CN104035982A - 多媒体资源推荐方法及装置 - Google Patents

多媒体资源推荐方法及装置 Download PDF

Info

Publication number
CN104035982A
CN104035982A CN201410230541.3A CN201410230541A CN104035982A CN 104035982 A CN104035982 A CN 104035982A CN 201410230541 A CN201410230541 A CN 201410230541A CN 104035982 A CN104035982 A CN 104035982A
Authority
CN
China
Prior art keywords
user
recommended
multimedia resource
degree score
score value
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
Application number
CN201410230541.3A
Other languages
English (en)
Other versions
CN104035982B (zh
Inventor
林斌
张波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Technology Co Ltd
Xiaomi Inc
Original Assignee
Xiaomi Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiaomi Inc filed Critical Xiaomi Inc
Priority to CN201410230541.3A priority Critical patent/CN104035982B/zh
Publication of CN104035982A publication Critical patent/CN104035982A/zh
Priority to BR112015000039-8A priority patent/BR112015000039B1/pt
Priority to PCT/CN2014/089247 priority patent/WO2015180385A1/zh
Priority to MX2015000199A priority patent/MX359702B/es
Priority to JP2016522257A priority patent/JP6110030B2/ja
Priority to RU2014151407A priority patent/RU2611260C2/ru
Priority to KR1020147035976A priority patent/KR101732591B1/ko
Priority to US14/585,960 priority patent/US10289621B2/en
Priority to EP15169070.8A priority patent/EP2950551B1/en
Application granted granted Critical
Publication of CN104035982B publication Critical patent/CN104035982B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/29—Arrangements for monitoring broadcast services or broadcast-related services
    • H04H60/33—Arrangements for monitoring the users' behaviour or opinions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G06F16/436—Filtering based on additional data, e.g. user or group profiles using biological or physiological data of a human being, e.g. blood pressure, facial expression, gestures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/27—Server based end-user applications
    • H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
    • H04N21/2743—Video hosting of uploaded data from client
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
    • H04N21/41407—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance embedded in a portable device, e.g. video client on a mobile phone, PDA, laptop
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47214—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for content reservation or setting reminders; for requesting event notification, e.g. of sport results or stock market
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/8126—Monomedia components thereof involving additional data, e.g. news, sports, stocks, weather forecasts
    • H04N21/8133—Monomedia components thereof involving additional data, e.g. news, sports, stocks, weather forecasts specifically related to the content, e.g. biography of the actors in a movie, detailed information about an article seen in a video program
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8547—Content authoring involving timestamps for synchronizing content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明是关于一种多媒体资源推荐方法及装置，属于多媒体技术领域。方法包括：获取待推荐多媒体资源在试播范围内的用户观看数据；对用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据；根据待推荐多媒体资源对应的用户行为数据，计算待推荐多媒体资源的第一用户喜好度分值；获取多个已推荐多媒体资源的第二用户喜好度分值；根据第一用户喜好度分值和第二用户喜好度分值，对待推荐多媒体资源进行推荐。由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值进行推荐时，推荐精准率较高。

Description

多媒体资源推荐方法及装置
技术领域
本公开涉及多媒体技术领域，特别涉及一种多媒体资源推荐方法及装置。
背景技术
在信息时代，当用户在访问网络、观看视频节目等过程中，若向用户推荐其感兴趣的多媒体资源，则不但便于用户进行相关产品的浏览、关注等操作，进而达到增强用户体验度的目的；还可使多媒体资源的制造商对该多媒体资源的受关注程度作出评价。因此，如何将多媒体资源推荐给精准的人群，成为了本领域技术人员较为关注的一个问题。
相关技术中，通常采取下述方式进行多媒体资源推荐。首先对待推荐多媒体资源进行喜好度的打分，进而根据待推荐多媒体资源的分值进行推荐。在进行喜好度的打分时，采取下述方式：首先根据该待推荐多媒体资源的类别确定与该多媒体资源相似的多媒体资源；根据该相似的多媒体资源的用户喜好度分值，确定该待推荐多媒体资源的用户喜好度分值；该相似的多媒体资源的用户喜好度分值通过如下方式得到：在该相似的多媒体资源的多个播放设备上投放该相似的多媒体资源，并在多个播放设备上或多个播放设备附近安装传感器，通过该传感器统计经过多个播放设备的用户量和用户停留时间，基于用户量和用户停留时间，计算该相似的多媒体资源的用户喜好度分值。
在实现本公开的过程中，发明人发现相关技术至少存在以下问题：
由于是基于获取到的简单用户数据(包括用户量、用户停留时间)对多媒体资源进行推荐，所以该种推荐方式存在精准率不高的缺陷。
发明内容
为克服相关技术中存在的问题，本公开提供一种多媒体资源推荐方法及装置。
根据本公开实施例的第一方面，提供一种多媒体资源推荐方法，所述方法包括：
获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据；
对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据；
根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值；
获取多个已推荐多媒体资源的第二用户喜好度分值；
根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
可选地，所述根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值，包括：
对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为；
查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值；
根据每一个用户行为的持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值；
根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
可选地，所述查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值之前，所述方法还包括：
对于每一个用户行为，预先为所述用户行为设置用户喜好值；
将用户行为与用户喜好值之间的对应关系进行存储。
可选地，所述根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐，包括：
在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值；
根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户；
将所述待推荐多媒体资源发送至所述接收用户的播放设备；
其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
可选地，所述根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户，包括：
在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；
将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
可选地，所述将所述待推荐多媒体资源发送至所述接收用户的播放设备之后，所述方法还包括：
获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据；
根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值；
根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
可选地，所述用户观看数据由第一传感器收集得到，所述第一传感器安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。
根据本公开实施例的第二方面，提供一种多媒体资源推荐装置，所述装置包括：
用户观看数据获取模块，用于获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据；
用户行为数据获取模块，用于对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据；
用户喜好度分值计算模块，用于根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值；
用户喜好度分值获取模块，用于获取多个已推荐多媒体资源的第二用户喜好度分值；
多媒体资源推荐模块，用于根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
可选地，用户喜好度分值计算模块，包括：
用户行为确定单元，用于对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为；
用户喜好值获取单元，用于查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值；
权重值确定单元，用于根据每一个用户行为的持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值；
用户喜好度分值计算模块，用于根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
可选地，所述装置还包括：
用户喜好值设置模块，用于对于每一个用户行为，预先为所述用户行为设置用户喜好值；
存储模块，用于将用户行为与用户喜好值之间的对应关系进行存储。
可选地，所述多媒体资源推荐模块，包括：
用户喜好度分值确定单元，用于在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值；
接收用户确定单元，用于根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户；
多媒体资源发送模块，用于将所述待推荐多媒体资源发送至所述接收用户的播放设备；
其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
可选地，所述接收用户确定单元，用于在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
可选地，所述装置还包括：
传感器数据获取模块，用于获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
所述用户行为模块，用于数据对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据；
用户喜好度分值更新模块，用于根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值；
有效性确定模块，用于根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
可选地，所述用户观看数据由第一传感器收集得到，所述第一传感器安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。
本公开的实施例提供的技术方案可以包括以下有益效果：
在对待推荐多媒体资源在试播范围内的用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据后，根据该用户行为数据计算待推荐多媒体资源的第一用户喜好度分值，之后根据第一用户喜好度分值和多个已推荐多媒体资源的第二用户喜好度分值，对待推荐多媒体资源进行推荐，由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值和已推荐多媒体资源的用户喜好度分值对待推荐多媒体资源进行推荐时，推荐精准率较高。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。
图2是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。
图3是根据一示例性实施例示出的一种多媒体资源推荐装置的示意图。
图4是根据一示例性实施例示出的一种服务器的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图，如图1所示，该多媒体资源推荐方法用于服务器中，包括以下步骤。
在步骤101中，获取待推荐多媒体资源在试播范围内的用户观看数据，该用户观看数据至少包括用户音视频数据和用户视频深度数据。
在步骤102中，对用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据。
在步骤103中，根据待推荐多媒体资源对应的用户行为数据，计算待推荐多媒体资源的第一用户喜好度分值。
在步骤104中，获取多个已推荐多媒体资源的第二用户喜好度分值。
在步骤105中，根据第一用户喜好度分值和第二用户喜好度分值，对待推荐多媒体资源进行推荐。
本公开实施例提供的方法，在对待推荐多媒体资源在试播范围内的用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据后，根据该用户行为数据计算待推荐多媒体资源的第一用户喜好度分值，之后根据第一用户喜好度分值和多个已推荐多媒体资源的第二用户喜好度分值，对待推荐多媒体资源进行推荐，由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值和已推荐多媒体资源的用户喜好度分值对待推荐多媒体资源进行推荐时，推荐精准率较高。
可选地，根据待推荐多媒体资源对应的用户行为数据，计算待推荐多媒体资源的第一用户喜好度分值，包括：
对于每一个用户行为数据，确定用户行为数据包括的至少一个用户行为；
查询预先存储的用户行为与用户喜好值之间的对应关系，得到至少一个用户行为对应的用户喜好值；
根据每一个用户行为的持续时间占已推荐多媒体资源的播放时长比例，确定每一个用户行为对应的权重值；
根据每一个用户行为对应的用户喜好值和权重值，计算待推荐多媒体资源的第一用户喜好度分值。
可选地，查询预先存储的用户行为与用户喜好值之间的对应关系，得到至少一个用户行为对应的用户喜好值之前，该方法还包括：
对于每一个用户行为，预先为用户行为设置用户喜好值；
将用户行为与用户喜好值之间的对应关系进行存储。
可选地，根据第一用户喜好度分值和第二用户喜好度分值，对待推荐多媒体资源进行推荐，包括：
在第二用户喜好度分值中，确定与第一用户喜好度分值相似的第三用户喜好度分值；
根据第三用户喜好度分值，确定待推荐多媒体资源的接收用户；
将待推荐多媒体资源发送至接收用户的播放设备；
其中，第二用户喜好度分值根据第二传感器收集到的数据计算得到，第二传感器安装在多个已推荐多媒体资源对应的播放设备上或播放设备附近。
可选地，根据第三用户喜好度分值，确定待推荐多媒体资源的接收用户，包括：
在第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；
将大于预设阈值的用户喜好度分值对应的用户，确定为待推荐多媒体资源的接收用户。
可选地，将待推荐多媒体资源发送至接收用户的播放设备之后，该方法还包括：
获取待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
对第三传感器收集到的用户观看数据进行分析处理，得到待推荐多媒体资源对应的多个用户行为数据；
根据每一个用户行为数据，更新待推荐多媒体资源的用户喜好度分值；
根据更新后的用户喜好度分值，确定待推荐多媒体资源的有效性。
可选地，用户观看数据由第一传感器收集得到，第一传感器安装在试播范围内的多个播放设备上或多个播放设备附近。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
图2是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图，如图2所示，该多媒体资源推荐方法用于服务器中，包括以下步骤。
在步骤201中，获取待推荐多媒体资源在试播范围内的用户观看数据，用户观看数据由第一传感器收集得到，第一传感器安装在试播范围内的多个播放设备上或多个播放设备附近。
其中，试播范围指代对待推荐多媒体资源进行试播放的一个小范围。比如，若待推荐多媒体资源的制造商欲面对全国进行待推荐多媒体资源的投放，则试播放范围便可能为全国中的一个省或一个市；若待推荐多媒体资源的制造商欲面对全市进行待推荐多媒体资源的投放，则试播放范围便可能为市里的一个区。
此外，用户观看数据至少包括传感器获取到的位于其覆盖范围内的用户音视频数据和用户视频深度信息。通过该用户观看数据可获取处于传感器覆盖范围内的用户数量、每个用户的身份、每个用户的特定属性(性别、大概年龄)、每个用户的特定行为等等。
在本公开实施例中，对于待多媒体资源来说，其对应一个身份标识(ID)，该身份标识可唯一对该待推荐多媒体资源进行标识。在本公开实施例中，为了对数据众多的多媒体资源进行识别和区分，本公开实施例为每一个多媒体资源分别设置了一个身份标识。其中，该身份标识可为由数字或字符组成，或由数字和字符组成，本公开实施例对身份标识的形式不进行具体限定。
此外，对于任一个多媒体资源来说，除包括一个身份标识外，还可包括其他属性信息。比如，多媒体资源的所属类别、多媒体资源的播放形式、多媒体资源的不同版本、多媒体资源的播放时间、多媒体资源的播放时长、多媒体资源的播放设备等等。其中，多媒体资源的类别可包括家电、食品、服装、体育用品、鞋帽等等；多媒体资源的播放形式可分为视频、图片、音频等等；多媒体资源的播放时间指代多媒体资源在那个特定时间范围内的特定时间播放；多媒体资源的播放时长可等于多媒体资源的自身时长，也可大于多媒体资源的自身时长；多媒体资源的播放设备可包括公共区域的多媒体播放设备还可包括私家的多媒体播放设备。
在本公开实施例中，待推荐多媒体资源试播范围内的多个播放设备上或多个播放设备附近设置有第一传感器。其中，第一传感器指代至少一个传感器，仅以第一传感器这个名词对已推荐多媒体资源对应的传感器进行命名而已。其中，对于智能电视或智能计算机这类播放设备而言，其除了内置摄像头外，还一般内置传感器，或内置具有传感功能的摄像头，针对这类设备来说，传感器就在播放设备上；对于普通电视或公共区域的多媒体资源展示位这类播放设备而言，由于没有内置的传感器，所以就要在播放设备上或播放设备附近安装传感器，已根据传感器收集用户观看数据。其中，传感器可包括麦克风、摄像头、带有深度信息的视觉传感器、发射近红外光的传感器、距离传感器及光传感器等，本公开实施例对传感器的类型不作具体限定。
在步骤202中，对该待推荐多媒体资源的用户观看数据进行分析处理，得到该待推荐多媒体资源对应的用户行为数据。
在本公开实施例中，该待推荐多媒体资源试播范围内的多个播放设备在一段时间内可能会播放几十甚至几百个多媒体资源，进而置于多个播放设备上或多个播放设备附近的第一传感器便会收集到几十甚至几百个多媒体资源对应的用户观看数据，而这些用户观看数据全部掺杂在一起，所以需要在海量的用户观看数据中获取该待推荐多媒体资源的用户观看数据。在获取该待推荐多媒体资源的用户观看数据时，具体可采取下述方式实现：
获取该待推荐多媒体资源的播放时间，根据该播放时间从海量用户观看数据中获取位于该播放时间所处时间段内的用户观看数据，并将获取到的用户观看数据作为该待推荐多媒体资源的用户观看数据。
当然，除了采取上述获取该待推荐多媒体资源的方式外，还可采取其他获取方式，本公开实施例对此不作具体限定。在获取到该待推荐多媒体资源的用户观看数据后，通过对该用户观看数据进行分析处理便可得到该待推荐多媒体资源对应的多个用户行为数据。其中，根据用户观看数据得到用户行为数据的具体实现方式属于现有成熟技术，通过特定算法便可实现，具体参考现有技术，此处不再赘述。其中一个用户对应一个用户行为数据，该用户行为数据至少涵盖一个用户行为。其中，用户行为可包括进入或离开第一传感器的覆盖范围、注视该待推荐多媒体资源的播放设备、说话、大笑、大的手势动作、大的躯体动作、睡觉、坐、走动等等，本公开实施例对用户行为包括的内容不作具体限定。
在步骤203中，对于每一个用户行为数据，确定用户行为数据包括的至少一个用户行为；查询预先存储的用户行为与用户喜好值之间的对应关系，得到至少一个用户行为对应的用户喜好值。
其中，一个用户的用户行为数据可包括一个或一个以上的用户行为。比如，对于一个用户来说，在观看该待推荐多媒体资源时可能大笑并有大的手势动作(鼓掌)。用户喜好值用于表征用户对该待推荐多媒体资源的喜好程度。在本公开实施例中，在得到至少一个用户行为对应的用户喜好值之前，还包括建立用户行为和用户喜好值之间的对应关系的过程，详细如下：
对于每一个用户行为，预先为用户行为设置用户喜好值；将用户行为与用户喜好值之间的对应关系进行存储。
在预先为用户行为设置用户喜好值时，具体可采取下述两种方式实现：
第一种方式、根据经验值，直接为不同用户行为指定不同的用户喜好值。
在用户观看多媒体资源的过程中，如果大笑或发生大的肢体动作，那么很显然该用户对该多媒体资源较为喜爱；如果处于睡觉状态或直接离开，则显然该用户对该多媒体资源较为方案。第一种方式即基于这种经验值对不同用户行为指定用户喜好值。当然，针对第一种方式而言，用户喜好值设置精度较差。
第二种方式、采用机器学习的方式，收集大量的用户行为数据，对大量的用户行为数据进行分析和统计，根据分析统计结果为不同用户行为指定不同的用户喜好值。
针对第二种方式而言，由于采取机器学习的方式对大量的用户行为数据加以分析，所以在对不同用户行为设置用户喜好值时，设置精度也较高。
在步骤204中，根据每一个用户行为的持续时间占待推荐多媒体资源的播放时长比例，为每一个用户行为设置权重值。
在本公开实施例中，针对一个用户来说，在该待推荐多媒体资源的初始播放时刻，该用户可能被其炫目的开头所吸引，大笑并逐步向该待推荐多媒体资源的播放设备走近；在开头过后，该用户可能突然对该待推荐多媒体资源的表达主题或推荐产品失去兴趣，直接离开。针对这种情况，为了较精准地确定多个用户对该待推荐多媒体资源的喜好程度，本公开实施例还包括为为每一个用户行为设置权重值的步骤。
在为每一个用户行为设置权重值时，可依据每一个用户行为的持续时间占待推荐多媒体资源的播放时长比例进行设置。对于一个用户行为来说，其持续时间占该待推荐多媒体资源的播放时长比例越大，对应的权重值越大。假设该待推荐多媒体资源的播放时长为30秒，在此期间某一用户首先产生大的手势动作(激烈鼓掌)，而后同他人交谈不再观看该待推荐多媒体资源，但是大的手势动作的持续时间仅为5秒，所占该待推荐多媒体资源的播放时长比例为1/6；而同他人交谈不再观看该待推荐多媒体资源的持续时间为25秒，所占该待推荐多媒体资源的播放时长比例为5/6，所以在对上述两个用户行为设置权重值，后者的权重值要远远大于前者的权重值。
在步骤205中，根据每一个用户行为对应的用户喜好值和权重值，计算多个用户对该待推荐多媒体资源的第一用户喜好度分值。
在本公开实施例中，在根据上述步骤203和步骤204得到每一个用户行为对应的用户喜好值和权重值后，根据下述公式(1)便可得到多个用户对该已播放对媒体资源的第一用户喜好度分值。
S = a 1 * r 1 + a 2 * r 2 + . . . . . . + a n * r n n - - - ( 1 )
其中，S指代第一用户喜好度分值；a1至an指代每一个用户行为对应的用户喜好值；r1至rn指代每一个用户行为对应的用户喜好值，n指代用户行为的个数。
需要说明的是，通过上述步骤201至步骤205所示的方法，可得到待推荐多媒体资源对应的第一用户喜好度分值。在后续过程中，在对该待推荐多媒体资源进行播放之前，通过上述待推荐多媒体资源对应的第一用户喜好度分值便可对该待推荐多媒体资源进行进行推荐，从而提升多媒体资源推荐精准度。
在步骤206中，获取多个已推荐多媒体资源的第二用户喜好度分值。
在本公开实施例中，对于多个已推荐多媒体资源来说，在其投放后，服务器会根据上述步骤201至步骤205的方法根据传感器收集到的多个已推荐多媒体资源的用户观看数据，对多个已推荐多媒体资源的喜好度分值进行不断修正，得到第二用户喜好度分值，并会在自身的存储介质中进行存储。由于每一个多媒体资源均对应一个身份标识，所以根据该身份标识便可在存储介质中获取到多个已推荐多媒体资源的第二用户喜好度分值。其中，存储介质可为内存或硬盘等等，本公开实施例对存储介质的类型不进行具体限定。
在步骤207中，在多个第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值。
在本公开实施例中，对于每一个多媒体资源来说，根据上述步骤201至步骤205提供的方法可获取其对应传感器覆盖范围内每一个用户对该多媒体资源的用户喜好度分值。所以对于一个多媒体资源来说，可对应多个用户喜好度分值，该多个用户喜好度分值根据不同用户对该多媒体资源播放时的用户行为分析得到。在本公开实施例中，第一用户喜好度分值至少包括一个用户对该待推荐多媒体资源的用户喜好度分值，第二用户喜好度分值也包括至少一个用户对一个已推荐多媒体资源的用户喜好度分值。
其中，相似指代用户喜好度分值之间的差异小于一个第一特定数值，或不同用户喜好度分值均大于一个第二特定数值。其中，第二特定数值大于第一特定数值。当然，相似用户喜好度分值除了指代上述提到的两种形式外，还可为其他形式，本公开实施例对此不作具体限定。在确定第一用户喜好度分值和第二用户喜好度分值是否相似时，具体可采取下述两种方式：
其一、计算第一用户喜好度分值中多个用户对待推荐多媒体资源的用户喜好度分值的均值；计算第二用户喜好度分值中多个用户对已推荐多媒体资源的用户喜好度分值的均值；在多个第二用户喜好度分值对应的均值中，确定与第一用户喜好度分值对应的均值相似的均值，则该相似的均值对应的用户喜好度分值便为第三用户喜好度分值。
其二、在获取到第一用户喜好度分值后，可根据多个用户的年龄、性别等属性信息将多个用户对待推荐多媒体资源和已推荐多媒体资源的用户喜好度分值进行分类。如以年龄作为分类标准，则分别统计各个年龄层对该待推荐多媒体资源的用户喜好度分值。比如，统计10-20岁用户对该待推荐多媒体资源的用户喜好度分值；20-30岁用户对该待推荐多媒体资源的用户喜好度分值；30-40岁用户对该待推荐多媒体资源的用户喜好度分值；40-50岁用户对该待推荐多媒体资源的用户喜好度分值；50-60岁用户对该待推荐多媒体资源的用户喜好度分值；60岁以上用户对该待推荐多媒体资源的用户喜好度分值。将各个年龄层用户对该待推荐多媒体资源的用户喜好度分值作为待推荐多媒体资源的用户喜好度分值。在获取到第二用户喜好度分值后，也可按照上述方式对多个用户对已推荐多媒体资源的用户喜好度分值进行分类。对于一个第二用户喜好度分值，若其对应的一个分类的用户喜好度分值与待推荐多媒体资源的对应分类的用户喜好度分值相似，则该用户喜好度分值为与第一用户喜好度分值相似的一个第三用户喜好度分值。
此外，在计算各个年龄层对该已推荐对媒体数据的用户喜好度分值时，可将该年龄层中全部用户对应的用户喜好度分值中，低于第一数值的用户喜好度分值和高于第二数值的用户喜好度分值进行删除，对剩下的用户喜好度分值求平均值，得到的平均值作为该年龄层用户对应的用户喜好度分值。当然，除上述计算各个年龄层用户对已推荐多媒体资源的用户喜好度分值的方式外，还可采取其他计算方式，本公开实施例对此不作具体限定。
在步骤208中，根据第三用户喜好度分值，确定待推荐多媒体资源的接收用户；将待推荐多媒体资源发送至多个接收用户的播放设备。
在本公开实施例中，在根据待推荐多媒体资源的用户喜好度分值，确定待推荐多媒体资源的多个接收用户时，具体可采取下述方式实现：在待推荐多媒体资源对应的多个用户喜好度分值中，确定大于预设阈值的用户喜好度分值；将大于预设阈值的用户喜好度分值对应的用户，确定为待推荐多媒体资源的接收用户。
其中，预设阈值的大小可为10或100等数值，本公开实施例对此不作具体限定。预设阈值的大小可视用户喜好值和权重值的设置而定。
针对上述步骤207中的第一种方式，确定的第三用户喜好度分值可能存在多个，因此通过预设阈值的限制可对用户喜好度分值进行进一步地筛选，以提高后续过程中根据用户喜好度分值进行多媒体资源推荐时的推送精准率。在进行待推荐多媒体资源的推荐时，可将大于预设阈值的用户喜好度分值对应的用户，直接确定为待推荐多媒体资源的接收用户。
针对上述步骤207中的第二种方式，若根据各个年龄层用户对待推荐多媒体资源的喜好进行了分类，则可在大于预设阈值的用户喜好度分值对应的各个分类的用户喜好度分值中，确定数值大于该预设阈值的用户喜好度分值，进而确定该数值大于该预设阈值的用户喜好度分值对应的年龄层，最终将处于该年龄层中的所有用户作为待推荐多媒体资源的接收用户。
需要说明的是，在通过上述步骤201至步骤208便可完成对待推荐多媒体的推荐。在将待推荐多媒体资源进行推荐之后，还通过安装在待推荐多媒体资源的播放设备上的第三传感器收集到的用户观看数据对待推荐多媒体资源的用户喜好度分值进行更新，详细过程详见下述步骤209。
在步骤209中，获取待推荐多媒体资源对应的第三传感器收集到的用户观看数据；对第三传感器收集到的用户观看数据进行分析处理，得到待推荐多媒体资源对应的多个用户行为数据；根据每一个用户行为数据，更新待推荐多媒体资源的用户喜好度分值。
本步骤获取用户观看数据、根据用户观看数据获取用户行为数据和根据用户行为数据更新待推荐多媒体资源的用户喜好度分值的具体过程详见上述步骤201至步骤205，此处不再赘述。在得到更新后的用户喜好度分值后，根据更新后的用户喜好度分值，可确定待推荐多媒体资源的有效性。也即，将待推荐多媒体数据在现实环境中真实投放后，根据更新后的用户喜好度分值可评价该待推荐多媒体资源的受欢迎程度。此外，结合用户属性，也可以统计不同人群对待推荐多媒体资源的喜好程度，比如统计青年人、中年人和老年人分别对待推荐多媒体资源的喜好程度。结合播放设备信息，也可以统计在不同播放设备上进行播放时，待推荐多媒体资源的受欢迎程度等等。所有这些统计既可以分别进行统计，也可以结合在一起进行统计。
本公开实施例提供的方法，在对待推荐多媒体资源在试播范围内的用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据后，根据该用户行为数据计算待推荐多媒体资源的第一用户喜好度分值，之后根据第一用户喜好度分值和多个已推荐多媒体资源的第二用户喜好度分值，对待推荐多媒体资源进行推荐，由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值和已推荐多媒体资源的用户喜好度分值对待推荐多媒体资源进行推荐时，推荐精准率较高。
图3是根据一示例性实施例示出的一种多媒体资源推荐装置的示意图。参照图3，该装置包括用户观看数据获取模块301，用户行为数据获取模块302，用户喜好度分值计算模块303，用户喜好度分值获取模块304，多媒体资源推荐模块305。
其中，用户观看数据获取模块301与用户行为数据获取模块302连接，用于获取待推荐多媒体资源在试播范围内的用户观看数据，用户观看数据至少包括用户音视频数据和用户视频深度数据；用户行为数据获取模块302与用户喜好度分值计算模块303连接，用于对用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据；用户喜好度分值计算模块303与用户喜好度分值获取模块304连接，用于根据待推荐多媒体资源对应的用户行为数据，计算待推荐多媒体资源的第一用户喜好度分值；用户喜好度分值获取模块304与多媒体资源推荐模块305连接，用于获取多个已推荐多媒体资源的第二用户喜好度分值；多媒体资源推荐模块305，用于根据第一用户喜好度分值和第二用户喜好度分值，对待推荐多媒体资源进行推荐。
可选地，用户喜好度分值计算模块，包括：
用户行为确定单元，用于对于每一个用户行为数据，确定用户行为数据包括的至少一个用户行为；
用户喜好值获取单元，用于查询预先存储的用户行为与用户喜好值之间的对应关系，得到至少一个用户行为对应的用户喜好值；
权重值确定单元，用于根据每一个用户行为的持续时间占已推荐多媒体资源的播放时长比例，确定每一个用户行为对应的权重值；
用户喜好度分值计算模块，用于根据每一个用户行为对应的用户喜好值和权重值，计算待推荐多媒体资源的第一用户喜好度分值。
可选地，该装置还包括：
用户喜好值设置模块，用于对于每一个用户行为，预先为用户行为设置用户喜好值；
存储模块，用于将用户行为与用户喜好值之间的对应关系进行存储。
可选地，多媒体资源推荐模块，包括：
用户喜好度分值确定单元，用于在第二用户喜好度分值中，确定与第一用户喜好度分值相似的第三用户喜好度分值；
接收用户确定单元，用于根据第三用户喜好度分值，确定待推荐多媒体资源的接收用户；
多媒体资源发送模块，用于将待推荐多媒体资源发送至接收用户的播放设备；
其中，第二用户喜好度分值根据第二传感器收集到的数据计算得到，第二传感器安装在多个已推荐多媒体资源对应的播放设备上或播放设备附近。
可选地，接收用户确定单元，用于在第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；将大于预设阈值的用户喜好度分值对应的用户，确定为待推荐多媒体资源的接收用户。
可选地，该装置还包括：
传感器数据获取模块，用于获取待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
用户行为模块，用于数据对第三传感器收集到的用户观看数据进行分析处理，得到待推荐多媒体资源对应的多个用户行为数据；
用户喜好度分值更新模块，用于根据每一个用户行为数据，更新待推荐多媒体资源的用户喜好度分值；
有效性确定模块，用于根据更新后的用户喜好度分值，确定待推荐多媒体资源的有效性。
可选地，用户观看数据由第一传感器收集得到，第一传感器安装在试播范围内的多个播放设备上或多个播放设备附近。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开实施例提供的装置，在对待推荐多媒体资源在试播范围内的用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据后，根据该用户行为数据计算待推荐多媒体资源的第一用户喜好度分值，之后根据第一用户喜好度分值和多个已推荐多媒体资源的第二用户喜好度分值，对待推荐多媒体资源进行推荐，由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值和已推荐多媒体资源的用户喜好度分值对待推荐多媒体资源进行推荐时，推荐精准率较高。
图4是本公开实施例中服务器的结构示意图，用于执行上述实施例提供的多媒体资源推荐方法。该服务器400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)422(例如，一个或一个以上处理器)和存储器432，一个或一个以上存储应用程序442或数据444的存储介质430(例如一个或一个以上海量存储设备)。其中，存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器422可以设置为与存储介质430通信，在服务器400上执行存储介质430中的一系列指令操作。
服务器400还可以包括一个或一个以上电源426，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口458，一个或一个以上键盘456，和/或，一个或一个以上操作系统441，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (14)

1.一种多媒体资源推荐方法，其特征在于，所述方法包括：
获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据；
对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据；
根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值；
获取多个已推荐多媒体资源的第二用户喜好度分值；
根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值，包括：
对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为；
查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值；
根据每一个用户行为的持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值；
根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
3.根据权利要求2所述的方法，其特征在于，所述查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值之前，所述方法还包括：
对于每一个用户行为，预先为所述用户行为设置用户喜好值；
将用户行为与用户喜好值之间的对应关系进行存储。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐，包括：
在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值；
根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户；
将所述待推荐多媒体资源发送至所述接收用户的播放设备；
其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户，包括：
在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；
将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
6.根据权利要求4所述的方法，其特征在于，所述将所述待推荐多媒体资源发送至所述接收用户的播放设备之后，所述方法还包括：
获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据；
根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值；
根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
7.根据权利要求1所述的方法，其特征在于，所述用户观看数据由第一传感器收集得到，所述第一传感器安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。
8.一种多媒体资源推荐装置，其特征在于，所述装置包括：
用户观看数据获取模块，用于获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据；
用户行为数据获取模块，用于对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据；
用户喜好度分值计算模块，用于根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值；
用户喜好度分值获取模块，用于获取多个已推荐多媒体资源的第二用户喜好度分值；
多媒体资源推荐模块，用于根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
9.根据权利要求8所述的装置，其特征在于，用户喜好度分值计算模块，包括：
用户行为确定单元，用于对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为；
用户喜好值获取单元，用于查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值；
权重值确定单元，用于根据每一个用户行为的持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值；
用户喜好度分值计算模块，用于根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
用户喜好值设置模块，用于对于每一个用户行为，预先为所述用户行为设置用户喜好值；
存储模块，用于将用户行为与用户喜好值之间的对应关系进行存储。
11.根据权利要求8所述的装置，其特征在于，所述多媒体资源推荐模块，包括：
用户喜好度分值确定单元，用于在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值；
接收用户确定单元，用于根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户；
多媒体资源发送模块，用于将所述待推荐多媒体资源发送至所述接收用户的播放设备；
其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
12.根据权利要求11所述的装置，其特征在于，所述接收用户确定单元，用于在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
13.根据权利要求11所述的装置，其特征在于，所述装置还包括：
传感器数据获取模块，用于获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
所述用户行为模块，用于数据对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据；
用户喜好度分值更新模块，用于根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值；
有效性确定模块，用于根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
14.根据权利要求8所述的装置，其特征在于，所述用户观看数据由第一传感器收集得到，所述第一传感器安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。
CN201410230541.3A 2014-05-28 2014-05-28 多媒体资源推荐方法及装置 Active CN104035982B (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN201410230541.3A CN104035982B (zh) 2014-05-28 2014-05-28 多媒体资源推荐方法及装置
JP2016522257A JP6110030B2 (ja) 2014-05-28 2014-10-23 マルチメディア資源の推薦方法、装置、プログラム及び記録媒体
PCT/CN2014/089247 WO2015180385A1 (zh) 2014-05-28 2014-10-23 多媒体资源推荐方法及装置
MX2015000199A MX359702B (es) 2014-05-28 2014-10-23 Método para recomendar recurso multimedia y aparato del mismo.
BR112015000039-8A BR112015000039B1 (pt) 2014-05-28 2014-10-23 Método e aparelho para recomendar um conteúdo multimídia
RU2014151407A RU2611260C2 (ru) 2014-05-28 2014-10-23 Способ и устройство предоставления рекомендаций мультимедиа-ресурсов
KR1020147035976A KR101732591B1 (ko) 2014-05-28 2014-10-23 멀티미디어 자원의 추천방법, 장치, 프로그램 및 기록매체
US14/585,960 US10289621B2 (en) 2014-05-28 2014-12-30 Method and apparatus for recommending multimedia resource
EP15169070.8A EP2950551B1 (en) 2014-05-28 2015-05-25 Method for recommending multimedia resource and apparatus thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410230541.3A CN104035982B (zh) 2014-05-28 2014-05-28 多媒体资源推荐方法及装置

Publications (2)

Publication Number Publication Date
CN104035982A true CN104035982A (zh) 2014-09-10
CN104035982B CN104035982B (zh) 2017-10-20

Family

ID=51466752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410230541.3A Active CN104035982B (zh) 2014-05-28 2014-05-28 多媒体资源推荐方法及装置

Country Status (9)

Country Link
US (1) US10289621B2 (zh)
EP (1) EP2950551B1 (zh)
JP (1) JP6110030B2 (zh)
KR (1) KR101732591B1 (zh)
CN (1) CN104035982B (zh)
BR (1) BR112015000039B1 (zh)
MX (1) MX359702B (zh)
RU (1) RU2611260C2 (zh)
WO (1) WO2015180385A1 (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015180385A1 (zh) * 2014-05-28 2015-12-03 小米科技有限责任公司 多媒体资源推荐方法及装置
CN105245957A (zh) * 2015-11-05 2016-01-13 京东方科技集团股份有限公司 视频推荐方法、装置和系统
CN105574199A (zh) * 2015-12-28 2016-05-11 合一网络技术(北京)有限公司 搜索引擎的虚假搜索行为的识别方法和装置
CN105719164A (zh) * 2016-01-21 2016-06-29 海信集团有限公司 一种推荐付费多媒体资源的方法及装置
CN105843876A (zh) * 2016-03-18 2016-08-10 合网络技术（北京）有限公司 多媒体资源的质量评估方法和装置
CN105975535A (zh) * 2016-04-29 2016-09-28 合网络技术（北京）有限公司 多媒体资源的推荐方法和装置
CN106060590A (zh) * 2016-07-07 2016-10-26 青岛海信电器股份有限公司 推荐信息的显示方法、装置及系统
WO2016209675A1 (en) 2015-06-25 2016-12-29 Sony Corporation System and method for multimedia promotion and content prioritization
CN106294830A (zh) * 2016-08-17 2017-01-04 合智能科技（深圳）有限公司 多媒体资源的推荐方法及装置
CN106326391A (zh) * 2016-08-17 2017-01-11 合智能科技（深圳）有限公司 多媒体资源推荐方法及装置
CN106339489A (zh) * 2016-08-31 2017-01-18 南京炫佳网络科技有限公司 动漫ip用户喜好度评估算法
CN106537437A (zh) * 2014-12-31 2017-03-22 谷歌公司 识别具有被一个或多个用户多次消费的高可能性的媒体信道
CN106909589A (zh) * 2015-12-23 2017-06-30 北京奇虎科技有限公司 一种数据推荐方法和装置
CN106951137A (zh) * 2017-03-02 2017-07-14 合网络技术（北京）有限公司 多媒体资源的分类方法及装置
CN107133232A (zh) * 2016-02-29 2017-09-05 惠州华阳通用电子有限公司 一种车载在线音乐推荐方法及装置
CN107547922A (zh) * 2016-10-28 2018-01-05 腾讯科技（深圳）有限公司 信息处理方法、装置及系统
CN107592572A (zh) * 2017-09-21 2018-01-16 广州华多网络科技有限公司 视频推荐方法、装置及其设备
CN107786899A (zh) * 2017-10-17 2018-03-09 北京小米移动软件有限公司 节目推荐方法及装置
CN111274278A (zh) * 2020-01-19 2020-06-12 托普朗宁(北京)教育科技有限公司 辅助学习的方法、装置及可读存储介质
CN113918738A (zh) * 2021-12-07 2022-01-11 北京达佳互联信息技术有限公司 多媒体资源推荐方法、装置、电子设备及存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11290783B2 (en) * 2015-03-17 2022-03-29 Comcast Cable Communications, Llc Real-time recommendations for altering content output
US11483618B2 (en) * 2015-06-23 2022-10-25 Gregory Knox Methods and systems for improving user experience
US10664500B2 (en) * 2015-12-29 2020-05-26 Futurewei Technologies, Inc. System and method for user-behavior based content recommendations
US9659068B1 (en) 2016-03-15 2017-05-23 Spotify Ab Methods and systems for providing media recommendations based on implicit user behavior
US10609453B2 (en) 2017-02-21 2020-03-31 The Directv Group, Inc. Customized recommendations of multimedia content streams
CN109327739B (zh) * 2018-11-27 2022-02-25 广州虎牙信息科技有限公司 一种视频处理方法、装置、计算设备和存储介质
CN111639199A (zh) * 2020-06-04 2020-09-08 北京声智科技有限公司 多媒体文件推荐方法、装置、服务器及存储介质
CN114071119B (zh) * 2020-07-31 2024-03-19 北京达佳互联信息技术有限公司 资源的测试方法、装置、电子设备及存储介质
US11641506B2 (en) * 2020-11-11 2023-05-02 Rovi Guides, Inc. Systems and methods for providing media recommendations
CN112632369B (zh) * 2020-12-05 2023-03-24 武汉风行在线技术有限公司 一种识别笑声的短视频推荐系统及方法
CN113014938B (zh) * 2021-02-24 2022-06-14 北京金和网络股份有限公司 多维度视频直播推荐方法及装置
CN114302242B (zh) * 2022-01-25 2023-10-31 聚好看科技股份有限公司 一种媒资推荐方法、显示设备及服务器
US20240022791A1 (en) * 2022-07-15 2024-01-18 Rovi Guides, Inc. Systems and methods to adapt a schedule to be played by a media player

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030014407A1 (en) * 2001-04-11 2003-01-16 Green Arrow Media, Inc. System and method for making media recommendations
CN1788280A (zh) * 2003-05-12 2006-06-14 皇家飞利浦电子股份有限公司 用于执行基于简档的协同过滤的装置和方法
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
CN103500215A (zh) * 2013-09-30 2014-01-08 乐视网信息技术（北京）股份有限公司 一种多媒体文件推荐方法及装置
CN103514255A (zh) * 2013-07-11 2014-01-15 江苏谐云智能科技有限公司 一种基于项目层次类别的协同过滤推荐方法
CN103544212A (zh) * 2013-09-09 2014-01-29 Tcl集团股份有限公司 一种内容推荐方法及系统

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8751957B1 (en) * 2000-11-22 2014-06-10 Pace Micro Technology Plc Method and apparatus for obtaining auditory and gestural feedback in a recommendation system
KR100493902B1 (ko) 2003-08-28 2005-06-10 삼성전자주식회사 콘텐츠 추천방법 및 시스템
US7716194B2 (en) * 2005-01-12 2010-05-11 Microsoft Corporation File management system employing time line based representation of data
JP2006325011A (ja) * 2005-05-19 2006-11-30 Hitachi Ltd 録画番組選択支援方法および録画再生装置
WO2007010443A2 (en) * 2005-07-21 2007-01-25 Koninklijke Philips Electronics N.V. Collaborative device for enabling users to select collaborative content, and method thereof
US9514436B2 (en) * 2006-09-05 2016-12-06 The Nielsen Company (Us), Llc Method and system for predicting audience viewing behavior
EP2343660A1 (en) 2007-03-31 2011-07-13 Sony Deutschland GmbH Method for content recommendation
US8549550B2 (en) 2008-09-17 2013-10-01 Tubemogul, Inc. Method and apparatus for passively monitoring online video viewing and viewer behavior
JP2009081637A (ja) * 2007-09-26 2009-04-16 Brother Ind Ltd 番組情報選択装置および番組情報選択プログラム
JP4538756B2 (ja) 2007-12-03 2010-09-08 ソニー株式会社 情報処理装置、情報処理端末、情報処理方法、およびプログラム
JP2009267445A (ja) * 2008-04-21 2009-11-12 Toshiba Corp 嗜好性情報管理装置及び嗜好性情報管理方法
KR20090121016A (ko) 2008-05-21 2009-11-25 박영민 시청자 반응 측정 방법 및 시스템
CN101763351A (zh) * 2008-12-23 2010-06-30 未序网络科技（上海）有限公司 基于数据融合的视频节目推荐方法
EP2275984A1 (en) * 2009-07-17 2011-01-19 Axel Springer Digital TV Guide GmbH Automatic information selection based on involvement classification
JP2011130279A (ja) * 2009-12-18 2011-06-30 Sony Corp コンテンツ提供サーバ、コンテンツ再生装置、コンテンツ提供方法、コンテンツ再生方法、プログラムおよびコンテンツ提供システム
JP2011166572A (ja) * 2010-02-12 2011-08-25 Nec Personal Products Co Ltd 番組嗜好推定装置、画像視聴システム、番組視聴確認方法、及びプログラム
CN101901450A (zh) * 2010-07-14 2010-12-01 中兴通讯股份有限公司 媒体内容推荐方法和媒体内容推荐系统
US20120222057A1 (en) * 2011-02-27 2012-08-30 Richard Scott Sadowsky Visualization of affect responses to videos
US20130110618A1 (en) * 2011-11-02 2013-05-02 Yahoo! Inc. Online article syndication via content packages
JP2013109537A (ja) * 2011-11-21 2013-06-06 Nippon Hoso Kyokai <Nhk> 関心度推定装置及びそのプログラム
CN102402625A (zh) 2011-12-28 2012-04-04 深圳市五巨科技有限公司 一种音乐推荐的方法及系统
CA2775700C (en) * 2012-05-04 2013-07-23 Microsoft Corporation Determining a future portion of a currently presented media program
US20140026156A1 (en) * 2012-07-18 2014-01-23 David Deephanphongs Determining User Interest Through Detected Physical Indicia
CN103136351B (zh) 2013-02-25 2017-04-19 Tcl集团股份有限公司 一种媒体系统的媒体文件推送方法及媒体系统
CN103324729B (zh) 2013-06-27 2017-03-08 小米科技有限责任公司 一种推荐多媒体资源的方法和装置
CN103327111A (zh) 2013-07-01 2013-09-25 百度在线网络技术（北京）有限公司 多媒体文件的推荐方法、系统和服务器
US9264770B2 (en) * 2013-08-30 2016-02-16 Rovi Guides, Inc. Systems and methods for generating media asset representations based on user emotional responses
US9338489B2 (en) * 2014-04-23 2016-05-10 Netflix, Inc. Recommending media items based on take rate signals
CN104035982B (zh) * 2014-05-28 2017-10-20 小米科技有限责任公司 多媒体资源推荐方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030014407A1 (en) * 2001-04-11 2003-01-16 Green Arrow Media, Inc. System and method for making media recommendations
CN1788280A (zh) * 2003-05-12 2006-06-14 皇家飞利浦电子股份有限公司 用于执行基于简档的协同过滤的装置和方法
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
CN103514255A (zh) * 2013-07-11 2014-01-15 江苏谐云智能科技有限公司 一种基于项目层次类别的协同过滤推荐方法
CN103544212A (zh) * 2013-09-09 2014-01-29 Tcl集团股份有限公司 一种内容推荐方法及系统
CN103500215A (zh) * 2013-09-30 2014-01-08 乐视网信息技术（北京）股份有限公司 一种多媒体文件推荐方法及装置

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10289621B2 (en) 2014-05-28 2019-05-14 Xiaomi Inc. Method and apparatus for recommending multimedia resource
WO2015180385A1 (zh) * 2014-05-28 2015-12-03 小米科技有限责任公司 多媒体资源推荐方法及装置
CN106537437A (zh) * 2014-12-31 2017-03-22 谷歌公司 识别具有被一个或多个用户多次消费的高可能性的媒体信道
CN107637085B (zh) * 2015-06-25 2021-12-10 索尼公司 用于多媒体推广和对内容优先排序的系统和方法
WO2016209675A1 (en) 2015-06-25 2016-12-29 Sony Corporation System and method for multimedia promotion and content prioritization
EP3295407A4 (en) * 2015-06-25 2018-12-12 Sony Corporation System and method for multimedia promotion and content prioritization
CN107637085A (zh) * 2015-06-25 2018-01-26 索尼公司 用于多媒体推广和对内容优先排序的系统和方法
CN105245957A (zh) * 2015-11-05 2016-01-13 京东方科技集团股份有限公司 视频推荐方法、装置和系统
CN106909589A (zh) * 2015-12-23 2017-06-30 北京奇虎科技有限公司 一种数据推荐方法和装置
CN105574199A (zh) * 2015-12-28 2016-05-11 合一网络技术(北京)有限公司 搜索引擎的虚假搜索行为的识别方法和装置
CN105574199B (zh) * 2015-12-28 2020-04-21 合一网络技术(北京)有限公司 搜索引擎的虚假搜索行为的识别方法和装置
CN105719164A (zh) * 2016-01-21 2016-06-29 海信集团有限公司 一种推荐付费多媒体资源的方法及装置
CN107133232A (zh) * 2016-02-29 2017-09-05 惠州华阳通用电子有限公司 一种车载在线音乐推荐方法及装置
CN105843876A (zh) * 2016-03-18 2016-08-10 合网络技术（北京）有限公司 多媒体资源的质量评估方法和装置
CN105975535A (zh) * 2016-04-29 2016-09-28 合网络技术（北京）有限公司 多媒体资源的推荐方法和装置
CN106060590A (zh) * 2016-07-07 2016-10-26 青岛海信电器股份有限公司 推荐信息的显示方法、装置及系统
CN106060590B (zh) * 2016-07-07 2020-01-31 青岛海信电器股份有限公司 推荐信息的显示方法、装置及系统
CN106326391A (zh) * 2016-08-17 2017-01-11 合智能科技（深圳）有限公司 多媒体资源推荐方法及装置
CN106294830A (zh) * 2016-08-17 2017-01-04 合智能科技（深圳）有限公司 多媒体资源的推荐方法及装置
CN106326391B (zh) * 2016-08-17 2020-02-14 合一智能科技（深圳）有限公司 多媒体资源推荐方法及装置
CN106339489A (zh) * 2016-08-31 2017-01-18 南京炫佳网络科技有限公司 动漫ip用户喜好度评估算法
CN107547922A (zh) * 2016-10-28 2018-01-05 腾讯科技（深圳）有限公司 信息处理方法、装置及系统
CN106951137A (zh) * 2017-03-02 2017-07-14 合网络技术（北京）有限公司 多媒体资源的分类方法及装置
US11042582B2 (en) 2017-03-02 2021-06-22 Alibaba Group Holding Limited Method and device for categorizing multimedia resources
CN107592572A (zh) * 2017-09-21 2018-01-16 广州华多网络科技有限公司 视频推荐方法、装置及其设备
CN107592572B (zh) * 2017-09-21 2021-05-14 广州方硅信息技术有限公司 视频推荐方法、装置及其设备
CN107786899A (zh) * 2017-10-17 2018-03-09 北京小米移动软件有限公司 节目推荐方法及装置
CN111274278A (zh) * 2020-01-19 2020-06-12 托普朗宁(北京)教育科技有限公司 辅助学习的方法、装置及可读存储介质
CN113918738A (zh) * 2021-12-07 2022-01-11 北京达佳互联信息技术有限公司 多媒体资源推荐方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
JP6110030B2 (ja) 2017-04-05
EP2950551A1 (en) 2015-12-02
MX359702B (es) 2018-10-05
JP2016524768A (ja) 2016-08-18
US20150347416A1 (en) 2015-12-03
WO2015180385A1 (zh) 2015-12-03
KR101732591B1 (ko) 2017-05-04
RU2014151407A (ru) 2016-08-20
KR20160000399A (ko) 2016-01-04
BR112015000039B1 (pt) 2022-01-18
EP2950551B1 (en) 2017-11-15
BR112015000039A2 (pt) 2017-06-27
MX2015000199A (es) 2016-03-03
RU2611260C2 (ru) 2017-02-21
US10289621B2 (en) 2019-05-14
CN104035982B (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN104035982A (zh) 多媒体资源推荐方法及装置
CN104021162A (zh) 一种为多媒体资源打分的方法及装置
US11798011B2 (en) Methods and apparatus to identify users associated with device application usage
US10653934B2 (en) Systems, devices, and methods employing the same for enhancing audience engagement in a competition or performance
CN109118290B (zh) 方法、系统和计算机可读非暂时性存储介质
US9600834B2 (en) Aggregating data from multiple devices belonging to one user for directed ad targeting
CA2832557C (en) Recommending digital content based on implicit user identification
US9560149B2 (en) Methods and apparatus to create a panel of media device users
CN105230034A (zh) 用于标识伴随媒体交互的方法和设备
US20140208219A1 (en) Display apparatus and method for providing customer-built information using the same
CN110035302B (zh) 信息推荐及模型训练方法和装置、计算设备、存储介质
CN104598505A (zh) 多媒体资源推荐方法及装置
US20160267521A1 (en) Systems and methods for electronically monitoring audience attentiveness and receptiveness
US10425687B1 (en) Systems and methods for determining television consumption behavior
US20160088362A1 (en) Content playback device and advertisement display method for content playback device
CN104090921A (zh) 多媒体文件播放方法、装置、终端及服务器
CN115834959B (zh) 一种视频推荐信息确定方法、装置、电子设备和介质
US10503776B2 (en) Image display apparatus and information providing method thereof
US11676180B1 (en) AI-based campaign and creative target segment recommendation on shared and personal devices
RU2495485C1 (ru) Способ мониторинга информации о предпочтениях пользователей на основе анализа восприятия ими контента (варианты)
US11869039B1 (en) Detecting gestures associated with content displayed in a physical environment
CN113254503A (zh) 一种内容挖掘方法、装置及相关产品
CN115437931A (zh) 基于算法筛选的模型配置方法、装置、设备、存储介质

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