云計算環(huán)境下的個性化數(shù)字電視節(jié)目推薦系統(tǒng)

1、云計算環(huán)境下的個性化數(shù)字電視節(jié)目推薦系統(tǒng)摘要：互聯(lián)網(wǎng)協(xié)議電視（IPTV）、有線電視（CATV）、互聯(lián)網(wǎng)、用戶創(chuàng)建內(nèi)容（UCC）和數(shù)字電視（DTV）等的廣泛部署確保了可供用戶選擇的頻道和節(jié)目的快速增長。當(dāng)我們考慮到傳統(tǒng)電視節(jié)目的技術(shù)和政策時，這是沒有預(yù)料到的。由于這些范式的變化，數(shù)百個頻道和節(jié)目現(xiàn)在對消費者來說已經(jīng)是可能的了。但是當(dāng)通過遠(yuǎn)程遙控或者頻道導(dǎo)航圖來搜尋自己感興趣的頻道和節(jié)目時就變得很困難并且浪費時間。為了改善頻道搜索過程以及滿足消費者的需求，我們提出在云計算環(huán)境下的個性化數(shù)字電視節(jié)目推薦系統(tǒng)。這種PDPR系統(tǒng)分析和使用了用戶的觀點模式，使節(jié)目推薦達(dá)到個性化的要求并且高效的使用了計算資

2、源。關(guān)鍵詞：個性化頻道推薦、云計算、數(shù)字電視、互聯(lián)網(wǎng)協(xié)議電視一、引言目前，互聯(lián)網(wǎng)協(xié)議電視（IPTV）、有線電視（CATV）、互聯(lián)網(wǎng)、用戶創(chuàng)建內(nèi)容（UCC）和數(shù)字電視（DTV）等都得到了廣泛部署，電視資源（包括頻道和節(jié)目的數(shù)量）也已經(jīng)在快速的增長。這在廣播領(lǐng)域內(nèi)是一種范式的變化。此前，有限的內(nèi)容提供商存在，如持有許可證的電視無線電廣播公司和數(shù)目不多的有線電視及衛(wèi)星廣播運營商。所以頻道和節(jié)目的數(shù)量是有限的，消費者可以很輕易地通過頻道搜索來找到他們喜愛的節(jié)目。然而，隨著頻道和節(jié)目數(shù)量的不斷增加，這種方式的搜索已經(jīng)不能像以前那樣簡單讓人感到舒適了，現(xiàn)在的頻道有上百個，并且隨著用戶不斷創(chuàng)建內(nèi)容以及廣播公

3、司私有網(wǎng)絡(luò)的建立，這一數(shù)量還在不斷增加?；谶@種趨勢，新一代的頻道推薦系統(tǒng)在這種多頻道和多資源的領(lǐng)域是很有必要的。在標(biāo)準(zhǔn)化領(lǐng)域，TVanytime曾經(jīng)嘗試著使用消費者的個人資料和偏好信息來創(chuàng)建一個頻道推薦系統(tǒng)，根據(jù)消費者的個性化信息，一個“個性化電子節(jié)目導(dǎo)航”系統(tǒng)被創(chuàng)建并提供給消費者。在學(xué)術(shù)界，關(guān)于頻道推薦的傳統(tǒng)研究被分類如下：內(nèi)容為基礎(chǔ)的頻道推薦方法；協(xié)作頻道推薦方法；聯(lián)合過濾方法，這種方法用協(xié)作頻道過濾技術(shù)來提供一個基于內(nèi)容的過濾器；為了下一代EPG系統(tǒng)的基于客戶-服務(wù)器的頻道推薦方法。最近，由于其對計算資源的高效利用以及綠色信息技術(shù)（IT）基于IP廣播的趨勢的可能性，云計算引起了廣播公司

4、的極大興趣。這些廣播公司通過計算機(jī)存儲使他們的內(nèi)容和商店數(shù)字化，然后嘗試通過基于IP的傳輸如IPTV和互聯(lián)網(wǎng)，來分發(fā)他們的內(nèi)容。隨著這種趨勢，一些公司開始嘗試為內(nèi)容管理和分配系統(tǒng)（CMDS）應(yīng)用云計算技術(shù)，以減少安裝和運營成本。在韓國，“基于云計算的有線數(shù)字電視發(fā)展項目”開始于2009年的三月份，將結(jié)束于2011年的某一時間，它是由韓國通信委員會資助的。這個項目的目標(biāo)是構(gòu)建“存儲云”，它可以利用云計算技術(shù)高效地存儲和管理服務(wù)運營商的電子化內(nèi)容。同時，服務(wù)于共同基礎(chǔ)設(shè)施的共享技術(shù)被認(rèn)為是為了避免重復(fù)投資，也是為了提供基于下一代計算和通信技術(shù)的智能化、個性化廣播服務(wù)。在這些背景下，基于對消費者觀點

5、模式的分析，我們提出云計算環(huán)境下的個性化數(shù)字電視節(jié)目推薦系統(tǒng)。這種個性化方法收集和分析了這樣的觀點模式，比如：目標(biāo)用戶對內(nèi)容的觀點模式，全部用戶觀點模式的統(tǒng)計信息，用戶的私人資料或偏好信息，一種通信服務(wù)，偏好的設(shè)備類型如移動電話、個人電腦等等。本文安排如下：第二章調(diào)查傳統(tǒng)方法及其相關(guān)問題，第三章提供建議系統(tǒng)的詳情，第四章評估和分析建議系統(tǒng)的表現(xiàn)情況，第五章總結(jié)和展望未來的工作。二、背景及相關(guān)研究這一部分將解釋基于云計算環(huán)境的下一代有線數(shù)字廣播服務(wù)技術(shù)，同時，我們也將討論以前各種各樣的頻道推薦方法。A、應(yīng)用于下一代數(shù)字電視的云計算云計算是這樣的一個系統(tǒng)，它實現(xiàn)了用一臺超級計算機(jī)服務(wù)器來存儲數(shù)據(jù)和

6、程序。系統(tǒng)通過互聯(lián)網(wǎng)用戶的需要進(jìn)行訪問。它可以被定義為一種標(biāo)準(zhǔn)化的與位置無關(guān)的在線工具。整體環(huán)境包括虛擬化的大型計算機(jī)和遠(yuǎn)程訪問設(shè)備，比如個人電腦或移動設(shè)備。云計算的主要特點如下：點播：所有資源都是可分配的，并且參考用戶需求。高度抽象：用戶僅僅需要關(guān)注他自己的個人興趣。高效：收集所有的資源，并且由分配計算IT資源的軟件管理。如果云計算得以廣泛應(yīng)用，那么所有的數(shù)據(jù)資源都可以存儲在一個超級計算機(jī)數(shù)據(jù)庫中心，并且確保了個人電腦上的共享應(yīng)用得以存儲。這樣訪問超級計算機(jī)便是可能的，而不是簡單的個人電腦功能。由此我們提出了這樣一種基于消費者觀點模式分析的頻道和節(jié)目推薦系統(tǒng)。B、云計算環(huán)境下的下一代數(shù)字電視

7、廣播服務(wù)技術(shù)“在廣播領(lǐng)域應(yīng)用云計算技術(shù)和實踐”以及“通信的融合和IPTV技術(shù)為未來的融合服務(wù)”這兩種理念在2009年云計算論壇上被介紹開來。隨著部署寬帶融合網(wǎng)絡(luò)技術(shù)和廣播通信融合技術(shù)的發(fā)展，內(nèi)容服務(wù)環(huán)境已經(jīng)發(fā)生了劇烈變化。他同時也混合了基本的電信和媒體業(yè)務(wù)，比如IPTV、UCC、CATV、互聯(lián)網(wǎng)。根據(jù)下文的觀點，電視范式已經(jīng)變?yōu)槿诤系幕贗P的網(wǎng)絡(luò)以及移動寬帶網(wǎng)絡(luò)，比如移動WIMAX、LTE。從服務(wù)的角度來看，用戶不僅觀看已經(jīng)制作好的電影，他們也制作自己的內(nèi)容。固定與移動融合的電視的不斷發(fā)展使無處不在的訪問不受時間、地點或者服務(wù)的影響。邦介紹了實施綠色I(xiàn)T的方法，找出商業(yè)模式，創(chuàng)造就業(yè)機(jī)會，并

8、廣泛用于開發(fā)未來以有線云基礎(chǔ)設(shè)施為基礎(chǔ)的數(shù)字廣播技術(shù)。Choi介紹了IPTV EPG技術(shù)以及基于Web的用戶界面，下一代IPTV EPG技術(shù)可以分為互動型EPG，協(xié)作型EPG，定制型EPG三種。互動型EPG組件以門戶網(wǎng)站或者博客為基礎(chǔ)，協(xié)作型EPG組件技術(shù)是IPTV語義維基技術(shù)、多媒體標(biāo)簽技術(shù)以及Web服務(wù)技術(shù)，定制型EPG技術(shù)是EPG與頁面技術(shù)的混搭、基于語義的內(nèi)容匹配技術(shù)、需求建模技術(shù)。它還建議用戶偏好學(xué)習(xí)系統(tǒng)，個性化內(nèi)容的建議，自動調(diào)度，自適應(yīng)的EPG和基于Web的用戶界面。C、個性化頻道推薦系統(tǒng)基于用戶在頻道數(shù)量方面的偏好，個性化系統(tǒng)可以快速和容易地動態(tài)找到相應(yīng)頻道，并且可以方便地訪問

9、。對于這種個性化，推薦系統(tǒng)是必要的。圖1描述的例子是設(shè)在韓國漢城的CM電纜公司的EPG項目服務(wù)列表，大約有150種各類頻道。因為很難從這么多頻道中選擇一個用戶偏好的，一個建議系統(tǒng)可能會被強(qiáng)烈地需要。正因為如此，我們建議個性化的數(shù)字電視節(jié)目的推薦系統(tǒng)。一個一般的個性化推薦系統(tǒng)是 得分取決于用戶的偏好信息和相似，并建議高得分的方案。一般來說，推薦系統(tǒng)分為以下幾種類型：基于內(nèi)容的推薦系統(tǒng)推薦最有可能的匹配項，然后將推薦列表和用戶先前輸入的數(shù)據(jù)或是首選項目比較?；趦?nèi)容的推薦系統(tǒng)是基于信息檢索，并且普遍采用評級的方法。該評級方法計算推薦列表中用戶的偏好信息。它推薦了在用戶資料里最有可能的方案。這種方法

10、具有更容易被采納的優(yōu)勢，并且能夠更快速地進(jìn)行推薦。但是它也存在著結(jié)果差異和相應(yīng)等級設(shè)置效率的問題。有許多基于內(nèi)容的推薦系統(tǒng)。Zhang等人介紹了多媒體家庭平臺系統(tǒng)，這是一種基于內(nèi)容的網(wǎng)格推薦系統(tǒng)。kurapati等人介紹了多智能電視推薦和電子節(jié)目指南系統(tǒng)，實施一個基于內(nèi)容過濾的明確的和隱含的文件。Shin等人介紹了社會意識方案推薦系統(tǒng)，它分類和選擇同時滿足團(tuán)體和個人喜好的電視節(jié)目。從多個文件得出聯(lián)合建議的方法被提倡解決聯(lián)合多種過濾問題，例如一個人的偏好等級。這種聯(lián)合推薦的方法將帶來好處減少缺點。它使用經(jīng)過過濾的內(nèi)容，分析用戶的等級，并預(yù)測在新的領(lǐng)域用戶評級。針對基于協(xié)同過濾的內(nèi)容過濾，有許多多

11、重過濾推薦方法。pessemier等人介紹了基于用戶廣告偏好的推薦方法，使用的是在多種設(shè)備中的獲取模式，比如iDTV，因特網(wǎng)以及移動設(shè)備。Martinez等人介紹了頻道推薦方法，它利用奇異值分解（SVD）技術(shù)和上下文匹配技術(shù)，解決在協(xié)同過濾中用戶稀缺問題。三、云計算環(huán)境下個性化數(shù)字電視節(jié)目推薦系統(tǒng)云計算環(huán)境下個性化數(shù)字電視頻道推薦建議系統(tǒng)的概念系統(tǒng)架構(gòu)如圖2所示：圖2我們提出個性化數(shù)字電視節(jié)目推薦系統(tǒng)（PDPR），是以對消費者的觀看模式分析為基礎(chǔ)，通過云計算技術(shù)得來的。擬議的個性化方法收集和分析觀看模式，比如目標(biāo)用戶對內(nèi)容的觀看模式，整體用戶的觀看模式的統(tǒng)計信息以及用戶的私人信息或是偏好信息。

12、這是通過對用戶的計算環(huán)境，通信服務(wù)，首選設(shè)備類型如移動電話，個人電腦等分析得來的。就像圖3描述的那樣，計劃的個性化數(shù)字電視節(jié)目推薦系統(tǒng)涵蓋：媒體儲存云（MSC）、私人計算云（PCC）、個人互聯(lián)網(wǎng)終端（IIT）、推薦代理（RA）以及多媒體廣播系統(tǒng)（MBS）。圖三，個人數(shù)字電視節(jié)目推薦系統(tǒng)的簡要結(jié)構(gòu)媒體儲存云（MSC）是基于為在上百個頻道播出的媒體內(nèi)容提供儲存的云計算。內(nèi)容供應(yīng)商們（CV）諸如有許可的廣播公司、小到媒體操作員和內(nèi)容制作者都把他們自己的媒體內(nèi)容儲存在媒體儲存云上。服務(wù)代理商們（SAs）從MSC上提供內(nèi)容給消費者，并得出包括由消費者的資料以及對觀看記錄的分析得出的消費者的喜好在內(nèi)的統(tǒng)計

13、信息。MSC在個人計算云上更新這些用戶資料。 一般，傳統(tǒng)的頻道推薦系統(tǒng)只推薦那些可能已經(jīng)得到消費者喜愛的頻道。他們很少考慮新推出的頻道和節(jié)目。因此，這些系統(tǒng)也許可以在對傳統(tǒng)頻道和節(jié)目上表現(xiàn)出合理性，但是它們遇到新建立的頻道和節(jié)目時就沒有效率，也沒有對任何關(guān)于新頻道和節(jié)目用戶信息。為了解決這個問題，我們使用整體用戶統(tǒng)計出的瀏覽信息，然后分析目標(biāo)消費者的喜好的相似性。例如，一些消費者對虛構(gòu)戲劇幾乎沒有興趣?？赏瑫r，一些消費者對一些特殊戲劇的瀏覽喜好可導(dǎo)致前者看到極好地戲劇。又如，一些消費者可能對體育事件沒有任何興趣，但是一項重大的體育賽事，比如當(dāng)?shù)仃犖榈膰易闱蚵?lián)賽可能對整體消費群的觀看喜好是令人

14、興奮的，這可能讓非體育友好消費者在特定時段觀看這場比賽。因此，我們考慮了整體消費者的瀏覽模式，并用這一信息制定新媒體內(nèi)容的個人頻道推薦。私人計算云（PCC）監(jiān)控目標(biāo)用戶的個人信息。PCC提供管理、調(diào)度、安全、用戶資料的隱私控制以及需要的資源。一般，每個用戶的個人喜好信息可能通過智能設(shè)備產(chǎn)生，例如個人電腦、手機(jī)、筆記本?？膳c此同時，這設(shè)計的系統(tǒng)中，每個智能設(shè)備分別傳輸網(wǎng)絡(luò)日志歷史到PCC。文件管理器（PM）之后分析綜合的網(wǎng)絡(luò)日志，基于這些日志生成消費這的資料。個人資料過濾代理（PFA）分析某位用戶已經(jīng)生成資料和其他一些用戶資料的相似性。如果一些用戶在他們的目標(biāo)用戶中顯示出相似喜好，之后這些與之有

15、共同喜好的用戶已經(jīng)選擇（或偏好）的節(jié)目就會被推薦。這使得客戶間通過云計算的相似度檢查成為可行。因此，傳統(tǒng)需要大量消費者和精確偏好數(shù)據(jù)的合作方式問題可以被解決。另一個問題是傳統(tǒng)途徑里當(dāng)偏好數(shù)據(jù)不可用時，推薦新內(nèi)容是不可能的。然而，這個問題可以通過設(shè)計的PCC解決。因此通過設(shè)計的PCC可以在極短時間區(qū)分用戶的偏好并在開始時間提供頻道清單。PCC同時是獨立的設(shè)備位置，可以通過不同設(shè)備給用戶提供一致的個性化信息。相似的用戶計算是通過矢量空間模型評價。余弦相似度用來檢查和分類組之間的相似性，如中所示（1）。 這種方法通常用于評價消費者的個人資料之間的相似之處和選定頻道或節(jié)目。其中a，u是定義為偏好度矢量

16、，分別根據(jù)用戶（a）和用戶（u）為每個節(jié)目提供。定義為偏好度，分別根據(jù)用戶（a）和用戶（u）為每個節(jié)目提供。個人網(wǎng)絡(luò)終端（IIT）提供用戶資料和偏好信息，是一個為個性化頻道推薦的小型資源。推薦系統(tǒng)的精確性很大依賴于分析后的個人信息。信息的時期和容量也很重要。用戶行為監(jiān)控（UBM）持續(xù)監(jiān)控用戶的行為模式和操作模式信息。UBM從個人電腦、移動電話、筆記本等設(shè)備回收網(wǎng)絡(luò)日志歷史信息，并將用戶的模式信息儲存到PCC。因此，用戶的信息是設(shè)備地址的獨立，用戶可以在混雜的設(shè)備和地址中得到一致的支持。多媒體廣播系統(tǒng)（MBS）提供廣播功能。接口代理通過包括個人數(shù)字錄像機(jī)在內(nèi)的機(jī)頂盒，傳輸來自各種頻道的大量媒體信

17、息，實現(xiàn)用戶在要求時間里選擇和瀏覽。此外，所有消費的頻道列表和歷史在機(jī)頂盒中積累。個人資料過濾代理（PFA）通過文件過濾器，基于積累的瀏覽內(nèi)容列表生成個性化頻道偏好。推薦代理（RA）位于MBS。RA基于以下幾點生成推薦列表：1）PCC創(chuàng)建的目標(biāo)用戶個人資料，2）已偏好頻道和內(nèi)容列表，通過對目標(biāo)用戶的媒體內(nèi)容顯示出相似偏好的群組確定，3）已偏好和推薦的頻道和節(jié)目，有MBS根據(jù)文件過濾推薦4）MSC提供的已選擇節(jié)目歷史信息。此外，本系統(tǒng)使用個人的頻道選擇歷史來創(chuàng)建用戶的頻道選擇模式分析，并為一個頻道模式生成權(quán)重因素。在這個系統(tǒng)中，節(jié)目屬性（a）包括節(jié)目標(biāo)題（T），風(fēng)格（G），子流派（subG），頻

18、道（C）和演員（A）。每個屬性的偏好度可以以此計算：偏好度（u，a）=（偏好度（u，a）+UAu，a）/2其中， 其中，儲存在客戶（u）資料的偏好度屬性（a）被定義為偏好度（u，a），在特定時段為客戶（u）儲存在頻道選擇歷史中的頻道選擇頻率屬性（a），被定義為頻率u，a，客戶（u）特定時段的更新價值屬性（a）被定義為UAu，a，是由頻率u，a除以最大頻道選擇頻率計算出的。在“云”中的偏好度屬性（a）被定義為偏好度（c，a）。在特定時段“云”中頻道選擇歷史的頻道選擇頻率屬性（a），被定義為頻率從c，a。云中的更新價值屬性（a）定義為CAc，a，由頻率c，a除以最大頻道選擇頻率計算出。每個節(jié)目的總

19、體偏好度（preference（u，p）可以通過用戶偏好度和云中頻道的偏好度計算，例如：其中，對用戶（u）節(jié)目（p）近期頻道選擇模式的權(quán)重指數(shù)定義為Wu,p。云中近期頻道選擇模式的權(quán)重指數(shù)為Wc，p。近期頻道選擇模式的權(quán)重指數(shù)被一下兩個因素同時決定：1）偏好度2）特定時段節(jié)目的觀看分布。某節(jié)目（p）用戶在近期的偏好度可以由（4）式計算。在韓國，電視節(jié)目分為首播和重播。因此，我們的計算結(jié)果反映了首播和重播兩種情況。此外，我們還考慮了沒有重播的情況。如果存在重播，那么其中Wup是用戶（u）某特定時間段對節(jié)目（p）的偏好度。而Wcp是在某特定時間段云中節(jié)目（p）的偏好度。V（p）是用戶（u）觀看節(jié)目

20、（p）首播的數(shù)量，n（p）是觀看節(jié)目（p）首播的數(shù)量，Rv(p)是觀看節(jié)目（p）重播的數(shù)量，Rn（p）是重播的節(jié)目數(shù)量，Du是重復(fù)觀看節(jié)目（p）首播和重播的數(shù)量。是首播的用戶（u）瀏覽模式率，是重播的用戶瀏覽模式率，是重復(fù)觀看首播和重播的瀏覽模式率。Ci（P）于云中觀看節(jié)目（p）首播的相似用戶（i）群的數(shù)量，而Ri（p）是云中觀看重播的相似用戶（i）群數(shù)量。Dci是云中重復(fù)觀看節(jié)目（p）首播和重播的相似用戶（i）群數(shù)量，m是云中的相似用戶群的數(shù)量。表格一是某用戶（u）在近幾周對節(jié)目（A）不同瀏覽模式的例子。根據(jù)（4）中的方程式，我們能夠計算出用戶在特定時間段對節(jié)目（A）偏好度。收看節(jié)目的分布評

21、估使用（5）所定義的熵的概念。熵，在一般情況下，是用于衡量數(shù)據(jù)的雜質(zhì)程度。在本文中，它被用于評價某節(jié)目在用戶觀看節(jié)目列表中分布。如果對特定節(jié)目觀看的數(shù)量增加，熵值會下降。換句話說，這意味著節(jié)目偏好度的增加。如果用戶在一周觀看每個節(jié)目（最多30個），熵值將會是4。9069。在本文中，我們不考慮別影響偏好度的因素，如果用戶在特定時間觀看超過30個節(jié)目，并把熵值定為4.9069。因此，節(jié)目評估的收視分布標(biāo)準(zhǔn)值設(shè)定在5.0。其中，Wue是用戶（u）在特定時間的節(jié)目瀏覽分布，Wce是觀看過該節(jié)目的云中特定時間相似用戶群，Entropy（u）是用戶（u）的熵，Entropy(c)是云中相似用戶群的熵。P（

22、i|t）是特定時段云中相似用戶群的觀看列表中的部分節(jié)目（i）。Un是特定時段儲存在已觀看歷史中的已觀看節(jié)目數(shù)量。Cn是云中相似用戶群的節(jié)目數(shù)量。如果節(jié)目數(shù)量（Um或Cn）少于30，就會被設(shè)置為節(jié)目數(shù)量。如果超過30個，將會設(shè)置30個高收率的節(jié)目作為標(biāo)準(zhǔn)。如果用戶觀看某節(jié)目類似于表一，已觀看節(jié)目的分布將會是下面例子所描述的。該情況下顯示用戶選擇了17次節(jié)目在總共6個節(jié)目中，包括首播和重播，例如節(jié)目（p）近期選擇模式的權(quán)重值在（6）中，通過用戶（u）近期選擇模式（Wu，p）和云中對頻道的近期選擇模式（Wc，p）顯示。其中，history（u）是用戶（u）的頻道收視歷史列表而history（c）是云

23、中相似用戶群的頻道收視歷史列表。 如圖4 所描繪，序列圖顯示出，用戶通過用戶請求推薦偏愛節(jié)目過程的每個組成部分的互動。四、實驗結(jié)果我們通過來自三大公司（韓國文化廣播公司、韓國廣播公司、韓國SBS電視臺）20個用戶和他們在韓國的內(nèi)容評價了所設(shè)計的系統(tǒng)的表現(xiàn)。如表格3所示，實驗時間是從2009年2月1日到2009年7月31日。我們評估了用戶從2009年2月1日到2009年6月1日的收視模式，這個時間段是收集階段數(shù)據(jù)。接下來，我們估計實驗需要2個月以上來檢查設(shè)計系統(tǒng)的有效性和準(zhǔn)確性。由于韓國的定期節(jié)目重新建設(shè)，所有大公司的播出節(jié)目在2009年4月有了明顯變化。這段時期，傳統(tǒng)節(jié)目被移除而新的節(jié)目制作推

24、出。此外，播出時間也潛在變化。對用戶的實驗?zāi)Ｐ秃皖l道推薦每周做一次重新評估。推薦頻道數(shù)量限制在五個。由于真正的云計算基于的播出系統(tǒng)尚不可使用，我們基于客戶服務(wù)環(huán)境建設(shè)了模擬器，用來評價系統(tǒng)表現(xiàn)。Fig. 4. Sequence diagram of the personalized DTV program recommendation system 我們使用“準(zhǔn)確”，“召回”工具以及 “f-衡量”工具，作為表現(xiàn)評價衡量工具為客戶衡量所設(shè)計的頻道推薦系統(tǒng)。準(zhǔn)確和召回在（7）中被廣泛用于頻道推薦頁面.（7）中“recommended”是推薦系統(tǒng)決定的推薦頻道表，“interested”是用戶觀看過的頻道（或者節(jié)目）。準(zhǔn)確率是推薦列表中感興趣的內(nèi)容，它被用于評價推薦頻道的精確性。高的準(zhǔn)確率意味著推薦系統(tǒng)基于用戶個人信息有效推薦了頻道。召回率是推薦的感興趣內(nèi)容和所有感興趣內(nèi)容集合的比率。所設(shè)計系統(tǒng)的目標(biāo)是同時提高準(zhǔn)確率和召回率。準(zhǔn)確率和召回率的評價見圖5