CN106101839A - 一种识别电视端用户集合的方法 - Google Patents
一种识别电视端用户集合的方法 Download PDFInfo
- Publication number
- CN106101839A CN106101839A CN201610443259.2A CN201610443259A CN106101839A CN 106101839 A CN106101839 A CN 106101839A CN 201610443259 A CN201610443259 A CN 201610443259A CN 106101839 A CN106101839 A CN 106101839A
- Authority
- CN
- China
- Prior art keywords
- user
- tag
- film
- userset
- along sort
- 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
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 101000979001 Homo sapiens Methionine aminopeptidase 2 Proteins 0.000 claims abstract description 14
- 101000969087 Homo sapiens Microtubule-associated protein 2 Proteins 0.000 claims abstract description 14
- 101000969594 Homo sapiens Modulator of apoptosis 1 Proteins 0.000 claims abstract description 14
- 102100021118 Microtubule-associated protein 2 Human genes 0.000 claims abstract description 14
- 102100021440 Modulator of apoptosis 1 Human genes 0.000 claims abstract description 14
- 241001269238 Data Species 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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]
- H04N21/40—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
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, 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)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种识别电视端用户集合的方法,包括如下步骤:步骤S1:收集电视用户海量观看记录,对电视用户建模成一个包括5个类型参数的用户集合F(M1,M2,M3,M4,M5);步骤S2:计算得到用户类型集合Mi到影片分类标签Tag的映射MAP2和MAP1;步骤S3:计算得到客户端用户集合的最终的分类结果FUserset(Li)。本发明能够很好的适用于电视端用户集合的识别分类,从而为电视端用户提供更精准的互联网服务。
Description
技术领域
本发明涉及电视互联网视频用户数据分析技术领域,具体来说,涉及一种识别电视端用户集合的方法。
背景技术
随着互联网的普及,越来越多的人依赖于通过互联网获取服务,而互联网公司也从以产品为中心逐渐转移到以用户为中心的运营思路上。往往对细分市场的用户特征越了解越能提供更优质的服务,表现出更突出的竞争力。
当前,电视逐渐成为互联网服务占比越来越高的一种终端。而传统电视端用户已经形成了特有的使用习惯和特点,如何向电视端用户提供更精准的互联网服务成为关键。
用户分类是一种常用的用户精细化运营的手段,当前互联网视频聚合应用常用的用户分类法大多是默认一个设备只有一个用户,这也确实是大多数应用特别是移动端应用的使用场景。然而电视用户往往并不是一个人,而是以家庭为单位的多个个体组成的用户集合。在“一个设备只有一个用户”这样假设基础上建立的用户分类法并不能很好的适用于电视端视频聚合应用。
发明内容
本发明的目的是提供一种识别电视端用户集合的方法,以克服目前现有技术存在的上述不足。
为实现上述技术目的,本发明的技术方案是这样实现的:
一种识别电视端用户集合的方法,包括如下步骤:
步骤S1:收集电视用户海量观看记录,对电视用户建模成一个包括5个类型参数的用户集合F(M1,M2,M3,M4,M5);
步骤S2:计算得到用户类型集合Mi到影片分类标签Tag的映射MAP2和MAP1;
步骤S3:计算得到客户端用户集合的最终的分类结果FUserset(Li)。
进一步的,所述的步骤S2进一步包括:
步骤S2.1:对海量数据进行分析,得到类型参数与影片Tag分类标签的映射关系MAP1(Mi,Tag Mi(t1,t2, …)),其中i=1,2……5;
步骤S2.2:根据得到的观看记录生产视频相似度矩阵;
步骤S2.3:计算得到该用户合集UserSet与影片Tag之间的映射关系MAP2(UserSet,TagUserSet(t1,t2,…))。
进一步的,所述的步骤S2.1:
步骤S2.1.1:收集已知真实身份的用户集合Fknown以及影片分类标签集合Tagknown(ti)的映射列表MAPknown(Fknown, Tagknown(ti));
步骤S2.1.2:使用人工神经网络算法,采用不少于1000条样本数据进行训练,得到用户集合与影片分类标签之间的模型F2T(F);
步骤S2.1.3:将5个一维向量F(Mi)(I = 1,2,3,4,5)分别做为F2T(F)的输入参数,可得到类型参数Mi与影片分类标签(Tag)的映射关系列表MAP1(Mi,Tag Mi(t1,t2, …))。
进一步的,步骤S2.3进一步包括:
步骤S2.3.1:采用协同过滤算法找到与每个影片最相似的K个影片;
步骤S2.3.2:考察所有M×K个影片,计算得到该M×K个影片对应的分类标签集合Tag;
步骤S2.3.3:则该用户集合与影片分类标签之间的映射列表可表示为MAP2(UserSet,Tag UserSet(t1,t2,…))。
进一步的,在步骤S3中,计算MAP2到MAP1中每一行的距离参数Li,得到该客户端用户集合的最终的分类结果FUserset(Li)。
本发明具有如下的有益效果:该发明基于海量电视用户数据,提出一种更符合实际电视端应用场景的用户分类方法,能为基于用户模型的视频推荐、广告精准投放等应用提供更精准的用户描述模型;本发明能够很好的适用于电视端用户集合的识别分类,从而为电视端用户提供更精准的互联网服务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例的一种识别电视端用户集合的方法的流程框图;
图2是本发明实施例得到映射关系MAP1的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其它实施例,都属于本发明保护的范围。
如图1-2所示,本发明实施例所述的一种识别电视端用户集合的方法,包括如下步骤:
步骤S1:收集电视用户海量观看记录,对电视用户建模成一个包括5个类型参数的用户集合F(M1,M2,M3,M4,M5);
步骤S2:计算得到用户类型集合Mi到影片分类标签Tag的映射MAP2和MAP1;
步骤S3:计算得到客户端用户集合的最终的分类结果FUserset(Li)。
其中,所述的步骤S2进一步包括:
步骤S2.1:对海量数据进行分析,得到类型参数与影片Tag分类标签的映射关系MAP1(Mi,Tag Mi(t1,t2, …)),其中i=1,2……5;
步骤S2.2:根据得到的观看记录生产视频相似度矩阵;
步骤S2.3:计算得到该用户合集UserSet与影片Tag之间的映射关系MAP2(UserSet,TagUserSet(t1,t2,…))。
在一具体实施例中,所述的步骤S2.1:
步骤S2.1.1:收集已知真实身份的用户集合Fknown以及影片分类标签集合Tagknown(ti)的映射列表MAPknown(Fknown, Tagknown(ti));
步骤S2.1.2:使用人工神经网络算法,采用不少于1000条样本数据进行训练,得到用户集合与影片分类标签之间的模型F2T(F);
步骤S2.1.3:将5个一维向量F(Mi)(I = 1,2,3,4,5)分别做为F2T(F)的输入参数,可得到类型参数Mi与影片分类标签(Tag)的映射关系列表MAP1(Mi,Tag Mi(t1,t2, …))。
在一具体实施例中,步骤S2.3进一步包括:
步骤S2.3.1:采用协同过滤算法找到与每个影片最相似的K个影片;
步骤S2.3.2:考察所有M×K个影片,计算得到该M×K个影片对应的分类标签集合Tag;
步骤S2.3.3:则该用户集合与影片分类标签之间的映射列表可表示为MAP2(UserSet,Tag UserSet(t1,t2,…))。
在一具体实施例中,在步骤S3中,计算MAP2到MAP1中每一行的距离参数Li,得到该客户端用户集合的最终的分类结果FUserset(Li)。
本发明通过将电视联网视频聚合应用的用户建模成一个包括5个类型参数的用户集合F(M1,M2,M3,M4,M5),其中M1表示婴幼儿系数、M2表示儿童系数、M3表示青少年系数、M4表示中青年系数、M5表示老年系数。每个系数表示该用户集合拥有该年龄段成员的可能性,其取值区间为[0,1]。
首先:通过海量数据分析得到类型参数与影片分类标签(Tag)的映射关系MAP1(Mi,Tag Mi(t1,t2, …)),例如,代表儿童系数M2的一种可能表述为M2:TagM2(动画片,00后,科教,…),以此类推。
然后:收集客户端的用户合集(UserSet)观影记录,分别选出用户看过的每个影片的最相似的K个影片,计算得到该用户集合与影片Tag之间的映射MAP2(UserSet,Tag UserSet(t1,t2,…)),例如,FUserset = Taguserset (动画片,90后,电影,家庭伦理,爆笑喜剧)。
最后:计算得到Taguserset 与每个TagMi之间的相似度(距离Li),并以该距离Li作为相应的参数Mi。由于该距离计算采用归一化函数,因此取值在[0,1]之间。假设最终计算结果为FUserset=(0.3,0.2,0.1,1,0)。若某家庭的用户集合为F(0.3,0.2,0.1,1,0),则一种可能为该家庭是个刚有孩子,年轻人自己带小孩(没有老人)的家庭。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种识别电视端用户集合的方法,其特征在于,包括如下步骤:
步骤S1:收集电视用户海量观看记录,对电视用户建模成一个包括5个类型参数的用户集合F(M1,M2,M3,M4,M5);
步骤S2:计算得到用户类型集合Mi到影片分类标签Tag的映射MAP2和MAP1;
步骤S3:计算得到客户端用户集合的最终的分类结果FUserset(Li)。
2.根据权利要求1所述的一种识别电视端用户集合的方法,其特征在于,所述的步骤S2进一步包括:
步骤S2.1:对海量数据进行分析,得到类型参数与影片Tag分类标签的映射关系MAP1(Mi,TagMi(t1,t2, …)),其中i=1,2……5;
步骤S2.2:根据得到的观看记录生产视频相似度矩阵;
步骤S2.3:计算得到该用户合集UserSet与影片Tag之间的映射关系MAP2(UserSet,TagUserSet(t1,t2,…))。
3.根据权利要求2所述的一种识别电视端用户集合的方法,其特征在于,所述的步骤S2.1:
步骤S2.1.1:收集已知真实身份的用户集合Fknown以及影片分类标签集合Tagknown(ti)的映射列表MAPknown(Fknown, Tagknown(ti));
步骤S2.1.2:使用人工神经网络算法,采用不少于1000条样本数据进行训练,得到用户集合与影片分类标签之间的模型F2T(F);
步骤S2.1.3:将5个一维向量F(Mi)(I = 1,2,3,4,5)分别做为F2T(F)的输入参数,可得到类型参数Mi与影片分类标签(Tag)的映射关系列表MAP1(Mi,Tag Mi(t1,t2, …))。
4.根据权利要求2所述的一种识别电视端用户集合的方法,其特征在于,步骤S2.3进一步包括:
步骤S2.3.1:采用协同过滤算法找到与每个影片最相似的K个影片;
步骤S2.3.2:考察所有M×K个影片,计算得到该M×K个影片对应的分类标签集合Tag;
步骤S2.3.3:则该用户集合与影片分类标签之间的映射列表可表示为MAP2(FUserset,TagUserset(t1,t2,…))。
5.根据权利要求1-4任一项所述的一种识别电视端用户集合的方法,其特征在于,在步骤S3中,计算MAP2到MAP1中每一行的距离参数Li,得到该客户端用户集合的最终的分类结果FUserset(Li)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610443259.2A CN106101839A (zh) | 2016-06-20 | 2016-06-20 | 一种识别电视端用户集合的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610443259.2A CN106101839A (zh) | 2016-06-20 | 2016-06-20 | 一种识别电视端用户集合的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106101839A true CN106101839A (zh) | 2016-11-09 |
Family
ID=57237187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610443259.2A Pending CN106101839A (zh) | 2016-06-20 | 2016-06-20 | 一种识别电视端用户集合的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106101839A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106790570A (zh) * | 2016-12-27 | 2017-05-31 | 山东开创云软件有限公司 | 一种消费者行为分析管理系统及其分析方法 |
CN108347652A (zh) * | 2018-02-24 | 2018-07-31 | 华南理工大学 | 一种利用人工神经网络推荐iptv直播频道的方法及系统 |
CN109327736A (zh) * | 2018-10-25 | 2019-02-12 | 安徽澳视科技有限公司 | 一种基于节目观看表情与用户信息的节目推荐方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
US20100088327A1 (en) * | 2008-10-02 | 2010-04-08 | Nokia Corporation | Method, Apparatus, and Computer Program Product for Identifying Media Item Similarities |
CN104598601A (zh) * | 2015-01-27 | 2015-05-06 | 北京齐尔布莱特科技有限公司 | 一种对用户和内容进行分类的方法、装置及计算设备 |
CN104731887A (zh) * | 2015-03-13 | 2015-06-24 | 东南大学 | 一种协同过滤中的用户相似度度量方法 |
CN105184375A (zh) * | 2015-10-09 | 2015-12-23 | 中国传媒大学 | 基于大数据的全产业链的电影评价方法及系统 |
-
2016
- 2016-06-20 CN CN201610443259.2A patent/CN106101839A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100088327A1 (en) * | 2008-10-02 | 2010-04-08 | Nokia Corporation | Method, Apparatus, and Computer Program Product for Identifying Media Item Similarities |
CN101551825A (zh) * | 2009-05-15 | 2009-10-07 | 中国科学技术大学 | 基于属性描述的个性化影片推荐系统及方法 |
CN104598601A (zh) * | 2015-01-27 | 2015-05-06 | 北京齐尔布莱特科技有限公司 | 一种对用户和内容进行分类的方法、装置及计算设备 |
CN104731887A (zh) * | 2015-03-13 | 2015-06-24 | 东南大学 | 一种协同过滤中的用户相似度度量方法 |
CN105184375A (zh) * | 2015-10-09 | 2015-12-23 | 中国传媒大学 | 基于大数据的全产业链的电影评价方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106790570A (zh) * | 2016-12-27 | 2017-05-31 | 山东开创云软件有限公司 | 一种消费者行为分析管理系统及其分析方法 |
CN108347652A (zh) * | 2018-02-24 | 2018-07-31 | 华南理工大学 | 一种利用人工神经网络推荐iptv直播频道的方法及系统 |
CN108347652B (zh) * | 2018-02-24 | 2020-01-14 | 华南理工大学 | 一种利用人工神经网络推荐iptv直播频道的方法及系统 |
CN109327736A (zh) * | 2018-10-25 | 2019-02-12 | 安徽澳视科技有限公司 | 一种基于节目观看表情与用户信息的节目推荐方法 |
CN109327736B (zh) * | 2018-10-25 | 2021-01-26 | 合肥澳视智能科技有限公司 | 一种基于节目观看表情与用户信息的节目推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8611678B2 (en) | Grouping digital media items based on shared features | |
JP6594329B2 (ja) | 顔表現のためのシステムおよび方法 | |
US9589205B2 (en) | Systems and methods for identifying a user's demographic characteristics based on the user's social media photographs | |
CN111026971B (zh) | 内容的推送方法及装置、计算机存储介质 | |
CN103686237B (zh) | 推荐视频资源的方法及系统 | |
WO2016127883A1 (zh) | 一种图像区域检测方法及装置 | |
US20150112812A1 (en) | Method and apparatus for inferring user demographics | |
CN106796593A (zh) | 基于社交数据和用户行为优先化媒体 | |
CN104462385A (zh) | 一种基于用户兴趣模型的电影个性化相似度计算方法 | |
KR101872733B1 (ko) | 소셜 네트워크 서비스 팔로잉 추천 시스템 및 이를 이용한 소셜 네트워크 팔로잉 추천 방법 | |
US10460174B2 (en) | System and methods for analysis of user-associated images to generate non-user generated labels and utilization of the generated labels | |
CN106709076B (zh) | 基于协同过滤的社交网络推荐装置及方法 | |
US9111231B2 (en) | Associating a web session with a household member | |
WO2023040506A1 (zh) | 一种基于模型的数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品 | |
CN105100164B (zh) | 网络服务推荐方法和装置 | |
CN103577593A (zh) | 一种基于微博热门话题的视频聚合方法及系统 | |
CN104537355A (zh) | 一种利用图像边界信息和区域连通性的显著对象检测方法 | |
US10474899B2 (en) | Social engagement based on image resemblance | |
US20150213136A1 (en) | Method and System for Providing a Personalized Search List | |
CN104572733B (zh) | 用户兴趣标签分类的方法及装置 | |
CN107145541B (zh) | 基于超图结构的社交网络推荐模型构建方法 | |
CN106101839A (zh) | 一种识别电视端用户集合的方法 | |
CN112000024B (zh) | 用于控制家电设备的方法及装置、设备 | |
CN108366012A (zh) | 一种社交关系建立方法、装置及电子设备 | |
US11947616B2 (en) | Systems and methods for implementing session cookies for content selection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20170814 Address after: 100039, Yongding Road, Beijing, No. 3, floor 51, 303, Haidian District Applicant after: The space cloud network technology development limited liability company Address before: 100098 Beijing city Haidian District Dazhongsi Road 9, Beijing Science and technology building D block 4 layer B Applicant before: Xu Shan |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |