CN104394471A - 一种智能推荐用户喜爱节目的方法 - Google Patents

一种智能推荐用户喜爱节目的方法 Download PDF

Info

Publication number
CN104394471A
CN104394471A CN201410659176.8A CN201410659176A CN104394471A CN 104394471 A CN104394471 A CN 104394471A CN 201410659176 A CN201410659176 A CN 201410659176A CN 104394471 A CN104394471 A CN 104394471A
Authority
CN
China
Prior art keywords
user
label
program
film
protagonist
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410659176.8A
Other languages
English (en)
Inventor
曹俭
张旭
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.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
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 Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN201410659176.8A priority Critical patent/CN104394471A/zh
Publication of CN104394471A publication Critical patent/CN104394471A/zh
Pending legal-status Critical Current

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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • 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
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种智能推荐用户喜爱节目的方法。在智能电视终端和云端点播平台搜集用户的收视行为，结合云端的影视资源库内容信息，将用户的收视行为计算为用户爱好标签，并通过标签对比和筛选的办法，从海量影视库中筛选出最适合给用户推荐的节目。根据用户收视数据为用户智能推荐点播节目，一方面增强用户体验，另一方面提高点播客户端的业务量。

Description

一种智能推荐用户喜爱节目的方法
技术领域
本发明涉及一种智能推荐用户喜爱节目的方法，特别是涉及一种适用于点播客户端软件中，智能推荐用户喜爱节目的方法。
背景技术
一直以来，电视机的主要业务为视频与显示，即使智能电视的出现也未能改变用户的传统习惯，但智能电视的出现，使得用户更加接近与互联网，用户的收视资源除了传统的广电直播频道，又增加了新兴的互联网点播资源。
互联网点播区别广电直播最大的特点就是节目资源的海量性与用户收视的主动性，用户不必像收看直播节目那样，在特定的时间被动的接受有限的直播节目频道。但给用户带来丰富节目资源的同时，海量的节目往往也让用户困惑，用户往往不知道自己该看什么节目，而且由于电视机的交互问题，从海量的节目资源中选出用户喜爱的节目是一件很复杂的事。本专利提出一种基于用户收视数据的智能节目推荐算法，结合用户观看节目的特征并分析用户行为，并用户筛选出最喜爱的节目。
发明内容
本发明要解决的技术问题是提供一种提升用户体验的智能推荐用户喜爱节目的方法。
本发明采用的技术方案如下：一种智能推荐用户喜爱节目的方法，其方法为：在智能电视终端和云端点播平台搜集用户的收视行为，结合云端的影视资源库内容信息，将用户的收视行为计算为用户爱好标签，并通过标签对比和筛选的办法，从海量影视库中筛选出最适合给用户推荐的节目。
具体方法步骤为：一、在智能电视终端，将用户收视行为收集并形成收视日志，同时上报云端；二、为收集的影视节目增加标签系数；三、统计某个体用户观看的多个节目中的标签信息，并生成用户个性化喜爱标签；四、根据用户个性化喜爱标签，从影视库中筛选用户喜爱的节目。
所述步骤二的具体方法为：将点播节目库中的节目EPG信息导出，为每个节目的主演和节目类型标签添加权重系数。
所述步骤三的具体方法为：根据用户最近几次的收视数据，将该几次节目中的标签进行加权计算，并筛选出排名最靠前的几个节目主演以及几个类型的标签作为用户个性化喜爱标签。
所述步骤四的具体方法为：将个人标签与节目标签中相重合的部分进行相乘、加权，并乘以节目的评分，获得影片的推荐分值，计算公式如下：
TJFZ=（YPZY1*YHZY1+YPZY2*YHZY2+…+YPZYn*YHZYn+YPLX1*YHLX1+ YPLX2*YHLX2+…+ YPLXn*YHLXn）*YPPF
其中，TJFZ为推荐分值 ，YPPF为影片评分；
YPZY1、YPZY2…YPZYn为第1、2…n个影片标签与用户标签中相同的主演标签的影片主演系数；
YHZY1、YHZY2…YHZYn为第1、2…n个影片标签与用户标签中相同的主演标签的用户喜爱的主演系数；
YPLX1、YPLX2…YPLXn为第1、2…n个影片标签与用户标签中相同的类型标签的影片类型系数；
YHLX1、YHLX2…YHLXn为第1、2…n个影片标签与用户标签中相同的类型标签的用户喜爱的类型系数。
与现有技术相比，本发明的有益效果是：根据用户收视数据为用户智能推荐点播节目，一方面增强用户体验，另一方面提高点播客户端的业务量。
附图说明
图1为本发明推荐流程示意图。
图2为本发明其中一实施例中为收集的影视节目增加标签系数的标签示意图。
图3为本发明其中一实施例中生成用户个性化喜爱标签的标签示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本说明书（包括任何附加权利要求、摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
一种智能推荐用户喜爱节目的方法，其方法为：在智能电视终端和云端点播平台搜集用户的收视行为，结合云端的影视资源库内容信息，将用户的收视行为计算为用户爱好标签，并通过标签对比和筛选的办法，从海量影视库中筛选出最适合给用户推荐的节目。
如图1所示，在本具体实施例中，具体方法步骤为：一、在智能电视终端，将用户收视行为收集并形成收视日志，同时上报云端；二、为收集的影视节目增加标签系数；三、统计某个体用户观看的多个节目中的标签信息，并生成用户个性化喜爱标签；四、根据用户个性化喜爱标签，从影视库中筛选用户喜爱的节目。
所述步骤二的具体方法为：将点播节目库中的节目EPG信息导出，为每个节目的主演和节目类型标签添加权重系数，其中，类型权重总合为100%。
如图2所示，根据某影视片（以《白蛇传说》为例）的主演排序，为每个主演添加权重系数，第一主演（李连杰）权重为1.0，第二主演（黄圣依）权重为0.8，第三主演（林峰）权重为0.5，第四主演（文章）权重为0.4；再设置类型权重如爱情、奇幻、动作、偶像等的权重。如《白蛇传说》中，爱情权重为30%，奇幻权重为40%，动作权重为30%。
所述步骤三的具体方法为：根据用户最近几次的收视数据，将该几次节目中的标签进行加权计算，并筛选出排名最靠前的几个节目主演以及几个类型的标签作为用户个性化喜爱标签。
在本具体实施例中，根据用户最近20次收视数据，将这20次节目中的标签进行加权计算，并筛选出排名最靠前的5个节目主演以及3个节目类型的标签作为用户个性化喜爱标签，如图1所示，根据用户最近20次收视数据，主演中有成龙的，权重加起来为6.7，主演有李连杰的权重加起来为4.5，动作类型的，权重加起来为3.2，如果所看的这20次收视数据中，有两次有甄子丹，并且甄子丹一次是第一主演，一次是第二主演，也就是两次权重为1.0+0.8，就是1.8。
用个人喜爱标签中的主演标签，去影视库中筛选喜爱演员的所有影片，并将这些影片通过推荐分值的多少进行排序，把得分高的影片推荐给用户。
所述步骤四的具体方法为：将个人标签与节目标签中相重合的部分进行相乘、加权，并乘以节目的评分，获得影片的推荐分值，计算公式如下：
TJFZ=（YPZY1*YHZY1+YPZY2*YHZY2+…+YPZYn*YHZYn+YPLX1*YHLX1+ YPLX2*YHLX2+…+ YPLXn*YHLXn）*YPPF
其中，TJFZ为推荐分值 ，YPPF为影片评分；
YPZY1、YPZY2…YPZYn为第1、2…n个影片标签与用户标签中相同的主演标签的影片主演系数；
YHZY1、YHZY2…YHZYn为第1、2…n个影片标签与用户标签中相同的主演标签的用户喜爱的主演系数；
YPLX1、YPLX2…YPLXn为第1、2…n个影片标签与用户标签中相同的类型标签的影片类型系数；
YHLX1、YHLX2…YHLXn为第1、2…n个影片标签与用户标签中相同的类型标签的用户喜爱的类型系数。
如图2和图3所示，根据图2和图3的数据，可以算出：推荐分值=（李连杰1.0*4.5+文章0.4*2.1+动作3.2*30%）*评分7.9 = 49.77。 

Claims (5)

1.一种智能推荐用户喜爱节目的方法，其方法为：在智能电视终端和云端点播平台搜集用户的收视行为，结合云端的影视资源库内容信息，将用户的收视行为计算为用户爱好标签，并通过标签对比和筛选的办法，从海量影视库中筛选出最适合给用户推荐的节目。
2.根据权利要求1所述的智能推荐用户喜爱节目的方法，具体方法步骤为：一、在智能电视终端，将用户收视行为收集并形成收视日志，同时上报云端；二、为收集的影视节目增加标签系数；三、统计某个体用户观看的多个节目中的标签信息，并生成用户个性化喜爱标签；四、根据用户个性化喜爱标签，从影视库中筛选用户喜爱的节目。
3.根据权利要求2所述的智能推荐用户喜爱节目的方法，所述步骤二的具体方法为：将点播节目库中的节目EPG信息导出，为每个节目的主演和节目类型标签添加权重系数。
4.根据权利要求3所述的智能推荐用户喜爱节目的方法，所述步骤三的具体方法为：根据用户最近几次的收视数据，将该几次节目中的标签进行加权计算，并筛选出排名最靠前的几个节目主演以及几个类型的标签作为用户个性化喜爱标签。
5.根据权利要求4所述的智能推荐用户喜爱节目的方法，所述步骤四的具体方法为：将个人标签与节目标签中相重合的部分进行相乘、加权，并乘以节目的评分，获得影片的推荐分值，计算公式如下：
TJFZ=（YPZY1*YHZY1+YPZY2*YHZY2+…+YPZYn*YHZYn+YPLX1*YHLX1+ YPLX2*YHLX2+…+ YPLXn*YHLXn）*YPPF
其中，TJFZ为推荐分值 ，YPPF为影片评分；
YPZY1、YPZY2…YPZYn为第1、2…n个影片标签与用户标签中相同的主演标签的影片主演系数；
YHZY1、YHZY2…YHZYn为第1、2…n个影片标签与用户标签中相同的主演标签的用户喜爱的主演系数；
YPLX1、YPLX2…YPLXn为第1、2…n个影片标签与用户标签中相同的类型标签的影片类型系数；
YHLX1、YHLX2…YHLXn为第1、2…n个影片标签与用户标签中相同的类型标签的用户喜爱的类型系数。
CN201410659176.8A 2014-11-19 2014-11-19 一种智能推荐用户喜爱节目的方法 Pending CN104394471A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410659176.8A CN104394471A (zh) 2014-11-19 2014-11-19 一种智能推荐用户喜爱节目的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410659176.8A CN104394471A (zh) 2014-11-19 2014-11-19 一种智能推荐用户喜爱节目的方法

Publications (1)

Publication Number Publication Date
CN104394471A true CN104394471A (zh) 2015-03-04

Family

ID=52612299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410659176.8A Pending CN104394471A (zh) 2014-11-19 2014-11-19 一种智能推荐用户喜爱节目的方法

Country Status (1)

Country Link
CN (1) CN104394471A (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104954820A (zh) * 2015-06-15 2015-09-30 小米科技有限责任公司 节目的推荐方法及装置
CN105049942A (zh) * 2015-07-30 2015-11-11 四川长虹电器股份有限公司 为点播影视节目标签增加权重系数的方法及装置
CN105072464A (zh) * 2015-07-24 2015-11-18 江苏省公用信息有限公司 基于收视时长的电子节目菜单展示方法
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
CN105430444A (zh) * 2015-11-17 2016-03-23 深圳创维数字技术有限公司 一种节目推荐方法及数字电视接收终端
CN105791912A (zh) * 2016-04-20 2016-07-20 珠海迈科智能科技股份有限公司 一种基于云端的数据处理方法、系统及机顶盒
CN105915957A (zh) * 2015-12-15 2016-08-31 乐视致新电子科技（天津）有限公司 智能电视展示播放内容的方法、装置及系统
CN106341734A (zh) * 2016-09-23 2017-01-18 四川长虹电器股份有限公司 基于智能电视收视记录推荐体育赛事的方法及系统
CN106792172A (zh) * 2016-12-14 2017-05-31 未来电视有限公司 一种互联网电视个性化推荐视频的方法
CN106791963A (zh) * 2016-12-08 2017-05-31 Tcl集团股份有限公司 一种电视节目推荐方法及系统
CN106803973A (zh) * 2017-01-18 2017-06-06 华数传媒网络有限公司 一种电视节目的智能编排方法
WO2017128146A1 (zh) * 2016-01-27 2017-08-03 张仓 根据身份证推荐影视的方法和推荐系统
WO2017128147A1 (zh) * 2016-01-27 2017-08-03 张仓 根据身份证推荐影视时的技术信息采集方法和推荐系统
CN107295361A (zh) * 2017-06-22 2017-10-24 腾讯科技（深圳）有限公司 一种内容推送方法
CN107370827A (zh) * 2017-08-28 2017-11-21 四川长虹电器股份有限公司 主动推送个性化服务的系统
WO2018001223A1 (zh) * 2016-06-27 2018-01-04 中兴通讯股份有限公司 播放列表推荐方法及装置
CN108134955A (zh) * 2016-12-01 2018-06-08 深圳市优朋普乐传媒发展有限公司 一种节目排序的方法及装置
CN111209470A (zh) * 2018-11-21 2020-05-29 国家新闻出版广电总局广播科学研究院 个性化内容推荐方法、装置及存储介质
CN111339357A (zh) * 2020-02-21 2020-06-26 广州欢网科技有限责任公司 基于直播用户行为的推荐方法及装置
CN109543111B (zh) * 2018-11-28 2021-09-21 广州虎牙信息科技有限公司 推荐信息筛选方法、装置、存储介质及服务器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008097519A2 (en) * 2007-02-07 2008-08-14 Att Knowledge Ventures, L.P. A system and method for displaying information related to a television signal
CN102421025A (zh) * 2011-11-22 2012-04-18 康佳集团股份有限公司 一种基于节目内容属性的电视节目导航方法及系统
CN103260061A (zh) * 2013-05-24 2013-08-21 华东师范大学 一种上下文感知的iptv节目推荐方法
CN103546773A (zh) * 2013-08-15 2014-01-29 Tcl集团股份有限公司 电视节目的推荐方法及其系统
CN103618916A (zh) * 2013-11-13 2014-03-05 四川长虹电器股份有限公司 基于智能电视终端播放互联网视频的方法
CN103974098A (zh) * 2014-05-30 2014-08-06 珠海迈科电子科技有限公司 一种机顶盒上基于用户需求的广告推送方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008097519A2 (en) * 2007-02-07 2008-08-14 Att Knowledge Ventures, L.P. A system and method for displaying information related to a television signal
CN102421025A (zh) * 2011-11-22 2012-04-18 康佳集团股份有限公司 一种基于节目内容属性的电视节目导航方法及系统
CN103260061A (zh) * 2013-05-24 2013-08-21 华东师范大学 一种上下文感知的iptv节目推荐方法
CN103546773A (zh) * 2013-08-15 2014-01-29 Tcl集团股份有限公司 电视节目的推荐方法及其系统
CN103618916A (zh) * 2013-11-13 2014-03-05 四川长虹电器股份有限公司 基于智能电视终端播放互联网视频的方法
CN103974098A (zh) * 2014-05-30 2014-08-06 珠海迈科电子科技有限公司 一种机顶盒上基于用户需求的广告推送方法及系统

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104954820A (zh) * 2015-06-15 2015-09-30 小米科技有限责任公司 节目的推荐方法及装置
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
CN105072464A (zh) * 2015-07-24 2015-11-18 江苏省公用信息有限公司 基于收视时长的电子节目菜单展示方法
CN105072464B (zh) * 2015-07-24 2018-03-13 江苏省公用信息有限公司 基于收视时长的电子节目菜单展示方法
CN105049942B (zh) * 2015-07-30 2018-01-12 四川长虹电器股份有限公司 为点播影视节目标签增加权重系数的方法及装置
CN105049942A (zh) * 2015-07-30 2015-11-11 四川长虹电器股份有限公司 为点播影视节目标签增加权重系数的方法及装置
CN105430444A (zh) * 2015-11-17 2016-03-23 深圳创维数字技术有限公司 一种节目推荐方法及数字电视接收终端
CN105915957A (zh) * 2015-12-15 2016-08-31 乐视致新电子科技（天津）有限公司 智能电视展示播放内容的方法、装置及系统
WO2017101328A1 (zh) * 2015-12-15 2017-06-22 乐视控股（北京）有限公司 智能电视展示播放内容的方法、装置及系统
WO2017128146A1 (zh) * 2016-01-27 2017-08-03 张仓 根据身份证推荐影视的方法和推荐系统
WO2017128147A1 (zh) * 2016-01-27 2017-08-03 张仓 根据身份证推荐影视时的技术信息采集方法和推荐系统
CN105791912A (zh) * 2016-04-20 2016-07-20 珠海迈科智能科技股份有限公司 一种基于云端的数据处理方法、系统及机顶盒
WO2018001223A1 (zh) * 2016-06-27 2018-01-04 中兴通讯股份有限公司 播放列表推荐方法及装置
CN107547916A (zh) * 2016-06-27 2018-01-05 中兴通讯股份有限公司 播放列表推荐方法及装置
CN106341734A (zh) * 2016-09-23 2017-01-18 四川长虹电器股份有限公司 基于智能电视收视记录推荐体育赛事的方法及系统
CN108134955A (zh) * 2016-12-01 2018-06-08 深圳市优朋普乐传媒发展有限公司 一种节目排序的方法及装置
CN106791963B (zh) * 2016-12-08 2020-08-18 Tcl科技集团股份有限公司 一种电视节目推荐方法及系统
CN106791963A (zh) * 2016-12-08 2017-05-31 Tcl集团股份有限公司 一种电视节目推荐方法及系统
CN106792172A (zh) * 2016-12-14 2017-05-31 未来电视有限公司 一种互联网电视个性化推荐视频的方法
CN106803973A (zh) * 2017-01-18 2017-06-06 华数传媒网络有限公司 一种电视节目的智能编排方法
CN107295361A (zh) * 2017-06-22 2017-10-24 腾讯科技（深圳）有限公司 一种内容推送方法
CN107370827A (zh) * 2017-08-28 2017-11-21 四川长虹电器股份有限公司 主动推送个性化服务的系统
CN111209470A (zh) * 2018-11-21 2020-05-29 国家新闻出版广电总局广播科学研究院 个性化内容推荐方法、装置及存储介质
CN111209470B (zh) * 2018-11-21 2023-08-04 国家新闻出版广电总局广播科学研究院 个性化内容推荐方法、装置及存储介质
CN109543111B (zh) * 2018-11-28 2021-09-21 广州虎牙信息科技有限公司 推荐信息筛选方法、装置、存储介质及服务器
CN111339357A (zh) * 2020-02-21 2020-06-26 广州欢网科技有限责任公司 基于直播用户行为的推荐方法及装置

Similar Documents

Publication Publication Date Title
CN104394471A (zh) 一种智能推荐用户喜爱节目的方法
CN107071578B (zh) Iptv节目推荐方法
CN107852252B (zh) 通过自动内容辨识指纹匹配来检测频道改变
CN107124653B (zh) 电视用户画像的构建方法
CN103546773B (zh) 电视节目的推荐方法及其系统
CN103491441B (zh) 直播电视节目推荐方法及系统
CN110430471A (zh) 一种基于瞬时计算的电视推荐方法和系统
US8392238B2 (en) Interest profiles for audio and/or video streams
US11019385B2 (en) Content selection for networked media devices
US20120317123A1 (en) Systems and methods for providing media recommendations
CN103546778A (zh) 一种电视节目推荐方法、系统及其实现方法
CN103563275B (zh) 确定媒体资源的使用的方法和装置
CN104378662B (zh) 一种智能电视判断用户有效收视节目的系统和方法
KR20090086395A (ko) 평가된 콘텐츠 제공 방법 및 콘텐츠 평가 방법
CN102184235A (zh) 一种基于机顶盒的数字电视节目推荐方法及系统
CN105224576A (zh) 一种影视智能推荐方法
KR101769976B1 (ko) 시청 가구 구성원 프로파일 추론 방법 및 장치
CN104219576A (zh) 一种基于智能电视的播放节目推荐方法
US8584166B2 (en) Probabilistic-based content recommender
CN109429103A (zh) 推荐信息的方法、装置及计算机可读存储介质、终端设备
CN107370827A (zh) 主动推送个性化服务的系统
CN104219577A (zh) 基于智能电视的实时电视节目与网络视频混合推荐方法
CN106303591B (zh) 一种视频推荐方法及装置
CN105791912A (zh) 一种基于云端的数据处理方法、系统及机顶盒
CN104581224B (zh) 切换播放内容的方法、装置及终端

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150304