CN102591913A

CN102591913A - 基于推荐的内容项高速缓存

Info

Publication number: CN102591913A
Application number: CN2011104152071A
Authority: CN
Inventors: C·B·韦尔; E·N·洛克德
Original assignee: Microsoft Corp
Current assignee: Microsoft Technology Licensing LLC
Priority date: 2010-12-03
Filing date: 2011-12-02
Publication date: 2012-07-18
Anticipated expiration: 2031-12-02
Also published as: CN102591913B; HK1171540A1; US20120144117A1

Abstract

本发明公开了基于推荐的内容项高速缓存。基于与内容项相关联的元数据以及与用户相关联的内容项使用历史为用户生成内容项推荐。每一内容项推荐标识用户和内容项，并包括指示该用户有多大可能查看该内容项的分数。基于内容项推荐，以及一个或多个高速缓存的约束，内容项被选择用来存储在一个或多个高速缓存中。该约束可包括与每一高速缓存相关联的用户、每一高速缓存的地理位置、每一高速缓存的大小、和/或与每一高速缓存相关联的诸如带宽成本等成本。将存储在高速缓存中的内容项推荐给与该高速缓存相关联的用户。

Description

基于推荐的内容项高速缓存

技术领域

本发明涉及计算机技术，尤其涉及基于推荐的内容项高速缓存。

背景技术

许多现有的系统向用户推荐诸如音乐、电影和视频游戏等内容项。这些推荐系统通常将其推荐基于一用户查看或使用的内容项历史和其它用户查看或使用的内容项历史的相关性。这些系统还可进一步使用用户提交的评级或评论以及内容提供者提供的描述内容的各方面(流派、演员、适合的年龄组，等等)的元数据以进一步细化向用户推荐哪些内容项。

尽管这些系统所生成的推荐在向用户提醒新的或未知的内容项方面是有效的，但当前并未使用这些推荐来作出有关向用户分发或递送推荐的内容项的决定。由于本地存储的成本下降，以及用户在相似时间(例如：黄金时间)访问在线内容项的倾向减少，可用的本地存储能力和带宽会被浪费。

发明内容

基于与内容项相关联的元数据以及与用户相关联的内容项使用历史为用户生成内容项推荐。每一内容项推荐标识用户和内容项，并包括指示用户有多大可能使用或喜欢该内容项的分数。基于内容项推荐，以及一个或多个高速缓存的约束，内容项被选择用来存储在一个或多个高速缓存中。高速缓存的约束可包括，例如，与每一高速缓存相关联的用户、每一高速缓存的地理位置、每一高速缓存的大小、以及与每一缓存相关联的诸如带宽成本等成本。将存储在高速缓存中的内容项推荐给与该高速缓存相关联的用户。通过推荐存储在与用户相关联的高速缓存中的内容项，由于内容项在非高峰时段期间被分发到高速缓存，所以整个带宽能力可被更好地管理。另外，由于高速缓存和用户之间的短的等待时间，用户体验可被改进。

在一个实现中，计算设备接收与内容项相关联的元数据。计算设备接收与用户相关联的用户数据。使用用户数据和与每个内容项相关联的元数据为每个内容项确定密切度分数。根据所确定的密切度分数选择一个或多个内容项。计算设备使所选内容项存储在与用户相关联的高速缓存中。

在一个实现中，计算设备接收多个内容项中的每一个的密切度数据。内容项的密切度数据包括与多个用户中的每一个相关联的密切度分数。计算设备接收多个高速缓存中的每一个的一个或多个约束。每一缓存与一个或多个用户相关联。对于每一缓存，计算设备基于高速缓存的(诸)约束以及与同高速缓存相关联的用户相关联的密切度分数选择一个或多个内容项。对于每一高速缓存，使得所选内容项存储在高速缓存中。

提供本发明内容以便以简化的形式介绍将在以下详细描述中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于限定所要求保护的主题的范围。

附图说明

当结合附图进行阅读时，可以更好地理解以上概述以及以下对说明性实施例的详细说明。出于说明各实施例的目的，在附图中示出各实施例的示例性构造；然而，各实施例不局限于所公开的具体方法和手段。在附图中：

图1是用于推荐内容项并根据该推荐将内容项存储于一个或多个高速缓存的示例环境的图示；

图2是示例内容项推荐器的图示；

图3是用于推荐一个或多个内容项的方法的实现的操作流程；

图4是用于推荐一个或多个内容项的方法的另一实现的操作流程；

图5示出了在其中可实现各示例实施例和各方面的示例性计算环境。

具体实施方式

图1是用于推荐内容项并根据该推荐将内容项存储于一个或多个高速缓存的示例环境100的图示。客户机设备110可经网络120与内容项推荐器160和内容项服务器190通信。网络120可以是包括例如公共交换电话网络(PSTN)、蜂窝式电话网络和分组交换网络(例如，因特网)的各种网络类型。

在某些实现中，客户机设备110可包括台式个人计算机(PC)、工作站、膝上型计算机、个人数字助理(PDA)、蜂窝电话、智能电话、视频游戏控制台、机顶盒、电视机、或能直接或间接与网络120接口的任何其它计算设备。例如，可使用诸如图5所示的计算设备500等通用计算设备来实现客户机设备110。尽管仅示出一台客户机设备110，但这仅用于说明目的，对于可由环境100支持的客户机设备110的数量并不存在限制。

内容项服务器190可向客户机设备110提供一个或多个内容项171，以供与客户机设备110相关联的一个用户或诸用户使用。该内容项171可被存储并可从内容项商店170(或多个内容项商店)获得，并可包括视频内容项(例如，电影、电视剧和视频)、音频内容项(例如，歌曲、专辑和铃声)、计算设备应用(例如，蜂窝电话应用、个人计算机应用和相关插件)以及视频游戏内容项(例如，视频游戏、视频游戏补丁和其它视频游戏相关的内容，诸如可下载的级别、服装、游戏中的物品，等等)。内容项的使用可包括各种用户动作，例如下载内容项、查看内容项、聆听内容项、播放内容项、存储内容项或者共享内容项。例如，可使用诸如图5所示的计算设备500的通用计算设备来实现内容项服务器190。

内容项推荐器160可为用户生成一个或多个推荐151，并可通过网络120向位于客户机设备110或多个客户机设备处的一个或多个用户发送推荐151。在某些实现中，推荐151可以是对用户会感兴趣使用的来自内容项商店170的一个或多个内容项171的推荐。推荐151可通过用户各自的客户机设备110向用户显示或呈现。可使用诸如图5所示的计算设备500之类的通用计算设备来实现内容项推荐器160。

在某些实现中，内容项推荐器160可使用用户数据180生成推荐151。用户数据180可包括一个或多个用户对内容项171的使用历史。例如，用户数据180可包括已经被用户使用的内容项171中的一些或全部内容项的标识符列表，例如用户看过的电影和/或用户听过的歌曲。

用户数据180还可包括用户对内容项171中的每个内容项满意程度的指示符。例如，用户数据180可包括用户对他们使用的内容项所生成的评级。用户数据180还可包括诸如关于用户的人口统计数据(例如，年龄、收入、性别和国籍)、与用户相关联的社交联网数据(例如，与用户相关联的“朋友”)以及用户所使用的客户机设备110的类型(例如，蜂窝电话、电视机和视频游戏控制台)等其它数据。

在某些实现中，内容项推荐器160除用户数据180之外还使用内容项元数据165生成推荐151。内容项元数据165可包括关于来自内容项商店170的内容项171的一些或全部内容项的元数据。例如，对于视频内容项，内容项元数据165可包括关于出现在视频内容项中的诸如导演、流派或演员等视频内容项的信息。例如，对于音频内容项，内容项元数据165可包括，例如，艺术家信息、专辑标题和流派。诸如与内容项相关联的平均评级或分数以及该内容项被使用的次数等其它信息也可作为内容项元数据165的一部分。

在某些实现中，内容项推荐器160可通过将一用户和其它用户的用户数据180与同内容项171相关联的内容项元数据165相关来为该用户生成推荐151。可采用本领域中已知的用于基于用户数据180和内容项元数据165来推荐内容项的任何方法或技术。

内容项推荐器160可使用所生成的推荐151来确定将一个或多个内容项171存储在一个或多个高速缓存115a-115c中。每一高速缓存可与一个或多个用户或客户机设备相关联。例如，高速缓存115b可与100、1000或10000个用户或客户机设备相关联。每一用户可与一个或多个客户机设备相关联，以及每一客户机设备可与一个或多个用户相关联。可与高速缓存相关联的用户或客户机设备的数目不受限制。

当客户机设备110的用户请求内容项，内容项服务器190和/或内容项推荐器160可确定该内容项是否存储在与该发出请求的用户和客户机设备相关联的高速缓存中。如果是，则内容项请求可从高速缓存中履行，而不是从内容项服务器190中履行。通常，与用户和该用户的客户机设备相关联的高速缓存相比内容项服务器190位于更接近该用户，所以，当使用内容项时，相比内容项服务器190，高速缓存可向用户提供减少的等待时间和增加的性能。因此，通过在可能的情况下从(诸)高速缓存(例如，高速缓存115a-115c)履行内容项请求，可改善用户的整体体验以及减少内容项服务器190上的整体负荷。

在某些实现中，高速缓存115a-115c可与诸如国家、州或城市等特定的地理区域相关联。例如，高速缓存115c可为旧金山地区的用户存储内容项，高速缓存115b可以为纽约地区的用户存储内容项。

另外，高速缓存115a-115c可与客户机设备的特定类型相关联。例如，高速缓存115b可为客户机设备为智能电话的用户服务，高速缓存115c可为客户机设备为视频游戏控制台的用户服务。

在某些实现中，每一客户机设备110可具有其自己的高速缓存。例如，高速缓存115a可以是作为机顶盒或视频游戏控制台的客户机设备110的一部分。例如，可使用诸如客户机设备110中的硬盘驱动器在客户机设备110中实现高速缓存115a。

在某些实现中，高速缓存115a-115c可以是分等级的。例如，当客户机设备110请求内容项时，客户机设备110可首先在高速缓存115a中寻找内容项，如果内容项不在高速缓存115a中，则客户机设备110会在高速缓存115b中寻找该内容项。

如此处进一步描述的，内容项推荐器160可根据推荐151和高速缓存115a-115c的一个或多个特征使一个或多个内容项171存储在高速缓存115a-115c中。例如，内容项推荐器160可针对特定内容项向与高速缓存115b相关联的用户生成推荐151。由此，内容项推荐器160可使内容项服务器190存储与高速缓存115b中的推荐151相关联的内容项171。

另外，内容项推荐器160可向与高速缓存相关联的用户和客户机设备110提供与存储在该高速缓存中的内容项171对应的推荐151。因此，内容项推荐器160可使高速缓存115a-115c被填充有对应于推荐151的内容项171，并且还可推荐随后被存储在高速缓存115a-115c中的内容项171。通过将用户可能会感兴趣的内容项171填充到高速缓存，并推荐用户使用存储在内容项171相关联的高速缓存中的内容项171，用户有可能会使用存储在与内容项171相关联的高速缓存中的内容项171，以带来对内容项服务器190更有效的使用和由于减少的等待时间所引起的更佳的用户体验。

图2是诸如内容项推荐器160等示例内容项推荐器的图示。如所示出的，内容项推荐器160可包括组件，该组件包括，但不限于，推荐引擎220和高速缓存引擎230。尽管这些组件被示为内容项推荐器160的一部分，但可例如使用诸如图5所示的计算设备500的一个或多个计算设备来彼此分开地实现各种组件中的每一个。

推荐引擎220可针对来自内容项商店170的一个或多个内容项171生成密切度数据250。在某些实现中，密切度数据250可包括多个元组，每个元组包括内容项的标识符、用户标识符和涉及所标识的内容项的针对所标识的用户生成的密切度分数。密切度分数可以是所标识的用户会喜欢或使用所标识的内容项的可能性的量度。每个元组的该密切度分数可由推荐引擎220针对来自用户数据180和内容项元数据165的所标识的内容项来生成。可使用用于预测用户对内容项的兴趣的各种已知方法来生成密切度分数，该方法包括协作过滤、提升、和贝叶斯推断。可以使用其他方法。

高速缓存引擎230可使用生成的密切度数据250来选择一个或多个内容项171存储在高速缓存115a-115c中。在某些实现中，高速缓存引擎230可为高速缓存选择具有最高密切度分数的内容项171。所选内容项171的数量可取决于高速缓存的大小或可用空间。在其它实现中，高速缓存引擎230可为高速缓存选择对与该高速缓存相关联的用户来说具有最高密切度分数的内容项171。例如，如果单个用户因为高速缓存115a位于与用户相关联的机顶盒内而与高速缓存115a相关联，则高速缓存引擎230可选择对用户来说具有高密切度分数的一个或多个内容项171。

在某些实现中，高速缓存引擎230可使用生成的密切度数据250以及与高速缓存115a-115c中的每一个相关联的高速缓存数据240来选择一个或多个内容项171存储在高速缓存115a-115c中。高速缓存的高速缓存数据240可描述与该高速缓存相关联的一个或多个约束或偏好，例如地理限制，大小限制，以及带宽限制。可以使用其它约束。

地理限制可包括高速缓存的位置以及可包括高速缓存可支持的用户的地理区域。大小限制可包括高速缓存的整体大小和/或高速缓存的空闲空间量。带宽约束可包括高速缓存的带宽成本，以及描述与该高速缓存相关联的用户的使用模式的约束。例如，与高速缓存115b相关联的用户可不常用或偶尔使用内容项171，而高速缓存115c的用户可经常使用内容项171。

在某些实现中，高速缓存引擎230可为每个内容项生成针对高速缓存115a-115c中的每一个的适合度分数。高速缓存引擎230可使用一个或多个适合度函数来生成适合度分数，该适合度函数考虑每个内容项的密切度数据250的密切度分数以及高速缓存数据240的一个或多个约束。例如，当生成针对特定高速缓存的内容项171的适合度分数时，高速缓存引擎230所使用的一特定的适合度函数在密切度数据250所指示的内容项171的密切度分数和与将每个内容项放入高速缓存相关联的带宽成本以及高速缓存数据240所指示的与高速缓存相关联的用户的使用模式和地理位置之间进行权衡。因此，如果用户的地理位置被认为离高速缓存很远，或者如果用户并不经常阅览内容项，则具有针对用户的高密切度分数的内容项会得到针对高速缓存的低适合度分数。

高速缓存引擎230可根据针对高速缓存的各内容项171的所生成的适合度分数选择一个或多个内容项171以存储于各高速缓存中。在某些实现中，高速缓存引擎230可为各高速缓存选择对于该高速缓存具有最高适合度分数的内容项171。

高速缓存引擎230可使所选的一个或多个内容项171存储在各自的高速缓存中。例如，高速缓存引擎230可指令内容项服务器190向高速缓存115a-115c中的一个发送一个或多个内容项171。

推荐引擎220可生成针对存储在高速缓存115a-115c的内容项171的推荐151，并向用户提供生成的推荐151。例如，可将推荐151通过电子邮件发送给用户，或在客户机设备110上的例如媒体播放器等应用程序中显示给用户。

图3是用于推荐一个或多个内容项的方法300的实现的操作流程。方法300可由例如内容项推荐器160来实现。

在301处，接收与多个内容项相关联的元数据。元数据可包括内容项元数据165，并且可被内容项推荐器160从内容项服务器190处接收。在某些实现中，内容项可包括，例如，视频内容项、音频内容项和/或视频游戏内容项。例如，与各内容项相关联的元数据可包括描述信息，例如，内容项的流派、内容项的标题、内容项的作者、与内容项相关联的艺术家或创作者以及其它信息。

在303处，接收与用户相关联的用户数据。用户数据可包括用户数据180，并且可被内容项推荐器160从内容项服务器190处接收。在某些实现中，用户的用户数据180可标识与用户相关联的内容项历史中的一些或全部内容项。例如，用户数据180可标识被用户阅览过的视频内容项中的一些或全部。另外，用户数据180可包括用户对已知的流派或艺术家的偏好、与用户相关联的社交网络数据以及由用户生成的对内容项的一个或多个评级。

在305处，使用用户数据和与内容项相关联的元数据为每个内容项确定密切度分数。该密切度分数可由内容项推荐器160的推荐引擎220确定。在某些实现中，内容项的密切度分数是用户将会使用和/或喜欢该内容项的可预测的可能性的一种量度。可使用采用一些或全部元数据以及用户数据的诸如协同过滤、提升、和贝叶斯推理等各种已知推荐技术来确定密切度分数。可以使用其他方法。

在307处，根据所确定的密切度分数选择一个或多个内容项。该一个或多个内容项是由内容项推荐器160的高速缓存引擎230根据所确定的密切度分数来选择的。在某些实现中，可选择具有最高整体密切度分数的一个或多个内容项的子集。

在某些实现中，可根据一个或多个内容项的密切度分数和与高速缓存相关联的一个或多个约束来选择一个或多个内容项。例如，约束可包括高速缓存的大小或可用空间、高速缓存的地理位置、以及与高速缓存相关联的带宽成本和/或与用户相关联的客户机设备110。

在309处，使所选的一个或多个内容项存储在与用户相关联的高速缓存中。内容项推荐器160的高速缓存引擎230可使所选一个或多个内容项被存储。例如，内容项推荐器160可使或指令内容项服务器190将来自内容项商店170的所选一个或多个内容项发送至与用户相关联的高速缓存。在某些实现中，高速缓存可以是在地理位置上位于比内容项服务器190更接近用户的本地高速缓存。另选地或另外地，高速缓存可位于与用户相关联的客户机设备110中。

在311处，向用户推荐所选一个或多个内容项中的一个(或更多)。内容项推荐器160可向用户推荐所选(诸)内容项。在某些实现中，内容项推荐器160可生成对应于所选(诸)内容项的一个或多个推荐151并可将它们提供给与用户相关联的客户机设备110。客户机设备110可随后向用户显示推荐151。

图4是用于推荐一个或多个内容项的方法400的实现的操作流程。方法400可由例如内容项推荐器160来实现。

在401处，为多个内容项中的每一个接收密切度数据。该密切度分数可由高速缓存引擎230从内容项推荐器160的推荐引擎220处接收。在某些实现中，密切度数据250可包括一组元组，每个元组包括内容项的标识符、用户标识符、和经确定的密切度分数。密切度数据可能已经由推荐引擎220使用用户数据180中的一些或全部以及内容项元数据165生成了。

在403处，为多个高速缓存中的每一个接收一个或多个约束。可由高速缓存引擎230从高速缓存数据240处接收各高速缓存中的每一个的一个或多个约束。各高速缓存中的每一个的一个或多个约束可包括，例如，高速缓存位置、与高速缓存相关联的带宽的等待时间或成本、和高速缓存的大小。

在405处，对于每一高速缓存，基于该高速缓存的一个或多个约束以及与同该高速缓存相关联的一个或多个用户相关联的密切度分数选择一个或多个内容项。内容项推荐器160的高速缓存引擎230可使用适合度函数来为每一高速缓存选择(诸)内容项，该适合度函数根据与内容项相关联的密切度数据以及与该高速缓存相关联的一个或多个约束为每一内容项打分。在某些实现中，具有经确定的最高适合度分数的一个或多个内容项被选择至符合高速缓存的大小或高速缓存的可用空间。适合度函数会考虑用户和高速缓存的地理位置，使得在地理位置上较接近高速缓存的用户的密切度分数相比远离高速缓存的用户的密切度分数具有更高的权重。可考虑其它约束，例如与每一用户相关联的带宽以及与高速缓存相关联的用户的使用习惯。

在407处，对于每一高速缓存，使得一个或多个所选内容项存储在高速缓存中。内容项推荐器160使得所选(诸)项存储在各对应的高速缓存中。例如，内容项推荐器160可指令或使内容项服务器190将所选(诸)内容项存储在高速缓存中。

在409处，对于每一高速缓存，存储在该高速缓存中的一个或多个内容项被推荐给与该高速缓存相关联的用户。存储的内容项可通过内容项推荐器160推荐给用户。在某些实现中，内容项推荐器160可生成对应于存储的(诸)内容项的一个或多个推荐151并可将它们提供给与用户相关联的客户机设备110。客户机设备110可向用户显示推荐151。

图5示出了在其中可实现各示例实施例和各方面的示例性计算环境。计算系统环境只是合适的计算环境的一个示例，并非旨在对使用范围或功能提出任何限制。

可以使用多种其它通用或专用计算系统环境或配置。适合使用的公知的计算系统、环境和/或配置的示例包括但不限于个人计算机、服务器计算机、手持式或膝上型设备、多处理器系统、基于微处理器的系统、网络PC、微型计算机、大型计算机、嵌入式系统、包括任何以上系统或设备的分布式计算环境等。

可以使用诸如程序模块等可由计算机执行的计算机可执行指令。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。也可使用其中任务由通过通信网络链接或其他数据传输介质的远程处理设备执行的分布式计算环境。在分布式计算环境中，程序模块和其他数据可以位于包括存储器存储设备的本地和远程计算机存储介质中。

参考图5，用于实现此处所描述的各方面的示例性系统包括计算设备，诸如计算设备500。在其最基本配置中，计算设备500通常包括至少一个处理单元502和存储器504。取决于计算设备的确切配置和类型，存储器504可以是易失性的(如随机存取存储器(RAM))、非易失性的(诸如只读存储器(ROM)、闪存等)或两者的某种组合。该最基本配置在图5中由虚线506示出。

计算设备500可以具有附加特征或功能。例如，计算设备500还可包含附加存储(可移动和/或不可移动)，包括但不限于磁盘、光盘或磁带。这样的附加存储在图5中由可移动存储508和不可移动存储510示出。

计算设备500通常包括各种计算机可读介质。计算机可读介质可以是可由计算设备500访问的任何可用介质，并且包括易失性和非易失性介质、可移动和不可移动介质。

计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据之类的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。存储器504、可移动存储508和不可移动存储510都是计算机存储介质的示例。计算机存储介质包括但不限于，RAM、ROM、电可擦除可编程只读存储器(EEPROM)、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光存储、磁带盒、磁带、磁盘存储或其它磁性存储设备、或可用于存储所需信息且可以由计算设备500访问的任何其它介质。任何这样的计算机存储介质都可以是计算设备500的一部分。

计算设备500可包含允许该设备与其它设备通信的通信连接512。计算设备500也可包括输入设备514，如键盘、鼠标、笔、语音输入设备、触摸输入设备等等。也可包括输出设备516，如显示器、扬声器、打印机等等。所有这些设备在本领域是众知的并且不必在此详细讨论。

应该理解，此处描述的各种技术可以结合硬件或软件，或在适当时结合两者的组合来实现。因此，当前公开的主题的方法和装置或其特定方面或部分可采取包含在诸如软盘、CD-ROM、硬盘驱动器或任何其它机器可读存储介质等有形介质中的程序代码(即，指令)的形式，其中当程序代码被加载到诸如计算机等机器内并由其执行时，该机器成为用于实现当前所公开的主题的装置。

尽管示例性实现可涉及在一个或多个独立计算机系统的上下文中利用当前所公开的主题的各方面，但本主题不受此限制，而是可以结合任何计算环境，诸如网络或分布式计算环境来实现。此外，当前所公开的主题的各方面可在多个处理芯片或设备中或跨多个处理芯片或设备实现，且存储可类似地跨多个设备来实现。这些设备可能包括例如个人计算机、网络服务器、以及手持式设备。

尽管用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所附权利要求书中定义的主题不必限于上述具体特征或动作。相反，上文所描述的具体特征和动作是作为实现权利要求的示例形式来公开的。

Claims

1.一种方法，包括：

计算设备接收与多个内容项相关联的元数据(301)；

所述计算设备接收用户数据(303)；

所述计算设备使用所述用户数据和与所述内容项中的每一个相关联的所述元数据为所述内容项中的每一个确定密切度分数(305)；

根据经确定的密切度分数选择所述内容项中的一个或多个(307)；

所述计算设备使所选一个或多个内容项存储在高速缓存中(309)。

2.如权利要求1所述的方法，其特征在于，所述高速缓存(115a)是媒体播放器、视频游戏控制台、机顶盒或电视机的一部分。

3.如权利要求1所述的方法，其特征在于，所述多个内容项(171)包括音频内容项、视频内容项、或视频游戏内容项。

4.如权利要求1所述的方法，其特征在于，根据经确定的密切度分数选择所述内容项中高度一个或多个进一步包括接收与所述高速缓存相关联的一个或多个约束(403)；以及根据经确定的密切度和所接收的一个或多个约束来选择所述内容项中的一个或多个(405)。

5.如权利要求1所述的方法，其特征在于，所述用户数据(180)包括与用户相关联的内容项使用历史。

6.如权利要求1所述的方法，其特征在于，还包括向用户推荐所选一个或多个内容项中的一个(311)。

7.一种系统，包括：

至少一个计算设备(110)；以及

内容项推荐器(160)，适于：

接收与多个内容项中的每一个相关联的元数据(301)；

接收与用户相关联的用户数据(303)；

使用所述用户数据和与所述多个内容项中的每一个相关联的该元数据为所述多个内容项中的每一个确定密切度分数(305)

根据经确定的密切度分数选择所述多个内容项中的一个或多个(307)以及

使所选的一个或多个内容项存储在与所述用户相关联的高速缓存中(309)。

8.如权利要求7所述的系统，其特征在于，所述内容项推荐器还适于向所述用户推荐所选一个或多个内容项中的一个(311)。

9.如权利要求7所述的系统，其特征在于，所述高速缓存(115a)是与所述用户相关联的媒体播放器、视频游戏控制台、机顶盒或电视机的一部分。

10.如权利要求7所述的系统，其特征在于，根据经确定的密切度分数选择所述内容项中的一个或多个进一步包括接收与所述高速缓存相关联的一个或多个约束(403)；以及根据经确定的密切度和所接收的一个或多个约束来选择所述内容项中的一个或多个(405)。