CN104954821B - 一种节目关联度的计算方法及其计算系统 - Google Patents
一种节目关联度的计算方法及其计算系统 Download PDFInfo
- Publication number
- CN104954821B CN104954821B CN201510355204.1A CN201510355204A CN104954821B CN 104954821 B CN104954821 B CN 104954821B CN 201510355204 A CN201510355204 A CN 201510355204A CN 104954821 B CN104954821 B CN 104954821B
- Authority
- CN
- China
- Prior art keywords
- program
- user
- degree
- association
- users
- 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.)
- Expired - Fee Related
Links
- 238000000205 computational method Methods 0.000 title claims abstract description 25
- 230000003542 behavioural effect Effects 0.000 claims description 41
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 241001269238 Data Species 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
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]
- H04N21/20—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
- H04N21/4667—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]
- H04N21/40—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)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种节目关联度的计算方法及其计算系统,所述计算方法包括:获取至少两个节目的用户行为数据,根据所述用户行为数据计算至少两个节目之间的关联度。根据本发明提供的关联度向当前用户推送与当前节目相关联的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。另外,通过节目之间的关联度给用户提供感兴趣的节目,实现了关联效应的价值最大化。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种节目关联度的计算方法及其计算系统。
背景技术
随着智能终端设备的发展,越来越多的频道和越来越丰富的节目内容让用户难以选择,如何从海量节目中挑选自己感兴趣的节目已经成为困扰用户的问题。现有的节目推荐方法根据不同的用户群体的喜好和习惯推荐相应的节目。这种推荐方法根据当前节目的热播程度来推荐会具有一定的效果,但是并不能够满足用户的需求。由于推荐的节目与当前的节目不具有相关性,而且用户群体具有差异性,因此推荐给当前用户观看的节目可能是其他用户喜欢的类型,不一定是当前用户想要观看的,从而导致推荐效果低。
发明内容
为解决上述问题,本发明提供一种节目关联度的计算方法及其计算系统,用于解决现有技术中推荐的节目与当前的节目不具有相关性,导致推荐效果低的问题。
为此,本发明提供一种节目关联度的计算方法,包括:
步骤S1、获取至少两个节目的用户行为数据;
步骤S2、根据所述用户行为数据计算至少两个节目之间的关联度。
可选的,所述步骤S2包括:
步骤S21、根据所述用户行为数据形成第一节目的用户行为数据、第二节目的用户行为数据以及所述第一节目和所述第二节目之间相互关联的公共用户行为数据;
步骤S22、根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据计算至少两个节目之间的关联度。
可选的,所述步骤S1包括:
步骤S11、获取第一节目的第一用户行为数据和第二节目的第二用户行为数据;
所述步骤S2包括:
步骤S23、根据所述第一用户行为数据形成所述第一节目的第一用户数量,根据所述第二用户行为数据形成所述第二节目的第二用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的公共用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的全部用户数量;
步骤S24、根据所述第一用户数量、第二用户数量、公共用户数量以及全部用户数量计算所述第一节目和所述第二节目之间的关联度。
可选的,所述步骤S24包括:
步骤S241、根据所述公共用户数量与所述第一用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
可选的,所述步骤S24包括:
步骤S242、根据所述公共用户数量与所述第二用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
可选的,所述公共用户数量与所述第一用户数量之间的比值为第一公共比值,所述公共用户数量与所述第二用户数量之间的比值为第二公共比值,所述步骤S24包括:
步骤S243、根据所述第一公共比值与所述第二公共比值的平均值确定所述第一节目和所述第二节目之间的关联度。
可选的,所述步骤S24包括:
步骤S244、根据所述公共用户数量与所述全部用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
可选的,所述步骤S2之后包括:
步骤S3、对目标节目与其它节目之间的关联度进行排序;
步骤S4、根据关联度的排序结果向目标用户推送其它节目。
可选的,所述用户行为数据包括历史观看记录,所述历史观看记录包括观看频率和观看时间。
本发明还提供一种节目关联度的计算系统,包括获取单元和计算单元;
所述获取单元用于获取至少两个节目的用户行为数据;
所述计算单元用于根据所述用户行为数据计算至少两个节目之间的关联度。
可选的,所述计算单元包括第一形成模块和第一计算模块;
第一形成模块用于根据所述用户行为数据形成第一节目的用户行为数据、第二节目的用户行为数据以及所述第一节目和所述第二节目之间相互关联的公共用户行为数据;
第一计算模块用于根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据计算至少两个节目之间的关联度。
可选的,所述获取单元包括获取模块;
所述获取模块用于获取第一节目的第一用户行为数据和第二节目的第二用户行为数据;
所述计算单元包括第二形成模块和第二计算模块;
所述第二形成模块用于根据所述第一用户行为数据形成所述第一节目的第一用户数量,根据所述第二用户行为数据形成所述第二节目的第二用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的公共用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的全部用户数量;
所述第二计算模块用于根据所述第一用户数量、第二用户数量、公共用户数量以及全部用户数量计算所述第一节目和所述第二节目之间的关联度。
可选的,所述第二计算模块包括第一确定子模块;
所述第一确定子模块用于根据所述公共用户数量与所述第一用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
可选的,所述第二计算模块包括第二确定子模块;
所述第二确定子模块用于根据所述公共用户数量与所述第二用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
可选的,所述公共用户数量与所述第一用户数量之间的比值为第一公共比值,所述公共用户数量与所述第二用户数量之间的比值为第二公共比值,所述第二计算模块包括第三确定子模块;
所述第三确定子模块用于根据所述第一公共比值与所述第二公共比值的平均值确定所述第一节目和所述第二节目之间的关联度。
可选的,所述第二计算模块包括第四确定子模块;
所述第四确定子模块用于根据所述公共用户数量与所述全部用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
可选的,还包括排序单元和推送单元;
所述排序单元用于对目标节目与其它节目之间的关联度进行排序;
所述推送单元用于根据关联度的排序结果向目标用户推送其它节目。
可选的,所述用户行为数据包括历史观看记录,所述历史观看记录包括观看频率和观看时间。
本发明具有下述有益效果:
本发明提供的节目关联度的计算方法及其计算系统中,所述计算方法包括:获取至少两个节目的用户行为数据,根据所述用户行为数据计算至少两个节目之间的关联度。根据本发明提供的关联度向当前用户推送与当前节目具有关联度的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。另外,通过节目之间的关联度给用户提供感兴趣的节目,实现了关联效应的价值最大化。
附图说明
图1为本发明实施例一提供的一种节目关联度的计算方法的流程图;
图2为本发明实施例一提供的另一种节目关联度的计算方法的流程图;
图3为本发明实施例二提供的一种节目关联度的计算系统的结构示意图;
图4为图3所示节目关联度的计算系统的具体结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的节目关联度的计算方法及其计算系统进行详细描述。
实施例一
图1为本发明实施例一提供的一种节目关联度的计算方法的流程图。如图1所示,所述计算方法包括:
步骤S1、获取至少两个节目的用户行为数据。
可选的,所述用户行为数据包括历史观看记录,所述历史观看记录包括观看频率和观看时间。本实施例中,所述观看频率、观看时间等用户行为数据存在于电视终端的日志中,通过对日志进行读取、分析和统计就可以获取与节目对应的用户行为数据。
图2为本发明实施例一提供的另一种节目关联度的计算方法的流程图。如图2所示,所述步骤S1包括:步骤S11、获取第一节目的第一用户行为数据和第二节目的第二用户行为数据。也就是说,本实施例针对至少两个节目的用户行为数据进行读取、分析和统计,计算这两个节目之间的关联度,根据关联度向当前用户推送与当前节目具有关联度的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。
步骤S2、根据所述用户行为数据计算至少两个节目之间的关联度。
所述步骤S2包括:步骤S21、根据所述用户行为数据形成第一节目的用户行为数据、第二节目的用户行为数据以及所述第一节目和所述第二节目之间相互关联的公共用户行为数据;步骤S22、根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据计算两个节目之间的关联度。本实施例中,可以根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据来计算这两个节目之间的关联度。下面具体论述如何通过第一节目的用户行为数据、第二节目的用户行为数据以及公共用户行为数据确定两个节目之间的关联度。
参见图1,所述计算方法还包括:
步骤S3、对目标节目与其它节目之间的关联度进行排序。
步骤S4、根据关联度的排序结果向目标用户推送其它节目。
本实施例中,计算目标节目与其它节目之间的关联度,再对所述关联度进行排序,最终根据关联度的排序结果向目标用户推送节目和信息。关联度的排名越靠前表示所述节目与目标节目的相关性越高,因此向目标用户进行推荐的精准度也就越高。当然,除了推荐节目之外,也可以推荐其它相关信息。根据关联度向当前用户推送与当前节目具有关联度的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。
参见图2,所述步骤S2包括:
步骤S23、根据所述第一用户行为数据形成所述第一节目的第一用户数量,根据所述第二用户行为数据形成所述第二节目的第二用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的公共用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的全部用户数量;
步骤S24、根据所述第一用户数量、第二用户数量、公共用户数量以及全部用户数量计算所述第一节目和所述第二节目之间的关联度。
本实施例中,观看过第一节目的第一用户数量为A,观看过第二节目的第二用户数量为B。既观看过第一节目又观看过第二节目的公共用户数量为C,所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。观看过第一节目和第二节目的全部用户数量为D,所述全部用户数量D为第一用户数量A与第二用户数量B的并集,即D=A∪B。根据所述第一用户数量A、第二用户数量B、公共用户数量C以及全部用户数量D就可以确定所述第一节目和所述第二节目之间的关联度。再根据本实施例提供的关联度向当前用户推送与当前节目相关联的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。另外,通过节目之间的关联度给用户提供感兴趣的节目,实现了关联效应的价值最大化。
可选的,所述步骤S24包括:步骤S241、根据所述公共用户数量与所述第一用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。本实施例中,所述公共用户数量C与所述第一用户数量A之间的比值越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述公共用户数量C与所述第一用户数量A之间的比值越小,表示所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。
可选的,所述步骤S24包括:步骤S242、根据所述公共用户数量与所述第二用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。本实施例中,所述公共用户数量C与所述第二用户数量B之间的比值越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述公共用户数量C与所述第二用户数量B之间的比值越小,表示所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。
可选的,所述公共用户数量C与所述第一用户数量A之间的比值为第一公共比值E,所述公共用户数量C与所述第二用户数量B之间的比值为第二公共比值F。所述步骤S24包括:步骤S243、根据所述第一公共比值与所述第二公共比值的平均值确定所述第一节目和所述第二节目之间的关联度。
本实施例中,所述第一公共比值E=C/A,所述第二公共比值F=C/B,所述平均值G=(E+F)/2=(C/A+C/B)/2。所述第一公共比值E与所述第二公共比值F的平均值G越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述第一公共比值E与所述第二公共比值F的平均值G越小,表示所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。
可选的,所述步骤S24包括:步骤S244、根据所述公共用户数量与所述全部用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。本实施例中,所述公共用户数量C与所述全部用户数量D之间的比值越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述公共用户数量C与所述全部用户数量D之间的比值越小,表示所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B,所述全部用户数量D为第一用户数量A与第二用户数量B的并集,即D=A∪B。
本实施例提供的节目关联度的计算方法包括:获取至少两个节目的用户行为数据,根据所述用户行为数据计算至少两个节目之间的关联度。根据本实施例提供的关联度向当前用户推送与当前节目具有关联度的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。另外,通过节目之间的关联度给用户提供感兴趣的节目,实现了关联效应的价值最大化。
实施例二
图3为本发明实施例二提供的一种节目关联度的计算系统的结构示意图。如图3所示,所述计算系统包括获取单元101和计算单元102。所述获取单元101用于获取至少两个节目的用户行为数据。可选的,所述用户行为数据包括历史观看记录,所述历史观看记录包括观看频率和观看时间。所述观看频率、观看时间等用户行为数据存在于电视终端的日志中,通过对日志进行读取、分析和统计就可以获取与节目对应的用户行为数据。所述计算单元102用于根据所述用户行为数据计算至少两个节目之间的关联度。可选的,所述计算系统还包括排序单元103和推送单元104。本实施例中,所述计算单元102计算目标节目与其它节目之间的关联度,所述排序单元103对所述关联度进行排序,所述推送单元104根据关联度的排序结果向目标用户推送节目和信息。关联度的排名越靠前表示所述节目与目标节目的相关性越高,因此向目标用户进行推荐的精准度也就越高。当然,除了推荐节目之外,也可以推荐其它相关信息。根据关联度向当前用户推送与当前节目具有关联度的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。
可选的,所述计算单元102包括第一形成模块和第一计算模块。所述第一形成模块用于根据所述用户行为数据形成第一节目的用户行为数据、第二节目的用户行为数据以及所述第一节目和所述第二节目之间相互关联的公共用户行为数据。所述第一计算模块用于根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据计算至少两个节目之间的关联度。本实施例中,所述第一计算模块可以根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据来计算这两个节目之间的关联度。下面具体论述如何通过第一节目的用户行为数据、第二节目的用户行为数据以及公共用户行为数据确定两个节目之间的关联度。
图4为图3所示节目关联度的计算系统的具体结构示意图。如图4所示,所述获取单元101包括获取模块201,所述获取模块201用于获取第一节目的第一用户行为数据和第二节目的第二用户行为数据。所述计算单元102包括第二形成模块202和第二计算模块203。所述第二形成模块202用于根据所述第一用户行为数据形成所述第一节目的第一用户数量,根据所述第二用户行为数据形成所述第二节目的第二用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的公共用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的全部用户数量。所述第二计算模块203用于根据所述第一用户数量、第二用户数量、公共用户数量以及全部用户数量计算所述第一节目和所述第二节目之间的关联度。
本实施例中,所述第二形成模块202形成如下数据:观看过第一节目的第一用户数量为A,观看过第二节目的第二用户数量为B。既观看过第一节目又观看过第二节目的公共用户数量为C,所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。观看过第一节目和第二节目的全部用户数量为D,所述全部用户数量D为第一用户数量A与第二用户数量B的并集,即D=A∪B。所述第二计算模块203根据所述第一用户数量A、第二用户数量B、公共用户数量C以及全部用户数量D就可以确定所述第一节目和所述第二节目之间的关联度。所述推送单元104根据关联度向当前用户推送与当前节目具有关联度的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。另外,通过节目之间的关联度给用户提供感兴趣的节目,实现了关联效应的价值最大化。
可选的,所述第二计算模块203包括第一确定子模块,所述第一确定子模块用于根据所述公共用户数量与所述第一用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。本实施例中,所述公共用户数量C与所述第一用户数量A之间的比值越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述公共用户数量C与所述第一用户数量A之间的比值越小,表示所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。
可选的,所述第二计算模块203包括第二确定子模块,所述第二确定子模块用于根据所述公共用户数量与所述第二用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。本实施例中,所述公共用户数量C与所述第二用户数量B之间的比值越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述公共用户数量C与所述第二用户数量B之间的比值越小,表示所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。
可选的,所述公共用户数量C与所述第一用户数量A之间的比值为第一公共比值E,所述公共用户数量C与所述第二用户数量B之间的比值为第二公共比值F。所述第二计算模块203包括第三确定子模块,所述第三确定子模块用于根据所述第一公共比值与所述第二公共比值的平均值确定所述第一节目和所述第二节目之间的关联度。
本实施例中,所述第一公共比值E=C/A,所述第二公共比值F=C/B,所述平均值G=(E+F)/2=(C/A+C/B)/2。所述第一公共比值E与所述第二公共比值F的平均值G越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述第一公共比值E与所述第二公共比值F的平均值G越小,表示所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B。
可选的,所述第二计算模块203包括第四确定子模块,所述第四确定子模块用于根据所述公共用户数量与所述全部用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。本实施例中,所述公共用户数量C与所述全部用户数量D之间的比值越大,表示所述第一节目和所述第二节目之间的关联度越大。相反,所述公共用户数量C与所述全部用户数量D之间的比值越小,所述第一节目和所述第二节目之间的关联度越小,其中所述公共用户数量C为第一用户数量A与第二用户数量B的交集,即C=A∩B,所述全部用户数量D为第一用户数量A与第二用户数量B的并集,即D=A∪B。
本实施例提供的节目关联度的计算系统包括获取单元和计算单元,所述获取单元用于获取至少两个节目的用户行为数据,所述计算单元用于根据所述用户行为数据计算至少两个节目之间的关联度。根据本实施例提供的关联度向当前用户推送与当前节目具有关联度的其它节目,使得推荐的节目与当前的节目具有相关性,从而提升推荐节目的精准度,提高推荐效果。另外,通过节目之间的关联度给用户提供感兴趣的节目,实现了关联效应的价值最大化。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (16)
1.一种节目关联度的计算方法,其特征在于,包括:
步骤S1、获取至少两个节目的用户行为数据;
步骤S2、根据所述用户行为数据计算至少两个节目之间的关联度;
所述步骤S2包括:
步骤S21、根据所述用户行为数据形成第一节目的用户行为数据、第二节目的用户行为数据以及所述第一节目和所述第二节目之间相互关联的公共用户行为数据;
步骤S22、根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据计算至少两个节目之间的关联度。
2.根据权利要求1所述的节目关联度的计算方法,其特征在于,所述步骤S1包括:
步骤S11、获取第一节目的第一用户行为数据和第二节目的第二用户行为数据;
所述步骤S2包括:
步骤S23、根据所述第一用户行为数据形成所述第一节目的第一用户数量,根据所述第二用户行为数据形成所述第二节目的第二用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的公共用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的全部用户数量;
步骤S24、根据所述第一用户数量、第二用户数量、公共用户数量以及全部用户数量计算所述第一节目和所述第二节目之间的关联度。
3.根据权利要求2所述的节目关联度的计算方法,其特征在于,所述步骤S24包括:
步骤S241、根据所述公共用户数量与所述第一用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
4.根据权利要求2所述的节目关联度的计算方法,其特征在于,所述步骤S24包括:
步骤S242、根据所述公共用户数量与所述第二用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
5.根据权利要求2所述的节目关联度的计算方法,其特征在于,所述公共用户数量与所述第一用户数量之间的比值为第一公共比值,所述公共用户数量与所述第二用户数量之间的比值为第二公共比值,所述步骤S24包括:
步骤S243、根据所述第一公共比值与所述第二公共比值的平均值确定所述第一节目和所述第二节目之间的关联度。
6.根据权利要求2所述的节目关联度的计算方法,其特征在于,所述步骤S24包括:
步骤S244、根据所述公共用户数量与所述全部用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
7.根据权利要求1所述的节目关联度的计算方法,其特征在于,所述步骤S2之后包括:
步骤S3、对目标节目与其它节目之间的关联度进行排序;
步骤S4、根据关联度的排序结果向目标用户推送其它节目。
8.根据权利要求1所述的节目关联度的计算方法,其特征在于,所述用户行为数据包括历史观看记录,所述历史观看记录包括观看频率和观看时间。
9.一种节目关联度的计算系统,其特征在于,包括获取单元和计算单元;
所述获取单元用于获取至少两个节目的用户行为数据;
所述计算单元用于根据所述用户行为数据计算至少两个节目之间的关联度;
所述计算单元包括第一形成模块和第一计算模块;
所述第一形成模块用于根据所述用户行为数据形成第一节目的用户行为数据、第二节目的用户行为数据以及所述第一节目和所述第二节目之间相互关联的公共用户行为数据;
所述第一计算模块用于根据所述第一节目的用户行为数据、所述第二节目的用户行为数据以及所述公共用户行为数据计算至少两个节目之间的关联度。
10.根据权利要求9所述的节目关联度的计算系统,其特征在于,所述获取单元包括获取模块;
所述获取模块用于获取第一节目的第一用户行为数据和第二节目的第二用户行为数据;
所述计算单元包括第二形成模块和第二计算模块;
所述第二形成模块用于根据所述第一用户行为数据形成所述第一节目的第一用户数量,根据所述第二用户行为数据形成所述第二节目的第二用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的公共用户数量,根据所述第一用户行为数据和所述第二用户行为数据形成所述第一节目和所述第二节目的全部用户数量;
所述第二计算模块用于根据所述第一用户数量、第二用户数量、公共用户数量以及全部用户数量计算所述第一节目和所述第二节目之间的关联度。
11.根据权利要求10所述的节目关联度的计算系统,其特征在于,所述第二计算模块包括第一确定子模块;
所述第一确定子模块用于根据所述公共用户数量与所述第一用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
12.根据权利要求10所述的节目关联度的计算系统,其特征在于,所述第二计算模块包括第二确定子模块;
所述第二确定子模块用于根据所述公共用户数量与所述第二用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
13.根据权利要求10所述的节目关联度的计算系统,其特征在于,所述公共用户数量与所述第一用户数量之间的比值为第一公共比值,所述公共用户数量与所述第二用户数量之间的比值为第二公共比值,所述第二计算模块包括第三确定子模块;
所述第三确定子模块用于根据所述第一公共比值与所述第二公共比值的平均值确定所述第一节目和所述第二节目之间的关联度。
14.根据权利要求10所述的节目关联度的计算系统,其特征在于,所述第二计算模块包括第四确定子模块;
所述第四确定子模块用于根据所述公共用户数量与所述全部用户数量之间的比值确定所述第一节目和所述第二节目之间的关联度。
15.根据权利要求9所述的节目关联度的计算系统,其特征在于,还包括排序单元和推送单元;
所述排序单元用于对目标节目与其它节目之间的关联度进行排序;
所述推送单元用于根据关联度的排序结果向目标用户推送其它节目。
16.根据权利要求9所述的节目关联度的计算系统,其特征在于,所述用户行为数据包括历史观看记录,所述历史观看记录包括观看频率和观看时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510355204.1A CN104954821B (zh) | 2015-06-24 | 2015-06-24 | 一种节目关联度的计算方法及其计算系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510355204.1A CN104954821B (zh) | 2015-06-24 | 2015-06-24 | 一种节目关联度的计算方法及其计算系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104954821A CN104954821A (zh) | 2015-09-30 |
CN104954821B true CN104954821B (zh) | 2018-06-19 |
Family
ID=54169112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510355204.1A Expired - Fee Related CN104954821B (zh) | 2015-06-24 | 2015-06-24 | 一种节目关联度的计算方法及其计算系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104954821B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107229622B (zh) * | 2016-03-23 | 2021-02-05 | 腾讯科技(北京)有限公司 | 一种信息处理方法及服务器 |
CN108307208B (zh) * | 2018-01-10 | 2020-02-07 | 武汉斗鱼网络科技有限公司 | 计算直播间相似度的方法、存储介质、设备及系统 |
CN108419135B (zh) * | 2018-03-22 | 2020-07-10 | 武汉斗鱼网络科技有限公司 | 相似度确定方法、装置及电子设备 |
CN109086813B (zh) * | 2018-07-23 | 2021-05-14 | 广州虎牙信息科技有限公司 | 主播相似度的确定方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004194095A (ja) * | 2002-12-12 | 2004-07-08 | Sony Corp | 画像処理装置および方法、記録媒体、並びにプログラム |
CN102685566A (zh) * | 2012-05-28 | 2012-09-19 | 北京网尚数字电影院线有限公司 | 一种音视频节目推荐方法 |
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
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 |
CN103974097A (zh) * | 2014-05-22 | 2014-08-06 | 南京大学镇江高新技术研究院 | 基于流行度和社交网络的个性化用户原创视频预取方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020075320A1 (en) * | 2000-12-14 | 2002-06-20 | Philips Electronics North America Corp. | Method and apparatus for generating recommendations based on consistency of selection |
CN102263992A (zh) * | 2011-08-08 | 2011-11-30 | 上海文广互动电视有限公司 | 基于用户收视记录的节目推荐度估计方法 |
CN102595214A (zh) * | 2012-03-06 | 2012-07-18 | 浪潮(山东)电子信息有限公司 | 一种数字电视节目关联推荐的方法 |
CN103702144A (zh) * | 2013-12-13 | 2014-04-02 | 深圳市同洲电子股份有限公司 | 一种智能关联信息的方法及系统 |
CN104639956A (zh) * | 2015-02-26 | 2015-05-20 | 陈晓月 | 一种通过终端追踪电视节目并遥控数字电视的系统 |
-
2015
- 2015-06-24 CN CN201510355204.1A patent/CN104954821B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004194095A (ja) * | 2002-12-12 | 2004-07-08 | Sony Corp | 画像処理装置および方法、記録媒体、並びにプログラム |
CN102685566A (zh) * | 2012-05-28 | 2012-09-19 | 北京网尚数字电影院线有限公司 | 一种音视频节目推荐方法 |
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
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 |
CN103974097A (zh) * | 2014-05-22 | 2014-08-06 | 南京大学镇江高新技术研究院 | 基于流行度和社交网络的个性化用户原创视频预取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104954821A (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105404700B (zh) | 一种基于协同过滤的视频栏目推荐系统及推荐方法 | |
CN107071578B (zh) | Iptv节目推荐方法 | |
CN104954821B (zh) | 一种节目关联度的计算方法及其计算系统 | |
CN104053023B (zh) | 一种确定视频相似度的方法及装置 | |
CN104504059B (zh) | 多媒体资源推荐方法 | |
CN103200279B (zh) | 推荐方法和云端服务器 | |
CN104123315A (zh) | 多媒体文件的推荐方法和推荐服务器 | |
CN109145210A (zh) | 一种信息推荐的方法、装置及存储介质 | |
CN103491441A (zh) | 直播电视节目推荐方法及系统 | |
CN103995839A (zh) | 基于协同过滤的商品推荐优化方法和系统 | |
CN104216883A (zh) | 视频推荐理由生成系统及方法 | |
CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
CN103686382A (zh) | 一种节目推荐方法 | |
CN106131703A (zh) | 一种视频推荐的方法和终端 | |
CN104581400A (zh) | 视频内容处理方法及装置 | |
JP2016501404A (ja) | アプリケーション・ソフトウェアの表示方法及びデバイス | |
CN105701226A (zh) | 多媒体资源评估方法和装置 | |
CN111626779A (zh) | 一种媒体信息处理方法、装置和存储介质 | |
CN105718510B (zh) | 一种多媒体数据推荐方法及装置 | |
CN104156366A (zh) | 一种向移动终端推荐网络应用的方法和网络服务器 | |
CN106326297B (zh) | 一种应用程序推荐方法及装置 | |
CN106326474A (zh) | 动漫视频个性化推荐方法 | |
CN108664654A (zh) | 一种基于用户相似度的主播推荐方法及装置 | |
CN108536814A (zh) | 直播间推荐方法、计算机可读存储介质及电子设备 | |
CN104219576A (zh) | 一种基于智能电视的播放节目推荐方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180619 |