CN105898426A - 多媒体内容处理方法、装置及服务器 - Google Patents

多媒体内容处理方法、装置及服务器 Download PDF

Info

Publication number
CN105898426A
CN105898426A CN201510930921.2A CN201510930921A CN105898426A CN 105898426 A CN105898426 A CN 105898426A CN 201510930921 A CN201510930921 A CN 201510930921A CN 105898426 A CN105898426 A CN 105898426A
Authority
CN
China
Prior art keywords
multimedia
content
user
recommendation
duration
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
Application number
CN201510930921.2A
Other languages
English (en)
Inventor
蔡佩
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.)
LeTV Information Technology Beijing Co Ltd
Original Assignee
LeTV Information Technology Beijing 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 LeTV Information Technology Beijing Co Ltd filed Critical LeTV Information Technology Beijing Co Ltd
Priority to CN201510930921.2A priority Critical patent/CN105898426A/zh
Publication of CN105898426A publication Critical patent/CN105898426A/zh
Pending legal-status Critical Current

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
    • 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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明实施例提供了一种多媒体内容处理方法、装置及服务器。其中，多媒体内容处理方法包括：获取用户对多媒体内容执行的操作类型及操作时长的数据；将获取的操作类型及操作时长与预设的与所述操作类型相应的操作时长阈值进行比较；根据比较结果，判断所述用户是否喜欢所述多媒体内容，根据判断结果，当所述用户不喜欢所述多媒体内容时，将所述多媒体内容的信息添加入预存的为所述用户构建的不喜欢内容列表中。本发明实施例的多媒体内容处理方法、装置及服务器，实现了为多媒体内容推荐提供更加准确、全面的数据基础。

Description

多媒体内容处理方法、装置及服务器
技术领域
本发明涉及网络技术领域，尤其涉及一种多媒体内容处理方法、装置及服务器。
背景技术
随着互联网规模的不断扩大，互联网所能提供的信息也在不断增多。越来越多的人们选择通过网络观看电影、电视剧等多媒体内容。以视频为例，视频网站通常会向用户推荐视频，以使用户长时间停留在视频网站上。
现有技术大多基于用户对观看的视频做出的例如分享、收藏等操作行为，分析其喜好的视频类型，从而向其推荐同类视频。这里所说的“同类”视频，其归类方式比较粗略，比如，如果发现用户收藏了一部武打片，就向其推荐另一部武打片。然而，上述方式具有分析出的数据不够全面且准确度低，所推荐的视频可能不符合用户兴趣，推荐效果较差等不足之处。
发明内容
本发明的目的在于，提供一种多媒体内容处理方法、装置及服务器，综合考虑用户操作行为，尤其是一些例如跳转、关闭等表达不喜欢情绪的隐性行为，以实现为多媒体内容推荐提供更加准确、全面的数据基础。
为实现上述发明目的，本发明的实施例提供了一种多媒体内容处理方法，包括：获取用户对多媒体内容执行的操作类型及操作时长的数据；将获取的操作类型及操作时长与预设的与所述操作类型相应的操作时长阈值进行比较；根据比较结果，判断所述用户是否喜欢所述多媒体内容，根据判断结果，当所述用户不喜欢所述多媒体内容时，将所述多媒体内容的信息添加入预存的为所述用户构建的不喜欢内容列表中。
优选地，所述获取用户对多媒体内容执行的操作类型及操作时长的数据包括：
获取用户对所述多媒体内容的访问及访问时长的数据；和/或
获取用户对所述多媒体内容的播放及播放时长的数据；和/或
获取用户对所述多媒体内容的跳转及跳转时长的数据；
所述根据比较结果，判断所述用户是否喜欢所述多媒体内容包括：
如果所述访问时长未超过访问阈值，则将所述多媒体内容识别为用户不喜欢；和/或
如果所述播放时长未超过播放阈值，则将所述多媒体内容识别为用户不喜欢；和/或
如果所述跳转时长超过跳转阈值，则将所述多媒体内容识别为用户不喜欢。
优选地，所述方法还包括：
接收用户发送的内容推荐请求，根据所述内容推荐请求为所述用户生成推荐多媒体内容项目；
将所述推荐多媒体内容项目与预存的为所述用户构建的不喜欢内容列表进行比较，当预存的为所述用户构建的不喜欢内容列表中包括所述推荐多媒体内容项目中的任一项目时，则将包括在所述不喜欢内容列表中的所述推荐多媒体内容项目标注为“不喜欢”；
将所述推荐多媒体内容项目发送给所述用户。
优选地，所述将所述推荐多媒体内容项目发送给所述用户包括：
删除所述推荐多媒体内容项目中包括在所述不喜欢内容列表中的推荐多媒体内容项目；
将删除后的推荐多媒体内容项目发送给所述用户。
优选地，所述方法还包括：
分别获取所述推荐多媒体内容项目中任一项目与包括在所述不喜欢内容列表中的推荐多媒体内容项目之间的相似度的值；
分别将获取到的相似度的值与预设的相似度阈值进行比较，并将超过所述预设的相似度阈值对应的项目标注为“不喜欢”。
本发明的实施例还提供了一种多媒体内容处理装置，包括：数据获取模块，用于获取用户对多媒体内容执行的操作类型及操作时长的数据；数据比较模块，用于将获取的操作类型及操作时长与预设的与所述操作类型相应的操作时长阈值进行比较；内容判断及添加模块，用于根据比较结果，判断所述用户是否喜欢所述多媒体内容，根据判断结果，当所述用户不喜欢所述多媒体内容时，将所述多媒体内容的信息添加入预存的为所述用户构建的不喜欢内容列表中。
优选地，所述数据获取模块用于获取用户对所述多媒体内容的访问及访问时长的数据；和/或获取用户对所述多媒体内容的播放及播放时长的数据；和/或获取用户对所述多媒体内容的跳转及跳转时长的数据。
所述内容判断及添加模块用于如果所述访问时长未超过访问阈值，则将所述多媒体内容识别为用户不喜欢；和/或如果所述播放时长未超过播放阈值，则将所述多媒体内容识别为用户不喜欢；和/或如果所述跳转时长超过跳转阈值，则将所述多媒体内容识别为用户不喜欢。
优选地，所述装置还包括：
请求接收及推荐项目生成模块，用于接收用户发送的内容推荐请求，根据所述内容推荐请求为所述用户生成推荐多媒体内容项目；
推荐项目标注模块，用于将所述推荐多媒体内容项目与预存的为所述用户构建的不喜欢内容列表进行比较，当预存的为所述用户构建的不喜欢内容列表中包括所述推荐多媒体内容项目中的任一项目时，则将包括在所述不喜欢内容列表中的所述推荐多媒体内容项目标注为“不喜欢”；
推荐项目发送模块，用于将所述推荐多媒体内容项目发送给所述用户。
优选地，所述推荐项目发送模块还用于删除所述推荐多媒体内容项目中包括在所述不喜欢内容列表中的推荐多媒体内容项目；将删除后的推荐多媒体内容项目发送给所述用户。
优选地，所述装置还包括：
相似度获取模块，用于分别获取所述推荐多媒体内容项目中任一项目与包括在所述不喜欢内容列表中的推荐多媒体内容项目之间的相似度的值；
相似度比较模块，用于分别将获取到的相似度的值与预设的相似度阈值进行比较，并将超过所述预设的相似度阈值对应的项目标注为“不喜欢”。
本发明的实施例还提供了一种服务器，包括上述实施例所述的多媒体内容处理装置。
本发明实施例提供的多媒体内容处理方法、装置及服务器，根据用户针对多媒体内容执行的操作行为数据进行深度发掘，尤其是一些例如跳转、关闭等表达不喜欢情绪的隐性行为，进一步依据挖掘数据识别出用户不喜欢的多媒体内容，实现了为多媒体内容推荐提供更加准确、全面的数据基础。
附图说明
图1是示出本发明实施例一的多媒体内容处理方法的流程图；
图2是示出本发明实施例二的多媒体内容处理装置的逻辑框图。
具体实施方式
本发明的基本构思是，提供一种基于关于多媒体内容的用户操作行为数据进行分析处理的技术方案，从而获得识别为用户不喜欢的多媒体内容。
由此可见，在多媒体内容处理过程中，考虑的是用户对多媒体内容执行的操作类型及操作时长的数据，操作类型及操作时长不满足预设的相应操作类型的操作时长阈值的多媒体内容被识别为用户不喜欢。相反地，现有技术仅正向考虑了用户喜欢什么类型的多媒体内容。因此，本发明对用户操作行为数据进行了更加深入的挖掘，以为多媒体内容推荐提供更加准确、全面的数据基础。进一步避免为用户推荐其不感兴趣的多媒体内容，提升推荐效果，使得用户网络体验更佳。
下面结合附图详细描述本发明实施例的多媒体内容处理方法、装置及服务器。
实施例一
图1是示出本发明实施例一的多媒体内容处理方法的流程图。可例如在服务器上执行所述方法。
参照图1，在步骤S110，获取用户对多媒体内容执行的操作类型及操作时长的数据。
根据本发明的示例性实施例，步骤S110可包括：获取用户对多媒体内容的访问及访问时长的数据；和/或获取用户对多媒体内容的播放及播放时长的数据；和/或获取用户对多媒体内容的跳转及跳转时长的数据。其中，通常，访问时长是指用户访问网站或者应用的时长，跳转时长是指用户有在网站或者应用中不同的页面之间切换的行为，在某个页面上停留的时长，播放时长是指用户使用播放器播放多媒体内容的播放时长。
在步骤S120，将获取的操作类型及操作时长与预设的与所述操作类型相应的操作时长阈值进行比较。
在步骤S130，根据比较结果，判断所述用户是否喜欢所述多媒体内容，根据判断结果，当所述用户不喜欢所述多媒体内容时，将所述多媒体内容的信息添加入预存的为所述用户构建的不喜欢内容列表中。
根据本发明的示例性实施例，步骤S130中根据比较结果，判断所述用户是否喜欢所述多媒体内容的处理可包括：如果访问时长未超过访问阈值，则将多媒体内容识别为用户不喜欢；和/或如果播放时长未超过播放阈值，则将多媒体内容识别为用户不喜欢；和/或如果跳转时长超过跳转阈值，则将多媒体内容识别为用户不喜欢。
举例来说，用户在客户端打开了乐视视频，并点击热播剧《琅琊榜》第一集进行播放，直至第一集播放十分钟后关闭视频。此时，服务器端可获取到该用户针对视频《琅琊榜》第一集做出的具体操作以及操作时长，例如，播放操作及播放10分钟。假设预设的播放阈值为20分钟，显然该视频播放时长10分钟小于播放阈值20分钟，那么，可将《琅琊榜》识别为用户不喜欢。在此基础上，对于一些除了提供收藏、分享等图标外，还提供不喜欢图标的多媒体内容播放的应用，还可以将被用户主动点击不喜欢图标的多媒体内容直接识别为用户不喜欢。
本发明实施例的多媒体内容处理方法，将获取到的用户对多媒体内容执行的操作类型及操作时长的数据，与预设的相应操作类型的操作时长阈值进行比较，从而识别出用户不喜欢的多媒体内容，与现有技术相比，对用户针对多媒体内容的具体行为细节作更深层次的发掘，尤其是一些例如跳转、关闭等表达不喜欢情绪的隐性行为，进而为多媒体内容推荐提供高质量且全面的数据基础，有利于提升多媒体内容的推荐效果。
进一步地，多媒体内容处理方法还可包括：
接收用户发送的内容推荐请求，根据所述内容推荐请求为所述用户生成推荐多媒体内容项目；
将所述推荐多媒体内容项目与预存的为所述用户构建的不喜欢内容列表进行比较，当预存的为所述用户构建的不喜欢内容列表中包括所述推荐多媒体内容项目中的任一项目时，则将包括在所述不喜欢内容列表中的所述推荐多媒体内容项目标注为“不喜欢”；
将所述推荐多媒体内容项目发送给所述用户。
在具体的实现方式中，可在内容推荐请求中携带用户标识以及兴趣标签的信息。需要说明的是，用户标识用于识别不同的用户，兴趣标签的信息反映了用户对多媒体内容的偏好。例如，用户偏好古装类型的电视剧。在得知用户的兴趣标签后，就可以从多媒体内容数据库中选取与兴趣标签相符的多媒体内容，从而生成推荐多媒体内容项目。仍然以用户偏好古装剧为例，可以生成推荐多媒体内容项目，例如，该推荐多媒体内容项目包括《甄嬛传》、《大汉情缘之云中歌》、《琅琊榜》和《花千骨》。假设预存的为用户构建的不喜欢内容列表中包含了《甄嬛传》，则将《甄嬛传》标注为“不喜欢”。同时，将包含上述多媒体内容的推荐多媒体内容项目返回给客户端，以便用户进行选择观看。
对于标注为“不喜欢”的多媒体内容，除了将其放在推荐多媒体内容项目中较为靠后的位置外，可选地，上述将所述推荐多媒体内容项目发送给所述用户的处理包括：删除所述推荐多媒体内容项目中包括在所述不喜欢内容列表中的推荐多媒体内容项目；将删除后的推荐多媒体内容项目发送给所述用户。从而不向用户推荐其不感兴趣的多媒体内容。
为了提升推荐效果，优选地，多媒体内容处理方法还可以包括：
分别获取所述推荐多媒体内容项目中任一项目与包括在所述不喜欢内容列表中的推荐多媒体内容项目之间的相似度的值；
分别将获取到的相似度的值与预设的相似度阈值进行比较，并将超过所述预设的相似度阈值对应的项目标注为“不喜欢”。
也就是说，生成的推荐多媒体内容项目有可能包含用户不喜欢的多媒体内容，因此，在此基础上，再根据该用户的历史偏好预测推荐多媒体内容项目中的推荐多媒体内容对于用户的吸引程度，这里，预存的为用户构建的不喜欢内容列表反映了用户的历史偏好。
在具体的实现方式中，通过计算两个多媒体内容的相似度值将推荐多媒体内容项目中任一有可能用户不喜欢的项目标注出来。举例来说，如何计算视频A和视频B之间的相似度值。首先，为视频A和视频B分别标注各种标签，这里，标签包括以下至少一种内容：导演、主演、编剧、年代、年龄、发生地点、情节、题材、角色、情感、结局、地区、类型和风格。根据预定的主题生成规则分别生成视频A的主题和视频B的主题，生成的主题模板例如，某某导演的某某主演的关于某某(情节/题材/角色)的某某(风格)电视剧，再比如，发生在某某(地点)上的某某(类型)的某某(结局)电视剧；其次，将视频A的主题和视频B的主题输入预先训练好的模型中，输出为视频A的主题对应于空间中的点的坐标，以及视频B的主题对应于空间中的点的坐标，从而将判断多媒体内容是否相关的问题转化成数学问题；最后，根据欧几里德距离(也称欧式距离)计算公式计算空间的两个点的距离，距离越小，表明两点越接近，其相似度值越大。假设计算出的《甄嬛传》和《大汉情缘之云中歌》之间的相似度的值超过预设的相似度阈值，那么就为《大汉情缘之云中歌》标注为“不喜欢”。
在上述实施例的基础上，本发明还具有如下技术效果：依据预存的为用户构建的不喜欢内容列表对推荐多媒体内容项目中的多媒体内容作不喜欢标注，并发送推荐多媒体内容项目给用户。从而能够基于准确且全面的数据基础，精确地了解用户的兴趣，为用户推荐其感兴趣的内容，提高了推荐成功率。
实施例二
图2是示出本发明实施例二的多媒体内容处理装置的逻辑框图。可用于执行如图1所示实施例的方法步骤。
参照图2，多媒体内容处理装置包括数据获取模块210、数据比较模块220和内容判断及添加模块230。
数据获取模块210用于获取用户对多媒体内容执行的操作类型及操作时长的数据。
具体地，数据获取模块210可用于获取用户对多媒体内容的访问及访问时长的数据；和/或获取用户对多媒体内容的播放及播放时长的数据；和/或获取用户对多媒体内容的跳转及跳转时长的数据。
数据比较模块220用于将获取的操作类型及操作时长与预设的与所述操作类型相应的操作时长阈值进行比较。
内容判断及添加模块230用于根据比较结果，判断所述用户是否喜欢所述多媒体内容，根据判断结果，当所述用户不喜欢所述多媒体内容时，将所述多媒体内容的信息添加入预存的为所述用户构建的不喜欢内容列表中。
具体地，内容判断及添加模块230可用于如果所述访问时长未超过访问阈值，则将所述多媒体内容识别为用户不喜欢；和/或如果所述播放时长未超过播放阈值，则将所述多媒体内容识别为用户不喜欢；和/或如果所述跳转时长超过跳转阈值，则将所述多媒体内容识别为用户不喜欢。
本发明实施例提供的多媒体内容处理装置，将获取到的用户对多媒体内容执行的操作类型及操作时长的数据，与预设的相应操作类型的操作时长阈值进行比较，从而识别出用户不喜欢的多媒体内容，与现有技术相比，对用户操作行为进行了更深层次的发掘，尤其是一些例如跳转、关闭等表达不喜欢情绪的隐性行为，进而为多媒体内容推荐提供准确度高且全面的数据基础，以提升多媒体内容的推荐效果。
进一步地，所述装置还可包括：
请求接收及推荐项目生成模块(未示出)用于接收用户发送的内容推荐请求，根据所述内容推荐请求为所述用户生成推荐多媒体内容项目；
推荐项目标注模块(未示出)用于将所述推荐多媒体内容项目与预存的为所述用户构建的不喜欢内容列表进行比较，当预存的为所述用户构建的不喜欢内容列表中包括所述推荐多媒体内容项目中的任一项目时，则将包括在所述不喜欢内容列表中的所述推荐多媒体内容项目标注为“不喜欢”；
推荐项目发送模块(未示出)用于将所述推荐多媒体内容项目发送给所述用户。
更进一步地，所述推荐项目发送模块还可用于删除所述推荐多媒体内容项目中包括在所述不喜欢内容列表中的推荐多媒体内容项目；将删除后的推荐多媒体内容项目发送给所述用户。
优选地，所述装置还可包括：
相似度获取模块，用于分别获取所述推荐多媒体内容项目中任一项目与包括在所述不喜欢内容列表中的推荐多媒体内容项目之间的相似度的值；
相似度比较模块，用于分别将获取到的相似度的值与预设的相似度阈值进行比较，并将超过所述预设的相似度阈值对应的项目标注为“不喜欢”。
在上述实施例的基础上，本发明还具有如下技术效果：依据预存的为用户构建的不喜欢内容列表对推荐多媒体内容项目中的多媒体内容作不喜欢标注，并发送推荐多媒体内容项目给用户。从而能够基于准确且全面的数据基础，精确地了解用户的兴趣，为用户推荐其感兴趣的内容，提高了推荐成功率。
本发明实施例还提供一种服务器，包括上述多媒体内容处理装置，其中，多媒体内容处理装置的介绍可参照上文描述，此处不再赘述。
在本发明所提供的几个实施例中，应该理解到，所公开的服务器和方法，可以通过其它的方式实现。例如，以上所描述的服务器实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (11)

1.一种多媒体内容处理方法，其特征在于，所述方法包括：
获取用户对多媒体内容执行的操作类型及操作时长的数据；
将获取的操作类型及操作时长与预设的与所述操作类型相应的操作时长阈值进行比较；
根据比较结果，判断所述用户是否喜欢所述多媒体内容，根据判断结果，当所述用户不喜欢所述多媒体内容时，将所述多媒体内容的信息添加入预存的为所述用户构建的不喜欢内容列表中。
2.根据权利要求1所述的处理方法，其特征在于，所述获取用户对多媒体内容执行的操作类型及操作时长的数据包括：
获取用户对所述多媒体内容的访问及访问时长的数据；和/或
获取用户对所述多媒体内容的播放及播放时长的数据；和/或
获取用户对所述多媒体内容的跳转及跳转时长的数据；
所述根据比较结果，判断所述用户是否喜欢所述多媒体内容包括：
如果所述访问时长未超过访问阈值，则将所述多媒体内容识别为用户不喜欢；和/或
如果所述播放时长未超过播放阈值，则将所述多媒体内容识别为用户不喜欢；和/或
如果所述跳转时长超过跳转阈值，则将所述多媒体内容识别为用户不喜欢。
3.根据权利要求1所述的处理方法，其特征在于，所述方法还包括：
接收用户发送的内容推荐请求，根据所述内容推荐请求为所述用户生成推荐多媒体内容项目；
将所述推荐多媒体内容项目与预存的为所述用户构建的不喜欢内容列表进行比较，当预存的为所述用户构建的不喜欢内容列表中包括所述推荐多媒体内容项目中的任一项目时，则将包括在所述不喜欢内容列表中的所述推荐多媒体内容项目标注为“不喜欢”；
将所述推荐多媒体内容项目发送给所述用户。
4.根据权利要求3所述的处理方法，其特征在于，所述将所述推荐多媒体内容项目发送给所述用户包括：
删除所述推荐多媒体内容项目中包括在所述不喜欢内容列表中的推荐多媒体内容项目；
将删除后的推荐多媒体内容项目发送给所述用户。
5.根据权利要求3所述的处理方法，其特征在于，所述方法还包括：
分别获取所述推荐多媒体内容项目中任一项目与包括在所述不喜欢内容列表中的推荐多媒体内容项目之间的相似度的值；
分别将获取到的相似度的值与预设的相似度阈值进行比较，并将超过所述预设的相似度阈值对应的项目标注为“不喜欢”。
6.一种多媒体内容处理装置，其特征在于，所述装置包括：
数据获取模块，用于获取用户对多媒体内容执行的操作类型及操作时长的数据；
数据比较模块，用于将获取的操作类型及操作时长与预设的与所述操作类型相应的操作时长阈值进行比较；
内容判断及添加模块，用于根据比较结果，判断所述用户是否喜欢所述多媒体内容，根据判断结果，当所述用户不喜欢所述多媒体内容时，将所述多媒体内容的信息添加入预存的为所述用户构建的不喜欢内容列表中。
7.根据权利要求6所述的处理装置，其特征在于，所述数据获取模块用于获取用户对所述多媒体内容的访问及访问时长的数据；和/或获取用户对所述多媒体内容的播放及播放时长的数据；和/或获取用户对所述多媒体内容的跳转及跳转时长的数据，
所述内容判断及添加模块用于如果所述访问时长未超过访问阈值，则将所述多媒体内容识别为用户不喜欢；和/或如果所述播放时长未超过播放阈值，则将所述多媒体内容识别为用户不喜欢；和/或如果所述跳转时长超过跳转阈值，则将所述多媒体内容识别为用户不喜欢。
8.根据权利要求6所述的处理装置，其特征在于，所述装置还包括：
请求接收及推荐项目生成模块，用于接收用户发送的内容推荐请求，根据所述内容推荐请求为所述用户生成推荐多媒体内容项目；
推荐项目标注模块，用于将所述推荐多媒体内容项目与预存的为所述用户构建的不喜欢内容列表进行比较，当预存的为所述用户构建的不喜欢内容列表中包括所述推荐多媒体内容项目中的任一项目时，则将包括在所述不喜欢内容列表中的所述推荐多媒体内容项目标注为“不喜欢”；
推荐项目发送模块，用于将所述推荐多媒体内容项目发送给所述用户。
9.根据权利要求8所述的处理装置，其特征在于，所述推荐项目发送模块还用于删除所述推荐多媒体内容项目中包括在所述不喜欢内容列表中的推荐多媒体内容项目；将删除后的推荐多媒体内容项目发送给所述用户。
10.根据权利要求8所述的处理装置，其特征在于，所述装置还包括：
相似度获取模块，用于分别获取所述推荐多媒体内容项目中任一项目与包括在所述不喜欢内容列表中的推荐多媒体内容项目之间的相似度的值；
相似度比较模块，用于分别将获取到的相似度的值与预设的相似度阈值进行比较，并将超过所述预设的相似度阈值对应的项目标注为“不喜欢”。
11.一种服务器，其特征在于，包括如权利要求6-10中任一项所述的多媒体内容处理装置。
CN201510930921.2A 2015-12-14 2015-12-14 多媒体内容处理方法、装置及服务器 Pending CN105898426A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510930921.2A CN105898426A (zh) 2015-12-14 2015-12-14 多媒体内容处理方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510930921.2A CN105898426A (zh) 2015-12-14 2015-12-14 多媒体内容处理方法、装置及服务器

Publications (1)

Publication Number Publication Date
CN105898426A true CN105898426A (zh) 2016-08-24

Family

ID=57002430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510930921.2A Pending CN105898426A (zh) 2015-12-14 2015-12-14 多媒体内容处理方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN105898426A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108134950A (zh) * 2017-12-07 2018-06-08 上海斐讯数据通信技术有限公司 一种智能视频推荐方法及系统
CN108416446A (zh) * 2018-03-15 2018-08-17 北京奇艺世纪科技有限公司 一种视频满意度确定方法及装置
CN108632670A (zh) * 2018-03-15 2018-10-09 北京奇艺世纪科技有限公司 一种视频满意度确定方法及装置
CN112333480A (zh) * 2020-09-03 2021-02-05 深圳Tcl新技术有限公司 节目的推荐方法、显示终端及计算机可读存储介质
WO2022223040A1 (zh) * 2021-04-22 2022-10-27 北京字节跳动网络技术有限公司 信息推荐方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080097949A1 (en) * 2004-11-30 2008-04-24 Koninklijke Philips Electronics, N.V. Apparatus and Method for Estimating User Interest Degree of a Program
CN101652776A (zh) * 2007-04-03 2010-02-17 诺基亚公司 用于布置用户媒体文件的系统、方法、设备和计算机程序产品
US20100274849A1 (en) * 2005-11-08 2010-10-28 Realnetworks Gmbh Method of providing content items
CN103020055A (zh) * 2011-09-20 2013-04-03 腾讯科技（深圳）有限公司 一种用户推荐的处理方法及装置
CN104182515A (zh) * 2014-08-21 2014-12-03 北京金山安全软件有限公司 信息推荐方法、装置和移动终端
CN104811789A (zh) * 2014-01-24 2015-07-29 宇龙计算机通信科技(深圳)有限公司 多媒体文件的管理方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080097949A1 (en) * 2004-11-30 2008-04-24 Koninklijke Philips Electronics, N.V. Apparatus and Method for Estimating User Interest Degree of a Program
US20100274849A1 (en) * 2005-11-08 2010-10-28 Realnetworks Gmbh Method of providing content items
CN101652776A (zh) * 2007-04-03 2010-02-17 诺基亚公司 用于布置用户媒体文件的系统、方法、设备和计算机程序产品
CN103020055A (zh) * 2011-09-20 2013-04-03 腾讯科技（深圳）有限公司 一种用户推荐的处理方法及装置
CN104811789A (zh) * 2014-01-24 2015-07-29 宇龙计算机通信科技(深圳)有限公司 多媒体文件的管理方法和装置
CN104182515A (zh) * 2014-08-21 2014-12-03 北京金山安全软件有限公司 信息推荐方法、装置和移动终端

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108134950A (zh) * 2017-12-07 2018-06-08 上海斐讯数据通信技术有限公司 一种智能视频推荐方法及系统
WO2019109592A1 (zh) * 2017-12-07 2019-06-13 上海斐讯数据通信技术有限公司 一种智能视频推荐方法及系统
CN108416446A (zh) * 2018-03-15 2018-08-17 北京奇艺世纪科技有限公司 一种视频满意度确定方法及装置
CN108632670A (zh) * 2018-03-15 2018-10-09 北京奇艺世纪科技有限公司 一种视频满意度确定方法及装置
CN108632670B (zh) * 2018-03-15 2021-03-26 北京奇艺世纪科技有限公司 一种视频满意度确定方法及装置
CN108416446B (zh) * 2018-03-15 2021-07-06 北京奇艺世纪科技有限公司 一种视频满意度确定方法及装置
CN112333480A (zh) * 2020-09-03 2021-02-05 深圳Tcl新技术有限公司 节目的推荐方法、显示终端及计算机可读存储介质
WO2022223040A1 (zh) * 2021-04-22 2022-10-27 北京字节跳动网络技术有限公司 信息推荐方法、装置及设备

Similar Documents

Publication Publication Date Title
US10853415B2 (en) Systems and methods of classifying content items
CN107430630B (zh) 用于聚集和呈现与特定视频游戏相关的内容的方法、系统和介质
CN105095508B (zh) 一种多媒体内容推荐方法和多媒体内容推荐装置
US9374411B1 (en) Content recommendations using deep data
CN108650558B (zh) 基于交互视频的视频前情提要的生成方法及装置
WO2017096877A1 (zh) 一种推荐方法和装置
US9369514B2 (en) Systems and methods of selecting content items
US7908556B2 (en) Method and system for media landmark identification
CN106416263B (zh) 用于媒体的智能自动高速缓存的方法和设备
CN108683952B (zh) 基于交互视频的视频内容片段推送方法及装置
WO2017172175A1 (en) Computerized system and method for automatically detecting and rendering highlights from streaming videos
CN105898426A (zh) 多媒体内容处理方法、装置及服务器
US20090138457A1 (en) Grouping and weighting media categories with time periods
CN106663099A (zh) 用于搜索视频内容的方法、系统和介质
US20160012485A1 (en) Browsing context based advertisement selection
KR20100134610A (ko) 비디오 인터벌 주석
CN108009181B (zh) 一种电台推荐方法及系统
CN108780654A (zh) 生成用于视频的移动缩略图
JP2007058842A (ja) 情報処理装置、特徴抽出方法、記録媒体、および、プログラム
CN108475260A (zh) 基于评论的媒体内容项的语言识别的方法、系统和介质
US10694222B2 (en) Generating video content items using object assets
CN106156351B (zh) 多媒体资源推荐信息生成方法及装置
CN106899859A (zh) 一种多媒体数据的播放方法和装置
CN110769312A (zh) 一种直播应用中推荐信息的方法及装置
Karatzoglou et al. RecSys' 16 workshop on deep learning for recommender systems (DLRS)

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160824