CN102685566A - 一种音视频节目推荐方法 - Google Patents
一种音视频节目推荐方法 Download PDFInfo
- Publication number
- CN102685566A CN102685566A CN2012101695719A CN201210169571A CN102685566A CN 102685566 A CN102685566 A CN 102685566A CN 2012101695719 A CN2012101695719 A CN 2012101695719A CN 201210169571 A CN201210169571 A CN 201210169571A CN 102685566 A CN102685566 A CN 102685566A
- Authority
- CN
- China
- Prior art keywords
- audio
- user
- snapshot
- program
- video program
- 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.)
- Pending
Links
Images
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种音视频节目推荐方法,包括:收集用户浏览音视频节目的节目信息和用户行为数据;根据所述节目信息和用户行为数据,生成用户对应的音视频节目推荐快照;根据所述音视频节目推荐快照,为用户推荐音视频节目。采用了本发明的技术方案,能够准确的命中用户的兴趣点,极大的提高用户的体验。进而能针对每一个用户提供根据其行为喜好智能分析后得到的“推荐快照”,大大改善用户检索体验以及提高会员浏览观看率。
Description
技术领域
本发明涉及网络及音视频技术领域,尤其涉及一种音视频节目推荐方法。
背景技术
随着网络技术、影视数字化技术以及硬盘存储技术的发展,各类的网络影视系统逐渐兴起。按照用户观影屏的不同,现有的网络影视系统可以分为三类:基于电脑屏的互联网影视系统、基于手机或平板电脑的移动影视系统以及基于包厢投影屏观看的视听馆影视系统。
当前每一个主流的影视系统基本上都拥有着海量的影视节目库。在传统的电影院市场里,由于同一时间上档的电影数量非常少,用户总是可以很快浏览完所有节目并挑选喜爱的电影购买观看。但如今网络上的用户则不同,由于是海量节目库,绝大部分的用户都不会也不能花费大量的精力来遍历影视系统上的所有影视节目,因此每个影视系统的影视节目推荐及检索功能就显得相当重要。
一般来说,网络影视系统的用户可以分为两类:目的型用户和漫游型用户。前者有明确的观影需求,知道要观看哪些节目,通常使用影视系统的搜索功能来找到要观看的影视节目;后者通常只是随便逛逛,只有遇到感兴趣的节目才可能会观看。从当前数据来说,后者要占据更大的比重。后者里很大的一部分是会员用户,这批(收费或免费的)会员用户多次访问影视系统后,原有的明确观影需求基本都得到了满足而逐渐转为漫游型用户。
如何提高漫游型用户的浏览观看率是每一个影视系统都需要考虑的重要问题。对于互联网影视系统来说,由于电脑的显示屏幕较大,故通常会采用多种推荐方法(如首页大屏、各类排行榜、编辑推荐、专题等)、以及更多分类检索(地区、类型、年份等)手段来满足漫游型用户的检索需求。但这种千篇一律且不根据用户来区分,对所有用户都完全一致的显示内容,只对初次访问的用户会有较大的作用,而对于那些会员用户(一般都会是多次访问的忠实用户)来说,推荐位置或分类页上排先的节目不少都已经是观看过或是不想观看的,但却偏偏仍都排在显著位置,既无法提高观看率,也浪费了会员的注意力。
对于移动影视系统来说,由于手机屏幕和平板屏幕更加窄小,推荐显示的内容就更需要精确,否则漫游型的用户很容易就失去继续浏览的兴趣。
视听馆是一种全新的影视产品,它结合了互联网海量影视以及传统电影院视听体验两方面优点。用户经选片、付费后即可到包厢内享受影院级的视听体验。由于每一次的影片观看都会给视听馆带来实际的经济效益,故提高用户的浏览观看率对视听馆影视系统来说显得尤为重要。
另一方面,影视系统由于拥有着海量的影视节目,某些节目可能会因为多种原因,总是排列在后,这容易导致长时间都无人能够发现它,更不用说进一步选择观看。如何能够更有利的轮换显示非热门节目,充分挖掘长尾经济效益,也是所有影视系统需要考虑的重要问题。
不仅影视系统存在海量数据无法有效呈现给用户的问题,实际上,音视频领域都存在这相应的问题。因而,如何将海量的音视频节目中用户喜好的内容及时呈现给用户,是亟需解决的问题。
发明内容
本发明的目的在于提出一种音视频节目推荐方法,用以解决现有技术中海量音视频节目无法有效呈现给用户,无法有效挖掘海量音视频数据的长尾效益的问题。
为达此目的,本发明采用以下技术方案:
一种音视频节目推荐方法,该方法包括:
收集用户浏览音视频节目的节目信息和用户行为数据;
根据所述节目信息和用户行为数据,生成用户对应的音视频节目推荐快照;所述音视频节目推荐快照中包括推荐给用户的音视频节目信息;
根据所述音视频节目推荐快照,为用户推荐音视频节目。
所述音视频节目推荐快照包括本次快照和下次快照;
所述本次快照用于用户本次访问会话,本次快照内的节目及排序在用户本次访问期间不会变更;
所述下次快照是准备用于用户下次访问会话,会根据用户本次访问会话间的行为及全局其它用户的行为不断地完善变更。
该方法进一步包括:
为每个音视频节目设定推荐指数,推荐指数高的节目在所述音视频节目推荐快照中的排序靠前。
所述节目信息包括节目自身的分类、演员、导演、年份和所属系列信息;
所述用户行为数据包括用户浏览节目的历史信息、浏览行为和全局其它用户浏览行为信息,包括用户浏览单个节目行为数据以及同时浏览多个节目行为数据。
用户已经观看过的音视频节目在所述推荐快照最后显示。
全局其它用户近期内观看过的音视频节目,或全局所有用户观看的总排行榜里的热门音视频节目,在所述推荐快照中排前显示。
用户已经观看过的音视频节目所属分类内的其它节目,或已经观看过的音视频节目的演员或导演相关的节目,在所述推荐快照中排前显示。
最近年份的音视频节目在所述推荐快照中排前显示。
如果用户已经观看过的音视频节目属于某系列节目之一,则该节目的前继及后续系列节目在所述推荐快照中排前显示。
用户已经浏览过的音视频节目在所述推荐快照中排后显示。
采用了本发明的技术方案,通过对用户浏览音视频节目的节目信息和用户行为数据的收集和分析,进而得到音视频节目推荐快照,其中包括了用户可能感兴趣的音视频节目信息,从而准确的命中用户的兴趣点,极大的提高用户的体验。进而能针对每一个用户提供根据其行为喜好智能分析后得到的“推荐快照”,大大改善用户检索体验以及提高会员浏览观看率。进一步的,良好的非热门音视频节目轮换推荐算法能够让每一部音视频节目都有机会给所有用户“看”到,充分挖掘每一部音视频节目的效益,提高整体长尾经济效益。
附图说明
图1是本发明具体实施方式中音视频节目推荐犯法的原理流程图。
图2是本发明具体实施方式中节目推荐指数模型示意图。
图3是本发明具体实施方式中用户行为采集和分析过程示意图。
图4是本发明具体实施方式中智能推荐快照引用数据示意图。
图5是本发明具体实施方式中智能推荐系统结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
本发明技术方案的主要思想在于提出一种可用于各音视频系统的智能推荐方法,能够根据每一个用户的历史行为特征以及音视频节目本身信息之间的关联特性来集中分析得到海量音视频节目库中最可能被对应用户观看的排列顺序,不仅可以大大提高了用户的选片观看效率,也能更充分地挖掘海量片库的长尾经济效益。
这里,为了叙述方便,本发明中的用户包括一般的用户以及需要注册而产生的会员用户。以下各个实施例中,均采用影视节目为例,来说明本发明的原理,实际上,本发明可以应用于各种音视频节目中。
如图1所示,为本发明提出的音视频节目推荐方法原理流程图,其中,
步骤10,收集用户浏览音视频节目的节目信息和用户行为数据。
这里,用户浏览音视频节目的节目信息包括节目自身的分类、演员、导演、年份和所属系列等信息。用户行为数据包括用户浏览节目的历史信息、浏览行为和全局其它用户浏览行为等信息,还包括了用户浏览单个节目行为数据以及同时浏览多个节目行为数据。
步骤20,根据节目信息和用户行为数据,生成用户对应的音视频节目推荐快照。
这里的音视频节目推荐快照中包括推荐给用户的音视频节目信息,也就是经过分析后得到的用户可能感兴趣的节目信息。
为便于各音视频系统理解及引用,本发明提出“推荐快照”及“推荐指数”两个概念。每一个用户都会有两个“推荐快照”:“本次快照”和“下次快照”。“本次快照”用于用户本次访问会话,快照内的节目及排序在用户本次访问期间不会有任何变更。“下次快照”是准备用于用户下次访问会话,会根据用户本次访问会话间的行为及全局用户的行为不断地完善变更。每个“推荐快照”内都包括一系列的音视频节目,其中的每个音视频节目都会有不同的“推荐指数”,音视频节目的“推荐指数”越高表示该节目越有可能被该用户选择观看。各音视频系统使用时只需要根据用户选取当次会话的“推荐快照”,再根据“推荐快照”内各音视频节目的“推荐指数”排序显示即可。
显然,节目快照中的节目信息是经过排序的,排序的规则遵照各个节目的推荐指数来进行。推荐指数高的节目在音视频节目推荐快照中的排序靠前。影响节目推荐指数的因素主要包括以下几种:
(1)该用户已经观看过的音视频节目的“推荐指数”会作很大的降权处理;
(2)别的用户近期观看过的热门音视频节目的“推荐指数”会作加权处理;
(3)所有用户总排行榜上的热门音视频节目的“推荐指数”会作加权处理;
(4)该用户已观看过的音视频节目所属分类内的其它音视频节目的“推荐指数”作加权处理;
(5)该用户已观看过的音视频节目的演员、导演相关的其它音视频节目的“推荐指数”会作加权处理;
(6)年份越近的音视频节目的“推荐指数”会有越多的加权处理;
(7)如果该用户观看过的音视频节目属于某系列节目之一,则其后续系列节目的“推荐指数”会作较多加权处理;其前继系列节目的“推荐指数”则作少量加权处理;
(8)该用户详细浏览过的音视频节目的“推荐指数”会作较大的降权处理;
(9)该用户粗略浏览过的音视频节目的“推荐指数”会作降权处理。
步骤30,根据音视频节目推荐快照,为用户推荐音视频节目。
这里,也就是将音视频节目推荐快照发送给各个需要调用的音视频系统,各音视频系统调用该推荐快照反馈给用户终端进行呈现。
如图2所示,为本发明实施例中节目推荐指数模型示意图。此推荐指数模型要素可以在实际使用中不断类似添加。本发明中不同的模型要素将会采用不同的指数量化公式来计算得到加权或降权的指数值,所有要素的量化指数值叠加即为该节目的推荐指数。
如图3所示,为本发明提供的一个实施例中影视节目用户A观看了影视节目B的用户行为采集和分析过程示意图。
各“影视系统”通过规定的接口(如HTTP、WebService之类的)向“智能推荐系统”发送行为数据“会员A观看了节目B”(如图中D1)。“智能推荐系统”先将该行为数据存档(如图中D2)。“智能推荐系统”接着进行分析,先同时获取会员A的历史行为数据(如图中D3.1),以及节目B(分类、演员、导演、系列等)相关的各节目信息(如图中D3.2)。然后“智能推荐系统”会首先更新会员A中的节目B的推荐指数模型要素值(如图1模型中的A、C要素,D4.1.1),接着更新会员A中与节目B相关的其它节目(如B1、B2、B3…等)的推荐指数模型的要素值(如图1模型中的F、G、H、J要素,D4.1.2),最后更新其它会员中的节目B的推荐指数模型要素值(如图1模型中的B、C要素)。“智能推荐系统”在完成各会员各节目的推荐指数模型要素值更新后,会再继续根据各要素的指数量化计算方法重新计算会员A及其它会员的各节目的推荐指数值,然后根据推荐指数值排序得到各会员的下次访问会话要用到的“推荐快照”(如D4.2.1,D4.2.2)。会员的单个浏览及批量浏览行为数据的采集及分析流图同上所述,但浏览行为不会影响其它会员的指数模型,所以只需要考虑对会员A的推荐指数模型及“推荐快照”作更新及计算即可。
如图4所示,为本发明一个实施例中“影视系统”引用使用“智能推荐系统”上的“推荐快照”过程示意图。其中,“影视系统”通过规定的接口(如HTTP,WebService)向“智能推荐系统”发送请求得到“会员A的推荐快照”(如D1)。“智能推荐系统”查看“所有会员会话表”(如D2),发现会员A最近会话在一定时间之内(如2个小时),则先更新会员A的会话信息(如D3),然后从“会员推荐快照”库中读取会员A的“本次快照”(如D5),并按照规定的接口(如HTTP,WebService)等向各“影视系统”返回快照信息(如D6)。“智能推荐系统”如果查询到会员A的最近会话不存在或是已经过期,则会先写入会员A的最新会话信息(如D3),然后复制会员A的“下次快照”替换会员A的“本次快照”(如D4),接着读取会员A的“本次快照”(如D5),并按照规定的接口(如HTTP,WebService)等向各“影视系统”返回快照信息(如D6)。显然,如果会员A同时通过多个子系统(如会员A同时使用视听馆的柜式选片子系统、平板选片子系统等)来访问,则会员A看到的“推荐快照”内容是一致的,这也符合本发明的设计思想。
如图5所示,为本发明提供的智能推荐系统结构示意图,其中包括会员历史行为模块、影视节目信息模块以及会员推荐快照模块。其中,会员历史行为和影视节目信息经过行为采集和智能分析后,得到会员推荐快照并存储在会员推荐快照模块中。经过快照输出的环节输出给影视系统使用。会员在使用影视系统观看影片的过程中,又经过行为采集而得到会员行为数据,存储在会员历史行为中。
综上所述,本发明提供的各个实施例中,通过对用户浏览音视频节目的节目信息和用户行为数据的收集和分析,进而得到音视频节目推荐快照,其中包括了用户可能感兴趣的音视频节目信息,从而准确的命中用户的兴趣点,极大的提高用户的体验。进而能针对每一个用户提供根据其行为喜好智能分析后得到的“推荐快照”,大大改善用户检索体验以及提高会员浏览观看率。进一步的,良好的非热门音视频节目轮换推荐算法能够让每一部音视频节目都有机会给所有用户“看”到,充分挖掘每一部音视频节目的效益,提高整体长尾经济效益。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种音视频节目推荐方法,其特征在于,该方法包括:
收集用户浏览音视频节目的节目信息和用户行为数据;
根据所述节目信息和用户行为数据,生成用户对应的音视频节目推荐快照;所述音视频节目推荐快照中包括推荐给用户的音视频节目信息;
根据所述音视频节目推荐快照,为用户推荐音视频节目。
2.如权利要求1所述的方法,其特征在于,所述音视频节目推荐快照包括本次快照和下次快照;
所述本次快照用于用户本次访问会话,本次快照内的节目及排序在用户本次访问期间不会变更;
所述下次快照是准备用于用户下次访问会话,会根据用户本次访问会话间的行为及全局其它用户的行为不断地完善变更。
3.如权利要求1所述的方法,其特征在于,该方法进一步包括:
为每个音视频节目设定推荐指数,推荐指数高的节目在所述音视频节目推荐快照中的排序靠前。
4.如权利要求1所述的方法,其特征在于,所述节目信息包括节目自身的分类、演员、导演、年份和所属系列信息;
所述用户行为数据包括用户浏览节目的历史信息、浏览行为和全局其它用户浏览行为信息,包括用户浏览单个节目行为数据以及同时浏览多个节目行为数据。
5.如权利要求1所述的方法,其特征在于,用户已经观看过的音视频节目在所述推荐快照最后显示。
6.如权利要求1所述的方法,其特征在于,全局其它用户近期内观看过的音视频节目,或全局所有用户观看的总排行榜里的热门音视频节目,在所述推荐快照中排前显示。
7.如权利要求1所述的方法,其特征在于,用户已经观看过的音视频节目所属分类内的其它节目,或已经观看过的音视频节目的演员或导演相关的节目,在所述推荐快照中排前显示。
8.如权利要求1所述的方法,其特征在于,最近年份的音视频节目在所述推荐快照中排前显示。
9.如权利要求1所述的方法,其特征在于,如果用户已经观看过的音视频节目属于某系列节目之一,则该节目的前继及后续系列节目在所述推荐快照中排前显示。
10.如权利要求1所述的方法,其特征在于,用户已经浏览过的音视频节目在所述推荐快照中排后显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101695719A CN102685566A (zh) | 2012-05-28 | 2012-05-28 | 一种音视频节目推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101695719A CN102685566A (zh) | 2012-05-28 | 2012-05-28 | 一种音视频节目推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102685566A true CN102685566A (zh) | 2012-09-19 |
Family
ID=46816832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101695719A Pending CN102685566A (zh) | 2012-05-28 | 2012-05-28 | 一种音视频节目推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102685566A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440335A (zh) * | 2013-09-06 | 2013-12-11 | 北京奇虎科技有限公司 | 视频推荐方法及装置 |
CN103618916A (zh) * | 2013-11-13 | 2014-03-05 | 四川长虹电器股份有限公司 | 基于智能电视终端播放互联网视频的方法 |
CN103810214A (zh) * | 2012-11-14 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 搜索页面的频率信息显示方法及装置 |
CN104581399A (zh) * | 2015-01-30 | 2015-04-29 | 无锡天脉聚源传媒科技有限公司 | 一种电视盒子中热词搜索的方法及系统 |
CN104820671A (zh) * | 2015-03-13 | 2015-08-05 | 苏州佳世达电通有限公司 | 一种资料流的显示方法及电子设备 |
CN104954821A (zh) * | 2015-06-24 | 2015-09-30 | 北京酷云互动科技有限公司 | 一种节目关联度的计算方法及其计算系统 |
CN104965903A (zh) * | 2015-06-30 | 2015-10-07 | 北京奇艺世纪科技有限公司 | 一种资源的推荐方法和装置 |
CN105843857A (zh) * | 2016-03-16 | 2016-08-10 | 合网络技术(北京)有限公司 | 视频推荐方法和装置 |
CN105874812A (zh) * | 2013-10-18 | 2016-08-17 | 真实眼私人有限公司 | 用于计算机用户行为数据收集处理的质量分析的方法 |
CN105898421A (zh) * | 2015-01-16 | 2016-08-24 | 何湘 | 一种网络影视节目智能推荐方法及系统 |
CN106131601A (zh) * | 2016-06-29 | 2016-11-16 | 乐视控股(北京)有限公司 | 视频推荐方法及装置 |
CN106534909A (zh) * | 2016-12-05 | 2017-03-22 | 合网络技术(北京)有限公司 | 频道目录展示方法及装置 |
CN106658078A (zh) * | 2016-12-23 | 2017-05-10 | 北京小米移动软件有限公司 | 电视终端订餐方法及装置 |
WO2017128147A1 (zh) * | 2016-01-27 | 2017-08-03 | 张仓 | 根据身份证推荐影视时的技术信息采集方法和推荐系统 |
WO2017128146A1 (zh) * | 2016-01-27 | 2017-08-03 | 张仓 | 根据身份证推荐影视的方法和推荐系统 |
CN107155135A (zh) * | 2017-05-16 | 2017-09-12 | 腾讯科技(深圳)有限公司 | 一种视频列表获取与播放方法、装置及终端 |
CN107169798A (zh) * | 2017-05-15 | 2017-09-15 | 广东小天才科技有限公司 | 保持终端客户黏度的方法、终端设备及计算机存储介质 |
CN107180374A (zh) * | 2017-04-28 | 2017-09-19 | 百度在线网络技术(北京)有限公司 | 一种为用户定制会员的方法和装置 |
CN107273515A (zh) * | 2017-06-21 | 2017-10-20 | 国网内蒙古东部电力有限公司信息通信分公司 | 基于多形态数据索引技术的电网数据资产资源检索及展示 |
CN109565614A (zh) * | 2016-06-28 | 2019-04-02 | 英特尔公司 | 多个流调节 |
CN109947499A (zh) * | 2019-01-31 | 2019-06-28 | 维沃移动通信有限公司 | 一种设备配置方法、终端设备及服务器 |
CN110110101A (zh) * | 2018-09-21 | 2019-08-09 | 北京字节跳动网络技术有限公司 | 多媒体内容的推荐方法、装置、终端、服务器及可读介质 |
CN111327955A (zh) * | 2018-12-13 | 2020-06-23 | Tcl集团股份有限公司 | 基于用户画像的点播方法、存储介质及智能电视 |
CN111629221A (zh) * | 2020-05-28 | 2020-09-04 | 杭州双笙信息科技有限公司 | 一种基于互联网的流量主播推荐系统 |
CN111967630A (zh) * | 2020-09-21 | 2020-11-20 | 北京嘀嘀无限科技发展有限公司 | 服务匹配方法、装置、电子设备和计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141607A (zh) * | 2006-09-08 | 2008-03-12 | 百视通网络电视技术发展有限责任公司 | 可用于iptv的互动关联方法及其实现系统 |
CN101764661A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐系统 |
CN102088626A (zh) * | 2009-12-02 | 2011-06-08 | Tcl集团股份有限公司 | 一种在线视频推荐方法及视频门户服务系统 |
CN102184235A (zh) * | 2011-05-13 | 2011-09-14 | 广州星海传媒有限公司 | 一种基于机顶盒的数字电视节目推荐方法及系统 |
CN102244811A (zh) * | 2011-07-20 | 2011-11-16 | 江苏省广播电视信息网络股份有限公司南京分公司 | 一种电视频道推荐系统及推荐方法 |
CN102256169A (zh) * | 2010-05-21 | 2011-11-23 | 腾讯科技(深圳)有限公司 | 向用户推荐相关视频的方法和装置 |
-
2012
- 2012-05-28 CN CN2012101695719A patent/CN102685566A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141607A (zh) * | 2006-09-08 | 2008-03-12 | 百视通网络电视技术发展有限责任公司 | 可用于iptv的互动关联方法及其实现系统 |
CN101764661A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐系统 |
CN102088626A (zh) * | 2009-12-02 | 2011-06-08 | Tcl集团股份有限公司 | 一种在线视频推荐方法及视频门户服务系统 |
CN102256169A (zh) * | 2010-05-21 | 2011-11-23 | 腾讯科技(深圳)有限公司 | 向用户推荐相关视频的方法和装置 |
CN102184235A (zh) * | 2011-05-13 | 2011-09-14 | 广州星海传媒有限公司 | 一种基于机顶盒的数字电视节目推荐方法及系统 |
CN102244811A (zh) * | 2011-07-20 | 2011-11-16 | 江苏省广播电视信息网络股份有限公司南京分公司 | 一种电视频道推荐系统及推荐方法 |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810214A (zh) * | 2012-11-14 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 搜索页面的频率信息显示方法及装置 |
CN103810214B (zh) * | 2012-11-14 | 2018-03-13 | 腾讯科技(深圳)有限公司 | 搜索页面的频率信息显示方法及装置 |
CN103440335A (zh) * | 2013-09-06 | 2013-12-11 | 北京奇虎科技有限公司 | 视频推荐方法及装置 |
CN103440335B (zh) * | 2013-09-06 | 2016-11-09 | 北京奇虎科技有限公司 | 视频推荐方法及装置 |
CN105874812A (zh) * | 2013-10-18 | 2016-08-17 | 真实眼私人有限公司 | 用于计算机用户行为数据收集处理的质量分析的方法 |
CN103618916A (zh) * | 2013-11-13 | 2014-03-05 | 四川长虹电器股份有限公司 | 基于智能电视终端播放互联网视频的方法 |
CN105898421A (zh) * | 2015-01-16 | 2016-08-24 | 何湘 | 一种网络影视节目智能推荐方法及系统 |
CN104581399A (zh) * | 2015-01-30 | 2015-04-29 | 无锡天脉聚源传媒科技有限公司 | 一种电视盒子中热词搜索的方法及系统 |
CN104820671A (zh) * | 2015-03-13 | 2015-08-05 | 苏州佳世达电通有限公司 | 一种资料流的显示方法及电子设备 |
CN104954821A (zh) * | 2015-06-24 | 2015-09-30 | 北京酷云互动科技有限公司 | 一种节目关联度的计算方法及其计算系统 |
CN104954821B (zh) * | 2015-06-24 | 2018-06-19 | 北京酷云互动科技有限公司 | 一种节目关联度的计算方法及其计算系统 |
CN104965903A (zh) * | 2015-06-30 | 2015-10-07 | 北京奇艺世纪科技有限公司 | 一种资源的推荐方法和装置 |
WO2017128147A1 (zh) * | 2016-01-27 | 2017-08-03 | 张仓 | 根据身份证推荐影视时的技术信息采集方法和推荐系统 |
WO2017128146A1 (zh) * | 2016-01-27 | 2017-08-03 | 张仓 | 根据身份证推荐影视的方法和推荐系统 |
CN105843857B (zh) * | 2016-03-16 | 2019-08-27 | 合一网络技术(北京)有限公司 | 视频推荐方法和装置 |
CN105843857A (zh) * | 2016-03-16 | 2016-08-10 | 合网络技术(北京)有限公司 | 视频推荐方法和装置 |
CN109565614B (zh) * | 2016-06-28 | 2021-08-20 | 英特尔公司 | 多个流调节 |
CN109565614A (zh) * | 2016-06-28 | 2019-04-02 | 英特尔公司 | 多个流调节 |
CN106131601A (zh) * | 2016-06-29 | 2016-11-16 | 乐视控股(北京)有限公司 | 视频推荐方法及装置 |
CN106534909A (zh) * | 2016-12-05 | 2017-03-22 | 合网络技术(北京)有限公司 | 频道目录展示方法及装置 |
CN106658078A (zh) * | 2016-12-23 | 2017-05-10 | 北京小米移动软件有限公司 | 电视终端订餐方法及装置 |
CN107180374A (zh) * | 2017-04-28 | 2017-09-19 | 百度在线网络技术(北京)有限公司 | 一种为用户定制会员的方法和装置 |
CN107169798A (zh) * | 2017-05-15 | 2017-09-15 | 广东小天才科技有限公司 | 保持终端客户黏度的方法、终端设备及计算机存储介质 |
CN107155135A (zh) * | 2017-05-16 | 2017-09-12 | 腾讯科技(深圳)有限公司 | 一种视频列表获取与播放方法、装置及终端 |
CN107155135B (zh) * | 2017-05-16 | 2019-02-12 | 腾讯科技(深圳)有限公司 | 一种视频列表获取与播放方法、装置及终端 |
CN107273515A (zh) * | 2017-06-21 | 2017-10-20 | 国网内蒙古东部电力有限公司信息通信分公司 | 基于多形态数据索引技术的电网数据资产资源检索及展示 |
CN110110101A (zh) * | 2018-09-21 | 2019-08-09 | 北京字节跳动网络技术有限公司 | 多媒体内容的推荐方法、装置、终端、服务器及可读介质 |
CN111327955A (zh) * | 2018-12-13 | 2020-06-23 | Tcl集团股份有限公司 | 基于用户画像的点播方法、存储介质及智能电视 |
CN111327955B (zh) * | 2018-12-13 | 2022-03-01 | Tcl科技集团股份有限公司 | 基于用户画像的点播方法、存储介质及智能电视 |
CN109947499A (zh) * | 2019-01-31 | 2019-06-28 | 维沃移动通信有限公司 | 一种设备配置方法、终端设备及服务器 |
CN111629221A (zh) * | 2020-05-28 | 2020-09-04 | 杭州双笙信息科技有限公司 | 一种基于互联网的流量主播推荐系统 |
CN111629221B (zh) * | 2020-05-28 | 2021-05-28 | 杭州双笙信息科技有限公司 | 一种基于互联网的流量主播推荐系统 |
CN111967630A (zh) * | 2020-09-21 | 2020-11-20 | 北京嘀嘀无限科技发展有限公司 | 服务匹配方法、装置、电子设备和计算机可读存储介质 |
CN111967630B (zh) * | 2020-09-21 | 2022-01-28 | 北京嘀嘀无限科技发展有限公司 | 服务匹配方法、装置、电子设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102685566A (zh) | 一种音视频节目推荐方法 | |
CN107980129B (zh) | 用于重叠的媒体目录的全球推荐系统 | |
US9147198B2 (en) | Systems and methods for providing an interface for data driven media placement | |
US9848229B2 (en) | Video advertisement overlay system and method | |
US10356462B1 (en) | Recommending a composite channel | |
JP6227704B2 (ja) | コンテンツの自動推奨 | |
KR101895536B1 (ko) | 어플리케이션 사용에 따른 어플리케이션 추천 서버 및 단말, 그리고 어플리케이션 추천 방법 | |
JP5130576B2 (ja) | 電子ネットワークにおいてコンテンツを効果的にクライアント装置に提供するためのシステム及び方法 | |
US8250616B2 (en) | Distributed live multimedia capture, feedback mechanism, and network | |
CN107888950A (zh) | 一种推荐视频的方法和系统 | |
US20170213243A1 (en) | Media content advertisement system based on a ranking of a segment of the media content and user interest | |
CN105095431A (zh) | 根据用户的行为信息推送视频的方法和装置 | |
CN106294830A (zh) | 多媒体资源的推荐方法及装置 | |
KR20130079337A (ko) | 예정된 웹-기반 이벤트들의 인터랙티브 캘린더 | |
US20140006150A1 (en) | Systems and methods for targeting advertisements based on product lifetimes | |
RU2622850C2 (ru) | Метод и сервер для обработки идентификаторов продукта и машиночитаемый носитель данных | |
US20180234732A1 (en) | Method and system for re-aggregation and optimization of media | |
US20140344840A1 (en) | Information recommendation device, information recommendation system, and information recommendation method | |
KR20140098314A (ko) | 추천 컨텐츠 및 연관 컨텐츠 제공 방법 | |
WO2014051853A1 (en) | Optimizing monetization with brand impact scoring | |
CN105430440A (zh) | 多媒体信息播放热度处理方法、服务器及客户端 | |
CN105898421A (zh) | 一种网络影视节目智能推荐方法及系统 | |
US10820027B2 (en) | Method and system for re-aggregation and optimization of media | |
CN112163163B (zh) | 多算法融合的信息推荐方法、装置和设备 | |
KR102457771B1 (ko) | 콘텐츠 기반의 사용자 맞춤형 친환경 서비스 제공 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 | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120919 |