CN103686382B - 一种节目推荐方法 - Google Patents
一种节目推荐方法 Download PDFInfo
- Publication number
- CN103686382B CN103686382B CN201310682948.5A CN201310682948A CN103686382B CN 103686382 B CN103686382 B CN 103686382B CN 201310682948 A CN201310682948 A CN 201310682948A CN 103686382 B CN103686382 B CN 103686382B
- Authority
- CN
- China
- Prior art keywords
- user
- social
- recommended
- social relations
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005303 weighing Methods 0.000 claims description 48
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 6
- 230000007812 deficiency Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明涉及一种节目推荐方法,首先根据节目类型对电视节目进行分类;然后按预置时间间隔采集各个用户当前的观看信息,作为各个用户的观看历史记;再通过基于用户的社会关系相关性和基于历史记录的内容匹配技术,实现了精确地个性化推荐;弥补了以往简单通过节目点击率统计,完全基于个人观看电视节目兴趣习惯进行推荐的方式,使得电视节目提供商能更精确地锁定客户和提高收视率,进而实现精准营销。
Description
技术领域
本发明涉及一种节目推荐方法。
背景技术
随着电视节目日益丰富,电视用户正面临着众多电视节目中无所适从的问题,帮助用户及时收看感兴趣的节目,成为节目推荐系统的首要任务。数字电视的普及,机顶盒的普遍使用,使得用户收视行为数据采集、用户收视特征分析、节目推荐、节目收视率分析于一体的节目推荐系统变为可能。早期的节目推荐系统中主要是利用节目特征和用户特征进行采用基于内容相似度匹配的推荐机制或者基于合作过滤的推荐机制来是实现的。由于节目特征需要人为进行分析处理,进一步有研究者直接根据节目的描述文本进行特征分析,提出基于贝叶斯网络模型的智能节目推荐方法,对海量的节目文本信息进行筛选,并通过已知用户爱好信息为一个或一群用户推荐最能满足其个性化需求的电视节目;而在对用户的隐性特征的提取及推荐算法方面,常用的有Rankboost算法、Bayes统计算法、简单统计算法三种;针对统计算法,大部分推荐系统采用节目被整体点击次数来向用户推荐节目,存在推荐的节目对用户的喜好针对性不是很强的缺点,研究人员采用先对用户聚类,并把根据用户组进行节目点击次数分别计算,从而提高推荐节目对用户喜好特点的针对性。
继而,有研究者将一天内观看的所有电视节目组成一个社区,利用用户观看电视节目的历史数据作为动态社区,动态地输入算法中进行周期子社区挖掘,得出多个用户周期性观看节目所组成的社区,周期性挖掘出蕴含的周期子社区作为依据来进行推荐。但是以上的节目推荐方法在实际推荐过程中的推荐精度不高,就有可能造成用户对节目的厌烦,达不到节目推荐的真正目的。
发明内容
针对上述技术问题,本发明所要解决的技术问题是提供一种结合社会网络分析,采用基于权重的内容相似度匹配方法,实现精确地个性化推荐的节目推荐方法。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种节目推荐方法,包括如下步骤:
步骤01.根据节目类型对电视节目进行分类;
步骤02.按预置时间间隔采集各个用户当前的观看信息,记录为{用户ID、当前时间、观看频道、节目类型、当前类型节目的累计观看时间},作为各个用户的观看历史记录;
步骤03.根据预置的用户社会关系和预置的社会关系权重ωi,获取与被推荐用户存在联系的社会用户关系信息,记录为{社会关系用户ID、影响权重},其中,影响权重表示针对被推荐用户选择节目的影响程度,i=1、…、I,I表示用户社会关系中社会关系的种类数,社会关系权重ωi与社会关系的种类一一对应,根据与被推荐用户之间存在的社会关系种类,其中,针对与被推荐用户之间存在直接社会关系的社会用户,通过ωi直接获得获取与社会关系用户ID相对应的影响权重;针对与被推荐用户之间存在间接社会关系的社会用户,通过ωi采用级联相乘的方式获取与社会关系用户ID相对应的影响权重;
步骤04.在被推荐用户的观看历史记录中匹配与当前时间相同的观看信息记录,根据观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序,并为每一条观看信息记录设置影响权重,其中,降序排列的第一条观看信息记录设置影响权重为1,之后的各条观看信息记录的影响权重按照依序递减0.1进行设置;获取前a条观看信息记录,并记录为{频道、节目类型、影响权重},作为第一待推荐观看信息,a≤10;
步骤05.根据步骤03获得的社会用户关系信息,在对应用户的观看历史记录中匹配与当前时间相同的观看信息记录,先按照社会用户关系信息中的影响权重进行降序排列,然后针对具有相同影响权重的社会用户的观看信息记录,按照观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序,获取前b条观看信息记录,并记录为{频道、节目类型、影响权重},作为第二待推荐观看信息;
步骤06.将第一待推荐观看信息和第二待推荐观看信息按照影响权重进行降序排列,按照预置节目推荐数量n,在降序排列的待推荐观看信息中选取前n条记录,向被推荐用户推荐其中的节目类型,n≤a+b。
作为本发明的一种优选技术方案:所述步骤03中,根据预置的用户社会关系和预置的社会关系权重ωi,获取与被推荐用户存在联系、联系关系度不超过2、且影响权重大于0.1的社会用户关系信息,记录为{社会关系用户ID、影响权重}。
作为本发明的一种优选技术方案:所述步骤03中,根据与被推荐用户之间存在的社会关系种类,其中,针对与被推荐用户之间存在直接社会关系的社会用户,通过ωi直接获得获取与社会关系用户ID相对应的影响权重;针对与被推荐用户之间存在间接社会关系的社会用户,通过ωi采用级联相乘的方式获取与社会关系用户ID相对应的影响权重,包括如下步骤:
步骤0301.获取与被推荐用户存在联系的其中一个社会用户与被推荐用户之间的联系类型,并相应获得联系类型所对应的社会关系权重;其中,当与被推荐用户存在联系的其中一个社会用户与被推荐用户之间为直接社会关系时,则通过ωi直接获得该社会用户与被推荐用户之间直接社会关系类型所对应的社会关系权重;当与被推荐用户存在联系的其中一个社会用户与被推荐用户之间为间接社会关系时,则通过ωi采用级联相乘的方式获取该社会用户与被推荐用户之间间接社会关系类型所对应的社会关系权重;
步骤0302.将步骤0301中获得的社会关系权重相乘,获得与该社会用户相对应针对被推荐用户选择节目的影响程度,即与该社会关系用户ID相对应的影响权重;
步骤0303.按照步骤0301至步骤0302,分别获得与被推荐用户存在联系的各个社会用户针对被推荐用户选择节目的影响程度,即获得与被推荐用户存在联系的各个社会关系用户ID相对应的影响权重。
本发明所述一种节目推荐方法采用以上技术方案与现有技术相比,具有以下技术效果:本发明设计的节目推荐方法,基于用户的社会关系相关性和基于历史记录的内容匹配技术,有助于在较多的历史记录中实现精确地个性化推荐;弥补了以往简单通过节目点击率统计,完全基于个人观看电视节目兴趣习惯进行推荐的方式;同时,为防止个人用户的历史记录偏少,内容匹配出现较大空缺问题,采用了社会关系分析,通过关联个人用户的社会关系网络扩大历史记录。基于以上两方面的结合,既能实现用户的个性化推荐,又避免了历史记录不足带来推荐不出结果的难题;相对于传统基于统计的节目推荐方法,本发明设计的节目推荐方法能使得电视节目提供商能更精确地锁定客户和提高收视率,进而实现精准营销。
附图说明
图1是本发明设计的节目推荐方法的流程图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
如图1所示,本发明设计的节目推荐方法在实际应用过程中,包括如下步骤:
步骤01.根据节目类型对电视节目进行分类,可以分为新闻类节目,财经类节目,体育类节目,文化娱乐类节目,生活类节目,谈话类节目,军事类节目,教育类节目,科技类节目,少儿节目,老年节目,广告节目;
步骤02.通过电视机顶盒按预置时间间隔10分钟采集各个用户当前的观看信息,记录为{用户ID、当前时间、观看频道、节目类型、当前类型节目的累计观看时间},作为各个用户的观看历史记录;其中,可以采用电视机顶盒内的IC卡的编号作为用户ID;当前类型节目的累计观看时间第一次采集记录时设为0,若第二次采集记录时,频道和节目类型相同时,当前类型节目的累计观看时间=当前类型节目的累计观看时间+10;
步骤03.实际应用中,如预设用户社会关系中社会关系的种类数为3,社会关系种类为同学、同事和朋友,则对应可以预设同学社会关系对应的社会关系权重ω1=0.5,同事社会关系对应的社会关系权重ω2=0.3,朋友社会关系对应的社会关系权重ω1=0.2;根据预置的用户社会关系和预置的社会关系权重ωi,获取与被推荐用户存在联系、联系关系度不超过2、且影响权重大于0.1的社会用户关系信息,记录为{社会关系用户ID、影响权重},其中,影响权重表示针对被推荐用户选择节目的影响程度,i=1、…、I,I表示用户社会关系中社会关系的种类数,社会关系权重ωi与社会关系的种类一一对应,并且满足根据与被推荐用户之间存在的社会关系种类,通过ωi采用级联相乘的方式获取与社会关系用户ID相对应的影响权重,其中,具体包括如下步骤:
步骤0301.获取与被推荐用户存在联系的其中一个社会用户与被推荐用户之间的联系类型,并相应获得联系类型所对应的社会关系权重ωi;
步骤0302.将步骤0301中获得的社会关系权重ωi相乘,获得与该社会用户相对应针对被推荐用户选择节目的影响程度,即与该社会关系用户ID相对应的影响权重;
步骤0303.按照步骤0301至步骤0302,分别获得与被推荐用户存在联系的各个社会用户针对被推荐用户选择节目的影响程度,即获得与被推荐用户存在联系的各个社会关系用户ID相对应的影响权重。
实际应用中,X是被推荐用户,如Y是X的同学,社会关系权重为ω1,Z跟Y是同事,社会关系权重为ω2,Z相对于被推荐用户X的影响权重为:ω1*ω2=0.5*0.3=0.15。
步骤04.在被推荐用户的观看历史记录中匹配与当前时间相同的观看信息记录,根据观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序,并为每一条观看信息记录设置影响权重,其中,降序排列的第一条观看信息记录设置影响权重为1,之后的各条观看信息记录的影响权重按照依序递减0.1进行设置;获取前3条观看信息记录,并记录为{频道、节目类型、影响权重},作为第一待推荐观看信息;
步骤05.根据步骤03获得的社会用户关系信息,在对应用户的观看历史记录中匹配与当前时间相同的观看信息记录,先按照社会用户关系信息中的影响权重进行降序排列,然后针对具有相同影响权重的社会用户的观看信息记录,按照观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序,获取前3条观看信息记录,并记录为{频道、节目类型、影响权重},作为第二待推荐观看信息;
步骤06.将第一待推荐观看信息和第二待推荐观看信息按照影响权重进行降序排列,按照预置节目推荐数量5,在降序排列的待推荐观看信息中选取前5条记录,向被推荐用户推荐其中的节目类型。
本发明设计的节目推荐方法,基于用户的社会关系相关性和基于历史记录的内容匹配技术,有助于在较多的历史记录中实现精确地个性化推荐;弥补了以往简单通过节目点击率统计,完全基于个人观看电视节目兴趣习惯进行推荐的方式;同时,为防止个人用户的历史记录偏少,内容匹配出现较大空缺问题,采用了社会关系分析,通过关联个人用户的社会关系网络扩大历史记录。基于以上两方面的结合,既能实现用户的个性化推荐,又避免了历史记录不足带来推荐不出结果的难题;相对于传统基于统计的节目推荐方法,本发明设计的节目推荐方法能使得电视节目提供商能更精确地锁定客户和提高收视率,进而实现精准营销。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (3)
1.一种节目推荐方法,其特征在于,包括如下步骤:
步骤01.根据节目类型对电视节目进行分类;
步骤02.按预置时间间隔采集各个用户当前的观看信息,记录为{用户ID、当前时间、观看频道、节目类型、当前类型节目的累计观看时间},作为各个用户的观看历史记录;
步骤03.根据预置的用户社会关系和预置的社会关系权重ωi,获取与被推荐用户存在联系的社会用户关系信息,记录为{社会关系用户ID、影响权重},其中,影响权重表示针对被推荐用户选择节目的影响程度,i=1、…、I,I表示用户社会关系中社会关系的种类数,社会关系权重ωi与社会关系的种类一一对应,根据与被推荐用户之间存在的社会关系种类,其中,针对与被推荐用户之间存在直接社会关系的社会用户,通过ωi直接获得获取与社会关系用户ID相对应的影响权重;针对与被推荐用户之间存在间接社会关系的社会用户,通过ωi采用级联相乘的方式获取与社会关系用户ID相对应的影响权重;
步骤04.在被推荐用户的观看历史记录中匹配与当前时间相同的观看信息记录,根据观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序,并为每一条观看信息记录设置影响权重,其中,降序排列的第一条观看信息记录设置影响权重为1,之后的各条观看信息记录的影响权重按照依序递减0.1进行设置;获取前a条观看信息记录,并记录为{频道、节目类型、影响权重},作为第一待推荐观看信息,a≤10;
步骤05.根据步骤03获得的社会用户关系信息,在对应用户的观看历史记录中匹配与当前时间相同的观看信息记录,先按照社会用户关系信息中的影响权重进行降序排列,然后针对具有相同影响权重的社会用户的观看信息记录,按照观看信息记录中的“当前类型节目的累计观看时间”属性进行降序排序,获取前b条观看信息记录,并记录为{频道、节目类型、影响权重},作为第二待推荐观看信息;
步骤06.将第一待推荐观看信息和第二待推荐观看信息按照影响权重进行降序排列,按照预置节目推荐数量n,在降序排列的待推荐观看信息中选取前n条记录,向被推荐用户推荐其中的节目类型,n≤a+b。
2.根据权利要求1所述一种节目推荐方法,其特征在于:所述步骤03中,根据预置的用户社会关系和预置的社会关系权重ωi,获取与被推荐用户存在联系、联系关系度不超过2、且影响权重大于0.1的社会用户关系信息,记录为{社会关系用户ID、影响权重}。
3.根据权利要求1所述一种节目推荐方法,其特征在于:所述步骤03中,根据与被推荐用户之间存在的社会关系种类,其中,针对与被推荐用户之间存在直接社会关系的社会用户,通过ωi直接获得获取与社会关系用户ID相对应的影响权重;针对与被推荐用户之间存在间接社会关系的社会用户,通过ωi采用级联相乘的方式获取与社会关系用户ID相对应的影响权重,包括如下步骤:
步骤0301.获取与被推荐用户存在联系的其中一个社会用户与被推荐用户之间的联系类型,并相应获得联系类型所对应的社会关系权重;其中,当与被推荐用户存在联系的其中一个社会用户与被推荐用户之间为直接社会关系时,则通过ωi直接获得该社会用户与被推荐用户之间直接社会关系类型所对应的社会关系权重;当与被推荐用户存在联系的其中一个社会用户与被推荐用户之间为间接社会关系时,则通过ωi采用级联相乘的方式获取该社会用户与被推荐用户之间间接社会关系类型所对应的社会关系权重;
步骤0302.将步骤0301中获得的社会关系权重相乘,获得与该社会用户相对应针对被推荐用户选择节目的影响程度,即与该社会关系用户ID相对应的影响权重;
步骤0303.按照步骤0301至步骤0302,分别获得与被推荐用户存在联系的各个社会用户针对被推荐用户选择节目的影响程度,即获得与被推荐用户存在联系的各个社会关系用户ID相对应的影响权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310682948.5A CN103686382B (zh) | 2013-12-13 | 2013-12-13 | 一种节目推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310682948.5A CN103686382B (zh) | 2013-12-13 | 2013-12-13 | 一种节目推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103686382A CN103686382A (zh) | 2014-03-26 |
CN103686382B true CN103686382B (zh) | 2017-01-11 |
Family
ID=50322446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310682948.5A Expired - Fee Related CN103686382B (zh) | 2013-12-13 | 2013-12-13 | 一种节目推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103686382B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103997686B (zh) * | 2014-04-30 | 2018-06-08 | 小米科技有限责任公司 | 基于智能电视的播放管理方法和装置 |
CN105306972A (zh) * | 2014-06-26 | 2016-02-03 | 中兴通讯股份有限公司 | 电视节目的推荐方法及服务器 |
US9432734B2 (en) * | 2014-09-10 | 2016-08-30 | Telefonaktiebolaget L M Ericsson (Publ) | Multi-person and multi-device content personalization |
CN104991887B (zh) * | 2015-06-18 | 2018-01-19 | 北京京东尚科信息技术有限公司 | 提供信息的方法及装置 |
CN105069049A (zh) * | 2015-07-23 | 2015-11-18 | 四川长虹电器股份有限公司 | 点播影视库中相关节目的筛选与关联度排列的方法 |
WO2018018191A1 (zh) * | 2016-07-24 | 2018-02-01 | 严映军 | 出生地与节目匹配时的信息推送方法以及节目播放系统 |
WO2018018190A1 (zh) * | 2016-07-24 | 2018-02-01 | 严映军 | 一种根据地域推荐节目的数据采集方法以及节目播放系统 |
WO2018018192A1 (zh) * | 2016-07-24 | 2018-02-01 | 严映军 | 一种根据地域推荐节目的方法以及节目播放系统 |
CN106559708A (zh) * | 2016-11-09 | 2017-04-05 | 北京奇虎科技有限公司 | 一种基于智能电视的信息推荐方法及电子设备 |
CN106791964B (zh) * | 2016-12-26 | 2019-10-11 | 中国传媒大学 | 广播电视节目推荐系统及方法 |
CN106604068B (zh) * | 2016-12-30 | 2019-11-05 | 中广热点云科技有限公司 | 一种更新媒体节目的方法及其系统 |
CN107438184A (zh) * | 2017-07-29 | 2017-12-05 | 安徽博威康信息技术有限公司 | 一种统计观看记录的智能化电视节目推送系统 |
CN107484020A (zh) * | 2017-07-29 | 2017-12-15 | 安徽博威康信息技术有限公司 | 一种基于观看记录及观看时长的电视节目推送方法 |
CN108537616B (zh) * | 2018-02-08 | 2021-03-05 | 创新先进技术有限公司 | 一种信息分享的方法及装置 |
CN109218769B (zh) * | 2018-09-30 | 2021-01-01 | 武汉斗鱼网络科技有限公司 | 一种直播间的推荐方法以及相关设备 |
CN109413461A (zh) * | 2018-09-30 | 2019-03-01 | 武汉斗鱼网络科技有限公司 | 一种直播间的推荐方法及相关设备 |
CN112219392A (zh) * | 2018-12-20 | 2021-01-12 | 海信视像科技股份有限公司 | 广播信号接收装置和广播信号接收方法以及观看者属性判断系统以及观看者属性判断方法 |
US20210357983A1 (en) * | 2020-05-14 | 2021-11-18 | Nanning Fugui Precision Industrial Co., Ltd. | System for presenting advertisements online and method thereof |
CN112351345A (zh) * | 2020-11-04 | 2021-02-09 | 深圳Tcl新技术有限公司 | 推荐内容的控制方法及装置、智能电视机、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780920A (zh) * | 2011-07-05 | 2012-11-14 | 上海奂讯通信安装工程有限公司 | 电视节目推荐方法及系统 |
CN102970606A (zh) * | 2012-12-04 | 2013-03-13 | 深圳Tcl新技术有限公司 | 基于身份识别的电视节目推荐方法和装置 |
CN103377250A (zh) * | 2012-04-27 | 2013-10-30 | 杭州载言网络技术有限公司 | 基于邻域的top-k推荐方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9501778B2 (en) * | 2012-05-02 | 2016-11-22 | International Business Machines Corporation | Delivering personalized recommendations that relate to transactions on display |
-
2013
- 2013-12-13 CN CN201310682948.5A patent/CN103686382B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780920A (zh) * | 2011-07-05 | 2012-11-14 | 上海奂讯通信安装工程有限公司 | 电视节目推荐方法及系统 |
CN103377250A (zh) * | 2012-04-27 | 2013-10-30 | 杭州载言网络技术有限公司 | 基于邻域的top-k推荐方法 |
CN102970606A (zh) * | 2012-12-04 | 2013-03-13 | 深圳Tcl新技术有限公司 | 基于身份识别的电视节目推荐方法和装置 |
Non-Patent Citations (2)
Title |
---|
多维加权社会网络中的个性化推荐算法;张华青;《计算机应用》;20110930;第31卷(第9期);全文 * |
社交网络个性化推荐方法研究;邢星;《中国博士学位论文全文数据库》;20131015;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103686382A (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103686382B (zh) | 一种节目推荐方法 | |
Ledwich et al. | Algorithmic extremism: Examining YouTube's rabbit hole of radicalization | |
CN102263999B (zh) | 基于人脸识别对电视节目自动分类的方法及其系统 | |
CN103124377B (zh) | 一种带有至少一个输入装置的最少化交互系统及方法 | |
CN101047826B (zh) | 电子设备及其信息浏览方法 | |
CN103533393B (zh) | 基于家庭收视纪录的家庭分析及节目推荐方法 | |
Nixon et al. | AI for audience prediction and profiling to power innovative TV content recommendation services | |
CN102917269B (zh) | 一种电视节目推荐系统及方法 | |
CN109769128A (zh) | 视频推荐方法、视频推荐装置和计算机可读存储介质 | |
CN105915949A (zh) | 一种视频内容推荐方法、设备和系统 | |
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 | |
CN101763351A (zh) | 基于数据融合的视频节目推荐方法 | |
CN102089782A (zh) | 推荐器系统 | |
CN103136275A (zh) | 个性化视频推荐系统及方法 | |
CN103546778A (zh) | 一种电视节目推荐方法、系统及其实现方法 | |
CN102523511A (zh) | 一种网络节目聚合及节目推荐系统和方法 | |
JP2006524009A (ja) | 視聴者分析結果の生成 | |
CN108337541A (zh) | 一种广告投放方法和装置、计算机可读存储介质 | |
CN104216883A (zh) | 视频推荐理由生成系统及方法 | |
CN104581400A (zh) | 视频内容处理方法及装置 | |
CN105376649B (zh) | 实现精准组合推荐的机顶盒盲操作方法和系统 | |
KR101054088B1 (ko) | 협업 필터링을 이용한 사용자 맞춤형 아이피 티브이 프로그램 자동 추천 방법 | |
Kosterich | Reconfiguring the “hits”: The new portrait of television program success in an era of big data | |
CN102572543A (zh) | 一种数字电视节目推荐系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: 210044 No. 219 Ningliu Road, Jiangbei New District, Nanjing City, Jiangsu Province Patentee after: Nanjing University of Information Science and Technology Address before: Zhongshan road Wuzhong District Mudu town of Suzhou city in Jiangsu province 215101 No. 70 Wuzhong Science Park Building 2 room 2310 Patentee before: Nanjing University of Information Science and Technology |
|
CP02 | Change in the address of a patent holder | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170111 |