CN102957950A - 一种用于视频推荐的用户隐式评分方法 - Google Patents
一种用于视频推荐的用户隐式评分方法 Download PDFInfo
- Publication number
- CN102957950A CN102957950A CN2012102567277A CN201210256727A CN102957950A CN 102957950 A CN102957950 A CN 102957950A CN 2012102567277 A CN2012102567277 A CN 2012102567277A CN 201210256727 A CN201210256727 A CN 201210256727A CN 102957950 A CN102957950 A CN 102957950A
- Authority
- CN
- China
- Prior art keywords
- video
- user
- scoring
- time difference
- marked
- 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)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供一种在视频推荐系统中的用户隐式评分方法，其特征在于，包括如下步骤：a.接收用户对待评分视频执行的操作信息；b.计算基于视频时长及用户观看比例的初步评分；c.根据退化时差对所述初步评分进行进一步计算获得最终评分，其中，所述退化时差为用户对视频进行操作的时间与对所述视频进行隐式评分的时间差。本发明是根据视频长度并结合时间退化来调整用户隐式评分的方法，其有的优点包括：更准确把握用户兴趣，更贴近用户兴趣变化趋势，更高效便捷。
Description
技术领域
本发明涉及用于视频推荐的用户评分方法领域，具体地说是一种基于用户观看视频相对时长与观看时间的用户隐式评分方法。
背景技术
在各种推荐系统中，用户对资源的评分是决定用户兴趣度的一个重要指标。而只有少量的用户愿意积极主动对资源进行评分，因此计算用户隐式评分是很多推荐系统采取的一种方法。
在视频推荐系统中，传统的隐式评分方法，大多有两种。一种采取0-1制，0代表用户未观看过资源，1代表观看过资源。即使用户观看过此资源，也不代表用户一定对其感兴趣，因此，此方法并不太合理。另一种方法是根据用户观看资源的比例评分，未观看评分为0，观看了一半评分为0.5，全部观看评分为1。此方法较第一种更为合理。但其没有考虑视频自身长度对用户兴趣的影响。对于一个长度两分钟的视频，用户很容易就把它看完了，看完了也不能说明用户对它就有兴趣，而一个很长的视频，用户或许只看了一半，但是用户能花一个小时去看它，不能说用户对此节目很感兴趣，但至少说明用户对视频肯定是有一定兴趣。而且传统的隐式评分方法并未考虑时间因素。用户五年前很感兴趣的东西未必到今天依然会感兴趣。
发明内容
针对现有技术中忽略视频时长与观看时间的技术缺陷，本发明提供一种在视频推荐系统的用户隐式评分方法，其特征在于，包括如下步骤：a.接收用户对待评分视频执行的操作信息；b.计算基于视频时长及用户观看比例的初步评分；c.根据退化时差对所述初步评分进行进一步计算获得最终评分，其中，所述退化时差为用户对视频进行操作的时间与对所述视频进行隐式评分的时间差。
优选地，所述步骤a包括如下步骤：a1.判断所述用户对待评分视频执行的操作；a2.若所述a1判断所述用户未观看过所述待评分视频，则确定所述用户对所述待评分视频的最终评分为0；a3.若所述a1判断所述用户收藏所述待评分视频，则确定所述用户对所述待评分视频的初步评分为1，并进一步由上述步骤c计算所述待评分视频的最终评分；a4.若所述a1判断所述用户观看过所述待评分视频，则转至步骤b。
优选地，所述步骤b包括如下步骤：b1.对于上述步骤a1判断所述用户观看过的待评分视频，获取视频时长及用户观看此视频的时长比例，根据所述时长比例计算初步评分。
优选地，所述步骤b1包括如下步骤：b11.确定标准时长值，其中所述标准时长是一个视频长度的参考值，用于调整不同时长视频对用户兴趣度的影响；b12.根据如下公式计算初步评分：初始评分=min(log标准时长视频长度*观看比例,1)
优选地，所述步骤c包括如下步骤：c1.计算用户观看或收藏视频时间与当前时间的时间差，并将所述时间差作为所述退化时间差，根据退化时差计算最终评分。
优选地，所述步骤c1还包括如下步骤：c11.确定遗忘幅度系数。c12.判断所述退化时间差是否为零；c13.若退化时间差不为零，则根据如下公式计算最终评分：最终评分=初始评分*e-（遗忘幅度系数*时间差)；c14.若退化时间差为零，则将初始评分作为最终评分。
根据本发明的又一方面，还提供一种在视频推荐系统的用户隐式评分控制装置，其特征在于，包括如下装置：用户记录数据库，其用于存储用户观看、操作记录；隐式评分装置，其用于计算用户对视频的隐式评分；评分数据库，其用于存储用户对视频的隐式评分。
优选地，所述隐式评分装置包括如下装置：参数设定装置，其用于设定评分计算所需的各项参数；初步评分装置，其用于计算初步评分；最终评分装置，其用于计算最终评分。
根据本发明的又一方面还提供一种一种用于视频推荐的用户隐式评分方法，其特征在于，包括如下步骤：a.确定用户与待评分视频的关系；b.对用户观看过的视频，计算基于视频时长及用户观看比例的初步评分；c.对初步评分进行时间退化处理获得最终评分。
优选地，所述步骤a包括如下步骤：a1.确定用户与待评分视频的基本关系，其中包括：用户未观看，用户收藏，用户观看过；a2.根据所述基本关系，确定评分方法，用户未观看-直接评分，用户收藏-直接赋予初始评分待步骤c计算。
优选地，所述步骤b包括如下步骤：b1.对于用户观看过的视频，获得视频长度及用户观看此视频的比例；b2.通过公式计算用户初步评分。
优选地，所述步骤b2包括如下步骤：b21.确定标准时长值；b22.计算初步评分方法；初始评分=min(log标准时长视频长度*观看比例,1)。
优选地，所述步骤c包括如下步骤：c1.计算用户观看或收藏视频时间与当前时间的时间差；c2.通过公式计算最终评分。
优选地，所述步骤c2包括如下步骤：c21.确定遗忘幅度系数；
c22.根据时间差长度，计算最终评分，若时间差长度为零，最终评分=初始评分，否则：最终评分=初始评分*e-（遗忘幅度系数*时间差)。
根据本发明的又一方面，还提供一种视频推荐系统，所述视频推荐系统包括：多个用户终端，其用于播放视频，并对视频执行相应的操作；视频服务器，其用于提供视频；评分控制装置，其用于对待评分视频计算最终评分。
优选地，所述用户终端至少包括：移动手机；平板电脑；笔记本电脑；台式电脑；或者电视机顶盒等。
优选地，所述评分控制装置被设置于所述视频服务器上，所述评分控制装置根据所述视频服务器提供的用户操作情况对待评分视频进行最终评分的计算，并将所述最终评分发送至所述视频服务器。
次优地，所述评分控制装置被设置于所述用户终端上，所述评分控制装置根据所述用户终端提供的用户操作情况对待评分视频进行最终评分的计算，并将所述最终评分发送至所述视频服务器。
本发明提供一种基于用户观看视频相对时长与观看时间的用户隐式评分方法以及相应的评分装置，能够根据视频的长度及用户观看视频的比例来调整用户对视频的评分，并且根据用户观看视频的时间，调整评分的权重。本方法在计算用户隐式评分时，考虑到了不同视频时长对于用户观看比例的影响，根据用户观看比例，对于时长短的视频，适当降低评分权重，对于时长长的视频，适当提高评分权重，更加合理的反应了用户对视频的兴趣度。本方法同时还考虑到了用户兴趣的易变性，对评分进行时间退化处理，降低陈旧兴趣的权重比例，更容易抓住用户的近期兴趣，推荐出用户当前感兴趣的资源。对于用户已经收藏的视频，本方法略去了初步评分步骤，简化了整个计算流程，提高了系统的效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出根据本发明第一实施例的，所述用户隐式评分方法流程图；
图2示出根据本发明第二实施例的，所述用户隐式评分方法流程图；
图3示出根据本发明一个具体实施方式的，所述视频推荐系统的拓扑图；以及
图4示出根据本发明第三实施例的，所述用户隐式评分控制装置的结构示意图。
具体实施方式
本发明公开了一种基于用户观看视频相对时长与观看时间的用户隐式评分方法，根据视频的长度及用户观看视频的比例来调整用户对视频的评分，更加合理的反应了用户对视频的兴趣度；通过时间退化调整标签权重，能够更贴近用户的兴趣变化趋势。
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出根据本发明第一实施例的，所述用户隐式评分方法流程图。具体地，本图示出了3个步骤。首先是步骤S201，接收用户对待评分视频执行的操作信息，用户对待评分视频的操作分为，观看过所述待评分视频；围观看过所述待评分视频；收藏所述待评分视频。所述用户对待评分视频执行的操作信息，优选地，由所述视频服务器发送，所述视频服务器将用户操作信息发送至所述评分控制装置并由所述用户操作记录数据库进行储存。在本实施例的一个变化例中，所述用户操作信息由所述用户终端发送，所述用户终端将用户操作信息发送至所述评分控制装置并由所述用户操作记录数据库进行储存。具体地，本领域技术人员理解，接收到所述用户对待评分视频的操作信息后，分析判断所述用户对待评分视频执行的操作。若判断所述用户未观看过所述待评分视频，则确定所述用户对所述待评分视频的最终评分为0。若判断所述用户收藏所述待评分视频，则确定所述用户对所述待评分视频的初步评分为1，并进一步由步骤S203计算所述待评分视频的最终评分。若判断所述用户观看过所述待评分视频，则转至步骤S202。之后为步骤S202，计算基于视频时长及用户观看比例的初步评分。具体地，本领域技术人员理解，对于上述步骤S201判断所述用户观看过的待评分视频，获取视频时长及用户观看此视频的时长比例。然后确定标准时长值，其中，所述标准时长是一个视频长度的参考值，用于调整不同时长视频对用户兴趣度的影响。基于标准市场以及观看视频时常比例计算初步评分。最后为步骤S203，根据退化时差对所述初步评分进行进一步计算获得最终评分，其中，所述退化时差为用户对视频进行操作的时间与对所述视频进行隐式评分的时间差。具体地，本领域技术人员理解，当所示待评分视频是用户很久以前观看的，那么该用户会对所述视频有所遗忘导致所述用户对该视频的喜爱程度降低，因此，本发明在此引入遗忘幅度系数，以及退化时差的概念对所述待评分视频进行了进一步地计算以获得最终评分。
图2示出根据本发明第二实施例的,用于视频推荐的用户隐式评分方法的流程图。具体地，在本实施方式中，通过如下过程完成本发明提供的技术方案：
（1）设定用于计算用户初步评分的标准时长值，其中，所述标准时长是一个视频长度的参考值，用于调整不同时长视频对用户兴趣度的影响，记作criterion，初步评分记作PreScore，最终评分记作Score；
（2）确定用户与此视频之间的关系，a.用户未观看-无兴趣，Score=0，结束，b.用户收藏-兴趣度高，PreScore=1，转到（5），c.用户观看过-有兴趣，转到（3）；
（3）确定此视频的长度以及用户观看此视频的比例，分别记作Length和Percent；
（4）通过如下公式计算用户初步评分，
PreScore=min(logcriterion(Length)*Percent,1)
（5）计算用户观看或收藏此视频时间与当前时间的时间差，记作t，假定遗忘幅度系数为λ；
（6）判定退化时间差长度；
（7）计算最终评分，若t=0，Score=PreScore，否则，
Score＝PreScore*e-λt
图3示出根据本发明一个具体实施方式的，所述视频推荐系统的拓扑图。在视频推荐中，对于一个长度两分钟的视频，用户很容易就把它看完了，看完了也不能说明用户对它就有兴趣，而一个很长的视频，用户或许只看了一半，但是用户能花一个小时去看它，不能说用户对此节目很感兴趣，但至少说明用户对视频肯定是有一定兴趣。而且传统的隐式评分方法并未考虑时间因素。用户五年前很感兴趣的东西未必到今天依然会感兴趣。基于上述，本图示出的视频推荐系统包括：多个用户终端11、12，其用于播放视频，并对视频执行相应的操作；视频服务器3，其用于提供视频；以及评分控制装置2，其用于对待评分视频计算最终评分。具体地，所述评分控制装置2在计算待评分视频时同时考虑到了不同视频时长对于用户观看比例的影响，根据用户观看比例，对于时长短的视频，适当降低评分权重，对于时长长的视频，适当提高评分权重，更加合理的反应了用户对视频的兴趣度。同时还考虑到了用户兴趣的易变性，对评分进行时间退化处理，降低陈旧兴趣的权重比例，更容易抓住用户的近期兴趣，推荐出用户当前感兴趣的资源。对于用户已经收藏的视频，所述评分控制装置2在进行评分计算时略去了初步评分步骤，简化了整个计算流程，提高了系统的效率。更具体地，本领域技术人员理解，所述视频推荐系统应用于网络视频播放，网络视频下载以及数字电视点播推荐等。相对应地，所述用户终端1可以是：移动手机；平板电脑；笔记本电脑；台式电脑；或者电视机顶盒等。本图示出的评分控制装置2被设置于所述视频服务器3上，所述评分控制装置2根据所述视频服务器3提供的用户操作情况对待评分视频进行最终评分的计算，并将所述最终评分发送至所述视频服务器3，所述视频服务器3根据所述评分控制装置2发送的视频最终评分向用户推荐视频。
在实施例的一个变化例中，所述评分控制装置2被设置于所述用户终端1上，所述评分控制装置2根据所述用户终端1提供的用户操作情况对待评分视频进行最终评分的计算，并将所述最终评分发送至所述视频服务器3，所述视频服务器3根据所述评分控制装置2发送的视频最终评分向用户推荐视频。
图4示出根据本发明第三实施例的，所述用户隐式评分控制装置的结构示意图。本图示出的评分控制装置2，包括如下装置：用户记录数据库21，其用于存储用户观看、操作记录；隐式评分装置22，其用于计算用户对视频的隐式评分；评分数据库23，其用于存储用户对视频的隐式评分。具体地，所述用户记录数据库21优选地接收发送自所述视频服务器的所述用户的操作信息，并将所述操作信息进行记录储存。次优地，所述用户记录数据库21优选地接收发送自所述移动终端的所述用户的操作信息，并将所述操作信息进行记录储存。所述隐式评分装置22包括如下装置：参数设定装置221，其用于设定评分计算所需的各项参数，如标准时常参数，遗忘幅度系数等。初步评分装置222，其用于计算初步评分，考虑到了不同视频时长对于用户观看比例的影响，根据用户观看比例，对于时长短的视频，适当降低评分权重，对于时长长的视频，适当提高评分权重，更加合理的反应了用户对视频的兴趣度。并且，其在进行初步评分计算时略去了初步评分步骤，简化了整个计算流程，提高了系统的效率。最终评分装置223，其用于计算最终评分。同时还考虑到了用户兴趣的易变性，对评分进行时间退化处理，降低陈旧兴趣的权重比例，更容易抓住用户的近期兴趣，推荐出用户当前感兴趣的资源。
本发提供的一种基于用户观看视频相对时长与观看时间的用户隐式评分方法，应用于视频推荐系统中，首先确定视频与用户的关系，对于用户观看过的视频，根据视频时长与用户实际观看比例计算出初步评分，然后根据用户观看视频时间进行时间退化处理，最后得出用户对视频的隐式评分，其具体方法描述如下：
第一步：设定用于计算用户初步评分的标准时长值，记作criterion，初步评分记作PreScore，最终评分记作Score；
第二步：确定用户与此视频之间的关系，a.用户未观看-无兴趣，Score=0，转到第七步，b.用户收藏-兴趣度高，PreScore=1，转到第六步，c.用户观看过-有兴趣，转到第二步；
第三步：确定此视频的长度以及用户观看此视频的比例，分别记作Length和Percent；
第四步：通过如下公式计算用户初步评分，
PreScore=min(logcriterion(Length)*Percent,1)
第五步：计算用户观看或收藏此视频时间与当前时间的时间差，记作t，假定遗忘幅度系数为λ；
第六步：计算最终评分，若t=0，Score=PreScore，否则，
Score＝PreScore*e-λt
第七步：对每个视频重复第二步至第六步计算其评分。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
Claims (11)
1.一种在视频推荐系统中的用户隐式评分方法，其特征在于，包括如下步骤：
a.接收用户对待评分视频执行的操作信息；
b.计算基于视频时长及用户观看比例的初步评分；
c.根据退化时差对所述初步评分进行进一步计算获得最终评分，其中，所述退化时差为用户对视频进行操作的时间与对所述视频进行隐式评分的时间差。
2.根据权利要求1所述的评分方法，其特征在于，所述步骤a包括如下步骤：
a1.判断所述用户对待评分视频执行的操作；
a2.若所述a1判断所述用户未观看过所述待评分视频，则确定所述用户对所述待评分视频的最终评分为0。
3.根据权利要求1或2所述的评分方法，其特征在于，所述步骤a2之后包括如下步骤：
a3.若所述a1判断所述用户收藏所述待评分视频，则确定所述用户对所述待评分视频的初步评分为1，并进一步由上述步骤c计算所述待评分视频的最终评分。
4.根据权利要求1至3任一项所述的评分方法，其特征在于，所述步骤a3之后包括如下步骤：
a4.若所述a1判断所述用户观看过所述待评分视频，则转至步骤b。
5.根据权利要求1至4中任一项所述的评分方法，其特征在于，所述步骤b包括如下步骤：
b1.对于上述步骤a1判断所述用户观看过的待评分视频，获取视频时长及用户观看此视频的时长比例，根据所述时长比例计算初步评分。
6.根据权利要求1至5中任一项所述的评分方法，其特征在于，所述步骤b1包括如下步骤：
b11.确定标准时长值，其中所述标准时长是一个视频长度的参考值，用于调整不同时长视频对用户兴趣度的影响；
b12.根据如下公式计算初步评分：
初始评分=min(log标准时长视频长度*观看比例,1)。
7.根据权利要求1至6中任一项所述的评分方法，其特征在于，所述步骤c包括如下步骤：
c1.计算用户观看或收藏视频时间与当前时间的时间差，并将所述时间差作为所述退化时间差，根据退化时差计算最终评分。
8.根据权利要求7所述的评分方法，其特征在于，所述步骤c1还包括如下步骤：
c11.确定遗忘幅度系数。
c12.判断所述退化时间差是否为零；
c13.若退化时间差不为零，则根据如下公式计算最终评分：
最终评分＝初始评分*e-（遗忘幅度系数*时间差)。
9.根据权利要求1至8所述的评分方法，其特征在于，所述步骤c13之后还包括如下步骤：
c14.若退化时间差为零，则将初始评分作为最终评分。
10.一种在视频推荐系统中的用户隐式评分控制装置，其特征在于，包括如下装置：
用户记录数据库，其用于存储用户观看、操作记录；
隐式评分装置，其用于计算用户对视频的隐式评分；
评分数据库，其用于存储用户对视频的隐式评分。
11.根据权利要求10所述的评分控制装置，其特征在于，所述隐式评分装置包括如下装置：
参数设定装置，其用于设定评分计算所需的各项参数；
初步评分装置，其用于计算初步评分；
最终评分装置，其用于计算最终评分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012102567277A CN102957950A (zh) | 2012-07-23 | 2012-07-23 | 一种用于视频推荐的用户隐式评分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012102567277A CN102957950A (zh) | 2012-07-23 | 2012-07-23 | 一种用于视频推荐的用户隐式评分方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102957950A true CN102957950A (zh) | 2013-03-06 |
Family
ID=47766094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012102567277A Pending CN102957950A (zh) | 2012-07-23 | 2012-07-23 | 一种用于视频推荐的用户隐式评分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102957950A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103412865A (zh) * | 2013-06-07 | 2013-11-27 | 广州唯品会信息科技有限公司 | 网站项目的通知方法和系统 |
| CN104156472A (zh) * | 2014-08-25 | 2014-11-19 | 四达时代通讯网络技术有限公司 | 一种视频推荐方法及系统 |
| CN104951479A (zh) * | 2014-03-31 | 2015-09-30 | 小米科技有限责任公司 | 视频内容探测方法及装置 |
| CN105163142A (zh) * | 2015-09-09 | 2015-12-16 | 青岛海信传媒网络技术有限公司 | 一种用户偏好确定方法、视频推荐方法和系统 |
| WO2017005054A1 (zh) * | 2015-07-06 | 2017-01-12 | 腾讯科技（深圳）有限公司 | 视频推荐方法、服务器和存储介质 |
| CN106802946A (zh) * | 2017-01-12 | 2017-06-06 | 合网络技术（北京）有限公司 | 视频分析方法及装置 |
| CN107220329A (zh) * | 2017-05-24 | 2017-09-29 | 苏州百智通信息技术有限公司 | 视频资源的评价方法和装置 |
| CN108307209A (zh) * | 2018-02-10 | 2018-07-20 | 深圳汇通智能化科技有限公司 | 一种个性化程度高的视频推荐系统 |
| CN108833985A (zh) * | 2018-07-09 | 2018-11-16 | 深圳市茁壮网络股份有限公司 | 一种多媒体节目评分方法、排行榜生成方法及装置 |
| CN109002531A (zh) * | 2018-07-17 | 2018-12-14 | 泉州装备制造研究所 | 一种基于脑电数据分析的影视推荐系统及影视推荐方法 |
| WO2019029046A1 (zh) * | 2017-08-11 | 2019-02-14 | 深圳市耐飞科技有限公司 | 一种视频推荐方法及系统 |
| CN110312167A (zh) * | 2019-06-26 | 2019-10-08 | 深圳市酷开网络科技有限公司 | 一种计算影视内容评分的方法、智能终端及存储介质 |
| CN110347935A (zh) * | 2019-07-18 | 2019-10-18 | 齐鲁工业大学 | 基于用户兴趣变化的个性化影视项目推荐方法及系统 |
| CN111371605A (zh) * | 2020-02-27 | 2020-07-03 | 腾讯科技（深圳）有限公司 | 网络服务评分方法及装置 |
| CN112188295A (zh) * | 2020-09-29 | 2021-01-05 | 有半岛(北京)信息科技有限公司 | 一种视频推荐方法及装置 |
| US12015659B2 (en) | 2022-02-25 | 2024-06-18 | International Business Machines Corporation | Optimized transmission and consumption of digital content |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1799256A (zh) * | 2003-05-30 | 2006-07-05 | 皇家飞利浦电子股份有限公司 | 基于电视节目观看状态的推荐装置评分的转换 |
| CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
-
2012
- 2012-07-23 CN CN2012102567277A patent/CN102957950A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1799256A (zh) * | 2003-05-30 | 2006-07-05 | 皇家飞利浦电子股份有限公司 | 基于电视节目观看状态的推荐装置评分的转换 |
| CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 姚伶伶 等: "交互电视中基于本体的个性化节目协同推荐", 《电视技术》, vol. 35, no. 01, 31 January 2011 (2011-01-31), pages 2 - 1 * |
| 陈天: "面向IPTV的混合式自适应推荐系统关键技术研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 7, 15 July 2010 (2010-07-15) * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103412865B (zh) * | 2013-06-07 | 2016-08-31 | 广州唯品会信息科技有限公司 | 网站项目的通知方法和系统 |
| CN103412865A (zh) * | 2013-06-07 | 2013-11-27 | 广州唯品会信息科技有限公司 | 网站项目的通知方法和系统 |
| CN104951479A (zh) * | 2014-03-31 | 2015-09-30 | 小米科技有限责任公司 | 视频内容探测方法及装置 |
| CN104156472B (zh) * | 2014-08-25 | 2018-05-08 | 北京四达时代软件技术股份有限公司 | 一种视频推荐方法及系统 |
| CN104156472A (zh) * | 2014-08-25 | 2014-11-19 | 四达时代通讯网络技术有限公司 | 一种视频推荐方法及系统 |
| US10575037B2 (en) | 2015-07-06 | 2020-02-25 | Tencent Technology (Shenzhen) Company Limited | Video recommending method, server, and storage media |
| WO2017005054A1 (zh) * | 2015-07-06 | 2017-01-12 | 腾讯科技（深圳）有限公司 | 视频推荐方法、服务器和存储介质 |
| CN105163142B (zh) * | 2015-09-09 | 2018-10-26 | 聚好看科技股份有限公司 | 一种用户偏好确定方法、视频推荐方法和系统 |
| CN105163142A (zh) * | 2015-09-09 | 2015-12-16 | 青岛海信传媒网络技术有限公司 | 一种用户偏好确定方法、视频推荐方法和系统 |
| CN106802946A (zh) * | 2017-01-12 | 2017-06-06 | 合网络技术（北京）有限公司 | 视频分析方法及装置 |
| CN106802946B (zh) * | 2017-01-12 | 2020-03-27 | 合一网络技术(北京)有限公司 | 视频分析方法及装置 |
| CN107220329A (zh) * | 2017-05-24 | 2017-09-29 | 苏州百智通信息技术有限公司 | 视频资源的评价方法和装置 |
| CN107220329B (zh) * | 2017-05-24 | 2021-01-19 | 苏州百智通信息技术有限公司 | 视频资源的评价方法和装置 |
| WO2019029046A1 (zh) * | 2017-08-11 | 2019-02-14 | 深圳市耐飞科技有限公司 | 一种视频推荐方法及系统 |
| CN108307209A (zh) * | 2018-02-10 | 2018-07-20 | 深圳汇通智能化科技有限公司 | 一种个性化程度高的视频推荐系统 |
| CN108833985A (zh) * | 2018-07-09 | 2018-11-16 | 深圳市茁壮网络股份有限公司 | 一种多媒体节目评分方法、排行榜生成方法及装置 |
| CN109002531A (zh) * | 2018-07-17 | 2018-12-14 | 泉州装备制造研究所 | 一种基于脑电数据分析的影视推荐系统及影视推荐方法 |
| CN110312167A (zh) * | 2019-06-26 | 2019-10-08 | 深圳市酷开网络科技有限公司 | 一种计算影视内容评分的方法、智能终端及存储介质 |
| CN110312167B (zh) * | 2019-06-26 | 2021-07-27 | 深圳市酷开网络科技股份有限公司 | 一种计算影视内容评分的方法、智能终端及存储介质 |
| CN110347935A (zh) * | 2019-07-18 | 2019-10-18 | 齐鲁工业大学 | 基于用户兴趣变化的个性化影视项目推荐方法及系统 |
| CN111371605A (zh) * | 2020-02-27 | 2020-07-03 | 腾讯科技（深圳）有限公司 | 网络服务评分方法及装置 |
| CN112188295A (zh) * | 2020-09-29 | 2021-01-05 | 有半岛(北京)信息科技有限公司 | 一种视频推荐方法及装置 |
| US12015659B2 (en) | 2022-02-25 | 2024-06-18 | International Business Machines Corporation | Optimized transmission and consumption of digital content |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102957950A (zh) | 一种用于视频推荐的用户隐式评分方法 | |
| JP7096464B2 (ja) | オーディオ・ビジュアルコンテンツプログラムの視聴者に関する情報を決定する方法、装置、コンピュータプログラム及びシステム | |
| CN102630052B (zh) | 面向实时流的电视节目推荐系统 | |
| CN105975472A (zh) | 一种推荐方法和装置 | |
| CN107071578A (zh) | Iptv节目推荐方法 | |
| CN103024555B (zh) | 基于云计算的电视广告侦测处理系统及方法 | |
| CN109429103B (zh) | 推荐信息的方法、装置及计算机可读存储介质、终端设备 | |
| CN101365102B (zh) | 基于视频内容识别的收视率统计的方法和系统 | |
| CN105163142B (zh) | 一种用户偏好确定方法、视频推荐方法和系统 | |
| CN102263992A (zh) | 基于用户收视记录的节目推荐度估计方法 | |
| RU2641663C1 (ru) | Способ рекомендации телевизионной программы и сервер | |
| CN103870454A (zh) | 数据推荐方法及系统 | |
| CN101764661A (zh) | 基于数据融合的视频节目推荐系统 | |
| CN103402142A (zh) | 一种节目列表推送方法和装置 | |
| CN112653908B (zh) | 一种智能电视媒资实时推荐方法 | |
| US9009083B1 (en) | Mechanism for automatic quantification of multimedia production quality | |
| US20120042041A1 (en) | Information processing apparatus, information processing system, information processing method, and program | |
| CN105701226A (zh) | 多媒体资源评估方法和装置 | |
| CN102572543A (zh) | 一种数字电视节目推荐系统及方法 | |
| CN104967690A (zh) | 一种信息推送方法及装置 | |
| CN106303591B (zh) | 一种视频推荐方法及装置 | |
| CN108769831B (zh) | 视频预告的生成方法及装置 | |
| CN113313511A (zh) | 一种视频流量预测方法、装置、电子设备及介质 | |
| CN112040318A (zh) | 个性化节目单推荐方法、装置、存储介质和电子设备 | |
| KR102130073B1 (ko) | 객체 중심의 해상도 복원 기능을 수행하는 영상 학습 시스템 |
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 |