CN104994408A - 一种智能电视节目推荐方法、装置及智能电视 - Google Patents
一种智能电视节目推荐方法、装置及智能电视 Download PDFInfo
- Publication number
- CN104994408A CN104994408A CN201510358122.2A CN201510358122A CN104994408A CN 104994408 A CN104994408 A CN 104994408A CN 201510358122 A CN201510358122 A CN 201510358122A CN 104994408 A CN104994408 A CN 104994408A
- Authority
- CN
- China
- Prior art keywords
- user
- program
- class
- recommended
- validated
- 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
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]
- H04N21/20—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
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
本发明公开了一种智能电视节目推荐方法、装置及智能电视,用以更加准确地为用户推荐节目,减少无效的节目推荐和数据计算,同时减少无效的切台、选台或网络搜索操作。本发明提供的一种智能电视节目推荐方法包括:当确定需要为用户推荐节目时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;其中,每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的;将所述节目列表输出给用户。
Description
技术领域
本发明涉及智能电视技术领域,尤其涉及一种智能电视节目推荐方法、装置及智能电视。
背景技术
智能电视时代给人们庞大的数据信息,面对海量的节目信息,用户打开电视后普遍的行为就是调出频道列表,从第一个节目开始顺序切台,或者进入网络视频后依次浏览首页推荐,浪费了切台、选台的时间并且还不一定能够找到自己喜欢观看的节目。
为了解决智能电视的节目推荐问题,现有技术提出的智能节目推荐方法,根据用户的浏览日志记录来分析用户的偏好信息,再采用ItemCF算法先计算电视节目之间的相似度,再根据电视节目的相似度和用户的服务数据,选择与用户的偏爱节目类型相似度高的电视节目,然后按照相似度的高低进行推荐。然而,浏览日志记录并不能代表用户的实际收视喜好,根据用户的浏览日志记录来确定为用户推荐的节目,可能造成推荐的节目并不是用户喜欢观看的节目。
发明内容
本发明实施例提供了一种智能电视节目推荐方法、装置及智能电视,用以更加准确地为用户推荐节目,同时减少无效的切台、选台或网络搜索操作。
本发明实施例提供的一种智能电视节目推荐方法包括:
当确定需要为用户推荐节目时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;其中,每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的;
将所述节目列表输出给用户。
本发明实施例提供的一种智能电视节目推荐装置包括:
推荐节目列表确定单元,用于当确定需要为用户推荐节目时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;其中,每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的;
节目推荐模块,用于将所述节目列表输出给用户。
本发明实施例还提供了一种智能电视,包括上述本发明实施例提供的节目推荐装置。
本发明实施例提供的技术方案,根据用户每次观看每一类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定该类节目的用户观看喜好参数,再根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表,然后将所述节目列表输出给用户。由于每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的,更加准确地反映了用户的实际收视喜好,因此能够更加准确地为用户推荐节目,减少无效的切台、选台或网络搜索操作。
附图说明
图1为本发明实施例提供的一种智能电视节目推荐方法的流程示意图;
图2为本发明实施例提供的用户信息和用户收视信息存储目录示意图;
图3为本发明实施例提供的用户相对显示器的位置示意图;
图4为本发明实施例提供的智能电视节目的整体推荐流程示意图;
图5为本发明实施例提供的一种智能电视节目推荐装置的流程示意图。
具体实施方式
本发明实施例提供了一种智能电视节目推荐方法、装置及智能电视,用以更加准确地为用户推荐节目,同时减少无效的切台、选台或网络搜索操作。
下面对本发明实施例提供的技术方案进行详细描述。
参见图1,本发明实施例提供的一种智能电视节目推荐方法包括:
S101、当确定需要为用户推荐节目时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;其中,每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的;其中,所述节目的实际播放时长与该节目的总时长的比值也可以称为该节目的播放占比。
S102、将所述节目列表输出给用户。
其中,确定需要为用户推荐节目,具体可以是当接收到用户请求推荐节目的消息时,确定需要为用户推荐节目,也可以是通过识别有效用户来自动为用户推荐节目,无需用户请求。
需要推荐节目的用户可以是已知用户,也可是新用户,其中,所述已知用户,即预先在数据库中存储有该用户的用户信息,以及该用户信息对应的用户收视信息。其中,用户收视信息中包括每一类节目的用户观看喜好参数。
因此,较佳地,当确定需要为用户推荐节目时,该方法还包括:
获取用户信息,根据用户信息判断用户为已知用户或新用户;
当用户为已知用户时,从预先设置的数据库中获取该用户对应的至少一类节目的用户观看喜好参数。
其中,所述获取用户信息,可以是用户主动输入自己的信息,例如年龄、性别等身份信息。也可以是通过人脸识别技术,自动识别出用户信息。获取了用户信息后,查找预设数据库,若有该用户的用户信息,则确定该用户为已知用户,否则确定该用户为新用户。较佳地,所述用户信息会随着用户的实际情况进行信息自动更新,比如2015年用户年龄为29岁,2016年用户年龄自动更改为30岁。
那么对于已知用户,预先在数据库中存储有与该用户的用户信息对应的用户收视信息,其中该用户收视信息中包括至少一类节目的用户观看喜好参数。
其中,预先在数据库中设置与该用户的用户信息对应的用户收视信息,具体包括:
对于任一用户,预先采集该用户的用户信息及用户收视信息,所述用户信息可以利用人脸识别技术进行采集,人脸识别技术可识别用户的面部影像、年龄、性别等,可将用户信息按年龄段、性别等进行分类存储。
较佳地,如果显示器界面显示通过人脸识别技术识别的年龄、性别与用户不相符时,可以在所述界面上手动更改用户的年龄和性别;例如:显示器将自动识别出的面部影像与对应的年龄、性别输出显示给用户,并提问用户是否识别正确,若是,则将这些信息存储,否则,可以进一步提问用户是否需要修改,并提供修改界面,通过该修改界面接收用户修改的用户信息并进行存储。
所述用户收视信息由当前电子节目指南(Electronic Program Guide,EPG)信息决定,包括:通道信息、卫视信息、节目类型、节目播放时间、节目的实际播放时长及总时长。其中,所述收视信息可分为直播电视信息及网络视频信息,所述通道包括直播电视通道和网络视频通道,在直播电视通道下采集到的是直播电视信息,在网络视频通道下采集到的是网络视频信息,可以将直播电视信息与网络视频信息分开存储。
可以将采集到的用户信息根据年龄段按下面的表一进行分类存储:
表一
确定了用户的用户信息之后,将该用户的用户信息与用户收视信息进行关联并上传至云端服务台,且在云端服务台的云端数据模块中为该用户建立一个数据存储单元。
参见图2,其中,云端数据模块中存储的用户信息和用户收视信息均可按树形目录分类存储。不同类型的用户按类别分别存储在同一根目录下,每类用户目录下建立该类别的每一用户子目录,每一用户的目录下分别存储该用户的直播电视信息和网络视频信息,直播电视目录下建立直播电视节目类型子目录,网络视频目录下建立网络视频节目类型子目录,各类节目目录下再建立细分小类目录,小类目录下存储各个具体节目。当有新用户新建数据存储单元时,将对该用户进行分类,并在该类用户目录下建立该用户子目录,在该用户子目录下存储该用户的用户信息和用户收视信息。以第一用户为例,其属于第一类别用户,则将第一用户存储于第一类别用户的目录下,在该用户目录下再建立直播电视信息目录和网络视频信息目录,直播电视信息目录下建立新闻类、综艺类、科教类、体育类、电视剧等大类子目录,其中新闻类目录下再细分为早间新闻、午间新闻和晚间新闻目录,其中,早间新闻目录下存储早间新闻类节目:a节目和b节目,依此类推,其它的节目也相应的分类存储;同理,该用户在网络视频通道下采集到的网络视频信息也按此方法存储在网络视频目录下;当新用户(第二用户)在云端数据模块中新建数据存储单元时,第二用户与第一用户都属于第一类别用户,则将第二用户也存储于第一类别用户的目录下,依此类推,各个用户存储在与其相应的某一类别用户目录下。
其中,所述云端数据模块可用于存储不同用户的用户数据,当确定需要为用户推荐节目时,可从所述用户的用户数据中获取该用户对应的至少一类节目的用户观看喜好参数,根据该用户对应的至少一类节目的用户观看喜好参数,给出推荐节目列表。其中,所述的用户数据包括用户信息与用户收视信息。
利用粒子群算法对采集到的该用户的用户收视信息进行处理,得到用户收视信息中每一个节目和每一类节目的当前综合权重,并与相对应的用户信息一起,形成该用户的用户数据,并存储在云端数据模块为该用户建立的数据存储单元中。其中,所述收视信息可分为直播电视信息及网络视频信息,较佳地,可以对直播电视信息及网络视频信息利用粒子群算法分别进行处理,并分开存储在该用户的数据存储单元中,后续可以根据这两种信息进行节目推荐,也可以仅根据其中的一种信息进行推荐。较佳地,该用户的每次收视信息均上报云端数据模块并更新该用户的用户数据。其中,所述一类节目的当前综合权重也可称为该类节目的用户观看喜好参数。下面举例说明所述算法的步骤:
以个人用户为例,将用户的用户数据中的用户收视信息导出,节目的实际播放时长大于5分钟(min)的记为有效节目。按照每个节目不同的播放占比(节目的实际播放时长/该节目的总时长)分别赋予不同的标配权重wt,例如,一个节目的总时长为100min,若在当前统计周期内统计到的用户实际播放该节目的时长在(5,20]min(对应播放占比5~20%)范围内,则针对该用户赋予该节目的权重为0.1,若在当前统计周期内统计到的用户实际播放该节目的时长在(20,40]min(对应播放占比20~40%)范围内,则针对该用户赋予该节目的权重为0.3,其中,所述在当前统计周期内统计到的用户实际播放该节目的时长,可以是当前统计周期内累计得到的总的播放时长,也可以是当前统计周期内单次实际播放时长的最大值。依此类推,节目的播放占比与节目的标配权重的对应关系如下面的表二所示:
实际播放时长 | 0~5min | 5~20min | 20~40min | 40~60min | 60~80min | 80~100min |
播放占比 | 0~5% | 5~20% | 20%~40% | 40%~60% | 60%~80% | 80%~100% |
标配权重wt | 0.05 | 0.1 | 0.3 | 0.5 | 0.8 | 1 |
表二
以直播电视信息为例,若已获得用户信息包括:年龄28,性别女,则针对该用户预先建立其对应的用户数据的过程包括:
第一次采集该用户的直播电视信息,第一次采集到的直播电视信息包括:
在19:00-19:30时间段,播放了一档新闻类节目,假设为第一节目,实际播放时长5min,则通过查找表二得到该节目标配权重wt1=0.1;
在19:30-20:10时间段,播放了一档电视剧类节目,假设为第二节目,实际播放时长20min,则通过查找表二得到该节目标配权重wt1=0.5;
在20:15-22:00时间段,播放了一档综艺类节目,假设为第三节目,实际播放时长105min,则通过查找表二得到该节目标配权重wt1=1;
在22:00-22:30时间段,播放了一档体育类节目,假设为第四节目,实际播放时长20min,则通过查找表二得到该节目标配权重wt1=0.8;
对该次直播电视信息进行处理,得到每一个节目的本次综合权重,具体地:将4个不同节目看作4个粒子,总权重定义为1,每个节目的权重初始化值为wi1=1/4=0.25,此时每一个节目的本次综合权重w=wt1*wi1,即第一节目的本次综合权重为0.1*0.25,第二节目的本次综合权重为0.5*0.25,第三节目的本次综合权重为1*0.25,第四节目的本次综合权重为0.8*0.25。
第二次采集该用户的直播电视信息,第二次采集到的直播电视信息包括:
在19:00-19:30时间段,播放了一档综艺类节目,假设为第五节目,实际播放时长20min,则通过查找表二得到该节目标配权重wt2=0.8;
在19:30-20:10时间段,播放了一档电视剧类节目,假设为第六节目,实际播放时长20min,则通过查找表二得到该节目标配权重wt2=0.5;
在20:10-22:00时间段,播放了一档综艺类节目,假设为第三节目,实际播放时长105min,则通过查找表二得到该节目标配权重wt2=1;
在22:00-22:30时间段,播放了一档科教类节目,假设为第七节目,实际播放时长20min,则通过查找表二得到该节目标配权重wt2=0.8;
与上次相比增加了第五节目(综艺类)、第六节目(电视剧类)和第七节目(科教类);
由于采集到用户的直播电视节目数增加,将第二次采集到的直播电视节目看作7个粒子,该次每个节目的权重初始化值为wi2=1/7=0.142,该用户的用户数据中的节目列表中会加入第五节目、第六节目和第七节目,另外该次节目没有第一节目、第二节目和第四节目,但也要赋予第一节目、第二节目和第四节目标配权重,由于它们的实际播放时长都小于5min,则分别赋予它们wt2=0.05。因此,第二次采集到的直播电视信息中每一个节目的本次综合权重w=wt2*wi2,即第一节目的本次综合权重为0.05*0.142,第二节目的本次综合权重为0.05*0.142,第三节目的本次综合权重为1*0.142,第四节目的本次综合权重为0.05*0.142,第五节目的本次综合权重为0.8*0.142,第六节目的本次综合权重为0.5*0.142,第七节目的本次综合权重为0.8*0.142。
将两次采集到的直播电视信息中相同节目的综合权重相加得到该节目的当前综合权重w,即第一节目的当前综合权重为0.1*0.25+0.05*0.142=0.0321,第二节目的当前综合权重为0.5*0.25+0.05*0.142=0.1321,第三节目的当前综合权重为1*0.25+1*0.142=0.392,第四节目的当前综合权重为0.8*0.25+0.05*0.142=0.2071,第五节目的当前综合权重为0.8*0.142=0.1136,第六节目的当前综合权重为0.5*0.142=0.071,第七节目的当前综合权重为0.8*0.142=0.1136;相同类型节目的每一次的综合权重相加得到该类型节目的当前综合权重W,即新闻类节目的当前综合权重为第一节目的当前综合权重0.0321,综艺类节目的当前综合权重为第三节目的当前综合权重与第五节目的当前综合权重的和值0.392+0.1136=0.5056,电视剧类节目的当前综合权重为第二节目的当前综合权重与第六节目的当前综合权重的和值0.1321+0.071=0.2031,体育类节目的当前综合权重为第四节目的当前综合权重0.2071,科教类节目的当前综合权重为第七节目的当前综合权重0.1136。其中,一类节目的当前综合权重也可称为该类节目的用户观看喜好参数。
综上结果,针对该年龄28的女性用户建立的用户数据如下面的表三所示:
表三
将表三中每一类节目的当前综合权重按大小排列,某一类节目的当前综合权重越大,则用户越喜欢看该类节目,然后,再将该类节目中的每一个节目的当前综合权重按大小排列,某一个节目的当前综合权重越大,则用户越喜欢看该节目。从而可以看出该用户最喜欢看综艺类节目,其次是体育类,综艺类节目优先选择为第三节目。
因此,针对该年龄28的女性用户,当确定需要为该用户推荐节目时,根据该用户对应的至少一类节目的用户观看喜好参数,确定为该用户推荐的节目列表,具体可通过如下方式确定为该用户推荐的节目列表:根据该用户的用户数据中每一类节目的当前综合权重的大小,确定每一类节目的优先级,可以选择优先级高的一类或几类节目作为为该用户推荐的节目列表。其中,为该用户推荐的每一类节目中的每一个节目可以有优先级也可以没有优先级,较佳地,为该用户推荐的每一类节目中的每一个节目有优先级。根据如下方法确定为该用户推荐的每一类节目中的每一个节目的优先级:针对每一类节目,按该类节目下的每一个节目的当前综合权重的大小,确定该类节目中每一个节目的优先级,即先确定节目类别的优先级,再确定节目类别内部具体节目的优先级。其中,所述一类节目的当前综合权重也可称为该类节目的用户观看喜好参数。换句话说,优先方案可根据每一类节目的用户观看喜好参数,确定节目类别的优先级,再针对每一类节目,根据该类节目下的每一个节目的当前综合权重的大小,确定该类节目中每一个节目的优先级。例如,当前实际的节目列表(无优先级)为:第二节目,第三节目,第七节目,第四节目,第五节目,第六节目;可以选择为该用户仅推荐综艺类节目,此时推荐给该用户的节目列表(有优先级)为:第三节目,第五节目;也可以选择为该用户推荐综艺类与体育类节目,此时推荐给该用户的节目列表(有优先级)为:第三节目,第五节目,第四节目;还可以选择为该用户推荐更多类的节目。
根据实际的EPG信息,对于结束播放的具体某个节目,将其从该用户的用户数据中删除,该节目的当前综合权重保留,作为用户的实际收视喜好的衡量指标。例如,电视剧类中的第二节目已结束播放,则将第二节目从该用户的用户数据中的节目列表中删除,但该节目的当前综合权重0.1321保留,继续作为电视剧类的一个节目的当前综合权重,与第六节目的当前综合权重0.071相加,得到电视剧类节目的当前综合权重,再根据该类节目的当前综合权重的大小,判断用户对该类节目的喜欢程度。
随着时间推移,采集到该用户的直播电视节目数增多,则该用户的用户数据也会越来越准确。从而得到的用户对应的每一类节目的用户观看喜好参数,能更准确地反映用户的实际收视喜好,因此能够更加准确地为用户推荐节目,减少无效的切台、选台或网络搜索操作。
当用户为新用户时,根据该用户的用户信息,从云端数据模块中获得同类用户对应的至少一类节目的用户观看喜好参数,作为该用户对应的至少一类节目的用户观看喜好参数。其中,当判定用户为新用户时,则在云端数据模块中为该新用户添加一个数据存储单元,并将该用户的用户信息存储在所述数据存储单元中。其中,当新用户观看完推荐节目时,需要将该用户的用户收视信息上报云端数据模块,并与其用户信息进行关联,形成该新用户的用户数据,并存储在属于该新用户的数据存储单元中。此外,该用户的每次收视信息均上报云端数据模块并更新该用户的用户数据。
其中,从云端数据模块中获得同类用户的一类节目的用户观看喜好参数,具体包括:
将云端数据模块中同类型用户的收视信息进行整合,相同节目的当前综合权重相加得到该节目的当前综合权重,相同类型节目的当前综合权重相加得到该类型节目的当前综合权重,并与该类用户相对应的用户信息一起,形成该类用户的用户数据,并存储在云端数据模块为该类用户建立的数据存储单元中。其中,所述一类节目的当前综合权重也可称为该类节目的用户观看喜好参数。其中,所述收视信息可分为直播电视信息及网络视频信息,较佳地,可以对直播电视信息及网络视频信息分别进行整合,并分开存储在该用户的数据存储单元中。
例如,以直播电视信息为例,云端数据模块中青春期青年女性包含两个用户,其中一个用户为上述的年龄28的女性用户,该年龄28的女性用户的用户数据如表三所示,另一个用户为年龄23的女性用户,该年龄23的女性用户的用户数据如表四所示,
表四
将该年龄28的女性用户和该年龄23的女性用户的用户数据中相同类型节目的当前综合权重相加,得到与青春期青年女性对应的该类型节目的当前综合权重,相同节目的当前综合权重相加,得到与青春期青年女性对应的该节目的当前综合权重,即针对青春期青年女性,新闻类节目的当前综合权重为0.0321+0.0431=0.0752,综艺类节目的当前综合权重为0.5056+0.6556=1.1612,依此类推,可得到其他类节目的当前综合权重;第一节目的当前综合权重为0.0321+0.0431=0.0752,第三节目的当前综合权重为0.392+0.492=0.884,第五节目的当前综合权重为0.1136,第八节目的当前综合权重为0.1636,依此类推,可得到其他节目的当前综合权重。
综上结果,针对青春期青年女性用户建立的用户数据如下面的表五所示:
表五
当有一年龄25女性新用户需要推荐节目时,根据其年龄、性别判断其为青春期青年女性,因此,可根据青春期青年女性用户的用户数据中每一类节目的用户观看喜好参数,确定为该新用户推荐的节目类别的优先级。其中,为该用户推荐的每一类节目中的每一个节目可以有优先级也可以没有优先级,较佳地,为该用户推荐的每一类节目中的每一个节目有优先级。根据如下方法确定为该用户推荐的每一类节目中的每一个节目的优先级:针对每一类节目,根据该类节目下的每一个节目的当前综合权重大小,确定为该用户推荐的该类节目中每一个节目的优先级。其中,可以将优先级高的一类节目或多类节目作为为该用户推荐的节目。例如,当前实际的节目列表(无优先级)为:第二节目,第三节目,第八节目,第七节目,第四节目,第五节目,第九节目,第六节目;可以选择为该用户仅推荐综艺类节目,此时推荐给该用户的节目列表(有优先级)为:第三节目,第八节目,第五节目;也可以选择为该用户推荐综艺类与体育类节目,此时推荐给该用户的节目列表(有优先级)为:第三节目,第八节目,第五节目,第四节目;还可以选择为该用户推荐更多类的节目。
以上已知用户或新用户,可以是通过自动识别有效用户来确定的,即上述已知用户或新用户可以是通过如下方式从多个用户中识别出的有效用户:
对于任一用户,当在预设的检测时长内,该用户处于有效观看范围内的时长超过预设门限值时,确定该用户为有效用户。其中,该用户处于有效观看范围内的时长可以通过程序设定计时器来计算。
例如:设定检测时长为1min,时间门限值设为30s,如果检测到用户处于有效观看范围内的时间大于30s,则判定该用户为有效用户。
其中,较佳地,对于任一用户,通过如下方式判断该用户是否处于有效观看范围内:
参见图3,确定用户相对显示器的位置,确定该位置与显示器左侧连线与该显示器所在平面的第一夹角,以及该位置与显示器右侧连线与该显示器所在平面的第二夹角,若所述第一夹角处于预设的第一角度范围,并且,所述第二夹角处于预设的第二角度范围,则确定该用户处于有效观看范围内。
其中,确定用户相对显示器的位置,可以利用测距传感器获取。根据测距传感器获取的用户所在位置到显示器左侧及右侧的距离值,以及已知的显示器的长度,利用余弦定理可以计算出第一夹角与第二夹角值。其中,所述的用户所在位置可以以眼睛所在位置为基准点,现有技术中有多种人眼定位技术,如:一种基于眉眼区域内"凹陷"地形特征点检测和人眼方差滤波器的人眼定位方法(GPL);基于Gabar滤波的人眼定位。
以处在显示器中央的用户为例,显示器长为2L,用户所在位置与显示器左右两侧的距离均为1.414L,利用余弦定理计算,获得第一夹角值与第二夹角值相等且等于45度。
其中,所述预设的第一角度范围与第二角度范围可以相同也可不同,例如角度范围可以都取[30度,150度]。当实际采集到的用户对应的第一角度和第二角度均处于这个范围内时,则可以认为该用户处于有效观看范围内。
有效用户可以是一个,也可以是多个,当是一个有效用户时,采用上述方式进行节目推荐即可,对于多个有效用户的情况,首先通过上述方式从多个用户中确定出这多个有效用户(可以通过上述自动检测用户的方式确定有效用户,也可以是在收到用户发送的请求后确定有效用户),再针对每一有效用户,根据该有效用户对应的至少一类节目的用户观看喜好参数,确定为该有效用户推荐的节目列表,然后再针对为每一有效用户推荐的节目列表中包括的每一类节目,对该类节目下各个有效用户对应的用户观看喜好参数进行累加,得到每一类节目对应的用户观看喜好参数的和值,按照和值从大到小的顺序,将为各个有效用户推荐的节目列表进行整合,将得到的整合结果作为为用户推荐的节目列表,即需要最终输出的推荐结果。其中,所述一类节目的用户观看喜好参数可以是从直播电视信息中获取的,也可以是网络视频信息中获取的,从而为每一有效用户推荐的节目列表可以是直播电视节目列表,也可以是网络视频节目列表。因此,在将为各个有效用户推荐的节目列表进行整合时,可对直播电视节目列表和网络视频节目列表分别进行整合。
其中,所述有效用户可以是已知用户也可以是新用户,分别采用上述方式确定相应的节目列表,然后在进行后续整合。
例如,以直播电视信息为例,有效用户包括两个用户的情况,一个为上述的年龄28的女性用户(已知用户),该年龄28的女性用户的用户数据如表三所示,另一个为上述的年龄25的女性用户(新用户),将该年龄25的女性用户的同类用户的用户数据作为该用户的用户数据,即该年龄25的女性用户的用户数据如表五所示。
将该年龄28的女性用户和该年龄25的女性用户的用户数据中相同类型节目的当前综合权重相加,得到与有效用户对应的该类型节目的当前综合权重,相同节目的当前综合权重相加,得到与有效用户对应的该节目的当前综合权重,即针对有效用户,新闻类节目的当前综合权重为0.0321+0.0752=0.1073,综艺类节目的当前综合权重为0.5056+1.1612=1.6668,依此类推,可得到其他类节目的当前综合权重;第一节目的当前综合权重为0.0321+0.0752=0.1073,第三节目的当前综合权重为0.392+0.884=1.276,第五节目的当前综合权重为0.2272,第八节目的当前综合权重为0.1636,依此类推,可得到其他节目的当前综合权重。其中,一类节目的当前综合权重也可称为该类节目的用户观看喜好参数。
综上结果,针对有效用户建立的用户数据如下面的表六所示:
表六
当确定这两个有效用户需要推荐节目时,可根据有效用户的用户数据中每一类节目的用户观看喜好参数,确定为有效用户推荐的节目类别的优先级。其中,为有效用户推荐的每一类节目中的每一个节目可以有优先级也可以没有优先级,较佳地,为有效用户推荐的每一类节目中的每一个节目有优先级。根据如下方法确定为有效用户推荐的每一类节目中的每一个节目的优先级:针对每一类节目,根据该类节目下的每一个节目的当前综合权重的大小,确定为有效用户推荐的该类节目中每一个节目的优先级。其中,可以将优先级高的一类节目或多类节目作为为该有效用户推荐的节目。例如,当前实际的节目列表(无优先级)为:第二节目,第三节目,第八节目,第七节目,第四节目,第五节目,第九节目,第六节目;可以选择为该有效用户仅推荐综艺类节目,此时推荐给该用户的节目列表(有优先级)为:第三节目,第八节目,第五节目;也可以选择为该用户推荐更多类的节目。
较佳地,当确定需要为用户推荐节目时,可以根据用户所在通道将直播电视节目与网络视频节目分开推荐。即当用户处于直播电视通道下,则为用户推荐直播电视节目;当用户处于网络视频通道下,则为用户推荐网络视频节目。由于直播电视节目与网络视频节目是分开推荐的,因此,可以避免推荐页面过大,优化用户体验。其中,所述用户所在通道可以由智能电视自动识别。
综上,下面结合图4说明本发明实施例中智能电视节目的整体推荐流程:
采集用户的用户数据,其中,用户数据包括用户信息和用户的收视信息。
确定了用户的用户信息之后,将用户的用户信息与用户收视信息进行关联并上传至云端服务台,且在云端服务台的云端数据模块中为用户建立一个数据存储单元。
利用粒子群算法对采集到的用户收视信息进行处理,得到用户收视信息中每一个节目和每一类节目的当前综合权重,并与相对应的用户信息一起,形成用户的用户数据,并存储在云端数据模块为用户建立的数据存储单元中。
将云端数据模块中同类型用户的收视信息进行整合,相同节目的当前综合权重相加得到该节目的当前综合权重,相同类型节目的当前综合权重相加得到该类型节目的当前综合权重,并与该类用户相对应的用户信息一起,形成该类用户的用户数据,并存储在云端数据模块为该类用户建立的数据存储单元中。
接收到推荐节目的指令后,获取用户信息,识别有效用户。对于任一用户,当在预设的检测时长内,该用户处于有效观看范围内的时长超过预设门限值时,确定该用户为有效用户。
根据用户信息判断用户为已知用户或新用户;
如果识别的有效用户是一个已知用户,从预先设置的数据库中获取该用户对应的至少一类节目的用户观看喜好参数,根据该用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;
如果识别的有效用户是一个新用户,根据该用户信息,从云端数据模块中获得同类用户对应的至少一类节目的用户观看喜好参数,作为该用户对应的至少一类节目的用户观看喜好参数,根据该用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;
当存在多个有效用户时,针对每一有效用户,根据该有效用户对应的至少一类节目的用户观看喜好参数,确定为该有效用户推荐的节目列表,然后再针对为每一有效用户推荐的节目列表中包括的每一类节目,对该类节目下各个有效用户对应的用户观看喜好参数进行累加,得到每一类节目对应的用户观看喜好参数的和值,按照和值从大到小的顺序,将为各个有效用户推荐的节目列表进行整合,将得到的整合结果作为为用户推荐的节目列表,即需要最终输出的推荐结果。
将所述节目列表输出给用户。当用户观看完节目时,将此次的收视信息上报云端数据模块,更新用户的用户数据。
与上述方法相对应地,参见图5,本发明实施例提供的一种智能电视节目推荐装置包括:
推荐节目列表确定单元201,用于当确定需要为用户推荐节目时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;其中,每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的;
节目推荐模块202,用于将所述节目列表输出给用户。
较佳地,当确定需要为用户推荐节目时,所述推荐节目列表确定单元还用于获取用户信息,根据用户信息判断用户为已知用户或新用户;
当用户为已知用户时,从预先设置的数据库中获取该用户对应的至少一类节目的用户观看喜好参数。
较佳地,当用户为新用户时,所述推荐节目列表确定单元还用于:根据该用户信息,从云端数据模块中获得同类用户对应的至少一类节目的用户观看喜好参数,作为该用户对应的至少一类节目的用户观看喜好参数。
较佳地,所述推荐节目列表确定单元通过如下方式确定需要为用户推荐节目:
确定多个用户中的有效用户;
确定需要为所述有效用户推荐节目。
较佳地,所述推荐节目列表确定单元通过如下方式确定多个用户中的有效用户:
对于任一用户,当在预设的检测时长内,该用户处于有效观看范围内的时长超过预设门限值时,确定该用户为有效用户。
较佳地,对于任一用户,所述推荐节目列表确定单元通过如下方式判断该用户是否处于有效观看范围内:
确定用户相对显示器的位置,确定该位置与显示器左侧连线与该显示器所在平面的第一夹角,以及该位置与显示器右侧连线与该显示器所在平面的第二夹角,若所述第一夹角处于预设的第一角度范围,并且,所述第二夹角处于预设的第二角度范围,则确定该用户处于有效观看范围内。
较佳地,当存在多个有效用户时,所述推荐节目列表确定单元还用于:根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表,具体包括:
根据每一有效用户对应的至少一类节目的用户观看喜好参数,确定为每一有效用户推荐的节目列表;
针对为每一有效用户推荐的节目列表中包括的每一类节目,对该类节目下各个有效用户对应的用户观看喜好参数进行累加,得到每一类节目对应的用户观看喜好参数的和值,按照和值从大到小的顺序,将为各个有效用户推荐的节目列表进行整合,将得到的整合结果作为为用户推荐的节目列表。
所述推荐节目列表确定单元和节目推荐模块都可以采用处理器等实体装置实现。
本发明实施例还提供了一种智能电视,包括上述本发明实施例提供的节目推荐装置。
综上所述,本发明实施例提供的技术方案,根据用户每次观看每一类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定该类节目的用户观看喜好参数,再根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表,然后将所述节目列表输出给用户。由于每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的,更加准确地反映了用户的实际收视喜好,并且在对用户进行节目推荐时,通过引入有效用户的概念,只对有效用户进行节目推荐,因此能够更加准确地为用户推荐节目,减少无效的节目推荐和数据计算,同时减少无效的切台、选台或网络搜索操作。
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和光学存储器等)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。
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)
1.一种智能电视节目推荐方法,其特征在于,该方法包括:
当确定需要为用户推荐节目时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;其中,每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的;
将所述节目列表输出给用户。
2.根据权利要求1所述的方法,其特征在于,当确定需要为用户推荐节目时,该方法还包括:
获取用户信息,根据用户信息判断用户为已知用户或新用户;
当用户为已知用户时,从预先设置的数据库中获取该用户对应的至少一类节目的用户观看喜好参数。
3.根据权利要求2所述的方法,其特征在于,该方法还包括:
当用户为新用户时,根据该用户信息,从云端数据模块中获得该用户的同类用户对应的至少一类节目的用户观看喜好参数,作为该用户对应的至少一类节目的用户观看喜好参数。
4.根据权利要求1、2或3所述的方法,其特征在于,通过如下方式确定需要为用户推荐节目:
确定多个用户中的有效用户;
确定需要为所述有效用户推荐节目。
5.根据权利要求4所述的方法,其特征在于,通过如下方式确定多个用户中的有效用户:
对于任一用户,当在预设的检测时长内,该用户处于有效观看范围内的时长超过预设门限值时,确定该用户为有效用户。
6.根据权利要求5所述的方法,其特征在于,对于任一用户,通过如下方式判断该用户是否处于有效观看范围内:
确定用户相对显示器的位置,确定该位置与显示器左侧连线与该显示器所在平面的第一夹角,以及该位置与显示器右侧连线与该显示器所在平面的第二夹角,若所述第一夹角处于预设的第一角度范围,并且,所述第二夹角处于预设的第二角度范围,则确定该用户处于有效观看范围内。
7.根据权利要求4所述的方法,其特征在于,当存在多个有效用户时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表,具体包括:
根据每一有效用户对应的至少一类节目的用户观看喜好参数,确定为每一有效用户推荐的节目列表;
针对为每一有效用户推荐的节目列表中包括的每一类节目,对该类节目下各个有效用户对应的用户观看喜好参数进行累加,得到每一类节目对应的用户观看喜好参数的和值,按照和值从大到小的顺序,将为各个有效用户推荐的节目列表进行整合,将得到的整合结果作为为用户推荐的节目列表。
8.一种智能电视节目推荐装置,其特征在于,该装置包括:
推荐节目列表确定单元,用于当确定需要为用户推荐节目时,根据用户对应的至少一类节目的用户观看喜好参数,确定为用户推荐的节目列表;其中,每一类节目的用户观看喜好参数,是根据用户每次观看该类节目中任一节目的实际播放时长与该任一节目的总时长的比值确定的;
节目推荐模块,用于将所述节目列表输出给用户。
9.根据权利要求8所述的装置,其特征在于,当确定需要为用户推荐节目时,所述推荐节目列表确定单元还用于获取用户信息,根据用户信息判断用户为已知用户或新用户;
当用户为已知用户时,从预先设置的数据库中获取该用户对应的至少一类节目的用户观看喜好参数。
10.一种智能电视,其特征在于,包括权利要求8或9任一权项所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510358122.2A CN104994408A (zh) | 2015-06-25 | 2015-06-25 | 一种智能电视节目推荐方法、装置及智能电视 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510358122.2A CN104994408A (zh) | 2015-06-25 | 2015-06-25 | 一种智能电视节目推荐方法、装置及智能电视 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104994408A true CN104994408A (zh) | 2015-10-21 |
Family
ID=54306146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510358122.2A Pending CN104994408A (zh) | 2015-06-25 | 2015-06-25 | 一种智能电视节目推荐方法、装置及智能电视 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104994408A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681835A (zh) * | 2016-02-26 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息推送的方法以及服务器 |
CN105898433A (zh) * | 2016-05-27 | 2016-08-24 | 青岛海信电器股份有限公司 | 电视节目推荐方法及装置 |
CN106385599A (zh) * | 2016-12-15 | 2017-02-08 | 四川长虹电器股份有限公司 | 智能电视推荐系统快速响应的方法 |
CN106656768A (zh) * | 2017-02-09 | 2017-05-10 | 腾讯科技(深圳)有限公司 | 一种资源推荐方法及装置 |
CN106658086A (zh) * | 2016-09-22 | 2017-05-10 | 广州华多网络科技有限公司 | 一种直播间切换方法及装置 |
CN107133232A (zh) * | 2016-02-29 | 2017-09-05 | 惠州华阳通用电子有限公司 | 一种车载在线音乐推荐方法及装置 |
CN107463644A (zh) * | 2017-07-20 | 2017-12-12 | 维沃移动通信有限公司 | 一种音乐推荐方法及移动终端 |
CN107483984A (zh) * | 2017-08-31 | 2017-12-15 | 武汉斗鱼网络科技有限公司 | 一种直播推送方法及直播服务平台 |
CN107888980A (zh) * | 2017-09-25 | 2018-04-06 | 聚好看科技股份有限公司 | 一种在智能终端上生成电子节目指南的方法和智能终端 |
CN108521586A (zh) * | 2018-03-20 | 2018-09-11 | 西北大学 | 兼顾时间上下文与隐式反馈的iptv电视节目个性化推荐方法 |
WO2018205642A1 (zh) * | 2017-05-12 | 2018-11-15 | 广州优视网络科技有限公司 | 视频收益计算建模装置、方法和视频推荐装置、方法和服务器及存储介质 |
CN109688183A (zh) * | 2018-08-20 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 群控设备识别方法、装置、设备及计算机可读存储介质 |
CN110519620A (zh) * | 2019-08-30 | 2019-11-29 | 三星电子(中国)研发中心 | 在电视机推荐电视节目的方法以及电视机 |
CN111432279A (zh) * | 2019-01-10 | 2020-07-17 | 青岛海尔多媒体有限公司 | 一种用于智能电视控制的方法、装置及智能电视 |
CN112533066A (zh) * | 2019-09-18 | 2021-03-19 | 深圳Tcl新技术有限公司 | 一种智能电视节目推荐方法、系统及存储介质 |
CN114501075A (zh) * | 2020-11-11 | 2022-05-13 | 深圳Tcl新技术有限公司 | 一种节目推荐方法、智能电视及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1629884A (zh) * | 2003-12-15 | 2005-06-22 | 皇家飞利浦电子股份有限公司 | 一种信息推荐系统及方法 |
CN1933592A (zh) * | 2005-09-12 | 2007-03-21 | 中兴通讯股份有限公司 | 一种电视节目推荐装置及其方法 |
CN101061713A (zh) * | 2004-11-18 | 2007-10-24 | 皇家飞利浦电子股份有限公司 | 一种更新用户档案的方法和装置 |
CN101163196A (zh) * | 2007-11-20 | 2008-04-16 | 腾讯科技(深圳)有限公司 | 一种向电视用户推荐节目的方法、系统及设备 |
CN101763351A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐方法 |
CN104216960A (zh) * | 2014-08-21 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
-
2015
- 2015-06-25 CN CN201510358122.2A patent/CN104994408A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1629884A (zh) * | 2003-12-15 | 2005-06-22 | 皇家飞利浦电子股份有限公司 | 一种信息推荐系统及方法 |
CN101061713A (zh) * | 2004-11-18 | 2007-10-24 | 皇家飞利浦电子股份有限公司 | 一种更新用户档案的方法和装置 |
CN1933592A (zh) * | 2005-09-12 | 2007-03-21 | 中兴通讯股份有限公司 | 一种电视节目推荐装置及其方法 |
CN101163196A (zh) * | 2007-11-20 | 2008-04-16 | 腾讯科技(深圳)有限公司 | 一种向电视用户推荐节目的方法、系统及设备 |
CN101763351A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐方法 |
CN104216960A (zh) * | 2014-08-21 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681835A (zh) * | 2016-02-26 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种信息推送的方法以及服务器 |
CN105681835B (zh) * | 2016-02-26 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 一种信息推送的方法以及服务器 |
CN107133232A (zh) * | 2016-02-29 | 2017-09-05 | 惠州华阳通用电子有限公司 | 一种车载在线音乐推荐方法及装置 |
CN105898433B (zh) * | 2016-05-27 | 2019-08-06 | 青岛海信电器股份有限公司 | 电视节目推荐方法及装置 |
CN105898433A (zh) * | 2016-05-27 | 2016-08-24 | 青岛海信电器股份有限公司 | 电视节目推荐方法及装置 |
CN106658086A (zh) * | 2016-09-22 | 2017-05-10 | 广州华多网络科技有限公司 | 一种直播间切换方法及装置 |
CN106658086B (zh) * | 2016-09-22 | 2020-05-19 | 广州华多网络科技有限公司 | 一种直播间切换方法及装置 |
CN106385599A (zh) * | 2016-12-15 | 2017-02-08 | 四川长虹电器股份有限公司 | 智能电视推荐系统快速响应的方法 |
CN106385599B (zh) * | 2016-12-15 | 2019-08-27 | 四川长虹电器股份有限公司 | 智能电视推荐系统快速响应的方法 |
CN106656768A (zh) * | 2017-02-09 | 2017-05-10 | 腾讯科技(深圳)有限公司 | 一种资源推荐方法及装置 |
CN106656768B (zh) * | 2017-02-09 | 2020-06-23 | 腾讯科技(深圳)有限公司 | 一种资源推荐方法及装置 |
WO2018205642A1 (zh) * | 2017-05-12 | 2018-11-15 | 广州优视网络科技有限公司 | 视频收益计算建模装置、方法和视频推荐装置、方法和服务器及存储介质 |
CN107463644A (zh) * | 2017-07-20 | 2017-12-12 | 维沃移动通信有限公司 | 一种音乐推荐方法及移动终端 |
CN107483984A (zh) * | 2017-08-31 | 2017-12-15 | 武汉斗鱼网络科技有限公司 | 一种直播推送方法及直播服务平台 |
WO2019056878A1 (zh) * | 2017-09-25 | 2019-03-28 | 聚好看科技股份有限公司 | 一种在智能终端上生成电子节目指南的方法和智能终端 |
CN107888980A (zh) * | 2017-09-25 | 2018-04-06 | 聚好看科技股份有限公司 | 一种在智能终端上生成电子节目指南的方法和智能终端 |
CN108521586A (zh) * | 2018-03-20 | 2018-09-11 | 西北大学 | 兼顾时间上下文与隐式反馈的iptv电视节目个性化推荐方法 |
CN108521586B (zh) * | 2018-03-20 | 2020-01-14 | 西北大学 | 兼顾时间上下文与隐式反馈的iptv电视节目个性化推荐方法 |
CN109688183A (zh) * | 2018-08-20 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 群控设备识别方法、装置、设备及计算机可读存储介质 |
CN109688183B (zh) * | 2018-08-20 | 2022-08-19 | 深圳壹账通智能科技有限公司 | 群控设备识别方法、装置、设备及计算机可读存储介质 |
CN111432279A (zh) * | 2019-01-10 | 2020-07-17 | 青岛海尔多媒体有限公司 | 一种用于智能电视控制的方法、装置及智能电视 |
CN110519620A (zh) * | 2019-08-30 | 2019-11-29 | 三星电子(中国)研发中心 | 在电视机推荐电视节目的方法以及电视机 |
CN112533066A (zh) * | 2019-09-18 | 2021-03-19 | 深圳Tcl新技术有限公司 | 一种智能电视节目推荐方法、系统及存储介质 |
CN112533066B (zh) * | 2019-09-18 | 2023-03-10 | 深圳Tcl新技术有限公司 | 一种智能电视节目推荐方法、系统及存储介质 |
CN114501075A (zh) * | 2020-11-11 | 2022-05-13 | 深圳Tcl新技术有限公司 | 一种节目推荐方法、智能电视及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104994408A (zh) | 一种智能电视节目推荐方法、装置及智能电视 | |
CN103559206B (zh) | 一种信息推荐方法及系统 | |
CN102769781B (zh) | 推荐电视节目的方法及装置 | |
CN110430471A (zh) | 一种基于瞬时计算的电视推荐方法和系统 | |
CN103546778A (zh) | 一种电视节目推荐方法、系统及其实现方法 | |
CN109429103B (zh) | 推荐信息的方法、装置及计算机可读存储介质、终端设备 | |
WO2015103898A1 (zh) | 一种用户特征信息获取方法、装置和终端设备 | |
CN108920577A (zh) | 电视智能推荐方法 | |
JP2008542870A (ja) | コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置 | |
CN112235614B (zh) | 电视节目排行榜数据的个性化推荐方法及系统 | |
CN105376649B (zh) | 实现精准组合推荐的机顶盒盲操作方法和系统 | |
CN105681901A (zh) | 一种推荐节目的方法及装置 | |
CN104053023A (zh) | 一种确定视频相似度的方法及装置 | |
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 | |
CN112131456A (zh) | 一种信息推送方法、装置、设备及存储介质 | |
CN103918277B (zh) | 用于确定媒体项正被呈现的置信水平的系统和方法 | |
CN112330585A (zh) | 图像质量的检测方法、装置及电子设备 | |
CN106534984A (zh) | 电视节目推送方法及装置 | |
WO2016206035A1 (zh) | 一种信息推荐方法及用户终端 | |
CN103699589A (zh) | 一种信息推送方法及装置 | |
CN106658091B (zh) | 一种实现收视信息处理的方法及装置 | |
CN105898433B (zh) | 电视节目推荐方法及装置 | |
CN109729428B (zh) | 电视频道视频收视统计方法及装置 | |
CN110430452A (zh) | 一种有线电视智能化管理系统 | |
CN109195014A (zh) | 具有用户识别和节目推送功能的机顶盒系统及其应用方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151021 |