CN102056018B - 一种提供电视节目单的方法、系统及提供点播信息的方法 - Google Patents
一种提供电视节目单的方法、系统及提供点播信息的方法 Download PDFInfo
- Publication number
- CN102056018B CN102056018B CN201010564431.2A CN201010564431A CN102056018B CN 102056018 B CN102056018 B CN 102056018B CN 201010564431 A CN201010564431 A CN 201010564431A CN 102056018 B CN102056018 B CN 102056018B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- demand
- classifying rules
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明属于多媒体技术领域,尤其涉及一种提供电视节目单的方法、系统及提供点播信息的方法,所述的提供电视节目单的方法包括:打开电视时提示用户注册基本信息;对用户观看的电视节目进行统计,在观看结束时把用户ID和电视节目表发送并存储到电视节目数据库中;把用户观看的电视节目和用户基本信息进行合并,得出相应的分类节目单和规则集,并将处理结果保存在结果集保存服务器;再次打开电视时,结果集服务器根据用户相应的类型检测电视节目数据库,把相应的电视节目表发送给用户。本发明的有益效果在于:对不同用户喜欢的电视节目进行分类,为相应种类的用户提供对应的节目单,为用户的节目观看起到提示的作用,使用户观看节目更加便捷。
Description
技术领域
本发明属于多媒体技术领域,尤其涉及一种提供电视节目单的方法、系统及提供点播信息的方法。
背景技术
随着网络电视技术的不断发展,提供的电视节目也越来越丰富,为了方便用户选择需要观看的电视节目,实现了信息点播的功能。现有技术中,通常是由用户人工发送点播信息,后台服务器接受到用户的点播信息后,再把点播结果返回给用户,而无法实现自动化点播功能,并且在用户观看电视节目时还无法提供相关的点播推荐信息供用户参考,影响用户的使用体验。另外,系统不能自动统计用户喜欢的电视节目,推送给用户其喜欢的电视节目单。
发明内容
本发明的目的在于提供一种提供电视节目单的方法、系统及提供点播信息的方法,旨在解决现有技术中的不能推送用户喜欢的电视节目单,信息点播功能无法实现自动化点播、并且无法提供点播参考信息的问题。
本发明是这样实现的,一种提供电视节目单的方法,包括:
步骤a:打开电视时,发送响应判断用户是否注册,如果没有注册,提示用户注册基本信息;
步骤b:对用户观看的电视节目进行统计,在观看结束时把用户ID和电视节目表发送并存储到电视节目数据库中;
步骤c:把用户观看的电视节目和用户基本信息进行合并,采用数据挖掘算法进行处理,得出相应的分类节目单和规则集,并将处理结果保存在结果集保存服务器;
步骤d:再次打开电视时,结果集服务器根据用户相应的类型检测电视节目数据库,把相应的电视节目表发送给用户。
本发明的技术方案还包括:在所述步骤a中还进一步包括:注册成功后,把用户信息存入用户信息数据库。
本发明的技术方案还包括:在所述步骤c中,采用贝叶斯分类算法对数据进行处理。
本发明采取的另一技术方案为:一种提供点播信息的方法,包括:
步骤e:打开电视时,发送响应判断用户是否注册,如果没有注册,提示用户注册基本信息;
步骤f:用户点播信息时,将用户点播的相关信息和用户进行关联存储到数据库中,并给用户分配唯一的ID作为数据库表的关键字;
步骤g:根据分类算法对用户ID和信息点播记录模块中的数据进行分析,产生相应的分类规则;
步骤h:根据分类规则向用户自动发送相应类型的推荐信息。
本发明的技术方案还包括:在所述步骤g中,采用贝叶斯分类算法对数据进行分析。
本发明的技术方案还包括:在所述步骤h中还包括:判断用户是否需要发送的推荐信息,如果用户不需要推荐信息,当推荐信息对应的分类规则的响应度低于一定值时,删除分类规则,如果用户需要推荐信息,则保存推荐信息对应的分类规则。
本发明的技术方案还包括:在所述步骤h中还进一步包括:判断用户点播信息间的关联,在用户点播一种信息的同时,将关联信息一起发送给用户。
本发明采取的又一技术方案为:一种提供电视节目单的系统,包括信息点播模块、信息接收发送服务器、用户注册模块、电视节目数据库、数据处理服务器、结果集保存服务器和信息推荐模块,所述信息点播模块用于用户发送点播信息请求,所述信息接收发送服务器用于接收点播信息请求并发送相应节目信息结果,所述用户注册模块用于用户输入基本信息进行注册,所述电视节目数据库用于保存用户ID和电视节目表,所述数据处理服务器用于对用户ID、电视节目表和信息点播数据进行分析计算,产生相应的分类节目单和分类规则,所述结果集保存服务器用于保存分类节目单,并在接收到用户响应时发送相应类型的节目单。
本发明的技术方案还包括:所述网络电视还包括信息点播结果集保存服务器和信息推荐模块,所述信息点播结果集保存服务器用于保存分类规则,所述信息推荐模块用于根据分类规则向用户发送相应类型的推荐信息。
本发明的技术方案还包括:所述网络电视还包括用户信息数据库和用户ID和信息点播记录模块,所述用户信息数据库和用户注册模块相连,用于存储用户的基本信息,所述用户ID和信息点播记录模块用于将用户的点播信息和用户ID进行关联并存储,并且给每一条记录分别分配唯一的ID。
本发明的技术方案具有如下优点或有益效果:本发明提供电视节目单的方法、系统及提供点播信息的方法通过积累用户日常看电视时的样本数据,对不同用户喜欢的电视节目进行分类,为相应种类的用户提供对应的节目单,为用户的节目观看起到提示的作用,使用户观看节目更加便捷;并采用相应的算法对交互信息进行分析,有利于用户在点播信息时候对信息的选择,使得信息点播更加的人性化,自动化。
附图说明
附图1是本发明提供电视节目单的方法的流程图;
附图2是本发明提供点播信息的方法的流程图;
附图3是本发明提供电视节目单的系统的结构示意图;
附图4是本发明提供电视节目单的系统的工作原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参阅图1,是本发明提供电视节目单的方法的流程图。本发明提供电视节目单的方法包括以下步骤:
步骤10:用户开启电视;
步骤20:发送响应判断用户是否注册,如果用户没有注册,执行步骤30;如果用户已经注册,执行步骤40;
步骤30:提示用户输入基本信息进行注册,注册成功后,把用户信息存入用户信息数据库;
其中,基本信息内容包括用户喜爱的节目类型等。
步骤40:在用户观看电视的过程中,将用户观看的电视节目进行统计,在观看结束时把用户ID和电视节目表一同发送并存储到电视节目数据库中;
步骤50:数据处理服务器把用户观看的电视节目和用户基本信息进行合并,并且采用数据挖掘中的算法进行处理,得出相应的分类节目单和规则集,将处理结果保存在结果集保存服务器中;
其中,本发明采用一种数理统计的分类算法:贝叶斯分类算法。它的数学基本原理是根据贝叶斯公式进行分类的,具体计算方式包括:
1)每个数据样本用一个n维特征向量X=(x1,x2,-----,xn)表示,分别描述对n个属性A1,A2,----,An样本的n个度量。
2)假定有m个类C1,C2,----,Cm。给定一个未知的数据样本X(即没有类标号),分类法将预测X属性具有最高后验概率(条件X下)的类。即是说,朴素贝叶斯分类未知的样本分配给类Ci,当且仅当
P(Ci|X)>P(Cj|X),1<=j<=m,J≠I
这样,最大化P(Ci|X)。其P(Ci|X)最大的类Ci称为最大后验假定。
3)由于P(X)对于所有类为常数,只需要P(X|Ci)P(Ci)最大即可。如果类的先验概率未知,则通常假定这些类是等概率的,即P(C1)=P(C2)=....=P(Cm)。并据此对只P(Ci|X)最大化。否则,最大化P(X|Ci)P(Ci)。
4)给定具有许多属性的数据集,计算P(X|Ci)的开销可能非常大。为降低计算P(X|Ci)的开销,可以在做类条件独立的朴素假定。给定样本的类标号,假定属性值相互条件独立,即在属性间,不存在依赖关系。这样,
概率P(X1|Ci),-------,P(Xn|Ci)可以有训练样本估计,其中
1)如果Ak是分类属性,则P(Xk|Ci)=Sik/Si其中Sik是在属性Ak上具有值Xk的类Ci的训练样本数,而Si是Ci中的训练样本数。
2)如果Ak是连续值属性,则通常假定该属性服从高斯分布。
5)对未知的样本X分类,对每个类Ci,计算P(X|Ci)P(Ci)。样本X被指派到类Ci,当且仅当
P(X|Ci)P(Ci)>P(X|Cj)P(Cj),1<=j<=m,J≠I
换言之,X被指派到其P(X|Ci)最大的类Ci。
另外,贝叶斯分类算法的实现是在数据库当中实现的,因此可以采用各种数据库提供的相应的数据挖掘算法和数据分析工具进行数据的分析,然后把结果返回给服务器,服务器再根据相应的请求发送给用户。把分类算法的实现和用户请求服务器分为两个部分,这样有利于请求服务器及时发送相关信息给用户。
步骤60:用户再次打开电视机时,判断是否是注册用户,如果是注册用户,则进入步骤70,如果不是注册用户,则返回步骤30;
步骤70:发送响应给结果集保存服务器,结果集保存服务器根据该用户相应的类型,检测电视节目数据库,把用户喜欢的电视节目表发送给用户。
请参阅图2,是本发明提供点播信息的方法的流程图。本发明提供点播信息的方法包括以下步骤:
步骤80:用户开启电视;
步骤90:发送响应判断用户是否注册,如果用户没有注册,执行步骤100;如果用户已经注册,执行步骤110;
步骤100:提示用户输入基本信息进行注册,注册成功后,把用户信息存入用户信息数据库;
其中,基本信息内容包括用户喜爱的节目类型等。
步骤110:用户通过信息点播和显示界面发送点播信息给信息接收发送服务器,信息接收发送服务器根据用户的点播信息在知识库中进行查询,并将查询结果返回给用户;
步骤120:对用户点播的相关信息和用户的基本信息进行关联存储到数据库当中,给用户分配唯一的ID作为数据库表的关键字;
在步骤120中,也可以根据用户的ID和用户点播的信息进行关联存储到数据库当中并且给每一条记录分配唯一的ID。
步骤130:根据分类算法对数据库中的数据进行分析,产生相应的分类规则,将分类规则保存在信息点播结果集保存服务器中;
其中,本发明采用一种数理统计的分类算法:贝叶斯分类算法。它的数学基本原理是根据贝叶斯公式进行分类的,具体计算方式包括:
1)每个数据样本用一个n维特征向量X=(x1,x2,-----,xn)表示,分别描述对n个属性A1,A2,----,An样本的n个度量。
2)假定有m个类C1,C2,----,Cm。给定一个未知的数据样本X(即没有类标号),分类法将预测X属性具有最高后验概率(条件X下)的类。即是说,朴素贝叶斯分类未知的样本分配给类Ci,当且仅当
P(Ci|X)>P(Cj|X),1<=j<=m,J≠I
这样,最大化P(Ci|X)。其P(Ci|X)最大的类Ci称为最大后验假定。
3)由于P(X)对于所有类为常数,只需要P(X|Ci)P(Ci)最大即可。如果类的先验概率未知,则通常假定这些类是等概率的,即P(C1)=P(C2)=....=P(Cm)。并据此对只P(Ci|X)最大化。否则,最大化P(X|Ci)P(Ci)。
4)给定具有许多属性的数据集,计算P(X|Ci)的开销可能非常大。为降低计算P(X|Ci)的开销,可以在做类条件独立的朴素假定。给定样本的类标号,假定属性值相互条件独立,即在属性间,不存在依赖关系。这样,
概率P(X1|Ci),-------,P(Xn|Ci)可以有训练样本估计,其中
1)如果Ak是分类属性,则P(Xk|Ci)=Sik/Si其中Sik是在属性Ak上具有值Xk的类Ci的训练样本数,而Si是Ci中的训练样本数。
2)如果Ak是连续值属性,则通常假定该属性服从高斯分布。
5)对未知的样本X分类,对每个类Ci,计算P(X|Ci)P(Ci)。样本X被指派到类Ci,当且仅当
P(X|Ci)P(Ci)>P(X|Cj)P(Cj),1<=j<=m,J≠I
换言之,X被指派到其P(X|Ci)最大的类Ci。
步骤140:根据分类规则向用户自动发送相应类型的推荐信息;
该步骤中,由于用户在进行信息的点播时,可能会点播多个信息,因此在多个信息中可能存在着一定的关联,例如点播A信息的同种类型的用户可能也要点播B信息,因此系统通过服务器进行计算,把相同种类的用户需要的信息类型进行分类,挖掘出内在的联系,然后根据分类算法产生的相应结果,对一些具有同种类型的用户进行相应信息的自动提供,并且点播信息的内在联系确定信息A和信息B之间的关联。根据某几种信息之间的关联,可以在用户点播某一种信息的同时把他们可能需要的其他类型的信息也发送给用户。例如:有用户A已经注册了基本信息,当服务器端检测到他已经登陆后,根据后台服务器数据库中已经产生的分类规则,可能有80%的和他基本资料相同的用户都会点播c类信息,根据这个规则,服务器端会自动把c类信息发送给用户。
步骤150:判断用户是否需要该推荐信息,如果用户需要该推荐信息,执行步骤160,如果用户不需要该推荐信息,执行步骤170;
步骤160:保存该分类规则;
步骤170:当该分类规则的响应度低于一定值时数据处理服务器删除该分类规则。
在上述步骤150至170中,用户如果需要该推荐信息,则发送响应信息,如果用户不需要该推荐信息,则不发送响应信息;其中,由于分类规则不一定准确,所以发送给用户的推荐信息可能也不一定是用户需要的信息,分类规则的信誉度可以设置为好和不好两种类型,可以根据用户对该推荐信息的响应结果来判断该分类规则的信誉度,把响应结果放入数据处理服务器当中,数据处理服务器对响应结果进行计算,如果用户不需要该推荐信息,则该分类规则的信誉度可能会降低,当分类规则的信誉度低于一定值时则被删除,保留信誉度好的分类规则。
请参阅图3,是本发明提供电视节目单的系统的结构示意图。本发明提供电视节目单的系统包括用户注册模块、用户信息数据库、电视节目数据库、数据处理服务器、结果集保存服务器、信息点播模块、信息接收发送服务器、用户ID和信息点播记录模块、信息点播结果集保存服务器和信息推荐模块。本发明提供电视节目单的系统不仅可以提供电视节目单,其还可以提供电视节目点播信息。
用户注册模块用于用户输入基本信息进行注册,其中,基本信息内容包括用户喜爱的节目类型等。
用户信息数据库用于存储用户的基本信息,并给用户分配唯一的I D作为用户信息数据库的关键字;
电视节目数据库用于在用户观看电视的过程中,将用户观看的电视节目进行统计,并在观看结束时保存用户ID和电视节目表;
数据处理服务器用于把用户观看的电视节目和用户基本信息进行合并,并且采用数据挖掘中的算法进行处理,得出相应的分类节目单和规则集,并将处理结果保存在结果集保存服务器中;本发明实施例中,数据处理服务器还用于对用户ID和信息点播记录模块中的数据进行分析计算,产生相应的分类规则,并将分类规则保存于信息点播结果集保存服务器;另外,数据处理服务器还用于接收信息推荐模块中推荐信息的响应结果,并根据推荐信息的响应结果重新计算更新分类规则的数据;其中,本发明采用一种数理统计的分类算法:贝叶斯分类算法,它的数学基本原理是根据贝叶斯公式进行分类的,具体计算方式包括:
1)每个数据样本用一个n维特征向量X=(x1,x2,-----,xn)表示,分别描述对n个属性A1,A2,----,An样本的n个度量。
2)假定有m个类C1,C2,----,Cm。给定一个未知的数据样本X(即没有类标号),分类法将预测X属性具有最高后验概率(条件X下)的类。即是说,朴素贝叶斯分类未知的样本分配给类Ci,当且仅当
P(Ci|X)>P(Cj|X),1<=j<=m,J≠I
这样,最大化P(Ci|X)。其P(Ci|X)最大的类Ci称为最大后验假定。
3)由于P(X)对于所有类为常数,只需要P(X|Ci)P(Ci)最大即可。如果类的先验概率未知,则通常假定这些类是等概率的,即P(C1)=P(C2)=....=P(Cm)。并据此对只P(Ci |X)最大化。否则,最大化P(X|Ci)P(Ci)。
4)给定具有许多属性的数据集,计算P(X|Ci)的开销可能非常大。为降低计算P(X|Ci)的开销,可以在做类条件独立的朴素假定。给定样本的类标号,假定属性值相互条件独立,即在属性间,不存在依赖关系。这样,
概率P(X1|Ci),-------,P(Xn|Ci)可以有训练样本估计,其中
1)如果Ak是分类属性,则P(Xk|Ci)=Sik/Si其中Sik是在属性Ak上具有值Xk的类Ci的训练样本数,而Si是Ci中的训练样本数。
2)如果Ak是连续值属性,则通常假定该属性服从高斯分布。
5)对未知的样本X分类,对每个类Ci,计算P(X|Ci)P(Ci)。样本X被指派到类Ci,当且仅当
P(X|Ci)P(Ci)>P(X|Cj)P(Cj),1<=j<=m,J≠I
换言之,X被指派到其P(X|Ci)最大的类Ci。
结果集保存服务器用于保存分类节目单和规则集,并在接收到用户响应时自动检测数据库,根据用户的基本信息发送相应类型的节目单;本发明实施例中,结果集保存服务器还用于在用户登录时判断用户是否已经注册,如果已经注册根据用户的基本信息发送相应类型的节目单,如果没有注册提示用户通过注册模块注册基本信息。
信息点播模块用于用户发送点播信息请求;
信息接收发送服务器用于接收点播信息请求,在接收到请求后搜索知识库查询用户需要的点播信息,并在知识库返回相应节目信息后将信息结果发送给用户;
用户ID和信息点播记录模块用于将用户的点播信息和用户ID进行关联并存储,并且给每一条记录分别分配唯一的ID;
信息推荐模块用于根据分类规则向用户自动发送相应类型的推荐信息,并将用户对推荐信息的响应结果发送到数据处理服务器;其中,由于用户在进行信息的点播时,可能会点播多个信息,因此在多个信息中可能存在着一定的关联,例如点播A信息的同种类型的用户可能也要点播B信息,因此系统通过服务器进行计算,把相同种类的用户需要的信息类型进行分类,挖掘出内在的联系,然后根据分类算法产生的相应结果,对一些具有同种类型的用户进行相应信息的自动提供,并且点播信息的内在联系确定信息A和信息B之间的关联。根据某几种信息之间的关联,可以在用户点播某一种信息的同时把他们可能需要的其他类型的信息也发送给用户。例如:有用户A已经注册了基本信息,当服务器端检测到他已经登陆后,根据后台服务器数据库中已经产生的分类规则,可能有80%的和他基本资料相同的用户都会点播c类信息,根据这个规则,服务器端会自动把c类信息发送给用户。
信息点播结果集保存服务器用于保存分类规则;其中,由于分类规则不一定准确,所以发送给用户的推荐信息可能也不一定是用户需要的信息,分类规则的信誉度可以设置为好和不好两种类型,可以根据用户对该推荐信息的响应结果来判断该分类规则的信誉度,把响应结果发送至数据处理服务器,数据处理服务器对响应结果进行计算,如果用户不需要该推荐信息,则该分类规则的信誉度可能会降低,当分类规则的信誉度低于一定值时则被删除,最终保留信誉度好的分类规则。
请参阅图4,是本发明提供电视节目单的系统的工作原理图。本发明提供电视节目单的系统的工作原理为:当用户打开电视时,首先发送响应判断用户是否已经注册,如果没有注册,需要用户注册自己的基本资料;用户在观看电视的过程中,对用户观看电视的节目表进行记录,当观看结束的时把用户ID和电视节目表发送给数据库;数据处理服务器把用户观看节目表中的信息和用户的信息进行合并,采用数据挖掘中的算法进行处理,得出相应的分类结果和规则集保存在结果集服务器中;当用户打开电视的时候,如果是已经注册用户,对结果集进行响应,结果集服务器根据该用户相应的类型,把用户喜欢的电视节目表发送给用户,如果是没有注册的用户,提示其注册基本信息,注册成功后响应结果集服务器,服务器发送相应的节目表给用户;当用户点播信息的时候,用户通过电视点播自己需要的信息,发送给后台的服务器,服务器对相应的信息结果进行返回,显示在电视界面上面;在服务器对信息返回的同时,将用户点播的相关信息和用户进行关联存储到数据库当中,在服务器把用户的基本信息存储到数据库时,给用户分配唯一的ID作为数据库表的关键字,可以根据用户的ID和用户点播的信息进行关联存储到数据库当中并且给每一条记录分配唯一的ID;把用户的基本信息和用户的点播信息存储在数据库中,根据分类算法对数据库中的数据进行分析,产生相应的分类规则;把分类算法产生的规则进行保存,如果有新的用户注册,可以根据分类算法产生的规则进行信息的推荐,另外,当用户登录的时候,在没有点播信息时,系统可以根据相应的规则自动提示用户可能会需求的信息,然后用户发送是否关心此类信息;由于分类的结果可能不一定准确,所以发送给用户的信息可能也不一定是用户需要的信息,可以根据用户响应的结果(需要或者不要),把结果放入数据库当中,对相应结果进行计算,另外,分类的信誉度可能会降低,可以设置分类规则的信誉度为好和不好两种类型,把不好的分类结果删除,保留好的分类结果;用户在进行信息的点播过程中,用户可能会点播多个信息,此在多个信息中存在着一定的关联情况下,例如点播A信息的某种类型的用户可能也要点播B信息,通过服务器中进行计算,得出某几种信息之间的关联,在用户点播某种信息的同时把用户可能需要的其他信息也返给用户,使信息点播更加的人性化。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种提供电视节目单的方法,包括:
步骤a:打开电视时,发送响应判断用户是否注册,如果没有注册,提示用户注册基本信息;
步骤b:对用户观看的电视节目进行统计,在观看结束时把用户ID和电视节目表发送并存储到电视节目数据库中;
步骤c:把用户观看的电视节目和用户基本信息进行合并,采用数据挖掘算法进行处理,得出相应的分类节目单和规则集,并将处理结果保存在结果集保存服务器;
步骤d:再次打开电视时,结果集服务器根据用户相应的类型检测电视节目数据库,把相应的电视节目表发送给用户,判断用户是否需要发送的推荐信息,如果用户不需要推荐信息,当推荐信息对应的分类规则的响应度低于一定值时,删除分类规则,如果用户需要推荐信息,则保存推荐信息对应的分类规则。
2.根据权利要求1所述的提供电视节目单的方法,其特征在于,在所述步骤a中还进一步包括:注册成功后,把用户信息存入用户信息数据库。
3.根据权利要求1或2所述的提供电视节目单的方法,其特征在于,在所述步骤c中,采用贝叶斯分类算法对数据进行处理。
4.一种提供点播信息的方法,包括:
步骤e:打开电视时,发送响应判断用户是否注册,如果没有注册,提示用户注册基本信息;
步骤f:用户点播信息时,将用户点播的相关信息和用户进行关联存储到数据库中,并给用户分配唯一的ID作为数据库表的关键字;
步骤g:根据分类算法对用户ID和信息点播记录模块中的数据进行分析,产生相应的分类规则;
步骤h:根据分类规则向用户自动发送相应类型的推荐信息,判断用户是否需要发送的推荐信息,如果用户不需要推荐信息,当推荐信息对应的分类规则的响应度低于一定值时,删除分类规则,如果用户需要推荐信息,则保存推荐信息对应的分类规则。
5.根据权利要求4所述的提供点播信息的方法,其特征在于,在所述步骤g中,采用贝叶斯分类算法对数据进行分析。
6.根据权利要求4或5所述的提供点播信息的方法,其特征在于,在所述步骤h中还进一步包括:判断用户点播信息间的关联,在用户点播某一信息的同时,将关联信息一起发送给用户。
7.一种提供电视节目单的系统,包括信息点播模块和信息接收发送服务器,所述信息点播模块用于用户发送点播信息请求,所述信息接收发送服务器用于接收点播信息请求并发送相应节目信息结果,其特征在于,还包括用户注册模块、电视节目数据库、数据处理服务器、结果集保存服务器和信息推荐模块,所述用户注册模块用于用户输入基本信息进行注册,所述电视节目数据库用于保存用户ID和电视节目表,所述数据处理服务器用于对用户ID、电视节目表和信息点播数据进行分析计算,产生相应的分类节目单和分类规则,判断用户是否需要发送的推荐信息,如果用户不需要推荐信息,当推荐信息对应的分类规则的响应度低于一定值时,删除分类规则,如果用户需要推荐信息,则保存推荐信息对应的分类规则,所述结果集保存服务器用于保存分类节目单,并在接收到用户响应时发送相应类型的节目单。
8.根据权利要求7所述的提供电视节目单的系统,其特征在于,还包括信息点播结果集保存服务器和信息推荐模块,所述信息点播结果集保存服务器用于保存分类规则,所述信息推荐模块用于根据分类规则向用户发送相应类型的推荐信息。
9.根据权利要求7或8所述的提供电视节目单的系统,其特征在于,还包括用户信息数据库和用户ID和信息点播记录模块,所述用户信息数据库和用户注册模块相连,用于存储用户的基本信息,所述用户ID和信息点播记录模块用于将用户的点播信息和用户ID进行关联并存储,并且给每一条记录分别分配唯一的ID。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010564431.2A CN102056018B (zh) | 2010-11-26 | 2010-11-26 | 一种提供电视节目单的方法、系统及提供点播信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010564431.2A CN102056018B (zh) | 2010-11-26 | 2010-11-26 | 一种提供电视节目单的方法、系统及提供点播信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102056018A CN102056018A (zh) | 2011-05-11 |
CN102056018B true CN102056018B (zh) | 2014-01-08 |
Family
ID=43959870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010564431.2A Active CN102056018B (zh) | 2010-11-26 | 2010-11-26 | 一种提供电视节目单的方法、系统及提供点播信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102056018B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103139647A (zh) * | 2011-11-22 | 2013-06-05 | 宏碁股份有限公司 | 具有评价机制的播放装置以及提供节目清单的方法 |
CN102740144B (zh) * | 2012-07-05 | 2015-07-22 | 合一网络技术(北京)有限公司 | 一种通过视频网站提供基于信息网络的电视频道的方法 |
CN105744370A (zh) * | 2012-09-17 | 2016-07-06 | 中国传媒大学 | 基于群体收视行为的广播电视系统及其个性节目推荐方法 |
CN103096139B (zh) * | 2013-01-23 | 2016-06-29 | 深圳市龙视传媒有限公司 | 一种视频关联推荐的方法及服务器 |
CN103561289B (zh) * | 2013-10-22 | 2017-11-07 | 深圳市九洲电器有限公司 | 一种界面配置方法及装置 |
WO2018018457A1 (zh) * | 2016-07-27 | 2018-02-01 | 黄新勇 | 观看类型在电视广播的区分方法及系统 |
CN106454517A (zh) * | 2016-10-25 | 2017-02-22 | 北京小米移动软件有限公司 | 电视节目推送方法、装置及终端设备 |
CN106803973B (zh) * | 2017-01-18 | 2020-02-04 | 华数传媒网络有限公司 | 一种电视节目的智能编排方法 |
CN107948695A (zh) * | 2017-11-17 | 2018-04-20 | 浙江大学 | 语音智能遥控器及电视选台方法 |
CN108920577A (zh) * | 2018-06-25 | 2018-11-30 | 西北工业大学 | 电视智能推荐方法 |
CN113301401B (zh) * | 2021-05-31 | 2022-07-12 | 深圳市茁壮网络股份有限公司 | 一种电子节目单的生成方法及装置 |
CN113992982A (zh) * | 2021-10-25 | 2022-01-28 | 深圳康佳电子科技有限公司 | 一种节目数据同步配置方法、装置、终端设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595979A (zh) * | 2004-07-14 | 2005-03-16 | 顾浩瀚 | 数字视频点播系统在播放广告方面的应用方法 |
CN101500136A (zh) * | 2008-02-01 | 2009-08-05 | 深圳市同洲电子股份有限公司 | 实现提供个性化数字电视服务的方法及系统 |
KR101552147B1 (ko) * | 2008-04-24 | 2015-09-11 | 삼성전자주식회사 | 방송 컨텐츠를 추천하는 방법과 그 장치 |
-
2010
- 2010-11-26 CN CN201010564431.2A patent/CN102056018B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN102056018A (zh) | 2011-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102056018B (zh) | 一种提供电视节目单的方法、系统及提供点播信息的方法 | |
US9569499B2 (en) | Method and apparatus for recommending content on the internet by evaluating users having similar preference tendencies | |
CN100596135C (zh) | 一种确定内容提供商优先级的系统和方法 | |
US8301624B2 (en) | Determining user preference of items based on user ratings and user features | |
US8019707B2 (en) | Interactive hybrid recommender system | |
CN106028071A (zh) | 一种视频推荐方法及系统 | |
US20060123448A1 (en) | Programming guide content collection and recommendation system for viewing on a portable device | |
US20070214207A1 (en) | Method and system for accurate issuance of data information | |
CN104182449A (zh) | 基于用户兴趣建模的个性化视频推荐系统和方法 | |
US20130283303A1 (en) | Apparatus and method for recommending content based on user's emotion | |
KR20160057475A (ko) | 소셜 데이터를 능동적으로 획득하기 위한 시스템 및 방법 | |
US20090100094A1 (en) | Recommendation system and method for multimedia content | |
CN106407420B (zh) | 一种多媒体资源的推荐方法及系统 | |
CN104008139B (zh) | 视频索引表的创建方法和装置,视频的推荐方法和装置 | |
CN101681469A (zh) | 用于推荐内容项目的方法和系统 | |
CN103106208A (zh) | 一种移动互联网中的流媒体内容推荐方法和系统 | |
EP1906316A1 (en) | An interactive hybrid recommender system | |
CN101751422A (zh) | 一种移动终端智能搜索的方法、移动终端和服务器 | |
CN107977678B (zh) | 用于输出信息的方法和装置 | |
KR20170079429A (ko) | 사용자 속성을 고려한 클러스터링 기반의 협업 필터링 방법 및 영화 추천 시스템 | |
US20140129634A1 (en) | Social media-based content recommendation apparatus | |
CN111694971A (zh) | 一种内容的推荐方法和系统 | |
CN111444424A (zh) | 一种信息推荐方法和信息推荐系统 | |
CN107944946B (zh) | 商品标签生成方法及装置 | |
KR20170114321A (ko) | 키워드 분석을 이용한 뉴스 콘텐츠들의 개인화 필터링 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |