CN104077339A - 多媒体数据的用户偏好度获取的方法、装置和系统 - Google Patents
多媒体数据的用户偏好度获取的方法、装置和系统 Download PDFInfo
- Publication number
- CN104077339A CN104077339A CN201310286786.3A CN201310286786A CN104077339A CN 104077339 A CN104077339 A CN 104077339A CN 201310286786 A CN201310286786 A CN 201310286786A CN 104077339 A CN104077339 A CN 104077339A
- Authority
- CN
- China
- Prior art keywords
- multimedia
- request
- user preference
- preference degree
- play
- 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
Links
Classifications
-
- 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
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种多媒体数据的用户偏好度获取的方法,包括:获取被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数;统计出请求播放过的多媒体的数目和请求播放次数;根据请求播放过的多媒体的数目和请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。本发明还公开了一种多媒体数据的用户偏好度获取的装置以及系统。本发明公开的一种多媒体数据的用户偏好度获取的方法﹑装置以及系统智能解决了多媒体播放偏好度问题,多媒体播放偏好度的数据更准确和更真实,更方便用户。
Description
技术领域
本发明涉及用户偏好度获取技术领域,尤其涉及多媒体数据的用户偏好度获取的方法、装置和系统。
背景技术
随着移动互联网的快速发展,越来越多的用户使用智能终端进行音乐播放或视频观看。流行音乐的排行榜、高分排行榜等的核心数据都与用户对某个作品的评分有着高度联系。用户的打分反应了用户的偏好度,一个良好的多媒体播放打分算法,对多媒体播放排行、多媒体播放推荐等起到关键性的作用,特别是音乐、电影、小说等网站中,用户对某个作品的评分对于首页展示起着非常关键的作用。
现有技术中,现有的方案有:
(1)通过抓取用户手动打分的数据来分析;通过用户的“我喜欢”、“收藏”、“分享”等操作加权去分析得到偏好度;
(2)通过抓取听众的人数来根据热度打分。
但是有几个问题:
1、用户是否会去给某个作品打分?
2、用户的对某个音乐的打分是否真正反映其内心的评价?
3、“收藏”、“分享”之类的操作反馈的数据是否能反映用户长时间的喜好还是一时的喜好?
据此,人们发现,现有技术至少具有以下的缺点:
1.并不是所有的用户都愿意去手动打分,所以获取的手动打分数据不能真实反映一首多媒体播放受欢迎程度。
2.用户点击“我喜欢”、“收藏”、“分享”等操作并不一定能真正反映用户的喜好程度,如:用户瞬时的误点击操作,便不能真实反映用户长时间后内心的喜好。
总之,目前现有的技术方案中,抓取的数据并不能真正反映一首多媒体播放受欢迎程度,人们希望系统抓取的有关多媒体播放打分的数据更准确和更真实,多媒体播放打分的技术方案更方便用户。
发明内容
本发明实施例提供一种多媒体数据的用户偏好度获取的方法、装置和系统,其可以实现自动打分,多媒体播放打分的数据更准确和更真实,多媒体播放打分的技术方案更方便用户。
本发明实施例采用以下技术方案:
第一方面,本发明公开了一种多媒体数据的用户偏好度获取的方法,包括:
获取被请求播放过的多媒体数据,所述的多媒体数据包括每个多媒体请求播放的次数;
统计出请求播放过的多媒体的数目和每个多媒体请求播放次数;
根据请求播放过的多媒体的数目和每个多媒体请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;及
利用所述用户偏好度对多媒体进行管理,
第二方面,本发明公开了一种多媒体数据的用户偏好度获取的装置,包括:
多媒体数据获取单元,用于获取被请求播放过的多媒体数据,所述的多媒体数据包括每个多媒体请求播放的次数;
播放统计单元,用于统计出请求播放过的多媒体的数目和每个多媒体请求播放次数;
用户偏好度获取单元,用于根据请求播放过的多媒体的数目和每个多媒体请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;及利用所述用户偏好度对多媒体进行管理。
第三方面,本发明公开了一种多媒体数据的用户偏好度获取的系统,包括至少一个终端,与所述的终端相连的控制中心,所述的控制中心或终端具有上述的多媒体数据的用户偏好度获取的装置。
本发明的一种多媒体数据的用户偏好度获取的方法、装置和系统提供的技术方案带来的有益效果:
区别于现有技术中系统需要用户通过手动打分来获得多媒体播放排行的数据的不真实及不准确,本发明基于大量用户真正请求播放的多媒体播放次数和时长,能够反应用户对多媒体播放的认可程度,因此,给出了基于过滤后的多媒体数据,智能解决了多媒体播放打分(反映用户偏好度)问题,省去让用户点击“喜欢”、“收藏”等操作的繁琐,获取到了更可靠、更真实、更准确的数据,从而使多媒体播放打分更科学、更方便用户。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,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,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明实施例提供的多媒体数据的用户偏好度获取的方法第一实施例的方法流程图。
图2是本发明实施例提供的多媒体数据的用户偏好度获取的方法第二实施例的方法流程图。
图3是本发明实施例提供的多媒体数据的用户偏好度获取的方法第三实施例的方法流程图。
图4是本发明实施例提供的多媒体数据的用户偏好度获取的方法第四实施例的方法流程图。
图5是图4中的偏好度曲线图;
图6是本发明实施例提供的多媒体数据的用户偏好度获取的装置第一个实施例的结构方框图。
图7是本发明实施例提供的多媒体数据的用户偏好度获取的装置第二个实施例的结构方框图。
图8是本发明实施例提供的多媒体数据的用户偏好度获取的装置第三个实施例的结构方框图。
图9是本发明实施例提供的多媒体数据的用户偏好度获取的装置第四个实施例的结构方框图。
图10是本发明实施例提供的多媒体数据的用户偏好度获取的系统第一个实施例的结构方框图。
图11是本发明实施例提供的多媒体数据的用户偏好度获取的系统第二个实施例的结构方框图。
图12是本发明实施例提供的多媒体数据的用户偏好度获取的系统第三个实施例的结构方框图。
图13是本发明实施例提供的多媒体数据的用户偏好度获取的系统第四个实施例的结构方框图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,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。
本实施例的多媒体数据(例如,用户听歌流水数据)的用户偏好度获取的方法主要应用于各种终端,包括智能手机、平板电脑、移动互联网设备(MID,Mobile Internet Device)、图书阅读器、MP4(Moving Picture ExpertsGroup Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑等。
本发明的核心思想是,获取用户对多媒体的播放次数和时长数据,通过统计反应用户对多媒体播放的认可度,通过建立一个模型,此模型基于用户多媒体播放时的系统自动抓取的实体数据,例如:用户多媒体播放次数与时长信息,智能给乐曲打分,省去了“分享”、“收藏”、“我喜欢”等复杂操作,更方便用户,同时,即使用户不进行主动地打分动作,也可以根据用户的实际操作行为得出用户对多媒体的偏好度。
请参考图1,本发明实施例提供的多媒体数据的用户偏好度获取的方法第一个实施例的方法流程图,包括:
步骤S101、获取被请求播放过的多媒体数据,所述的多媒体数据为历史的数据,主要为多媒体播放信息,这些信息包括每个多媒体请求播放的次数;
多媒体内容的评分是音乐推荐,曲目排行榜等考虑的重要因素。一个良好的多媒体播放打分算法,对多媒体播放排行、多媒体播放推荐等起到关键性作用。
步骤S102、统计出请求播放过的多媒体的数目和每个多媒体请求播放次数;进一步地,通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数及每次多媒体的播放时长;其中,所述过滤方法包括:如果播放时长大于等于预置的时长阈值,则本次请求播放为有效请求播放,如果请求播放过的多媒体中至少有一次为有效请求播放,则本请求播放过的多媒体为有效请求播放过的多媒体;
其中,所述过滤方法包括:如果播放时长大于等于预置的时长阈值,则本次请求播放为有效请求播放,如果请求播放过的多媒体中至少有一次为有效请求播放,则本请求播放过的多媒体为有效请求播放过的多媒体。
步骤S103、根据请求播放过的多媒体的数目和每个多媒体请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理,进一步,根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。
首先获取用户某一段时间内(比如一周)的多媒体数据,根据一定的打分模型,自动得出偏好度,将所述的偏好度关联多媒体播放ID,通过多个多媒体播放的偏好度进行排名,即可自动获得某一多媒体播放的受欢迎的程度。
本发明实施例可以是在打开音乐、电影、小说等网页时执行一次,依次执行每一个步骤S101-S103,也可以根据用户在音乐、电影、小说等网页停留时间循环执行,步骤S103后,返回步骤S101,根据用户的请求播放次数不断获取用户偏好度。
综上,区别于现有技术中需要用户通过手动打分来获得多媒体播放排行,存在数据的不真实及不准确的问题,本发明实施例一的方法获取被请求播放过的多媒体数据,通过系统自动统计出请求播放过的多媒体的数目和请求播放次数;计算出每个请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。本发明能基于请求播放的多媒体数据,能够反应用户对多媒体播放的认可程度,智能解决了多媒体播放打分问题,省去让用户点击“喜欢”、“收藏”等操作的繁琐,获取到了更可靠、更真实、更准确的数据,从而使多媒体播放打分更科学、更方便用户。
请参考图2,其是本发明实施例提供的多媒体数据的用户偏好度获取的方法第二个实施例的方法流程图,与实施例一的区别在于,进一步说明在持续时间长度周期性获取被请求播放过的多媒体数据,通过所述的多媒体数据不断地计算用户偏好度,具体是:
步骤S201、预设周期性的持续时间长度;
预定的持续时间长度用于表示用户在一定时间范围内对多媒体播放的偏好程度,该持续时间长度可根据实际应用情况进行设置,一般地,周期性的持续时间长度为3天~30天,如:可为3天、30天、2周、4周等。
步骤S202、获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数、每次播放的播放时长以及请求播放的多媒体的ID(Identity,身份标识号码)。
获取多媒体数据,如:请求播放的次数、每次播放的播放时长以及请求播放的多媒体的ID等等,可以通过用户注册的ID在某一音乐,电影网页的停留时间来获取,也可以通过用户下载的多媒体的流量来获取。
步骤S203、预置时长阈值。
该时长阈值可根据实际应用情况进行设置,预置的时长阈值为10s~60s,如:可为10s、20s、30s、60s等。
步骤S204、通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数;
如果用户长时间对多媒体播放时间低于阈值,如用户一周时间内对某一首歌曲,只听过12s,就再也没有点击过,说明该用户对该歌曲实际上是不感兴趣的,该歌曲应归属于用户不喜欢的类型而加以过滤淘汰掉。
步骤S205、根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度,利用所述用户偏好度对多媒体进行管理。
管理包括过滤后的多媒体进行排序或推荐。
综上,本发明实施例二中的方法预设周期性的持续时间长度,获取所述的持续时间长度内的被请求播放过的多媒体数据,通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度,利用所述用户偏好度对多媒体进行管理。该实施例二能周期性地获取被请求播放过的多媒体数据,更进一步提高了用户偏好度的准确性,更接近于用户实际的心里体验,更进一步方便了系统的记分,使数据更准确,更反应实际,周期性地自动抓取多媒体数据,抓取的数据更多,更真实,减小了瞬时效应概率,打分更准确。
请参考图3,其是本发明实施例提供的多媒体数据的用户偏好度获取的方法第三个实施例的方法流程图,与实施例二步骤大部分相同,不同区别在于,进一步说明过滤一段时间内播放次数过少及时长过短的多媒体数据,使计算出的偏好度更接近于真实,更进一步反应了用户的心理体验,具体是:
步骤S301、预设周期性的持续时间长度;
步骤S302、获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数、每次播放的播放时长(包括请求播放的多媒体的ID);
步骤S303、预置时长阈值;
步骤S303a、判断多媒体的播放时长是否小于预置的时长阈值,如果是,进入步骤S303b;如果否,进入步骤S304。
步骤S303b、丢弃该多媒体数据,并返回步骤步骤S301。
步骤S304、预置次数阈值;
步骤S304a、判断多媒体的播放次数是否小于预置的次数阈值,如果是,进入步骤S304b;如果否,进入步骤S305;
步骤S304b、丢弃所述的多媒体数据,并返回步骤步骤S301。
其中,该次数阈值可根据实际应用情况进行设置,可为2次或3次。
步骤S305、通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数;
步骤S306、根据有效请求播放过的多媒体的数目和有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度,利用所述用户偏好度对多媒体进行管理。
综上,本发明实施例三中的方法进一步地智能解决了多媒体播放打分问题,周期性地自动抓取多媒体的数据,淘汰了多媒体播放时长过短及次数过少的数据,更进一步提高了抓取的数据的科学性,更真实显示用户真实心理预期。
请参考图4,其是本发明实施例提供的多媒体数据的用户偏好度获取的方法第四个实施例的方法流程图,与实施例三大部分相同,不同之处在于,实施四包括多媒体偏好度计算步骤以及与现有系统中需要用户互动项中的的“我喜欢”,“我收藏”等相结合的步骤。
即:
步骤S401、预设周期性的持续时间长度;
步骤S402、获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括每个多媒体请求播放的次数、每次播放的播放时长以及请求播放的多媒体的ID;
步骤S403、预置时长阈值;
步骤S403a、判断某一多媒体的ID播放时长是否小于预置的时长阈值,如果是,进入步骤S303b;如果否,进入步骤S304。
步骤S403b、丢弃所述ID对应的多媒体数据,并返回步骤S301。
步骤S404、预置次数阈值;
步骤S404a、判断某一多媒体的ID播放次数是否小于预置的次数阈值,如果是,进入步骤S304b;如果否,进入步骤S305;
步骤S404b、丢弃所述ID对应的多媒体数据,并返回步骤步骤S301。
其中,该次数阈值可根据实际应用情况进行设置,可为2次或3次。
步骤S405、通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数;
步骤S406a、设定多媒体数据的用户偏好度下限值、中间值和上限值;其中,所述中间值对应平均播放请求次数;
步骤S406b、基于对某一多媒体的有效请求播放次数、所述平均播放请求次数、过滤后的所有有效多媒体播放请求次数总和,进行归一化处理,并根据所述上限值、中间值和下限值,得到该多媒体的用户偏好度。
具体地说:若对某一多媒体的播放请求次数小于或等于所述平均播放请求次数,则基于该播放请求次数和所述平均播放请求次数进行归一化处理,并根据所述下限值和中间值,得到该多媒体的用户偏好度;
若对某一多媒体的播放请求次数大于所述平均播放请求次数,则基于该播放请求次数、过滤后的所有多媒体播放请求次数总和与所述平均播放请求次数进行归一化处理,并根据所述上限值和中间值,得到该多媒体的用户偏好度。
由实践证实,多媒体的用户偏好度的归一化处理计算公式为:
其中,t=1+sin(((x(i)-E)/(N-E)+3)*0.5*pi);
V为有效播放请求过的多媒体的用户偏好度;
pi为圆周率;
x(i)为多媒体的有效播放次数;
E为有效播放请求过的多媒体的平均播放次数,E=N/S,S为有效播放请求过的多媒体数据的数目,N为全部有效播放请求过的多媒体数据的有效播放次数;
low为预置的最低播放次数的用户偏好度;
mid为预置的平均播放次数的用户偏好度;
high为预置的最高播放次数的用户偏好度。
其中,Low的用户偏好度为0,mid的用户偏好度为80,high的用户偏好度为100。但,该分值是可以根据实际情况加以改变的,可以取值为Low的用户偏好度为10,mid的用户偏好度为60,high的用户偏好度为100,还可以取值为:Low的用户偏好度为-100,mid的用户偏好度为0,high的用户偏好度为100等等。
步骤S406c、若检测到系统中的“我喜欢”“我收藏”之类的互动操作中没有统计用户偏好度分值最高的多媒体,则将用户偏好度分值最高对应的多媒体直接统计入“我喜欢”“我收藏”之类的操作中。
综上,本发明实施例四中的方法根据给出了用户偏好度的实际算法,并结合现有系统中的“我喜欢”,“我收藏”,更进一步提高偏好度数据的真实性,可靠性,直观性。
对于实施例四中的打分模型的公式,见图5,以偏好度计算方法曲线图举例说明:
假设low为坐标原点,起点为0,mid为80,high为100,N为100,E为60,给出的偏好度计算方法曲线图。
可以看到在均值附近的点,得到的偏好度是比较相似的,远离均值的点,有了急速下降或者上升,而在均值附近的点,变化趋势较小。换言之,最低的请求播放次数最少的偏好度较低,请求播放次数较较高的偏好度较高。
以下为本发明实施例提供的多媒体数据的用户偏好度获取的装置的实施例。多媒体数据的用户偏好度获取的装置的实施例与上述的多媒体数据的用户偏好度获取的方法实施例属于同一构思,装置的实施例中未详尽描述的细节内容,可以参考上述方法实施例。
请参阅图6,实施例一,本发明公开了一种多媒体数据的用户偏好度获取的装置1,包括:
多媒体数据获取单元100,用于获取被请求播放过的多媒体数据,所述的多媒体数据包括每个多媒体请求播放的次数;
播放统计单元110,播放统计单元,用于统计出请求播放过的多媒体的数目和每个多媒体请求播放次数;进一步地,具体用于通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数及每次多媒体的播放时长;
用户偏好度获取单元120,用户偏好度获取单元,用于根据请求播放过的多媒体的数目和每个多媒体请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理,进一步地,具体用于根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理,
其中,所述过滤方法包括:如果播放时长大于等于预置的时长阈值,则本次请求播放为有效请求播放,如果请求播放过的多媒体中至少有一次为有效请求播放,则本请求播放过的多媒体为有效请求播放过的多媒体。
综上,区别于现有技术的装置中需要用户通过手动打分来获得多媒体播放排行的数据的不真实及不准确,本发明获取被请求播放过的多媒体数据,通过系统自动统计出请求播放过的多媒体的数目和请求播放次数;计算出每个请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。本发明能基于请求播放的多媒体数据,能够反应用户对多媒体播放的认可程度,智能解决了多媒体播放打分问题,省去让用户点击“喜欢”、“收藏”等操作的繁琐,获取到了更可靠、更真实、更准确的数据,从而使多媒体播放打分更科学、更方便用户。
请参阅图6,实施例二,本发明公开了一种多媒体数据的用户偏好度获取的装置2,与实施例一中的装置大部分相同,不同之处主要在于,多媒体数据获取单元100的结构,具体说明如下:
时间长度预设单元100a,用于预设周期性的持续时间长度;
持续性多媒体数据获得单元100b,用于获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数、每次播放的播放时长(包括请求播放的多媒体的ID)。
进一步地,所述的周期性的持续时间长度为3天~30天。
时长阈值预置单元105,用于预置时长阈值;
播放统计单元110,用于通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数;
用户偏好度获取单元120,用于根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理,
其中,所述过滤方法包括:如果播放时长大于等于预置的时长阈值,则本次请求播放为有效请求播放,如果请求播放过的多媒体中至少有一次为有效请求播放,则本请求播放过的多媒体为有效请求播放过的多媒体。
综上,本发明实施例二中的装置预设周期性的持续时间长度,获取所述的持续时间长度内的被请求播放过的多媒体数据,通过过滤方法统计出有效请求播放过的多媒体的数目和有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度,利用所述用户偏好度对多媒体进行管理。该实施例二能周期性地获取被请求播放过的多媒体数据,更进一步提高了用户偏好度的准确性,更接近于用户实际的心里体验,更进一步方便了系统的记分,使数据更准确,更反应实际,周期性地自动抓取多媒体数据,抓取的数据更多,更真实,减小了瞬时效应概率,打分更准确。
请参阅图7,实施例三,本发明公开了一种多媒体数据的用户偏好度获取的装置3,与实施例二中的装置大部分相同,不同之处主要在于,播放统计单元110的结构,具体说明如下:
时间长度预设单元100a,用于预设周期性的持续时间长度;
持续性多媒体数据获得单元100b,用于获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数、每次播放的播放时长(包括请求播放的多媒体的ID)。
进一步地,所述的周期性的持续时间长度为3天~30天。
时长阈值预置105,用于预置时长阈值;
次数阈值预置106,用于预置次数阈值;
播放统计单元110,用于通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数;
其中,播放统计单元110进一步包括多媒体数据丢弃单元115,用于如果某一多媒体的ID播放次数小于预置的次数阈值,则丢弃所述ID对应的的多媒体数据。
进一步地,所述的次数阈值为2次~3次。
用户偏好度获取单元120,用于根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。
综上,本发明实施例三中的装置进一步地智能解决了多媒体播放打分问题,周期性地自动抓取多媒体的数据,淘汰了多媒体播放时长过短及次数过少的数据,更进一步提高了抓取的数据的科学性,更真实显示用户真实心理预期。
请参阅图8,实施例四,本发明公开了一种多媒体数据的用户偏好度获取的装置4,与实施例三中的装置大部分相同,不同之处主要在于,用户偏好度获取单元120的结构,具体说明如下:
时间长度预设单元100a,用于预设周期性的持续时间长度;
持续性多媒体数据获得单元100b,用于获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数、每次播放的播放时长(包括请求播放的多媒体的ID)。
进一步地,所述的周期性的持续时间长度为3天~30天。
时长阈值预置105,用于预置时长阈值;
次数阈值预置106,用于预置次数阈值;
播放统计单元110,用于通过过滤方法统计出有效请求播放过的多媒体的数目和有效请求播放次数;
其中,播放统计单元110进一步包括多媒体数据丢弃单元115,用于如果某一多媒体的ID播放次数小于预置的次数阈值,则丢弃所述ID对应的的多媒体数据。
进一步地,所述的次数阈值为2次~3次。
用户偏好度获取单元120,用于根据有效请求播放过的多媒体的数目和有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。
用户偏好度获取单元120,包括:
下限值设定单元120a,用于设定多媒体数据的用户偏好度下限值;
中间值设定单元120b,用于设定多媒体数据的用户偏好度中间值,其中,所述中间值对应平均播放请求次数;
下限值设定单元120c,用于设定多媒体数据的用户偏好度下限值;
归一化处理单元121,用于基于对某一多媒体的有效请求播放次数、所述平均播放请求次数、过滤后的所有有效多媒体播放请求次数总和,进行归一化处理,并根据所述上限值、中间值和下限值,得到该多媒体的用户偏好度。
作为本发明所述的装置进一步的改进,所述的归一化处理单元121,进一步包括:
第一归一化处理单元121a,用于若对某一多媒体的播放请求次数小于或等于所述平均播放请求次数,则基于该播放请求次数和所述平均播放请求次数进行归一化处理,并根据所述下限值和中间值,得到该多媒体的用户偏好度;
第二归一化处理单元121b,用于若对某一多媒体的播放请求次数大于所述平均播放请求次数,则基于该播放请求次数、过滤后的所有多媒体播放请求次数总和与所述平均播放请求次数进行归一化处理,并根据所述上限值和中间值,得到该多媒体的用户偏好度。
归一化处理,多媒体的用户偏好度的计算公式为:
其中,t=1+sin(((x(i)-E)/(N-E)+3)*0.5*pi);
V为有效播放请求过的多媒体的用户偏好度;
pi为圆周率;
x(i)为多媒体的有效播放次数;
E为有效播放请求过的多媒体的平均播放次数,E=N/S,S为有效播放请求过的多媒体数据的数目,N为全部有效播放请求过的多媒体数据的有效播放次数;
low为预置的最低播放次数的用户偏好度;
mid为预置的平均播放次数的用户偏好度;
high为预置的最高播放次数的用户偏好度。
作为本发明所述的装置中,所述Low的用户偏好度为0,mid的用户偏好度为80,high的用户偏好度为100。
偏好度加入单元122,用于若系统中的“我喜欢”“我收藏”之类的互动操作中没有统计用户偏好度分值最高的多媒体,则将用户偏好度分值最高对应的多媒体直接统计入“我喜欢”“我收藏”之类的操作中。
综上,本发明实施例四中的装置根据给出了用户偏好度的实际算法,并结合现有系统中的“我喜欢”,“我收藏”,更进一步提高偏好度数据的真实性,可靠性,直观性。
请参阅图9,第一实施例,本发明公开了一种多媒体数据的用户偏好度获取的系统500,包括至少一个终端501,与终端501相连的控制中心502,控制中心502或终端501具有上述的多媒体数据的用户偏好度获取的装置1,由于装置1已经在如上所述已有说明,在此不再赘述。
综上,区别于现有技术中系统需要用户通过手动打分来获得多媒体播放排行的数据的不真实及不准确,本发明实施例一中的系统获取被请求播放过的多媒体数据,自动统计出请求播放过的多媒体的数目和请求播放次数;计算出每个请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。本发明能基于请求播放的多媒体数据,能够反应用户对多媒体播放的认可程度,智能解决了多媒体播放打分问题,省去让用户点击“喜欢”、“收藏”等操作的繁琐,获取到了更可靠、更真实、更准确的数据,从而使多媒体播放打分更科学、更方便用户。
请参阅图10,第二实施例,本发明公开了一种多媒体数据的用户偏好度获取的系统600,包括至少一个终端501,与终端501相连的控制中心502,控制中心502或终端501具有上述的多媒体数据的用户偏好度获取的装置2,由于装置2已经在如上所述已有说明,在此不再赘述。
综上,本发明系统第二实施例进一步地智能解决了多媒体播放打分问题,周期性地自动抓取多媒体的数据,淘汰了多媒体播放时长过短及次数过少的数据,更进一步提高了抓取的数据的科学性,更真实显示用户真实心理预期。
请参阅图11,第三实施例,本发明公开了一种多媒体数据的用户偏好度获取的系统700,包括至少一个终端501,与终端501相连的控制中心502,控制中心502或终端501具有上述的多媒体数据的用户偏好度获取的装置3,由于装置3已经在如上所述已有说明,在此不再赘述。
综上,本发明系统第三实施例进一步地智能解决了多媒体播放打分问题,周期性地自动抓取多媒体的数据,淘汰了多媒体播放时长过短及次数过少的数据,更进一步提高了抓取的数据的科学性,更真实显示用户真实心理预期。
请参阅图12,第四实施例,本发明公开了一种多媒体数据的用户偏好度获取的系统800,包括至少一个终端501,与终端501相连的控制中心502,控制中心502或终端501具有上述的多媒体数据的用户偏好度获取的装置4,由于装置4已经在如上所述已有说明,在此不再赘述。
综上,本发明系统第四实施例根据给出了用户偏好度的实际算法,并结合现有系统中的“我喜欢”,“我收藏”,更进一步提高偏好度数据的真实性,可靠性,直观性。
以上从第一至第四实施例中,终端501具有的用户偏好度获取的装置1至4均未标示,终端501通过网络与控制中心502相连,所述的网络包括互联网、以太网、WIFI、3G、4G、蓝牙。
进一步地,终端501为:智能手机、平板电脑、移动互联网设备、图书阅读器、MP4播放器、笔记本电脑。
进一步地,控制中心502包括用户数据库以及与所述的数据库相连的服务器。
本系统的工作过程为:用户的终端通过网络连接上控制中心的服务器,服务器通过多媒体数据的用户偏好度获取的装置处理用户多媒体播放情况进行打分,将多媒体播放自动进行排名,控制中心再将排名结果输出,供用户参考。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括存储器、磁盘或光盘等。
以上内容仅为本发明的较佳实施例,对于本领域的普通技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,本说明书内容不应理解为对本发明的限制。
Claims (23)
1.一种多媒体数据的用户偏好度获取的方法,其特征在于,包括:
获取被请求播放过的多媒体数据,所述的多媒体数据包括每个多媒体请求播放的次数;
统计出请求播放过的多媒体的数目和每个多媒体请求播放次数;
根据请求播放过的多媒体的数目和每个多媒体请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;及
利用所述用户偏好度对多媒体进行管理。
2.根据权利要求1所述的方法,其特征在于,所述的多媒体数据还包括每个多媒体的播放时长;
所述的统计出请求播放过的多媒体的数目和每个多媒体请求播放次数;根据请求播放过的多媒体的数目和每个多媒体请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;具体包括:
通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数及播放时长;
根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数及播放时长,计算出每个有效请求播放过的多媒体的用户偏好度;
其中,所述过滤方法包括:如果所述的播放时长大于等于预置的时长阈值,则本次请求播放为有效请求播放,如果请求播放过的多媒体中至少有一次为有效请求播放,则本请求播放过的多媒体为有效请求播放过的多媒体。
3.根据权利要求2所述的方法,其特征在于,获取被请求播放过的多媒体数据,所述的多媒体数据包括每个多媒体请求播放的次数、每次播放的播放时长,包括:
预设周期性的持续时间长度;
获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数、每次播放的播放时长。
4.根据权利要求3所述的方法,其特征在于,所述的过滤方法进一步包括:如果多媒体的播放次数小于预置的次数阈值,则丢弃所述多媒体对应的多媒体数据。
5.根据权利要求2至4任一项所述的方法,其特征在于,根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度,包括:
设定多媒体数据的用户偏好度下限值、中间值和上限值;其中,所述中间值对应平均播放请求次数;
基于对一多媒体的有效请求播放次数、所述平均播放请求次数、过滤后的所有有效多媒体播放请求次数总和,进行归一化处理,并根据所述上限值、中间值和下限值,得到该多媒体的用户偏好度。
6.根据权利要求5所述的方法,其特征在于,根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度,具体是:
若对一多媒体的播放请求次数小于或等于所述平均播放请求次数,则基于该播放请求次数和所述平均播放请求次数进行归一化处理,并根据所述下限值和中间值,得到该多媒体的用户偏好度;
若对一多媒体的播放请求次数大于所述平均播放请求次数,则基于该播放请求次数、过滤后的所有多媒体播放请求次数总和与所述平均播放请求次数进行归一化处理,并根据所述上限值和中间值,得到该多媒体的用户偏好度。
7.根据权利要求6所述的方法,其特征在于,所述的用户偏好度的计算公式为:
其中,t=1+sin(((x(i)-E)/(N-E)+3)*0.5*pi);
V为有效播放请求过的多媒体的用户偏好度;
pi为圆周率;
x(i)为多媒体的有效播放次数;
E为有效播放请求过的多媒体的平均播放次数,E=N/S,S为有效播放请求过的多媒体数据的数目,N为全部有效播放请求过的多媒体数据的有效播放次数;
low为预置的最低播放次数的用户偏好度;
mid为预置的平均播放次数的用户偏好度;
high为预置的最高播放次数的用户偏好度。
8.根据权利要求7所述的方法,其特征在于,若检测到系统中的需要用户互动的操作项中没有统计用户偏好度分值最高的多媒体,则将用户偏好度分值最高对应的多媒体直接统计入用户互动的操作项中。
9.根据权利要求2所述的方法,其特征在于,所述的通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数及每次多媒体的播放时长之前,还包括:预置时长阈值。
10.根据权利要求1所述的方法,其特征在于,所述的利用所述用户偏好度对多媒体进行管理,包括:利用所述用户偏好度对所述的多媒体进行排序。
11.根据权利要求1所述的方法,其特征在于,所述的利用所述用户偏好度对多媒体进行管理,包括:利用所述用户偏好度对所述的多媒体进行推荐。
12.一种多媒体数据的用户偏好度获取的装置,其特征在于,包括:
多媒体数据获取单元,用于获取被请求播放过的多媒体数据,所述的多媒体数据包括每个多媒体请求播放的次数;
播放统计单元,用于统计出请求播放过的多媒体的数目和每个多媒体请求播放次数;
用户偏好度获取单元,用于根据请求播放过的多媒体的数目和每个多媒体请求播放次数,计算出每个请求播放过的多媒体的用户偏好度;及利用所述用户偏好度对多媒体进行管理。
13.根据权利要求12所述的装置,其特征在于,所述的多媒体数据还包括每个多媒体的播放时长;
所述的播放统计单元,具体用于:通过过滤方法统计出有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数及每次多媒体的播放时长;其中,所述过滤方法包括:如果所述的播放时长大于等于预置的时长阈值,则本次请求播放为有效请求播放,如果请求播放过的多媒体中至少有一次为有效请求播放,则本请求播放过的多媒体为有效请求播放过的多媒体;所述的用户偏好度获取单元具体用于根据有效请求播放过的多媒体的数目和每个多媒体有效请求播放次数,计算出每个有效请求播放过的多媒体的用户偏好度;利用所述用户偏好度对多媒体进行管理。
14.根据权利要求13所述的装置,其特征在于,所述的多媒体数据获取单元,包括:
时间长度预设单元,用于预设周期性的持续时间长度;
持续性多媒体数据获得单元,用于获取所述的持续时间长度内的被请求播放过的多媒体数据,所述的多媒体数据包括请求播放的次数、每次播放的播放时长。
15.根据权利要求14所述的装置,其特征在于,所述的播放统计单元进一步包括:多媒体数据丢弃单元,用于如果多媒体的播放次数小于预置的次数阈值,则丢弃所述的多媒体对应的多媒体数据。
16.根据权利要求13至15任一项所述的装置,其特征在于,所述的用户偏好度获取单元,包括:
下限值设定单元,用于设定多媒体数据的用户偏好度下限值;
中间值设定单元,用于设定多媒体数据的用户偏好度中间值,其中,所述中间值对应平均播放请求次数;
下限值设定单元,用于设定多媒体数据的用户偏好度下限值;
归一化处理单元,用于基于对多媒体的有效请求播放次数、所述平均播放请求次数、过滤后的所有有效多媒体播放请求次数总和,进行归一化处理,并根据所述上限值、中间值和下限值,得到该多媒体的用户偏好度。
17.根据权利要求16所述的装置,其特征在于,所述的归一化处理单元,进一步包括:
第一归一化处理单元,用于若对一多媒体的播放请求次数小于或等于所述平均播放请求次数,则基于该播放请求次数和所述平均播放请求次数进行归一化处理,并根据所述下限值和中间值,得到该多媒体的用户偏好度;
第二归一化处理单元,用于若对一多媒体的播放请求次数大于所述平均播放请求次数,则基于该播放请求次数、过滤后的所有多媒体播放请求次数总和与所述平均播放请求次数进行归一化处理,并根据所述上限值和中间值,得到该多媒体的用户偏好度。
18.根据权利要求17所述的装置,其特征在于,所述的用户偏好度的计算公式为:
其中,t=1+sin(((x(i)-E)/(N-E)+3)*0.5*pi);
V为有效播放请求过的多媒体的用户偏好度;
pi为圆周率;
x(i)为多媒体的有效播放次数;
E为有效播放请求过的多媒体的平均播放次数,E=N/S,S为有效播放请求过的多媒体数据的数目,N为全部有效播放请求过的多媒体数据的有效播放次数;
low为预置的最低播放次数的用户偏好度;
mid为预置的平均播放次数的用户偏好度;
high为预置的最高播放次数的用户偏好度。
19.根据权利要求18所述的装置,其特征在于,还包括偏好度加入单元,用于若检测到系统中的需要用户互动的操作项中没有统计用户偏好度分值最高的多媒体,则将用户偏好度分值最高对应的多媒体直接统计入用户互动的操作项中。
20.根据权利要求13所述的装置,其特征在于,所述的播放统计单元之前,还包括:时长阈值预置单元,用于预置时长阈值。
21.根据权利要求12所述的装置,其特征在于,所述的利用所述用户偏好度对多媒体进行管理,包括:利用所述用户偏好度对所述的多媒体进行排序。
22.根据权利要求12所述的装置,其特征在于,所述的利用所述用户偏好度对多媒体进行管理,包括:利用所述用户偏好度对所述的多媒体进行推荐。
23.一种多媒体数据的用户偏好度获取的系统,包括至少一个终端,与所述的终端相连的控制中心,其特征在于,所述的控制中心或终端具有权利要求12至22任一项所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310286786.3A CN104077339B (zh) | 2013-07-09 | 2013-07-09 | 多媒体数据的用户偏好度获取的方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310286786.3A CN104077339B (zh) | 2013-07-09 | 2013-07-09 | 多媒体数据的用户偏好度获取的方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104077339A true CN104077339A (zh) | 2014-10-01 |
CN104077339B CN104077339B (zh) | 2016-05-11 |
Family
ID=51598598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310286786.3A Active CN104077339B (zh) | 2013-07-09 | 2013-07-09 | 多媒体数据的用户偏好度获取的方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104077339B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952434A (zh) * | 2015-06-19 | 2015-09-30 | 小米科技有限责任公司 | 歌曲标识的传输方法和装置 |
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 |
WO2016145829A1 (zh) * | 2015-09-21 | 2016-09-22 | 中兴通讯股份有限公司 | 一种媒体文件的播放控制方法、装置及存储介质 |
CN106080417A (zh) * | 2016-08-10 | 2016-11-09 | 重庆长安汽车股份有限公司 | 基于汽车遥控钥匙定制车载音乐集的方法 |
CN106156270A (zh) * | 2016-06-17 | 2016-11-23 | 北京小米移动软件有限公司 | 多媒体数据推送方法及装置 |
WO2016197774A1 (zh) * | 2015-06-09 | 2016-12-15 | 腾讯科技(深圳)有限公司 | 一种多媒体数据推送方法、装置以及存储介质 |
CN106446248A (zh) * | 2016-10-12 | 2017-02-22 | 乐视控股(北京)有限公司 | 一种多媒体文件排序的方法和装置 |
CN106610718A (zh) * | 2016-11-11 | 2017-05-03 | 宇龙计算机通信科技(深圳)有限公司 | 一种虚拟现实中物体位置调整方法、装置及虚拟现实装置 |
WO2017148064A1 (zh) * | 2016-03-02 | 2017-09-08 | 乐视控股(北京)有限公司 | 一种基于用户行为分析的视频自动推送方法和装置 |
CN107342095A (zh) * | 2017-06-30 | 2017-11-10 | 广东欧珀移动通信有限公司 | 歌曲播放方法、装置、存储介质及电子设备 |
CN107871211A (zh) * | 2017-11-06 | 2018-04-03 | 网易乐得科技有限公司 | 用户成长曲线的生成方法、介质、装置和计算设备 |
CN108205536A (zh) * | 2016-12-16 | 2018-06-26 | 北京酷我科技有限公司 | 歌曲列表生成方法及装置 |
CN108259672A (zh) * | 2018-01-30 | 2018-07-06 | 努比亚技术有限公司 | 一种多媒体内容的处理方法、终端及计算机存储介质 |
CN108491537A (zh) * | 2018-03-31 | 2018-09-04 | 北京偏北音乐文化有限公司 | 用户偏好信息处理方法、装置、设备及介质 |
CN108600836A (zh) * | 2018-04-03 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种视频处理方法及装置 |
CN109309872A (zh) * | 2017-07-27 | 2019-02-05 | 环球智达科技(北京)有限公司 | 一种信息处理方法和系统 |
CN109408661A (zh) * | 2018-10-12 | 2019-03-01 | 上海哔哩哔哩科技有限公司 | 基于大数据的歌曲收听记录统计方法、装置和存储介质 |
CN109460486A (zh) * | 2018-09-12 | 2019-03-12 | 珠海豆饭科技有限公司 | 一种基于语音的信息推荐方法及系统 |
CN110020111A (zh) * | 2017-09-21 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 行程推荐方法、装置、计算机设备及存储介质 |
CN110472151A (zh) * | 2019-08-14 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 媒体数据推送方法、装置和计算机可读存储介质 |
CN110874435A (zh) * | 2018-08-31 | 2020-03-10 | 努比亚技术有限公司 | 推荐方法、云服务器、业务服务器、终端及存储介质 |
CN114827829A (zh) * | 2022-04-25 | 2022-07-29 | 深圳创维-Rgb电子有限公司 | 耳机控制方法、装置、耳机及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020141491A1 (en) * | 2000-03-09 | 2002-10-03 | David Corts | System and method for generating multimedia accompaniments to broadcast data |
CN1604643A (zh) * | 2004-11-04 | 2005-04-06 | 复旦大学 | 一种根据用户喜好自动代理用户下载视频节目的方法 |
CN1640117A (zh) * | 2002-02-25 | 2005-07-13 | 皇家飞利浦电子股份有限公司 | 自适应的音频-视频节目推荐系统 |
-
2013
- 2013-07-09 CN CN201310286786.3A patent/CN104077339B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020141491A1 (en) * | 2000-03-09 | 2002-10-03 | David Corts | System and method for generating multimedia accompaniments to broadcast data |
CN1640117A (zh) * | 2002-02-25 | 2005-07-13 | 皇家飞利浦电子股份有限公司 | 自适应的音频-视频节目推荐系统 |
CN1604643A (zh) * | 2004-11-04 | 2005-04-06 | 复旦大学 | 一种根据用户喜好自动代理用户下载视频节目的方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016197774A1 (zh) * | 2015-06-09 | 2016-12-15 | 腾讯科技(深圳)有限公司 | 一种多媒体数据推送方法、装置以及存储介质 |
CN104952434A (zh) * | 2015-06-19 | 2015-09-30 | 小米科技有限责任公司 | 歌曲标识的传输方法和装置 |
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 |
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 |
WO2016145829A1 (zh) * | 2015-09-21 | 2016-09-22 | 中兴通讯股份有限公司 | 一种媒体文件的播放控制方法、装置及存储介质 |
CN106547768A (zh) * | 2015-09-21 | 2017-03-29 | 中兴通讯股份有限公司 | 一种媒体文件的播放控制方法及装置 |
WO2017148064A1 (zh) * | 2016-03-02 | 2017-09-08 | 乐视控股(北京)有限公司 | 一种基于用户行为分析的视频自动推送方法和装置 |
CN106156270A (zh) * | 2016-06-17 | 2016-11-23 | 北京小米移动软件有限公司 | 多媒体数据推送方法及装置 |
CN106080417A (zh) * | 2016-08-10 | 2016-11-09 | 重庆长安汽车股份有限公司 | 基于汽车遥控钥匙定制车载音乐集的方法 |
CN106446248A (zh) * | 2016-10-12 | 2017-02-22 | 乐视控股(北京)有限公司 | 一种多媒体文件排序的方法和装置 |
CN106610718A (zh) * | 2016-11-11 | 2017-05-03 | 宇龙计算机通信科技(深圳)有限公司 | 一种虚拟现实中物体位置调整方法、装置及虚拟现实装置 |
CN106610718B (zh) * | 2016-11-11 | 2020-09-11 | 宇龙计算机通信科技(深圳)有限公司 | 一种虚拟现实中物体位置调整方法、装置及虚拟现实装置 |
CN108205536B (zh) * | 2016-12-16 | 2020-12-04 | 北京酷我科技有限公司 | 歌曲列表生成方法及装置 |
CN108205536A (zh) * | 2016-12-16 | 2018-06-26 | 北京酷我科技有限公司 | 歌曲列表生成方法及装置 |
CN107342095A (zh) * | 2017-06-30 | 2017-11-10 | 广东欧珀移动通信有限公司 | 歌曲播放方法、装置、存储介质及电子设备 |
CN109309872A (zh) * | 2017-07-27 | 2019-02-05 | 环球智达科技(北京)有限公司 | 一种信息处理方法和系统 |
CN110020111B (zh) * | 2017-09-21 | 2023-02-24 | 腾讯科技(深圳)有限公司 | 行程推荐方法、装置、计算机设备及存储介质 |
CN110020111A (zh) * | 2017-09-21 | 2019-07-16 | 腾讯科技(深圳)有限公司 | 行程推荐方法、装置、计算机设备及存储介质 |
CN107871211A (zh) * | 2017-11-06 | 2018-04-03 | 网易乐得科技有限公司 | 用户成长曲线的生成方法、介质、装置和计算设备 |
CN108259672A (zh) * | 2018-01-30 | 2018-07-06 | 努比亚技术有限公司 | 一种多媒体内容的处理方法、终端及计算机存储介质 |
CN108491537A (zh) * | 2018-03-31 | 2018-09-04 | 北京偏北音乐文化有限公司 | 用户偏好信息处理方法、装置、设备及介质 |
CN108491537B (zh) * | 2018-03-31 | 2022-01-28 | 北京偏北音乐文化有限公司 | 用户偏好信息处理方法、装置、设备及介质 |
CN108600836A (zh) * | 2018-04-03 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种视频处理方法及装置 |
CN110874435A (zh) * | 2018-08-31 | 2020-03-10 | 努比亚技术有限公司 | 推荐方法、云服务器、业务服务器、终端及存储介质 |
CN109460486A (zh) * | 2018-09-12 | 2019-03-12 | 珠海豆饭科技有限公司 | 一种基于语音的信息推荐方法及系统 |
CN109408661A (zh) * | 2018-10-12 | 2019-03-01 | 上海哔哩哔哩科技有限公司 | 基于大数据的歌曲收听记录统计方法、装置和存储介质 |
CN110472151A (zh) * | 2019-08-14 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 媒体数据推送方法、装置和计算机可读存储介质 |
CN110472151B (zh) * | 2019-08-14 | 2022-05-24 | 腾讯科技(深圳)有限公司 | 媒体数据推送方法、装置和计算机可读存储介质 |
CN114827829A (zh) * | 2022-04-25 | 2022-07-29 | 深圳创维-Rgb电子有限公司 | 耳机控制方法、装置、耳机及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104077339B (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104077339B (zh) | 多媒体数据的用户偏好度获取的方法、装置和系统 | |
US10362353B2 (en) | Video advertisement overlay system and method | |
CN110149540B (zh) | 多媒体资源的推荐处理方法、装置、终端及可读介质 | |
CN110730387B (zh) | 视频播放控制方法和装置、存储介质及电子装置 | |
US9465435B1 (en) | Segmentation of a video based on user engagement in respective segments of the video | |
CN107888950A (zh) | 一种推荐视频的方法和系统 | |
CN110941738B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
CN104899302A (zh) | 向用户推荐音乐的方法和装置 | |
WO2022247220A9 (zh) | 界面处理方法及装置 | |
CN111385606A (zh) | 一种视频预览方法、装置及智能终端 | |
CN104486649A (zh) | 视频内容评级方法及装置 | |
CN111815375B (zh) | 广告投放中的用户画像方法及装置 | |
CN110851712A (zh) | 书籍信息的推荐方法、设备以及计算机可读介质 | |
US9055348B1 (en) | Distribution of video ads in a playlist format | |
CN107729552A (zh) | 用户行为追踪方法、装置、用户终端及服务器 | |
CN113297486A (zh) | 一种点击率预测方法及相关装置 | |
CN104185064B (zh) | 媒体文件标识方法和装置 | |
CN111083534B (zh) | 一种用于提供推荐视频列表的方法与设备 | |
CN111666250B (zh) | 一种用于处理阅读应用中书籍催更请求信息的方法与设备 | |
CN112667849A (zh) | 信息索引方法、装置、系统、电子设备及存储介质 | |
CN111314792A (zh) | 一种笔记生成方法和电子设备 | |
CN113569126A (zh) | 多媒体文件推荐方法、装置及服务器 | |
CN105117145A (zh) | 一种内容信息推送方法及智能手表 | |
CN111858920A (zh) | 用户群的匹配方法及装置、终端设备、存储介质 | |
WO2015137998A1 (en) | System for graphically displaying user-provided information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20141001 Assignee: Ocean interactive (Beijing) Information Technology Co., Ltd. Assignor: Tencent Technology (Shenzhen) Co., Ltd. Contract record no.: 2016990000422 Denomination of invention: Multimedia data user preference degree acquiring method, device and system Granted publication date: 20160511 License type: Common License Record date: 20161009 |
|
LICC | Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model |