CN104657457B - 一种用户评价视频的数据处理方法、视频推荐方法及装置 - Google Patents

一种用户评价视频的数据处理方法、视频推荐方法及装置 Download PDF

Info

Publication number
CN104657457B
CN104657457B CN201510064678.0A CN201510064678A CN104657457B CN 104657457 B CN104657457 B CN 104657457B CN 201510064678 A CN201510064678 A CN 201510064678A CN 104657457 B CN104657457 B CN 104657457B
Authority
CN
China
Prior art keywords
user
video
period
geographical position
evaluating data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510064678.0A
Other languages
English (en)
Other versions
CN104657457A (zh
Inventor
高雪松
于旭
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.)
Hisense Group Co Ltd
Original Assignee
Hisense Group 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 Hisense Group Co Ltd filed Critical Hisense Group Co Ltd
Priority to CN201510064678.0A priority Critical patent/CN104657457B/zh
Publication of CN104657457A publication Critical patent/CN104657457A/zh
Application granted granted Critical
Publication of CN104657457B publication Critical patent/CN104657457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了用户评价视频的数据处理方法、视频推荐方法及装置，本发明实施例通过统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据，进而得到每个地理位置的每个用户在每个时间段对所有视频的评价数据，最终根据用户的情绪类型，得到每个用户在每个地理位置及该时间段对所有视频的评价结果；本发明实施例通过获取不同地理位置的用户在不同时间段内对视频的所有评价数据，并结合用户的情绪类型得到用户对视频的评价结果，该评价结果不仅考虑了用户与视频之间关联关系，而且考虑到用户的情绪类型，因此该评价结果相对于现有技术中的仅侧重二元关系的结果具有更高的准确性，能够更好地满足用户的需求。

Description

一种用户评价视频的数据处理方法、视频推荐方法及装置
技术领域
本发明涉及通信技术领域，尤其涉及一种用户评价视频的数据处理方法、视频推荐方法及装置。
背景技术
随着网络视频平台和数字电视的普及，可供用户选择的视频越来越多，如何选择视频日渐成为广大用户面临的一个普遍问题。
目前推荐算法得到愈来愈深入的研究，推荐系统在实际生活中得到广泛的应用。作为个性化服务研究领域的重要分支，推荐系统(recommender systems)通过挖掘用户与项目之间(user-item)的二元关系，帮助用户从大量数据中发现其可能感兴趣的项目，如Web信息、服务、在线商品等，生成个性化推荐以满足个性化需求。
然而，现有的推荐系统中，往往只侧重于“用户-项目”之间的关联关系，进而根据关联关系向用户进行推荐。例如，在视频推荐系统中，通过收集用户对视频的评价数据，采用矩阵分解算法得到各个用户对各个视频的评价数据，针对每个用户，根据评价数据将评价得分较高的视频推荐给该用户。采用这种方法推荐得到的视频，仅关注用户与视频之间的关联关系，忽略了用户所处的上下文环境(如用户当前的位置、周围人员、活动状态、网络条件等)，在许多应用场景下，仅仅依靠“用户-项目”二元关系并不能生成有效的推荐，例如，有的用户喜欢在“早上”而不是“中午”被推荐合适的新闻信息。因此，现有推荐系统的推荐结果准确性不够高，难以吸引用户的注意力。
发明内容
本发明实施例提供一种用户评价视频的数据处理方法及装置，用以解决现有技术中仅关注用户与视频之间的关联关系，忽略了用户所处的上下文环境，从而导致推荐结果准确性不高，难以吸引用户的注意力的技术问题。
本发明实施例提供的一种用户评价视频的数据处理方法，该方法包括：
获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；所述时间段是根据所述每个地理位置的所有用户观看视频的时间预先设定的时间范围；
根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，计算每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；
根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，并根据所述权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；其中，每个地理位置的每个用户在每个时间段的情绪类型是根据该地理位置的该用户在该时间段的视频操作行为统计得到的。
本发明实施例提供一种利用上述实施例所述方法得到的所有视频的评价结果所实现的视频推荐方法，包括：
接收用户发送的视频请求，所述视频请求中携带有所述用户的身份标识；
根据所述用户的身份标识、所述用户发送所述视频请求所在的时间段以及所述用户的地理位置，获取所述用户在相应地理位置的相应时间段对视频的评价结果；
根据所述用户在相应地理位置的相应时间段对视频的评价结果，向所述用户进行视频推荐，并将推荐结果发送给所述用户。
本发明实施例提供的一种用户评价视频的数据处理装置，该装置包括：
获取已评价数据模块，用于获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；所述时间段是根据所述每个地理位置的所有用户观看视频的时间预先设定的时间范围；
确定所有评价数据模块，用于根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，计算每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；
确定评价结果模块，用于根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，并根据所述权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；其中，每个地理位置的每个用户在每个时间段的情绪类型是根据该地理位置的该用户在该时间段的视频操作行为统计得到的。
本发明实施例提供一种视频推荐装置，包括：
接收模块，用于接收用户发送的视频请求，所述视频请求中携带有所述用户的身份标识；
获取评价结果模块，用于根据所述用户的身份标识、所述用户发送所述视频请求所在的时间段以及所述用户的地理位置，获取所述用户在相应地理位置的相应时间段对视频的评价结果；
推荐模块，用于根据所述用户在相应地理位置的相应时间段对视频的评价结果，向所述用户进行视频推荐，并将推荐结果发送给所述用户。
本发明实施例提供一种利用上述实施例所述的装置得到的所有视频的评价数据所实现的视频推荐装置，包括：
接收模块，用于接收用户发送的视频请求，所述视频请求中携带有所述用户的身份标识；
获取评价结果模块，用于根据所述用户的身份标识、所述用户发送所述视频请求所在的时间段以及所述用户的地理位置，获取所述用户在相应地理位置的相应时间段对所有视频的评价结果；
推荐模块，用于根据所述用户在相应地理位置的相应时间段对所有视频的评价结果，向所述用户进行视频推荐，并将推荐结果发送给所述用户。
本发明实施例通过获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；本发明实施例通过获取不同地理位置的用户在不同时间段内对视频的所有评价数据，并结合用户的情绪类型得到用户对视频的评价结果，该评价结果不仅考虑了用户与视频之间关联关系，而且考虑到用户的情绪类型，因此该评价结果相对于现有技术中的仅侧重二元关系而得到的结果具有更高的准确性，能够更好地满足用户的需求。
附图说明
图1是本发明实施例所提供的一种用户评价视频的数据处理方法示意图；
图2是本发明实施例根据地理位置和时间信息过滤评价数据示意图；
图3是本发明实施例提供的一种视频推荐方法示意图；
图4是本发明实施例所提供的一种用户评价视频的数据处理装置示意图；
图5是本发明实施例提供的一种视频推荐装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明实施例所提供的一种用户评价视频的数据处理方法示意图，该方法包括：
步骤101，获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；所述时间段是根据所述每个地理位置的所有用户观看视频的时间预先设定的时间范围；
步骤102，根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，计算每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；
步骤103，根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，并根据所述权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；其中，每个地理位置的每个用户在每个时间段的情绪类型是根据该地理位置的该用户在该时间段的视频操作行为统计得到的。
具体地，在步骤101中，针对用户观看视频的时间，由于用户在一天的不同时间段中对于视频呈现出不同的偏好，基于此，可以将用户观看视频的时间分为四个时间段，即上午(5:00-11:00)、下午(11:00-17:00)、晚上(17:00-23:00)、深夜与凌晨(23:00-24:00]∪(0-5:00)。针对用户的地理位置，可以以城市为单位对全国视频收视区域进行划分，例如以上海、济南、青岛等为单位。如图2所示，为根据地理位置和时间信息过滤评价数据示意图，即根据获取到的所述用户对已评价的视频的评价数据、用户观看视频的时间及用户的地理位置，过滤得到一个地理位置的用户在每个时间段对已评价的视频的评价数据。
较佳地，在步骤101中，每个地理位置的每个用户在每个时间段的情绪类型根据以下方式得到：
获取一个地理位置的参考用户在一个时间段内操作视频的行为信息；其中所述参考用户操作视频的行为信息至少包括：用户观看的视频名称、视频类型、观看的时间长度以及更换视频的频率；
对所述参考用户操作视频的行为信息进行量化处理，得到相应的数据信息；
根据所述数据信息判断出所述参考用户在一个时间段的情绪类型。
具体地，在步骤101中，可以将用户在每个时间段的情绪类型分为积极情绪和消极情绪。为判断出用户在每个时间段的情绪类型，可以先构造用于区分用户积极情绪和消极情绪的分类器，并将所述分类器存储于系统中。在需要对用户的情绪类型进行判断时，获取用户在一个时间段内操作视频的行为信息，对该用户操作所述视频的行为信息进行量化处理，得到相应的数据信息，将数据信息输入到所述分类器中，即可判断出用户的情绪类型。
可选地，采用支持向量机算法，根据以下方式构造分类器：通过遥控器获取尽可能多的用户的行为信息，例如用户观看的视频名称、视频类型、观看的时间长度以及更换视频的频率等，从中获取到有助于判断用户情绪类型的数据信息，例如分别计算出用户在收视时间内观看爱情片、喜剧片、悲剧片和动作片的时长占总观看时间的比例等。将采集到的用户情绪类型的数据信息作为训练数据，采用支持向量机算法建立用户情绪类型分类器。
较佳地，在步骤102中，根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，采用矩阵分解算法计算出每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据。。
具体地，在步骤102中，例如，用户A、B、C在一个时间段对视频a、b、c、d、e、f、g、h已作出评价的评价数据构成矩阵N，矩阵N中的空白值表示部分用户尚未对部分视频作出评价：
根据用户A、B、C对视频a、b、c、d、e、f、g、h已作出评价的评价数据，采用矩阵分解算法计算出用户A对未评价视频c、f的评价数据，用户B对未评价视频a、h的评价数据，用户C对未评价视频b、e的评价数据。
所述矩阵N中的空白值可通过以下矩阵分解的方法填补完整：
假设矩阵M为n行m列的矩阵，则将矩阵M进行UV分解，其中U是一个n行d列的矩阵，V是一个d行m列的矩阵，即分解如下：
其中，M已知(如上面用户A、B、C构成的评价数据矩阵N)，U和V中的元素待定。
为了度量UV和M的相似程度，采用均方和作为度量标准，即计算M中所有非空元素和UV中对应元素的差的平方和的均值。用Floss(W)函数来表示M中所有非空元素和UV中对应元素的差的平方和的均值，其中W表示UV中所有未知元素的集合，W可以表示如下：
W＝{u11,u12,...,und,v11,v12,...,vdm}
其中，W共有参数个数为(n+m)d。
Floss(W)函数如下：
其中，l表示矩阵M中非空元素个数；Mij表示矩阵M中下标i，j处元素值；(UV)ij表示UV矩阵下标i，j处的元素值。
可选地，采用梯度下降算法求解Floss(W)，由于需要求损失函数Floss(W)的梯度，然后对模型的参数进行更新。参数更新的方式如下：
其中W是模型的参数。
由于损失函数涉及到所有用户评价数据，即M1,M2,...,Mn，其中Mi表示第i个用户的评价数据，Floss(W)的梯度的求解效率较低。
而对于随机梯度算法而言，每一次只需要利用一个用户评价数据Mi1对Floss(W)的梯度进行求解，此时Floss(W)可以表示如下：
由于避免了对所有用户行为数据进行计算，随机梯度下降算法求损失函数梯度的效率明显高于原有的梯度下降算法。
本发明实施例中优先选用随机梯度算法求解Floss(W)，以提高求解损失函数梯度的效率。
在步骤103中，根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，并根据所述权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果。
具体地，在步骤103中，根据步骤102中得到的用户在每个时间段的情绪类型，确定出用户对所述所有视频的评价数据预设的权重值。
可选地，可以对视频进行类别的划分，例如划分为喜剧类、悲剧类、文艺类等。根据用户的情绪类型，为各个类别的视频设定相应的权重值，其中，同属于一个类别的各个视频的权重值相同。具体地，，根据每个地理位置的每个用户在每个时间段的情绪类型，将各个类别的视频的权重值预先设定好，并存储于数据库中。例如，若用户的情绪类型属于积极情绪，则设定喜剧类的视频的权重值较大，而悲剧类的视频的权重值较小；若用户的情绪类型属于消极情绪，则设定悲剧类的视频的权重值较大，而喜剧类的视频的权重值较小。待确定出用户的情绪类型后，直接从数据库中获取到相应的权重值进行计算。
可选地，在步骤103中针对该地理位置及该时间段的每个用户，根据该用户在该时间段的情绪类型对该用户对所有视频的评价数据进行过滤处理。例如若用户的情绪类型属于积极情绪，则直接过滤掉悲剧类的视频，即不考虑悲剧类的视频。
本发明实施例实现了将用户观看视频的时间信息、地理位置信息以及用户的情形类型融合到对视频的评价结果中，使得评级结果准确性较高，更符合用户的需求。
图3为本发明实施例提供的一种利用上述实施例中所述的用户评价视频的数据处理方法得到的所有视频的评价结果所实现的视频推荐方法所对应的流程示意图，该方法包括：
步骤301，接收用户发送的视频请求，所述视频请求中携带有所述用户的身份标识；
步骤302，根据所述用户的身份标识、所述用户发送所述视频请求所在的时间段以及所述用户的地理位置，获取所述用户在相应地理位置的相应时间段对所有视频的评价结果；
步骤303，根据所述用户在相应地理位置的相应时间段对所有视频的评价结果，向所述用户进行视频推荐，并将推荐结果发送给所述用户。
具体地，在步骤301中，所述用户发送的视频请求，可以为用户发送的视频推荐请求，也可以为用户发送的视频访问请求，所述视频请求中携带有用于唯一标识所述用户的身份标识；在步骤302中，假设根据用户的身份标识识别出用户A，用户A发送视频请求所在的时间段为上午，用户A的地理位置为济南，则通过查询数据库获取到用户A在济南的上午对所有视频的评价结果；对上述评价结果进行排序，根据排序结果，选取N个视频推荐给所述用户，N大于等于1。
由于本发明实施例中用户在相应地理位置的相应时间段对所有视频的评价结果是根据用户的位置信息、时间信息及用户的情绪类型得到的，因此根据该评价结果向用户推荐的视频更准确，更加符合客户需求。
针对上述方法流程，本发明实施例还提供一种用户评价视频的数据处理装置以及视频推荐装置，该装置的具体内容可以参照上述方法实施，在此不再赘述。
图4为本发明提供的一种用户评价视频的数据处理装置，该装置包括：
获取已评价数据模块401，用于获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；所述时间段是根据所述每个地理位置的所有用户观看视频的时间预先设定的时间范围；
确定所有评价数据模块402，用于根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，计算每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；
确定评价结果模块403，用于根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，并根据所述权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；其中，每个地理位置的每个用户在每个时间段的情绪类型是根据该地理位置的该用户在该时间段的视频操作行为统计得到的。
较佳地，所述确定评价结果模块403还用于，根据以下方式得到每个地理位置的每个用户在每个时间段的情绪类型：
获取一个地理位置的参考用户在一个时间段内操作视频的行为信息；其中所述参考用户操作视频的行为信息至少包括：用户观看的视频名称、视频类型、观看的时间长度以及更换视频的频率；
对所述参考用户操作视频的行为信息进行量化处理，得到相应的数据信息；
根据所述数据信息判断出所述参考用户在一个时间段的情绪类型。
较佳地，所述确定所有评价数据模块402还用于：
根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，采用矩阵分解算法计算出每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据。
图5为本发明实施例提供的一种利用上述实施例所述的装置得到的视频的评价数据所实现的视频推荐装置，该装置包括：
接收模块501，用于接收用户发送的视频请求，所述视频请求中携带有所述用户的身份标识；
获取评价结果模块502，用于根据所述用户的身份标识、发送所述视频请求所在的时间段以及所述用户的地理位置，获取所述用户在相应地理位置的相应时间段对所有视频的评价结果；
推荐模块503，用于根据所述用户在相应地理位置的相应时间段对所有视频的评价结果，向所述用户进行视频推荐，并将推荐结果发送给所述用户。
较佳地，所述推荐模块503还用于：
将所述评价结果进行排序，根据排序结果，选取N个视频推荐给所述用户，N大于等于1。
从上述内容可以看出：本发明实施例通过获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；本发明实施例通过获取不同地理位置的用户在不同时间段内对视频的所有评价数据，并结合用户的情绪类型得到用户对视频的评价结果，该评价结果不仅考虑了用户与视频之间关联关系，而且考虑到用户的情绪类型，因此该评价结果相对于现有技术中的仅侧重二元关系而得到的结果具有更高的准确性，能够更好地满足用户的需求。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种用户评价视频的数据处理方法，其特征在于，该方法包括：
获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；所述时间段是根据所述每个地理位置的所有用户观看视频的时间预先设定的时间范围；
根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，计算每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；
根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，并根据所述权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；其中，所述每个地理位置的每个用户在每个时间段的情绪类型是根据该地理位置的该用户在该时间段的视频操作行为统计得到的。
2.如权利要求1所述的方法，其特征在于，所述每个地理位置的每个用户在每个时间段的情绪类型根据以下方式得到：
获取一个地理位置的参考用户在一个时间段内操作视频的行为信息；其中所述参考用户操作视频的行为信息至少包括：用户观看的视频名称、视频类型、观看的时间长度以及更换视频的频率；
对所述参考用户操作视频的行为信息进行量化处理，得到相应的数据信息；
根据所述数据信息判断出所述参考用户在一个时间段的情绪类型。
3.如权利要求1所述的方法，其特征在于，根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，计算每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据，包括：
根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，采用矩阵分解算法计算出每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据。
4.一种利用权利要求1至3中任一项所述的方法得到的所有视频的评价结果所实现的视频推荐方法，其特征在于，包括：
接收用户发送的视频请求，所述视频请求中携带有所述用户的身份标识；
根据所述用户的身份标识、所述用户发送所述视频请求所在的时间段以及所述用户的地理位置，获取所述用户在相应地理位置的相应时间段对所有视频的评价结果；
根据所述用户在相应地理位置的相应时间段对所有视频的评价结果，向所述用户进行视频推荐，并将推荐结果发送给所述用户。
5.如权利要求4所述的方法，其特征在于，所述根据所述用户在相应地理位置的相应时间段对视频的评价结果，向所述用户进行视频推荐，包括：
将所述评价结果进行排序，根据排序结果，选取N个视频推荐给所述用户，N大于等于1。
6.一种用户评价视频的数据处理装置，其特征在于，该装置包括：
获取已评价数据模块，用于获取用户对视频的已评价数据、用户观看视频的时间及用户的地理位置，统计得到每个地理位置的所有用户在每个时间段对每个视频的已评价数据；所述时间段是根据所述每个地理位置的所有用户观看视频的时间预先设定的时间范围；
确定所有评价数据模块，用于根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，计算每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据，得到每个地理位置的每个用户在每个时间段对所有视频的评价数据；
确定评价结果模块，用于根据所述每个地理位置的每个用户在每个时间段的情绪类型，获取所述所有视频的评价数据预设的权重值，并根据所述权重值，对每个用户对所述所有视频的评价数据分别进行加权处理，得到所述每个用户在每个地理位置及该时间段对所述所有视频的评价结果；其中，所述每个地理位置的每个用户在每个时间段的情绪类型是根据该地理位置的该用户在该时间段的视频操作行为统计得到的。
7.如权利要求6所述的装置，其特征在于，所述确定评价结果模块还用于，根据以下方式得到每个地理位置的每个用户在每个时间段的情绪类型：
获取一个地理位置的参考用户在一个时间段内操作视频的行为信息；其中所述参考用户操作视频的行为信息至少包括：用户观看的视频名称、视频类型、观看的时间长度以及更换视频的频率；
对所述参考用户操作视频的行为信息进行量化处理，得到相应的数据信息；
根据所述数据信息判断出所述参考用户在一个时间段的情绪类型。
8.如权利要求6所述的装置，其特征在于，所述确定所有评价数据模块具体用于：
根据每个地理位置的所有用户在每个时间段对每个视频的已评价数据，采用矩阵分解算法计算出每个地理位置的每个用户在每个时间段对所述每个用户未做出评价的视频的评价数据。
9.一种利用权利要求6至8中任一项所述的装置得到的所有视频的评价结果所实现的视频推荐装置，其特征在于，包括：
接收模块，用于接收用户发送的视频请求，所述视频请求中携带有所述用户的身份标识；
获取评价结果模块，用于根据所述用户的身份标识、所述用户发送所述视频请求所在的时间段以及所述用户的地理位置，获取所述用户在相应地理位置的相应时间段对所有视频的评价结果；
推荐模块，用于根据所述用户在相应地理位置的相应时间段对所有视频的评价结果，向所述用户进行视频推荐，并将推荐结果发送给所述用户。
10.如权利要求9所述的装置，其特征在于，所述推荐模块还用于：
将所述评价结果进行排序，根据排序结果，选取N个视频推荐给所述用户，N大于等于1。
CN201510064678.0A 2015-02-06 2015-02-06 一种用户评价视频的数据处理方法、视频推荐方法及装置 Active CN104657457B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510064678.0A CN104657457B (zh) 2015-02-06 2015-02-06 一种用户评价视频的数据处理方法、视频推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510064678.0A CN104657457B (zh) 2015-02-06 2015-02-06 一种用户评价视频的数据处理方法、视频推荐方法及装置

Publications (2)

Publication Number Publication Date
CN104657457A CN104657457A (zh) 2015-05-27
CN104657457B true CN104657457B (zh) 2017-12-26

Family

ID=53248585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510064678.0A Active CN104657457B (zh) 2015-02-06 2015-02-06 一种用户评价视频的数据处理方法、视频推荐方法及装置

Country Status (1)

Country Link
CN (1) CN104657457B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718510B (zh) * 2016-01-12 2019-06-18 海信集团有限公司 一种多媒体数据推荐方法及装置
US10003847B2 (en) 2016-04-22 2018-06-19 Google Llc Watch-time clustering for improving video searches, selection and provision
CN107945175A (zh) * 2017-12-12 2018-04-20 百度在线网络技术（北京）有限公司 图像的评价方法、装置、服务器及存储介质
CN108549641B (zh) * 2018-04-26 2022-09-20 中国联合网络通信集团有限公司 歌曲评定方法、装置、设备及存储介质
CN109947964A (zh) * 2019-04-02 2019-06-28 北京字节跳动网络技术有限公司 用于更新信息的方法和装置
CN112637688B (zh) * 2020-12-09 2021-09-07 北京意图科技有限公司 视频内容评价方法及视频内容评价系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种基于移动用户位置的网络服务推荐方法;刘树栋等;《软件学报》;20141130;第25卷(第11期);全文 *
一种基于输出情景化的多维信息推荐新方法研究;杨君;《情报科学》;20141130;第32卷(第11期);全文 *
移动推荐系统及其应用;孟祥武等;《软件学报》;20130131;第24卷(第1期);全文 *

Also Published As

Publication number Publication date
CN104657457A (zh) 2015-05-27

Similar Documents

Publication Publication Date Title
CN104657457B (zh) 一种用户评价视频的数据处理方法、视频推荐方法及装置
US9882946B2 (en) Generating consolidated social content for a user of a social networking system
CN108090208A (zh) 融合数据处理方法及装置
CN103686237B (zh) 推荐视频资源的方法及系统
CN109102334A (zh) 商圈划分方法、装置及电子设备
CN106097043B (zh) 一种信用数据的处理方法及服务器
CN107885796A (zh) 信息推荐方法及装置、设备
CN105930425A (zh) 个性化视频推荐方法及装置
CN104053023B (zh) 一种确定视频相似度的方法及装置
CN107548500A (zh) 基于用户例程模型的事件异常
CN103647800A (zh) 推荐应用资源的方法及系统
US20210216938A1 (en) Enterprise platform for enhancing operational performance
Beshley et al. Customer-oriented quality of service management method for the future intent-based networking
CN107862022A (zh) 文化资源推荐系统
CN109905696A (zh) 一种基于加密流量数据的视频服务体验质量的识别方法
JP2022514134A (ja) 輸送サービスプロバイダを管理する方法、当該方法を実施するための命令を含むコンピュータプログラム、当該方法を実行させる命令を記憶する非一時記憶媒体、及び輸送サービスプロバイダを管理するための装置
Shoukat et al. Smart home for enhanced healthcare: exploring human machine interface oriented digital twin model
CN106663258A (zh) 通过混合的基于统计和用户测量方法测量多屏幕互联网用户概况、交易行为和用户群体结构
CN108109066A (zh) 一种信用评分模型更新方法及系统
CN106656646A (zh) 智能流量提醒方法、装置以及相应的移动终端
CN107767153A (zh) 一种数据处理方法及装置
CN104992318A (zh) 行事历主动推荐事件的方法
CN110138988A (zh) 一种智能分配访客的方法及装置
CN112927050A (zh) 待推荐金融产品确定方法、装置、电子设备及存储介质
CN117575706A (zh) 信息推送方法、装置、非易失性存储介质及电子设备

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