CN102265272A - 有偏向的推荐器系统 - Google Patents

有偏向的推荐器系统 Download PDF

Info

Publication number
CN102265272A
CN102265272A CN2009801517807A CN200980151780A CN102265272A CN 102265272 A CN102265272 A CN 102265272A CN 2009801517807 A CN2009801517807 A CN 2009801517807A CN 200980151780 A CN200980151780 A CN 200980151780A CN 102265272 A CN102265272 A CN 102265272A
Authority
CN
China
Prior art keywords
time
content
content source
length
value
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.)
Granted
Application number
CN2009801517807A
Other languages
English (en)
Other versions
CN102265272B (zh
Inventor
M.巴比里
S.P.P.普龙克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fink Tv Guidance Co Ltd
Original Assignee
Axel Springer Digital TV Guide GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Axel Springer Digital TV Guide GmbH filed Critical Axel Springer Digital TV Guide GmbH
Publication of CN102265272A publication Critical patent/CN102265272A/zh
Application granted granted Critical
Publication of CN102265272B publication Critical patent/CN102265272B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/489—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using time information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/458—Scheduling content for creating a personalised stream, e.g. by combining a locally stored advertisement with an incoming stream; Updating operations, e.g. for OS modules ; time-related management operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4663—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving probabilistic networks, e.g. Bayesian networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/16—Analogue secrecy systems; Analogue subscription systems
    • H04N7/173—Analogue secrecy systems; Analogue subscription systems with two-way working, e.g. subscriber sending a programme selection signal
    • H04N7/17309—Transmission or handling of upstream communications
    • H04N7/17336—Handling of requests in head-ends

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Television Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及用于控制推荐器系统的装置、方法和计算机程序产品，其中，向推荐器的输出施加偏向，以便偏向于新添加的服务和内容源。该偏向随着时间和/或对来自新服务的内容给出的评级的数量而衰减。

Description

有偏向的推荐器系统
技术领域
本发明涉及一种用于针对至少一个内容项目控制推荐器系统的装置、方法和计算机程序产品。
背景技术
硬盘驱动器和数字视频压缩技术已经产生了对现场直播的电视(TV)进行时移，以及以高质量记录大量TV表演而不必担心磁带或其它可移动存储介质的可获得性的可能性。同时，对于普通用户，视听信号的数字化使内容源的数量成倍增加。使用简单的抛物线天线和TV接收机，可以获得数百个频道。在因特网上跨越各种服务而每天发布巨量的视频剪辑，并且所有主要的内容制作者都已经使得可以在线获得他们的整个内容库。结果，使得每天可以获得数千个可能越来越多的节目，并且所述节目可以被本地记录和存储以便以后访问。
然而，由于所提供的内容项目的这一巨大数量，单个内容选择成为重要问题。不适合用户简档(profile)的信息应当被滤除，并且应当选择与用户的需要和偏好(例如用户简档)匹配的正确的内容项目。
推荐器系统通过估计某个内容项目对于某个用户简档的相似程度并自动地对所述内容项目进行分级来解决这些问题。这可以通过将内容项目的特性(例如特征、元数据等)与用户简档或者与其它用户的类似简档进行比较来进行。因此，推荐器系统可以被视为滤除不希望的内容并且使有趣的内容引起用户的注意的工具。
推荐器技术的使用正被稳定地引入市场。在各种示例中，网站提供推荐器以便支持用户找出他们喜欢的内容项目(例如电影)，电子设备(例如个人视频记录器)使用推荐器来自动地过滤内容项目。推荐器系统被越来越多地应用以通过学习用户简档来对服务和产品进行个性化或个人化，其中可以使用机器学习技术来推断新内容项目的评级(rating)。
常用的推荐器技术是协同过滤和朴素贝叶斯分类。由此，在大量内容项目中，只有与用户或用户组的简档匹配的那些项目才能够被检索到。典型地，作为独立服务或单元、或者作为对于现有服务或单元的附件(例如插件)来提供推荐器。它们越来越多地出现在例如电视机或视频记录器的消费设备中。推荐器典型地需要用户反馈以学习用户的偏好。隐式的学习使得用户不必明确地对项目进行评级，并且可以通过观察用户动作而导出，所述用户动作例如为购买、下载、选择项目用于重放或删除，等等。所检测的用户动作可以由推荐器解释并且被转换为评级。例如，推荐器可以将购买动作解释为正评级，或者在视频项目的情况下，多于/少于50％的总观看持续时间可意味着正/负评级。
当用户订购新的服务(例如广播频道、视频点播服务、因特网视频网站等)时，他/她将乐于并希望看到来自新订购的服务的内容。然而，当通过推荐器系统来协调对内容的访问时(例如，如同在个人TV概念中那样)，来自新内容源的内容项目被推荐给用户的概率可能较低，这是因为推荐器系统将新添加的服务仅仅解释为添加到现有内容服务池中的另一个内容服务，因此不存在应当偏好来自新获取的内容服务的内容项目的特别原因。此外，最初，推荐器的简档不包含与新获取的内容服务有关的任何评级。这可能导致对于新获取的内容服务的不充分的选择，从而导致推荐器系统的次优操作。
发明内容
本发明的目的是提供一种改进的推荐器操作，通过该推荐器操作，新获取的内容服务的内容项目被充分地评级和/或推荐。
该目的通过如权利要求1所述的装置、如权利要求10所述的方法以及如权利要求13所述的计算机程序产品来实现。
所述装置包括推荐器，用于(例如基于元数据或协作过滤技术等)计算从内容源接收的内容项目的预测的评级值。根据本发明，通过龄期(age)确定器和偏向单元来校正该评级值。龄期确定器被适配为根据所述元数据以及从用户获得的或预测的对所述内容的所接收的内容项目的评级值的数量中的至少一个来导出龄期参数。偏向单元被适配为基于该龄期参数产生校正值，并且将这样产生的校正值施加到预测的评级值上。因此，基于订购内容服务的龄期校正预测的评级值，所述龄期例如可以基于用于计算评级值的元数据来确定。
元数据是指任何介质中的任何种类的、添加到要评级的特定内容项目或者与该特定内容项目相关联的任何信息，即，“关于数据的数据”。元数据的项目可以描述单独的内容项目、或者包括多个内容项目和分级等级的数据集合，例如数据库大纲。此外，元数据可以是定义数据，其提供关于其它内容项目或内容项目组的信息或者其它内容项目或内容项目组的文件管理。例如，元数据可以对关于内容项目或内容项目组的数据元素或属性(名称、大小、数据类型等)的数据、关于内容项目或内容项目组的记录或数据结构(长度、字段、列等)的数据、以及关于内容项目或内容项目组的数据(它位于哪里、如何对它进行关联、所有权等)的数据进行评注(document)。元数据还可以包括关于内容项目或内容项目组的上下文、质量和状态、或者特性的描述信息。因此，可以使推荐器的输出结果或评级有偏向，以偏向于新添加的服务和内容源。这样，从新获取的内容服务接收的内容项目被优选地推荐，因此被更优选地选择，从而从这种新服务或源接收的内容项目被更频繁地推荐。
根据第一方面，龄期确定器可以包括用于(例如基于元数据)确定订购时间的确定器、以及用于基于该订购时间和实际时间计算龄期参数的计算器。由此，可以提供一种评价内容项目的源的老旧性的直接方式。将由内容项目的元数据提供的订购时间与实际时间或时刻进行比较，从而可以获得老旧性或新鲜程度的直接量度。
根据可以与上述第一方面组合的第二方面，龄期确定器可以被适配为通过访问查找表来确定订购时间。该查找表可以存储源标识或标识符与订购时间之间的关系，从而可以以容易和迅速的方式提供订购时间。该查找表可以存储在可编程存储器中，从而可以在发起了对新内容源的订购时更新该查找表。作为替代，可以将订购时间存储在所关心的用户的服务简档中。
根据可以与上述第一和第二方面中的任一个组合的第三方面，所述偏向单元可以被适配为随着龄期参数增大或者随着由用户给出或由推荐器预测的对该内容源的所接收的内容项目的评级值的数量增大而减小校正值。由此，施加于推荐器的输出的偏向随着时间和/或随着赋予从新内容源接收的内容项目的评级的数量而减小。
在具体示例中，偏向单元可以被适配为按照与时间或评级值的数量成线性或指数的关系来减小校正值。
根据可以与上述第一到第三方面中的任一个组合的第四方面，推荐器可以被适配为在范围[0，1]内计算所述预测的评级值。这样，可以用值“0”和“1”之间的概率的形式来提供推荐器的输出或预测的评级，所述概率可以用来将用户偏好表示为喜欢程度，其中“0”表示“不喜欢”，“1”表示“喜欢”。当然，也可以使用任何其它种类或类型的值(例如5星范围)。
根据可以与上述第一到第四方面中的任一个组合的第五方面，龄期参数可以是表示在推荐器系统中可以获得内容源已有多长时间的新鲜性值。在具体示例中，该新鲜性值可以是小于或等于1的正实数。当内容源第一次被添加到推荐器系统中时，可以将新鲜性值设置为“1”，使得推荐器的偏向输出值被控制为其最大值。
根据可以与上述第一到第五方面中的任一个组合的第六方面，龄期参数可以表示订购内容源的龄期，对于时间较短的订购，校正值可以导致更高的评级值。
根据可以与上述第一到第六方面中的任一个组合的第七方面，可以响应于新内容源的添加而触发内容预先选择过滤器的更新。由此，可以确保从新的源接收的内容项目将通过预先选择过滤器。
根据可以与上述第一到第七方面中的任一个组合的第八方面，可以响应于新内容源的添加而触发用于将个人频道分配给新内容源的用户输入操作。这里，“个人频道”意指该频带已经关联了新的预先选择过滤器。这样，对新服务或新内容源的订购触发与用户的对话，以针对新的内容源选择或创建新的个人频道(即，具有相关联的预先选择过滤器)。在用于个人电视机的推荐器系统中，如果通过卫星服务(例如免费卫星电视服务)接收的新电视台例如在用户简档(例如我的个人电视指南)中被选择为新的内容源，则推荐器自动地推荐所述新电视台。
注意，可以将上述控制或推荐器装置实施为具有分立的硬件组件的分立硬件电路、集成芯片、芯片模块的装置、或者信号处理设备或计算机设备或者由存储在存储器中的软件例程或程序控制的芯片。
附图说明
现在将作为示例，参照附图，基于实施例来描述本发明，在附图中：
图1示出了根据本发明实施例的推荐器系统的示意性框图；以及
图2示出了根据本发明实施例的偏向推荐器的示意性框图。
具体实施方式
现在，将基于示例推荐器系统来描述本发明的实施例，所述示例推荐器系统产生对诸如书籍、TV节目、电影等的内容项目的评级。
图1示出了推荐器系统的示意性框图，该推荐器系统包括连接到源(S)101的信息数据存储器103。源101可以例如是因特网上的电子节目指南(EPG)服务，其提供关于TV节目的信息数据。信息数据存储器103可以连接到至少一个预先选择过滤器(F)105，所述至少一个预先选择过滤器(F)105与个人化的内容频道相关联，并且相应地对内容项目进行过滤。注意，可以提供任何数量的个人化的内容频道。预先选择过滤器105的输出连接到相应的有偏向的推荐器引擎(B-RE)107。因此，每个个人化的内容频道可以具有与其相关联的自己的有偏向的推荐器引擎107。每个有偏向的推荐器引擎107(从而个人化的内容频道)具有与其相关联的简档(P)109。有偏向的推荐器引擎107的输出连接到调度器(SCH)111。调度器111连接到存储设备113(例如一组硬盘驱动器)以及选择器(SEL)115。信息数据存储器103还连接到内容源(CS)117。内容源117以广播或点播的方式提供例如至少音频/视频信息。此外，内容源117可以提供信息数据，例如视频信号的垂直消隐间隔内的EPG信息、或者关于特定内容项目的片段(例如电影的场景边界)的MPEG-7元数据。内容源117连接到选择器115，选择器115包括至少一组内容隔离部件(例如调谐器等)，其允许隔离一个或多个内容项目以便记录在存储设备113上。选择器115的输出连接到存储设备113。
现在将描述图1的装置的操作。从源(因特网)101收集要在个人化的内容频道上播出的当前内容项目的信息数据、或者经由其它手段(例如经由模拟TV广播信号的垂直消隐间隔中的传送或者经由数字视频广播(DVB)传输流)获得所述信息数据、或者通过上述任意项的组合获得所述信息数据。该内容项目可以是TV节目、包含视频和/或音频的数据流、或者节目片段等等。
所述信息数据可以包括与内容项目相关联的多个属性和属性值，例如标题、演员、导演和风格。每个简档109基于该信息数据以及表示用户的“喜欢”或“不喜欢”的数据。“喜欢”和“不喜欢”的评级可以基于反馈或通过相关联的预先选择过滤器105的内容项目。该反馈可以由使用特定个人化的内容频道的用户作为明确的评级而给出。可以以若干方式做出所述评级。例如，用户可以使用遥控设备，通过在显示当前内容项目的同时按下用户接口(例如遥控设备)上的适当按钮，而对当前选择的内容项目或当前内容项目的给定属性指示他的评级(“喜欢”或“不喜欢”)。可替换地，可以观察用户的行为。例如，如果用户观看当前内容项目超过了预定义的时间长度(例如20分钟)，则可以自动地指示“喜欢”。在更高级的设置中，可以在离散或连续范围上提供或者计算“喜欢”程度，代替仅仅二元的“喜欢”或“不喜欢”的分类。
当内容项目的信息数据通过过滤器105时，该信息数据被转发给有偏向的推荐器引擎107。该有偏向的推荐器引擎基于其相关联的简档109，对该后续内容项目计算有偏向的“喜欢”程度或评级。然后，将关联到该后续内容项目的信息数据与所计算的评级一起转发给调度器111，调度器111随后计算记录计划表，该记录计划表将被用来调度由推荐器引擎107提供的内容项目到存储设备113上的记录。具体地，调度器111可以主要考虑喜欢程度或评级高的内容项目，同时还对每个个人化的内容频道考虑足够的新内容。为此，使用由调度器111计算的记录计划表来指示调度器115选择可以从内容源117获得的内容项目，以便将它们记录在存储设备113上。
可以使用三种基本方法来导出使用或用户简档：  隐式简档建立(profiling)；显式简档建立；以及反馈简档建立。隐式简档建立方法不受注意地从用户的使用历史(例如观看的和未观看的TV表演的组)导出内容使用简档。显式简档建立方法根据用户回答的问题导出内容使用简档，所述问题例如为包括关于用户喜欢和不喜欢什么的显式问题的问题。反馈简档建立方法根据用户已经为之提供了喜欢或不喜欢的程度的评级的内容项目导出使用简档。
根据该实施例，有偏向的推荐器引擎107包括偏向单元、组件或功能，其被适配或配置为提供有偏向的输出，以便偏向于新添加的服务和内容源。可以通过与推荐器输出组合的校正值来施加该偏向。该校正值可以随着时间和/或随着由用户或由推荐器赋予从新内容服务接收的内容项目的评级的数量而减小。由此，可以增大将来自新的源的内容推荐给用户的概率，这是因为有偏向的输出可以确保即使推荐器的简档109不包含任何与新获取的服务(即内容源)有关的评级，也偏好来自该新获取的服务的内容项目。
图2示出了图1的有偏向的推荐器引擎107的实施示例的示意性框图。图2所示的组件或块可以被实现为硬件电路或组件，或者替代地可以被实现为存储在计算机或处理器设备的存储器中的软件例程。
当可以获得新内容项目时，将它的特征或元数据MDi提供给推荐器(RE)1072，推荐器(RE)1072计算或确定例如采用范围[0，1]内的后验概率Pr形式的预测评级，所述概率因此表示用户对给定的内容项目的喜欢程度(例如，其中，“0”表示“不喜欢”，“1”表示“喜欢”)。该概率Pr被提供给偏向单元(B)1074，偏向单元(B)1074根据已从中接收到所关心的内容项目的内容源的龄期度或新鲜程度将偏向(例如校正值)施加到概率Pr。注意，术语“内容源”可以被解释为从中接收内容项目的任何服务或源，例如广播频道或视频点播服务等。
因此，每个内容源(例如图1的内容源117)可以用表示在当前推荐器系统中可以获得内容源在已有多长时间的新鲜性值或其它种类的龄期参数来表征。
在本实施示例中，可以将内容源的新鲜性值选择为“0”和“1”之间的实数。当内容源第一次被添加到系统中时，可以将新鲜性值设置为“1”，因此该内容源被视为新内容源。此外，可以提供处理用于随着时间和/或随着赋予源自所关心的内容源的内容项目的评级的数量而(例如以线性或指数的方式)减小该新鲜性值。由此，内容源的新鲜性(由此，所述偏向或校正值)随着时间而减小。这样，从偏置单元1074获得有偏向的或经过校正的概率Pr。
如可以从图2的实施示例推断的，偏向单元1074可以具有两个控制输入，用于控制校正值或偏向。一方面，可以从计算器1078提供新鲜性值υ，另一方面，可以使用推荐器1072的附加或替代控制输出来指示从用户接收和由推荐器1072产生的、对所关心的内容项目的评级的数量。该控制值可以从由推荐器系统管理的查找表(未示出)或者从用户的服务简档导出。
所关心的内容项目的元数据MDi也被施加到确定器(DET)1076，确定器(DET)1076从元数据MDi导出源标识或身份Si，并且确定用户订购从中接收到所关心的内容项目的内容源的订购时间TS。订购时间TS可以由元数据MDi直接提供，或者可以从查找表(LUT)1077导出，所述查找表(LUT)1077可以在用户订购新的内容源时由推荐器系统更新。
然后，将订购时间TS提供给计算器(NV)1078，计算器(NV)1078基于订购时间TS计算新颖性值υ。这可以通过将订购时间TS与从计时器1079获得的实际时间t进行比较来实现，可以在有偏向的推荐器引擎107处或者在推荐器系统中或推荐器系统处的其它地方提供所述计时器1079。
例如，给定内容项目i以及源身份Si，其在订购时间(T0，t＝0)之后的时刻t≥0处的新鲜性值由下式给出：
Figure BDA0000070153920000081
其中T0＞TS是订购新内容源之后的时间，在该时间，不能再将新内容源视为新鲜的。
假设当前内容项目i的上述后验概率由Pr(+|i)给出，则有偏向的后验概率Prb(+|i)由下式给出：
Prb(+|i)＝υ(Si，t)·1+(1-υ(Si，t)·Pr(+|i)，    (2)
以由此提供随着时间的过去而从最大概率Prb＝1到实际的后验概率Pr的逐渐改变。
在不仅通过推荐器引擎、还通过在推荐器引擎评估内容项目之前(例如通过逻辑规则)预先选择内容项目的预先选择过滤器(例如图1的预先选择过滤器105)来协调内容访问的推荐器系统中，可以将该推荐器系统配置为提供以下控制结构，在该控制结构中，新内容源的添加触发预先选择过滤器的更新，使得来自新内容源的内容项目可以通过预先选择过滤器。作为示例，假设定义预定的个人“西方”频道来滤除在多个预定义频道上广播的、除了西方电影之外的所有电影。如果用户现在订购新的视频点播服务，则可以更新或扩展“西方”频道的预先选择过滤器，以包括该新的视频点播服务作为新内容源。
此外，在使用多个预先选择过滤器(每个连接到其自己的推荐器引擎)来定义“虚拟”或“个人”频道的系统中，对新服务的订购可以触发与用户的对话，以选择一个或多个适当的虚拟频道或者创建该新服务或内容源应当对其做出贡献的新的虚拟频道(从而实例出(instantiate)新的预先选择过滤器)。
对于每个选择的虚拟频道，可以更新过滤器定义或参数以允许包括来自新内容源的适当的或期望的内容项目。在这种情况下，有偏向的推荐器引擎的上述偏向功能可以被应用于每个选择的虚拟频道。
注意：本发明可应用到用于机顶盒、电视机、移动电话、个人数字助理(PDA)、个人计算机(PC)以及使用推荐器来收集、过滤和向其用户呈现来自多个源的内容项目的所有设备的任何推荐器系统。因此，本发明不限于电视或电影内容的推荐器，而是可应用于音乐、剧院表演、书籍、以及可以为之构造推荐器的所有类型的产品和服务。
总地来说，本发明涉及一种用于控制推荐器系统的装置、方法和计算机程序产品，其中偏向被施加于推荐器的输出以便偏向于新添加的服务或内容源。该偏向可以随着时间和/或随着赋予来自新服务的内容的评级的数量而衰减。
尽管在附图和上文的描述中详细地图示和描述了本发明，但是这种图示和描述应被视为说明性的或示例性的，而不是限制性的。本发明不限于所公开的实施例。通过阅读本公开，其它修改对于本领域技术人员来说将是显而易见的。这种修改可以涉及本领域已经知道的并且可以代替或附加于在这里已经描述的特征而使用。
通过研究附图、本公开以及所附权利要求，本领域技术人员可以理解和进行对所公开的实施例的改变。在权利要求中，词语“包括”没有排除其它元件或步骤，并且不定冠词“一”没有排除多个元件或步骤。单个处理器或其它单元可以基于对应的软件例程而完成至少图2的功能。计算机程序可以被存储/分布在适当的介质上，所述介质例如为与其它硬件一起或作为其它硬件的一部分提供的光存储介质或固态介质，但是也可以被以其它形式发布，例如经由因特网或其它有线或无线通信网络来发布。在彼此不同的从属权利要求中描述某些措施的仅有事实不表示不能使用这些措施的组合来使优点突出。权利要求中的任何参考标号不应被解释为限制其范围。
权利要求书(按照条约第19条的修改)
1.一种用于控制推荐器系统的装置，所述装置包括：
a)推荐器(1072)，用于基于内容项目的信息数据以及指示用户喜欢或不喜欢的数据，计算从内容源(117)接收的内容项目的预测的评级值；
b)龄期确定器(1076-1079)，用于根据从用户获得的或者预测的、对所述内容源(117)的所接收的内容项目的评级值的数量，导出所述内容源(117)的龄期参数，其中，所述龄期参数表示订购所述内容源(117)的龄期；以及
c)偏向单元(1074)，用于基于所述龄期参数向所述预测的评级值施加校正值以便偏向于新内容源的内容项目。
2.如权利要求1所述的装置，其中所述龄期确定器(1076-1079)包括用于基于元数据确定订购时间的确定器(1076)、以及用于基于所述订购时间和实际时间计算所述龄期参数的计算器(1078)。
3.如权利要求2所述的装置，其中所述龄期确定器(1076-1079)被适配为通过访问查找表(1077)来确定所述订购时间。
4.如权利要求1所述的装置，其中所述偏向单元(1074)被适配为随着龄期参数增大或者随着所述内容源(117)的所接收的内容项目的评级值的数量增大而减小所述校正值。
5.如权利要求4所述的装置，其中所述偏向单元(1074)被适配为按照与时间或所述评级值的数量成线性或指数的关系来减小所述校正值。
6.如权利要求1所述的装置，其中所述推荐器(1072)被适配为在范围[0，1]内计算所述预测的评级值。
7.如权利要求1所述的装置，其中所述龄期参数是表示在所述推荐器系统中可以获得所述内容源(117)已有多长时间的新鲜性值。
8.如权利要求7所述的装置，其中所述新鲜性值是小于或等于1的正实数。
9.如权利要求1所述的装置，其中，对于时间较短的订购，所述校正值导致更高的评级值。
10.一种控制推荐器系统的方法，所述方法包括：
a)基于内容项目的信息数据以及指示用户喜欢或不喜欢的数据，计算从内容源(117)接收的内容项目的预测的评级值；
b)根据从用户获得的或者预测的、对所述内容源(117)的所接收的内容项目的评级值的数量，导出所述内容源(117)的龄期参数，其中，所述龄期参数表示订购所述内容源(117)的龄期；以及
c)基于所述龄期参数向所述预测的评级值施加校正值以便偏向于新内容源的内容项目。
11.如权利要求10所述的方法，还包括：响应于新内容源的添加而触发内容预先选择过滤器(105)的更新。
12.如权利要求10所述的方法，还包括：响应于新内容源的添加而触发用户输入操作，该用户输入操作用于对新内容源创建具有预先选择过滤器的新频道。
13.一种计算机程序产品，包括用于在计算机设备上运行时产生方法权利要求10的步骤的代码组件。

Claims (13)

1.一种用于控制推荐器系统的装置，所述装置包括：
a)推荐器(1072)，用于基于内容项目的信息数据以及指示用户喜欢或不喜欢的数据，计算12从内容源(117)接收的内容项目的预测的评级值；
b)龄期确定器(1076-1079)，用于根据从用户获得的或者预测的、对所述内容源(117)的所接收的内容项目的评级值的数量，导出所述内容源(117)的龄期参数；以及
c)偏向单元(1074)，用于基于所述龄期参数向所述预测的评级值施加校正值以便偏向于新添加的内容源。
2.如权利要求1所述的装置，其中所述龄期确定器(1076-1079)包括用于基于所述元数据确定订购时间的确定器(1076)、以及用于基于所述订购时间和实际时间计算所述龄期参数的计算器(1078)。
3.如权利要求2所述的装置，其中所述龄期确定器(1076-1079)被适配为通过访问查找表(1077)来确定所述订购时间。
4.如权利要求1所述的装置，其中所述偏向单元(1074)被适配为随着龄期参数增大或者随着所述内容源(117)的所接收的内容项目的评级值的数量增大而减小所述校正值。
5.如权利要求4所述的装置，其中所述偏向单元(1074)被适配为按照与时间或所述评级值的数量成线性或指数的关系来减小所述校正值。
6.如权利要求1所述的装置，其中所述推荐器(1072)被适配为在范围[0，1]内计算所述预测的评级值。
7.如权利要求1所述的装置，其中所述龄期参数是表示在所述推荐器系统中可以获得所述内容源(117)已有多长时间的新鲜性值。
8.如权利要求7所述的装置，其中所述新鲜性值是小于或等于1的正实数。
9.如权利要求1所述的装置，其中所述龄期参数表示订购所述内容源(117)的龄期，并且其中，对于时间较短的订购，所述校正值导致更高的评级值。
10.一种控制推荐器系统的方法，所述方法包括：
a)基于内容项目的信息数据以及指示用户喜欢或不喜欢的数据，计算从内容源(117)接收的内容项目的预测的评级值；
b)根据从用户获得的或者预测的、对所述内容源(117)的所接收的内容项目的评级值的数量，导出所述内容源(117)的龄期参数；以及
c)基于所述龄期参数向所述预测的评级值施加校正值以便偏向于新添加的内容源。
11.如权利要求10所述的方法，还包括：响应于新内容源的添加而触发内容预先选择过滤器(105)的更新。
12.如权利要求10所述的方法，还包括：响应于新内容源的添加而触发用户输入操作，该用户输入操作用于对新内容源创建具有预先选择过滤器的新频道。
13.一种计算机程序产品，包括用于在计算机设备上运行时产生方法权利要求10的步骤的代码组件。
CN200980151780.7A 2008-12-23 2009-12-15 有偏向的推荐器系统 Active CN102265272B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP08172774A EP2202655A1 (en) 2008-12-23 2008-12-23 Biased recommender system
EP08172774.5 2008-12-23
PCT/EP2009/067153 WO2010072616A1 (en) 2008-12-23 2009-12-15 Biased recommender system

Publications (2)

Publication Number Publication Date
CN102265272A true CN102265272A (zh) 2011-11-30
CN102265272B CN102265272B (zh) 2015-12-16

Family

ID=40565319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980151780.7A Active CN102265272B (zh) 2008-12-23 2009-12-15 有偏向的推荐器系统

Country Status (5)

Country Link
US (1) US8700556B2 (zh)
EP (3) EP2202655A1 (zh)
CN (1) CN102265272B (zh)
RU (1) RU2532703C2 (zh)
WO (1) WO2010072616A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104508692A (zh) * 2012-07-06 2015-04-08 芬克数字电视指导有限责任公司 用于自动过滤器调节的装置和方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130117147A1 (en) * 2011-11-07 2013-05-09 Nathan J. Ackerman Similarity and Relatedness of Content
US9477376B1 (en) * 2012-12-19 2016-10-25 Google Inc. Prioritizing content based on user frequency
US9335818B2 (en) * 2013-03-15 2016-05-10 Pandora Media System and method of personalizing playlists using memory-based collaborative filtering
US9430532B2 (en) 2013-07-30 2016-08-30 NETFLIX Inc. Media content rankings for discovery of novel content
CN106454400B (zh) * 2016-09-20 2019-09-13 广东工业大学 一种面向网络电视用户的时序主题偏好预测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1885284A (zh) * 2005-06-24 2006-12-27 鸿富锦精密工业（深圳）有限公司 一种播放列表生成系统及方法
US20080222106A1 (en) * 2007-03-09 2008-09-11 Microsoft Corporation Media content search results ranked by popularity

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2236699C1 (ru) * 2003-02-25 2004-09-20 Открытое акционерное общество "Телепортал. Ру" Способ поиска и выборки информации с повышенной релевантностью
WO2006029508A1 (en) * 2004-09-13 2006-03-23 Solace Systems Inc. Highly scalable subscription matching for a content routing network
US20060254409A1 (en) * 2005-05-11 2006-11-16 Withop Ryan L Sorting media files using dynamic passive recognition techniques
US7991757B2 (en) * 2008-08-12 2011-08-02 Amazon Technologies, Inc. System for obtaining recommendations from multiple recommenders

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1885284A (zh) * 2005-06-24 2006-12-27 鸿富锦精密工业（深圳）有限公司 一种播放列表生成系统及方法
US20080222106A1 (en) * 2007-03-09 2008-09-11 Microsoft Corporation Media content search results ranked by popularity

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104508692A (zh) * 2012-07-06 2015-04-08 芬克数字电视指导有限责任公司 用于自动过滤器调节的装置和方法
US9959316B2 (en) 2012-07-06 2018-05-01 Funke Digital Tv Guide Gmbh Device and method for automatic filter adjustment
CN104508692B (zh) * 2012-07-06 2019-10-01 芬克数字电视指导有限责任公司 用于自动过滤器调节的装置和方法

Also Published As

Publication number Publication date
US8700556B2 (en) 2014-04-15
EP3242231A1 (en) 2017-11-08
CN102265272B (zh) 2015-12-16
RU2011130807A (ru) 2013-01-27
US20120054144A1 (en) 2012-03-01
RU2532703C2 (ru) 2014-11-10
EP2202655A1 (en) 2010-06-30
EP2382559A1 (en) 2011-11-02
WO2010072616A1 (en) 2010-07-01
WO2010072616A4 (en) 2010-09-16

Similar Documents

Publication Publication Date Title
US11706487B2 (en) Methods and systems for determining user engagement based on user interactions during different time intervals
RU2524840C2 (ru) Адаптивное неявное изучение для рекомендательных систем
US6990635B2 (en) User interface for collecting viewer ratings of media content and facilitating adaption of content recommenders
US20150020106A1 (en) Personalized video content from media sources
US20140052696A1 (en) Systems and methods for visual categorization of multimedia data
US20030097657A1 (en) Method and system for delivery of targeted programming
US11974000B2 (en) Controller for establishing personalized video channels
US20100011020A1 (en) Recommender system
US9204200B2 (en) Electronic programming guide (EPG) affinity clusters
CN102217301A (zh) 在第一多媒体内容项目的列表中分配第二多媒体内容项目的方法
US20150110461A1 (en) Dynamic media recording
US10051326B2 (en) Methods and systems for determining user engagement based on user interactions during different advertisement slots
CN102265272B (zh) 有偏向的推荐器系统
US20140278969A1 (en) Derivative media content
US20080288982A1 (en) Method and Apparatus for Generating a Recommendation for at Least One Content Item
US9699514B2 (en) Apparatus, systems and methods for media mosaic management
WO2016160201A1 (en) Aggregating media content
GB2455331A (en) Retrieving media content
McKenzie et al. Netflix chills and revamps its viewing metrics: Preliminary analysis and opportunities for research
KR20110032303A (ko) 군집 예측을 통한 콘텐츠 추천 시스템 및 방법
JP4698545B2 (ja) 情報処理装置及び方法及びプログラム並びに記憶媒体
JP2008010951A (ja) 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Berlin

Applicant after: AXEL SPRINGER DIGITAL TV GUIDE GMBH

Address before: Berlin

Applicant before: Axel Springer Digital TV Guide GmbH

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: AXEL SPRINGER DIGITAL TV GUIDE TO: FENKE DIGITAL TV GUIDE CO., LTD.

C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201209

Address after: hamburg

Patentee after: Fink TV guidance Co., Ltd

Address before: Berlin

Patentee before: Fink Digital Television Director Co.,Ltd.