本发明涉及智能推荐，尤其涉及一种大数据短剧推荐方法及系统。
背景技术：
1、短剧，是一种新兴的影视内容形式，它通常是指单集时长较短的剧集。短剧因其简短精炼、节奏紧凑的特点，非常适合现代观众快节奏的生活方式和碎片化的娱乐需求，在大数据的背景下，可以通过利用用户的历史观看记录等数据，对用户可能喜欢的短剧进行个性化推荐，这种方式不仅提升了用户的自身体验，也能帮助平台更好的把握市场需求动向。但是现有的短剧推荐大多只推荐符合用户喜好且近期最多观看的短剧，但是对于新发布未有足够点击量的，同时能够符合用户喜好的短剧将不能及时的进行推荐，对于把握市场短剧动向的能力将会有所下降，同时对于符合用户喜好的新兴短剧不能及时的推荐。
技术实现思路
1、为了克服短剧推荐不及时的缺点，本发明提供了一种大数据短剧推荐方法及系统。
2、具体方案为：一种大数据短剧推荐方法，包括以下步骤：
3、s1：实时收集短剧推荐反馈数据，并根据所述短剧推荐反馈数据构建第一推荐短剧集；
4、s2：基于所述第一推荐短剧集的排序筛选获得被替换的短剧集，并根据所述被替换的短剧集进行处理获得第二推荐短剧集；
5、s3：根据第二推荐短剧集中的相关数据进行整理后分别获得第一排序序列和第二排序序列，根据所述第一排序序列和第二排序序列获得第三推荐短剧集，并根据第三推荐短剧集进行推荐；
6、s4：收集目标用户历史观看数据，并根据所述目标用户历史观看数据预测目标用户的结局偏好，对第一推荐短剧集和第三推荐短剧集中短剧结局与目标用户的结局偏好进行分析处理获得第一分析结果或第二分析结果；
7、s5：根据所述第一分析结果或第二分析结果进行修改后推荐给目标用户。
8、优选地，所述实时收集短剧推荐反馈数据，并根据所述短剧推荐反馈数据构建第一推荐短剧集之前，包括：获取第一预设时间内观看数超过观看阈值的推荐短剧，并根据推荐短剧数量以及规划数量表获得第一序列长度；所述规划数量表中包含所述推荐短剧数量与准备进行推荐的第一序列长度的对应关系，并使用模糊推理算法对所述第一序列长度进行规划。
9、优选地，所述实时收集短剧推荐反馈数据，并根据所述短剧推荐反馈数据构建第一推荐短剧集，包括：获取多个预设时间段内短剧的播放类别和相对应的播放次数，首先按照时间段关系获得推荐框架，并根据各个时间段内的播放次数获得选择推荐序列，使用lfu算法和所述选择推荐序列进行筛选，最后筛选出具有第一序列长度的第一推荐短剧集。
10、优选地，所述基于所述第一推荐短剧集的排序筛选获得被替换的短剧集，并根据所述被替换的短剧集进行处理获得第二推荐短剧集，包括：获得使用lfu算法替换下来的最少观看数量的被替换的短剧集，并记录各个被替换短剧的被替换的时间，使用fifo算法对所述被替换的短剧集进行排序获得第二推荐短剧集，其中所述被替换的短剧集应具备同时容纳同一短剧在不同时间节点上不同观看次数的能力，且不包含第一推荐短剧集中的短剧。
11、优选地，所述根据第二推荐短剧集中的相关数据进行整理后分别获得第一排序序列和第二排序序列，根据所述第一排序序列和第二排序序列获得第三推荐短剧集，并根据第三推荐短剧集进行推荐，包括：根据第二推荐短剧集中同一短剧的总距离与次数选出第一排序序列，首先根据同一短剧的出现次数进行排序并根据同一短剧的总距离进行进一步排序获得第一排序序列。
12、优选地，所述根据第二推荐短剧集中的相关数据进行整理后分别获得第一排序序列和第二排序序列，根据所述第一排序序列和第二排序序列获得第三推荐短剧集，并根据第三推荐短剧集进行推荐，包括：将第二推荐短剧集去除第一排序序列中的短剧后作为备选推荐短剧集，根据备选推荐短剧集使用lru算法获得最近推荐短剧序列，并根据所述备选推荐短剧集中不同短剧的播放次数进行排序获得数量排序序列，取所述最近推荐短剧序列与所述数量排序序列的交集后根据时间进行排序获得第一准备序列，将未有交集的短剧根据时间进行排序获得第二准备序列，根据所述第一准备序列与所述第二准备序列获得第二排序序列。
13、优选地，所述收集目标用户历史观看数据，并根据所述目标用户历史观看数据预测目标用户的结局偏好，对第一推荐短剧集和第三推荐短剧集中短剧结局与目标用户的结局偏好进行分析处理获得第一分析结果或第二分析结果，包括：对所述目标用户历史观看数据进行去除重复值、填补缺失值、去除异常数据的数据清洗后，使用transformer模型进行训练获得用户结局偏好模型，通过所述用户结局偏好模型获得目标用户的结局偏好，根据目标用户的结局偏好对第三推荐短剧集中短剧结局进行匹配。
14、优选地，所述根据所述第一分析结果或第二分析结果进行修改后推荐给目标用户，包括：若为第一分析结果，则从第三推荐短剧集中符合目标用户喜好的短剧按照固有先后顺序进行提前获得第四推荐短剧集，基于第一推荐短剧集和第四推荐短剧集的顺序对目标用户进行推荐；若为第二分析结果，则对第三推荐短剧集进行修改获得第五推荐短剧集后，按照第一推荐短剧集和第五推荐短剧集的顺序对目标用户进行推荐。
15、优选地，所述若为第二分析结果，则对第三推荐短剧集进行修改获得第五推荐短剧集后，按照第一推荐短剧集和第五推荐短剧集的顺序对目标用户进行推荐，包括：分析第三推荐短剧集中的短剧结局是否具备被联动短剧所修改为目标用户结局偏好的能力；
16、若存在，则对修改后的短剧按照固有先后顺序进行提前，获得第五推荐短剧集；
17、若不存在，则将第三推荐短剧集作为第五推荐短剧集。
18、一种大数据短剧推荐系统，包括有：
19、短剧收集模块，用于收集第一预设时间内观看数超过观看阈值的推荐短剧；
20、长度规划模块，用于使用模糊推理算法对推荐短剧集的第一序列长度进行规划；
21、第一排序模块，用于使用lfu算法对推荐短剧进行排序获得第一推荐短剧集；
22、存储模块，用于将lfu算法筛选下来的短剧使用fifo进行存储，获得第二推荐短剧集；
23、第二排序模块，用于对fifo中的元素进行分别排序，并将第一排序序列与第二排序序列组合后获得第三推荐短剧集；
24、第一排序序列模块，用于按照短剧间的总距离与出现次数选出第一排序序列；
25、第二排序序列模块，用于使用lru、播放次数与时间进行排序获得第二排序序列；
26、用户结局偏好预测模块，用于预测出目标用户的结局偏好；
27、修改模块，用于根据是否具备符合目标用户的结局偏好对第三推荐短剧集进行修改，获得第四推荐短剧集或者第五推荐短剧集；
28、推荐模块，用于根据第一推荐短剧集和第四推荐短剧集或者第一推荐短剧集和第五推荐短剧集对目标用户进行短剧推荐。
29、有益效果：本发明通过lfu算法筛选出最近最多播放的短剧作为第一推荐短剧集，这种方法具备推荐最多播放次数短剧的同时可以推荐最近人员关注的短剧具有一定的新颖性，并使用fifo算法、lru算法、数量和时间对筛选下来的短剧集进行进一步的排序从而不忽视被替换同样重要的短剧进行推荐，最后考虑到一个短剧的未知结局在其他联动短剧中能够得到相对应的答案，因此根据联动短剧对推荐的短剧结局进行判定修改后获得第五推荐短剧集，并根据用户的结局喜好进行推荐。
1.一种大数据短剧推荐方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种大数据短剧推荐方法，其特征是，所述实时收集短剧推荐反馈数据，并根据所述短剧推荐反馈数据构建第一推荐短剧集之前，包括：获取第一预设时间内观看数超过观看阈值的推荐短剧，并根据推荐短剧数量以及规划数量表获得第一序列长度；所述规划数量表中包含所述推荐短剧数量与准备进行推荐的第一序列长度的对应关系，并使用模糊推理算法对所述第一序列长度进行规划。
3.如权利要求1所述的一种大数据短剧推荐方法，其特征是，所述实时收集短剧推荐反馈数据，并根据所述短剧推荐反馈数据构建第一推荐短剧集，包括：获取多个预设时间段内短剧的播放类别和相对应的播放次数，首先按照时间段关系获得推荐框架，并根据各个时间段内的播放次数获得选择推荐序列，使用lfu算法和所述选择推荐序列进行筛选，最后筛选出具有第一序列长度的第一推荐短剧集。
4.如权利要求1所述的一种大数据短剧推荐方法，其特征是，所述基于所述第一推荐短剧集的排序筛选获得被替换的短剧集，并根据所述被替换的短剧集进行处理获得第二推荐短剧集，包括：获得使用lfu算法替换下来的最少观看数量的被替换的短剧集，并记录各个被替换短剧的被替换的时间，使用fifo算法对所述被替换的短剧集进行排序获得第二推荐短剧集，其中所述被替换的短剧集应具备同时容纳同一短剧在不同时间节点上不同观看次数的能力，且不包含第一推荐短剧集中的短剧。
5.如权利要求1所述的一种大数据短剧推荐方法，其特征是，所述根据第二推荐短剧集中的相关数据进行整理后分别获得第一排序序列和第二排序序列，根据所述第一排序序列和第二排序序列获得第三推荐短剧集，并根据第三推荐短剧集进行推荐，包括：根据第二推荐短剧集中同一短剧的总距离与次数选出第一排序序列，首先根据同一短剧的出现次数进行排序并根据同一短剧的总距离进行进一步排序获得第一排序序列。
6.如权利要求1所述的一种大数据短剧推荐方法，其特征是，所述根据第二推荐短剧集中的相关数据进行整理后分别获得第一排序序列和第二排序序列，根据所述第一排序序列和第二排序序列获得第三推荐短剧集，并根据第三推荐短剧集进行推荐，包括：将第二推荐短剧集去除第一排序序列中的短剧后作为备选推荐短剧集，根据备选推荐短剧集使用lru算法获得最近推荐短剧序列，并根据所述备选推荐短剧集中不同短剧的播放次数进行排序获得数量排序序列，取所述最近推荐短剧序列与所述数量排序序列的交集后根据时间进行排序获得第一准备序列，将未有交集的短剧根据时间进行排序获得第二准备序列，根据所述第一准备序列与所述第二准备序列获得第二排序序列。
7.如权利要求1所述的一种大数据短剧推荐方法，其特征是，所述收集目标用户历史观看数据，并根据所述目标用户历史观看数据预测目标用户的结局偏好，对第一推荐短剧集和第三推荐短剧集中短剧结局与目标用户的结局偏好进行分析处理获得第一分析结果或第二分析结果，包括：对所述目标用户历史观看数据进行去除重复值、填补缺失值、去除异常数据的数据清洗后，使用transformer模型进行训练获得用户结局偏好模型，通过所述用户结局偏好模型获得目标用户的结局偏好，根据目标用户的结局偏好对第三推荐短剧集中短剧结局进行匹配。
8.如权利要求1所述的一种大数据短剧推荐方法，其特征是，所述根据所述第一分析结果或第二分析结果进行修改后推荐给目标用户，包括：若为第一分析结果，则从第三推荐短剧集中符合目标用户喜好的短剧按照固有先后顺序进行提前获得第四推荐短剧集，基于第一推荐短剧集和第四推荐短剧集的顺序对目标用户进行推荐；若为第二分析结果，则对第三推荐短剧集进行修改获得第五推荐短剧集后，按照第一推荐短剧集和第五推荐短剧集的顺序对目标用户进行推荐。
9.如权利要求8所述的一种大数据短剧推荐方法，其特征是，所述若为第二分析结果，则对第三推荐短剧集进行修改获得第五推荐短剧集后，按照第一推荐短剧集和第五推荐短剧集的顺序对目标用户进行推荐，包括：分析第三推荐短剧集中的短剧结局是否具备被联动短剧所修改为目标用户结局偏好的能力；
10.一种大数据短剧推荐系统，其特征是，包括有：
