CN102802050A - 电视节目推荐方法及系统 - Google Patents
电视节目推荐方法及系统 Download PDFInfo
- Publication number
- CN102802050A CN102802050A CN201210307534XA CN201210307534A CN102802050A CN 102802050 A CN102802050 A CN 102802050A CN 201210307534X A CN201210307534X A CN 201210307534XA CN 201210307534 A CN201210307534 A CN 201210307534A CN 102802050 A CN102802050 A CN 102802050A
- Authority
- CN
- China
- Prior art keywords
- user
- programme
- interest model
- satisfaction evaluation
- unit
- 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
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
一种电视节目推荐方法,包括以下步骤:采集用户对电视节目的满意度评价;根据满意度评价创建该用户的用户兴趣模型;以及根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。本发明电视节目推荐方法,通过创建用户的用户兴趣模型,并从用户兴趣模型找出用户感兴趣的节目,以便于主动地为用户提供喜爱的节目。本发明还涉及一种电视节目推荐系统。
Description
技术领域
本发明涉及图像通信技术领域,尤其涉一种电视节目推荐方法及系统。
背景技术
智能电视的普及度越来越高,其包括的电视节目也越来越多。面对电视台与电视节目的爆炸性增长,用户在日常生活中无法有效的知道电视台都播放了那些节目,更不知道自己所感兴趣的电视节目在哪。所以,用户经常面对海量的电视节目无从下手。在这种背景下,用户通常根据电子节目菜单(Electronic Program Guide,EPG)的信息不断的更换电视频道,查找电视节目。但是依靠频繁更换频道查找电视节目的方式,会使用户渐渐厌倦了对选择节目的操作,从而失去了用电视观赏节目的兴趣。
为了解决这个问题,现在采用的一个方法是通过记录用户的切换台操作和在各频道的停留时间来判断用户对电视频道的喜爱程度,从而为用户推荐感兴趣的电视频道顺序表等。但是这种分析用户切换台操作的方法需要长时间存储切换台操作记录才会找出用户偏爱的规律,而且如果用户的兴趣突然改变了,系统也不能快速识别出兴趣的变化,仍然根据庞大的切换台记录为用户提供可能感兴趣的电视节目,因此系统的灵活性不够,另外,用户喜爱的并不是某个电视频道,而是电视频道的某个节目,这种方式到最后往往只会给用户推荐几个频道,如果其他频道有更好的电视节目的话,也会让用户错过;另外还有一点,即使电视长时间停留在某个频道,也有可能用户已经从电视机前离开了,而不能据此断定用户对这个频道感兴趣。
解决这个问题的另一个方法是用户利用关键字对当前EPG信息表进行搜索,从而找出自己喜爱的节目,这种情况的缺点是用户需要设定很多关键词,系统才会对用户喜爱的全面性真正的掌握,但是用户往往抵触进行过多的主动操作,所以这个功能用户并不会特别喜欢用。
发明内容
有鉴于此,有必要提供一种可以主动、准确地为用户提供喜爱的电视节目的电视节目推荐方法及系统。
本发明提供一种电视节目推荐方法,包括以下步骤:采集用户对电视节目的满意度评价;根据满意度评价创建该用户的用户兴趣模型;以及根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。
作为本发明的进一步改进,所述采集用户对电视节目的满意度评价的步骤包括:弹出用户满意度评价界面;填写用户满意度评价;以及记录用户满意度评价。
作为本发明的进一步改进,根据满意度评价创建该用户的用户兴趣模型的步骤包括:将用户对当前电视节目的满意度评价与以往的满意度评价相关联;根据关联的结果创建新的用户兴趣模型。
作为本发明的进一步改进,根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目的步骤包括:存储电视节目列表;根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目;根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成并显示用户推荐节目列表。
作为本发明的进一步改进,该方法在采集用户对电视节目的满意度评价之前还包括:向用户终端提供电视节目列表;根据电视节目列表选择感兴趣的电视节目;该方法在创建好用户兴趣模型之后还包括:将用户兴趣模型发送至用户终端;根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目。
作为本发明的进一步改进,根据满意度评价创建该用户的用户兴趣模型的步骤包括:将用户满意度评价记录在用户终端;用户终端根据用户满意度评价创建用户兴趣模型;根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目的步骤包括:用户终端根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目;根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成并显示用户推荐节目列表。
作为本发明的进一步改进,该方法还包括:优化用户兴趣模型的建立方式;根据优化结果创建用户兴趣模型。
作为本发明的进一步改进,该方法还包括:定期删除用户兴趣模型中时间靠前的满意度评价信息;根据删除后的结果更新用户兴趣模型
本发明还提供一种电视节目推荐系统,包括满意度评价采集单元,用于在收看电视节目的过程中采集用户对电视节目的满意度评价;用户兴趣模型创建单元,用于根据满意度评价创建该用户的用户兴趣模型;节目推荐单元,用于根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。
作为本发明的进一步改进,满意度评价采集单元在收看电视节目的过程中利用弹出的用户满意度评价界面采集用户对电视节目的满意度评价。
作为本发明的进一步改进,该系统包括用户终端及远端服务器,用户终端包括显示单元、满意度评价采集单元及满意度评价记录单元,远端服务器包括用户兴趣模型创建单元和节目推荐单元,满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元,用户兴趣模型创建单元将用户对当前电视节目的满意度评价与以往的满意度评价相关联,并根据关联的结果创建新的用户兴趣模型,节目推荐单元根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成用户推荐节目列表,并将推荐节目列表传送至显示单元。
作为本发明的进一步改进,该系统包括用户终端,用户终端包括显示单元、满意度评价采集单元、满意度评价记录单元、用户兴趣模型创建单元及节目推荐单元,满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元,用户兴趣模型创建单元根据满意度评价创建该用户的用户兴趣模型,节目推荐单元根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,生成用户推荐节目列表,并将推荐节目列表传送至显示单元。
作为本发明的进一步改进,该系统包括用户终端及远端服务器,用户终端包括显示单元、满意度评价采集单元、满意度评价记录单元、用户兴趣模型创建单元及节目推荐单元,远端服务器包括用户兴趣模型优化单元,用户兴趣模型优化单元定期更新用户兴趣模型的建立规则,满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元,用户兴趣模型创建单元根据更新后的建立规则和满意度评价创建该用户的用户兴趣模型,节目推荐单元根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,生成用户推荐节目列表,并将推荐节目列表传送至显示单元。
作为本发明的进一步改进,满意度评价记录单元还定期删除时间靠前的满意度评价信息,用户兴趣模型创建单元根据删除后的结果更新用户兴趣模型。
作为本发明的进一步改进,该系统还包括推荐理由设置单元,用于根据单个的节目属性或节目属性的组合设置推荐理由,显示单元在显示推荐的电视节目时一并显示其推荐理由。
本发明电视节目推荐方法及系统,通过创建用户的用户兴趣模型,并根据用户兴趣模型从电视节目列表中找出用户感兴趣的节目,以便于主动地为用户提供喜爱的节目。
在本发明的电视节目推荐方法及系统中,通过定期删除用户兴趣模型中时间靠前的满意度评价信息,可以定期更新用户兴趣模型,避免了因用户兴趣变化而造成的推荐不准的情况。
在本发明的电视节目推荐方法及系统中,通过利用用户兴趣模型优化单元可以适时更新用户兴趣模型的建立规则,使建立的用户兴趣模型的更加科学,而可以更为准确的向用户推荐电视节目。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为本发明电视节目推荐方法第一实施方式的流程示意图。
图2及图3为图1的电视节目推荐方法部分步骤详细流程示意图。
图4为一用户以往的用户兴趣模型的示意图。
图5为同一用户当前的用户兴趣模型的示意图。
图6为图1的电视节目推荐方法部分步骤详细流程示意图。
图7为本发明电视节目推荐方法第二实施方式的流程示意图。
图8为本发明电视节目推荐方法第三实施方式的流程示意图。
图9为本发明电视节目推荐方法第四实施方式的流程示意图。
图10为本发明电视节目推荐系统第一实施方式的流程示意图。
图11为本发明电视节目推荐系统第二实施方式的流程示意图。
图12为本发明电视节目推荐系统第三实施方式的流程示意图。
图13为本发明电视节目推荐系统第四实施方式的流程示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明的具体实施方式、结构、特征及其功效,详细说明如后。
图1为本发明电视节目推荐方法第一实施方式的流程示意图。如图1所示,该电视节目推荐方法包括以下步骤:
步骤S11:内容供应商向用户终端100提供电视节目列表。
步骤S12:用户根据电视节目列表选择感兴趣的电视节目。
步骤S13:用户终端100在收看电视节目的过程中采集用户对电视节目的满意度评价。请参照图2,步骤S13具体包括:
步骤S131:用户终端100弹出用户满意度评价界面。
步骤S132:用户填写用户满意度评价。
步骤S133:用户终端100记录用户满意度评价。
可以理解的,为了及时、准确的反应出用户对正在播放的节目的满意度,用户满意度评价界面会在用户观看节目时在设定时间弹出。该设定时间可以是用户观看某个节目后的特定时长,例如是20分钟,还可以是在电视节目之间插播广告的时间。当该设定时间为插播广告的时间时,需要在弹出用户满意度评价界面之前先根据电视节目列表判断当下是否为广告时间。用户满意度评价界面中可以包括电视节目的属性信息以及用户对电视节目的喜好度。电视节目的属性信息可以包括电视节目的国家、节目类型(娱乐、喜剧、体育、悬疑及暴力等)、电视节目的名称及主演名称等。用户对电视节目的喜好度可以采用文字表示,如喜欢、较喜欢及不喜欢;也可以采用数字表示,例如将用户对节目的喜好度分为由数字0-100表示的100个等级,100代表非常喜欢,0代表非常不喜欢。当用户对电视节目进行评价时,可以根据弹出的用户满意度评价界面,直接选择喜欢、较喜欢或不喜欢,由系统自动对该电视节目进行属性划分,并根据选择的结果对相应的属性记载一定的分值;也可以根据弹出的用户满意度评价界面针对该电视节目归属的各个属性单独评分。上面所述的实施例中,用户满意度评价界面也可以是采用文字表示,用户对电视节目的满意度评价也可以是采用字面输入的方式,可以理解的,在本发明的其它实施例中,用户满意度评价界面也可以仅采用声音的方式或者采用声音和文字相结合的方式表示,用户对电视节目的满意度评价也可以采用声音的方式输入。
步骤S14:用户终端100将满意度评价及用户ID传送给远端服务器200。
步骤S15:远端服务器200根据满意度评价创建该用户的用户兴趣模型。请参阅图3,步骤S15具体内容包括:
步骤S151:远端服务器200将用户对当前电视节目的满意度评价与以往的满意度评价相关联;
步骤S152:远端服务器200根据关联的结果创建新的用户兴趣模型。
在步骤S151中,将用户对当前电视节目的满意度评价与以往的满意度评价相关联是指根据用户ID查找该用户以往的满意度评价记录,并将用户对当前电视节目的满意度评价与以往的满意度评价相关联。在此步骤中,如果存在此用户以往的满意度评价,关联的结果为以往满意度评价和当前满意度评价的总和;如果不存在此用户的以往的满意度评价,则认为此用户以往的满意度评价为0,此种情况下关联的结果与当前的满意度评价相同。根据关联的结果,用户对某一类型的电视节目的喜好程度的分值是多次评价累积的结果。例如,用户先看过《老友记》,其对应的节目属性中美剧的分值为1、喜剧分值为2、家庭分值为1;接着,用户又观看了《越狱》,其对应的节目属性中美剧的分值为1、喜剧分值为0、家庭分值为0,则该用户的当前兴趣模型中美剧的分值为2、喜剧分值为2、家庭分值为1。关联结果中体现出的节目属性是多次采集的满意度评价中节目属性的累积例如图4中体现的用户以往的用户兴趣模型中的节目属性为喜剧、美剧、老友记等;图5所示中体现出该用户当前的用户兴趣模型的节目属性在图4的基础上还增加了悬疑、警匪和越狱。由图5可以看出,该用户比较喜欢喜剧类美剧,而不太喜欢警匪悬疑类节目。
步骤S16:远端服务器200根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。请参阅图6,该步骤具体包括:
步骤S161:远端服务器200根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目;
步骤S162:远端服务器200根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成并显示用户推荐节目列表。
在步骤S161和S162中,远端服务器200对电视节目的选择可以是在用户终端100进行,也可以是远端服务器200上进行,当在远端服务器200上进行时,需在远端服务器200上也存储有电视节目列表。
可以理解的,在用户兴趣模型建立后,远端服务器200从电视列表中选择出与当前用户兴趣模型中评分较高的节目属性匹配度较高的电视节目,并将选择出的节目按照满意度进行排序生成用户推荐节目列表并显示给用户。例如,图5中评分较高的节目属性为喜剧、美剧和珍妮佛·安妮斯顿,而在搜索电视节目时发现《生活大爆炸》(《The Big Bang Theory》)的节目属性为喜剧、美剧、科学,其与当前评分较高的节目属性喜剧、美剧相匹配,因此,可以将其推荐给用户。在对选择出的电视节目排序时,可以按照评分排名靠前的节目属性为主,排名靠后的节目属性为辅的方式进行排名,例如一个节目的节目属性为喜剧、泰剧、家庭,另一个节目的节目属性为美剧、悬疑、警匪,则根据图5的用户兴趣模型,由于喜剧排在美剧之前,则第一个节目在推荐列表中的顺序也位于第二个节目之前。上述方式仅为推荐列表中节目排序的其中一个排列方式,本发明的电视节目也可以采取其它方式进行排序。
可以理解的,在本发明中,内容供应商或者第三方可以根据节目属性设置推荐理由,例如将“喜剧、古装”这两个属性的推荐理由设置为“你可能喜欢的古装剧”,这样,当远端服务器200向用户推荐电视节目时,如果被推荐的节目刚好是因为这两个属性而被推荐,则在推荐时可一并显示推荐理由“你可能喜欢的古装剧”;又例如“《心术》”对应的推荐理由为“最近特别火”,则当远端服务器200向用户推荐《心术》时可一并显示 “最近特别火”。作为本发明的优选实施方式,在步骤S16之后还包括以下步骤:
步骤S17:定期删除用户兴趣模型中时间靠前的满意度评价信息。
步骤S18:根据删除后的结果更新用户兴趣模型。
具体地,为了能够适时的根据用户兴趣的变化来推荐节目,在一定长的时间之后,例如1个月后,会将用户兴趣模型中时间靠前的满意度评价信息删除,以便于更新用户兴趣模型,避免了因用户兴趣变化而造成的推荐不准的情况。
请参阅图7,图7为本发明电视节目推荐方法的第二实施方式的流程示意图。如图7所示,该电视节目推荐方法包括以下步骤:
步骤S21:内容供应商向用户终端100提供电视节目列表。
步骤S22:用户根据电视节目列表选择感兴趣的电视节目。
步骤S23:用户终端100在收看电视节目的过程中采集用户对电视节目的满意度评价。
步骤S24:用户终端100将满意度评价及用户ID定期传送给远端服务器200。
步骤S25:远端服务器200根据满意度评价创建该用户的用户兴趣模型。
步骤S26:远端服务器200将用户兴趣模型定期发送至用户终端100。
步骤S27:用户终端100根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目。
本发明电视节目推荐方法的第二实施方式的各步骤的具体细节请参照本发明电视节目推荐方法的第一实施方式。
作为本发明的优选实施方式,在步骤S27之后还包括以下步骤:
步骤S28:定期删除用户兴趣模型中时间靠前的满意度评价信息。
步骤S29:根据删除后的结果更新用户兴趣模型。
具体地,为了能够适时的根据用户兴趣的变化来推荐节目,在一定长的时间之后,例如1个月后,会将用户兴趣模型中时间靠前的满意度评价信息删除,以便于更新用户兴趣模型,避免了因用户兴趣变化而造成的推荐不准的情况。
在本实施例中,用户终端100将满意度评价及用户ID定期传送给远端服务器200,使用户终端100不需要每次在用户评价完都向远端服务器200上传评价结果,可以避免用户终端100时时刻刻都在和远端服务器200进行交互, 避免了远端服务器200和用户终端100之间网速限制而带来不良体验。远端服务器200将用户兴趣模型定期发送至用户终端100,使用户终端100可以自行根据用户兴趣模型来分析电视节目列表,不需要每次推荐节目时都需要向远端服务器200获取信息,进一步避免了用户终端100与远端服务器200的过多交互,进而避免了远端服务器200和用户终端100之间网速限制而带来不良体验。
请参阅图8,图8为本发明电视节目推荐方法的第三实施方式的流程示意图。如图8所示,该电视节目推荐方法包括以下步骤:
步骤S31:内容供应商向用户终端100提供电视节目列表。
步骤S32:用户根据电视节目列表选择感兴趣的电视节目。
步骤S33:用户终端100采集用户对电视节目的满意度评价。
步骤S34:用户终端100根据满意度评价创建该用户的用户兴趣模型。
步骤S35:用户终端100根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。
本发明电视节目推荐方法的第三实施方式的具体细节参照本发明电视节目推荐方法的第一实施方式。
作为本发明的优选实施方式,在步骤S35之后还包括以下步骤:
步骤S36:定期删除用户兴趣模型中时间靠前的满意度评价信息。
步骤S37:根据删除后的结果更新用户兴趣模型。
请参阅图9,图9为本发明电视节目推荐方法的第四实施方式的流程示意图。如图9所示,该电视节目推荐方法包括以下步骤:
步骤S43:用户终端100采集用户对电视节目的满意度评价。
步骤S44:用户终端100根据满意度评价创建该用户的用户兴趣模型。
在步骤S44中的用户兴趣模型是通过以下方式得到:
步骤S441:远端服务器200更新用户兴趣模型的建立规则,并将更新后的规则传送给用户终端100。
步骤S442:用户终端100根据更新后的规则创建用户兴趣模型。
可以理解的,在本实施例中,远端服务器200定期更新用户兴趣模型的建立规则,使用户终端100完成对用户兴趣模型的优化,从而更加科学、准确地向用户推荐电视节目。
步骤S45:用户终端100根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。
作为本发明的优选实施方式,在步骤S45之后还包括以下步骤:
步骤S46:定期删除用户兴趣模型中时间靠前的满意度评价信息。
步骤S47:根据删除后的结果更新用户兴趣模型。
具体地,为了避免长时间向用户推荐相同的节目,在一定长的时间之后,会将用户兴趣模型中时间靠前的满意度评价信息删除,以便于更新用户兴趣模型。
作为本发明的优选实施方式,在步骤S45之后还可以包括:
用户终端100定期向远端服务器200上传这段时间内用户对电视节目的满意度评价结果。
在本实施例中,用户兴趣模型的创建和电视节目的推荐都在用户终端100完成,避免了用户终端100与远端服务器200的过多交互,进而避免了远端服务器200和用户终端100之间网速限制而带来不良体验。
请参阅图10,图10为本发明电视节目推荐系统的第一实施方式的方框图。如图10所示,该电视节目推荐系统包括用户终端100及远端服务器200。用户终端100包括显示单元10、满意度评价采集单元20及满意度评价记录单元30。远端服务器包括用户兴趣模型创建单元40和节目推荐单元50。满意度评价记录单元30记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元40。用户兴趣模型创建单元40将用户对当前电视节目的满意度评价与以往的满意度评价相关联,并根据关联的结果创建新的用户兴趣模型。节目推荐单元50根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成用户推荐节目列表,并将推荐节目列表传送至显示单元10。满意度评价记录单元30还定期删除时间靠前的满意度评价信息,用户兴趣模型创建单元40根据删除后的结果更新用户兴趣模型。
请参阅图11,图11为本发明电视节目推荐系统的第二实施方式的方框图。如图11所示,该电视节目推荐系统包括用户终端100及远端服务器200。用户终端100包括显示单元10、满意度评价采集单元20、满意度评价记录单元30及节目推荐单元50。远端服务器200包括用户兴趣模型创建单元40。满意度评价记录单元30记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元40。用户兴趣模型创建单元40根据满意度评价创建该用户的用户兴趣模型。节目推荐单元50根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,生成用户推荐节目列表,并将推荐节目列表传送至显示单元10。用户兴趣模型创建单元40根据删除后的结果更新用户兴趣模型。
请参阅图12,图12为本发明电视节目推荐系统的第四实施方式的方框图。如图12所示,该电视节目推荐系统包括用户终端100。用户终端100包括显示单元10、满意度评价采集单元20、满意度评价记录单元30、用户兴趣模型创建单元40及节目推荐单元50。满意度评价记录单元30记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元40。用户兴趣模型创建单元40将用户对当前电视节目的满意度评价与以往的满意度评价相关联,并根据关联的结果创建新的用户兴趣模型。节目推荐单元50根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成用户推荐节目列表,并将推荐节目列表传送至显示单元10。
请参阅图13,图13为本发明电视节目推荐系统的第四实施方式的方框图。如图13所示,该电视节目推荐包括用户终端100及远端服务器200。用户终端100包括显示单元10、满意度评价采集单元20、满意度评价记录单元30、用户兴趣模型创建单元40及节目推荐单元50。远端服务器200包括用户兴趣模型优化单元60。用户兴趣模型优化单元60定期更新用户兴趣模型的建立规则。满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元40。用户兴趣模型创建单元40根据更新后的建立规则和满意度评价创建该用户的用户兴趣模型。节目推荐单元50根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,生成用户推荐节目列表,并将推荐节目列表传送至显示单元10。用户兴趣模型创建单元40根据删除后的结果更新用户兴趣模型。
关于上述的电视节目推荐系统其他细节,还可进一步参阅图1至图9及相关描述。
在本发明的电视节目推荐系统的上述所有实施例中,还可以进一步包括推荐理由设置单元,以便于根据单个的节目属性或节目属性的组合设置推荐理由,显示单元10在显示推荐的电视节目时可以一并显示其推荐理由,使用户在接收到推荐的电视节目时对于为什么推荐这个电视节目更为一目了然。
本发明电视节目推荐方法及系统,通过创建用户兴趣模型,并根据用户兴趣模型从电视节目列表中找出用户感兴趣的节目,以便于主动地为用户提供喜爱的节目。
在本发明的电视节目推荐方法及系统中,通过定期删除用户兴趣模型中时间靠前的满意度评价信息,可以定期更新用户兴趣模型,避免了因用户兴趣变化而造成的推荐不准的情况。
在本发明的电视节目推荐方法及系统中,通过利用用户兴趣模型优化单元可以适时更新用户兴趣模型的建立规则,使建立的用户兴趣模型的更加科学,而可以更为准确的向用户推荐电视节目。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (16)
1.一种电视节目推荐方法,其特征在于,包括以下步骤:
采集用户对电视节目的满意度评价;
根据满意度评价创建该用户的用户兴趣模型;以及
根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。
2.如权利要求1所述的电视节目推荐方法,其特征在于,所述采集用户对电视节目的满意度评价的步骤包括:
弹出用户满意度评价界面;
填写用户满意度评价;以及
记录用户满意度评价。
3.如权利要求1所述的电视节目推荐方法,其特征在于,所述根据满意度评价创建该用户的用户兴趣模型的步骤包括:
将用户对当前电视节目的满意度评价与以往的满意度评价相关联;
根据关联的结果创建新的用户兴趣模型。
4.如权利要求1所述的电视节目推荐方法,其特征在于,所述根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目的步骤包括:
存储电视节目列表;
根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目;
根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成并显示用户推荐节目列表。
5.如权利要求1所述的电视节目推荐方法,其特征在于,该方法在采集用户对电视节目的满意度评价之前还包括:
向用户终端提供电视节目列表;
根据电视节目列表选择感兴趣的电视节目;
该方法在创建好用户兴趣模型之后还包括:
将用户兴趣模型发送至用户终端;
根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目。
6.如权利要求1所述的电视节目推荐方法,其特征在于,所述根据满意度评价创建该用户的用户兴趣模型的步骤包括:
将用户满意度评价记录在用户终端;
用户终端根据用户满意度评价创建用户兴趣模型;
所述根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目的步骤包括:
用户终端根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目;
根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成并显示用户推荐节目列表。
7.如权利要求6所述的电视节目推荐方法,其特征在于,该方法还包括:
优化用户兴趣模型的建立方式;
根据优化结果创建用户兴趣模型。
8.如权利要求1所述的电视节目推荐方法,其特征在于,该方法还包括:
定期删除用户兴趣模型中时间靠前的满意度评价信息;
根据删除后的结果更新用户兴趣模型。
9.一种电视节目推荐系统,其特征在于,包括:
满意度评价采集单元,用于在收看电视节目的过程中采集用户对电视节目的满意度评价;
用户兴趣模型创建单元,用于根据满意度评价创建该用户的用户兴趣模型;
节目推荐单元,用于根据用户兴趣模型中表现出的用户对各类电视节目的喜爱程度为用户推荐感兴趣的电视节目。
10.如权利要求9所述的电视节目推荐系统,其特征在于,所述满意度评价采集单元在收看电视节目的过程中利用弹出的用户满意度评价界面采集用户对电视节目的满意度评价。
11.如权利要求9所述的电视节目推荐系统,其特征在于,该系统包括用户终端及远端服务器,所述用户终端包括显示单元、所述满意度评价采集单元及满意度评价记录单元,所述远端服务器包括所述用户兴趣模型创建单元和所述节目推荐单元,所述满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至所述用户兴趣模型创建单元,所述用户兴趣模型创建单元将用户对当前电视节目的满意度评价与以往的满意度评价相关联,并根据关联的结果创建新的用户兴趣模型,所述节目推荐单元根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,根据用户对电视节目的喜爱程度对用户感兴趣的电视节目排序,生成用户推荐节目列表,并将推荐节目列表传送至显示单元。
12.如权利要求9所述的电视节目推荐系统,其特征在于,该系统包括用户终端及远端服务器,所述用户终端包括显示单元、所述满意度评价采集单元、满意度评价记录单元及所述节目推荐单元,所述远端服务器包括所述用户兴趣模型创建单元,所述满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元,所述用户兴趣模型创建单元根据满意度评价创建该用户的用户兴趣模型,所述节目推荐单元根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,生成用户推荐节目列表,并将推荐节目列表传送至显示单元。
13.如权利要求9所述的电视节目推荐系统,其特征在于,该系统包括用户终端,所述用户终端包括显示单元、所述满意度评价采集单元、满意度评价记录单元、所述用户兴趣模型创建单元及所述节目推荐单元,所述满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元,所述用户兴趣模型创建单元根据满意度评价创建该用户的用户兴趣模型,所述节目推荐单元根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,生成用户推荐节目列表,并将推荐节目列表传送至显示单元。
14.如权利要求9所述的电视节目推荐系统,其特征在于,该系统包括用户终端及远端服务器,所述用户终端包括显示单元、所述满意度评价采集单元、满意度评价记录单元、所述用户兴趣模型创建单元及所述节目推荐单元,所述远端服务器包括用户兴趣模型优化单元,所述用户兴趣模型优化单元定期更新用户兴趣模型的建立规则,所述满意度评价记录单元记录用户对电视节目的满意度评价,并将满意度评价传送至用户兴趣模型创建单元,所述用户兴趣模型创建单元根据更新后的建立规则和满意度评价创建该用户的用户兴趣模型,所述节目推荐单元根据用户兴趣模型在电视节目列表中选择用户感兴趣的电视节目,生成用户推荐节目列表,并将推荐节目列表传送至显示单元。
15.如权利要求11至14中任一项所述的电视节目推荐系统,其特征在于,所述满意度评价记录单元还定期删除时间靠前的满意度评价信息,用户兴趣模型创建单元根据删除后的结果更新用户兴趣模型。
16.如权利要求11至14中任一项所述的电视节目推荐系统,其特征在于,该系统还包括推荐理由设置单元,所述推荐理由设置单元用于根据单个的节目属性或节目属性的组合设置推荐理由,所述显示单元在显示推荐的电视节目时一并显示其推荐理由。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210307534.XA CN102802050B (zh) | 2012-08-24 | 2012-08-24 | 电视节目推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210307534.XA CN102802050B (zh) | 2012-08-24 | 2012-08-24 | 电视节目推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102802050A true CN102802050A (zh) | 2012-11-28 |
CN102802050B CN102802050B (zh) | 2015-04-01 |
Family
ID=47201001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210307534.XA Expired - Fee Related CN102802050B (zh) | 2012-08-24 | 2012-08-24 | 电视节目推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102802050B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104066005A (zh) * | 2014-07-06 | 2014-09-24 | 中山大学深圳研究院 | 一种基于访问记录的智能电视节目推送方法 |
CN104216885A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 静态和动态推荐理由自动结合的推荐系统及方法 |
CN104469430A (zh) * | 2014-12-24 | 2015-03-25 | 武汉泰迪智慧科技有限公司 | 基于上下文和群组组合的视频推荐方法及系统 |
CN104809166A (zh) * | 2015-04-02 | 2015-07-29 | 海信集团有限公司 | 一种业务需求的确定方法及设备 |
CN104853230A (zh) * | 2015-05-14 | 2015-08-19 | 无锡天脉聚源传媒科技有限公司 | 一种热点视频推送方法及装置 |
CN105491404A (zh) * | 2015-11-24 | 2016-04-13 | 天脉聚源(北京)科技有限公司 | 一种互动电视系统节目推荐的方法及装置 |
CN105574213A (zh) * | 2016-02-26 | 2016-05-11 | 江苏大学 | 一种基于数据挖掘技术的微博推荐方法及装置 |
CN106534976A (zh) * | 2016-10-12 | 2017-03-22 | 南京邮电大学 | Iptv视频业务中用户满意度的智能化预测方法 |
CN107146100A (zh) * | 2017-04-18 | 2017-09-08 | 北京思特奇信息技术股份有限公司 | 一种基于JavaScript的用户行为数据采集分析方法及系统 |
CN108463997A (zh) * | 2015-11-10 | 2018-08-28 | 诺基亚通信公司 | 支持众包视频 |
CN108965937A (zh) * | 2018-06-27 | 2018-12-07 | 广东技术师范学院 | 一种面向网络电视家庭用户的动态兴趣模型构建方法 |
CN109348294A (zh) * | 2018-10-31 | 2019-02-15 | 四川长虹电器股份有限公司 | 定制用户界面的电视运营系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1874442A (zh) * | 2005-05-31 | 2006-12-06 | 索尼株式会社 | 信息处理装置、信息处理方法以及程序 |
CN101047831A (zh) * | 2006-03-30 | 2007-10-03 | 株式会社东芝 | 推荐节目信息提供方法和装置 |
CN101094372A (zh) * | 2007-07-25 | 2007-12-26 | 北京中星微电子有限公司 | 一种电视节目推荐装置及方法 |
CN101489107A (zh) * | 2009-01-21 | 2009-07-22 | 华东师范大学 | 一种基于人口属性关键字向量的协作过滤推荐方法 |
CN101677376A (zh) * | 2008-09-18 | 2010-03-24 | 三菱电机株式会社 | 节目推荐装置 |
CN101860696A (zh) * | 2010-04-24 | 2010-10-13 | 中兴通讯股份有限公司 | 一种节目推荐方法和流媒体节目系统 |
JP2012059057A (ja) * | 2010-09-09 | 2012-03-22 | Nippon Telegr & Teleph Corp <Ntt> | 視聴確率算出方法及び装置及びプログラム及び視聴プラン推薦方法及び装置及びプログラム |
CN102523511A (zh) * | 2011-11-09 | 2012-06-27 | 中国传媒大学 | 一种网络节目聚合及节目推荐系统和方法 |
-
2012
- 2012-08-24 CN CN201210307534.XA patent/CN102802050B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1874442A (zh) * | 2005-05-31 | 2006-12-06 | 索尼株式会社 | 信息处理装置、信息处理方法以及程序 |
CN101047831A (zh) * | 2006-03-30 | 2007-10-03 | 株式会社东芝 | 推荐节目信息提供方法和装置 |
CN101094372A (zh) * | 2007-07-25 | 2007-12-26 | 北京中星微电子有限公司 | 一种电视节目推荐装置及方法 |
CN101677376A (zh) * | 2008-09-18 | 2010-03-24 | 三菱电机株式会社 | 节目推荐装置 |
CN101489107A (zh) * | 2009-01-21 | 2009-07-22 | 华东师范大学 | 一种基于人口属性关键字向量的协作过滤推荐方法 |
CN101860696A (zh) * | 2010-04-24 | 2010-10-13 | 中兴通讯股份有限公司 | 一种节目推荐方法和流媒体节目系统 |
JP2012059057A (ja) * | 2010-09-09 | 2012-03-22 | Nippon Telegr & Teleph Corp <Ntt> | 視聴確率算出方法及び装置及びプログラム及び視聴プラン推薦方法及び装置及びプログラム |
CN102523511A (zh) * | 2011-11-09 | 2012-06-27 | 中国传媒大学 | 一种网络节目聚合及节目推荐系统和方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104216885A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 静态和动态推荐理由自动结合的推荐系统及方法 |
CN104216885B (zh) * | 2013-05-29 | 2022-07-26 | 上海连尚网络科技有限公司 | 静态和动态推荐理由自动结合的推荐系统及方法 |
CN104066005A (zh) * | 2014-07-06 | 2014-09-24 | 中山大学深圳研究院 | 一种基于访问记录的智能电视节目推送方法 |
CN104469430A (zh) * | 2014-12-24 | 2015-03-25 | 武汉泰迪智慧科技有限公司 | 基于上下文和群组组合的视频推荐方法及系统 |
CN104809166A (zh) * | 2015-04-02 | 2015-07-29 | 海信集团有限公司 | 一种业务需求的确定方法及设备 |
CN104809166B (zh) * | 2015-04-02 | 2018-03-23 | 海信集团有限公司 | 一种业务需求的确定方法及设备 |
CN104853230B (zh) * | 2015-05-14 | 2017-10-24 | 无锡天脉聚源传媒科技有限公司 | 一种热点视频推送方法及装置 |
CN104853230A (zh) * | 2015-05-14 | 2015-08-19 | 无锡天脉聚源传媒科技有限公司 | 一种热点视频推送方法及装置 |
CN108463997A (zh) * | 2015-11-10 | 2018-08-28 | 诺基亚通信公司 | 支持众包视频 |
CN105491404A (zh) * | 2015-11-24 | 2016-04-13 | 天脉聚源(北京)科技有限公司 | 一种互动电视系统节目推荐的方法及装置 |
CN105574213A (zh) * | 2016-02-26 | 2016-05-11 | 江苏大学 | 一种基于数据挖掘技术的微博推荐方法及装置 |
CN106534976A (zh) * | 2016-10-12 | 2017-03-22 | 南京邮电大学 | Iptv视频业务中用户满意度的智能化预测方法 |
CN106534976B (zh) * | 2016-10-12 | 2019-11-08 | 南京邮电大学 | Iptv视频业务中用户满意度的智能化预测方法 |
CN107146100A (zh) * | 2017-04-18 | 2017-09-08 | 北京思特奇信息技术股份有限公司 | 一种基于JavaScript的用户行为数据采集分析方法及系统 |
CN108965937A (zh) * | 2018-06-27 | 2018-12-07 | 广东技术师范学院 | 一种面向网络电视家庭用户的动态兴趣模型构建方法 |
CN109348294A (zh) * | 2018-10-31 | 2019-02-15 | 四川长虹电器股份有限公司 | 定制用户界面的电视运营系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102802050B (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102802050B (zh) | 电视节目推荐方法及系统 | |
US9769528B2 (en) | Recommending media programs based on media program popularity | |
US8898713B1 (en) | Content aggregation and presentation | |
US20170257676A1 (en) | Systems and methods for acquiring, categorizing and delivering media in interactive media guidance applications | |
CA2665131C (en) | Systems and methods for acquiring, categorizing and delivering media in interactive media guidance applications | |
CN103052954B (zh) | 推荐系统的基于简档内容检索 | |
CN101888527B (zh) | 推荐本地和远程内容的方法 | |
KR101661052B1 (ko) | 멀티미디어 프리젠테이션에서의 관심 있는 지점들 또는 기간들에 관한 코멘트를 제공하는 사용자 인터페이스 | |
US20070208718A1 (en) | Method for providing web-based program guide for multimedia content | |
CN104038788A (zh) | 一种小区社交网络系统及内容推荐方法 | |
CN102917269A (zh) | 一种电视节目推荐系统及方法 | |
JP2015504613A (ja) | マルチソースおよびマルチデスティネーションであるメディアディスカバリおよび管理プラットフォーム | |
CN102265276A (zh) | 基于上下文的推荐系统 | |
JP5685373B2 (ja) | 映像コンテンツ推奨管理装置、映像コンテンツのシーン再生指示方法及びそのプログラム | |
CN110430476A (zh) | 直播间搜索方法、系统、计算机设备和存储介质 | |
KR20010081975A (ko) | 정보 제공장치, 정보 이용장치, 정보 가공장치, 정보제공시스템, 정보 제공방법, 정보 이용방법 및 기록매체 | |
CN103686231A (zh) | 影片的集成管理、失效替换与续播的方法及系统 | |
US9542395B2 (en) | Systems and methods for determining alternative names | |
KR20120020949A (ko) | 방송 선호 정보를 제공하기 위한 방법 및 장치 | |
CN105868264A (zh) | 一种根据关注词推送更新信息的方法及系统 | |
CN102750299A (zh) | 一种网上信息汇聚的方法 | |
KR20020007507A (ko) | 멀티미디어 데이터의 연속물 묘사정보 구조와, 이를사용하는 사용자 히스토리 구조 및 사용자 히스토리관리방법 | |
CN101909049A (zh) | 一种流媒体数据快速搜索及播放方法和系统 | |
CN102695086B (zh) | 交互式网络协议电视的内容推送方法和装置 | |
CN104965903A (zh) | 一种资源的推荐方法和装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150401 Termination date: 20190824 |
|
CF01 | Termination of patent right due to non-payment of annual fee |