CN103442270B - 一种采集用户的收视数据的方法及装置 - Google Patents
一种采集用户的收视数据的方法及装置 Download PDFInfo
- Publication number
- CN103442270B CN103442270B CN201310425140.9A CN201310425140A CN103442270B CN 103442270 B CN103442270 B CN 103442270B CN 201310425140 A CN201310425140 A CN 201310425140A CN 103442270 B CN103442270 B CN 103442270B
- Authority
- CN
- China
- Prior art keywords
- unit time
- fast
- backward
- time
- user
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000006399 behavior Effects 0.000 claims description 75
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例公开了一种采集用户的收视数据方法及装置，应用于服务器，方法包括：接收来自用户的操作行为数据以及各操作行为所对应的节目信息；统计各操作行为的发生次数及节目被观看的总次数，计算单位时间的跳过概率；根据跳过概率所对应的单位时间，获得各个单位时间的节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。应用本发明，提高了收视数据采集的准确性。
Description
技术领域
本发明涉及数据采集技术领域，特别涉及一种采集用户的收视数据的方法及装置。
背景技术
目前用户的收视数据主要包括用户观看电视节目的收视数据和用户观看视频网站播放节目的收视数据。
各电视台主要通过统计收视率来进行用户的收视数据的采集。
收视率，指在某个时刻收看某个目标电视节目的观众人数占目标观众总人数的比重，以百分比表示。即收视率=收看某个目标节目人数/目标观众总人数。
典型的收视率方式如央视—索福瑞收视率统计，这种统计方式是选定一些样本用户，通过记录用户的换台情况，定期搜集这些样本记录的数据做出收视率的统计，即目前统计出的收视率=收看目标节目样本人数/样本人数。但实际上收看目标节目样本人数远小于收看目标节目人数，样本人数也远小于目标节目观众总人数，这种由于样本的限制，用户的收视数据采集的结果是不准确的。
另外收视率只能对用户的换台操作进行统计，不能对其他操作行为如快进、快退、暂停等行为进行统计，无法详细记录用户的操作行为。
视频网站播放节目的收视数据主要通过视频网站节目的播放次数和直播节目在线人数进行统计，播放次数多和在线人数多只能在大体上反应节目内容的受欢迎程度；另外这种对播放次数和在线人数的统计无法对快进、快退、暂停等操作行为进行统计，即不能详细记录用户的操作行为。
可见，无论是电视节目的收视率还是视频网站播放节目的受欢迎程度都不能得到准确的数据，如何准确、方便的采集收视数据是目前亟需解决的技术问题。
发明内容
本发明实施例的目的在于提供一种采集用户的收视数据的方法及装置，以准确采集用户的收视数据，详细记录用户的操作行为。
为达到上述目的，本发明实施例公开了一种采集用户的收视数据的方法，所述方法应用于服务器，包括步骤：
接收来自用户的操作行为数据以及各操作行为所对应的节目信息；
统计各操作行为在某一单位时间的发生次数及该单位时间节目内容被观看的总次数，计算该单位时间的跳过概率；
根据所述跳过概率所对应的时间点，获得各个单位时间的节目信息，以及所述节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。
较佳的，所述节目信息至少包括以下其中之一或任意组合：节目日期、节目名称、节目播放时长中某一单位时间和该单位时间对应的节目内容。
较佳的，对于电视而言，所述操作行为包括换台、快进、快退、暂停、停止和关闭；
对于网络视频而言，所述操作行为包括快进、快退、向前拖动、向后拖动、暂停、停止、进入站内其他页、进入站外页，以及关闭视频或关闭网页。
较佳的，统计各操作行为的在某一单位时间发生次数及该单位时间节目内容被观看的总次数，计算该单位时间的跳过概率的步骤包括：
某一单位时间的跳过概率=（某一单位时间的快进次数+该单位时间的停止次数+该单位时间关闭次数-该单位时间的快退次数）/该单位时间节目内容被观看的总次数。
较佳的，所述针对某一单位时间的快进次数为：
某一单位时间的快进次数=
N1*从该单位时间内任意时间点开始快进/向前拖动且快进/向前拖动时长<=第一阈值的次数+
N2*从该单位时间内任意时间点开始快进/向前拖动且快进/向前拖动时长>第一阈值的次数+
N3*从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内且快进/向前拖动的时长<=第二阈值的次数+
N4*从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内且快进/向前拖动的时长>第二阈值的次数。
其中，N1为用户从该单位时间内任意时间点快进/向前拖动时间小于等于第一阈值时该项的权重值；
N2为用户从该单位时间内任意时间点快进/向前拖动时间大于第一阈值时该项的权重值；
N3为用户从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内的时间小于等于第二阈值时该项的权重值；
N4为用户从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内的时间大于第二阈值时该项的权重值；
N1、N2、N3、N4的取值相同或不同。
较佳的，针对某一单位时间的停止次数为：
某一单位时间的停止次数=
N5*从该单位时间换台/停止播放/进入站内其他页的次数
其中，N5为用户从该单位时间内任意时间点换台/停止播放/进入站内其他页时该项的权重值。
较佳的，所述针对某一单位时间的关闭次数为：
某一单位时间的关闭次数=
N6*从该单位时间关闭页面/视频/电视的次数
其中，N6为用户从该单位时间关闭页面/视频/电视时该项的权重值。
较佳的，所述针对某一单位时间的快退次数为：
某一单位时间的快退次数=
N7*从该单位时间内任意时间点开始快退/向后拖动且快退/向后拖动时长<=第三阈值的次数+
N8*从该单位时间内任意时间点开始快退/向后拖动且快退/向后拖动时长>第三阈值的次数+
N9*从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内且快退/向后拖动的时长<=第四阈值的次数+
N10*从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内且快退/向后拖动的时长>第四阈值的次数。
其中，N7为用户从该单位时间内任意时间点快退/向后拖动时间小于等于第三阈值时该项的权重值；
N8为用户从该单位时间内任意时间点快退/向后拖动时间大于第三阈值时该项的权重值；
N9为用户从其单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内的时间小于等于第四阈值时该项的权重值；
N10为用户从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内的时间大于第四阈值时该项的权重值；
N7、N8、N9、N10的取值相同或不同。
较佳的，根据单位时间的跳过概率，计算某个节目内容的跳过概率；
判断所述节目内容跳过概率是否大于等于第五阈值；
当所述节目内容跳过概率大于等于第五阈值时，将该节目内容标识为观众不喜欢节目内容，否则将该节目内容标识为观众喜欢节目内容。
较佳的，接收用户信息；
根据所述用户信息对用户进行分类；
针对每一类用户，分别统计该类用户各操作行为在某一单位时间的发生次数及该单位时间节目内容被观看的总次数，计算该单位时间的跳过概率；
根据每一类用户单位时间的跳过概率，计算某个节目内容的跳过概率；
比较各类用户相对于同一节目内容的跳过概率，将相对于同一节目内容跳过概率最低的一类用户标识为该节目内容的目标受众群体。
为达到上述目的，本发明实施例公开了一种采集用户的收视数据的装置，所述装置应用于服务器，包括：
接收模块，用于接收来自用户的操作行为数据以及各操作行为所对应的节目信息；
第一计算模块，用于统计各操作行为在某一单位时间的发生次数及该单位时间节目被观看的总次数，该单位时间的跳过概率；
收视数据采集模块，用于根据所述跳过概率所对应的单位时间，获得各个单位时间的节目信息，以及所述节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。
较佳的，所述节目信息至少包括以下其中之一或任意组合：节目日期、节目名称、节目播放时长中某一单位时间和该单位时间对应的节目内容。
较佳的，针对电视而言，所述操作行为包括换台、快进、快退、暂停、停止和关闭；
针对网络视频而言，所述操作行为包括快进、快退、向前拖动、向后拖动、暂停、停止、进入站内其他页、进入站外页，以及关闭视频或关闭网页。
较佳的，所述第一计算模块，用于计算某一单位时间的跳过概率，其中，
所述某一单位时间的跳过概率=（某一单位时间的快进次数+该单位时间的停止次数+该单位时间关闭次数-该单位时间的快退次数）/该单位时间节目内容被观看的总次数。
较佳的，所述针对某一单位时间的快进次数为：
某一单位时间的快进次数=
N11*从该单位时间内任意时间点开始快进/向前拖动且快进/向前拖动时长<=第六阈值的次数+
N12*从该单位时间内任意时间点开始快进/向前拖动且快进/向前拖动时长>第六阈值的次数+
N13*从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内且快进/向前拖动的时长<=第七阈值的次数+
N14*从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内且快进/向前拖动的时长>第七阈值的次数。
其中，N11为用户从该单位时间内任意时间点快进/向前拖动时间小于等于第六阈值时该项的权重值；
N12为用户从该单位时间内任意时间点快进/向前拖动时间大于第六阈值时该项的权重值；
N13为用户从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内的时间小于等于第七阈值时该项的权重值；
N14为用户从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内的时间大于第七阈值时该项的权重值；
N11、N12、N13、N14的取值相同或不同。
较佳的，所述针对某一单位时间的停止次数为：
某一单位时间的停止次数=
N15*从该单位时间换台/停止播放/进入站内其他页的次数
其中，N15为用户从该单位时间换台/停止播放/进入站内其他页时该项的权重值。
较佳的，所述针对某一单位时间的关闭次数为：
某一单位时间的关闭次数=
N16*从该单位时间关闭页面/视频/电视的次数
其中，N16为用户从该单位时间关闭页面/视频/电视时该项的权重值。
较佳的，所述针对某一单位时间的快退次数为：
某一单位时间的快退次数=
N17*从该单位时间内任意时间点开始快退/向后拖动且快退/向后拖动时长<=第八阈值的次数+
N18*从该单位时间内任意时间点开始快退/向后拖动且快退/向后拖动时长>第八阈值的次数+
N19*从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内且快退/向后拖动的时长<=第九阈值的次数+
N20*从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内且快退/向后拖动的时长>第九阈值的次数。
其中，N17为用户从该单位时间内任意时间点快退/向后拖动时间小于等于第八阈值时该项的权重值；
N18为用户从该单位时间内任意时间点快退/向后拖动时间大于第八阈值时该项的权重值；
N19为用户从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内的时间小于等于第九阈值时该项的权重值；
N20为用户从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内的时间大于第九阈值时该项的权重值；
N17、N18、N19、N20的取值相同或不同。
较佳的，第二计算模块，用于根据单位时间的跳过概率，计算某个节目内容的跳过概率；
第一判断模块，用于判断所述节目内容跳过概率大于等于第五阈值；
第一标识模块，用于当所述节目内容跳过概率大于等于第五阈值时，将该节目内容标识为观众不喜欢节目内容，否则将该节目内容标识为观众喜欢节目内容。
较佳的，所述接收模块还用于接收用户信息；
第三计算模块，用于统计各类用户各操作行为在某一单位时间的发生次数及该单位时间节目内容被各类用户观看的总次数，针对某类用户该单位时间的跳过概率
第四计算模块，用于根据单位时间的跳过率，计算某个节目内容的跳过概率；
第二判断模块，用于判断各类用户相对于同一节目内容的跳过率；
第二标识模块，用于将相对于同一节目内容跳过概率最低的一类用户标识为该节目内容的目标受众群体。
由上述的技术方案可见，本发明实施例提供一种采集用户的收视数据的方法及装置，服务器接收节目播放过程中来自用户的操作行为数据以及各操作行为所对应的节目信息，并统计各操作行为的发生次数及节目内容被观看的总次数，计算单位时间的跳过概率，根据跳过概率所对应的单位时间，获得各个单位时间的节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。由于是通过收集所有用户实际产生的操作行为数据来计算单位时间的跳过概率，进而获得用户的收视数据，因而应用本发明实施例提供的采集用户的收视数据的方法，采集到的用户的收视数据更准确。由于用户的操作行为数据涉及快进、快退、向前拖动、向后拖动、暂停、停止等等，因而记录的用户操作行为数据更详细。
当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种采集用户的收视数据的方法的流程示意图；
图2为本发明实施例提供的另一种采集用户的收视数据的方法的流程示意图；
图3为本发明实施例提供的再一种采集用户的收视数据的方法的流程示意图；
图4为本发明实施例提供的一种采集用户的收视数据的装置的结构示意图；
图5为本发明实施例提供的另一种采集用户的收视数据的装置的结构示意图；
图6为本发明实施例提供的再一种采集用户的收视数据的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种采集用户的收视数据的方法及装置，该方案中服务器接收来自用户的操作行为数据以及各操作行为所对应的节目信息，计算各操作行为的发生次数及节目内容被观看的总次数，计算单位时间的跳过概率，将所述跳过概率与所述节目信息对应保存，获得各个单位的节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。
下面通过具体实施例，对本发明进行详细说明。
图1为本发明实施例提供的一种采集用户的收视数据的方法的流程示意图，该方法应用于服务器，包括如下步骤：
S101：接收来自用户的操作行为数据以及各操作行为所对应的节目信息。
本实施例中，对于电视而言，操作行为可以包括换台、快进、快退、暂停、停止和关闭；对于网络视频而言，所述操作行为包括快进、快退、向前拖动、向后拖动、暂停、停止、进入站内其他页、进入站外页，以及关闭视频或关闭网页。节目信息可以包括：节目日期、节目名称、节目播放时长中某一单位时间和该单位时间对应的节目内容。当然，实际实施过程中，无论是操作行为还是节目信息，都可以不限于上述信息，也可以根据采集的要求，增加或减少操作行为和节目信息的内容。例如：节目总时长等等。
S102：统计各操作行为的发生次数及节目被观看的总次数，计算单位时间跳过概率；需要说明的是，在统计不同操作的操作次数的时，需要设置开始统计的最小时间门限值。
假设，设置门限值为1秒，则快进、快退、向前拖动、或者向后拖动时长大于等于1秒后统计一次操作行为。门限值也可以以帧为单位进行设置。当然，本申请只是以上述为例进行说明，门限值设置不限于此。
具体地，
公式1：某一单位时间的跳过概率=（某一单位时间的快进次数+该单位时间的停止次数+该单位时间关闭次数-该单位时间的快退次数）/该单位时间节目内容被观看的总次数。
具体地，某一单位时间的快进次数=
N1*从该单位时间内任意时间点开始快进/向前拖动且快进/向前拖动时长<=第一阈值的次数+
N2*从该单位时间内任意时间点开始快进/向前拖动且快进/向前拖动时长>第一阈值的次数+
N3*从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内且快进/向前拖动的时长<=第二阈值的次数+
N4*从其他单位时间内任意时间点开始快进/向前拖动且该单位时间在快进/向前拖动的范围内且快进/向前拖动的时长>第二阈值的次数。
具体地，某一单位时间的停止次数=
N5*从该单位时间内任意时间点换台/停止播放/进入站内其他页的次数
其中，N5为用户从该单位时间内任意时间点换台/停止播放/进入站内其他页时该项的权重值。
具体地，某一单位时间的关闭次数=
N6*从该单位时间内任意时间点关闭页面/视频/电视的次数
其中，N6为用户从该单位时间内任意时间点关闭页面/视频/电视时该项的权重值。
具体地，某一单位时间的快退次数=
N7*从该单位时间内任意时间点开始快退/向后拖动且快退/向后拖动时长<=第三阈值的次数+
N8*从该单位时间内任意时间点开始快退/向后拖动且快退/向后拖动时长>第三阈值的次数+
N9*从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内且快退/向后拖动的时长<=第四阈值的次数+
N10*从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内且快退/向后拖动的时长>第四阈值的次数。
其中，N7为用户从该单位时间内任意时间点快退/向后拖动时间小于等于第三阈值时该项的权重值；
N8为用户从该单位时间内任意时间点快退/向后拖动时间大于第三阈值时该项的权重值；
N9为用户从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内的时间小于等于第四阈值时该项的权重值；
N10为用户从其他单位时间内任意时间点开始快退/向后拖动且该单位时间在快退/向后拖动的范围内的时间大于第四阈值时该项的权重值。
N1～N10的取值相同或不同。
第一阈值、第二阈值、第三阈值、第四阈值的取值相同或不同。
需要说明的是，用户在收看节目过程中还可以有除了前述快进、快退、向前拖动、向后拖动、进入站内其他页、停止播放和关闭页面操作之外的操作，可以用类似计算单位时间内快进的次数、单位时间内停止播放的次数、单位时间内关闭页面的次数和单位时间内快退的次数的方法进行计算，并增加到计算单位时间跳过概率的公式中。
假设：单位时间为1秒，N1～N10取值均为1，第一阈值、第二阈值、第三阈值、第四阈值的取值均为15秒，某单位时间为20130110期百变大咖秀13分35秒，该秒总共被观看的次数为587468次。在这种情况下，统计获得：
在13分35秒开始快进/向前拖动且快进/向前拖动时长<=15秒的次数为54875次，
在13分35秒开始快进/向前拖动且快进/向前拖动时长>15秒的次数为54124次，
从13分35秒以外的时间开始快进/向前拖动且13分35秒在快进/向前拖动的范围内且快进/向前拖动的时长<=15秒的次数为54865次，
从13分35秒以外的时间开始快进/向前拖动且13分35秒在快进/向前拖动的范围内且快进/向前拖动的时长>15秒的次数为85624次，
从13分35秒换台/停止播放/进入站内其他页的次数为5847次，
从13分35秒关闭页面/视频/电视的次数为87456次，
在13分35秒开始快退/向后拖动且快退/向后拖动时长<=15秒的次数为45825次，
在13分35秒开始快退/向后拖动且快退/向后拖动时长>15秒的次数为65874次，
从13分35秒以外的时间开始快退/向后拖动且13分35秒在快退/向后拖动的范围内且快退/向后拖动的时长<=15秒的次数为52473次，
从13分35秒以外的时间开始快退/向后拖动且13分35秒在快退/向后拖动的范围内且快退/向后拖动的时长>15秒的次数为9568次。
则利用上述公式1，在20130110期百变大咖秀13分35秒的跳过概率=
（1*54875+1*54124+1*54865+1*85624+1*5847+1*87456-1*45825-1*65874-1*52473-1*9568）/587468=28.8%。
根据上述计算可知，20130110期百变大咖秀13分35秒的跳过概率为28.8%。
以此，可以计算出20130110期百变大咖秀其它单位时间的跳过概率。
S103：根据所述跳过概率所对应的单位时间，获得各个单位时间的节目信息，以及所述节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。
例如单位时间跳过概率，根据跳过概率所对应的单位时间，获得表1所示第13分35秒单位时间的节目信息与该点跳过概率的关联关系表，如表1。
表1
以此，获得其他单位时间的节目信息与其对应单位时间跳过概率的关联关系
应用图1所示实施例所采集到的收视数据，实际是包含了各个单位时间的节目信息、跳过概率以及两者之间关系的数据集合，由于该方法没有了样本的限制，且记录了所有用户的所有操作行为，因而提高了所采集到的收视数据的准确性，并在获取收视数据的同时详细记录了用户的操作行为。
图2为本发明实施例提供的另一种采集用户的收视数据的方法的流程示意图，该方法应用于服务器，包括如下步骤：
S201：接收来自用户的操作行为数据以及各操作行为所对应的节目信息。
S202：统计各操作行为的发生次数及节目被观看的总次数，计算单位时间的跳过概率。
S203：根据所述跳过概率所对应的单位时间，获得各个单位时间的节目信息，以及所述节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。
本实施例中的S201～S203与图1所示实施例中的S101～S103可以完全相同，这里不再重复详述。
S204：根据单位时间的跳过概率，计算某个节目内容的跳过概率；
具体地，计算某个节目内容的跳过概率的步骤包括：
获取该节目内容对应的所有单位时间的跳过概率；
计算所有单位时间的跳过概率之和；
使用计算出来的所有单位时间的跳过概率之和除以与该节目内容对应所有单位时间的个数，将所获得的商作为该节目内容跳过概率。
例如：主持人讲话持续3秒钟，第一秒跳过概率为70%，第二秒跳过概率为40%，第三秒跳过概率为55%，那么主持人讲话跳过概率=(70%+40%+55%)/3=55%。
S205，判断所述节目内容跳过概率是否大于等于第五阈值，如果是执行S206，否则执行S207。
例如，该第五阈值可以为50%。
S206：节目内容为观众不喜欢节目内容。
S207：节目内容为观众喜欢节目内容。
本发明实施例，实际是包含了各个单位时间的节目信息、跳过概率以及两者之间关系的数据集合，由于该方法没有了样本的限制，且记录了所有用户的所有的操作行为，因而提高了采集到的收视数据准确性，并在获取收视数据的同时详细记录了用户的操作行为，并且能找出观众喜欢的节目内容。
图3为本发明实施例提供的再一种采集用户的收视数据的方法的流程示意图，该方法应用于服务器，包括如下步骤：
S301：接收来自用户的操作行为数据以及各操作行为所对应的节目信息及用户信息。
本实施例中，对于电视而言，操作行为可以包括换台、快进、快退、暂停、停止和关闭；对于网络视频而言，所述操作行为包括快进、快退、向前拖动、向后拖动、暂停、停止、进入站内其他页、进入站外页，以及关闭视频或关闭网页。节目信息可以包括：节目日期、节目名称、节目播放时长中某一单位时间和该单位时间对应的节目内容。用户信息可以包括以下其中之一或任意组合：例如用户的性别、年龄、职业、爱好。当然，实际实施过程中，无论是操作、节目信息还是用户信息，都可以不限于上述这些信息，也可以根据采集的要求，增加或减少操作行为和节目信息或用户信息的内容。例如：节目总时长、用户的地理位置等等。
S302：根据所述用户信息对用户进行分类；
S303：针对每一类用户，分别统计该类用户各操作行为在某一单位时间的发生次数及该单位时间节目被观看的总次数，计算单位时间的跳过概率；
具体的统计、计算方法与图1所述实施例的步骤102相同，这里不再赘述。
例如：根据用户的年龄对用户进行分类：15岁以下为A类用户，16岁至30岁为B类用户，31至45岁为C类用户，45岁以上为D类用户。
在应用上述公式（1）进行计算时，令单位时间为1秒，N1～N10取值均为1，第一阈值、第二阈值、第三阈值、第四阈值的取值均为15秒，令某单位时间为20130110期百变大咖秀13分35秒，该秒总共被观看的次数为587468。其中A类用户在该单位时间共观看152454次，B类用户在该单位时间共观看146857次，C类用户在该单位时间共观看158435次，D类用户在该单位时间共观看129722次。下面以A类用户为例，假设
A类用户在13分35秒开始快进/向前拖动且快进/向前拖动时长<=15秒的次数为5487次，
A类用户在13分35秒开始快进/向前拖动且快进/向前拖动时长>15秒的次数为5414次，
A类用户从13分35秒以外的其他时间开始快进/向前拖动且13分35秒在快进/向前拖动的范围内且快进/向前拖动的时长<=15秒的次数为4865次，
A类用户从13分35秒以外的其他时间开始快进/向前拖动且13分35秒在快进/向前拖动的范围内且快进/向前拖动的时长>15秒的次数为5624次，
A类用户从13分35秒以外的其他时间换台/停止播放/进入站内其他页的次数为5847次，
A类用户从13分35秒关闭页面/视频/电视的次数为8456次，
A类用户在13分35秒开始快退/向后拖动且快退/向后拖动时长<=15秒的次数为4585次，
A类用户在13分35秒开始快退/向后拖动且快退/向后拖动时长>15秒的次数为6874次，
A类用户从13分35秒以外的其他时间开始快退/向后拖动且13分35秒在快退/向后拖动的范围内且快退/向后拖动的时长<=15秒的次数为5473次，
A类用户从13分35秒以外的其他时间开始快退/向后拖动且13分35秒在快退/向后拖动的范围内且快退/向后拖动的时长>15秒的次数为968次。
则Ａ类用户在13分35秒的跳过概率=
（1*5487+1*5414+1*4865+1*5624+1*847+1*8456-1*4585-1*6874-1*5473-1*968）/152454=8.4%。
相应计算出B类用户在13分35秒的跳过概率15.7%，C类用户在13分35秒的跳过概率25%，D类用户在13分35秒的跳过概率11%。
S304：根据跳过概率所对应的单位时间，获得各类用户信息和各个单位时间的节目信息与所述跳过概率的关联关系，将各类用户信息和各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。根据跳过概率所对应的单位时间，获得表2各类用户信息、各单位时间的节目内容与所述跳过概率的关联关系表。根据上述计算，即可获得如表2所示信息：
表2
S305：根据每一类用户单位时间的跳过概率，计算某个节目内容的跳过概率；
该节目内容的跳过概率与图2所示实施例的步骤204相同，这里不再赘述。
S306：比较各类用户相对于同一节目内容的跳过概率，将相对于同一节目内容跳过概率最低的一类用户标识为该节目内容的目标受众群体。
例如：陈龙表演从13分32秒至13分36秒共持续5秒钟，A类用户在13分32秒跳过概率为70%，在13分33秒跳过概率为40%，在13分34秒跳过概率为9%，在13分35秒跳过概率为8.4%，在13分36秒跳过概率为11%，那么对于A类用户，陈龙表演跳过概率=(70%+40%+9%+8.4%+11%)/5=27.68%。
相应计算出B类用户，陈龙表演跳过概率为54%，C类用户，陈龙表演跳过概率为48%，D类用户，陈龙表演跳过概率为20%。
比较A类用户，陈龙表演跳过概率是否均小于B类、C类、D类用户陈龙表演跳过概率，如果不是，继续比较B类用户，陈龙表演跳过概率是否均小于A类、C类、D类用户陈龙表演跳过概率，直到找到某类用户观看的节目的跳过概率均小于其他类用户观看此节目的跳过概率，即该类用户为陈龙表演的目标受众群体。
需要说明的是，对于图3所示实施例，其相对于图1所示实施而言，增加了获取用户信息的步骤，之后，其单位时间的跳过概率都是根据不同类的用户分别进行计算的，也就是说，图3所示实施例相当于在图1所示实施例的基础上，又提供了一种可以根据用户分类找出节目目标受众群体的方法。
应用本发明图3所示实施例，由于采集了用户信息，并根据用户信息对用户进行分类，且根据用户的分类信息计算某一单位时间的跳过概率、某节目内容的跳过概率，因而，不但避免了现有技术中样本的限制，记录了所有用户的所有操作行为，提高了用户的收视数据采集的准确性，并详细记录了用户的操作行为，而且还找出了节目内容的目标受众群体。
图4为本发明实施例提供的一种采集用户的收视数据的装置的结构示意图，本实施例的装置应用于服务器，与图1所示的流程相对应，包括接收模块401、第一计算模块402、收视数据采集模块403。
其中，接收模块401，用于接收来自用户的操作行为数据以及各操作行为所对应的节目信息；
第一计算模块402，用于计算各操作行为在某一单位时间的发生次数及该单位时间节目内容被观看的总次数，单位时间的跳过概率；
存储模块403，用于根据所述跳过概率所对应的单位时间，获得各个单位时间的节目信息，以及所述节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。；
本发明实施例，实际是包含了各个单位时间的节目信息、跳过概率以及两者之间关系的数据集合，由于该方法没有了样本的限制，且记录了所有用户的所有的操作行为，因而提高了采集到的收视数据准确性，并在获取收视数据的同时详细记录了用户的操作行为。
图5为本发明实施例提供的另一种采集用户的收视数据的装置的结构示意图，本实施例的装置应用于服务器，包括接收模块501、第一计算模块502、收视数据采集模块503、第二计算模块504、第一判断模块505，第一标识模块506。
本实施例中的接收模块501、第一计算模块502、收视数据采集模块503与图4所示实施例中的接收模块401、第一计算模块402、收视数据采集模块403的功能可以完全相同，这里不再重复详述。
第二计算模块504，用于根据单位时间的跳过概率，计算某个节目内容的跳过概率；
第一判断模块505，用于判断所述节目内容跳过概率大于等于第五阈值；
第一标识模块506，用于当所述节目内容跳过概率大于等于第五阈值时，将该节目内容标识为观众不喜欢节目内容，否则将该节目内容标识为观众喜欢节目内容。
也就是说，本实施例是在图4所示实施例的基础上又增加了第二计算模块504、第一判断模块505和第一标识模块506。
本发明实施例，实际是包含了各个单位时间的节目信息、跳过概率以及两者之间关系的数据集合，由于该方法没有了样本的限制，且记录了所有用户的所有的操作行为，因而提高了采集到的收视数据准确性，并在获取收视数据的同时详细记录了用户的操作行为，并且能找出观众喜欢的节目内容。
图6为本发明实施例提供的再一种采集用户的收视数据的装置的结构示意图，本实施例的装置应用于服务器，包括接收模块601、第三计算模块602、第四计算模块603、收视数据采集模块604、第二判断模块605，第二标识模块606。其中，
接收模块601，用于接收来自用户的操作行为数据以及各操作行为所对应的节目信息和用户信息；
第三计算模块602，用于统计各类用户各操作行为在某一单位时间内的发生次数及该单位时间节目内容被各类用户观看的总次数，针对某类用户单位时间的跳过概率。
第四计算模块603，用于根据单位时间的跳过概率，计算某个节目内容的跳过概率。
收视数据采集模块604，用于根据所述跳过概率所对应的单位时间，获得各个单位时间的节目信息，以及所述节目信息和用户信息与所述跳过概率的关联关系，将各个单位时间的节目信息和用户信息、所述跳过概率以及所述关联关系作为用户的收视数据。
第二判断模块605，用于判断各类用户相对于同一节目内容的跳过概率。
第二标识模块606，用于将相对于同一节目内容跳过概率最低的一类用户标识为该节目内容的目标受众群体。
需要说明的是，对于图6所示实施例，其相对于图4所示实施而言，接收模块增加了获取用户信息的功能，之后，在图4所示实施例的基础上，又增加了第三计算模块602、第四计算模块603、收视数据采集模块604、第二判断模块605和第二标识模块606。也就是说，图6所示实施例相当于在图4所示实施例的基础上，又增加了一种可以根据用户分类找出节目目标受众群体的功能。
应用本发明图6所示实施例，由于采集了用户信息，并根据用户信息对用户进行分类，且根据用户的分类信息计算某一单位时间的跳过概率、某节目内容的跳过概率，因而，不但避免了现有技术中样本的限制，记录了所有用户的所有操作行为，提高了用户的收视数据采集的准确性，并详细记录了用户的操作行为，而且还找出了节目内容的目标受众群体。
需要说明的是，对于装置实施例中，有关单位时间的跳过概率，节目内容的跳过概率的具体计算方法可参见前面方法实施中的相关描述，这里不再重复说明。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (18)
1.一种采集用户的收视数据的方法，其特征在于，所述方法应用于服务器，包括步骤：
接收来自用户的操作行为数据以及各操作行为所对应的节目信息；
其中，对于电视而言，所述操作行为包括换台、快进、快退、暂停、停止和关闭；
对于网络视频而言，所述操作行为包括快进、快退、向前拖动、向后拖动、暂停、停止、进入站内其他页、进入站外页，以及关闭视频或关闭网页；
统计各操作行为在某一单位时间的发生次数及该单位时间节目内容被观看的总次数，计算该单位时间的跳过概率；
根据所述跳过概率所对应的时间点，获得各个单位时间的节目信息，以及所述节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。
2.根据权利要求1所述的方法，其特征在于，所述节目信息至少包括以下其中之一或任意组合：节目日期、节目名称、节目播放时长中某一单位时间和该单位时间对应的节目内容。
3.根据权利要求1或2所述的方法，其特征在于，统计各操作行为的在某一单位时间发生次数及该单位时间节目内容被观看的总次数，计算该单位时间的跳过概率的步骤包括：
某一单位时间的跳过概率＝(某一单位时间的快进次数+该单位时间的停止次数+该单位时间关闭次数-该单位时间的快退次数)/该单位时间节目内容被观看的总次数。
4.根据权利要求3所述的方法，其特征在于，所述针对某一单位时间的快进次数为：
某一单位时间的快进次数＝
N1*从该单位时间内任意时间点开始快进或向前拖动且快进或向前拖动时长小于或者等于第一阈值的次数+
N2*从该单位时间内任意时间点开始快进或向前拖动且快进或向前拖动时长大于第一阈值的次数+
N3*从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内且快进或向前拖动的时长小于或者等于第二阈值的次数+
N4*从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内且快进或向前拖动的时长大于第二阈值的次数；
其中，N1为用户从该单位时间内任意时间点快进或向前拖动时间小于等于第一阈值时该项的权重值；
N2为用户从该单位时间内任意时间点快进或向前拖动时间大于第一阈值时该项的权重值；
N3为用户从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内的时间小于等于第二阈值时该项的权重值；
N4为用户从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内的时间大于第二阈值时该项的权重值；
N1、N2、N3、N4的取值相同或不同。
5.根据权利要求3所述的方法，其特征在于，针对某一单位时间的停止次数为：
某一单位时间的停止次数＝
N5*从该单位时间换台或停止播放或进入站内其他页的次数；
其中，N5为用户从该单位时间内任意时间点换台或停止播放或进入站内其他页时该项的权重值。
6.根据权利要求3所述的方法，其特征在于，所述针对某一单位时间的关闭次数为：
某一单位时间的关闭次数＝
N6*从该单位时间关闭页面或视频或电视的次数；
其中，N6为用户从该单位时间关闭页面或视频或电视时该项的权重值。
7.根据权利要求3所述的方法，其特征在于，所述针对某一单位时间的快退次数为：
某一单位时间的快退次数＝
N7*从该单位时间内任意时间点开始快退或向后拖动且快退或向后拖动时长小于或者等于第三阈值的次数+
N8*从该单位时间内任意时间点开始快退或向后拖动且快退或向后拖动时长大于第三阈值的次数+
N9*从其他单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内且快退或向后拖动的时长小于或者等于第四阈值的次数+
N10*从其他单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内且快退或向后拖动的时长大于第四阈值的次数；
其中，N7为用户从该单位时间内任意时间点快退或向后拖动时间小于等于第三阈值时该项的权重值；
N8为用户从该单位时间内任意时间点快退或向后拖动时间大于第三阈值时该项的权重值；
N9为用户从其单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内的时间小于等于第四阈值时该项的权重值；
N10为用户从其他单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内的时间大于第四阈值时该项的权重值；
N7、N8、N9、N10的取值相同或不同。
8.根据权利要求1所述的方法，其特征在于，该方法进一步包括：
根据单位时间的跳过概率，计算某个节目内容的跳过概率；
判断所述节目内容跳过概率是否大于等于第五阈值；
当所述节目内容跳过概率大于等于第五阈值时，将该节目内容标识为观众不喜欢节目内容，否则将该节目内容标识为观众喜欢节目内容。
9.根据权利要求1所述的方法，其特征在于，该方法进一步包括：
接收用户信息；
根据所述用户信息对用户进行分类；
针对每一类用户，分别统计该类用户各操作行为在某一单位时间的发生次数及该单位时间节目内容被观看的总次数，计算该单位时间的跳过概率；
根据每一类用户单位时间的跳过概率，计算某个节目内容的跳过概率；
比较各类用户相对于同一节目内容的跳过概率，将相对于同一节目内容跳过概率最低的一类用户标识为该节目内容的目标受众群体。
10.一种采集用户的收视数据的装置，其特征在于，所述装置应用于服务器，包括：
接收模块，用于接收来自用户的操作行为数据以及各操作行为所对应的节目信息；
其中，针对电视而言，所述操作行为包括换台、快进、快退、暂停、停止和关闭；
针对网络视频而言，所述操作行为包括快进、快退、向前拖动、向后拖动、暂停、停止、进入站内其他页、进入站外页，以及关闭视频或关闭网页；
第一计算模块，用于统计各操作行为在某一单位时间的发生次数及该单位时间节目被观看的总次数，该单位时间的跳过概率；
收视数据采集模块，用于根据所述跳过概率所对应的单位时间，获得各个单位时间的节目信息，以及所述节目信息与所述跳过概率的关联关系，将各个单位时间的节目信息、所述跳过概率以及所述关联关系作为用户的收视数据。
11.根据权利要求10所述的装置，其特征在于，所述节目信息至少包括以下其中之一或任意组合：节目日期、节目名称、节目播放时长中某一单位时间和该单位时间对应的节目内容。
12.根据权利要求11所述的装置，其特征在于，
所述第一计算模块，用于计算某一单位时间的跳过概率，其中，
所述某一单位时间的跳过概率＝(某一单位时间的快进次数+该单位时间的停止次数+该单位时间关闭次数-该单位时间的快退次数)/该单位时间节目内容被观看的总次数。
13.根据权利要求12所述的装置，其特征在于，所述针对某一单位时间的快进次数为：
某一单位时间的快进次数＝
N11*从该单位时间内任意时间点开始快进或向前拖动且快进或向前拖动时长小于或者等于第六阈值的次数+
N12*从该单位时间内任意时间点开始快进或向前拖动且快进或向前拖动时长大于第六阈值的次数+
N13*从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内且快进或向前拖动的时长小于或者等于第七阈值的次数+
N14*从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内且快进或向前拖动的时长大于第七阈值的次数；
其中，N11为用户从该单位时间内任意时间点快进或向前拖动时间小于等于第六阈值时该项的权重值；
N12为用户从该单位时间内任意时间点快进或向前拖动时间大于第六阈值时该项的权重值；
N13为用户从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内的时间小于等于第七阈值时该项的权重值；
N14为用户从其他单位时间内任意时间点开始快进或向前拖动且该单位时间在快进或向前拖动的范围内的时间大于第七阈值时该项的权重值；
N11、N12、N13、N14的取值相同或不同。
14.根据权利要求12所述的装置，其特征在于，所述针对某一单位时间的停止次数为：
某一单位时间的停止次数＝
N15*从该单位时间换台或停止播放或进入站内其他页的次数；
其中，N15为用户从该单位时间换台或停止播放或进入站内其他页时该项的权重值。
15.根据权利要求12所述的装置，其特征在于，所述针对某一单位时间的关闭次数为：
某一单位时间的关闭次数＝
N16*从该单位时间关闭页面或视频或电视的次数；
其中，N16为用户从该单位时间关闭页面或视频或电视时该项的权重值。
16.根据权利要求12所述的装置，其特征在于，所述针对某一单位时间的快退次数为：
某一单位时间的快退次数＝
N17*从该单位时间内任意时间点开始快退或向后拖动且快退或向后拖动时长小于或者等于第八阈值的次数+
N18*从该单位时间内任意时间点开始快退或向后拖动且快退或向后拖动时长大于第八阈值的次数+
N19*从其他单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内且快退或向后拖动的时长小于或者等于第九阈值的次数+
N20*从其他单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内且快退或向后拖动的时长大于第九阈值的次数；
其中，N17为用户从该单位时间内任意时间点快退或向后拖动时间小于等于第八阈值时该项的权重值；
N18为用户从该单位时间内任意时间点快退或向后拖动时间大于第八阈值时该项的权重值；
N19为用户从其他单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内的时间小于等于第九阈值时该项的权重值；
N20为用户从其他单位时间内任意时间点开始快退或向后拖动且该单位时间在快退或向后拖动的范围内的时间大于第九阈值时该项的权重值；
N17、N18、N19、N20的取值相同或不同。
17.根据权利要求10所述的装置，其特征在于，该装置进一步包括：
第二计算模块，用于根据单位时间的跳过概率，计算某个节目内容的跳过概率；
第一判断模块，用于判断所述节目内容跳过概率大于等于第五阈值；
第一标识模块，用于当所述节目内容跳过概率大于等于第五阈值时，将该节目内容标识为观众不喜欢节目内容，否则将该节目内容标识为观众喜欢节目内容。
18.根据权利要求10所述的装置，其特征在于：所述装置还包括：
所述接收模块还用于接收用户信息；
第三计算模块，用于统计各类用户各操作行为在某一单位时间的发生次数及该单位时间节目内容被各类用户观看的总次数，针对某类用户该单位时间的跳过概率；
第四计算模块，用于根据单位时间的跳过率，计算某个节目内容的跳过概率；
第二判断模块，用于判断各类用户相对于同一节目内容的跳过率；
第二标识模块，用于将相对于同一节目内容跳过概率最低的一类用户标识为该节目内容的目标受众群体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310425140.9A CN103442270B (zh) | 2013-09-17 | 2013-09-17 | 一种采集用户的收视数据的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310425140.9A CN103442270B (zh) | 2013-09-17 | 2013-09-17 | 一种采集用户的收视数据的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103442270A CN103442270A (zh) | 2013-12-11 |
| CN103442270B true CN103442270B (zh) | 2017-10-27 |
Family
ID=49695928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310425140.9A Active CN103442270B (zh) | 2013-09-17 | 2013-09-17 | 一种采集用户的收视数据的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103442270B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105208411B (zh) * | 2014-06-05 | 2018-09-07 | 北京秒针信息咨询有限公司 | 一种实现数字电视目标受众统计的方法及装置 |
| CN104270674B (zh) * | 2014-10-20 | 2018-04-06 | 北京国双科技有限公司 | 视频播放检测方法和装置 |
| CN104581400A (zh) * | 2015-02-10 | 2015-04-29 | 飞狐信息技术（天津）有限公司 | 视频内容处理方法及装置 |
| CN107094269A (zh) * | 2016-11-04 | 2017-08-25 | 口碑控股有限公司 | 数据处理方法、设备和视频播放装置 |
| CN106658067B (zh) * | 2016-12-31 | 2019-11-12 | 中国移动通信集团江苏有限公司 | 设置缓存的方法和装置 |
| CN108322819B (zh) * | 2018-01-18 | 2020-07-21 | 北京奇艺世纪科技有限公司 | 预测用户行为的方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783915A (zh) * | 2010-03-19 | 2010-07-21 | 北京国双科技有限公司 | 一种实现视频量化的方法 |
| CN103124377A (zh) * | 2011-09-22 | 2013-05-29 | Tcl美国研究所 | 一种带有至少一个输入装置的最少化交互系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030160770A1 (en) * | 2002-02-25 | 2003-08-28 | Koninklijke Philips Electronics N.V. | Method and apparatus for an adaptive audio-video program recommendation system |
-
2013
- 2013-09-17 CN CN201310425140.9A patent/CN103442270B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783915A (zh) * | 2010-03-19 | 2010-07-21 | 北京国双科技有限公司 | 一种实现视频量化的方法 |
| CN103124377A (zh) * | 2011-09-22 | 2013-05-29 | Tcl美国研究所 | 一种带有至少一个输入装置的最少化交互系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103442270A (zh) | 2013-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10321173B2 (en) | Determining user engagement with media content based on separate device usage | |
| CN103442270B (zh) | 一种采集用户的收视数据的方法及装置 | |
| US20190379936A1 (en) | System and methods for analyzing content engagement in conjunction with social media | |
| US11750895B2 (en) | Crowd-sourced program boundaries | |
| US20230115724A1 (en) | Methods and apparatus for determining audience metrics across different media platforms | |
| US20140089424A1 (en) | Enriching Broadcast Media Related Electronic Messaging | |
| CN110941738B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
| US12120390B2 (en) | Methods and apparatus to detect and rectify false set top box tuning data | |
| CN105229629A (zh) | 通过观察音量变化事件检测对所呈现的媒体项目的用户兴趣 | |
| US11785105B2 (en) | Methods and apparatus to facilitate meter to meter matching for media identification | |
| WO2015070807A1 (zh) | 一种智能电视的节目推荐方法及装置 | |
| CN110290400A (zh) | 可疑刷量视频的识别方法、真实播放量预估方法及装置 | |
| CN104967690B (zh) | 一种信息推送方法及装置 | |
| EP3214821B1 (en) | Determining advertisement locations based on customer interaction | |
| CN108924597A (zh) | 频道热度值评估方法、热点获取方法及其系统 | |
| Kren et al. | Mining the IPTV channel change event stream to discover insight and detect ads | |
| Deng | A household level model of television viewing with implications for advertising targeting | |
| JP2009130529A (ja) | 広告映像再生方法及び装置及びプログラム | |
| JP2017092664A (ja) | 番組分析装置及び番組分析方法 | |
| CA2993708A1 (en) | Crowd-sourced program boundaries | |
| JP2017011497A (ja) | 番組分析装置及び番組分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |