CN105407364A - 基于智能电视收视率体系下频道综合竞争力实现方法 - Google Patents

基于智能电视收视率体系下频道综合竞争力实现方法 Download PDF

Info

Publication number
CN105407364A
CN105407364A CN201510708077.9A CN201510708077A CN105407364A CN 105407364 A CN105407364 A CN 105407364A CN 201510708077 A CN201510708077 A CN 201510708077A CN 105407364 A CN105407364 A CN 105407364A
Authority
CN
China
Prior art keywords
channel
user
synthesized competitiveness
competitiveness
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.)
Granted
Application number
CN201510708077.9A
Other languages
English (en)
Other versions
CN105407364B (zh
Inventor
孙永强
周清峰
唐军
蒲文龙
文艺霖
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 CN201510708077.9A priority Critical patent/CN105407364B/zh
Publication of CN105407364A publication Critical patent/CN105407364A/zh
Application granted granted Critical
Publication of CN105407364B publication Critical patent/CN105407364B/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]
    • H04N21/20—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
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related 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
    • H04N21/4667—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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/637—Control signals issued by the client directed to the server or network components
    • H04N21/6377—Control signals issued by the client directed to the server or network components directed to server
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种基于智能电视收视率体系下频道综合竞争力实现方法，包括以下步骤：1)统计收视率、到达率、忠诚度、用户流入、用户流出对应参考数据；2)根据收视率、到达率、忠诚度、用户流入、用户流出的定义公式和所述对应参考数据，分别计算出收视率、到达率、忠诚度、用户流入、用户流出；3)按照标准化算法分别计算出收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力、用户流出综合竞争力的值；4)将所述收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力和用户流出综合竞争力的值之和作为频道综合竞争力。本发明不仅提升了用户对收视率体系的关注度，还可创造经济价值。

Description

基于智能电视收视率体系下频道综合竞争力实现方法
技术领域
本发明涉及智能电视，具体涉及一种基于智能电视收视率体系下频道综合竞争力实现方法。
背景技术
目前市面上综合竞争力都是基于城市、高校、企业、国家等进行排名，主要是为了衡量一个城市，一所高校，一个企业，一个国家的整体实力，提高综合竞争力有利于企业、城市、高校、国家等发展，基于智能电视收视率体系下的频道综合竞争力还没有进展，各大收视率网站几乎没有提出频道综合竞争力概念。
发明内容
本发明克服了现有技术的不足，提供一种基于智能电视收视率体系下频道综合竞争力实现方法。
为解决上述的技术问题，本发明采用以下技术方案：
一种基于智能电视收视率体系下频道综合竞争力实现方法，所述的实现方法包括以下步骤：
1)统计收视率、到达率、忠诚度、用户流入、用户流出对应参考数据；
2)根据收视率、到达率、忠诚度、用户流入、用户流出的定义公式和所述对应参考数据，分别计算出收视率、到达率、忠诚度、用户流入、用户流出；
3)按照标准化算法分别计算出收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力、用户流出综合竞争力的值；
4)将所述收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力和用户流出综合竞争力的值之和作为频道综合竞争力。
更进一步的技术方案是还包括采用模糊算法将所述收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力和用户流出综合竞争力的值进行扩大，并保持趋势一致，再对扩大后的收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力和用户流出综合竞争力的值求和，得到模糊算法的频道综合竞争力。
更进一步的技术方案是统计收视率、到达率、忠诚度、用户流入、用户流出对应参考数据步骤包括：
步骤1、获取当前工作目录；
步骤2、确定查询日期参数、更新天数参数、MR输入文件路径参数、MR结果的存储目录参数；
步骤3、遍历每一条数据，并对其进行处理，将相应数据传给Reducer函数；
步骤4、对获得的同一个MAC的所有观影行为进行处理，并将相应结果输出到HDFS上。
更进一步的技术方案是步骤3包括：
3.1、Mapper启动时，获取相应参数，以及获取要查询日期的EPG信息；
3.2、根据数据中channel_id与EPG中的channel_code进行匹配；如果匹配成功，则将该条数据中program替换成EPG中的program名称，并获得其播放开始时间和结束时间；如果匹配失败，则丢弃该条数据；
3.3、按照<keyvalue>格式输出数据：
key：MAC
value：province|channel|时间戳|。
更进一步的技术方案是步骤4包括：
4.1、获取相应的参数；
4.2、将该MAC的观影数据放入List列表中；
4.3、对List列表按照时间戳字段进行从小到大排序；
4.4、遍历List列表：
4.4.1、每次遍历获得第i与第i-1数据；
4.4.2、计算第i条数据在不同时段中的观影时间；
4.4.3、分别按照<keyvalue>格式输出全国和省份的观影时间以及全国频道收视分钟数：
key：0|N|channel|N|时段|
value：1
省份频道收视分钟数：
key：0|province|channel|N|时段|
value：1；
4.4.4、将全国和省份的频道接触人数加入Map中，其中key与步骤4.4.3中的key一样，但第一位标记改为1；
4.5、遍历4.4.4步骤中Map，按照<keyvalue>格式输出数据。
更进一步的技术方案是步骤4还包括：
5.1、获取相应的参数；
5.2、将该MAC的观影数据放入List列表中；
5.3、对List列表按照时间戳字段进行从小到大排序；
5.4、遍历List列表：
5.4.1、每次遍历获得第i与第i-1数据；
5.4.2、如果第i条属于与第i-1条数据之差为5分钟，则判断其流入流出；
5.4.3、分别按照<keyvalue>格式输出全国和省份的观影时间以及全国频道收视分钟数：
key：N|channel|N|时段|inorout|channel/on,off
value：1
省份频道收视分钟数：
key：province|channel|N|时段|inorout|channel/on,off
value：1
5.5、遍历步骤4.4.4中Map，按照<keyvalue>格式输出数据。
更进一步的技术方案是数据标准化算法为：
设定竞争力综合指数标准值为X1，X2，X3，Xn，其中最大值为Max，最小值为Min；变换后对应竞争力指数为Y1，Y2，Y3，Yi，则有：
目标时段内分别对收视率、到达率、忠诚度、用户流入和用户流出计算综合竞争力，之后对这五个指标的综合竞争力相加即为该频道目标时段内总的综合竞争力。
更进一步的技术方案是步骤3)之后还包括：将收视率、收拾份额、到达率、忠实度、用户流入和用户流出数据输出到mysql。
更进一步的技术方案是步骤4)包括：按照条件读取mysql中收视率、收拾份额、到达率、忠实度、用户流入和用户流出数据，默认五个指标同等重要，综合竞争力数值在0-100之间，五个指标最大综合竞争力为20，对每个指标进行排序，选取每个指标里面的最大值和最小值，按照标准化算法分别计算出每个指标的综合竞争力，将五个指标的综合竞争力加和，即为该频道的总体综合竞争力。
更进一步的技术方案是对收视率、到达率、忠诚度、用户流入和用户流出分别进行单点测试。
与现有技术相比，本发明的有益效果是：本发明以收视率体系下的收视率、到达率、忠诚度、用户流入、用户流出等五个维度来评判综合竞争力，频道综合竞争力越高，说明频道在相同条件下整体实力越强，由于频道的热门程度、节目质量、节目数量、节目热度等情况不同，频道综合竞争力的提出不仅提升了用户对收视率体系的关注度，还可创造经济价值。
附图说明
图1为本发明一个实施例的方法流程图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
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。
下面结合附图及实施例对本发明的具体实施方式进行详细描述。
如图1所示，根据本发明的一个实施例，本实施例公开一种基于智能电视收视率体系下频道综合竞争力实现方法，它包括收视率体系下收视率、到达率、忠诚度、用户流入、用户流出等定义实现和综合竞争力数据标准化算法以及模糊算法实现。本实施例采取新的采集机制，数据以一分钟的形式上报，离线数据一天以半个小时为单位；全国34个省(直辖市)；每个省每个频道每个时段都有相应的收视率、到达率、忠诚度、用户流入和用户流出；基于收视率、忠诚度、到达率、用户流入和用户流出五个定义，根据数据标准化以及模糊算法实现频道综合竞争力。
具体步骤为：获取当前工作目录，确定其他参数：查询日期、更新天数、输入文件路径和mapreduce程序结果的存储目录；
mapper函数处理，即遍历每一条数据，并对其进行处理，将相应数据传给redece函数；mapper启动时，获取相应参数，以及获取要查询日期的epg信息，根据数据中channelID与epg中的channel_code进行匹配。如果匹配成功，则将该条数据中channel替换成epg中的channel_name，如果匹配失败，则丢弃该条数据，按照<keyvalue>格式输出数据；
redeuce函数处理，即对获得的同一个mac的所有观影行为进行处理，并将相应结果输出到HDFS上。
(1)获取相应参数，将该mac的观影数据放入List列表中，对List列表按照时间戳字段进行从小到大排序，遍历List列表，每次遍历获得第i与i-1数据，计算第i条数据在不同时段中的观影时间，分别按照<keyvalue>格式输出全国和省份的观影时间，将全国和省份的频道接触人数放入map中，按照<keyvalue>格式输出数据；addMR进行求和处理，即在同一时段，且在全国或省份中观看同一频道的分钟数进行累加求和；根据上述获得的数据，分别计算出收视率、收视份额、到达率和忠实度。
(2)获取相应参数，将该mac的观影数据放入List列表中，对List列表按照时间戳字段进行从小到大排序，遍历List列表，每次遍历获得第i与i-1数据，如果第i条数据与第i-1条数据之差为5分钟，判断其流入流出情况，分别按照<keyvalue>格式输出全国和省份的流入流出情况。根据上述情况的数据，分别计算出用户流入和用户流出；接下来按照条件分别获取收视率、到达率、忠诚度、用户流入和用户流出，默认为每个指标同样重要，同时分别获取收视率、到达率、忠诚度、用户流入和用户流出每个指标数据的最大值和最小值，按照数据标准化指标分别计算每个指标相应的综合竞争力，之后对五个指标进行加和，即为该频道的综合竞争力，由于数据量少以及展示需求，按照模糊算法对每个指标的综合竞争力进行扩大，便于展示，达到最佳效果。
具体的，本实施例基于智能电视收视率体系下频道综合竞争力实现方法，具体实现步骤为：
步骤1、获取当前工作目录
步骤2、确定其他参数：
2.1查询日期
2.2更新天数：对以前的日期计算的结果重新计算
2.3MR输入文件路径
2.4MR结果的存储目录
步骤3、Mapper函数处理，即遍历每一条数据，并对其进行处理，将相应数据传给Reducer函数。
3.1Mapper启动时，获取相应参数，以及获取要查询日期的EPG信息
3.2根据数据中channel_id与EPG中的channel_code进行匹配。如果匹配成功，则将该条数据中program替换成EPG中的program名称，并获得其播放开始时间和结束时间；如果匹配失败，则丢弃该条数据
3.3按照<keyvalue>格式输出数据：
key：MAC
value：province|channel|时间戳|。具体的，对用户观看电视的行为数据中频道进行映射,以及所有时段(以半个小时为时段)。
步骤4、Reducer函数处理，即对获得的同一个MAC的所有观影行为进行处理，并将相应结果输出到HDFS上；
4.1获取相应的参数；
4.2将该MAC的观影数据放入List列表中；
4.3对List列表按照时间戳字段进行从小到大排序；
4.4遍历List列表：
4.4.1每次遍历获得第i与第i-1数据；
4.4.2计算第i条数据在不同时段中的观影时间；
4.4.3分别按照<keyvalue>格式输出全国和省份的观影时间
全国频道收视分钟数：
key：0|N|channel|N|时段|
value：1
省份频道收视分钟数：
key：0|province|channel|N|时段|
value：1
4.4.4将全国和省份的频道接触人数加入Map中，其中key与上一步骤中的key一样，但第一位标记改为1。
4.5遍历4.4.4步骤中Map，按照<keyvalue>格式输出数据。
步骤5、Reducer函数处理，即对获得的同一个MAC的所有观影行为进行处理，并将相应结果输出到HDFS上；
5.1获取相应的参数
5.2将该MAC的观影数据放入List列表中
5.3对List列表按照时间戳字段进行从小到大排序
5.4遍历List列表：
5.4.1每次遍历获得第i与第i-1数据
5.4.2如果第i条属于与第i-1条数据之差为5分钟，则判断其流入流出
5.4.3分别按照<keyvalue>格式输出全国和省份的观影时间
全国频道收视分钟数：
key：N|channel|N|时段|inorout|channel/on,off
value：1
省份频道收视分钟数：
key：province|channel|N|时段|inorout|channel/on,off
value：1
5.5遍历4.4.4步骤中Map，按照<keyvalue>格式输出数据。优选的，对省份进行映射，保证数据的标准性。
步骤6、AddMR进行求和处理，即在同一时段，且在全国或省份中观看同一频道的分钟数进行累加求和以及用户流入流出情况累加求和
步骤7、后续处理程序：根据上述获得的数据，分别计算出收视率、收拾份额、到达率、忠实度、用户流入和用户流出等。
具体的，收视率、到达率、忠诚度、用户流入、用户流出公式如下：
7.1、收视率(％)是指针对某特定时段或节目，平均每分钟的收视人数占总体覆盖终端的百分比。
式中：假如选取时段以半个小时为单位，则该时段总时长为30分钟，收视时长是指目标时段内该用户观看时间分钟数。
收视率考察特定时段收看某一频道或某一节目的人数在总体推及人口中的比例。该指标考察的实际是特定时段(节目)长度上收看人数和收看时长的均匀分布。
7.2、忠实度(％)是指特定频道(时段/节目)的收视率与到达率的百分比值。
7.3、用户流入是指在某一时段内，用户从其他频道(节目)切换到当前频道(节目)的用户进入次数，以及用户开机或切换到非电视直播状态而进入当前频道(节目)的用户进入次数。
7.4、用户流出是指在某一时段内，用户从当前频道(节目)切换到其他频道(节目)的用户离开次数，以及用户关机或切换到非电视直播状态而离开当前频道(节目)的用户离开次数。
用户流入流出用于考察在一定时间内用户的流向。该指标是从动态角度反映频道竞争状况。
7.5、到达率(％)是指在特定时段内符合到达条件的接触总人数占总体覆盖终端的百分比。其中，到达条件一般是“至少收看了1分钟”。
式中：
接触人-------在特定时段内进入过该时段观看内容的人，其中，到达条件可以改变。
到达率是一个时间上的纵向累积指标，它考察特定时间段内观众收看某一频道或节目(或某一广告计划所能覆盖)的不重复的人数多少(或比例)，反映了接触的受众规模和传播的广泛性。
总体覆盖终端：一个Mac地址表示一个电视终端，总体覆盖终端即所有具有TV用户行为的电视终端。
步骤8、将收视率、收拾份额、到达率、忠实度、用户流入和用户流出数据输出到mysql。优选的，对收视率、到达率、忠诚度、用户流入和用户流出分别进行单点测试，保证数据的准确性。
步骤9、按照条件读取mysql中收视率、收拾份额、到达率、忠实度、用户流入和用户流出数据，默认五个指标同等重要，综合竞争力数值在0-100之间，五个指标最大综合竞争力为20，对每个指标进行排序，选取每个指标里面的最大值和最小值，按照标准化算法分别计算出每个指标的综合竞争力，将五个指标的综合竞争力加和，即为该频道的总体综合竞争力。
其中，数据标准化算法如下：
假设竞争力综合指数标准值为X1，X2，X3，…，其中最大值为Max，最小值为Min；变换后对应竞争力指数为Y1，Y2，Y3，…，Yi，则有：
目标时段内分别对收视率、到达率、忠诚度、用户流入和用户流出计算综合竞争力，之后对这五个指标的综合竞争力相加即为该频道目标时段内总的综合竞争力，本次综合竞争力只有在本收视率系统下才成立，综合竞争力只有在本系统下才能相互比较。
步骤10、为了展示效果，根据模糊算法对每个指标的综合竞争力数值进行数据扩大，保持扩大后的数据与原数据比例一样，达到展示效果，将模糊算法的综合竞争力数据输入到mysql。
在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一个实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
尽管这里参照发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (10)

1.一种基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于：所述的实现方法包括以下步骤：
1)统计收视率、到达率、忠诚度、用户流入、用户流出对应参考数据；
2)根据收视率、到达率、忠诚度、用户流入、用户流出的定义公式和所述对应参考数据，分别计算出收视率、到达率、忠诚度、用户流入、用户流出；
3)按照标准化算法分别计算出收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力、用户流出综合竞争力的值；
4)将所述收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力和用户流出综合竞争力的值之和作为频道综合竞争力。
2.根据权利要求1所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于还包括采用模糊算法将所述收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力和用户流出综合竞争力的值进行扩大，并保持趋势一致，再对扩大后的收视率综合竞争力、到达率综合竞争力、忠诚度综合竞争力、用户流入综合竞争力和用户流出综合竞争力的值求和，得到模糊算法的频道综合竞争力。
3.根据权利要求1所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于所述的统计收视率、到达率、忠诚度、用户流入、用户流出对应参考数据步骤包括：
步骤1、获取当前工作目录；
步骤2、确定查询日期参数、更新天数参数、MR输入文件路径参数、MR结果的存储目录参数；
步骤3、遍历每一条数据，并对其进行处理，将相应数据传给Reducer函数；
步骤4、对获得的同一个MAC的所有观影行为进行处理，并将相应结果输出到HDFS上。
4.根据权利要求3所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于所述的步骤3包括：
3.1、Mapper启动时，获取相应参数，以及获取要查询日期的EPG信息；
3.2、根据数据中channel_id与EPG中的channel_code进行匹配；如果匹配成功，则将该条数据中program替换成EPG中的program名称，并获得其播放开始时间和结束时间；如果匹配失败，则丢弃该条数据；
3.3、按照<keyvalue>格式输出数据：
key：MAC
value：province|channel|时间戳|。
5.根据权利要求1所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于所述的步骤4包括：
4.1、获取相应的参数；
4.2、将该MAC的观影数据放入List列表中；
4.3、对List列表按照时间戳字段进行从小到大排序；
4.4、遍历List列表：
4.4.1、每次遍历获得第i与第i-1数据；
4.4.2、计算第i条数据在不同时段中的观影时间；
4.4.3、分别按照<keyvalue>格式输出全国和省份的观影时间以及全国频道收视分钟数：
key：0|N|channel|N|时段|
value：1
省份频道收视分钟数：
key：0|province|channel|N|时段|
value：1；
4.4.4、将全国和省份的频道接触人数加入Map中，其中key与步骤4.4.3中的key一样，但第一位标记改为1；
4.5、遍历4.4.4步骤中Map，按照<keyvalue>格式输出数据。
6.根据权利要求5所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于所述的步骤4还包括：
5.1、获取相应的参数；
5.2、将该MAC的观影数据放入List列表中；
5.3、对List列表按照时间戳字段进行从小到大排序；
5.4、遍历List列表：
5.4.1、每次遍历获得第i与第i-1数据；
5.4.2、如果第i条属于与第i-1条数据之差为5分钟，则判断其流入流出；
5.4.3、分别按照<keyvalue>格式输出全国和省份的观影时间以及全国频道收视分钟数：
key：N|channel|N|时段|inorout|channel/on,off
value：1
省份频道收视分钟数：
key：province|channel|N|时段|inorout|channel/on,off
value：1
5.5、遍历步骤4.4.4中Map，按照<keyvalue>格式输出数据。
7.根据权利要求1所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于所述的数据标准化算法为：
设定竞争力综合指数标准值为X1，X2，X3，Xn，其中最大值为Max，最小值为Min；变换后对应竞争力指数为Y1，Y2，Y3，Yi，则有：
目标时段内分别对收视率、到达率、忠诚度、用户流入和用户流出计算综合竞争力，之后对这五个指标的综合竞争力相加即为该频道目标时段内总的综合竞争力。
8.根据权利要求1所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于所述的步骤3)之后还包括：将收视率、收拾份额、到达率、忠实度、用户流入和用户流出数据输出到mysql。
9.根据权利要求8所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于所述的步骤4)包括：按照条件读取mysql中收视率、收拾份额、到达率、忠实度、用户流入和用户流出数据，默认五个指标同等重要，综合竞争力数值在0-100之间，五个指标最大综合竞争力为20，对每个指标进行排序，选取每个指标里面的最大值和最小值，按照标准化算法分别计算出每个指标的综合竞争力，将五个指标的综合竞争力加和，即为该频道的总体综合竞争力。
10.根据权利要求8所述的基于智能电视收视率体系下频道综合竞争力实现方法，其特征在于对收视率、到达率、忠诚度、用户流入和用户流出分别进行单点测试。
CN201510708077.9A 2015-10-27 2015-10-27 基于智能电视收视率体系下频道综合竞争力实现方法 Active CN105407364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510708077.9A CN105407364B (zh) 2015-10-27 2015-10-27 基于智能电视收视率体系下频道综合竞争力实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510708077.9A CN105407364B (zh) 2015-10-27 2015-10-27 基于智能电视收视率体系下频道综合竞争力实现方法

Publications (2)

Publication Number Publication Date
CN105407364A true CN105407364A (zh) 2016-03-16
CN105407364B CN105407364B (zh) 2018-07-03

Family

ID=55472567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510708077.9A Active CN105407364B (zh) 2015-10-27 2015-10-27 基于智能电视收视率体系下频道综合竞争力实现方法

Country Status (1)

Country Link
CN (1) CN105407364B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093275A (zh) * 2016-11-22 2018-05-29 北京国双科技有限公司 一种数据处理方法及装置
CN108259982A (zh) * 2018-04-13 2018-07-06 中广热点云科技有限公司 一种设置在移动终端的电视频道控制方法及系统
CN109600640A (zh) * 2017-09-30 2019-04-09 北京国双科技有限公司 一种节目收视竞争力的评估方法及装置
CN113949907A (zh) * 2021-09-09 2022-01-18 宁波华数广电网络有限公司 一种基于广电收视大数据的智慧屏分析系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101146234A (zh) * 2006-09-12 2008-03-19 中兴通讯股份有限公司 流媒体图像处理的方法
CN101344389A (zh) * 2008-08-20 2009-01-14 中国建筑第八工程局有限公司 一种利用神经网络预测隧道围岩位移的方法
CN101521744A (zh) * 2009-04-17 2009-09-02 东南大学 视频捕捉控制器
CN101964061A (zh) * 2010-09-02 2011-02-02 北京航空航天大学 一种基于二类核函数支持向量机的车型识别方法
CN102053268A (zh) * 2010-11-18 2011-05-11 中国石油天然气股份有限公司 一种蚀变火山岩岩性识别方法及装置
CN102262460A (zh) * 2011-08-29 2011-11-30 江苏惠通集团有限责任公司 空中鼠标及控制鼠标指针移动的方法与装置
CN102289718A (zh) * 2011-08-03 2011-12-21 东北大学设计研究院（有限公司） 一种赤泥沉降过程泥层高度的软测量方法
CN202094908U (zh) * 2011-02-15 2011-12-28 天津理工大学 基于dsp的三维数字混沌信号发生器
CN102654574A (zh) * 2012-05-21 2012-09-05 西安电子科技大学 基于fpga的多普勒中心估计方法
CN102724499A (zh) * 2012-05-31 2012-10-10 西北工业大学 基于fpga的变压缩比图像压缩系统及方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101146234A (zh) * 2006-09-12 2008-03-19 中兴通讯股份有限公司 流媒体图像处理的方法
CN101344389A (zh) * 2008-08-20 2009-01-14 中国建筑第八工程局有限公司 一种利用神经网络预测隧道围岩位移的方法
CN101521744A (zh) * 2009-04-17 2009-09-02 东南大学 视频捕捉控制器
CN101964061A (zh) * 2010-09-02 2011-02-02 北京航空航天大学 一种基于二类核函数支持向量机的车型识别方法
CN102053268A (zh) * 2010-11-18 2011-05-11 中国石油天然气股份有限公司 一种蚀变火山岩岩性识别方法及装置
CN202094908U (zh) * 2011-02-15 2011-12-28 天津理工大学 基于dsp的三维数字混沌信号发生器
CN102289718A (zh) * 2011-08-03 2011-12-21 东北大学设计研究院（有限公司） 一种赤泥沉降过程泥层高度的软测量方法
CN102262460A (zh) * 2011-08-29 2011-11-30 江苏惠通集团有限责任公司 空中鼠标及控制鼠标指针移动的方法与装置
CN102654574A (zh) * 2012-05-21 2012-09-05 西安电子科技大学 基于fpga的多普勒中心估计方法
CN102724499A (zh) * 2012-05-31 2012-10-10 西北工业大学 基于fpga的变压缩比图像压缩系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴洪媚: "数字电视的收视率调查分析系统的设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
徐浩然: "中国省级卫视竞争力评价研究", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108093275A (zh) * 2016-11-22 2018-05-29 北京国双科技有限公司 一种数据处理方法及装置
CN108093275B (zh) * 2016-11-22 2020-09-25 北京国双科技有限公司 一种数据处理方法及装置
CN109600640A (zh) * 2017-09-30 2019-04-09 北京国双科技有限公司 一种节目收视竞争力的评估方法及装置
CN108259982A (zh) * 2018-04-13 2018-07-06 中广热点云科技有限公司 一种设置在移动终端的电视频道控制方法及系统
CN113949907A (zh) * 2021-09-09 2022-01-18 宁波华数广电网络有限公司 一种基于广电收视大数据的智慧屏分析系统及方法

Also Published As

Publication number Publication date
CN105407364B (zh) 2018-07-03

Similar Documents

Publication Publication Date Title
CN105323594B (zh) 在线直播榜单生成方法及装置
US10097897B2 (en) Enhanced program guide
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
CN103747343B (zh) 资源分时段推荐的方法和装置
CN105407364A (zh) 基于智能电视收视率体系下频道综合竞争力实现方法
CN104504059A (zh) 多媒体资源推荐方法
CN105916045A (zh) 一种互动直播方法和装置
CN101355686A (zh) 收视率统计方法和系统
CN105224576A (zh) 一种影视智能推荐方法
CN102802029B (zh) 针对电视节目的交互系统和方法
CN104219576A (zh) 一种基于智能电视的播放节目推荐方法
CN104144181A (zh) 一种网络视频终端聚合方法及系统
CN103747282A (zh) 一种节目单编排方法和设备
CN103605808A (zh) 基于搜索的ugc推荐的方法及系统
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
CN106604136A (zh) 电视节目收视率精确计算方法及构造系统
Hellman et al. Public service television and the tendency towards convergence: trends in prime-time programme structure in Finland, 1970-92
CN104796734A (zh) 实时交互的智能电视节目组合推荐系统及方法
Chen et al. Analysis of Algorithm Recommendation Mechanism of TikTok
CN105141982A (zh) 一种生成热门节目的epg的方法及装置
CN105578259A (zh) 一种基于智能电视下用户观影行为分类方法
CN104284217B (zh) 网络收视统计方法和装置
CN104918117B (zh) 一种智能电视广告及用户标签推荐方法
CN104363487A (zh) 一种开机自动选择频道的机顶盒

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