CN102957949A - 为用户推荐视频的装置及方法 - Google Patents
为用户推荐视频的装置及方法 Download PDFInfo
- Publication number
- CN102957949A CN102957949A CN2012101625824A CN201210162582A CN102957949A CN 102957949 A CN102957949 A CN 102957949A CN 2012101625824 A CN2012101625824 A CN 2012101625824A CN 201210162582 A CN201210162582 A CN 201210162582A CN 102957949 A CN102957949 A CN 102957949A
- Authority
- CN
- China
- Prior art keywords
- video
- user
- browsing
- candidate
- recommending
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种为用户推荐视频的装置，包括：关系矩阵构建单元，其基于所有用户的视频浏览记录，定义一个虚拟用户在浏览第一视频后再浏览第二视频的权重并以该权重作为元素形成一个关系矩阵，第二视频为浏览第一视频之后浏览的视频；浏览记录单元，用于记录当前用户最近浏览过的至少一个第一视频的信息；和推荐单元，用于向当前用户推荐供浏览的候选视频组；推荐单元根据浏览记录单元记录的当前用户最近浏览过的至少一个第一视频的信息，分别在关系矩阵中寻找权重值最大的至少一个元素，再分别以该元素所对应的第二视频形成候选视频组向当前用户推荐以供浏览。该装置使视频推荐服务更符合用户的习惯和偏好。
Description
技术领域
本发明涉及一种为用户推荐视频的装置及方法。
背景技术
目前，一些视频网站推出了视频推荐服务，建议用户在浏览某一视频后，再去浏览和其有所关联的一些视频。视频推荐技术主要是在协同过滤系统中使用显式的评分来对结果进行处理。用户显示评分所造成的评分矩阵过分稀疏，以及推荐计算模型中忽略了时间因素，往往造成了推荐结果偏离实际。基于关联规则推荐算法在模式挖掘阶段未考虑用户行为的先后顺序，在推荐阶段未充分考虑推荐项目重要程度，导致推荐准确性不高。
序列模式挖掘是分析时间序列数据，从而发现隐藏其中的有趣模式。用户访问模式在视频推荐中是对协同过滤的有效补充。由于访问视频的时间是有先后顺序的，而序列模式中应用最广泛的Apriori算法则没有考虑到时间的先后对规则挖掘的影响，并不适合进行基于视频访问记录的关联规则挖掘。
以上这些有关访问模式的挖掘都是基于网页进行的，而视频具有一些特别的属性：如时间长、数据量大等，因此先前的算法并不一定全部适合视频的推荐。
现有技术中公开了一种为用户推荐视频的装置，其根据用户观看前一视频的名称、视频的发布人等视频信息关键字，从视频网站的所有的视频资源中寻找与前一视频有关联的候选视频，向用户推荐。这种方案没有考虑到用户浏览完前一视频后浏览下一视频的概率、用户对下一视频的喜好程度等符合人的思维连续性或发散性的因素，因而往往不符合用户的习惯和偏好。
因此，业界期望获得一种为用户推荐视频的装置及方法，其能将用户浏览完前一视频后再浏览下一视频的概率、用户对下一视频的喜好程度等因素考虑在内，从而使视频推荐服务更符合用户的习惯和偏好。
发明内容
本发明的目的在于提供一种符合用户的习惯和偏好的为用户推荐视频的装置。
为实现上述目的，本发明的技术方案如下：
一种为用户推荐视频的装置，包括：关系矩阵构建单元，其基于所有用户的视频浏览记录，定义一个虚拟用户在浏览第一视频后再浏览第二视频的权重并以该权重作为元素形成一个关系矩阵，第二视频为用户浏览第一视频之后浏览的视频；浏览记录单元，用于记录当前用户最近浏览过的至少一个第一视频的信息；和推荐单元，用于向当前用户推荐供浏览的候选视频组；推荐单元根据浏览记录单元记录的当前用户最近浏览过的至少一个第一视频的信息，分别在关系矩阵中寻找权重值最大的至少一个元素，再分别以该元素所对应的第二视频形成候选视频组向当前用户推荐以供浏览。
优选地：关系矩阵中的每个元素的权重与浏览完第一视频后再浏览第二视频的用户数量成正比关系。
优选地，关系矩阵构建单元包括一观看质量修正单元，其根据虚拟用户浏览第二视频的时间占该第二视频时间长度的比例，为关系矩阵中的每个元素乘上一个第一权重修正因子。
优选地，关系矩阵构建单元还包括一浏览次数修正单元，其根据虚拟用户重复浏览第二视频的次数，为关系矩阵中的每个元素乘上一个第二权重修正因子。
优选地，关系矩阵构建单元还包括一连续观看修正单元，其根据虚拟用户浏览第一视频后紧接着浏览第二视频的概率，为关系矩阵中的每个元素乘上一个第三权重修正因子。
优选地，关系矩阵构建单元还包括一相隔时间修正单元，其根据虚拟用户浏览第一视频和第二视频之间间隔时间的长短程度，为关系矩阵中的每个元素乘上一个第四权重修正因子。
优选地，该装置设置在视频浏览终端一侧，与视频服务器端通过网络连接，该装置从视频服务器端获取所有用户的视频浏览记录。
本发明还公开了一种为用户推荐视频的方法，包括如下步骤：a)、记录所有用户的视频浏览记录；b)、根据所有用户的视频浏览记录，定义一个虚拟用户在浏览第一视频后再浏览第二视频的权重并以该权重作为元素形成一个关系矩阵，其中第二视频为用户浏览第一视频之后浏览的视频；c)、记录当前用户最近浏览过的至少一个第一视频的信息；d)、根据当前用户最近浏览过的至少一个第一视频的信息，分别在关系矩阵中寻找权重值最大的至少一个元素，再分别以该元素所对应的第二视频形成候选视频组向当前用户推荐以供浏览。
本发明提供的为用户推荐视频的装置及方法，将用户浏览完前一视频后接着浏览下一视频的概率、用户对下一视频的喜好程度等因素考虑在内，从而使视频推荐服务更贴近人的思维连续性或发散性、更符合用户的习惯和偏好。
附图说明
图1示出本发明一实施例提供的为用户推荐视频的装置的结构示意图；
图2示出本发明一改进实施例提供的为用户推荐视频的装置的结构示意图；
图3示出本发明一实施例提供的为用户推荐视频的装置与视频服务器端及浏览终端连接关系示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步的详细说明。
需要说明的是，在本发明的实施例中，第一视频和第二视频并不特指某一视频，而仅用于表征视频浏览的前后顺序关系。
如图1所示，本发明公开的一种为用户推荐视频的装置1，其包括：关系矩阵构建单元11、浏览记录单元12和推荐单元13，其基于接收视频浏览服务的所有用户的视频浏览记录，定义一个虚拟用户在浏览第一视频后再浏览第二视频的权重并以该权重作为元素形成一个关系矩阵，其中第二视频指任意一不特定的用户浏览第一视频之后浏览的视频。浏览记录单元12，用于记录当前用户最近浏览过的至少一个第一视频的信息；和推荐单元13，用于向当前用户推荐供浏览的候选视频组。
为根据接收视频浏览服务的所有用户的视频浏览记录来表征任意一不特定的用户浏览完第一视频后接着浏览第二视频的概率、及对第二视频的喜好程度等因素，本发明引入了虚拟用户的概念。该虚拟用户浏览视频的偏好习惯取决于对接收视频浏览服务的所有用户浏览视频的偏好习惯的数理统计。所以虚拟用户虽然是一个不真实的用户，但它对某一视频的喜好程度也代表了大部分用户对该视频的喜好程度，它在浏览第一视频后对第二视频的选择也代表了大部分用户对第二视频的选择。
关系矩阵中的每个元素为虚拟用户在浏览第一视频后再浏览第二视频的权重，关系矩阵中的行标为第一视频的编号，纵标为第二视频的编号。
为使视频推荐服务更贴近人的思维连续性或发散性、更符合用户的习惯和偏好，该装置1中的推荐单元13根据浏览记录单元12记录的当前用户最近浏览过的一个第一视频的信息，在关系矩阵中寻找权重值最大的元素，再以该元素所对应的第二视频形成候选视频组向当前用户推荐以供浏览。在本实施例中，候选视频组仅包含了一项候选视频。
显然，浏览记录单元12可以记录多项(例如4项)当前用户最近浏览过的视频，推荐单元13针对每项视频的信息，分别在关系矩阵中寻找权重值最大的元素，再分别以这4个元素各自对应的第二视频形成候选视频组向当前用户推荐以供浏览。
浏览记录单元12可以记录多项(例如4项)当前用户最近浏览过的视频，推荐单元13可以针对每项视频的信息，分别在关系矩阵中寻找寻找权重值最大的多个元素(例如3个)，从而选出了12个元素，再分别以这12个元素各自对应的第二视频形成候选视频组向当前用户推荐以供浏览。
根据本发明的改进实施例，在定义虚拟用户在浏览第一视频后再浏览第二视频的权重并作为关系矩阵的元素时，可以采用如下的方案：关系矩阵中的每个元素的权重与浏览完所述第一视频后再浏览第二视频的用户数量成正比关系。假设，第一视频的编号为i，第二视频的编号为j，则关系矩阵中横标为i、纵标为j的元素，其权重与选择先浏览i编号视频再浏览j编号视频的用户数成正比关系；其中，先浏览i编号视频再浏览j编号视频的用户数可以根据所有用户的视频浏览记录而得到。
图2示出了根据本发明一改进实施例的为用户推荐视频的装置的结构示意图。其中，关系矩阵构建单元11包括了4个从属单元：观看质量修正单元111、浏览次数修正单元112、连续观看修正单元113和相隔时间修正单元114。
其中，观看质量修正单元111根据虚拟用户浏览第一视频(例如编号为i)后再浏览第二视频(例如编号为j)的时间占该第二视频时间长度的比例，为关系矩阵中对应的每个元素(横标为i、纵标为j)乘上一个第一权重修正因子，并替换关系矩阵中的该元素。虚拟用户浏览第二视频的时间占该第二视频时间长度的比例，是经过对所有浏览该第二视频(在浏览第一视频之后)用户的浏览时间作出数理统计而得出。第一权重修正因子为一百分比数值，其表征了虚拟用户对该第二视频的兴趣程度。
浏览次数修正单元112根据虚拟用户浏览第一视频(例如编号为i)后反复浏览第二视频(例如编号为j)的次数，为关系矩阵中对应的每个元素(横标为i、纵标为j)乘上一个第二权重修正因子，并替换关系矩阵中的该元素。虚拟用户反复浏览第二视频的次数，是经过对所有浏览该第二视频(在浏览第一视频之后)用户的反复浏览次数作出数理统计而得出。第二权重因子为一百分比数值，其表征了虚拟用户对该第二视频的喜好程度。
连续观看修正单元113根据虚拟用户浏览第一视频(例如编号为i)后紧接着(中间没有浏览其他视频)浏览第二视频(例如编号为j)的概率，为关系矩阵中对应的每个元素(横标为i、纵标为j)乘上一个第三权重修正因子，并替换关系矩阵中的该元素。虚拟用户紧接着浏览该第二视频的概率，是根据对所有浏览该第一视频之后紧接着即浏览第二视频的用户数占总用户数的比例而得出。第三权重因子为一百分比数值，其表征了第一视频和第二视频关联的程度。
相隔时间修正单元114根据虚拟用户在浏览第一视频(例如编号为i)和第二视频(例如编号为j)之间间隔时间的长短程度，为关系矩阵中对应的每个元素(横标为i、纵标为j)乘上一个第四权重修正因子，并替换关系矩阵中的该元素。虚拟用户在浏览第一视频(例如编号为i)和第二视频(例如编号为j)之间间隔时间的长短程度，是根据所有先浏览该第一视频再浏览该第二视频的用户在此之间的间隔时间作出数理统计而得出。第四权重因子为一百分比数值，其也表征了第一视频和第二视频关联的程度。
本领域技术人员理解，关系矩阵构建单元11可以包括观看质量修正单元111、浏览次数修正单元112、连续观看修正单元113和相隔时间修正单元114的全部，也可以仅包括其中的任意一个或几个，均不会对本发明的实施造成影响。当包括了上述全部4个修正单元111、112、113和114时，视频推荐服务更能贴近人的思维连续性或发散性、从而更符合用户的习惯和偏好，从而可以作为本发明的较佳实施方式。
如图3所示，本发明上述为用户推荐视频的装置1可以设置在视频浏览终端2(即用户)一侧，与视频服务器端3通过网络连接，该装置1从视频服务器端3获取所有用户的视频浏览记录，进而作出数理统计并形成关系矩阵。视频服务器3由视频服务提供商或视频网站架设，视频浏览终端2由视频浏览用户所持有。
根据本发明的一改进实施例，推荐单元13包括一支持度过滤单元，其为候选视频组中的每个候选视频计算支持度并设置一最小支持度阈值，将支持度低于该阈值的候选视频从候选视频组中排除。
作为另一改进实施例，推荐单元13包括一置信度过滤单元，其为候选视频组中的每个候选视频计算置信度并设置一最小置信度阈值，将置信度低于该阈值的候选视频从候选视频组中排除。
例如，在用户浏览了视频A之后，本发明提供的上述装置向用户推荐了视频B，则候选视频B的支持度为接下来选择浏览视频B的用户数与全体用户数的比例，其表征了虚拟用户浏览视频A之后再浏览视频B的概率；候选视频B的置信度为接下来选择浏览视频B的用户数与浏览了视频A的用户数(不论其之后是否会浏览视频B)的比例，其表征了虚拟用户浏览视频A之后再浏览视频B的条件概率。
支持度过滤单元和置信度过滤单元可以分别单独设置于推荐单元13中，也可以一并设置在其中，均不脱离本发明的保护范围。
本发明公开的为用户推荐视频的方法，包括如下步骤：a)、记录所有用户的视频浏览记录；b)、根据所有用户的视频浏览记录，定义一个虚拟用户在浏览第一视频后再浏览第二视频的权重并以该权重作为元素形成一个关系矩阵，其中第二视频为用户浏览第一视频之后浏览的视频；c)、记录当前用户最近浏览过的至少一个第一视频的信息；d)、根据当前用户最近浏览过的至少一个第一视频的信息，分别在关系矩阵中寻找权重值最大的至少一个元素，再分别以该元素所对应的第二视频形成候选视频组向当前用户推荐以供浏览。
根据本发明一实施例的上述为用户推荐视频的方法，具体包括如下步骤：
(1)、分析所有用户的浏览记录，生成关系矩阵M，定义矩阵中每一个元素M[i，j]表示一虚拟用户在浏览视频i后再浏览视频j的权重，将该权重值初步设定为先访问视频i再访问视频j的用户的数量；
(2)、根据虚拟用户浏览第二视频的时间占该第二视频时间长度的比例，为所述关系矩阵中的每个元素乘上一个第一权重修正因子；
(3)、根据虚拟用户重复浏览第二视频的次数，为所述关系矩阵中的每个元素乘上一个第二权重修正因子；
(4)、根据虚拟用户浏览第一视频后紧接着浏览第二视频的概率，为所述关系矩阵中的每个元素乘上一个第三权重修正因子；
(5)、根据虚拟用户浏览第一视频和第二视频之间间隔时间的长短程度，为所述关系矩阵中的每个元素乘上一个第四权重修正因子；
(6)、分析当前用户的浏览记录，记录下当前用户最近浏览过的3个视频；
(7)、根据当前用户最近的浏览记录和M矩阵，得到当前用户最后浏览的视频之后可能浏览的视频，组成候选集；
(8)、计算候选集中视频的置信度和支持度；
(9)、在所有候选集中，选出置信度和支持度满足阈值并且值最大的几个视频，为当前用户进行推荐。
其中，第一、第二、第三及第四权重修正因子的定义及表征与之前所述实施例相同。
以上所述的仅为本发明的优选实施例，所述实施例并非用以限制本发明的专利保护范围，因此凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。
Claims (11)
1.一种为用户推荐视频的装置，包括：
关系矩阵构建单元，其基于所有用户的视频浏览记录，定义一个虚拟用户在浏览第一视频后再浏览第二视频的权重并以所述权重作为元素形成一个关系矩阵，所述第二视频为用户浏览第一视频之后浏览的视频；
浏览记录单元，用于记录当前用户最近浏览过的至少一个第一视频的信息；和
推荐单元，用于向当前用户推荐供浏览的候选视频组；
其中，所述推荐单元根据所述浏览记录单元记录的当前用户最近浏览过的至少一个第一视频的信息，分别在所述关系矩阵中寻找权重值最大的至少一个元素，再分别以该元素所对应的第二视频形成所述候选视频组向当前用户推荐以供浏览。
2.如权利要求1所述的为用户推荐视频的装置，其特征在于，所述关系矩阵中的每个元素的权重与浏览完所述第一视频后再浏览第二视频的用户数量成正比关系。
3.如权利要求2所述的为用户推荐视频的装置，其特征在于，所述关系矩阵构建单元包括一观看质量修正单元，其根据所述虚拟用户浏览所述第二视频的时间占该第二视频时间长度的比例，为所述关系矩阵中的每个元素乘上一个第一权重修正因子。
4.如权利要求3所述的为用户推荐视频的装置，其特征在于，所述关系矩阵构建单元还包括一浏览次数修正单元，其根据所述虚拟用户重复浏览所述第二视频的次数，为所述关系矩阵中的每个元素乘上一个第二权重修正因子。
5.如权利要求4所述的为用户推荐视频的装置，其特征在于，所述关系矩阵构建单元还包括一连续观看修正单元，其根据所述虚拟用户浏览所述第一视频后紧接着浏览第二视频的概率，为所述关系矩阵中的每个元素乘上一个第三权重修正因子。
6.如权利要求5所述的为用户推荐视频的装置，其特征在于，所述关系矩阵构建单元还包括一相隔时间修正单元，其根据所述虚拟用户浏览所述第一视频和第二视频之间间隔时间的长短程度，为所述关系矩阵中的每个元素乘上一个第四权重修正因子。
7.如权利要求1至6中任一项所述的为用户推荐视频的装置，其特征在于，该装置设置在视频浏览终端一侧，与视频服务器端通过网络连接，该装置从所述视频服务器端获取所述所有用户的视频浏览记录。
8.如权利要求7所述的为用户推荐视频的装置，其特征在于，所述推荐单元包括一支持度过滤单元，其为所述候选视频组中的每个候选视频计算支持度并设置一最小支持度阈值，将支持度低于该阈值的候选视频从所述候选视频组中排除。
9.如权利要求7所述的为用户推荐视频的装置，其特征在于，所述推荐单元包括一置信度过滤单元，其为所述候选视频组中的每个候选视频计算置信度并设置一最小置信度阈值，将置信度低于该阈值的候选视频从所述候选视频组中排除。
10.如权利要求7所述的为用户推荐视频的装置，其特征在于，所述推荐单元包括一支持度过滤单元和一置信度过滤单元，所述支持度过滤单元为所述候选视频组中的每个候选视频计算支持度并设置一最小支持度阈值，所述置信度过滤单元为所述候选视频组中的每个候选视频计算置信度并设置一最小置信度阈值，所述推荐单元将支持度低于该最小支持度阈值或置信度低于该最小置信度阈值的候选视频从所述候选视频组中排除。
11.一种利用如权利要求1中所述的装置为用户推荐视频的方法，包括如下步骤：
a)、记录所有用户的视频浏览记录；
b)、根据所述所有用户的视频浏览记录，定义一个虚拟用户在浏览第一视频后再浏览第二视频的权重并以该权重作为元素形成一个关系矩阵，其中第二视频为用户浏览第一视频之后浏览的视频；
c)、记录当前用户最近浏览过的至少一个第一视频的信息；
d)、根据所述当前用户最近浏览过的至少一个第一视频的信息，分别在所述关系矩阵中寻找权重值最大的至少一个元素，再分别以该元素所对应的第二视频形成候选视频组向当前用户推荐以供浏览。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012101625824A CN102957949A (zh) | 2012-05-18 | 2012-05-18 | 为用户推荐视频的装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012101625824A CN102957949A (zh) | 2012-05-18 | 2012-05-18 | 为用户推荐视频的装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102957949A true CN102957949A (zh) | 2013-03-06 |
Family
ID=47766093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012101625824A Pending CN102957949A (zh) | 2012-05-18 | 2012-05-18 | 为用户推荐视频的装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102957949A (zh) |
Cited By (9)
| 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 |
| CN105512331A (zh) * | 2015-12-28 | 2016-04-20 | 海信集团有限公司 | 一种视频推荐方法及装置 |
| CN106294462A (zh) * | 2015-06-01 | 2017-01-04 | Tcl集团股份有限公司 | 一种获取推荐视频的方法和系统 |
| CN107968952A (zh) * | 2017-12-19 | 2018-04-27 | 聚好看科技股份有限公司 | 一种推荐视频的方法、装置、服务器和计算机存储介质 |
| CN108235045A (zh) * | 2018-01-04 | 2018-06-29 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、电子设备及可读存储介质 |
| CN110096646A (zh) * | 2019-05-08 | 2019-08-06 | 广州虎牙信息科技有限公司 | 品类关联信息的生成及其视频推送方法和相关设备 |
| CN110598016A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 一种多媒体信息推荐的方法、装置、设备和介质 |
| CN112714359A (zh) * | 2019-10-24 | 2021-04-27 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
| CN114139044A (zh) * | 2021-10-27 | 2022-03-04 | 北京达佳互联信息技术有限公司 | 账户推送方法、装置、服务器及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4835470A (en) * | 1986-07-02 | 1989-05-30 | Belorussky Politekhnitchesky Institute | Magnetizer having a main electromagnet and leakage flux reducing auxiliary electromagnets for magnetographic inspection |
| US20080196064A1 (en) * | 2007-02-14 | 2008-08-14 | Kabushiki Kaisha Toshiba | Apparatus and method of providing a recommended broadcast program |
| 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 |
| US20110302317A1 (en) * | 2010-06-07 | 2011-12-08 | Transcend Information , Inc. | Multimedia system, media player and method for generating personalized streaming content |
-
2012
- 2012-05-18 CN CN2012101625824A patent/CN102957949A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4835470A (en) * | 1986-07-02 | 1989-05-30 | Belorussky Politekhnitchesky Institute | Magnetizer having a main electromagnet and leakage flux reducing auxiliary electromagnets for magnetographic inspection |
| US20080196064A1 (en) * | 2007-02-14 | 2008-08-14 | Kabushiki Kaisha Toshiba | Apparatus and method of providing a recommended broadcast program |
| 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 |
| US20110302317A1 (en) * | 2010-06-07 | 2011-12-08 | Transcend Information , Inc. | Multimedia system, media player and method for generating personalized streaming content |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN106294462A (zh) * | 2015-06-01 | 2017-01-04 | Tcl集团股份有限公司 | 一种获取推荐视频的方法和系统 |
| CN106294462B (zh) * | 2015-06-01 | 2019-09-17 | Tcl集团股份有限公司 | 一种获取推荐视频的方法和系统 |
| CN105512331B (zh) * | 2015-12-28 | 2019-03-26 | 海信集团有限公司 | 一种视频推荐方法及装置 |
| CN105512331A (zh) * | 2015-12-28 | 2016-04-20 | 海信集团有限公司 | 一种视频推荐方法及装置 |
| CN107968952B (zh) * | 2017-12-19 | 2020-11-03 | 聚好看科技股份有限公司 | 一种推荐视频的方法、装置、服务器和计算机可读存储介质 |
| CN107968952A (zh) * | 2017-12-19 | 2018-04-27 | 聚好看科技股份有限公司 | 一种推荐视频的方法、装置、服务器和计算机存储介质 |
| WO2019134285A1 (zh) * | 2018-01-04 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、电子设备及可读存储介质 |
| CN108235045B (zh) * | 2018-01-04 | 2019-09-10 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、电子设备及可读存储介质 |
| CN108235045A (zh) * | 2018-01-04 | 2018-06-29 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、电子设备及可读存储介质 |
| CN110096646A (zh) * | 2019-05-08 | 2019-08-06 | 广州虎牙信息科技有限公司 | 品类关联信息的生成及其视频推送方法和相关设备 |
| CN110598016A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 一种多媒体信息推荐的方法、装置、设备和介质 |
| CN112714359A (zh) * | 2019-10-24 | 2021-04-27 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
| CN112714359B (zh) * | 2019-10-24 | 2022-09-09 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
| CN114139044A (zh) * | 2021-10-27 | 2022-03-04 | 北京达佳互联信息技术有限公司 | 账户推送方法、装置、服务器及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102957949A (zh) | 为用户推荐视频的装置及方法 | |
| CN110941740B (zh) | 视频推荐方法及计算机可读存储介质 | |
| CN109819284B (zh) | 一种短视频推荐方法、装置、计算机设备及存储介质 | |
| CN102298616B (zh) | 一种用于在搜索结果中提供相关子链接的方法和设备 | |
| US8332775B2 (en) | Adaptive user feedback window | |
| US9990436B2 (en) | Personal trends module | |
| CN106126582A (zh) | 推荐方法及装置 | |
| CN106294830A (zh) | 多媒体资源的推荐方法及装置 | |
| CN103186600B (zh) | 互联网舆情的专题分析方法和装置 | |
| JP2015191655A (ja) | 推奨ページを生成するための方法及び装置 | |
| CN103248705B (zh) | 服务器、客户端及视频处理方法 | |
| US20150205580A1 (en) | Method and System for Sorting Online Videos of a Search | |
| CN107229754B (zh) | 信息排序方法、装置、电子设备及存储介质 | |
| CN108038237A (zh) | 一种信息推荐方法与系统 | |
| CN103870553B (zh) | 一种输入资源推送方法及系统 | |
| CN104053023A (zh) | 一种确定视频相似度的方法及装置 | |
| CN103186595A (zh) | 音视频推荐方法及系统 | |
| CN104216883A (zh) | 视频推荐理由生成系统及方法 | |
| CN111966887B (zh) | 动态缓存方法及装置、电子设备、存储介质 | |
| KR20140098314A (ko) | 추천 컨텐츠 및 연관 컨텐츠 제공 방법 | |
| CN103425670A (zh) | 一种向用户提供内容推荐信息的方法、装置和设备 | |
| CN109977296A (zh) | 一种信息推送方法、装置、设备及存储介质 | |
| CN106570020A (zh) | 用于提供推荐信息的方法和装置 | |
| CN103544150B (zh) | 为移动终端浏览器提供推荐信息的方法及系统 | |
| CN103761228A (zh) | 应用程序的排名阈值确定方法和排名阈值确定系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130306 |