CN105824923A

CN105824923A - 影视资源推荐方法及装置

Info

Publication number: CN105824923A
Application number: CN201610152332.0A
Authority: CN
Inventors: 顾健; 万艾学
Original assignee: Hisense Group Co Ltd
Current assignee: Hisense Group Co Ltd
Priority date: 2016-03-17
Filing date: 2016-03-17
Publication date: 2016-08-03

Abstract

本发明实施例提供一种影视资源推荐方法及装置，该方法包括：获取目标用户的兴趣标签；根据所述兴趣标签匹配至少一个影视标签，其中，所述影视标签至少包括在影视资源的剧情文本中提取的名词性标签，或在影视资源的评论文本中提取的形容词性标签；根据所述至少一个影视标签，获取至少一部对应的影视资源，并将所述至少一部对应的影视资源推荐给所述目标用户，本发明中，名词性影视标签可以体现用户喜欢的影视资源的内容，形容词性影视标签可以更好地体现影视资源的用户主观感受，两者结合进行影视资源的匹配，能够多方面、多角度地满足用户的兴趣，提高影视资源推荐的准确性。

Description

影视资源推荐方法及装置

技术领域

本发明涉及通信技术，尤其涉及一种影视资源推荐方法及装置。

背景技术

随着各种影视资源的层出不穷，每天都会有各种电影、电视剧、综艺节目等影视资源出现在用户的视野中。用户面对过多的影视资源，很难快速找到自己喜欢的影片，因而非常需要合理的影视资源推荐机制。

现有技术中，主要基于导演、主演、影片类型等常见的关键词给用户推荐影片，例如用户喜欢某个导演，就会推荐该导演的其它影片。

但是，采用现有的这种推荐方式，对用户的喜好、以及影片的划分都较为粗略，导致为用户推荐的影片局限性较大，不能多方面地满足用户的喜好。

发明内容

本发明提供一种影视资源推荐方法及装置，用于解决现有的影视资源推荐方法局限性较大，不能多方面地满足用户的喜好的问题。

本发明第一方面提供一种影视资源推荐方法，包括：

获取目标用户的兴趣标签；

根据所述兴趣标签匹配至少一个影视标签，其中，所述影视标签至少包括在影视资源的剧情文本中提取的名词性标签，或在影视资源的评论文本中提取的形容词性标签；

根据所述至少一个影视标签，获取至少一部对应的影视资源，并将所述至少一部对应的影视资源推荐给所述目标用户。

本发明第二方面提供一种影视资源推荐装置，包括：

第一获取模块，用于获取目标用户的兴趣标签；

匹配模块，用于根据所述兴趣标签匹配至少一个影视标签，其中，所述影视标签至少包括在影视资源的剧情文本中提取的名词性标签，或在影视资源的评论文本中提取的形容词性标签；

推荐模块，用于根据所述至少一个影视标签，获取至少一部对应的影视资源，并将所述至少一部对应的影视资源推荐给所述目标用户。

本发明提供的影视资源推荐方法及装置中，获取目标用户的兴趣标签，并根据目标用户的兴趣标签匹配影视标签，并将影视标签匹配的影视资源推荐给用户，其中，影视标签至少包括在影视资源的剧情文本中提取的名词性标签，或在影视资源的评论文本中提取的形容词性标签，可以看出名词性影视标签可以体现用户喜欢的影视资源的内容，形容词性影视标签可以更好地体现影视资源的用户主观感受，两者结合进行影视资源的匹配，能够多方面、多角度地满足用户的兴趣，提高影视资源推荐的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的影视资源推荐方法实施例一的流程示意图；

图2为本发明提供的影视资源推荐方法实施例二的流程示意图；

图3为本发明提供的影视资源推荐装置实施例一的结构示意图；

图4为本发明提供的影视资源推荐装置实施例二的结构示意图；

图5为本发明提供的影视资源推荐装置实施例三的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明提供的影视资源推荐方法实施例一的流程示意图，如图1所示，该方法包括：

S101、获取目标用户的兴趣标签。

该兴趣标签包括：至少一个名词性兴趣标签，或至少一个形容词性兴趣标签。

当然，兴趣标签也可以包括：至少一个名词性兴趣标签，和至少一个形容词性兴趣标签，在此不作限制。

每个用户所喜爱的影视资源的类型可能都存在差异，更为具体地可以通过兴趣标签来更详细的标识用户喜爱的影视资源。

名词性兴趣标签一般可以包括：人名名词、地名名词、时间名词、机构/组织名称名词、专有名词等，这些名词性兴趣标签可以体现用户喜欢的影视资源的内容，例如某个用户喜欢喜剧类影视，他的名词性兴趣标签可能包括：周星驰、卓别林、法国、憨豆先生、三傻大闹宝莱坞等。

形容词性兴趣标签一般用来描述用户的主观体验，也可以反映出用户的影片的感受，例如某个用户喜欢喜剧类影视，他的形容词性兴趣标签可能包括：幽默、搞笑、场面宏大、感人、好笑、令人耳目一新、演技不错、活灵活现、难以忘怀等。

可选地，获取目标用户的兴趣标签，可以是获取用户主动上传的兴趣标签，例如可以在某网站自己对应的账号下输入自己感兴趣的影视标签作为自己的兴趣标签。进而还可以从用户主动上传的兴趣标签中提取名词性兴趣标签和形容词性兴趣标签。

或者，根据用户的历史观看影视资源以及对历史观看影视资源的评分，分析获取用户的兴趣标签。例如，用户对某影视资源的评分很高，说明用户喜欢这个影视资源，那么可以提取这个影视资源的影视标签作为用户的兴趣标签。具体地，从用户历史观看影视资源中提取用户的兴趣标签时，可以是在历史观看影视资源的剧情文本中提取名词性关键词、以及在历史观看影视资源的评论文本中提取形容词性关键词作为用户的兴趣标签。

当然并不以上述获取兴趣标签的方法为限。

S102、根据上述兴趣标签匹配至少一个影视标签，其中，该影视标签至少包括在影视资源的剧情文本提取的名词性标签，或在影视资源的评论文本中提取的形容词性标签。

当然，与兴趣标签相对应的，也可以同时包括在影视资源的剧情文本提取的名词性标签，和在影视资源的评论文本中提取的形容词性标签，在此不作限制。

具体地，匹配过程中可以匹配相同、相关或相近的影视标签，例如用户某个用户的兴趣标签是“北京”，那么匹配影视标签时，除了匹配相同的“北京”之外，还可以匹配到同义的“北平”、“首都”、“京城”等，以及可以匹配相关的“天安门”、“王府井”等，在此不作限制。

由于名词性影视标签可以体现用户喜欢的影视资源的内容，形容词性影视标签可以更好地体现影视资源的用户主观感受，两者结合进行影视资源的匹配，可以更贴合用户的实际需求。

S103、根据上述至少一个影视标签，获取至少一部对应的影视资源，并将该至少一部对应的影视资源推荐给上述目标用户。

每个影视资源都有至少一个影视标签，采用上述根据兴趣标签匹配到的影视标签在影视资源库中匹配对应的影视资源，进而再推荐给目标用户。具体匹配过程中，可以查找包含上述至少一个影视标签中一个或多个影视标签的影视资源，并将查找到的影视资源进行推荐。

例如根据目标用户的兴趣标签“淮海战役”匹配到的影视标签包含“解放战争”，查找过程中查到电影《建国大业》的影视标签也包括“解放战争”，那么就可以将《建国大业》推荐给用户。

本实施例中，获取目标用户的兴趣标签，并根据目标用户的兴趣标签匹配影视标签，并将影视标签匹配的影视资源推荐给用户，其中，影视标签至少包括在影视资源的剧情文本中提取的名词性标签，或在影视资源的评论文本中提取的形容词性标签，可以看出名词性影视标签可以体现用户喜欢的影视资源的内容，形容词性影视标签可以更好地体现影视资源的用户主观感受，两者结合进行影视资源的匹配，能够多方面、多角度地满足用户的兴趣，提高影视资源推荐的准确性。

具体推荐过程中，可以以影视资源的类型信息作为可获取的属性进行影视资源的推荐，具体地，可以通过影视资源的类型缩小待推荐影视资源的范围。

在根据上述至少一个影视标签，获取至少一部对应的影视资源，并将该至少一部对应的影视资源推荐给上述目标用户之前，还可以获取目标用户对各影视资源类型的影视兴趣度，该影视兴趣度大小标识用户对这个影视资源类型的兴趣大小。

进而根据影视兴趣度，获取大于第一预设阈值的影视兴趣度对应的至少一个待推荐影视资源类型。

相应地，根据上述至少一个影视标签，在上述至少一个待推荐影视资源类型所包括的影视资源中匹配包含至少一个上述影视标签的目标影视资源，以及与所述目标影视资源相似度大于第二预设阈值的备选影视资源，将所述目标影视资源和所述备选影视资源推荐给上述目标用户。具体地，计算影视资源相似度的方法很多，在此不作限制，例如可以比较影视资源之间重合或近似的影视标签，或者采用其它相似度算法进行计算等。

对于影视兴趣度，可选地，假设数据库中有M部影视资源，推荐平台有N个用户，其中M部影视资源中包括R种影视资源类型，其中M、N、R均为大于0的整数。

根据影视资源类型可以得到M*R的影视资源类型矩阵。

进而可以获取具体每个用户对各影视资源的评分情况，以M维向量表示为{a₁,a₂,……,a_m}，其中，a_m表示某用户对第m个影视资源的评分，m为小于或等于M的整数，根据其中非空的评分记录计算评分平均值avg，即如果某个影视资源没有被评分，则忽略掉，只计算被某用户评分的影视资源的评分加和，并除以总的评分个数，得到某用户的评分平均值avg。

进一步地，可以根据公式U_i＝(∑x_i-avg)/n_i计算目标用户对第i种影视资源类型的影视兴趣度U_i，其中，∑x_i表示目标用户在第i种影视资源类型中评过分的影视资源的评分加和，n_i表示目标用户对第i种影视资源类型中评过分的影视资源的个数，avg表示目标用户的非空的评分记录的平均值。i为小于或等于R的正整数，可以得到目标用户对影视资源类型的R维向量{x₁,x₂,......x_r}，r为小于或等于R的正整数。按照同样的方法，可以得到N个用户的N*R兴趣矩阵。

进而可以根据影视兴趣度U_i获取目标用户喜爱的影视资源类型，例如将U_i大于第三预设阈值的影视资源类型作为目标用户喜爱的影视资源类型。

根据用户的影视兴趣度，可以进一步匹配影视兴趣度高的影视资源类型所包含的与用户匹配度较高的待推荐影视资源。具体地，可以采用公式计算用户U与影视资源I的匹配度cos(U,I)。其中，U_s表示用户U对s影视资源类型的影视兴趣度，I_s表示影视资源I是否属于s影视资源类型。可以从中选取cos(U,I)较高的影视资源作为待推荐影视资源，例如将匹配度大于第四预设阈值的影视资源作为待推荐影视资源。

进一步地，再采用用户兴趣标签匹配到的影视标签在待推荐影视资源中匹配目标影视资源。

需要说明的是，上述影视资源类型可以是预先根据影视资源的剧情属性进行划分，例如可以划分为喜剧、爱国、历史、战争等，也可以划分的更细致，例如古代战争、科幻战争、古装喜剧、城市爱情等，在此不作限制。

举例说明某用户历史观看过《X战警》，从《X战警》的剧情文本中提取名词性标签、以及从《X战警》的评论文本中提取形容词性标签，获取到“美国”、“战争”、“拯救”、“激烈”等用户的兴趣标签，进而获取到该用户对“科幻战争”类影视资源的影视兴趣度较高，在“科幻战争”类影视资源中匹配包含影视标签“美国”、“战争”、“拯救”、“激烈”中至少一个的影片，最终得到影片《终结者》，则将这部影片作为目标影视资源推荐给用户。

又例如用户历史观看过《九品芝麻官》，从《九品芝麻官》的剧情文本中提取名词性关键词、以及从《九品芝麻官》的评论文本中提取形容词性关键词，获取到“古装”、“周星驰”、“搞笑”等关键词作为用户的兴趣标签，进而获取到该用户对“古装喜剧”类影视资源的影视兴趣度较高，在“古装喜剧”类影视资源中匹配包含影视标签“古装”、“周星驰”、“搞笑”中至少一个的影片，最终得到影片《唐伯虎点秋香》，则将这部影片作为目标影视资源推荐给用户。

当然，并不以上述示例为限，可以推荐多个影视资源，具体地，可以将直接匹配到的影视资源进行推荐，还可以将匹配到的影视资源的相似影视资源进行推荐。

可选地，在上述根据兴趣标签匹配至少一个影视标签之前，还需要建立影视标签库。该影视标签库用于存储影视资源的标识，以及每个影视资源的标识对应的影视标签。具体地，每个影视资源可以与多个影视标签对应，可以在影视标签库中建立影视资源和多个影视标签的映射关系。

图2为本发明提供的影视资源推荐方法实施例二的流程示意图，如图2所示，上述建立影视标签库具体包括：

S201、至少获取目标影视资源的剧情文本或评论文本。

这里的目标影视资源可以指任意一部影视资源。当然也可以同时获取目标影视资源的剧情文本和评论文本。

可选地，通过网络获取目标影视资源的剧情文本和评论文本。具体地，可以从一些影视资源的推荐平台上、社交网络上等获取剧情文本和评论文本，例如豆瓣、微博、百度百科、时光网等。

剧情文本可以是影视资源的简介、或者详细的情境介绍等，一般文字较为规范整齐，评论文本可以是针对某个影视资源的各类评论，长篇、短篇不限。

S202、对剧情文本或评论文本进行词语切分，并对切分后的每个词语标注词性。

这里的词性可以包括：名词、动词、形容词、介词等。

获取的剧情文本或评论文本有时候都是用户上传到网上的，可能会格式混乱、或者夹杂一些图片、无法识别的符号等。在进行词语切分前，还可以对剧情文本和评论文本进行预处理，以初步进行整理，具体地，预处理包括将剧情文本和评论文本中的非法字符、繁体字、图片等删除，或者预处理过程中还可以将繁体字转换为简体字。

S203、根据上述每个词语的词性，至少提取剧情文本中的名词、或上述评论文本中的形容词作为上述目标影视资源的影视标签。

一般地，剧情文本中的名词包括：人名名词、地名名词、时间名词、机构/组织名称名词、专有名词等，这些名词能够客观的体现影视资源的具体内容，以便更好地匹配到类型影视资源。

而评论文本更多地体现了用户的主观评价，其中的形容词可以体现出用户对影视资源的描述，例如：激动、宏伟、写实、感动、伤感等。

结合剧情文本中的名词和评论文本的形容词，可以更全面的描述影视资源带给用户的感受。

S204、将上述目标影视资源的影视标签和该目标影视资源的标识建立关联后存储在上述影视标签库中。

具体地，可以在影视标签和影视资源之间建立映射关系。

可选地，上述S203可以具体为：根据每个词语的词性，至少提取剧情文本中的名词、或上述评论文本中的形容词，然后根据同义词数据库，对剧情文本中的名词、或评论文本中的形容词进行同义词去重，并将去重后的词语作为上述目标影视资源的影视标签。例如“喜欢”、“喜爱”，可以随机留下一个，删除一个。

通过同义词去重，可以减少影视标签的总量，节省存储空间资源。

可选地，另一实施方式中，还可以根据目标影视资源的影视标签的词义，获取上述影视标签库中与上述目标影视资源的影视标签词义相关的影视标签，并将上述目标影视资源的影视标签与上述词义相关的影视标签建立关联。其中，词义相关的影视标签的词义与上述目标影视资源的影视标签的词义存在包含或被包含关系。

具体地，可以采用词义分析，分析影视标签库中所有影视标签的词义，在它们之间建立关联关系，进行影视资源匹配时，除了影视标签自己匹配的影视资源，还可以推荐所关联影视标签匹配的影视资源。

例如“天安门”和“北京”之间“北京”包含了“天安门”，可以建立关联，用户的兴趣标签是北京，那么匹配到“北京”这个影视标签之后，还可以匹配到与“北京”关联的“天安门”，那么给这个用户也可以推荐包含“天安门”这个影视标签的影视资源。

又例如“纪录片”和“写实”之间“纪录片”包含“写实”，可以建立关联，用户的兴趣标签是纪录片，那么匹配到“纪录片”这个影视标签之后，还可以匹配到与“纪录片”关联的“写实”，那么给这个用户也可以推荐包含“写实”这个影视标签的影视资源。

为了更好地为用户推荐影视资源，影视标签库建立完成后，管理员还可以人为进行调整，例如将一些词义不清、或者存在歧义的词语进行删除或替换等，或者通过词义没有建立关联、但是本身具有一定关联的词语管理员也可以建立关联，例如“李小龙”和“武术”之间可以建立关联等。

可选地，还可以预先设定多个标签主题，将影视标签划分到不同的标签主题下，上述每个影视资源类型下可以包含多个标签主题，例如“喜剧”这个影视资源类型下可以包含“周星驰”、“法国”、“香港”等多个标签主题。进行影视资源推荐时，可以先根据用户的影视兴趣度，确定用户喜欢的影视资源类型，再进一步根据用户的兴趣标签确定几个标签主题，然后在这几个标签主题所包含的影视标签中进行匹配，并最终确定目标影视资源。这样可以进一步缩小匹配影视标签的范围，提高效率。

图3为本发明提供的影视资源推荐装置实施例一的结构示意图，如图3所示，该装置包括：第一获取模块301、匹配模块302以及推荐模块303，其中，

第一获取模块301，用于获取目标用户的兴趣标签。

匹配模块302，用于根据所述兴趣标签匹配至少一个影视标签，其中，所述影视标签至少包括在影视资源的剧情文本中提取的名词性标签，或在影视资源的评论文本中提取的形容词性标签。

推荐模块303，用于根据所述至少一个影视标签，获取至少一部对应的影视资源，并将所述至少一部对应的影视资源推荐给所述目标用户。

图4为本发明提供的影视资源推荐装置实施例二的结构示意图，如图4所示，在图3的基础上，该装置还包括：建立模块401，用于建立影视标签库。

具体地，建立模块401至少获取目标影视资源的剧情文本或评论文本；对所述剧情文本或所述评论文本进行词语切分，并对切分后的每个词语标注词性；根据所述每个词语的词性，至少提取所述剧情文本中的名词或所述评论文本中的形容词作为所述目标影视资源的影视标签；将所述目标影视资源的影视标签和所述目标影视资源的标识建立关联后存储在所述影视标签库中。

其中，建立模块401根据所述每个词语的词性，至少提取所述剧情文本中的名词或所述评论文本中的形容词作为所述目标影视资源的影视标签可以包括：根据所述每个词语的词性，至少提取所述剧情文本中的名词或所述评论文本中的形容词；根据同义词数据库，对所述剧情文本中的名词或所述评论文本中的形容词进行同义词去重，并将去重后的词语作为所述目标影视资源的影视标签。

可选地，建立模块401还用于根据所述目标影视资源的影视标签的词义，获取所述影视标签库中与所述目标影视资源的影视标签词义相关的影视标签；将所述目标影视资源的影视标签与所述词义相关的影视标签建立关联，其中，所述词义相关的影视标签的词义与所述目标影视资源的影视标签的词义存在包含或者被包含关系。

图5为本发明提供的影视资源推荐装置实施例三的结构示意图，如图5所示，在图3的基础上，该装置还包括：第二获取模块501，用于获取所述目标用户对各影视资源类型的影视兴趣度。

相应地，上述推荐模块303，根据所述影视兴趣度，获取大于第一预设阈值的所述影视兴趣度对应的至少一个待推荐影视资源类型；根据所述至少一个影视标签，在所述至少一个待推荐影视资源类型所包括的影视资源中匹配包含至少一个所述影视标签的目标影视资源、以及与所述目标影视资源相似度大于第二预设阈值的备选影视资源；将所述目标影视资源和所述备选影视资源推荐给所述目标用户。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-OnlyMemory，简称：ROM)、随机存取存储器(英文：RandomAccessMemory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims

1.一种影视资源推荐方法，其特征在于，包括：

获取目标用户的兴趣标签；

2.根据权利要求1所述的方法，其特征在于，所述根据所述兴趣标签匹配至少一个影视标签之前，还包括：

至少获取目标影视资源的剧情文本或评论文本；

对所述剧情文本或所述评论文本进行词语切分，并对切分后的每个词语标注词性；

根据所述每个词语的词性，至少提取所述剧情文本中的名词或所述评论文本中的形容词作为所述目标影视资源的影视标签；

将所述目标影视资源的影视标签和所述目标影视资源的标识建立关联后存储在所述影视标签库中。

3.根据权利要求2所述的方法，其特征在于，所述根据所述每个词语的词性，至少提取所述剧情文本中的名词或所述评论文本中的形容词作为所述目标影视资源的影视标签，包括：

根据所述每个词语的词性，至少提取所述剧情文本中的名词或所述评论文本中的形容词；

根据同义词数据库，对所述剧情文本中的名词或所述评论文本中的形容词进行同义词去重，并将去重后的词语作为所述目标影视资源的影视标签。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述目标影视资源的影视标签的词义，获取所述影视标签库中与所述目标影视资源的影视标签词义相关的影视标签；

将所述目标影视资源的影视标签与所述词义相关的影视标签建立关联，其中，所述词义相关的影视标签的词义与所述目标影视资源的影视标签的词义存在包含或者被包含关系。

5.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个影视标签，获取至少一部对应的影视资源，并将所述至少一部对应的影视资源推荐给所述目标用户之前，还包括：

获取所述目标用户对各影视资源类型的影视兴趣度。

6.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个影视标签，获取至少一部对应的影视资源，并将所述至少一部对应的影视资源推荐给所述目标用户，包括：

根据所述影视兴趣度，获取大于第一预设阈值的所述影视兴趣度对应的至少一个待推荐影视资源类型；

根据所述至少一个影视标签，在所述至少一个待推荐影视资源类型所包括的影视资源中匹配包含至少一个所述影视标签的目标影视资源、以及与所述目标影视资源相似度大于第二预设阈值的备选影视资源；

将所述目标影视资源和所述备选影视资源推荐给所述目标用户。

7.一种影视资源推荐装置，其特征在于，包括：

第一获取模块，用于获取目标用户的兴趣标签；

8.根据权利要求7所述的装置，其特征在于，还包括：

建立模块，用于至少获取目标影视资源的剧情文本或评论文本；对所述剧情文本或所述评论文本进行词语切分，并对切分后的每个词语标注词性；根据所述每个词语的词性，至少提取所述剧情文本中的名词或所述评论文本中的形容词作为所述目标影视资源的影视标签；将所述目标影视资源的影视标签和所述目标影视资源的标识建立关联后存储在所述影视标签库中。

9.根据权利要求7所述的装置，其特征在于，还包括：

第二获取模块，用于获取所述目标用户对各影视资源类型的影视兴趣度；

相应地，

所述推荐模块，具体用于根据所述影视兴趣度，获取大于第一预设阈值的所述影视兴趣度对应的至少一个待推荐影视资源类型；根据所述至少一个影视标签，在所述至少一个待推荐影视资源类型所包括的影视资源中匹配包含至少一个所述影视标签的目标影视资源、以及与所述目标影视资源相似度大于第二预设阈值的备选影视资源；将所述目标影视资源和所述备选影视资源推荐给所述目标用户。