CN102236669B - 推荐列表的生成方法和装置、媒体服务器、客户端及方法 - Google Patents
推荐列表的生成方法和装置、媒体服务器、客户端及方法 Download PDFInfo
- Publication number
- CN102236669B CN102236669B CN201010163247.7A CN201010163247A CN102236669B CN 102236669 B CN102236669 B CN 102236669B CN 201010163247 A CN201010163247 A CN 201010163247A CN 102236669 B CN102236669 B CN 102236669B
- Authority
- CN
- China
- Prior art keywords
- file
- classification
- user
- recommendation list
- reading
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种推荐列表的生成方法和装置、媒体服务器、客户端及方法,属于计算机技术领域。本发明实施例针对用户读取文件的记录,根据用户读取次数高的分类中的文件生成推荐列表。这样可以根据用户读取文件的记录就可以获知用户的喜好,从而在用户喜爱的分类中的文件生成推荐列表。本发明实施例相比较现有的单一推荐列表的方式可以更贴近用户的喜好,提高用户的体验感。这种方式可以提高命中率,使用户更快找到自己喜好的文件,降低用户随意点击造成体验感差及浪费系统资源和网络资源的问题。
Description
技术领域
本发明涉及一种计算机技术领域,特别涉及一种推荐列表的生成方法和装置、媒体服务器、客户端及方法。
背景技术
随着通讯技术的发展,用户的带宽不断增加,越来越多的用户通过在线播放软件(例如PPStream、PPLive、QQLive等)在线观看视频。现有的在线播放软件都具有推荐列表。现有技术中对于所有接入用户都采用同样的推荐列表。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
由于现有的视频播放平台提供的内容很多,而每一用户的喜好并不相同。因此这种统一的推荐列表的方式造成用户很难通过推荐列表快速找到自己感兴趣的内容,导致用户体验感差,推荐列表失去了其存在的意义。这种情况下,使用者点击推荐列表中的内容,发现该内容并非使用者喜欢的内容后再关闭,会浪费大量的系统资源和网络资源。同时,这一问题不仅存在于视频播放软件,还存在于音频播放网站、文件发布网站、软件发布网站等所有的资源提供网站和资源下载软件中,都存在着推荐列表中的内容无法适应用户喜好的问题。
发明内容
为了解决现有技术中各种资源提供网站和资源下载软件中采用单一的推荐列表而无法根据用户喜好生成推荐列表,导致用户体验感差、浪费系统和网络资源的问题,本发明实施例提出了一种推荐列表的生成方法和装置、媒体服务器、客户端及方法。所述技术方案如下:
本发明实施例提出了一种推荐列表的生成方法,包括:
对存储的文件进行分类,得到所述文件的标签;
记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
其中,所述对存储的文件进行分类,得到所述文件的标签具体包括:
设置不同的分类方式,并对每一分类方式设置唯一的类别键码;
根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
根据所述文件对应的类别键码和类别值码,生成该文件的标签;
其中,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类,并根据读取次数高的分类中的文件生成推荐列表;
其中,所述计算用户读取的分类的次数,包括:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
或者,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
作为上述技术方案的优选,用户读取的文件的属性还包括:用户读取文件的时间;
所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表之前还包括:
根据所述用户读取文件的时间,设置不同的权重值;
根据所述权重值对所述分类的读取次数进行修正。
作为上述技术方案的优选,所述方法还包括:
当所述读取次数高的分类中的文件数量少于推荐列表所需的文件数量时,获取读取次数次高的分类中的文件添加进推荐列表。
作为上述技术方案的优选,媒体服务器将所述推荐列表发送到所述用户相应的客户端,所述客户端将所述推荐列表显示给所述用户。
本发明实施例还提出了一种推荐列表的生成装置,包括:
分类模块,对存储的文件进行分类,得到所述文件的标签;
历史信息记录模块,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
推荐列表生成模块,用于根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表。
其中,所述分类模块包括:
标识单元,设置不同的分类方式,并对每一分类方式设置唯一的类别键码;根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
标签生成单元,用于根据所述文件对应的类别键码和类别值码,生成该文件的标签。
其中,所述推荐列表生成模块包括:
排序单元,用于根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类;
推荐列表单元,用于根据读取次数高的分类中的文件生成推荐列表;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
其中,所述推荐列表生成模块还用于:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
作为上述技术方案的优选,所述推荐列表生成模块包括:
权重设置单元,用于根据用户读取文件的时间,设置不同的权重值;
排序单元,用于根据用户读取分类的次数,获取读取次数高的分类;并通过权重值对分类的读取次数进行修正后排序;
其中,所述排序单元还用于:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
推荐列表单元,用于选择读取次数高的分类中的文件,并生成推荐列表。
作为上述技术方案的优选,所述推荐列表生成模块还包括:
添加单元,用于当所述读取次数高的分类中的文件数量少于推荐列表所需的文件数量时,获取读取次数次高的分类中的文件添加进推荐列表。
作为上述技术方案的优选,所述装置还包括:
发送模块,用于将媒体服务器生成的所述推荐列表发送到所述用户相应的客户端,以使所述客户端将所述推荐列表显示给所述用户。
本发明实施例还提出了一种媒体服务器的推荐列表的生成方法,包括:
对存储的文件进行分类,得到所述文件的标签;
记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
将所述推荐列表发送到所述用户相应的客户端,所述客户端将所述推荐列表显示给所述用户;
其中,所述对存储的文件进行分类,得到所述文件的标签具体包括:
设置不同的分类方式,并对每一分类方式设置唯一的类别键码;
根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
根据所述文件对应的类别键码和类别值码,生成该文件的标签;
其中,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类,并根据读取次数高的分类中的文件生成推荐列表;
其中,所述计算用户读取的分类的次数,包括:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
或者,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
本发明实施例还提出了一种媒体服务器,包括:
分类模块,对存储的文件进行分类,得到所述文件的标签;
历史信息记录模块,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
推荐列表生成模块,用于根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
发送模块,用于将媒体服务器生成的所述推荐列表发送到所述用户相应的客户端,以使所述客户端将所述推荐列表显示给所述用户;
其中,所述分类模块包括:
标识单元,设置不同的分类方式,并对每一分类方式设置唯一的类别键码;根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
标签生成单元,用于根据所述文件对应的类别键码和类别值码,生成该文件的标签;
其中,所述推荐列表生成模块包括:
排序单元,用于根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类;
其中,所述排序单元还用于:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
推荐列表单元,用于根据读取次数高的分类中的文件生成推荐列表;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
其中,所述推荐列表生成模块还用于:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
本发明实施例还提出了一种媒体客户端应用如前任一项所述的推荐列表的生成方法向用户显示推荐列表的方法,包括:
所述媒体客户端将所述用户的唯一标识、用户读取的文件、用户读取该文件的时间发送到媒体服务器;并将接收到的所述媒体服务器生成的推荐列表显示给用户。
本发明实施例还提出了一种应用如前任一项所述的推荐列表的生成装置的媒体客户端,其特征在于,包括:
数据发送模块,用于向所述媒体客户端将所述用户的唯一标识、用户读取的文件、用户读取该文件的时间发送到媒体服务器;
接收模块,用于将接收到的所述媒体服务器生成的推荐列表显示给用户。
本发明实施例提供的技术方案的有益效果是:本发明实施例提出了一种推荐列表的生成方法和装置、媒体服务器、客户端及方法,针对用户读取文件的记录,从用户读取次数高的分类中的文件生成推荐列表。这样可以根据用户读取文件的记录就可以获知用户的喜好,从而在用户喜爱的分类中的文件生成推荐列表。本发明实施例相比较现有的单一推荐列表的方式可以更贴近用户的喜好,提高用户的体验感。这种方式可以提高命中率,使用户更快找到自己喜好的文件,降低用户随意点击造成体验感差及浪费系统资源和网络资源的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中使用的附图作一简单地介绍,显而易见地,下面所列附图仅仅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为本发明第一实施例的流程示意图;
图2为本发明第二实施例的流程示意图;
图3为本发明第三实施例的结构示意图;
图4为本发明第四实施例的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
本发明第一实施例提出了一种推荐列表的生成方法,其流程如图1所示,包括:
步骤101:对存储的文件进行分类,得到所述文件的标签;
步骤102:记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
步骤103:根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表。
本发明实施例提出了一种推荐列表的生成方法,针对用户读取文件的记录,从用户读取次数高的分类中的文件生成推荐列表。这样可以根据用户读取文件的记录就可以获知用户的喜好,从而在用户喜爱的分类中的文件生成推荐列表。本发明实施例相比较现有的单一推荐列表的方式可以更贴近用户的喜好,提高用户的体验感。这种方式可以提高命中率,使用户更快找到自己喜好的文件,降低用户随意点击造成体验感差及浪费系统资源和网络资源的问题。
实施例2
本发明第二实施例提出了一种推荐列表的生成方法,其流程如图2所示,包括:
步骤201:对存储的文件进行分类,设置不同的分类方式,并对每一分类方式设置唯一的类别键码;根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;根据所述文件对应的类别键码和类别值码,生成该文件的标签。
其中,步骤201中采用了对每一分类进行标识,并对每一文件生成标签的形式,实现对存储的文件进行分类。以视频内容为例,可以将服务器中存储的视频进行多维度的分类,例如:
可以按内容分类(CT):可以包括电影(FM)、电视剧(PL)、动漫(CT)、综艺(RL)等。
可以按类型分类(TP):可以包括动作(AT)、喜剧(CM)、科幻(SF)、情感(EM)、恐怖(TR)、战争(WA)等。
可以按地区分类(AR):可以包括大陆(ML)、港台(HT)、日韩(JK)、欧美(EA)等。
可以按年份分类(TM):可以包括2009年(09)、2008年(08)、2007年(07)等
可以按影星分类(AT):可以包括周星驰(XC)、周润发(RF)、葛优(GY)等。
为上述每一个分类方式赋予一个唯一的代码(例如上面的内容CT、类型TP、地区AR等),这个代码称为类别键码(Class Type)。同时,为每一个分类方式下所包括的分类,也赋予一个唯一的代码(例如上面内容CT下面的子分类:电影FM、电视剧PL、动漫CT等),这个代码称为类别值码(Class Value)。
这样,每一视频文件可以根据不同的分类方式对应多个分类。例如对于电视剧《蜗居》,它属于电视剧、情感剧、大陆、2009年等,则该视频文件根据其所对应的所有或部分分类标识,生成该文件对应的标签:CTPL;TPEM;ARML;TM09。
当然,这只是本发明实施例的一种具体的实现方式,还可以通过其他方式实现对文件的分类、标识及文件标签;例如:对每一分类(例如内容、类型、地区等)设置一个代码,代码可以为十进制或二进制、十六进制等形式;为每一分类中的类型值(例如内容分类中的类型值电影、电视剧、动漫、综艺等)也分别设置一个代码。
本领域内技术人员可以理解,分类越详细则最终获得的推荐列表越贴近于使用者的使用习惯。同时,在生成文件的标签时,可以选择该文件对应的所有分类的类别键码和类别值码,也可以选择其中的部分类别键码和类别值码,本发明实施例并不以此为限。
步骤202:记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
例如以下是一个用户播放历史的示例:
CTPL;TPEM;ARML;TM09;
CTPL;TPEM;ARML;TM09;
CTFM;TPAT;ARHT;TM01;ATXC;
CTPL;TPAT;ARML;TM09;
步骤203:根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类,并根据所述分类中的文件,生成推荐列表。
其中,步骤203中,选择文件生成推荐列表的方式可以为:
根据用户读取的文件的标签中的类别键码和类别值码,将标签中的类别键码和类别值码进行累加,即可计算出用户的读取每一分类的次数。
以上述步骤202中的播放历史为例,则可以计算出:CTPL分类的读取次数为3;CTFM分类的读取次数为1;TPEM分类的读取次数为2;TPAT分类的读取次数为2;ARML分类的读取次数为3;ARHT分类的读取次数为1;TM09分类的读取次数为3;TM01分类的读取次数为1;ATXC分类的读取次数为1。
在获得了读取每一分类的次数后,可以从读取次数高的分类中获取文件生成推荐列表。由于采用了多维度的分类,因此每一文件对应多个分类。可以理解的,如果一个文件对应的每一分类都是读取次数最高的,则由这种文件生成的推荐列表是最符合用户喜好的。
因此,从读取次数高的分类中获取文件的方法可以为:系统选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签。通过首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表。
例如:取所有类别键码中类别值码最高的项,组成一个首选视频标签。以上述步骤202中的例子,则该首选视频标签可以为:CTPL;TPEM;ARML;TM09;ATXC或CTPL;TPAT;ARML;TM09;ATXC。将首选视频标签与预存储的文件的标签进行匹配;并将匹配到的文件生成推荐列表。
当然,通过首选视频标签的方式只是从读取次数高的分类中获取文件的一种方式,本发明实施例并不以此为限,本发明实施例还可以采用其他的方式实现。
进一步的,可以记录用户读取文件的时间,并对不同的读取文件时间设置权重值。这样在生成推荐列表时可以更贴近用户近期的读取习惯。即:上述的步骤202-203可以为:
步骤202’:当用户读取所述文件时,记录用户读取的文件的标签以及用户读取文件的时间。
例如以下是一个用户播放历史的示例:
091230:CTPL;TPEM;ARML;TM09;
091225:CTPL;TPEM;ARML;TM09;
091212:CTFM;TPAT;ARHT;TM01;ATXC;
091201:CTPL;TPAT;ARML;TM09;
在步骤202’中,可以通过设置文件的读取时间,了解用户近期的使用喜好。当然这只是一种优选的方式,可以不记录用户的读取时间;也可以在日志中记录更多的属性值,本发明实施例并不以此为限。
步骤203’:根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正。
例如:行为历史发生时间与当前时间距离越远,那么该行为对最终结果的影响越弱。我们对每一个区间设定一个权值P,例如距当前1周权值为1,距当前2到3周权值为0.9,距当前4到6周权值为0.85,距当前7周以上权值为0.8。
将上述行为历史中的视频标签,按照其发生时间,乘以上述权值P,再进行累加,可以得到用户行为历史中所有单独类别值码的数量。
对上述单独标签的数量按照类别键码进行归类,然后再按类别值码进行排序,以排序后的结果作为生成推荐内容的依据。
以步骤202’中提到的行为历史为例:
091230:CTPL;TPEM;ARML;TM09;(1周,权值为1)
091225:CTPL;TPEM;ARML;TM09;(1周,权值为1)
091212:CTFM;TPAT;ARHT;TM01;ATXC;(3周,权值为0.9)
091201:CTPL;TPAT;ARML;TM09;(4到6周,权值为0.85)
例如:行为历史发生时间与当前时间距离越远,那么该行为对最终结果的影响越弱。我们对每一个区间设定一个权值P,例如距当前1周权值为1,距当前2到3周权值为0.9,距当前4到6周权值为0.85,距当前7周以上权值为0.8。
则计算可得到所有类别键码和类别值码如下分布:
CTPL:1+1+0.85=2.85
CTFM:0.9
TPEM:1+1=2
TPAT:0.9+0.85=1.75
…….
然后从读取次数高的分类中获取文件生成推荐列表。由于采用了多维度的分类,因此每一文件对应多个分类。可以理解的,如果一个文件对应的每一分类都是读取次数最高的,则由这种文件生成的推荐列表是最符合用户喜好的。
因此,从读取次数高的分类中获取文件的方法可以为:系统选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签。通过首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表。
如上所述,则首选视频标签可以为CTPL;TPEM;……。以该首选视频标签对预存储的文件进行匹配,并以匹配到的文件生成推荐列表。
当然,通过首选视频标签的方式只是从读取次数高的分类中获取文件的一种方式,本发明实施例并不以此为限,本发明实施例还可以采用其他的方式实现。
在步骤203’中,根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。当然,还可以不考虑用户的读取时间,仅以用户读取分类的次数进行排序,本发明实施例并不以此为限。
进一步的,上述的步骤202-203和步骤202’-203’之后还可以进一步还包括:
步骤204:当所述读取次数高的分类中的文件数量少于推荐列表所需的文件数量时,获取读取次数次高的分类中的文件添加进推荐列表。
在步骤204中,同样可以采用上述步骤203和步骤203’的方式。即:如果与所述首选视频标签相匹配的文件足够生成推荐列表所需,则选择匹配的文件生成推荐列表。如果不够,则选择被读取次数最高的类别值码再次生成次选视频标签……,直到推荐列表的数量足够为止。
进一步的,上述方法还可以包括:
步骤205:媒体服务器将所述推荐列表发送到所述用户相应的客户端,所述客户端将所述推荐列表显示给所述用户。
在步骤205中,由媒体服务器生成推荐列表,然后发送给客户端显示给相应的用户。其中,媒体服务器可以为视屏播放服务器或是音频播放服务器。
本发明第二实施例提出的推荐列表的生成方法,可以根据用户读取分类的次数及读取时间的远近,选择用户读取次数高的分类中的文件,这样可以更贴近用户的使用习惯和使用行为。
下面以视频播放网站为例对本发明实施例进行进一步说明,当然这只是本发明实施例可以应用的一个领域,本发明实施例的技术方案还可以应用于音频播放网站、文件发布网站、软件发布软件等。
步骤301、对视频内容进行了多种维度的分类,例如:
可以按内容分类(CT):可以包括电影(FM)、电视剧(PL)、动漫(CT)、综艺(RL)等。
可以按类型分类(TP):可以包括动作(AT)、喜剧(CM)、科幻(SF)、情感(EM)、恐怖(TR)、战争(WA)等。
可以按地区分类(AR):可以包括大陆(ML)、港台(HT)、日韩(JK)、欧美(EA)等。
可以按年份分类(TM):可以包括2009年(09)、2008年(08)、2007年(07)等
可以按影星分类(AT):可以包括周星驰(XC)、周润发(RF)、葛优(GY)等。
本领域内技术人员可以理解,分类越详细则最终获得的推荐列表则越贴近于使用者的使用习惯。
步骤302、为上述每一个分类方式赋予一个唯一的代码(例如上面的内容CT、类型TP、地区AR等),这个代码称为类别键码(Class Type)。同时,为每一个分类方式下所包括的每一分类也赋予一个唯一的代码(例如上面内容CT下面的子分类:电影FM、电视剧PL、动漫CT等),这个代码称为类别值码(Class Value)。
步骤303、对每一视频文件根据前述的类别键码和类别值码,生成该视频的标签(VideoTag),这个标签是与视频内容相关联的。标签是一个字符串,首先是类别键码,然后是这个类别键码下的类别值码,不同类别键码之间用分号隔开。例如对于电视剧《蜗居》,它属于电视剧、情感剧、大陆、2009年等,那么它所拥有的标签就是:CTPL;TPEM;ARML;TM09。
步骤304、收集用户的播放历史,并生成日志。为了根据用户的播放历史来向用户推送合适的播放列表,需要对用户的播放历史行为进行收集。本实施例中是收集用户最近三个月的播放历史,当然这一属性可以根据需要在服务器端进行配置。日志中,用户每次播放的文件中可以包括播放的视频的标签。同时,为了更贴近用户的需求,还可以记录用户播放文件的时间信息。例如以下是一个用户播放历史的示例:
091230:CTPL;TPEM;ARML;TM09;
091225:CTPL;TPEM;ARML;TM09;
091212:CTFM;TPAT;ARHT;TM01;ATXC;
091201:CTPL;TPAT;ARML;TM09;
上述示例表示用户在2009年12月30日和25日分别观看过一次视频,视频的特点是“电视剧、情感剧、大陆、2009年”;在2009年12月12日观看过一次视频,视频的特点是“电影、动作片、港台、2001年、周星驰”,以此类推。
步骤305、根据用户的播放历史,生成推荐列表。生成的方式可以为:
行为历史发生时间与当前时间距离越远,那么该行为对最终结果的影响越弱。我们对每一个区间设定一个权值P,例如距当前1周权值为1,距当前2到3周权值为0.9,距当前4到6周权值为0.85,距当前7周以上权值为0.8。
将上述行为历史中的视频标签,按照其发生时间,乘以上述权值P,再进行累加,可以得到用户行为历史中所有单独类别值码的数量。
对上述单独标签的数量按照类别键码进行归类,然后再按类别值码进行排序,以排序后的结果作为生成推荐内容的依据。
系统首先取所有类别键码中类别值码最高的项,组成一个视频标签进行匹配,如果有足够多的匹配数量,那么就直接形成推荐列表;如果数量不够,那么取次之的类别键码,以此类推,直到推荐列表的数量足够为止。
以上文提到的行为历史为例:
091230:CTPL;TPEM;ARML;TM09;(1周,权值为1)
091225:CTPL;TPEM;ARML;TM09;(1周,权值为1)
091212:CTFM;TPAT;ARHT;TM01;ATXC;(3周,权值为0.9)
091201:CTPL;TPAT;ARML;TM09;(4到6周,权值为0.85)
例如:行为历史发生时间与当前时间距离越远,那么该行为对最终结果的影响越弱。我们对每一个区间设定一个权值P,例如距当前1周权值为1,距当前2到3周权值为0.9,距当前4到6周权值为0.85,距当前7周以上权值为0.8。
计算可得到所有类别键码和类别值码如下分布:
CTPL:1+1+0.85=2.85
CTFM:0.9
TPEM:1+1=2
TPAT:0.9+0.85=1.75
…….
如上所述,系统会首先尝试寻找匹配CTPL;TPEM;……这样视频标签的文件。如果找到的内容足够,就直接形成针对这个用户的推荐列表,如果找不到足够的内容,就继续寻找CTFM;TPEM……这样视频标签的内容,如此类推。
当然,上述实施例中是添加了播放时间作为权值,也可以不考虑用户的播放时间,而只考虑用户每次播放时的标签生成推荐列表。
实施例3
本发明第三实施例提出了一种推荐列表的生成装置,其结构如图3所示,包括:
分类模块1,对存储的文件进行分类,得到所述文件的标签;
历史信息记录模块2,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
推荐列表生成模块3,用于根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表。
本发明实施例提出了一种推荐列表的生成装置,针对用户读取文件的记录,从用户读取次数高的分类中的文件生成推荐列表。这样可以根据用户读取文件的记录就可以获知用户的使用习惯和使用行为,从而在用户喜爱的分类中的文件生成推荐列表。本发明实施例相比较现有的单一推荐列表的方式可以更贴近用户的使用习惯和使用行为,提高用户的体验感。这种方式可以提高命中率,使用户更快找到自己喜好的文件,降低用户随意点击造成体验感差及浪费系统资源和网络资源的问题。
实施例4
本发明第四实施例提出了一种推荐列表的生成装置,其结构如图4所示,包括:
分类模块1,对存储的文件进行分类,得到所述文件的标签;
分类模块1包括:
标识单元11,设置不同的分类方式,并对每一分类方式设置唯一的类别键码;根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
标签生成单元12,用于根据所述文件对应的类别键码和类别值码,生成该文件的标签。
其中,分类模块1通过标识单元11和标签生成单元12实现了对每一分类进行标识,并对每一文件生成标签的形式。以视频内容为例,可以将服务器中存储的视频进行多维度的分类,例如:
按内容分类(CT):包括电影(FM)、电视剧(PL)、动漫(CT)、综艺(RL)等。
按类型分类(TP):包括动作(AT)、喜剧(CM)、科幻(SF)、情感(EM)、恐怖(TR)、战争(WA)等。
按地区分类(AR):包括大陆(ML)、港台(HT)、日韩(JK)、欧美(EA)等。
按年份分类(TM):包括2009年(09)、2008年(08)、2007年(07)等
按影星分类(AT):包括周星驰(XC)、周润发(RF)、葛优(GY)等。
为上述每一个分类赋予一个唯一的代码(例如上面的CT、TP、AR等),这个代码称为类别键码(Class Type)。同时,为每一个分类中的上述每个类别键码下面的值,也赋予一个唯一的代码(例如上面CT下面的FM、PL、CT等),这个代码称为类别值码(Class Value)。
这样,每一视频文件可以根据不同的分类方式对应多个分类。例如对于电视剧《蜗居》,它属于电视剧、情感剧、大陆、2009年等,则该视频文件根据其所对应的所有或部分分类标识,生成该文件对应的标签:CTPL;TPEM;ARML;TM09。
当然,这只是本发明实施例的一种具体的实现方式,还可以通过其他方式实现对文件的分类、标识及文件标签;例如:对每一分类(例如内容、类型、地区等)设置一个代码,代码可以为十进制或二进制、十六进制等形式;为每一分类中的类型值(例如内容分类中的类型值电影、电视剧、动漫、综艺等)也分别设置一个代码。
本领域内技术人员可以理解,分类越详细则最终获得的推荐列表越贴近于使用者的使用习惯。同时,在生成文件的标签时,可以选择该文件对应的所有分类的类别键码和类别值码,也可以选择其中的部分类别键码和类别值码,本发明实施例并不以此为限。
历史信息记录模块2,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签。
例如以下是一个用户播放历史的示例:
CTPL;TPEM;ARML;TM09;
CTPL;TPEM;ARML;TM09;
CTFM;TPAT;ARHT;TM01;ATXC;
CTPL;TPAT;ARML;TM09;
对于历史信息记录模块2记录了用户读取文件的标签,则推荐列表生成模块3可以包括:
排序单元31,用于根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类;
推荐列表单元32,用于根据读取次数高的分类中的文件生成推荐列表。
推荐列表生成模块3根据用户读取的文件的标签中的类别键码和类别值码,将标签中的类别键码和类别值码进行累加,即可计算出用户的读取每一分类的次数。
以上述历史信息记录模块2中的播放历史为例,则可以计算出:CTPL分类的读取次数为3;CTFM分类的读取次数为1;TPEM分类的读取次数为2;TPAT分类的读取次数为2;ARML分类的读取次数为3;ARHT分类的读取次数为1;TM09分类的读取次数为3;TM01分类的读取次数为1;ATXC分类的读取次数为1。
在获得了读取每一分类的次数后,可以从读取次数高的分类中获取文件生成推荐列表。由于采用了多维度的分类,因此每一文件对应多个分类。可以理解的,如果一个文件对应的每一分类都是读取次数最高的,则由这种文件生成的推荐列表是最符合用户使用习惯和使用行为的。
因此,从读取次数高的分类中获取文件的方法可以为:系统选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签。通过首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表。
例如:取所有类别键码中类别值码最高的项,组成一个首选视频标签。以上述步骤202中的例子,则该首选视频标签可以为:CTPL;TPEM;ARML;TM09;ATXC或CTPL;TPAT;ARML;TM09;ATXC。将首选视频标签与预存储的文件的标签进行匹配;并将匹配到的文件生成推荐列表。
当然,通过首选视频标签的方式只是从读取次数高的分类中获取文件的一种方式,本发明实施例并不以此为限,本发明实施例还可以采用其他的方式实现。
进一步的,历史信息记录模块2还可以记录用户读取文件的时间,并对不同的读取文件时间设置权重值。这样在生成推荐列表时可以更贴近用户近期的读取习惯。即:
历史信息记录模块2,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签,以及读取文件的时间。
例如以下是一个用户播放历史的示例:
091230:CTPL;TPEM;ARML;TM09;
091225:CTPL;TPEM;ARML;TM09;
091212:CTFM;TPAT;ARHT;TM01;ATXC;
091201:CTPL;TPAT;ARML;TM09;
推荐列表生成模块3可以包括:
权重设置单元33,用于根据用户读取文件的时间,设置不同的权重值;
排序单元31,用于根据用户读取分类的次数,获取读取次数高的分类;并通过权重值对分类的读取次数进行修正后排序;
推荐列表单元32,用于选择读取次数高的分类中的文件,并生成推荐列表。
例如:行为历史发生时间与当前时间距离越远,那么该行为对最终结果的影响越弱。我们对每一个区间设定一个权值P,例如距当前1周权值为1,距当前2到3周权值为0.9,距当前4到6周权值为0.85,距当前7周以上权值为0.8。
将上述行为历史中的视频标签,按照其发生时间,乘以上述权值P,再进行累加,可以得到用户行为历史中所有单独类别值码的数量。
对上述单独标签的数量按照类别键码进行归类,然后再按类别值码进行排序,以排序后的结果作为生成推荐内容的依据。
以历史信息记录模块2中提到的行为历史为例:
091230:CTPL;TPEM;ARML;TM09;(1周,权值为1)
091225:CTPL;TPEM;ARML;TM09;(1周,权值为1)
091212:CTFM;TPAT;ARHT;TM01;ATXC;(3周,权值为0.9)
091201:CTPL;TPAT;ARML;TM09;(4到6周,权值为0.85)
例如:行为历史发生时间与当前时间距离越远,那么该行为对最终结果的影响越弱。我们对每一个区间设定一个权值P,例如距当前1周权值为1,距当前2到3周权值为0.9,距当前4到6周权值为0.85,距当前7周以上权值为0.8。
则计算可得到所有类别键码和类别值码如下分布:
CTPL:1+1+0.85=2.85
CTFM:0.9
TPEM:1+1=2
TPAT:0.9+0.85=1.75
…….
然后从读取次数高的分类中获取文件生成推荐列表。由于采用了多维度的分类,因此每一文件对应多个分类。可以理解的,如果一个文件对应的每一分类都是读取次数最高的,则由这种文件生成的推荐列表是最符合用户使用习惯和使用行为的。
因此,从读取次数高的分类中获取文件的方法可以为:系统选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签。通过首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表。
如上所述,则首选视频标签可以为CTPL;TPEM;……。以该首选视频标签对预存储的文件进行匹配,并以匹配到的文件生成推荐列表。
当然,通过首选视频标签的方式只是从读取次数高的分类中获取文件的一种方式,本发明实施例并不以此为限,本发明实施例还可以采用其他的方式实现。
进一步的,所述装置还包括:
发送模块4,用于将媒体服务器生成的所述推荐列表发送到所述用户相应的客户端,以使所述客户端将所述推荐列表显示给所述用户。
本发明实施例的推荐列表生成模块3还包括:
添加单元34,用于当所述读取次数高的分类中的文件数量少于推荐列表所需的文件数量时,从读取次数次高的分类中选取文件添加进推荐列表。
上述的添加单元34同样可以采用上述选择文件生成推荐列表的方式。即:如果与所述首选视频标签相匹配的文件足够生成推荐列表所需,则选择匹配的文件生成推荐列表。如果不够,则选择被读取次数最高的类别值码再次生成次选视频标签……,直到推荐列表的数量足够为止。
本发明第四实施例提出的推荐列表的生成装置,可以根据用户读取分类的次数及读取时间的远近,选择用户读取次数高的分类中的文件,这样可以更贴近用户的使用习惯和使用行为。
当然,上述的方法和装置只是举例说明。本发明实施例还可以通过其他方式是实现,例如:可以包括客户端和服务器端。
其中客户端可以包括:
视频文件HASH(哈希)计算模块:用于在用户每次在客户端播放视频时,计算文件的HASH值,这个HASH值可以唯一标识一个文件。
用户唯一标识计算模块:用于计算一个用户的唯一标识,这个标识可能是某个登录帐号(例如QQ),也可能是机器的GUID。用这个唯一标识,可以在服务器端区分不同用户的播放历史。
数据上报模块:用于将上述用户唯一标识、用户播放时间、播放文件的HASH值送到服务器端。
推荐内容接收与展示模块:用于接收服务器推送的推荐内容并进行展示。
服务器端包括以下模块:
数据接收与发送模块:用于从客户端接收数据和将数据发送给客户端。
视频文件HASH值匹配模块:用于把接收到客户端发送来的HASH值在视频文件数据库中匹配成视频标签。
用户行为历史分析模块:用于对用户的行为历史进行分析,形成用户行为历史标识串。
动态匹配模块:用于根据配置文件中的动态匹配规则,对上述形成的用户行为历史标识串,得到所有类别键码和类别值码的分布情况。
推荐内容生成模块:用于根据上述得到的所有类别键码和类别值码的分布情况,按照前文所述的一定的匹配规则,生成推荐内容列表。
数据存储与读取模块:用于从数据库与配置文件中读取和存入数据。
实施例5
本发明第五实施例提出了一种媒体服务器的推荐列表的生成方法,包括:
步骤401:对存储的文件进行分类,得到所述文件的标签;
步骤402:记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
步骤403:根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
步骤404:将所述推荐列表发送到所述用户相应的客户端,所述客户端将所述推荐列表显示给所述用户。
其中,媒体服务器可以为视频播放服务器、音频播放服务器、软件下载服务器。以视频播放平台为例:一般视频播放平台都会有视频播放服务器及设置于客户端的视频播放终端。采用本发明实施例的方法,可以通过视频播放服务器生成推荐列表,并将该推荐列表发送到客户端并显示给用户,以便于用户选择。本发明实施例针对用户读取文件的记录,从用户读取次数高的分类中的文件生成推荐列表。这样可以根据用户读取文件的记录就可以获知用户的使用习惯和使用行为,从而在用户喜爱的分类中的文件生成推荐列表。本发明实施例相比较现有的单一推荐列表的方式可以更贴近用户的使用习惯和使用行为,提高用户的体验感。这种方式可以提高命中率,使用户更快找到自己喜好的文件,降低用户随意点击造成体验感差及浪费系统资源和网络资源的问题。
本发明实施例中的步骤401-404可以与前述第二实施例中的具体方式相同,在此不再赘述。
实施例6
本发明第六实施例提出了一种媒体服务器,包括:
分类模块1,对存储的文件进行分类,得到所述文件的标签;
历史信息记录模块2,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
推荐列表生成模块3,用于根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
发送模块4,用于将媒体服务器生成的所述推荐列表发送到所述用户相应的客户端,以使所述客户端将所述推荐列表显示给所述用户。
其中,媒体服务器可以为视频播放服务器、音频播放服务器、软件下载服务器。以视频播放平台为例:一般视频播放平台都会有视频播放服务器及设置于客户端的视频播放终端。采用本发明实施例的方法,可以通过视频播放服务器生成推荐列表,并将该推荐列表发送到客户端并显示给用户,以便于用户选择。本发明实施例针对用户读取文件的记录,从用户读取次数高的分类中的文件生成推荐列表。这样可以根据用户读取文件的记录就可以获知用户的使用习惯和使用行为,从而在用户喜爱的分类中的文件生成推荐列表。本发明实施例相比较现有的单一推荐列表的方式可以更贴近用户的使用习惯和使用行为,提高用户的体验感。这种方式可以提高命中率,使用户更快找到自己喜好的文件,降低用户随意点击造成体验感差及浪费系统资源和网络资源的问题。
本发明实施例中的模块可以与前述第四实施例中的具体方式相同,在此不再赘述。
实施例7
本发明第七实施例提出了一种媒体客户端应用如实施例1或实施例2所述的推荐列表的生成方法向用户显示推荐列表的方法,包括:
所述媒体客户端将所述用户的唯一标识、用户读取的文件、用户读取该文件的时间发送到媒体服务器;
将接收到的所述媒体服务器生成的推荐列表显示给用户。
本发明实施例的媒体客户端可以为媒体播放器,通过将用户读取文件的参数发送到媒体服务器,并将媒体服务器根据这些参数生成的推荐列表显示给用户。本发明实施例的媒体客户端显示推荐列表的方法,可以更好的贴合用户的使用习惯和使用行为,提高用户的使用体验感。本发明实施例的媒体客户端可以配合如前述的实施例5所述的媒体服务器的推荐列表的生成方法一起使用。
其中,用于标识用户所读取的文件的方法可以为:在用户每次在客户端播放视频时,计算文件的HASH值,这个HASH值可以唯一标识一个文件。
实施例8
本发明第八实施例提出了一种应用如实施例3或实施例4所述的推荐列表的生成装置的媒体客户端,包括:
数据发送模块,用于向所述媒体客户端将所述用户的唯一标识、用户读取的文件、用户读取该文件的时间发送到媒体服务器;
接收模块,用于将接收到的所述媒体服务器生成的推荐列表显示给用户。
本发明实施例的媒体客户端可以为媒体播放器,通过将用户读取文件的参数发送到媒体服务器,并将媒体服务器根据这些参数生成的推荐列表显示给用户。本发明实施例的媒体客户端,可以更好的贴合用户的使用习惯和使用行为,提高用户的使用体验感。本发明实施例的媒体客户端可以配合如前述的实施例5所述的媒体服务器的推荐列表的生成方法一起使用。
其中,用于标识用户所读取的文件的方法可以为:在用户每次在客户端播放视频时,计算文件的HASH值,这个HASH值可以唯一标识一个文件。
通过上述的本发明实施例可以看出,本发明实施例的推荐列表的生成方法和装置、媒体服务器、客户端及方法,能够贴近用户的读取记录生成推荐列表,以使推荐列表更贴近用户的使用习惯和使用行为,提高用户的体验感。同时这种方式可以提高命中率,使用户更快找到自己喜好的文件,降低用户随意点击造成体验感差及浪费系统资源和网络资源的问题。
进一步的,本发明实施例提出了通过对每一分类方式设置类别键码,以及每一分类方式包括的分类设置类别值码。这样,就可以将每一文件都进行多维度分类,并根据每一维度的类别键码和类别值码,生成该文件的标签;这样就可以更容易的计算用户读取分类次数。
进一步的,本发明实施例在记录用户读取文件的同时还记录用户读取的时间,并以读取的时间作为权重值在后续的分类排序中进行修正。这样可以使用户在近期读取的分类具有更高的权重值,使推荐列表更贴近用户近期的喜好。例如近期用户多次播放某一连续剧,则可以在推荐列表中显示该连续剧每一集,以便于用户选择。
本发明实施例所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种推荐列表的生成方法,其特征在于,包括:
对存储的文件进行分类,得到所述文件的标签;
记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
其中,所述对存储的文件进行分类,得到所述文件的标签具体包括:
设置不同的分类方式,并对每一分类方式设置唯一的类别键码;
根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
根据所述文件对应的类别键码和类别值码,生成该文件的标签;
其中,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类,并根据读取次数高的分类中的文件生成推荐列表;
其中,所述计算用户读取的分类的次数,包括:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
或者,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
2.根据权利要求1所述的推荐列表的生成方法,其特征在于,用户读取的文件的属性还包括:用户读取文件的时间;
所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表之前还包括:
根据所述用户读取文件的时间,设置不同的权重值;
根据所述权重值对所述文件的读取次数进行修正。
3.根据权利要求2所述的推荐列表的生成方法,其特征在于,所述方法还包括:
当所述读取次数高的分类中的文件数量少于推荐列表所需的文件数量时,获取读取次数次高的分类中的文件添加进推荐列表。
4.根据权利要求1所述的推荐列表的生成方法,其特征在于,所述方法还包括:
媒体服务器将所述推荐列表发送到所述用户相应的客户端,所述客户端将所述推荐列表显示给所述用户。
5.一种推荐列表的生成装置,其特征在于,包括:
分类模块,对存储的文件进行分类,得到所述文件的标签;
历史信息记录模块,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
推荐列表生成模块,用于根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
其中,所述分类模块包括:
标识单元,设置不同的分类方式,并对每一分类方式设置唯一的类别键码;根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
标签生成单元,用于根据所述文件对应的类别键码和类别值码,生成该文件的标签;
其中,所述推荐列表生成模块包括:
排序单元,用于根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类;
其中,所述排序单元还用于:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
推荐列表单元,用于根据读取次数高的分类中的文件生成推荐列表;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
其中,所述推荐列表生成模块还用于:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
6.根据权利要求5所述的推荐列表的生成装置,其特征在于,所述推荐列表生成模块包括:
权重设置单元,用于根据用户读取文件的时间,设置不同的权重值;
排序单元,用于根据用户读取分类的次数,获取读取次数高的分类;并通过权重值对分类的读取次数进行修正;
推荐列表单元,用于选择读取次数高的分类中的文件,并生成推荐列表。
7.根据权利要求6所述的推荐列表的生成装置,其特征在于,所述推荐列表生成模块还包括:
添加单元,用于当所述读取次数高的分类中的文件数量少于推荐列表所需的文件数量时,获取读取次数次高的分类中的文件添加进推荐列表。
8.根据权利要求5所述的推荐列表的生成装置,其特征在于,所述装置还包括:
发送模块,用于将媒体服务器生成的所述推荐列表发送到所述用户相应的客户端,以使所述客户端将所述推荐列表显示给所述用户。
9.一种媒体服务器的推荐列表的生成方法,其特征在于,包括:
对存储的文件进行分类,得到所述文件的标签;
记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
将所述推荐列表发送到所述用户相应的客户端,所述客户端将所述推荐列表显示给所述用户;
其中,所述对存储的文件进行分类,得到所述文件的标签具体包括:
设置不同的分类方式,并对每一分类方式设置唯一的类别键码;
根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
根据所述文件对应的类别键码和类别值码,生成该文件的标签;
其中,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类,并根据读取次数高的分类中的文件生成推荐列表;
其中,所述计算用户读取的分类的次数,包括:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
或者,所述根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表具体包括:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
10.一种媒体服务器,其特征在于,包括:
分类模块,对存储的文件进行分类,得到所述文件的标签;
历史信息记录模块,用于记录用户读取的文件的属性,所述属性至少包括所述读取的文件的标签;
推荐列表生成模块,用于根据所述存储的文件的分类,以及所述用户读取的文件的属性,生成推荐列表;
发送模块,用于将媒体服务器生成的所述推荐列表发送到所述用户相应的客户端,以使所述客户端将所述推荐列表显示给所述用户;
其中,所述分类模块包括:
标识单元,设置不同的分类方式,并对每一分类方式设置唯一的类别键码;根据所述每一类分类方式对存储的文件进行分类,并对每一分类方式下的分类设置唯一的类别值码;
标签生成单元,用于根据所述文件对应的类别键码和类别值码,生成该文件的标签;
其中,所述推荐列表生成模块包括:
排序单元,用于根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数,获取读取次数高的分类;
其中,所述排序单元还用于:
根据用户读取文件的时间,设置不同的权重值;根据所述记录的用户读取的文件的属性中的标签中的类别键码和类别值码,计算用户读取的分类的次数;并根据权重值对分类的读取次数进行修正;
推荐列表单元,用于根据读取次数高的分类中的文件生成推荐列表;
其中,根据读取次数高的分类中的文件生成推荐列表具体包括:选取每一类别键码中被读取次数最高的类别值码,组成一个首选视频标签;通过所述首选视频标签,对所有文件进行匹配,并选择与所述首选视频标签匹配的文件生成推荐列表;
其中,所述推荐列表生成模块还用于:
根据用户读取时间的远近设置了权重,并根据用户读取分类的次数乘以其读取时间的权重值,对用户读取分类进行排序,并从排序靠前的分类中选择文件生成推荐列表。
11.一种媒体客户端应用如权利要求1-4任一项所述的推荐列表的生成方法向用户显示推荐列表的方法,其特征在于,包括:
所述媒体客户端将所述用户的唯一标识、用户读取的文件、用户读取该文件的时间发送到媒体服务器;并将接收到的所述媒体服务器生成的推荐列表显示给用户。
12.一种应用如权利要求5-8任一项所述的推荐列表的生成装置的媒体客户端,其特征在于,包括:
数据发送模块,用于向所述媒体客户端将所述用户的唯一标识、用户读取的文件、用户读取该文件的时间发送到媒体服务器;
接收模块,用于将接收到的所述媒体服务器生成的推荐列表显示给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010163247.7A CN102236669B (zh) | 2010-04-30 | 2010-04-30 | 推荐列表的生成方法和装置、媒体服务器、客户端及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010163247.7A CN102236669B (zh) | 2010-04-30 | 2010-04-30 | 推荐列表的生成方法和装置、媒体服务器、客户端及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102236669A CN102236669A (zh) | 2011-11-09 |
CN102236669B true CN102236669B (zh) | 2014-09-24 |
Family
ID=44887325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010163247.7A Active CN102236669B (zh) | 2010-04-30 | 2010-04-30 | 推荐列表的生成方法和装置、媒体服务器、客户端及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102236669B (zh) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102811371B (zh) * | 2012-07-10 | 2016-05-11 | Tcl集团股份有限公司 | 智能电视应用程序推荐的方法、系统及装置 |
CN103578007A (zh) * | 2012-07-20 | 2014-02-12 | 三星电子(中国)研发中心 | 用于智能设备的混合推荐系统及其方法 |
CN102843605A (zh) * | 2012-08-22 | 2012-12-26 | Tcl集团股份有限公司 | 视频播放方法、装置 |
CN103631823B (zh) | 2012-08-28 | 2017-01-18 | 腾讯科技(深圳)有限公司 | 一种媒体内容推荐方法及设备 |
CN103716692A (zh) * | 2012-09-28 | 2014-04-09 | 珠海扬智电子科技有限公司 | 提供个人化信息的系统及其方法 |
CN103051930B (zh) * | 2012-12-21 | 2016-01-20 | 中邮科通信技术股份有限公司 | 基于流量分析及用户行为分析的移动视频推荐方法及系统 |
CN104123306B (zh) * | 2013-04-27 | 2019-06-25 | 厦门雅迅网络股份有限公司 | 一种基于历史分析的无人智能驱动的数据文件生成方法 |
CN103279513B (zh) * | 2013-05-22 | 2017-03-01 | 百度在线网络技术(北京)有限公司 | 产生内容标签的方法、提供多媒体内容信息的方法及装置 |
CN103500212B (zh) * | 2013-09-30 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 一种多媒体文件推荐方法及电子设备 |
CN103686237B (zh) * | 2013-11-19 | 2017-03-08 | 乐视致新电子科技(天津)有限公司 | 推荐视频资源的方法及系统 |
CN104333773A (zh) * | 2013-12-18 | 2015-02-04 | 乐视网信息技术(北京)股份有限公司 | 一种视频推荐方法及服务器 |
US20150331863A1 (en) * | 2014-05-13 | 2015-11-19 | Htc Corporation | Selection method, method for maintaining data list and electronic device |
CN105554529A (zh) * | 2014-10-30 | 2016-05-04 | 深圳富泰宏精密工业有限公司 | 在线影片自动串联播放系统及方法 |
CN104363302A (zh) * | 2014-11-27 | 2015-02-18 | 北京奇艺世纪科技有限公司 | 一种离线下载文件的方法及装置 |
CN105843806A (zh) * | 2015-01-12 | 2016-08-10 | 宏达国际电子股份有限公司 | 电子装置与分类方法 |
CN104579990B (zh) * | 2015-01-23 | 2019-03-01 | 小米科技有限责任公司 | 路由器资源的推荐方法和装置 |
CN104778271A (zh) * | 2015-04-24 | 2015-07-15 | 无锡天脉聚源传媒科技有限公司 | 一种视频数据的缓存方法及装置 |
US10482169B2 (en) * | 2015-04-27 | 2019-11-19 | Adobe Inc. | Recommending form fragments |
CN105142006B (zh) * | 2015-08-06 | 2018-05-18 | 北京奇艺世纪科技有限公司 | 基于标签的频道自动生成方法和装置 |
CN105072465A (zh) * | 2015-08-27 | 2015-11-18 | 北京搜狗科技发展有限公司 | 一种视频播放控制方法及电子设备 |
CN105893443A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 视频推荐方法、装置和服务器 |
WO2017124394A1 (zh) * | 2016-01-21 | 2017-07-27 | 阮元 | 车载电脑自动推荐资源的方法以及推荐系统 |
WO2017128056A1 (zh) * | 2016-01-26 | 2017-08-03 | 白宏伟 | 根据标签自动换视频的方法以及视频系统 |
CN105760448B (zh) * | 2016-02-03 | 2019-11-15 | 北京金山安全软件有限公司 | 一种图片处理方法、装置及电子设备 |
CN105912620A (zh) * | 2016-04-07 | 2016-08-31 | 乐视控股(北京)有限公司 | 一种个性化多媒体推荐方法和装置 |
CN105828203A (zh) * | 2016-04-29 | 2016-08-03 | 乐视控股(北京)有限公司 | 推送多媒体文件的方法及装置 |
CN106776808A (zh) * | 2016-11-23 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 基于人工智能的资讯数据提供方法及装置 |
CN106792172A (zh) * | 2016-12-14 | 2017-05-31 | 未来电视有限公司 | 一种互联网电视个性化推荐视频的方法 |
CN109587565A (zh) * | 2017-09-29 | 2019-04-05 | 北京国双科技有限公司 | 一种收视数据的统计方法及装置 |
CN109800775B (zh) * | 2017-11-17 | 2022-10-28 | 腾讯科技(深圳)有限公司 | 文件聚类方法、装置、设备及可读介质 |
CN108388570B (zh) * | 2018-01-09 | 2021-09-28 | 北京一览科技有限公司 | 对视频进行分类匹配的方法、装置和挑选引擎 |
CN108156522A (zh) * | 2018-02-06 | 2018-06-12 | 南京创维信息技术研究院有限公司 | 主页内容推送方法、装置及计算机可读存储介质 |
CN110309358A (zh) * | 2018-03-27 | 2019-10-08 | 京东方科技集团股份有限公司 | 一种资源推荐方法及系统 |
CN108810635B (zh) * | 2018-06-25 | 2021-05-18 | 联想(北京)有限公司 | 一种数据处理方法、装置及电子设备 |
CN109471904B (zh) * | 2018-11-01 | 2021-07-20 | 杭州数澜科技有限公司 | 一种用于组织标签的方法和系统 |
CN110572521A (zh) * | 2019-09-20 | 2019-12-13 | 中国银行股份有限公司 | 语音播报方法及装置 |
CN112052378B (zh) * | 2019-10-15 | 2021-09-21 | 河南紫联物联网技术有限公司 | 智能终端、智能家居应用的推荐方法及系统 |
CN112163399A (zh) * | 2020-10-12 | 2021-01-01 | 北京字跳网络技术有限公司 | 在线文档推送方法、装置、电子设备及计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1902911A (zh) * | 2003-11-13 | 2007-01-24 | 松下电器产业株式会社 | 节目推荐装置、节目推荐装置的节目推荐方法以及计算机程序 |
WO2009045899A2 (en) * | 2007-10-04 | 2009-04-09 | Xiam Technologies Limited | Recommendation generation systems, apparatus, and methods |
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
CN101556615A (zh) * | 2008-04-08 | 2009-10-14 | 索尼株式会社 | 信息处理设备和方法、推荐设备和方法、信息处理系统 |
-
2010
- 2010-04-30 CN CN201010163247.7A patent/CN102236669B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1902911A (zh) * | 2003-11-13 | 2007-01-24 | 松下电器产业株式会社 | 节目推荐装置、节目推荐装置的节目推荐方法以及计算机程序 |
WO2009045899A2 (en) * | 2007-10-04 | 2009-04-09 | Xiam Technologies Limited | Recommendation generation systems, apparatus, and methods |
CN101556615A (zh) * | 2008-04-08 | 2009-10-14 | 索尼株式会社 | 信息处理设备和方法、推荐设备和方法、信息处理系统 |
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102236669A (zh) | 2011-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102236669B (zh) | 推荐列表的生成方法和装置、媒体服务器、客户端及方法 | |
US9552428B2 (en) | System for generating media recommendations in a distributed environment based on seed information | |
US10437896B2 (en) | Singular, collective, and automated creation of a media guide for online content | |
US7693887B2 (en) | Dynamic identification of a new set of media items responsive to an input mediaset | |
US8812580B2 (en) | Override of automatically shared meta-data of media | |
CN112364202B (zh) | 视频推荐方法、装置及电子设备 | |
CN101546589B (zh) | 具有动态媒体项目组的活动播放列表 | |
US20100228591A1 (en) | Real time ad selection for requested content | |
US20070078714A1 (en) | Automatically matching advertisements to media files | |
US20120102410A1 (en) | Media management for multi-user group | |
US20070067429A1 (en) | Delivery method for digital content based on stored, preferential, contextual, and/or situational data | |
CN102780920A (zh) | 电视节目推荐方法及系统 | |
CN102467577A (zh) | 信息处理设备和方法、信息处理系统及程序 | |
US9299331B1 (en) | Techniques for selecting musical content for playback | |
US20140222831A1 (en) | Method and system for personalized delivery of media content | |
CN106354867A (zh) | 多媒体资源的推荐方法及装置 | |
JP2012023636A (ja) | コンテンツ提示装置及びコンテンツ提示プログラム | |
US9998554B2 (en) | Customized graphic identifiers | |
CN106156351A (zh) | 多媒体资源推荐信息生成方法及装置 | |
CN107172178A (zh) | 一种内容发送方法及装置 | |
CN109934611B (zh) | 一种广告投放方法、装置、设备和计算机存储介质 | |
CN113743963A (zh) | 异常识别模型训练、异常对象识别方法、装置及电子设备 | |
CN106254908A (zh) | 多媒体资源播放方法和装置 | |
US20080256176A1 (en) | Internet radio system and the broadcasting method thereof | |
CN114173200B (zh) | 基于广电专网的视频管理推送方法及装置 |
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 |