CN106303720B - 一种视频推荐方法与系统 - Google Patents

一种视频推荐方法与系统 Download PDF

Info

Publication number
CN106303720B
CN106303720B CN201610624794.8A CN201610624794A CN106303720B CN 106303720 B CN106303720 B CN 106303720B CN 201610624794 A CN201610624794 A CN 201610624794A CN 106303720 B CN106303720 B CN 106303720B
Authority
CN
China
Prior art keywords
video
exposure
proportion
sequence
type
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.)
Expired - Fee Related
Application number
CN201610624794.8A
Other languages
English (en)
Other versions
CN106303720A (zh
Inventor
胡壁
吕红亮
单明辉
尹玉宗
林岳
姚键
顾思斌
潘柏宇
王冀
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.)
Alibaba China Co Ltd
Original Assignee
Youku Network 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 Youku Network Technology Beijing Co Ltd filed Critical Youku Network Technology Beijing Co Ltd
Priority to CN201610624794.8A priority Critical patent/CN106303720B/zh
Publication of CN106303720A publication Critical patent/CN106303720A/zh
Application granted granted Critical
Publication of CN106303720B publication Critical patent/CN106303720B/zh
Expired - Fee Related 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]
    • H04N21/40—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明涉及一种视频推荐方法与系统：根据视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；将每个第一类视频的真实点击率作为其综合点击率，将每个第二类视频的潜力点击率作为其综合点击率，按照综合点击率的大小排序得到视频推荐序列；根据计算视频推荐序列中第n个视频的累计曝光比例；遍历统计视频推荐序列中的视频，将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例；将视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列；判断若最优累计曝光比例等于优质流量比例，将最优视频序列作为优质流量视频组进行推荐。本发明能提高视频的点击率。

Description

一种视频推荐方法与系统
技术领域
本发明涉及视频推荐技术领域，特别是涉及一种视频推荐方法与系统。
背景技术
互联网行业的蓬勃发展衍生出大量的新兴行业，网络视频播放即为其中的一种。目前常见的网络视频播放技术的工作流程如下：首先是视频曝光，即视频网站或网络电视台等播放端在用户界面上展示若干个视频链接，供用户选择；其次是用户点播，即用户根据自己的需要在用户界面上点击某一个视频链接；接下来是视频播放，即播放端通过网络将用户点击的视频链接所对应的视频信息依次发送到用户界面上进行播放。这里的视频可以是影视节目，也可以是广告视频。
网络视频播放作为一种商业模式，需要获取利润来生存与发展。同时，作为一种通过视频供应服务获得利润的商业模式，它又必须积聚大量的用户作为自己的忠实用户群，因而提供的视频需要尽可能地迎合最大规模的用户的需求。这两种需要都要求播放端在曝光视频之前，先要进行预筛选，从而将既能迎合最大规模用户需求又能给自身带来最大利润的一组视频作为优质流量视频组提供给用户，这一预筛选的工作称为视频推荐。
现有的视频推荐技术为竞价视频推荐技术。该技术的流程如下：根据竞价筛选原则，对视频推荐日志中的视频按照竞价值进行降序排列，得到视频序列；将视频序列中位于前面的部分视频作为优质流量视频组推荐给用户，进行视频曝光。这里的竞价筛选原则意味着“价高者得”，有两种情形：一种是简单版，即能为播放端带来更多利润的视频，其竞价值更高；另一种是改进版，即将视频所能给播放端带来的利润与该视频的可能点击率相乘得到的乘积作为竞价值。可见，现有技术全部或更多地考虑了播放端的利润，而忽略了用户的需求，容易带来用户群萎缩的问题。出现这种问题的技术原因在于竞价筛选原则不能最大限度地满足用户需求，导致用户对视频的点击率逐渐降低。
发明内容
本发明所要解决的技术问题是提供一种视频推荐方法与系统，能提高视频的点击率。
本发明解决上述技术问题的技术方案如下：
一种视频推荐方法，该方法包括：
根据视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；
将每个所述第一类视频的真实点击率作为其综合点击率，将每个所述第二类视频的潜力点击率作为其综合点击率，按照所述综合点击率的大小排序得到视频推荐序列；
根据计算所述视频推荐序列中第n个视频的累计曝光比例；
遍历统计所述视频推荐序列中的视频，将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例；将所述视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列；
判断所述最优累计曝光比例是否等于所述优质流量比例，若是则将所述最优视频序列作为优质流量视频组进行推荐。
优选的，所述根据视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数，具体为：
遍历统计视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；其中，所述第一类视频为点击数大于0的视频，所述第二类视频为点击数等于0的视频；
根据计算所述视频推荐日志中第i个所述第一类视频的真实点击率CTRRi；其中，i为大于0且不大于所述第一类视频的总数X的整数；Ci为第i个所述第一类视频的点击数；Ni为第i个所述第一类视频的曝光数；
根据计算所述视频推荐日志中所有视频的平均点击率CTRAVG；其中，j为大于0且不大于所述视频推荐日志中视频的总数Y的整数；Nj为所述视频推荐日志中第j个视频的曝光数；
根据CTRPm＝(CTRAVG-1+Nm K)-1计算所述视频推荐日志中第m个所述第二类视频的潜力点击率CTRPm；其中，m为大于0且不大于(Y-X)的整数；K为大于0的常数；Nm为第m个所述第二类视频的曝光数。
优选的，所述根据计算所述视频推荐序列中第n个视频的累计曝光比例，具体为：
根据计算所述视频推荐序列中第n个视频的累计曝光比例BGBn；其中，n为大于0且不大于Y的整数，为所述视频推荐序列中从第1个至第n个视频的曝光数之和；为所述视频推荐序列中所有视频的曝光数之和。
优选的，还包括：
判断所述最优累计曝光比例是否等于所述优质流量比例，若不等于，则确定补充视频，并将所述最优视频序列与补充视频作为优质流量视频组。
优选的，所述确定所述补充视频的方法，包括：
根据计算所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的候补概率PA+1；在大于0且不大于1的范围内选取随机数SJ；判断SJ是否小于PA+1，若是则将所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频作为所述补充视频，否则所述补充视频不存在；其中，BEST为所述优质流量比例，A为具有所述最优累计曝光比例BGBA的视频在所述视频推荐序列中的序号，NA+1为所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的曝光数。
优选的，在判断所述最优累计曝光比例是否等于所述优质流量比例，是则将所述最优视频序列作为优质流量视频组之前，还包括：
为每个新增视频预先设置一个曝光概率；
针对每个所述新增视频，在大于0且不大于1的范围内选取一个随机概率，判断该随机概率是否小于该新增视频的所述曝光概率，是则将该新增视频纳入所述优质流量视频组，否则，不将该新增视频纳入所述优质流量视频组。
优选的，每个所述随机概率只具有两位小数位数。
一种视频推荐系统，该系统包括：遍历统计模块、计算与排序模块、推荐模块；
所述遍历统计模块，包括根据视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；
所述计算与排序模块，用于将每个所述第一类视频的真实点击率作为其综合点击率，将每个所述第二类视频的潜力点击率作为其综合点击率，按照所述综合点击率的大小排序得到视频推荐序列；根据计算所述视频推荐序列中第n个视频的累计曝光比例；遍历统计所述视频推荐序列中的视频，将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例；将所述视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列；
所述推荐模块，用于判断所述最优累计曝光比例是否等于所述优质流量比例，若是则将所述最优视频序列作为优质流量视频组，将所述优质流量视频组进行推荐。
优选的，所述遍历统计模块，包括：
遍历统计视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；其中，所述第一类视频为点击数大于0的视频，所述第二类视频为点击数等于0的视频；
根据计算所述视频推荐日志中第i个所述第一类视频的真实点击率CTRRi；其中，i为大于0且不大于所述第一类视频的总数X的整数；Ci为第i个所述第一类视频的点击数；Ni为第i个所述第一类视频的曝光数；
根据计算所述视频推荐日志中所有视频的平均点击率CTRAVG；其中，j为大于0且不大于所述视频推荐日志中视频的总数Y的整数；Nj为所述视频推荐日志中第j个视频的曝光数；
根据CTRPm＝(CTRAVG-1+Nm K)-1计算所述视频推荐日志中第m个所述第二类视频的潜力点击率CTRPm；其中，m为大于0且不大于(Y-X)的整数；K为大于0的常数；Nm为第m个所述第二类视频的曝光数。
优选的，所述根据计算所述视频推荐序列中第n个视频的累计曝光比例，具体为：
根据计算所述视频推荐序列中第n个视频的累计曝光比例BGBn；其中，n为大于0且不大于Y的整数，为所述视频推荐序列中从第1个至第n个视频的曝光数之和；为所述视频推荐序列中所有视频的曝光数之和。
优选的，所述计算与排序模块，还包括：
判断所述最优累计曝光比例是否等于所述优质流量比例，若不等于，则确定补充视频，并将所述最优视频序列与补充视频作为优质流量视频组；其中，所述确定所述补充视频的方法，包括：
根据计算所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的候补概率PA+1；在大于0且不大于1的范围内选取随机数SJ；判断SJ是否小于PA+1，若是则将所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频作为所述补充视频，否则所述补充视频不存在；其中，BEST为所述优质流量比例，A为具有所述最优累计曝光比例BGBA的视频在所述视频推荐序列中的序号，NA+1为所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的曝光数。
优选的，在所述推荐模块中，还包括：
在判断所述最优累计曝光比例是否等于所述优质流量比例，是则将所述最优视频序列作为优质流量视频组之前，还包括：
为每个新增视频预先设置一个曝光概率；
针对每个所述新增视频，在大于0且不大于1的范围内选取一个随机概率，判断该随机概率是否小于该新增视频的所述曝光概率，是则将该新增视频纳入所述优质流量视频组，否则，不将该新增视频纳入所述优质流量视频组。
本发明在已有曝光数和点击数的基础上进行统计分析，且对视频进行排序所依据的综合点击率既包含反映有点击数的第一类视频的真实点击率，又包含反映无点击数的第二类视频的潜力点击率，更能迎合用户需求，对用户的引导性也比现有技术强得多，因此，本发明能提高视频的点击率。
附图说明
图1为本发明提出的视频推荐方法的流程图；
图2为本发明提出的视频推荐系统的结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明涉及视频推荐技术领域。本发明中，视频指的是广告、影视等可以用网络方式(如互联网、移动互联网等)提供给用户、并可在用户端进行播放的以视频形式存在的数据流，曝光指的是视频的链接在用户界面上进行显示的状态，而视频推荐则指的是播放端将拟曝光的视频筛选出来并将其链接发送到用户界面上显示的过程。
本发明是在对已有的视频的曝光数、点击数等有关信息进行统计分析的基础上进一步对视频进行筛选的，而记录这些信息的载体即为视频推荐日志。在视频推荐日志中仅包括已经曝光过的视频，即曝光数大于0的视频，按照用户对视频的点击数不同分为两种类型，一种是点击数大于0的视频，称之为第一类视频，另一种是点击数等于0的视频，称之为第二类视频。
图1为本发明提出的视频推荐方法的流程图。如图1所示，该方法包括101至108全部步骤：
101：遍历统计视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数。
这里，视频推荐日志中记载了视频的总数Y、每个视频的曝光数与点击数。本发明中，以字母C表示视频点击数，以字母N表示视频的曝光数，以上数据是本发明统计分析的基础。视频推荐日志中当然还可以包括其他数据信息，如第一类视频的总数X、第二类视频的总数(Y-X)、每个视频所占用的存储空间大小、每次曝光的时间、获得每次点击的时间、每次获得点击后的播放时长、每个视频获得点击后的用户端的网址等，据此可进一步分析每个视频的用户需求情况。
102：计算视频推荐日志中每个第一类视频的真实点击率、所有视频的平均点击率、每个第二类视频的潜力点击率。
这里，第一类视频具有曝光数和点击数，因而其真实点击率是可计算的。本发明可以根据计算视频推荐日志中第i个第一类视频的真实点击率CTRRi；其中，i为大于0且不大于第一类视频的总数X的整数；Ci为第i个第一类视频的点击数；Ni为第i个第一类视频的曝光数。利用公式可以计算出X个第一类视频的真实点击率。
第二类视频虽然有曝光数，即在用户端进行过一定数量的曝光，但没有用户点击过，存在两种可能的原因：一是该视频不受用户喜欢，因而用户不愿进行点击；二是该视频的曝光数不够多，对其有需求的用户尚未来得及进行点击。第一种原因比较容易理解，对于第二种原因举例如下：通常情况下，一个视频应在其需求用户(即对该视频有需求、愿意进行点击的用户)的点击有效时段内(即浏览用户界面且有时间点击进而观看的时间段)进行曝光，才能获得点击数，如果该视频曝光次数不够多，则或者没有需求用户注意到用户界面上的该视频的链接，或者因不在需求用户的点击有效时段内，使其注意到了该链接却没有时间进行点击，均造成点击数为0。对于由第二种原因造成点击数为0的视频，只需增加曝光数，使该视频能够在需求用户的点击有效时段内充分曝光，即可提高点击数与点击率。
针对第二种视频，为了将用户需求量大的潜力视频从众多用户需求量小的无效视频中甄别出来，需要用数据来作为判断依据，这个数据在本发明中称为潜力点击率。本发明计算潜力点击率的方法是综合考虑了所有视频的平均点击率与第二类视频的曝光数的，因而更加科学，更加贴合用户需求，其甄选出来进行推荐的视频也有助于提高优质流量视频组的总体点击率。
根据计算视频推荐日志中所有视频的平均点击率CTRAVG；其中，j为大于0且不大于视频推荐日志中视频的总数Y的整数；Nj为视频推荐日志中第j个视频的曝光数。如前述，i为大于0且不大于第一类视频的总数X的整数；Ci为第i个第一类视频的点击数。这样计算出来的平均点击率是用视频推荐日志中所有视频的点击数之和(因第二类视频的点击数均为0，该点击数之和即为所有第一类视频的点击数之和)除以所有视频的曝光数之和来算得。
本发明根据CTRPm＝(CTRAVG-1+Nm K)-1计算视频推荐日志中第m个第二类视频的潜力点击率CTRPm；其中，m为大于0且不大于(Y-X)的整数；Nm为第m个第二类视频的曝光数；Nm K为幂函数的形式，Nm为底数，K为指数，本发明中，K为大于0的常数。可见，每个第二类视频的潜力点击率既包含平均点击率的因素，又包含该第二类视频的曝光数的因素。本发明中，每个第二类视频的潜力点击率与所有视频的平均点击率的倒数成反相关关系，这意味着平均点击率越高，该第二类视频的潜力点击率也越高，该原理可以理解为该播放端所提供的视频服务很受用户喜爱，反映在点击率上即平均点击率很高，因而在曝光充分的前提下，该第二类视频也很可能受用户的喜爱，因而其潜力点击率也会很高。每个第二类视频的潜力点击率与该视频的曝光数成反相关关系，这意味着曝光数越大，该第二类视频的潜力点击率也越低，该原理可以理解为，在点击数为0但曝光次数越多的情况下，该第二类视频受用户喜爱的可能性越低。常数K作为约束性指数，约束了该潜力点击率受曝光数影响的收敛速度，K值越大，则收敛速度越快。通常情况下，K等于1，当然，在需要时还可以取其他值。
103：将每个第一类视频的真实点击率作为其综合点击率，将每个第二类视频的潜力点击率作为其综合点击率；按照综合点击率的大小，对视频推荐日志中的视频进行降序排列，得到视频推荐序列；计算视频推荐序列中每个视频的累计曝光比例。
这里，综合点击率是本发明对视频推荐日志中的视频进行重新排序，从而得到视频推荐序列的依据。综合点击率越高，意味着该第一类视频在推荐后实际上越受用户喜爱，或者意味着该第二类视频在推荐后可能越受用户喜爱。
本发明将每个第一类视频的真实点击率作为其综合点击率，是以事实为依据的正常判断，至少在今后一段时间内，将该第一类视频推荐给用户，用户会以综合点击率为概率点击该视频。
本发明将每个第二类视频的潜力点击率作为其综合点击率，综合考虑了平均点击率与该第二类视频的曝光数两方面因素，避免了因曝光数不足而将优质视频抛弃的问题。
本发明按照综合点击率的大小，对视频推荐日志中的视频进行降序排列，得到视频推荐序列。在该视频推荐序列中，排在前面的视频符合用户需求、获得用户点击的概率比排在后面的视频大。
本发明根据计算视频推荐序列中第n个视频的累计曝光比例BGBn；其中，n为大于0且不大于Y的整数，分子为视频推荐序列中从第1个至第n个视频的曝光数之和；为视频推荐序列中所有视频的曝光数之和。由此可见，每个视频的累计曝光比例是视频推荐序列中该视频与位于其前面的所有视频的曝光数之和占视频推荐序列中全部视频的曝光总数的比例，从视频推荐序列中排在第一位的视频依次向后，其累计曝光比例为递增的，排在视频推荐序列中最末位的视频，其累计曝光比例为最大值1。
104：遍历统计视频推荐序列中的视频，将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例；将视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列。
这里，遍历统计视频推荐序列中的视频的目的，是为了确定具有最优累计曝光比例的视频，由于按照视频推荐序列中的视频从前向后的顺序来看，累计曝光比例是递增的，因而该遍历统计工作只需从视频推荐序列中排在第一位的视频开始，依次向后遍历统计，当确定某个视频的累计曝光比例为最优累计曝光比例时，即停止遍历统计，而不一定遍历统计到排在最末位的视频。由此可见，本发明中的优质流量比例一定不小于视频推荐序列中位于第一位的视频的累计曝光比例。
本发明中，优质流量比例是预先设定的，其值大于0且不大于1。优质流量比例可以认为是播放端对于其推荐的视频的点击率预期，体现的是一定时间内集中推荐的优质流量视频组的点击率需求，该优质流量比例越小，说明对点击率的总体需求和预期越高，则推荐的优质流量视频组应更加集中地迎合用户的需求。
本发明将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例，这意味着在遍历统计视频推荐序列中的视频的过程中，当某一视频的累计曝光比例不大于优质流量比例但位于该视频后面一位的视频的累计曝光比例大于优质流量比例时，上述累计曝光比例不大于优质流量比例的视频即为具有最优累计曝光比例的视频，可将视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列。
优质流量比例是播放端预先设定的，其值可能恰好与最优累计曝光比例相等，更大的可能则是不与任一视频的累计曝光比例相等，这就意味着在实际推荐中，还可以对最优视频序列进行补充，这就需要讨论视频推荐序列中位于具有最优累计曝光比例的视频后面一位的视频是否可以作为补充视频，与最优视频序列合并作为优质流量视频组推荐给用户的可能性。
本发明是以随机的方式来确定是否需要对最优视频序列进行补充的。如图1所示：
105：判断最优累计曝光比例是否等于优质流量比例，是则执行106，否则执行107。
在视频推荐序列中的视频数量较多时，最优累计曝光比例等于优质流量比例的情况较为少见，如果该情况发生，则可执行106，将最优视频序列作为本发明最终确定的向用户推荐的优质流量视频组，否则，即执行107，讨论补充视频的问题。
106：将最优视频序列作为优质流量视频组。
107：确定补充视频，并将最优视频序列与补充视频作为优质流量视频组。
本发明中，补充视频是为满足预定的优质流量比例而讨论的，所针对的视频为视频推荐序列中具有最优累计曝光比例的视频后面一位的视频。该视频可以被纳入优质流量视频组，但由于优质流量比例的约束，其在优质流量视频组中的地位较低，这意味着当该视频纳入优质流量视频组后，在一定时间内整个优质流量视频组中视频的总曝光数确定的情况下，该视频的曝光数将少于最优视频序列中的视频，否则将导致最优视频序列中的视频的曝光数被动减少。当然，该视频也可以不纳入优质流量视频组，即本发明允许出现105的判断结果为否但补充视频不存在的情形，这种情形出现意味着虽然105的判断结果为否，仍将最优视频序列作为优质流量视频组。
本发明中，确定补充视频的方法包括：根据计算视频推荐序列中位于具有最优累计曝光比例BGBA的视频后面第一个视频的候补概率PA+1；在大于0且不大于1的范围内选取随机数SJ；判断SJ是否小于PA+1，是则将视频推荐序列中位于具有最优累计曝光比例BGBA的视频后面第一个视频作为补充视频，否则，补充视频不存在；其中，BEST为优质流量比例，A为具有最优累计曝光比例BGBA的视频在视频推荐序列中的序号，(A+1)即为视频推荐序列中位于具有最优累计曝光比例BGBA的视频后面第一个视频的序号，NA+1为视频推荐序列中位于具有最优累计曝光比例BGBA的视频后面第一个视频的曝光数。如前述，为视频推荐序列中所有视频的曝光数之和。
可见，本发明是用随机方法确定具有最优累计曝光比例的视频后面第一个视频是否纳入优质流量视频组的，通过选取一个随机数SJ，进而判断其与候补概率的大小关系，确定该视频是否纳入优质流量视频组。只有当SJ小于候补概率时，才将该视频作为补充视频纳入拟推荐的优质流量视频组，否则，补充视频即不存在，这样虽然107仍将最优视频序列与补充视频作为优质流量视频组，但由于补充视频不存在，107的实际执行结果为将最优视频序列作为优质流量视频组。
在SJ小于候补概率PA+1时，本发明将视频推荐序列中具有最优累计曝光比例BGBA的视频后面第一个视频作为补充视频，纳入优质流量视频组，而该补充视频在作为优质流量视频组中的一员向用户推荐后，其曝光数少于最优视频序列中的视频。在本发明的一个较佳的实施例中，其曝光的可能性(即曝光率)可以用候补概率PA+1来确定，即在优质流量视频组中所有视频的曝光总数为Nmax的情况下，该补充视频的总的曝光数可为Nmax与PA+1的乘积的取整值，即应取该乘积的整数部分作为补充视频的总的曝光数，而舍弃其小数部分。
108：推荐优质流量视频组。
由此可见，本发明是在对已有视频的曝光和点击情况进行统计分析的基础上筛选出优质流量视频组来推荐的。这里，视频推荐日志已有视频的信息的载体，记录了每个视频的曝光数与用户的点击数。对于点击数大于0的第一类视频，本发明用真实点击率作为其综合点击率，对于点击数等于0的第二类视频，本发明不是简单地将其作为用户不需要的视频而弃用，而是在综合考察所有视频的平均点击率与该视频曝光数的基础上，计算出该视频的潜力点击率作为其综合点击率。然后，本发明以视频的综合点击率为依据对视频降序排列，进而以累计曝光比例作为参数，凡是累计曝光比例不大于预定的优质流量比例的视频均纳入最优视频序列，然后通过随机方式确定补充视频，最后将最优视频序列或者最优视频序列与补充视频的组合作为优质流量视频组来推荐给用户。这里，优质流量比例体现了一定时间内集中推荐的优质流量视频组的点击率需求，其数值是预先确定且可调的，该优质流量比例越小，说明对点击率的总体需求越高，则推荐的优质流量视频组应更加迎合用户的需求。本发明在已有曝光数和点击数的基础上进行统计分析，且对视频进行排序所依据的综合点击率既包含反映有点击数的第一类视频的真实点击率，又包含反映无点击数的第二类视频的潜力点击率，更能迎合用户需求，对用户的引导性也比现有技术强得多，因此，本发明能提高视频的点击率。
图1的107中，确定补充视频的方法包括在大于0且不大于1的范围内选取随机数SJ。本发明中，SJ的选取方法是随机选取，其选择范围是在0至1的范围之内，不能等于0，但可以等于1。该范围虽小，但可能出现的数值的数量是无穷的，小数位数过多可能会影响系统的速度，而该方法应尽可能快地执行，因此，可通过缩小SJ的选择范围的方法来提高运算速度。在本发明一个较佳实施例中，SJ只具有一位小数位数，即SJ只能在0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0这十个数字中随机选择一个。当然，在其他实施例中，SJ还可以进一步扩大可选择范围，都在本发明的保护范围之内。例如，SJ可以只具有两位小数位数，可以只具有三位小数位数，等等。
下面用实际数值来简要介绍本发明以优质流量比例作为参数来确定最优视频序列以及讨论补充序列是否纳入优质流量视频组的。
假设视频推荐序列中依次排列有A、B、C、D四个视频，视频A曝光数为1万，视频B曝光数为2万，视频C曝光数为1万，视频D曝光数为1万，因而该视频推荐序列中所有视频的曝光数之和为5万，则视频A的累计曝光比例为10000/50000＝0.2，视频B的累计曝光比例为(10000+20000)/50000＝0.6，同理，视频C的累计曝光比例为0.8，视频D的累计曝光比例为1。
在第一个实施例中，优质流量比例预定为0.6，很显然，最优累计曝光比例为0.6，其与优质流量比例相等，为视频B所具有，因而最优视频序列同时也是优质流量视频组，只包含视频A及视频B，即该实施例只向用户推荐视频A和B。
在第二个实施例中，优质流量比例预定为0.7，很显然，最优累计曝光比例仍为0.6，其小于优质流量比例，为视频B所具有，因而最优视频序列仅包含视频A和B，视频C是否可作为补充视频并纳入优质流量视频组，需要进行讨论。讨论过程如下：根据公式计算视频C的候补概率为0.5；在大于0且不大于1的范围内随机选取一个只具有一位小数位数的随机数SJ，如果SJ为0.3，则因其小于视频C的候补概率0.5，因而视频C可作为补充视频纳入纳入优质流量视频组，如果SJ等于0.5或大于0.5，则补充视频不存在，优质流量视频组仅包含视频A和B。
以上是考虑曝光数大于0的情形。在视频播放领域，还应不断新增视频，以增强用户粘性。否则，用户将逐渐对播放端提供的陈旧视频失去兴趣，进而降低播放端的利润。但是，新增视频也应谨慎，遵循循序渐进的原则，这是由于新增的视频尚未进行过曝光，其满足用户需求的程度属于未知，如贸然撤下全部旧的视频，而代之以新增的视频，有可能发生用户大规模撤离的情形，给播放端带来不可弥补的损失。因此，本发明还提供了在补充视频是否纳入优质流量视频组的讨论结束之后，在推荐优质流量视频组之前，还设置了新增视频的方法如下：
在图1中105判断最优累计曝光比例是否等于优质流量比例，是则执行106将最优视频序列作为优质流量视频组，否则执行107，确定补充视频，并将最优视频序列与补充视频作为优质流量视频组之后，在108推荐优质流量视频组之前，还包括：
为每个新增视频预先设置一个曝光概率；
针对每个新增视频，在大于0且不大于1的范围内选取一个随机概率，判断该随机概率是否小于该新增视频的曝光概率，是则将该新增视频纳入优质流量视频组，否则，不将该新增视频纳入优质流量视频组。
本发明中，新增视频的数量可以为一个，也可以为多个。本发明可以预先为每个新增视频设置一个单独的曝光概率，当然，也可以将所有新增视频的曝光概率设置为相同的数值。显然，任一新增视频的曝光概率都应在大于0且不大于1的实数范围内，较佳的，可以缩小其取值范围，如限定其小数位数，使其只具有一位小数位数、两位小数位数或三位小数位数，等等。
同样，为每个新增视频所选取的随机概率也应在大于0且不大于1的实数范围内，也可以通过限定其小数位数的方法来控制其取值范围。较佳的，每个随机概率只具有两位小数位数。当然，每个随机概率也可以只具有一位小数位数或三位小数位数，等等。
综上所述，本发明可以解决“小曝光”的问题，即简单地用点击率来作为判断依据，使得因曝光数不够造成优质视频的点击率较少，进而被作为不受用户欢迎的视频而被舍弃的情况。同时，本发明对于第二类视频所计算的潜力点击率综合考虑了平均点击率与其曝光数的双重因素，还可以解决“小曝光反而受重视”的问题，即由于用现有的某些方法对“小曝光”视频进行提升，使“小曝光”视频的点击率反而高于曝光量较大且真实点击率也很高的第一类视频，造成实际上不受用户欢迎且曝光数也较少的视频反而受到更多推荐，影响用户体验的情况。
另外，本发明还提出了一种视频推荐系统，图2为该系统的结构图。如图2所示，该系统包括：遍历统计模块201、计算与排序模块202、推荐模块203；其中，
遍历统计模块201用于，遍历统计视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数，并将其发送到计算与排序模块202；其中，第一类视频为点击数大于0的视频，第二类视频为点击数等于0的视频；遍历统计计算与排序模块202送来的视频推荐序列中的视频，将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例；将最优累计曝光比例发送到计算与排序模块202；
计算与排序模块202用于，根据计算视频推荐日志中第i个第一类视频的真实点击率CTRRi，其中，i为大于0且不大于第一类视频的总数X的整数；Ci为第i个第一类视频的点击数；Ni为第i个第一类视频的曝光数；根据计算视频推荐日志中所有视频的平均点击率CTRAVG，其中，j为大于0且不大于视频推荐日志中视频的总数Y的整数；Nj为视频推荐日志中第j个视频的曝光数；根据CTRPm＝(CTRAVG-1+Nm K)-1计算视频推荐日志中第m个第二类视频的潜力点击率CTRPm；其中，m为大于0且不大于(Y-X)的整数；K为大于0的常数，较佳的，K等于1；Nm为第m个第二类视频的曝光数；将每个第一类视频的真实点击率作为其综合点击率，将每个第二类视频的潜力点击率作为其综合点击率；按照综合点击率的大小，对视频推荐日志中的视频进行降序排列，得到视频推荐序列；根据计算视频推荐序列中第n个视频的累计曝光比例BGBn；其中，n为大于0且不大于Y的整数，为视频推荐序列中从第1个至第n个视频的曝光数之和；为视频推荐序列中所有视频的曝光数之和；将视频推荐序列和各视频的累计曝光比例发送到遍历统计模块201；将视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列；将最优视频序列、视频推荐序列、最优累计曝光比例发送到推荐模块203；
推荐模块203用于，判断最优累计曝光比例是否等于优质流量比例，是则将最优视频序列作为优质流量视频组，否则，确定补充视频，并将最优视频序列与补充视频作为优质流量视频组；确定补充视频的方法包括：根据计算视频推荐序列中位于具有最优累计曝光比例BGBA的视频后面第一个视频的候补概率PA+1；在大于0且不大于1的范围内选取随机数SJ；判断SJ是否小于PA+1，是则将视频推荐序列中位于具有最优累计曝光比例BGBA的视频后面第一个视频作为补充视频，否则，补充视频不存在；其中，BEST为优质流量比例，A为具有最优累计曝光比例BGBA的视频在视频推荐序列中的序号，NA+1为视频推荐序列中位于具有最优累计曝光比例BGBA的视频后面第一个视频的曝光数；推荐优质流量视频组。
较佳的，SJ只具有一位小数位数，即SJ只能在0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0这十个数字中随机选择一个。
由此可见，本发明是在对已有视频的曝光和点击情况进行统计分析的基础上筛选出优质流量视频组来推荐的。这里，视频推荐日志已有视频的信息的载体，记录了每个视频的曝光数与用户的点击数。对于点击数大于0的第一类视频，本发明用真实点击率作为其综合点击率，对于点击数等于0的第二类视频，本发明不是简单地将其作为用户不需要的视频而弃用，而是在综合考察所有视频的平均点击率与该视频曝光数的基础上，计算出该视频的潜力点击率作为其综合点击率。然后，本发明以视频的综合点击率为依据对视频降序排列，进而以累计曝光比例作为参数，凡是累计曝光比例不大于预定的优质流量比例的视频均纳入最优视频序列，然后通过随机方式确定补充视频，最后将最优视频序列或者最优视频序列与补充视频的组合作为优质流量视频组来推荐给用户。这里，优质流量比例体现了一定时间内集中推荐的优质流量视频组的点击率需求，其数值是预先确定且可调的，该优质流量比例越小，说明对点击率的总体需求越高，则推荐的优质流量视频组应更加迎合用户的需求。本发明在已有曝光数和点击数的基础上进行统计分析，且对视频进行排序所依据的综合点击率既包含反映有点击数的第一类视频的真实点击率，又包含反映无点击数的第二类视频的潜力点击率，更能迎合用户需求，对用户的引导性也比现有技术强得多，因此，本发明能提高视频的点击率。
图2所示的系统中，推荐模块203还用于，为每个新增视频预先设置一个曝光概率；针对每个新增视频，在大于0且不大于1的范围内选取一个随机概率，判断该随机概率是否小于该新增视频的曝光概率，是则将该新增视频纳入优质流量视频组，否则，不将该新增视频纳入优质流量视频组。
较佳的，上述的每个随机概率只具有两位小数位数。
由此可见，本发明具有以下优点：
(1)本发明是在对已有视频的曝光和点击情况进行统计分析的基础上筛选出优质流量视频组来推荐的。这里，视频推荐日志已有视频的信息的载体，记录了每个视频的曝光数与用户的点击数。对于点击数大于0的第一类视频，本发明用真实点击率作为其综合点击率，对于点击数等于0的第二类视频，本发明不是简单地将其作为用户不需要的视频而弃用，而是在综合考察所有视频的平均点击率与该视频曝光数的基础上，计算出该视频的潜力点击率作为其综合点击率。然后，本发明以视频的综合点击率为依据对视频降序排列，进而以累计曝光比例作为参数，凡是累计曝光比例不大于预定的优质流量比例的视频均纳入最优视频序列，然后通过随机方式确定补充视频，最后将最优视频序列或者最优视频序列与补充视频的组合作为优质流量视频组来推荐给用户。这里，优质流量比例体现了一定时间内集中推荐的优质流量视频组的点击率需求，其数值是预先确定且可调的，该优质流量比例越小，说明对点击率的总体需求越高，则推荐的优质流量视频组应更加迎合用户的需求。本发明在已有曝光数和点击数的基础上进行统计分析，且对视频进行排序所依据的综合点击率既包含反映有点击数的第一类视频的真实点击率，又包含反映无点击数的第二类视频的潜力点击率，更能迎合用户需求，对用户的引导性也比现有技术强得多，因此，本发明能提高视频的点击率。
(2)本发明将每个第二类视频的潜力点击率作为其综合点击率，综合考虑了平均点击率与该第二类视频的曝光数两方面因素，避免了因曝光数不足而将优质视频抛弃的问题。
(3)本发明可以解决“小曝光”的问题，即简单地用点击率来作为判断依据，使得因曝光数不够造成优质视频的点击率较少，进而被作为不受用户欢迎的视频而被舍弃的情况。同时，本发明对于第二类视频所计算的潜力点击率综合考虑了平均点击率与其曝光数的双重因素，还可以解决“小曝光反而受重视”的问题，即由于用现有的某些方法对“小曝光”视频进行提升，使“小曝光”视频的点击率反而高于曝光量较大且真实点击率也很高的第一类视频，造成实际上不受用户欢迎且曝光数也较少的视频反而受到更多推荐，影响用户体验的情况。
以上所述仅为本发明的较佳实施例，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 (7)

1.一种视频推荐方法，其特征在于，该方法包括：
根据视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；
将每个所述第一类视频的真实点击率作为其综合点击率，将每个所述第二类视频的潜力点击率作为其综合点击率，按照所述综合点击率的大小排序得到视频推荐序列；
根据计算所述视频推荐序列中第n个视频的累计曝光比例；
遍历统计所述视频推荐序列中的视频，将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例；将所述视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列；
判断所述最优累计曝光比例是否等于所述优质流量比例，若是则将所述最优视频序列作为优质流量视频组进行推荐，
其中，所述根据视频推荐日志，统计其中每个第一视频的曝光数与点击数，以及每个第二类视频的曝光数，具体为：
遍历统计视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；其中，所述第一类视频为点击数大于0的视频，所述第二类视频为点击数等于0的视频；
根据计算所述视频推荐日志中第i个所述第一类视频的真实点击率CTRRi；其中，i为大于0且不大于所述第一类视频的总数X的整数；Ci为第i个所述第一类视频的点击数；Ni为第i个第一类视频的曝光数；
根据计算所述视频推荐日志中所有视频的平均点击率CTRAVG；其中，j为大于0且不大于所述视频推荐日志中视频的总数Y的整数；Nj为所述视频推荐日志中第j个视频的曝光数；
根据CTRPm＝(CTRAVG-1+Nm k)-1计算所述视频推荐日志中第m个所述第二类视频的潜力点击率CTRPm；其中，m为大于0且不大于(Y-X)的整数；K为大于0的常数；Nm为第m个所述第二类视频的曝光数；
所述根据计算所述视频推荐序列中第n个视频的累计曝光比例，具体为：
根据计算所述视频推荐序列中第n个视频的累计曝光比例BGBn；其中，n为大于0且不大于Y的整数，为所述视频推荐序列中从第1个至第n个视频的曝光数之和；为所述视频推荐序列中所有视频的曝光数之和。
2.根据权利要求1所述的方法，其特征在于，还包括：
判断所述最优累计曝光比例是否等于所述优质流量比例，若不等于，则确定补充视频，并将所述最优视频序列与补充视频作为优质流量视频组，其中，所述确定所述补充视频的方法，包括：
根据计算所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的候补概率PA+1；在大于0且不大于1的范围内选取随机数SJ；判断SJ是否小于PA+1，若是则将所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频作为所述补充视频，否则所述补充视频不存在；其中，BEST为所述优质流量比例，A为具有所述最优累计曝光比例BGBA的视频在所述视频推荐序列中的序号，NA+1为所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的曝光数。
3.根据权利要求1所述的方法，其特征在于，在判断所述最优累计曝光比例是否等于所述优质流量比例，是则将所述最优视频序列作为优质流量视频组之前，还包括：
为每个新增视频预先设置一个曝光概率；
针对每个所述新增视频，在大于0且不大于1的范围内选取一个随机概率，判断该随机概率是否小于该新增视频的所述曝光概率，是则将该新增视频纳入所述优质流量视频组，否则，不将该新增视频纳入所述优质流量视频组。
4.根据权利要求3所述的方法，其特征在于，每个所述随机概率只具有两位小数位数。
5.一种视频推荐系统，其特征在于，该系统包括：遍历统计模块、计算与排序模块、推荐模块；
所述遍历统计模块，包括根据视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；
所述计算与排序模块，包括用于将每个所述第一类视频的真实点击率作为其综合点击率，将每个所述第二类视频的潜力点击率作为其综合点击率，按照所述综合点击率的大小排序得到视频推荐序列；根据计算所述视频推荐序列中第n个视频的累计曝光比例；遍历统计所述视频推荐序列中的视频，将不大于预定的优质流量比例且值最大的累计曝光比例作为最优累计曝光比例；将所述视频推荐序列中具有最优累计曝光比例的视频及位于该视频前面的所有视频，作为最优视频序列；
所述推荐模块，用于判断所述最优累计曝光比例是否等于所述优质流量比例，若是则将所述最优视频序列作为优质流量视频组进行推荐，
其中，所述遍历统计模块，包括：遍历统计视频推荐日志，统计其中每个第一类视频的曝光数与点击数，以及每个第二类视频的曝光数；其中，所述第一类视频为点击数大于0的视频，所述第二类视频为点击数等于0的视频；
根据计算所述视频推荐日志中第i个所述第一类视频的真实点击率CTRRi；其中，i为大于0且不大于所述第一类视频的总数X的整数；Ci为第i个所述第一类视频的点击数；Ni为第i个第一类视频的曝光数；
根据计算所述视频推荐日志中所有视频的平均点击率CTRAVG；其中，j为大于0且不大于所述视频推荐日志中视频的总数Y的整数；Nj为所述视频推荐日志中第j个视频的曝光数；
根据CTRPm＝(CTRAVG-1+Nm k)-1计算所述视频推荐日志中第m个所述第二类视频的潜力点击率CTRPm；其中，m为大于0且不大于(Y-X)的整数；K为大于0的常数；Nm为第m个所述第二类视频的曝光数；
所述根据计算所述视频推荐序列中第n个视频的累计曝光比例，具体为：
根据计算所述视频推荐序列中第n个视频的累计曝光比例BGBn；其中，n为大于0且不大于Y的整数，为所述视频推荐序列中从第1个至第n个视频的曝光数之和；为所述视频推荐序列中所有视频的曝光数之和。
6.根据权利要求5所述的系统，其特征在于，所述推荐模块，还包括：判断所述最优累计曝光比例是否等于所述优质流量比例，若不等于，则确定补充视频，并将所述最优视频序列与补充视频作为优质流量视频组，其中，所述确定所述补充视频的方法，包括：
根据计算所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的候补概率PA+1；在大于0且不大于1的范围内选取随机数SJ；判断SJ是否小于PA+1，若是则将所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频作为所述补充视频，否则所述补充视频不存在；其中，BEST为所述优质流量比例，A为具有所述最优累计曝光比例BGBA的视频在所述视频推荐序列中的序号，NA+1为所述视频推荐序列中位于具有所述最优累计曝光比例BGBA的视频后面第一个视频的曝光数。
7.根据权利要求5所述的系统，其特征在于，在所述推荐模块中，还包括：
在判断所述最优累计曝光比例是否等于所述优质流量比例，是则将所述最优视频序列作为优质流量视频组之前，还包括：
为每个新增视频预先设置一个曝光概率；
针对每个所述新增视频，在大于0且不大于1的范围内选取一个随机概率，判断该随机概率是否小于该新增视频的所述曝光概率，是则将该新增视频纳入所述优质流量视频组，否则，不将该新增视频纳入所述优质流量视频组。
CN201610624794.8A 2016-08-02 2016-08-02 一种视频推荐方法与系统 Expired - Fee Related CN106303720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610624794.8A CN106303720B (zh) 2016-08-02 2016-08-02 一种视频推荐方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610624794.8A CN106303720B (zh) 2016-08-02 2016-08-02 一种视频推荐方法与系统

Publications (2)

Publication Number Publication Date
CN106303720A CN106303720A (zh) 2017-01-04
CN106303720B true CN106303720B (zh) 2019-07-23

Family

ID=57664344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610624794.8A Expired - Fee Related CN106303720B (zh) 2016-08-02 2016-08-02 一种视频推荐方法与系统

Country Status (1)

Country Link
CN (1) CN106303720B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108259939B (zh) * 2017-12-25 2020-08-07 广州华多网络科技有限公司 新视频推送控制方法、装置及服务器
CN109274987B (zh) * 2018-08-30 2021-04-27 武汉斗鱼网络科技有限公司 一种视频集合排序方法、服务器及可读存储介质
CN113010536B (zh) * 2021-04-21 2024-02-06 中国平安人寿保险股份有限公司 基于流式数据处理的用户标签获取方法及装置
CN113360512B (zh) * 2021-06-21 2023-10-27 特赞（上海）信息科技有限公司 基于用户反馈的图像处理模型更新方法、装置及存储介质
CN113242459B (zh) * 2021-07-13 2021-10-15 武汉斗鱼鱼乐网络科技有限公司 一种新视频曝光方法、装置、介质及计算机设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7590616B2 (en) * 2006-11-17 2009-09-15 Yahoo! Inc. Collaborative-filtering contextual model based on explicit and implicit ratings for recommending items
CN100473015C (zh) * 2006-12-29 2009-03-25 腾讯科技（深圳）有限公司 一种通过互联网投放视频广告的方法及系统
CN104424291B (zh) * 2013-09-02 2018-12-21 阿里巴巴集团控股有限公司 一种对搜索结果进行排序的方法及装置
CN103607606B (zh) * 2013-12-02 2015-09-23 合一网络技术(北京)有限公司 一种基于词网络的视频播放量预估方法及装置
CN104268644A (zh) * 2014-09-23 2015-01-07 新浪网技术(中国)有限公司 广告位上的广告的点击次数预估方法和装置
CN105447724B (zh) * 2015-12-15 2022-04-05 腾讯科技（深圳）有限公司 内容项推荐方法及装置
CN105653735A (zh) * 2016-02-29 2016-06-08 合网络技术（北京）有限公司 网络资源推荐方法和装置

Also Published As

Publication number Publication date
CN106303720A (zh) 2017-01-04

Similar Documents

Publication Publication Date Title
CN106303720B (zh) 一种视频推荐方法与系统
CN103593353B (zh) 信息搜索方法、展示信息排序权重值确定方法及其装置
US8689238B2 (en) Techniques for displaying impressions in documents delivered over a computer network
CN106504011B (zh) 一种业务对象的展示方法和装置
US8893012B1 (en) Visual indicator based on relative rating of content item
CN106529714A (zh) 一种用户流失的预测方法及系统
CN1795463A (zh) 客户收入预测方法和系统
CN109509010B (zh) 一种多媒体信息处理方法、终端及存储介质
JP2011090353A (ja) 広告配信装置及び方法
CN105654198B (zh) 具有最优阈值筛选的品牌广告效果优化的方法
CN112967091A (zh) 营销服务事件的智能分发方法、系统及存储介质
CN112541635A (zh) 业务数据统计预测方法、装置、计算机设备及存储介质
US11620547B2 (en) Estimating number of distinct values in a data set using machine learning
CN111144957A (zh) 信息投放方法、装置、服务器及存储介质
US8285583B2 (en) Contact stream optimization using FEC and CC constraints
CN103379161A (zh) 媒体信息展示方法、系统和装置
CN107273472A (zh) 一种资源受限约束下的活动推荐方法及系统
CN112788087B (zh) 业务产品信息推送方法、装置以及存储介质
CN111782926B (zh) 用于数据交互的方法、装置、存储介质及电子设备
CN115062212A (zh) 粗排中保量配额的配置方法、装置及电子设备
CN113886732A (zh) 一种信息推荐方法
CN112016957A (zh) 交互式广告传播系统及方法
CN118246980B (zh) 融媒体中心信息系统
CN118428992B (zh) 一种基于大数据分析的营销推荐系统及方法
CN112836959B (zh) 一种基于服务质量的数据中心能效评估方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100080 A 5 C, block A, China International Steel Plaza, 8 Haidian Avenue, Haidian District, Beijing.

Applicant after: Youku network technology (Beijing) Co., Ltd.

Address before: 100080 A 5 C, block A, China International Steel Plaza, 8 Haidian Avenue, Haidian District, Beijing.

Applicant before: 1Verge Inc.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200514

Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Alibaba (China) Co.,Ltd.

Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Patentee before: Youku network technology (Beijing) Co., Ltd

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190723

Termination date: 20200802