浅谈个性化电视产品推荐系统面临的挑战

三网融合使得广播电视运营商可以与众多的家庭用户实现信息的实时交互，这使得全方位、个性化的产

推荐系统作为一种信息过滤技术，用于提供个性化推荐服务，帮助用户在“信息超载”的互联网中找到感兴趣的物品，提高用户选择决策的质量[1]。个性化推荐系统作为解决当前大数据时代性信息过载问题的手段之一[2]，其广泛应用于电子商务产品推荐、新闻推荐、音乐视频推荐等领域。三网融合要求实现网络层面上能够相互联通[3]， 在业务发展方面能够相互渗透， 从而确保资源共享程度达到最大化[4]。

随着Internet 相关技术的发展与应用程序开发的快速高效化，加速了互联网、电信网、广播电视网三网融合的进度，为传统电视广播媒体带来了新的机遇与挑战。广播电视运营商可以与众多的家庭用户实现信息的实时交互，这使得全方位、个性化的产品营销和有偿服务成为现实。

1995 年3 月， Marko Balabanovic 等人在美国人工智能协会首次提出了个性化推荐系统LIRA。

1997年Resnick 在发表的文章中指出， 人们在生活中常常需要对自己不了解的事务做出判断， 在这种情况下只能依据他人的意见来进行决策，而推荐系统就是对这种行为的模拟，通过使用相关算法对他人的用户行为信息进行分析处理，并将结果提供给需要推荐的用户[5]。2000 年清华大学的路海明等提出了基于多Agent 混合智能实现个性化推荐的研究[6]，作为个性化推荐系统的模型，标志着我国开始了个性化推荐系统的研究。为应对不同使用场景，目前各大互联网公司都有自己的个性化推荐系统，从算法到框架的更新使得个性化推荐系统越来越智能。

通俗来说，个性化推荐系统为缺乏足够个人经验和能力的使用者提供服务，因为这些用户不能评估潜在的大量的可供选择的物品[7]。与搜索引擎不同的是，推荐系统并不需要相应用户提供自己明确的需求。作为搜索引擎的互补模型，推荐系统需要对使用者的历史行为进行分析与挖掘，同时完成对用户兴趣的预测建模。以帮助使用者在目的不明确的时候，发现自身可能比较有兴趣的内容。随着中国广播电视网络公司取得了5G 商用牌照，加速了三网融合基础下的个性化电视节目推荐系统的实现。

对每个观看用户有针对性的进行电视产品推荐，从而帮助用户在海量信息中找到适合自己的信息。推荐系统充分利用和挖掘用户的行为数据，从而帮助用户精准推荐自身比较有兴趣的新产品。通过个性化电视产品推荐系统，可以减少用户在面对众多节目的选择困难以及为了选择喜欢的节目而不断切换频道造成的时间消耗，帮助用户在海量电视产品节目中快速的寻找到喜欢的电视产品[8]。个性化推荐系统与搜索引擎的相互补充，最大限度的使系统比用户更懂用户，随着深度学习、知识图谱、用户体验建模和视觉体验优化等新技术的发展，个性化推荐系统不仅增加用户的体验好感度，而且在算法实现过程中更具有高效性和实时性，为场景带来更多的点击率和更低的疲劳度。