CN104918117A - 一种智能电视广告及用户标签推荐方法 - Google Patents

一种智能电视广告及用户标签推荐方法 Download PDF

Info

Publication number
CN104918117A
CN104918117A CN201510131460.2A CN201510131460A CN104918117A CN 104918117 A CN104918117 A CN 104918117A CN 201510131460 A CN201510131460 A CN 201510131460A CN 104918117 A CN104918117 A CN 104918117A
Authority
CN
China
Prior art keywords
user
data
intelligent television
audience ratings
share
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
CN201510131460.2A
Other languages
English (en)
Other versions
CN104918117B (zh
Inventor
孙永强
周清峰
刘胜涛
唐军
蒲文龙
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 CN201510131460.2A priority Critical patent/CN104918117B/zh
Publication of CN104918117A publication Critical patent/CN104918117A/zh
Application granted granted Critical
Publication of CN104918117B publication Critical patent/CN104918117B/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
    • H04N21/45—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
    • 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
    • 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

Abstract

本发明公开了一种智能电视广告及用户标签推荐方法，具体方法步骤为步骤1获取智能电视终端记录用户观看电视的行为数据；步骤2通过以序列化形式存储于HDFS上的用户行为数据，确定数据模式schema；步骤3确定要计算收视率和收视份额日期；步骤4获得收视率和收视份额的中间值；步骤5对中间值进行处理；步骤6对获得的收视率和收视份额进行单点测试；步骤7将获得的收视率和收视份额数据写入MongoDB中；步骤8将频道热度排名推荐给广告商或为用户打上标签在智能电视推荐相应内容。与现有方法相比较，本发明准确地展示了热门电视频道，并将频道热度排名推荐给广告商，以及可以为用户打上标签，为其推荐相应内容。

Description

一种智能电视广告及用户标签推荐方法
技术领域
本发明涉及智能电视领域，尤其涉及一种智能电视广告及用户标签推荐方法。
背景技术
随着智能电视的普及，人们不仅仅能够通过电视观看电视频道，而且能够连接互联网，从而所有智能电视终端可以连接到一个智能电视大数据平台。但是现在电视频道众多，并且选择频道所占用的时间也越来越多，用户希望能够通过在智能电视大数据平台中获取实时热门的电视频道，从而选择热门频道进行观看。现阶段的热门频道都是通过各个电视台通过采样数据进行发布，由于统计采用的是采样数据，不能够采集到所有信息，所以该方法统计出的热门电视频道不具备准确性。
发明内容
本发明的目的就在于提供一种可以解决上述问题，为广告商和用户推荐准确性实时热门电视频道的智能电视广告及用户标签推荐方法。
为了实现上述目的，本发明采用的技术方案是：一种智能电视广告及用户标签推荐方法，具体方法步骤如下，
步骤1获取智能电视终端记录用户观看电视的行为数据；
步骤2通过以序列化形式存储于HDFS上的用户行为数据，确定数据模式 schema；
步骤3确定要计算收视率和收视份额日期，计算某一天的收视率和收视份额时，从步骤4到步骤6计算；
步骤4编写MapReduce程序对大量的用户行为数据进行计算，从而获得收视率和收视份额的中间值；
步骤5对步骤4中获得中间值进行处理获得相应的收视率和收视份额；
步骤6对步骤5获得的收视率和收视份额进行单点测试，保证数据的准确性；
步骤7将步骤5获得的收视率和收视份额数据写入MongoDB中；
步骤8将MongoDB中数据进行频道热度排名，将频道热度排名推荐给广告商或为用户打上标签在智能电视推荐相应内容。
作为优选，所述步骤1中，用户观看电视的行为数据为，用户观看电视的频道和节目的映射数据，以及结束时间和开始时间相差两个小时以内的数据。
作为优选，所述步骤5中，收视率和收视份额公式为:
作为优选，所述步骤7中，为了快速将数据写入MongoDB中，每获得20000条数据，就一次性批量写入MongoDB中。
与现有技术相比，本发明的优点在于：准确地展示了热门电视频道，并将 频道热度排名推荐给广告商，以及可以为用户打上标签，为其推荐相应内容。
附图说明
图1为本发明原理框图；
图2为本发明用户观看电视的行为数据映射示意图；
图3为本发明用户数据上报及有效收看示意图。
具体实施方式
下面将对本发明作进一步说明。
实施例：参见图1，一种智能电视广告及用户标签推荐方法，具体方法步骤如下，
步骤1获取智能电视终端记录用户观看电视的行为数据，其包括观看的频道、相应的节目，以及观看的起始和结束时间；用户观看电视的行为数据为，用户观看电视的频道和节目的映射数据，以及结束时间和开始时间相差两个小时以内的数据；
通过用户观看电视的行为数据，一天以小时为单位，共计300个时段；全国34个省(直辖市)共576个(全部省级，部分市级)频道；可准确的计算出每个省每个频道每个时段都有相应的收视率和收视份额，并且还包括相应节目以及全国频道的收视率和收视份额。
步骤2由于用户行为数据以序列化形式存储于HDFS上，故确定数据模式schema，根据定义的模式，生成相应的类，而每个类表示用户行为数据的一行数据；
步骤3确定要计算收视率和收视份额日期，除了当前时间的前一天日期， 还要从前一天往前推算几天，因为收视率和收视份额会断变化，以3天为计算范围。计算某一天的收视率和收视份额时，计算某一天的收视率和收视份额时，从步骤4到步骤6计算；
步骤4编写MapReduce程序对大量的用户行为数据进行计算，从而获得收视率和收视份额的中间值；
步骤5对步骤4中获得中间值进行处理获得相应的收视率和收视份额；
该步骤详细步骤如下
a.遍历所有的中间值数据，获得相应的全局变量；
b.遍历所有的中间值数据，根据收视率和收视份额公式，计算相应的收视率和收视份额；
c.对上述获得的收视率和收视份额数据进行排序。
步骤6对步骤5获得的收视率和收视份额进行单点测试，保证数据的准确性；
步骤7将步骤5获得的收视率和收视份额数据写入MongoDB中，为了快速将数据写入MongoDB中，每获得20000条数据，就一次性批量写入MongoDB中；
步骤8将MongoDB中数据进行频道热度排名，将频道热度排名推荐给广告商或为用户打上标签在智能电视推荐相应内容。
映射数据是对用户观看电视的行为数据中频道和节目进行映射，是将一些重复的，概念模糊的，含义相近的进行映射，得到较为准确地频道和节目信息；具体意思如下:如图2
if(Time_B-Time_A<＝2(day)&&Time_B-Time_A>＝0(day))
该用户有效，计数为1；
else if(Time_B-Time_A>＝2(day)&&Time_B-Time_A<＝0(day))
该用户无效，计数为0。
用户数据上报及有效收看说明：如图3
不上报数据；
例如：目标时段2014年11月24日11:30～11:40，频道CCTV1。某用户进入该频道的时间节点为Time_A，换台时间节点为Time_B，如果该用户在目标时段内有多次有效进入和退出记录，仍按一次处理。
收视率和收视份额公式为:
收看D频道的人数：CHiQ用户行为数据中，进入目标时段[a，b]内，收看D频道的用户总数。
所有电视人口数：CHiQ用户行为数据中，满足sort＝”TV用户行为”而且subclass＝”DTV_program”的用户总数。
收看D频道的人数：CHiQ用户行为数据中，进入目标时段[a，b]内，收看D频道的用户总数。
所有电视人口数：CHiQ用户行为数据中，进入目标时段[a，b]内，满足sort＝”TV用户行为”而且subclass＝”DTV_program”的用户总数
E城市收看D频道的人数：CHiQ用户行为数据中，进入目标时段[a，b]内，E城市收看D频道的用户总数。
E城市所有电视人口数：CHiQ用户行为数据中，E城市里满足sort＝”TV用户行为”而且subclass＝”DTV_program”的用户总数。
E城市收看D频道的人数：CHiQ用户行为数据中，进入目标时段[a，b]内，E城市收看D频道的用户总数。
E城市所有电视人口数：CHiQ用户行为数据中，进入目标时段[a，b]内，E城市里满足sort＝”TV用户行为”而且subclass＝”DTV_program”的用户总数。
综上所述，本发明主要是智能电视广告及用户标签推荐方法。获得智能电视终端记录用户观看电视的行为数据，其包括观看的频道，相应的节目，以及观看的起始和结束时间；由于用户行为数据以序列化形式存储于HDFS上，故确定数据模式(schema)，根据定义的模式，生成相应的类，而每个类表示用户行为数据的一行数据；确定要计算收视率和收视份额日期，编写MapReduce程序对大量的用户行为数据进行计算，从而获得收视率和收视份额的中间值，对中间值处理获得相应的收视率和收视份额，将获得的数据写入Mongodb，并用于广告及用户标签推荐.准确地展示了热门电视频道的推荐，增加了外部广告投入度及用户的使用友好度，使智能电视更具智能型。
以上对本发明所提供的一种智能电视广告及用户标签推荐方法进行了详尽 介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，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，对本发明的变更和改进将是可能的，而不会超出附加权利要求所规定的构思和范围，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种智能电视广告及用户标签推荐方法，其特征在于：具体方法步骤如下，
步骤1获取智能电视终端记录用户观看电视的行为数据；
步骤2通过以序列化形式存储于HDFS上的用户行为数据，确定数据模式schema；
步骤3确定要计算收视率和收视份额日期，计算某一天的收视率和收视份额时，从步骤4到步骤6计算；
步骤4编写MapReduce程序对大量的用户行为数据进行计算，从而获得收视率和收视份额的中间值；
步骤5对步骤4中获得中间值进行处理获得相应的收视率和收视份额；
步骤6对步骤5获得的收视率和收视份额进行单点测试，保证数据的准确性；
步骤7将步骤5获得的收视率和收视份额数据写入MongoDB中；
步骤8将MongoDB中数据进行频道热度排名，将频道热度排名推荐给广告商或为用户打上标签在智能电视推荐相应内容。
2.根据权利要求1所述的一种智能电视广告及用户标签推荐方法，其特征在于：所述步骤1中，用户观看电视的行为数据为，用户观看电视的频道和节目的映射数据，以及结束时间和开始时间相差两个小时以内的数据。
3.根据权利要求1所述的一种智能电视广告及用户标签推荐方法，其特征在于：所述步骤5中，收视率和收视份额公式为:
4.根据权利要求1所述的一种智能电视广告及用户标签推荐方法，其特征在于：所述步骤7中，为了快速将数据写入MongoDB中，每获得20000条数据，就一次性批量写入MongoDB中。
CN201510131460.2A 2015-03-24 2015-03-24 一种智能电视广告及用户标签推荐方法 Active CN104918117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510131460.2A CN104918117B (zh) 2015-03-24 2015-03-24 一种智能电视广告及用户标签推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510131460.2A CN104918117B (zh) 2015-03-24 2015-03-24 一种智能电视广告及用户标签推荐方法

Publications (2)

Publication Number Publication Date
CN104918117A true CN104918117A (zh) 2015-09-16
CN104918117B CN104918117B (zh) 2018-10-19

Family

ID=54086757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510131460.2A Active CN104918117B (zh) 2015-03-24 2015-03-24 一种智能电视广告及用户标签推荐方法

Country Status (1)

Country Link
CN (1) CN104918117B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550277A (zh) * 2015-12-10 2016-05-04 中国传媒大学 基于标签热度的智能电影排名和评价系统
CN105657521A (zh) * 2015-11-02 2016-06-08 乐视致新电子科技（天津）有限公司 一种频道数据存储方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103118279A (zh) * 2013-02-22 2013-05-22 浪潮齐鲁软件产业有限公司 一种分布式云端数字电视节目推荐方法
CN103338403A (zh) * 2012-09-17 2013-10-02 中国传媒大学 广播电视系统及该系统中的个性节目推荐方法
CN104219576A (zh) * 2014-08-18 2014-12-17 四川长虹电器股份有限公司 一种基于智能电视的播放节目推荐方法
CN104317899A (zh) * 2014-10-24 2015-01-28 西安未来国际信息股份有限公司 一种大数据分析与处理系统及访问方法
EP2843859A1 (en) * 2013-08-29 2015-03-04 Comcast Cable Communications, LLC Measuring video-content viewing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103338403A (zh) * 2012-09-17 2013-10-02 中国传媒大学 广播电视系统及该系统中的个性节目推荐方法
CN103118279A (zh) * 2013-02-22 2013-05-22 浪潮齐鲁软件产业有限公司 一种分布式云端数字电视节目推荐方法
EP2843859A1 (en) * 2013-08-29 2015-03-04 Comcast Cable Communications, LLC Measuring video-content viewing
CN104219576A (zh) * 2014-08-18 2014-12-17 四川长虹电器股份有限公司 一种基于智能电视的播放节目推荐方法
CN104317899A (zh) * 2014-10-24 2015-01-28 西安未来国际信息股份有限公司 一种大数据分析与处理系统及访问方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
吴红媚: "数字电视的收视率调查分析系统的设计与实现", 《中国优秀硕士论文全文数据库》 *
孙云涛: "基于Hadoop的广电CDN数据中心系统设计与实现", 《中国优秀硕士学位论文全文数据库》 *
孟小娟，黄东，周元欣: "基于双向数字电视网络的收视率统计技术研究", 《广播与电视技术》 *
尹培培，周文粲: "大数据时代的电视收视调查与跨屏收视研究", 《广播电视信息》 *
张吉飞，王安平: "实时电视收视率调查分析系统", 《广播与电视技术》 *
汪云: "融合时代的大数据发展", 《电视技术》 *
金洁: "基于数字电视的收视率调查方法", 《广播与电视技术》 *
陈亚然，梁宇，曹三省: "基于大数据的广播电视技术转型", 《中国传媒科技》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105657521A (zh) * 2015-11-02 2016-06-08 乐视致新电子科技（天津）有限公司 一种频道数据存储方法和装置
CN105550277A (zh) * 2015-12-10 2016-05-04 中国传媒大学 基于标签热度的智能电影排名和评价系统

Also Published As

Publication number Publication date
CN104918117B (zh) 2018-10-19

Similar Documents

Publication Publication Date Title
CN109074593B (zh) 信息处理装置、信息处理方法、信息处理系统及程序
CN105245958B (zh) 一种直播电视节目推荐方法和装置
CN103491441B (zh) 直播电视节目推荐方法及系统
CN105956149A (zh) 默认搜索词的推荐方法和装置
CN103563275B (zh) 确定媒体资源的使用的方法和装置
CN102724570B (zh) 交互式网络电视节目显示方法和系统
CN104333773A (zh) 一种视频推荐方法及服务器
US20150058874A1 (en) Method and Device for Setting Properties
CN104394471A (zh) 一种智能推荐用户喜爱节目的方法
CN104219576A (zh) 一种基于智能电视的播放节目推荐方法
CN102685566A (zh) 一种音视频节目推荐方法
CN103686231A (zh) 影片的集成管理、失效替换与续播的方法及系统
CN105224576A (zh) 一种影视智能推荐方法
JP5544010B2 (ja) 多くの視聴者を開発すると予測されるビデオを広告のターゲットとする技術
CN105183925A (zh) 内容关联推荐方法及装置
CN104066004A (zh) 一种对电视频道智能排序的电视机系统及方法
CN105959740A (zh) 一种基于用户行为分析的电视节目导航方法及系统
CN106383904A (zh) 视频推荐方法及装置
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
CN102572543A (zh) 一种数字电视节目推荐系统及方法
CN107222762A (zh) 一种频道推荐的方法和装置
CN106303591B (zh) 一种视频推荐方法及装置
CN104918117A (zh) 一种智能电视广告及用户标签推荐方法
WO2018148750A1 (en) Method and system for re-aggregation and optimization of media
CN104954821A (zh) 一种节目关联度的计算方法及其计算系统

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