的簇中心集合； 所述合并操作具体为对于候选代表点集合中的任意两个数据点，计算其相似度，若相似度，则认为这两个代表点过于接近，属于同一个用户群体，应当进行合并，保留修正密度更高的候选代表点作为新的簇中心，若，则保留为不同簇中心；所用公式如下： ； 式中，表示代表点合并阈值，n表示数据点的数量，表示调整因子； 步骤S315：初始微簇构建，具体为通过局部异常因子方法对数据点进行检测异常点，将靠近簇中心且非异常的正常点识别为候选分配对象，并将正常点直接归入与其最近簇中心相同的群体中，从而形成局部初始微簇；所用公式如下： ； 式中，表示正常点集合，表示局部异常因子函数，表示第i个数据点的向量； 步骤S316：剩余点再分配；具体包括以下步骤： 步骤S3161：隶属度计算，具体为对每个未分配的数据点，基于动态模糊加权方法计算每个数据点对各簇的隶属度值；所用公式如下： ； ； 式中，表示数据点i和数据点j之间的相似度权重，表示数据点i与数据点j的近邻准则权重，表示数据点e和数据点j之间的相似度权重，表示数据点i对簇c的隶属度值，表示数据点i的k个最近邻集合，表示数据点j的k个最近邻集合，表示数据点j已归属的簇； 步骤S3162：最优簇选择，具体为对每个未分配的数据点，并记录其最大隶属度值和对应的簇； 步骤S3163：剩余点迭代分配，具体为选取全体未分配数据点中隶属度最高的数据点p，将其分配至对应簇中，并更新其分配状态，同时，对数据点p的k个近邻数据点q，更新其对各簇的隶属度，并重新计算新的最大隶属度值与对应簇标签，重复上述分配过程，直到所有剩余点均被分配； 步骤S317：获取聚类结果，具体为在全部数据点被分配完成后，将其聚合到相应的簇标签中，形成相互独立的簇，每个簇对应一个具有相似特征的用户群体； 步骤S32：获取实时用户聚类结果，具体为将所述影视推荐优化数据中的历史影视推荐数据和实时影视推荐数据输入到用户群体划分的聚类算法，生成多个相互独立的用户簇，对每个簇的聚类质量进行评估，计算其对应的轮廓系数，并将轮廓系数高于预设阈值的簇筛选出来，得到用户群体划分结果； 步骤S33：获取群体推荐影视内容集合，具体为基于用户群体划分结果，确定目标用户所属的群体，在该群体内对历史的推荐的影视内容的历史推荐反馈满意度进行统计与量化，将该群体内反馈等级为优和高的影视内容筛选出来，并进行组合，形成目标用户对应的群体推荐影视内容集合； 步骤S4：个性化推荐优化排序，用于在个体用户层面进行群体推荐影视内容推荐排序优化，具体为构建并训练个性化影视排序模型，并采用自适应参考个体选择策略和基于迭代的全局探索权重进行优化算法的改进，进行模型超参数优化，获取最优模型超参数组合，得到最优个性化影视排序模型，将目标数据输入到此模型中，生成各影视内容的个性化评分结果，并依据评分结果高低对影视内容进行排序，得到符合目标用户的个性化影视内容推荐序列； 步骤S5：影视内容智能推荐，基于个性化影视内容推荐序列生成最终的影视内容推荐列表，并在用户端进行影视内容展示，实现用户与影视内容的智能化推送。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人联通视频科技有限公司，其通讯地址为：300308 天津市东丽区空港经济区西七道中国联通；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。