CN105898420B - 一种视频推荐方法、装置以及电子设备 - Google Patents
一种视频推荐方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN105898420B CN105898420B CN201510011491.4A CN201510011491A CN105898420B CN 105898420 B CN105898420 B CN 105898420B CN 201510011491 A CN201510011491 A CN 201510011491A CN 105898420 B CN105898420 B CN 105898420B
- Authority
- CN
- China
- Prior art keywords
- video
- user
- spectators
- recommended
- feature
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000012549 training Methods 0.000 claims description 71
- 230000008859 change Effects 0.000 claims description 44
- 238000012216 screening Methods 0.000 claims description 41
- 230000007774 longterm Effects 0.000 claims description 35
- 230000002093 peripheral effect Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000007306 turnover Effects 0.000 claims description 13
- 230000005055 memory storage Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 230000000630 rising effect Effects 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 4
- 206010021703 Indifference Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Television Signal Processing For Recording (AREA)
Abstract
本申请提供一种视频推荐方法，包括：获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。本申请同时提供一种视频推荐装置。本申请还提供一种使用上述视频推荐方法的电子设备。本申请提供的所述视频推荐方法中，将用户的用户上网特征数据作为利用视频推荐模型计算推荐计划的数据输入，充分考虑到了各个观众地域范围的用户的人群特征的差异，获得了分别针对各个观众地域范围的较优的视频推荐。
Description
技术领域
本申请涉及视频推荐技术领域，具体涉及一种视频推荐方法。本申请同时涉及一种视频推荐装置，以及一种电子设备。
背景技术
视频推荐是指在考察视频的导演、主要演员、制片、市场营销、视频生命周期、视频类型、发行地区等影响视频点击量和下载量等诸多因素基础上，基于资产定价模型，综合采用金融工程和回归统计分析形成的一种分析方法，视频推荐方法能够分析和预测视频的收益价值，成为视频产业投融资重要参考工具，对视频的定位、收益以及衍生产品开发具有指导作用。
现有的视频推荐方法主要有两种，一种是从视频的角度出发，根据以往播放的视频的类型、上映时间段、导演和演员的相关信息、收益记录等建立视频推荐模型，从而获得针视频推荐计划；另一种是从用户的角度出发，分析单个用户的历史行为，根据用户的历史行为记录建立视频推荐模型，从而获得视频推荐计划。
上述现有技术提供的视频推荐方法存在明显的缺陷。
现有技术提供的视频推荐方法的缺点在于：存在单一性，没有考虑到各个观众地域范围的地域特征和人群构成。比如不同的城市：北京和广州，广州涉及粤语的视频的受欢迎程度明显高于北京；再比如同一个城市不同的区域：杭州市西溪地区的信息技术产业从业人员聚集，西湖边上的人群收入较高，对视频的需求存在明显差异。现有的视频推荐方法没有考虑上述因素，从而导致视频推荐的误差较大，无法得到较优的推荐计划。
发明内容
本申请提供一种视频推荐方法，以解决现有的视频推荐方法存在的单一性和视频推荐误差较大的问题。
本发明提供的一种视频推荐方法，包括：
获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
将以往的待推荐视频的视频特征信息、在特定时间段内的用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
获取以往的待推荐视频在特定时间段内的视频外围相关信息；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
将以往的待推荐视频的视频特征信息，以及在特定时间段内的视频外围相关信息、用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
获取以往的待推荐视频在特定时间段内的视频外围相关信息；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
获取以往的待推荐视频在特定时间段内的视频外围相关信息；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征分别整合到各个观众地域范围的视频信息记录表中；
将各个观众地域范围的视频信息记录表作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述视频特征信息包括下述至少一种信息：
名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧。
可选的，所述用户上网特征数据包括下述至少一种信息：
性别、年龄、爱好、消费水平、学历水平、工作信息、交易记录。
可选的，所述对所述视频的收益记录、在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总的步骤，包括：
统计出以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
分别计算出在特定时间段内、各个观众地域范围下以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
根据上述计算所得，计算并获得在特定时间段内，反应各个观众地域范围的收益记录、视频外围相关信息、用户上网特征数据中交易记录变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征。
可选的，所述待推荐视频包括：即将在影院上映的影片，当前在影院上映的影片。
可选的，所述收益记录包括：
所述影片在各个观众地域范围下每日的票房收入值。
可选的，所述收益趋势特征包括下述至少一种：
所述影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述视频外围相关信息包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
可选的，所述视频外围趋势特征包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度的上升趋势描述、下降趋势描述、趋势变化幅度描述，搜索引擎搜索热度的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述交易记录包括：
用户在网店中的交易记录；
相应的，所述用户在网店中的交易记录包括下述至少一种：
交易商品的交易额、商品编号、商品类别、各类别商品的交易量。
可选的，所述用户上网趋势特征包括下述至少一种：
用户在网店中交易商品的交易额、商品编号、商品类别、各类别商品的交易量的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述推荐计划，包括下述至少一种：
所述影片在各个观众地域范围的排片列表，视频网站或者视频播放终端在各个观众地域范围的视频播放列表；
其中，所述排片列表包括：各部影片的排片时间、排片场次、排片占比；
所述视频播放列表包括：各类视频的播放时长、播放量、播放占比，或者单个视频的播放时长、播放量、播放占比。
本发明同时提供一种视频推荐装置，包括：
数据信息获取单元，用于获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
推荐计划计算获取单元，用于根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
第一视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
第二视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息，以及在特定时间段内的视频外围相关信息、用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
趋势特征计算获取单元，用于对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
第三视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
趋势特征计算获取单元，用于对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
视频信息记录表整合单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征分别整合到各个观众地域范围的视频信息记录表中；
第四视频推荐模型训练单元，用于将各个观众地域范围的视频信息记录表作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述趋势特征计算获取单元，包括：
第一统计子单元，用于统计出以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
第二统计子单元，用于分别计算出在特定时间段内、各个观众地域范围下以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
趋势特征计算获取子单元，用于根据上述计算所得，计算并获得在特定时间段内，反应各个观众地域范围的收益记录、视频外围相关信息、用户上网特征数据中交易记录变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征。
本发明同时提供一种电子设备，包括：
存储器；
处理器；
所述存储器，用于存储获取的待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
所述处理器，根据预设的各个观众地域范围各自的视频推荐模型，并利用所述存储器存储的视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
可选的，所述视频特征信息包括下述至少一种信息：
名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧。
可选的，所述用户上网特征数据包括下述至少一种信息：
性别、年龄、爱好、消费水平、学历水平、工作信息、交易记录。
可选的，所述待推荐视频包括：即将在影院上映的影片，当前在影院上映的影片。
可选的，所述存储器存储的数据还包括收益记录，所述收益记录包括：
所述影片在各个观众地域范围下每日的票房收入值。
可选的，所述存储器存储的数据还包括收益趋势特征，所述收益趋势特征包括下述至少一种：
所述影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述存储器存储的数据还包括视频外围相关信息，所述视频外围相关信息包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
可选的，所述存储器存储的数据还包括视频外围趋势特征，所述视频外围趋势特征包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度的上升趋势描述、下降趋势描述、趋势变化幅度描述，搜索引擎搜索热度的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述交易记录包括：
用户在网店中的交易记录；
相应的，所述用户在网店中的交易记录包括下述至少一种：
交易商品的交易额、商品编号、商品类别、各类别商品的交易量。
可选的，所述存储器存储的数据还包括用户上网趋势特征，所述用户上网趋势特征包括下述至少一种：
用户在网店中交易商品的交易额、商品编号、商品类别、各类别商品的交易量的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述推荐计划，包括下述至少一种：
所述影片在各个观众地域范围的排片列表，视频网站或者视频播放终端在各个观众地域范围的视频播放列表；
其中，所述排片列表包括：各部影片的排片时间、排片场次、排片占比；
所述视频播放列表包括：各类视频的播放时长、播放量、播放占比，或者单个视频的播放时长、播放量、播放占比。与现有技术相比，本申请具有以下优点：
本申请提供的一种视频推荐方法，包括：获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
本申请提供的所述视频推荐方法中，将用户的用户上网特征数据作为利用视频推荐模型计算推荐计划的一个数据输入，数据源非常丰富，并且充分考虑到了各个观众地域范围的用户的人群特征的差异，针对各个观众地域范围分别设定各自的视频推荐模型，分别结合各个观众地域范围用户的用户特征数据进行计算，从而获得了分别针对各个观众地域范围的较优的视频推荐计划；此外，该视频推荐方法，能够不断的获取新的训练样本来训练各个观众地域范围的视频推荐模型，从而使各个观众地域范围的视频推荐模型输出的视频推荐计划的准确性较高。
附图说明
图1是本申请第一实施例提供的一种视频推荐方法示意图；
图2是本申请第一实施例提供的一种观众地域范围的视频推荐模型训练方法处理流程图；
图3是本申请第一实施例提供的一种观众地域范围的视频推荐模型训练方法处理流程图；
图4是本申请第一实施例提供的一种观众地域范围的视频推荐模型训练方法处理流程图；
图5是本申请第一实施例提供的一种观众地域范围的视频推荐模型训练方法处理流程图；
图6是本申请第二实施例提供的一种视频推荐装置示意图。
图7是本申请第三实施例提供的一种电子设备示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
本申请第一实施例提供一种视频推荐方法，本申请第二实施例提供一种视频推荐装置，本申请第三实施例提供一种电子设备。
本发明第一实施例提供的视频推荐方法的实施例请参照图1，图1示出了该视频推荐方法的处理流程图。
以下结合图1对本实施例提供的一种视频推荐方法进行说明，并且对该方法的各个步骤进行说明；此外，本实施例提供的一种视频推荐方法的具体步骤之间的顺序关系请根据图1确定。
步骤S101，获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据。
本实施例假设的应用场景为在不同的观众地域范围下，按照各个观众地域范围下用户的不同，结合用户的特征对各个观众地域范围的影院当中播放的影片进行推荐。本申请提供的频推荐方法当然还可以用于其他场合，在此不作限定。
本实施例中，所述待推荐视频，是指未来一个特定时间段(天、周、月)内在影院中进行播放的影片，包括即将在影院上映的影片，以及当前在影院上映的影片；对于即将在影院上映的影片，需要针对该类型的影片进行放映场次、放映时间的安排；对于当前在影院上映的影片，需要针对该类型的影片进行放映场次、放映时间的调整。
所述视频特征信息，是指在各个观众地域范围下的影院当中播放的影片自身的基本信息，这些信息是静态特征信息，不会随着影片的受欢迎程度、上映时间长短以及票房产生变化，所述视频特征信息包括：影片的名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧等。
对于不同的地区，受文化差异以及地域观念的影响，对影片的需求的差异很大，比如不同的城市：北京和广州，广州的粤语片受欢迎程度明显高于北京；
对于同一城市的不同区域，对影片的需求也存在一定的差异，比如杭州市西溪地区的信息技术产业从业人员聚集，西湖边上的人群收入较高，对票价比较高的影片的接收程度存在明显的差异，此外，对不同类型的影片的接收程度也存在差异。
本实施例中，根据影院来划分观众地域范围：以每一个影院作为一个特定区域，以每一个影院所在的地理位置确定的在该影院观影的用户的地域范围作为一个观众地域范围，即：所述观众地域范围是指各个影院的观众地域范围；
以及，根据用户的配送地址来划分用户：以各个用户的用户上网特征数据中的配送地址确定各个用户所归属的观众地域范围，从而确定各个观众地域范围的用户，并且分别获取各个观众地域范围用户的用户上网特征数据。
所述用户上网特征数据，包括用户的自身的基本信息：性别、年龄、爱好、消费水平、学历水平、工作信息等；
此外，所述用户上网特征数据还包括用户的交易记录。
需要说明的是，所述用户是指参与网店交易的用户；
所述交易记录，是指参与网店交易的用户在网店中的交易记录，包括：用户在网店中交易商品的交易额、商品编号、商品类别、各类别商品的交易量等。
除此之外，上述观众地域范围的划分还可以采用其他方法实现，比如根据每个影院的相对固定的观影人群居住地来确定观众地域范围，在此不做限定。
步骤S102，根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
所述推荐计划，包括所述影片在各个观众地域范围的排片列表；其中，所述排片列表包括：各部影片的排片时间、排片场次、排片占比。排片列表需要根据要放映的各部影片在未来的一个特定时间段(天、周、月)内在各个影院的票房收入的估计值确定，以期获得最佳经济和社会效益。
除此之外，所述推荐计划还包括本实施之外的其他计划，比如视频网站或者视频播放终端在各个观众地域范围的视频播放列表，其中，所述排片列表是指各类视频的播放时长、播放量、播放占比，或者单个视频的播放时长、播放量、播放占比，在此不做限定。
本实施例中，针对根据各个影院分别确定的各个观众地域范围，各个观众地域范围的各自的视频推荐模型的建立方法、训练方法，以及根据各自的视频推荐模型计算各个观众地域范围的推荐计划方法都相同，下述以任意一个观众地域范围为例进行说明。
针对根据任意一个影院确定的观众地域范围，结合以往的待推荐视频(即：以往在该影院上映的影片)的视频特征信息，并结合该观众地域范围用户的用户上网特征信息，采用逻辑回归、CHAID TREE以及神经网络等建模方法建立该观众地域范围自身的视频推荐模型，用于计算并获得待推荐视频在各个观众地域范围的推荐计划；
以及，不断的获取新的训练样本来训练该观众地域范围自身的视频推荐模型，从而对视频推荐模型进行不断的优化，保持视频推荐模型的先进性和准确性。
需要说明的是，本实施例提供下述四种训练观众地域范围的视频推荐模型的方法；
方法一：
将记录有以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、该观众地域范围的用户在特定时间段内用户的特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征的视频信息记录表作为训练样本，根据以往的待推荐视频的收益记录、播放记录，来训练该观众地域范围的视频推荐模型。
所述以往的待推荐视频，是指以往在该影院(确定该观众地域范围的影院)上映的影片，该影片已经过了排片期，收益记录、播放记录已知的影片。
所述特定时间段，根据训练视频推荐模型的需要以及数据易于获得的标准选取。并且，由于数据获得的难易程度不同，对于训练所需的不同数据，有可能采用不同的特定时间段。最合适的时间段，是所述待推荐视频的各项相关数据，但是，这些时间段的有些数据——例如所述特定地域的用户上网特征数据——由于数据记录的时间相关性不强，可能不易获得，则也可以采用当前数据作为替代。
本实施例提供的第一种影院的视频推荐模型训练方法请参照图2，图2示出了该影院的视频推荐模型训练方法的处理流程图。
以下结合图2对本实施例提供的第一种观众地域范围的视频推荐模型训练方法进行说明，并且对该方法的各个步骤进行说明，具体实现如下：
S201，获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
所述以往的待推荐视频，是指以往在该影院(确定该观众地域范围的影院)上映的影片，该影片已经过了排片期，收益记录、播放记录已知的影片；
所述视频特征信息，是指在该影院当中播放的影片自身的基本信息，这些信息是静态特征信息，不会随着影片的受欢迎程度、上映时间长短以及票房产生变化，所述视频特征信息包括：影片的名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧等；
所述收益记录，是指以往在该影院上映的各部影片在该影院每日的票房收入值；
所述播放记录，是指以往在该影院上映的各部影片在特定时间段(天、周、月)内在该影院的排片占比。
S202，获取以往的待推荐视频在特定时间段内的视频外围相关信息；
所述以往的待推荐视频在特定时间段内的视频外围相关信息，是指以往在该影院(确定该观众地域范围的影院)上映的影片在特定时间段内的视频外围相关信息，包括：参与以往在该影院上映的影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与以往在该影院上映的影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
S203，获取归属于该观众地域范围的用户在特定时间段内的用户上网特征数据；
需要说明的是，获取该观众地域范围用户的用户上网特征数据的目的在于，根据用户上网特征数据得出该观众地域范围的人群分类占比。
例如：根据配送地址归属于某影院的观众地域范围的网店用户的玩具购买人次及每个用户的购买数量，得出该影院的观众地域范围儿童的数量和占比，从而得出该影院对动画片需求的冷淡；
根据该影院的观众地域范围情感类书籍的购买人次及每个用户的购买数量，得出该影院的观众地域范围文艺青年的数量和占比，从而得出该影院对文艺片或者爱情片需求的冷淡。
S204，对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
包括下述步骤：
1)统计出以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
根据上述步骤S201获取的以往的待推荐视频的收益记录，计算出以往的待推荐视频在特定时间段内在该观众地域范围的收益记录的总数值，比如某影片上映期间在该影院下的总票房；
根据上述步骤S202获取的以往的待推荐视频在特定时间段内的视频外围相关信息，计算出以往的待推荐视频在特定时间段内的视频外围相关信息的总数值，比如某影片的某演员参与出演的所有影片的总票房，或者某影片在上映期间社交媒体的总关注度；
根据上述步骤S203获取的该观众地域范围的用户在特定时间段内的用户上网特征数据，计算出该观众地域范围用户的用户上网特征数据中交易记录的总数值，比如购买玩具的总数量，或者购买玩具的总次数。
2)计算出在特定时间段内、该观众地域范围下以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
本步骤用于进行定制化的聚合统计，用于计算并获得在特定时间段内以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的统计，比如某影片的演员参与出演的前三部影片的最大票房、最小票房等。
此外，还可以计算本实施例之外的其他数值，比如某影片的演员参与出演的前三部影片的平均票房等，在此不做限定。
3)根据上述计算所得，计算并获得在特定时间段内，反应该观众地域范围的收益记录、视频外围相关信息、用户上网特征数据中交易记录变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征。
本步骤的目的在于对收益记录、视频外围相关信息、用户上网特征数据这些随着时间的延续发生变化的动态特征信息进行趋势识别，得到每一个趋势的发展趋势特征；
本实施例中，采用上升趋势描述或者下降趋势描述，以及趋势变化幅度描述来表达每个特征的发展趋势特征。
其中，所述收益趋势特征，是指以往在该影院(确定该观众地域范围的影院)上映的影片的票房收入值的上升(上升为正值)趋势描述、下降(下降为负值)趋势描述、趋势变化幅度描述(趋势严重程度)；
所述影片外围信息趋势特征，是指参与以往在该影院(确定该观众地域范围的影院)上映的影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述，以及参与以往在该影院上映的影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度的上升趋势描述、下降趋势描述、趋势变化幅度描述，搜索引擎搜索热度的上升趋势描述、下降趋势描述、趋势变化幅度描述；
所述用户上网趋势特征，是指用户上网特征数据中交易商品的交易额、商品编号、商品类别、各类别商品的交易量的上升趋势描述、下降趋势描述、趋势变化幅度描述。
S205，将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征分别整合到该观众地域范围的视频信息记录表中；
本实施例中，所述整合是指将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、在特定时间段内的用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征写入所述视频信息记录表中；
其中，所述视频信息记录表中记录有不会随着待推荐视频的受欢迎程度、播放时间长短发生变化，即：静态的视频特征信息；以及，所述视频信息记录表中记录有视频外围相关信息、用户上网特征数据这些随着待推荐视频的受欢迎程度、播放时间长短等发生变化的动态的视频特征信息；
此外，所述视频信息记录表中，主键为以往的待推荐视频的视频特征信息中包含的名称。
除此之外，所述主键还可以为以往的待推荐视频的视频特征信息中包含的其他任意一个信息，或者，所述主键还可以为以往的待推荐视频的视频特征信息中包含的任意多个信息组成的联合主键，在此不做限定。
S206，将该观众地域范围的视频信息记录表作为训练样本，根据以往的待推荐视频的收益记录、播放记录，训练该观众地域范围的视频推荐模型。
结合上述步骤S201至S205，不断的获取新的训练样本来训练该该观众地域范围自身的视频推荐模型，从而对该视频推荐模型进行不断的优化，保持视频推荐模型的先进性和准确性。
方法二：
将以往的待推荐视频的视频特征信息、该观众地域范围的用户在特定时间段内用户的特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，来训练该观众地域范围的视频推荐模型。
本实施例提供的第二种观众地域范围的视频推荐模型训练方法请参照图3，图3示出了该观众地域范围的视频推荐模型训练方法的处理流程图。
以下结合图3对本实施例提供的第二种观众地域范围的视频推荐模型训练方法进行说明，并且对该方法的各个步骤进行说明，具体实现如下：
S301，获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
所述以往的待推荐视频，是指以往在该影院(确定该观众地域范围的影院)上映的影片，该影片已经过了排片期，收益记录、播放记录已知的影片；
所述视频特征信息，是指在该影院当中播放的影片自身的基本信息，这些信息是静态特征信息，不会随着影片的受欢迎程度、上映时间长短发生变化，所述视频特征信息包括：影片的名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧等；
所述收益记录，是指以往在该影院上映的各部影片在该影院每日的票房收入值；
所述播放记录，是指以往在该影院上映的各部影片在特定时间段(天、周、月)内在该影院的排片占比。
S302，获取归属于该观众地域范围的用户在特定时间段内的用户上网特征数据；
需要说明的是，获取该观众地域范围用户的用户上网特征数据的目的在于，根据用户上网特征数据得出该观众地域范围的人群分类占比。
例如：根据配送地址归属于某影院的观众地域范围的网店用户的玩具购买人次及每个用户的购买数量，得出该影院的观众地域范围儿童的数量和占比，从而得出该影院对动画片需求的冷淡；
根据该影院的观众地域范围情感类书籍的购买人次及每个用户的购买数量，得出该影院的观众地域范围文艺青年的数量和占比，从而得出该影院对文艺片或者爱情片需求的冷淡。
S303，将以往的待推荐视频的视频特征信息、该观众地域范围的用户在特定时间段内用户的特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，来训练该观众地域范围的视频推荐模型。
方法三：
将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、该观众地域范围的用户在特定时间段内用户的特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，来训练该观众地域范围的视频推荐模型。
本实施例提供的第三种观众地域范围的视频推荐模型训练方法请参照图4，图4示出了该观众地域范围的视频推荐模型训练方法的处理流程图。
以下结合图4对本实施例提供的第三种观众地域范围的视频推荐模型训练方法进行说明，并且对该方法的各个步骤进行说明，具体实现如下：
S401，获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
所述以往的待推荐视频，是指以往在该影院(确定该观众地域范围的影院)上映的影片，该影片已经过了排片期，收益记录、播放记录已知的影片；
所述视频特征信息，是指在该影院当中播放的影片自身的基本信息，这些信息是静态特征信息，不会随着影片的受欢迎程度、上映时间长短以及票房产生变化，所述视频特征信息包括：影片的名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧等；
所述收益记录，是指以往在该影院上映的各部影片在该影院每日的票房收入值；
所述播放记录，是指以往在该影院上映的各部影片在特定时间段(天、周、月)内在该影院的排片占比。
S402，获取以往的待推荐视频在特定时间段内的视频外围相关信息；
所述以往的待推荐视频在特定时间段内的视频外围相关信息，是指以往在该影院(确定该观众地域范围的影院)上映的影片在特定时间段内的视频外围相关信息，包括：参与以往在该影院上映的影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与以往在该影院上映的影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
S403，获取归属于该观众地域范围的用户在特定时间段内的用户上网特征数据；
需要说明的是，获取该观众地域范围用户的用户上网特征数据的目的在于，根据用户上网特征数据得出该观众地域范围的人群分类占比。
例如：根据配送地址归属于某影院的观众地域范围的网店用户的玩具购买人次及每个用户的购买数量，得出该影院的观众地域范围儿童的数量和占比，从而得出该影院对动画片需求的冷淡；
根据该影院的观众地域范围情感类书籍的购买人次及每个用户的购买数量，得出该影院的观众地域范围文艺青年的数量和占比，从而得出该影院对文艺片或者爱情片需求的冷淡。
S404，将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、该观众地域范围的用户在特定时间段内用户的特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，来训练该观众地域范围的视频推荐模型。
方法四：
将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、该观众地域范围的用户在特定时间段内用户的特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征作为训练样本，根据以往的待推荐视频的收益记录、播放记录，来训练该观众地域范围的视频推荐模型。
本实施例提供的第四种观众地域范围的视频推荐模型训练方法请参照图5，图5示出了该观众地域范围的视频推荐模型训练方法的处理流程图。
以下结合图5对本实施例提供的第四种观众地域范围的视频推荐模型训练方法进行说明，并且对该方法的各个步骤进行说明，具体实现如下：
S501，获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
所述以往的待推荐视频，是指以往在该影院(确定该观众地域范围的影院)上映的影片，该影片已经过了排片期，收益记录、播放记录已知的影片；
所述视频特征信息，是指在该影院当中播放的影片自身的基本信息，这些信息是静态特征信息，不会随着影片的受欢迎程度、上映时间长短以及票房产生变化，所述视频特征信息包括：影片的名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧等；
所述收益记录，是指以往在该影院上映的各部影片在该影院每日的票房收入值；
所述播放记录，是指以往在该影院上映的各部影片在特定时间段(天、周、月)内在该影院的排片占比。
S502，获取以往的待推荐视频在特定时间段内的视频外围相关信息；
所述以往的待推荐视频在特定时间段内的视频外围相关信息，是指以往在该影院(确定该观众地域范围的影院)上映的影片在特定时间段内的视频外围相关信息，包括：参与以往在该影院上映的影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与以往在该影院上映的影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
S503，获取归属于该观众地域范围的用户在特定时间段内的用户上网特征数据；
需要说明的是，获取该观众地域范围用户的用户上网特征数据的目的在于，根据用户上网特征数据得出该观众地域范围的人群分类占比。
例如：根据配送地址归属于某影院的观众地域范围的网店用户的玩具购买人次及每个用户的购买数量，得出该影院的观众地域范围儿童的数量和占比，从而得出该影院对动画片需求的冷淡；
根据该影院的观众地域范围情感类书籍的购买人次及每个用户的购买数量，得出该影院的观众地域范围文艺青年的数量和占比，从而得出该影院对文艺片或者爱情片需求的冷淡。
S504，对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
包括下述步骤：
1)统计出以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
根据上述步骤S501获取的以往的待推荐视频的收益记录，计算出以往的待推荐视频在特定时间段内在该观众地域范围的收益记录的总数值，比如某影片上映期间在该影院下的总票房；
根据上述步骤S502获取的以往的待推荐视频在特定时间段内的视频外围相关信息，计算出以往的待推荐视频在特定时间段内的视频外围相关信息的总数值，比如某影片的某演员参与出演的所有影片的总票房，或者某影片在上映期间社交媒体的总关注度；
根据上述步骤S503获取的该观众地域范围的用户在特定时间段内的用户上网特征数据，计算出该观众地域范围用户的用户上网特征数据中交易记录的总数值，比如购买玩具的总数量，或者购买玩具的总次数。
2)计算出在特定时间段内、该观众地域范围下以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
本步骤用于进行定制化的聚合统计，用于计算并获得在特定时间段内以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的统计，比如某影片的演员参与出演的前三部影片的最大票房、最小票房等。
此外，还可以计算本实施例之外的其他数值，比如某影片的演员参与出演的前三部影片的平均票房等，在此不做限定。
3)根据上述计算所得，计算并获得在特定时间段内，反应该观众地域范围的收益记录、视频外围相关信息、用户上网特征数据中交易记录变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征。
本步骤的目的在于对收益记录、视频外围相关信息、用户上网特征数据这些随着时间的延续发生变化的动态特征信息进行趋势识别，得到每一个趋势的发展趋势特征；
本实施例中，采用上升趋势描述或者下降趋势描述，以及趋势变化幅度描述来表达每个特征的发展趋势特征。
其中，所述收益趋势特征，是指以往在该影院(确定该观众地域范围的影院)上映的影片的票房收入值的上升(上升为正值)趋势描述、下降(下降为负值)趋势描述、趋势变化幅度描述(趋势严重程度)；
所述影片外围信息趋势特征，是指参与以往在该影院(确定该观众地域范围的影院)上映的影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述，以及参与以往在该影院上映的影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度的上升趋势描述、下降趋势描述、趋势变化幅度描述，搜索引擎搜索热度的上升趋势描述、下降趋势描述、趋势变化幅度描述；
所述用户上网趋势特征，是指用户上网特征数据中交易商品的交易额、商品编号、商品类别、各类别商品的交易量的上升趋势描述、下降趋势描述、趋势变化幅度描述。
S505，将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、该观众地域范围的用户在特定时间段内用户的特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征作为训练样本，根据以往的待推荐视频的收益记录、播放记录，来训练该观众地域范围的视频推荐模型。
除本实施例提供的上述四种观众地域范围的视频推荐模型的训练方法之外，还可以采用其他方法实现，在此不做限定。
本发明第二实施例提供的所述视频推荐装置实施例如下：
在上述的实施例中，提供了一种视频推荐方法，与之相对应的，本申请还提供了一种视频推荐装置。
参照图6，其示出了根据本实施例提供的一种视频推荐装置示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的部分请参见方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本申请所述的一种视频推荐装置，包括：
数据信息获取单元601，用于获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
推荐计划计算获取单元602，用于根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
第一视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
第二视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息，以及在特定时间段内的视频外围相关信息、用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
趋势特征计算获取单元，用于对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
第三视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
趋势特征计算获取单元，用于对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
视频信息记录表整合单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征分别整合到各个观众地域范围的视频信息记录表中；
第四视频推荐模型训练单元，用于将各个观众地域范围的视频信息记录表作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
可选的，所述趋势特征计算获取单元，包括：
第一统计子单元，用于统计出以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
第二统计子单元，用于分别计算出在特定时间段内、各个观众地域范围下以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
趋势特征计算获取子单元，用于根据上述计算所得，计算并获得在特定时间段内，反应各个观众地域范围的收益记录、视频外围相关信息、用户上网特征数据中交易记录变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征。
本发明第三实施例提供的所述电子设备实施例如下：
在上述的实施例中，提供了一种视频推荐方法，以及与之相对应的一种视频推荐装置，本申请还提供一种用于实现上述视频推荐方法的电子设备。
参照图7，其示出了根据本实施例提供的一种电子设备示意图。所述电子设备实施例描述得比较简单，相关的部分请参见上述方法实施例的对应说明即可。下述描述的所述电子设备实施例仅仅是示意性的。
存储器701；
处理器702；
所述存储器701，用于存储获取的待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
所述处理器702，根据预设的各个观众地域范围各自的视频推荐模型，并利用所述存储器701存储的视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
可选的，所述视频特征信息包括下述至少一种信息：
名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧。
可选的，所述用户上网特征数据包括下述至少一种信息：
性别、年龄、爱好、消费水平、学历水平、工作信息、交易记录。
可选的，所述待推荐视频包括：即将在影院上映的影片，当前在影院上映的影片。
可选的，所述存储器701存储的数据还包括收益记录，所述收益记录包括：
所述影片在各个观众地域范围下每日的票房收入值。
可选的，所述存储器701存储的数据还包括收益趋势特征，所述收益趋势特征包括下述至少一种：
所述影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述存储器701存储的数据还包括视频外围相关信息，所述视频外围相关信息包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
可选的，所述存储器701存储的数据还包括视频外围趋势特征，所述视频外围趋势特征包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度的上升趋势描述、下降趋势描述、趋势变化幅度描述，搜索引擎搜索热度的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述交易记录包括：
用户在网店中的交易记录；
相应的，所述用户在网店中的交易记录包括下述至少一种：
交易商品的交易额、商品编号、商品类别、各类别商品的交易量。
可选的，所述存储器701存储的数据还包括用户上网趋势特征，所述用户上网趋势特征包括下述至少一种：
用户在网店中交易商品的交易额、商品编号、商品类别、各类别商品的交易量的上升趋势描述、下降趋势描述、趋势变化幅度描述。
可选的，所述推荐计划，包括下述至少一种：
所述影片在各个观众地域范围的排片列表，视频网站或者视频播放终端在各个观众地域范围的视频播放列表；
其中，所述排片列表包括：各部影片的排片时间、排片场次、排片占比；
所述视频播放列表包括：各类视频的播放时长、播放量、播放占比，或者单个视频的播放时长、播放量、播放占比。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
Claims (33)
1.一种视频推荐方法，其特征在于，包括：
获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
2.根据权利要求1所述的视频推荐方法，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
将以往的待推荐视频的视频特征信息、在特定时间段内的用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
3.根据权利要求1所述的视频推荐方法，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
获取以往的待推荐视频在特定时间段内的视频外围相关信息；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
将以往的待推荐视频的视频特征信息，以及在特定时间段内的视频外围相关信息、用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
4.根据权利要求1所述的视频推荐方法，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
获取以往的待推荐视频在特定时间段内的视频外围相关信息；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
5.根据权利要求1所述的视频推荐方法，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，采用下述训练方式获得：
获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
获取以往的待推荐视频在特定时间段内的视频外围相关信息；
分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征分别整合到各个观众地域范围的视频信息记录表中；
将各个观众地域范围的视频信息记录表作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
6.根据权利要求1所述的视频推荐方法，其特征在于，所述视频特征信息包括下述至少一种信息：
名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧。
7.根据权利要求1所述的视频推荐方法，其特征在于，所述用户上网特征数据包括下述至少一种信息：
性别、年龄、爱好、消费水平、学历水平、工作信息、交易记录。
8.根据权利要求4或5所述的视频推荐方法，其特征在于，所述对所述视频的收益记录、在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总的步骤，包括：
统计出以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
分别计算出在特定时间段内、各个观众地域范围下以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
根据上述计算所得，计算并获得在特定时间段内，反应各个观众地域范围的收益记录、视频外围相关信息、用户上网特征数据中交易记录变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征。
9.根据权利要求8所述的视频推荐方法，其特征在于，所述待推荐视频包括：即将在影院上映的影片，当前在影院上映的影片。
10.根据权利要求9所述的视频推荐方法，其特征在于，所述收益记录包括：
所述影片在各个观众地域范围下每日的票房收入值。
11.根据权利要求10所述的视频推荐方法，其特征在于，所述收益趋势特征包括下述至少一种：
所述影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述。
12.根据权利要求9所述的视频推荐方法，其特征在于，所述视频外围相关信息包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
13.根据权利要求12所述的视频推荐方法，其特征在于，所述视频外围趋势特征包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度的上升趋势描述、下降趋势描述、趋势变化幅度描述，搜索引擎搜索热度的上升趋势描述、下降趋势描述、趋势变化幅度描述。
14.根据权利要求8所述的视频推荐方法，其特征在于，所述交易记录包括：
用户在网店中的交易记录；
相应的，所述用户在网店中的交易记录包括下述至少一种：
交易商品的交易额、商品编号、商品类别、各类别商品的交易量。
15.根据权利要求14所述的视频推荐方法，其特征在于，所述用户上网趋势特征包括下述至少一种：
用户在网店中交易商品的交易额、商品编号、商品类别、各类别商品的交易量的上升趋势描述、下降趋势描述、趋势变化幅度描述。
16.根据权利要求9所述的视频推荐方法，其特征在于，所述推荐计划，包括下述至少一种：
所述影片在各个观众地域范围的排片列表，视频网站或者视频播放终端在各个观众地域范围的视频播放列表；
其中，所述排片列表包括：各部影片的排片时间、排片场次、排片占比；
所述视频播放列表包括：各类视频的播放时长、播放量、播放占比，或者单个视频的播放时长、播放量、播放占比。
17.一种视频推荐装置，其特征在于，包括：
数据信息获取单元，用于获取待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
推荐计划计算获取单元，用于根据预设的各个观众地域范围各自的视频推荐模型，利用上述视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
18.根据权利要求17所述的视频推荐装置，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
第一视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
19.根据权利要求17所述的视频推荐装置，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
第二视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息，以及在特定时间段内的视频外围相关信息、用户上网特征数据作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
20.根据权利要求17所述的视频推荐装置，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
趋势特征计算获取单元，用于对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
第三视频推荐模型训练单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
21.根据权利要求17所述的视频推荐装置，其特征在于，所述预设的各个观众地域范围各自的视频推荐模型，通过下述单元获得：
待推荐视频数据获取单元，用于获取以往的待推荐视频的视频特征信息、收益记录、播放记录；
视频外围信息获取单元，用于获取以往的待推荐视频在特定时间段内的视频外围相关信息；
用户上网特征数据获取单元，用于分别获取归属于各个观众地域范围的用户在特定时间段内的用户上网特征数据；
趋势特征计算获取单元，用于对以往的待推荐视频的收益记录、以及在特定时间段内的视频外围相关信息、用户上网特征数据进行分析汇总，获得在特定时间段内反应各自变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征；
视频信息记录表整合单元，用于将以往的待推荐视频的视频特征信息、在特定时间段内的视频外围相关信息、用户上网特征数据，以及在特定时间段内的收益趋势特征、视频外围趋势特征、用户上网趋势特征分别整合到各个观众地域范围的视频信息记录表中；
第四视频推荐模型训练单元，用于将各个观众地域范围的视频信息记录表作为训练样本，根据以往的待推荐视频的收益记录、播放记录，分别训练各个观众地域范围的视频推荐模型。
22.根据权利要求20或21所述的视频推荐装置，其特征在于，所述趋势特征计算获取单元，包括：
第一统计子单元，用于统计出以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
第二统计子单元，用于分别计算出在特定时间段内、各个观众地域范围下以往的待推荐视频的收益记录、视频外围相关信息、用户上网特征数据中交易记录的总数值；
趋势特征计算获取子单元，用于根据上述计算所得，计算并获得在特定时间段内，反应各个观众地域范围的收益记录、视频外围相关信息、用户上网特征数据中交易记录变化趋势的收益趋势特征、视频外围趋势特征、用户上网趋势特征。
23.一种电子设备，其特征在于，包括：
存储器；
处理器；
所述存储器，用于存储获取的待推荐视频的视频特征信息；以及，根据特定区域的地理位置确定的观众地域范围，分别获取归属于各个观众地域范围用户的用户上网特征数据；
所述处理器，根据预设的各个观众地域范围各自的视频推荐模型，并利用所述存储器存储的视频特征信息和用户上网特征数据，计算并获得所述待推荐视频在各个观众地域范围的推荐计划。
24.根据权利要求23所述的电子设备，其特征在于，所述视频特征信息包括下述至少一种信息：
名称、类型、上映日期、出品方、投资额、制式、演员、导演、编剧。
25.根据权利要求23所述的电子设备，其特征在于，所述用户上网特征数据包括下述至少一种信息：
性别、年龄、爱好、消费水平、学历水平、工作信息、交易记录。
26.根据权利要求23所述的电子设备，其特征在于，所述待推荐视频包括：即将在影院上映的影片，当前在影院上映的影片。
27.根据权利要求26所述的电子设备，其特征在于，所述存储器存储的数据还包括收益记录，所述收益记录包括：
所述影片在各个观众地域范围下每日的票房收入值。
28.根据权利要求26所述的电子设备，其特征在于，所述存储器存储的数据还包括收益趋势特征，所述收益趋势特征包括下述至少一种：
所述影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述。
29.根据权利要求26所述的电子设备，其特征在于，所述存储器存储的数据还包括视频外围相关信息，所述视频外围相关信息包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度、搜索引擎搜索热度。
30.根据权利要求29所述的电子设备，其特征在于，所述存储器存储的数据还包括视频外围趋势特征，所述视频外围趋势特征包括下述至少一种：
参与所述影片的演员、导演、编剧或者出品方参与的所有影片的票房收入值的上升趋势描述、下降趋势描述、趋势变化幅度描述，参与所述影片的演员、导演、编剧或者出品方的社交媒体关注度和讨论热度的上升趋势描述、下降趋势描述、趋势变化幅度描述，搜索引擎搜索热度的上升趋势描述、下降趋势描述、趋势变化幅度描述。
31.根据权利要求25所述的电子设备，其特征在于，所述交易记录包括：
用户在网店中的交易记录；
相应的，所述用户在网店中的交易记录包括下述至少一种：
交易商品的交易额、商品编号、商品类别、各类别商品的交易量。
32.根据权利要求31所述的电子设备，其特征在于，所述存储器存储的数据还包括用户上网趋势特征，所述用户上网趋势特征包括下述至少一种：
用户在网店中交易商品的交易额、商品编号、商品类别、各类别商品的交易量的上升趋势描述、下降趋势描述、趋势变化幅度描述。
33.根据权利要求26所述的电子设备，其特征在于，所述推荐计划，包括下述至少一种：
所述影片在各个观众地域范围的排片列表，视频网站或者视频播放终端在各个观众地域范围的视频播放列表；
其中，所述排片列表包括：各部影片的排片时间、排片场次、排片占比；
所述视频播放列表包括：各类视频的播放时长、播放量、播放占比，或者单个视频的播放时长、播放量、播放占比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510011491.4A CN105898420B (zh) | 2015-01-09 | 2015-01-09 | 一种视频推荐方法、装置以及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510011491.4A CN105898420B (zh) | 2015-01-09 | 2015-01-09 | 一种视频推荐方法、装置以及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105898420A CN105898420A (zh) | 2016-08-24 |
| CN105898420B true CN105898420B (zh) | 2019-04-12 |
Family
ID=56998824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510011491.4A Active CN105898420B (zh) | 2015-01-09 | 2015-01-09 | 一种视频推荐方法、装置以及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105898420B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107566857B (zh) * | 2017-08-31 | 2020-03-17 | 北京奇艺世纪科技有限公司 | 一种视频下载方法、装置、系统、服务器及终端 |
| CN108038496B (zh) * | 2017-12-04 | 2021-07-30 | 华南师范大学 | 基于大数据与深度学习的婚恋对象匹配数据处理方法、装置、计算机设备和存储介质 |
| CN108153908A (zh) * | 2018-01-18 | 2018-06-12 | 逄泽沐风 | 电影海报分析方法与系统 |
| CN108134951A (zh) * | 2018-01-19 | 2018-06-08 | 百度在线网络技术（北京）有限公司 | 用于推荐播放内容的方法和装置 |
| CN108596717B (zh) * | 2018-04-16 | 2021-02-05 | 世纪美映影院技术服务（北京）有限公司 | 一种对影院放映排期进行智能推荐的方法 |
| CN108769730B (zh) * | 2018-05-21 | 2021-09-03 | 腾讯科技（深圳）有限公司 | 视频的播放方法、装置、计算设备以及存储介质 |
| CN109711950A (zh) * | 2019-01-18 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 营销产品的推荐方法、装置、存储介质及计算机设备 |
| CN110047340B (zh) * | 2019-03-29 | 2021-07-06 | 广州恒智教育科技有限公司 | 一种个性化的考试培训方法及系统 |
| CN111831892A (zh) * | 2019-04-19 | 2020-10-27 | 拉扎斯网络科技（上海）有限公司 | 信息推荐方法、信息推荐装置、服务器及存储介质 |
| CN110213660B (zh) * | 2019-05-27 | 2021-08-20 | 广州荔支网络技术有限公司 | 节目的分发方法、系统、计算机设备和存储介质 |
| CN110381341B (zh) * | 2019-07-24 | 2021-08-27 | 北京奇艺世纪科技有限公司 | 一种数据处理方法及相关设备 |
| CN110458668A (zh) * | 2019-08-15 | 2019-11-15 | 中国银行股份有限公司 | 确定产品推荐算法的方法及装置 |
| CN110674344B (zh) * | 2019-08-28 | 2022-03-08 | 北京爱奇艺智慧娱乐科技有限公司 | 生成模型及推荐影片的方法、装置、设备及存储介质 |
| CN110598104A (zh) * | 2019-09-05 | 2019-12-20 | 上海博泰悦臻网络技术服务有限公司 | 电影的快速预订方法/系统、计算机可读存储介质及终端 |
| CN110602533B (zh) * | 2019-09-10 | 2021-05-11 | 四川长虹电器股份有限公司 | 分时段分人群的智能电视广告推荐系统及其推荐方法 |
| CN110996177B (zh) * | 2019-11-27 | 2022-04-22 | 北京爱奇艺智慧娱乐科技有限公司 | 面向点播影院的视频推荐方法、装置及设备 |
| CN111222011B (zh) * | 2020-01-06 | 2023-11-14 | 腾讯科技（深圳）有限公司 | 一种视频向量确定方法和装置 |
| CN114661950A (zh) * | 2022-05-26 | 2022-06-24 | 飞狐信息技术（天津）有限公司 | 视频推荐方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103489117A (zh) * | 2012-06-12 | 2014-01-01 | 深圳市腾讯计算机系统有限公司 | 信息投放方法和系统 |
| CN103634622A (zh) * | 2013-08-19 | 2014-03-12 | 中山大学深圳研究院 | 一种基于用户分类的节目管理系统 |
| CN103888837A (zh) * | 2014-03-21 | 2014-06-25 | 北京金山网络科技有限公司 | 一种视频信息推送方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010104690A1 (en) * | 2009-03-13 | 2010-09-16 | Simulmedia, Inc. | Method and apparatus for television program promotion |
-
2015
- 2015-01-09 CN CN201510011491.4A patent/CN105898420B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103489117A (zh) * | 2012-06-12 | 2014-01-01 | 深圳市腾讯计算机系统有限公司 | 信息投放方法和系统 |
| CN103634622A (zh) * | 2013-08-19 | 2014-03-12 | 中山大学深圳研究院 | 一种基于用户分类的节目管理系统 |
| CN103888837A (zh) * | 2014-03-21 | 2014-06-25 | 北京金山网络科技有限公司 | 一种视频信息推送方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105898420A (zh) | 2016-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105898420B (zh) | 一种视频推荐方法、装置以及电子设备 | |
| US11657413B2 (en) | Methods and apparatus to project ratings for future broadcasts of media | |
| Vonderau | The video bubble: Multichannel networks and the transformation of YouTube | |
| US10235683B2 (en) | Analyzing mobile-device location histories to characterize consumer behavior | |
| Pantelis et al. | Understanding the value of (big) data | |
| Napoli | The audience as product, consumer, and producer in the contemporary media marketplace | |
| US20160189198A1 (en) | Automated media campaign management system | |
| US9536002B2 (en) | Digital consumer data model and customer analytic record | |
| US20220398340A1 (en) | Systems and Methods for Encrypting and Controlling Access to Encrypted Data Based Upon Immutable Ledgers | |
| Fuchs | The information economy and the labor theory of value | |
| Chen et al. | How electronic word of mouth dynamically influences product sales and supplies: an evidence from China film industry | |
| Klein et al. | Chart turnover and sales in the recorded music industry: 1990–2005 | |
| Prey | “Now Playing. You”: Big Data and the Production of Music Streaming Space. | |
| CN112738536B (zh) | 基于社交直播电商分布式的数据匹配方法 | |
| Lee et al. | The diffusion pattern of new products: evidence from the Korean movie industry | |
| Zou et al. | Value of mass media in food safety information disclosure from the perspective of big data | |
| CN110796465B (zh) | 资源展示设备确定方法、广告展示屏幕确定方法及装置 | |
| Yu et al. | Optimizing Film Companies’ Marketing Strategy Using Blockchain and Recurrent Neural Network Model | |
| Kumb et al. | Local Movie Supply in the German Motion Picture Industry | |
| JP7231192B2 (ja) | コミュニティの活性度測定方法、コミュニティの成熟度測定方法及びコミュニティの活性度測定プログラム | |
| Mushka | GENESIS OF DIGITAL MARKETING IN THE AGE OF DIGITAL REVOLUTION | |
| Ndung’u et al. | Effects of type and rate of usage of social network marketing on sales performance of the real estate in Nairobi | |
| CN113396432A (zh) | 用于艺术内容的激励评价的方法和系统 | |
| US20160104181A1 (en) | System and method of identifying and segmenting online users | |
| Elmasri et al. | Social media e-marketing campaign compared with the traditional way; case study Bahrain e-government |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1228147 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211109 Address after: Room 516, floor 5, building 3, No. 969, Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Patentee before: ALIBABA GROUP HOLDING Ltd. |
|
| TR01 | Transfer of patent right | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160824 Assignee: Hangzhou Jinyong Technology Co.,Ltd. Assignor: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd. Contract record no.: X2024980001317 Denomination of invention: A video recommendation method, device, and electronic device Granted publication date: 20190412 License type: Common License Record date: 20240123 Application publication date: 20160824 Assignee: Golden Wheat Brand Management (Hangzhou) Co.,Ltd. Assignor: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd. Contract record no.: X2024980001316 Denomination of invention: A video recommendation method, device, and electronic device Granted publication date: 20190412 License type: Common License Record date: 20240123 Application publication date: 20160824 Assignee: Hangzhou Xinlong Huazhi Trademark Agency Co.,Ltd. Assignor: Alibaba Dharma Institute (Hangzhou) Technology Co.,Ltd. Contract record no.: X2024980001315 Denomination of invention: A video recommendation method, device, and electronic device Granted publication date: 20190412 License type: Common License Record date: 20240123 |
|
| EE01 | Entry into force of recordation of patent licensing contract |