CN106383904A - 视频推荐方法及装置 - Google Patents
视频推荐方法及装置 Download PDFInfo
- Publication number
- CN106383904A CN106383904A CN201610868367.4A CN201610868367A CN106383904A CN 106383904 A CN106383904 A CN 106383904A CN 201610868367 A CN201610868367 A CN 201610868367A CN 106383904 A CN106383904 A CN 106383904A
- Authority
- CN
- China
- Prior art keywords
- video
- user
- degree
- tab
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供一种视频推荐方法及装置,属于通信技术领域。本发明的视频推荐方法,包括:获取用户周期时间内,所访问的视频标签;计算所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小;获取用户对各个所述视频标签中视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小;获取用户对于每个视频的兴趣度;根据所每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度;获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算访问频次;根据用户对每个视频标签的兴趣度和视频标签的访问频次,获取每个视频标签的关联度;根据所述关联度向用户推荐该视频标签中的视频。
Description
技术领域
本发明属于通信技术领域,具体涉及一种视频推荐方法及装置。
背景技术
随着多媒体技术、网络技术和有线电视的发展,视频已经成为人们日常生活中获取信息和享受娱乐的主要载体。社交网络爆炸式的增长使得数以百万计的网络视频可供人们观看,海量的网络视频资源在互联网上传输,通过互联网搜索并观看丰富的视频内容已成为广大网民获取信息的主流方式。
视频推荐是视频网站帮助用户查找并观看某个特定领域视频的方法和工具。相对于传统的视频目录浏览方式或者视频搜索方式,视频推荐能够在用户不确定合适的搜索词的情况下,发现用户需求的特定领域,在该领域内进行推荐,避免了搜索词的输入和层次目录的多次点击过程,使得查找并观看某个特定类型的视频更加简单容易。
目前互联网公司进行视频内容推荐时,普遍是通过对用户的浏览记录进行记录,记录出浏览热度较高的视频,对用户进行推荐。针对个体用户,则是为用户进行用户画像(如标签化),之后对用户进行标签的关联推荐。
在对用户进行画像的过程中,普遍是统计用户对标签化内容的点击次数来实现的,然而由于目前用户的浏览行为越来越多,无意义的点击次数也越来越多,单纯通过用户点击即关联的方法,已经不能准确的进行推荐。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种可以准确向用户推荐视频的视屏推荐方法及装置。
解决本发明技术问题所采用的技术方案是一种视频推荐方法,包括:
获取用户周期时间内,所访问的视频标签;
计算所获取的所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小;
获取用户对各个所述视频标签中各个视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小;
根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度;
根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度;
获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算用户对每个视频标签的访问频次;
根据用户对每个视频标签的兴趣度和每个视频标签的访问频次,获取每个视频标签的关联度;
根据所述关联度向用户推荐该视频标签中的视频。
优选的是,视频推荐方法,其特征在于,包括:
获取用户周期时间内,所访问的视频标签;
计算所获取的所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小;
获取用户对各个所述视频标签中各个视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小;
根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度;
根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度;
获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算用户对每个视频标签的访问频次;
根据用户对每个视频标签的兴趣度和每个视频标签的访问频次,获取每个视频标签的关联度;
根据所述关联度向用户推荐该视频标签中的视频。
优选的是,所述根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度的步骤,具体包括:
计算每个视频标签内各个视频的兴趣度的平均值,得到用户对每个视频标签的兴趣度。
优选的是,所述根据所述关联度向用户推荐视频标签中的视频的步骤,具体包括:
判断每个视频标签的关联度是否大于预设值,当所述关联度大于预设值时,向用户推荐该视频标签中的视频。
进一步优选的是,所述当所述关联度大于预设值时,向用户推荐该视频标签中的视频的步骤包括:
统计所推荐的视频标签中各个视频的访问量,按照访问量的大小向用户推荐该视频标签中的视频。
解决本发明技术问题所采用的技术方案是一种视频推荐装置,包括:
视频标签获取模块,用于获取用户周期时间内,所访问的视频标签;
视频大小计算模块,用于计算所获取的所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小;以及,获取用户对各个所述视频标签中各个视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小;
视频兴趣度计算模块,用于根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度;
视频标签兴趣度计算模块,用于根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度;
访问频次计算模块,用于获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算用户对每个视频标签的访问频次;
关联度计算模块,用于根据用户对每个视频标签的兴趣度和每个视频标签的访问频次,获取每个视频标签的关联度;
视频推荐模块,用于根据所述关联度向用户推荐该视频标签中的视频。
优选的是,所述视频兴趣度计算模块具体用于,计算用户所访问的视频的大小与该视频的最大视频大小的比,得到每个视频的访问比率;
根据公式:
计算用户对每个视频标签内每个视频的兴趣度;其中,
A为可动态调节的比例系数;K为访问比率。
优选的是,所述视频标签兴趣度计算模块具体用于,计算每个视频标签内各个视频的兴趣度的平均值,得到用户对每个视频标签的兴趣度。
优选的是,所述视频推荐模块具体用于,判断每个视频标签的关联度是否大于预设值,当所述关联度大于预设值时,向用户推荐该视频标签中的视频。
进一步优选的是,所述视频推荐模块具体用于,统计所推荐的视频标签中各个视频的访问量,按照访问量的大小向用户推荐该视频标签中的视频。
本发明具有如下有益效果:
在本发明中所提供的视频方法和装置,基于视频标签的关联度和视频的访问热度,向用户进行视频推荐,使得推荐的视频更加精准,以满足用户的需求。
附图说明
图1为本发明的实施例1的视频推荐方法的流程图;
图2为本发明的实施例2的视频推荐装置的示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。
实施例1:
如图1所示,本实施例提供一种视屏推荐方法,具体包括如下步骤:
步骤一、获取用户周期时间内,所访问的视频标签。
在该步骤中,首先,根据用户的上网数据,建立视频标签,也即对各个视频进行分类(例如:科幻标签、悬疑标签、校园标签等),之后确定用户在周期时间内所访问的视频标签。
步骤二、计算所获取的所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小。
在该步骤中,具体的可以为:对于单个视频媒体源,统计所有用户其在周期内的正常访问的最长时长T,并统计其访问平均速率(正常访问的定义:用户速率不低于正常网络的门限值。),获取最大视频大小P=T*S。
步骤三、获取用户对各个所述视频标签中各个视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小。
在该步骤中,具体的可以为:获取用户在每个视频标签中对每个视频内容的访问时长t,用户在每个视频标签中对每个视频内容平均速率s,得出用户访问的视频大小p=t*s。
步骤四、根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度。
该步骤具体可以包括:计算用户所访问的视频的大小与该视频的最大视频大小的比,得到每个视频的访问比率K=t*s/T*S;
根据公式:
计算用户对每个视频标签内每个视频的兴趣度;其中,A为可动态调节的比例系数;K为访问比率。在此需要说明的是,当用户访问比率大于80%时,考虑到片头/片尾的跳跃,其中部分内容的快进,可认为用户对视屏的兴趣度为1。
步骤五、根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度。
该步骤具体可以包括:计算每个视频标签内各个视频的兴趣度的平均值,得到用户对每个视频标签的兴趣度。即每个视频标签的兴趣度M=Average(I1……IN)。
步骤六、获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算用户对每个视频标签的访问频次。
该步骤具体可以包括:计算用户对视屏标签的访问频次,首先过滤用户访问时长低于N的访问记录(N可自定义),记录用户所有的访问次数R与对应视频标签的访问次数r,可得到用户对单个视频标签的访问频次H=r/R。
步骤七、根据用户对每个视频标签的兴趣度和每个视频标签的访问频次,获取每个视频标签的关联度。即每个视频标签的关联度C=M*H。
步骤八、根据所述关联度向用户推荐该视频标签中的视频。
该步骤具体可以包括:判断每个视频标签的关联度是否大于预设值,当所述关联度大于预设值时,向用户推荐该视频标签中的视频。其中,当所述关联度大于预设值时,向用户推荐该视频标签中的视频的步骤包括:统计所推荐的视频标签中各个视频的访问量,按照访问量的大小向用户推荐该视频标签中的视频。可以理解的是,访问量则代表该视频的访问热度。在此需要说明的是,在本实施例中,仅统计访问时长大于总视频时长20%以上的访问次数,即对快速关闭的无意义访问行为进行过滤。以该访问次数作为视频的热度,以对用户进行视频推荐。
综上,在本实施例中所提供的视频方法基于视频标签的关联度和视频的访问热度,向用户进行视频推荐,使得推荐的视频更加精准,以满足用户的需求。
实施例2:
如图2所示,本实施例提供一种视频推荐装置,其包括:视频标签获取模块、视频大小计算模块、视频兴趣度计算模块、视频标签兴趣度计算模块、访问频次计算模块、关联度计算模块、视频推荐模块。
其中,视频标签获取模块,用于获取用户周期时间内,所访问的视频标签。具体的,首先,视频标签获取模块根据用户的上网数据,建立视频标签,也即对各个视频进行分类(例如:科幻标签、悬疑标签、校园标签等),之后确定用户在周期时间内所访问的视频标签。
视频大小计算模块,用于计算所获取的所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小;以及,获取用户对各个所述视频标签中各个视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小;该视频大小计算模块对于单个视频媒体源,统计所有用户其在周期内的正常访问的最长时长T,并统计其访问平均速率(正常访问的定义:用户速率不低于正常网络的门限值。),获取最大视频大小P=T*S。之后,获取用户在每个视频标签中对每个视频内容的访问时长t,用户在每个视频标签中对每个视频内容平均速率s,得出用户访问的视频大小p=t*s。
视频兴趣度计算模块,用于根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度。该视频兴趣度计算模块具体的,计算用户所访问的视频的大小与该视频的最大视频大小的比,得到每个视频的访问比率K=t*s/T*S;
根据公式:
计算用户对每个视频标签内每个视频的兴趣度;其中,A为可动态调节的比例系数;K为访问比率。在此需要说明的是,当用户访问比率大于80%时,考虑到片头/片尾的跳跃,其中部分内容的快进,可认为用户对视屏的兴趣度为1。
视频标签兴趣度计算模块,用于根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度。该视频标签兴趣度计算模块具体的,计算每个视频标签内各个视频的兴趣度的平均值,得到用户对每个视频标签的兴趣度。即每个视频标签的兴趣度M=Average(I1……IN)。
访问频次计算模块,用于获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算用户对每个视频标签的访问频次。该访问频次计算模块具体的,首先过滤用户访问时长低于N的访问记录(N可自定义),记录用户所有的访问次数R与对应视频标签的访问次数r,可得到用户对单个视频标签的访问频次H=r/R。
关联度计算模块,用于根据用户对每个视频标签的兴趣度和每个视频标签的访问频次,获取每个视频标签的关联度,即每个视频标签的关联度C=M*H。
视频推荐模块,用于根据所述关联度向用户推荐该视频标签中的视频。该视频推荐模块具体的,判断每个视频标签的关联度是否大于预设值,当所述关联度大于预设值时,向用户推荐该视频标签中的视频。其中,当所述关联度大于预设值时,向用户推荐该视频标签中的视频的步骤包括:统计所推荐的视频标签中各个视频的访问量,按照访问量的大小向用户推荐该视频标签中的视频。可以理解的是,访问量则代表该视频的访问热度。在此需要说明的是,在本实施例中,仅统计访问时长大于总视频时长20%以上的访问次数,即对快速关闭的无意义访问行为进行过滤。以该访问次数作为视频的热度,以对用户进行视频推荐。
综上,在本实施例中所提供的视频装置基于视频标签的关联度和视频的访问热度,向用户进行视频推荐,使得推荐的视频更加精准,以满足用户的需求。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种视频推荐方法,其特征在于,包括:
获取用户周期时间内,所访问的视频标签;
计算所获取的所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小;
获取用户对各个所述视频标签中各个视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小;
根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度;
根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度;
获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算用户对每个视频标签的访问频次;
根据用户对每个视频标签的兴趣度和每个视频标签的访问频次,获取每个视频标签的关联度;
根据所述关联度向用户推荐该视频标签中的视频。
2.根据权利要求1所述的视频推荐方法,其特征在于,所述根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度的步骤,具体包括:
计算用户所访问的视频的大小与该视频的最大视频大小的比,得到每个视频的访问比率;
根据公式:
计算用户对每个视频标签内每个视频的兴趣度;其中,
A为可动态调节的比例系数;K为访问比率。
3.根据权利要求1所述的视频推荐方法,其特征在于,所述根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度的步骤,具体包括:
计算每个视频标签内各个视频的兴趣度的平均值,得到用户对每个视频标签的兴趣度。
4.根据权利要求1所述的视频推荐方法,其特征在于,所述根据所述关联度向用户推荐视频标签中的视频的步骤,具体包括:
判断每个视频标签的关联度是否大于预设值,当所述关联度大于预设值时,向用户推荐该视频标签中的视频。
5.根据权利要求4所述的视频推荐方法,其特征在于,所述当所述关联度大于预设值时,向用户推荐该视频标签中的视频的步骤包括:
统计所推荐的视频标签中各个视频的访问量,按照访问量的大小向用户推荐该视频标签中的视频。
6.一种视频推荐装置,其特征在于,包括:
视频标签获取模块,用于获取用户周期时间内,所访问的视频标签;
视频大小计算模块,用于计算所获取的所述视频标签中的各个视频的总时长,并统计访问平均速率,获取该视频的最大视频大小;以及,获取用户对各个所述视频标签中各个视频的访问时长,并统计访问的平均速率,获取用户所访问的视频的大小;
视频兴趣度计算模块,用于根据所获取的各个视频的最大视频大小,以及用户所访问的各个视频的大小,计算得到用户对于每个视频的兴趣度;
视频标签兴趣度计算模块,用于根据所计算得到用户对于每个视频的兴趣度,计算得到用户对每个视频标签的兴趣度;
访问频次计算模块,用于获取用户在周期时间内对所有视频标签的访问次数,以及对每个视频标签的访问次数,计算用户对每个视频标签的访问频次;
关联度计算模块,用于根据用户对每个视频标签的兴趣度和每个视频标签的访问频次,获取每个视频标签的关联度;
视频推荐模块,用于根据所述关联度向用户推荐该视频标签中的视频。
7.根据权利要求6所述的视频推荐装置,其特征在于,所述视频兴趣度计算模块具体用于,计算用户所访问的视频的大小与该视频的最大视频大小的比,得到每个视频的访问比率;
根据公式:
计算用户对每个视频标签内每个视频的兴趣度;其中,
A为可动态调节的比例系数;K为访问比率。
8.根据权利要求6所述的视频推荐装置,其特征在于,所述视频标签兴趣度计算模块具体用于,计算每个视频标签内各个视频的兴趣度的平均值,得到用户对每个视频标签的兴趣度。
9.根据权利要求6所述的视频推荐装置,其特征在于,所述视频推荐模块具体用于,判断每个视频标签的关联度是否大于预设值,当所述关联度大于预设值时,向用户推荐该视频标签中的视频。
10.根据权利要求9所述的视频推荐装置,其特征在于,所述视频推荐模块具体用于,统计所推荐的视频标签中各个视频的访问量,按照访问量的大小向用户推荐该视频标签中的视频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610868367.4A CN106383904B (zh) | 2016-09-29 | 2016-09-29 | 视频推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610868367.4A CN106383904B (zh) | 2016-09-29 | 2016-09-29 | 视频推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106383904A true CN106383904A (zh) | 2017-02-08 |
CN106383904B CN106383904B (zh) | 2019-10-01 |
Family
ID=57936499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610868367.4A Active CN106383904B (zh) | 2016-09-29 | 2016-09-29 | 视频推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106383904B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109522333A (zh) * | 2018-11-23 | 2019-03-26 | 北京锐安科技有限公司 | 数据分析方法、装置、设备和介质 |
CN109800324A (zh) * | 2018-12-18 | 2019-05-24 | 北京达佳互联信息技术有限公司 | 视频数据推荐方法、装置、服务器及存储介质 |
CN110059221A (zh) * | 2019-03-11 | 2019-07-26 | 咪咕视讯科技有限公司 | 视频推荐方法、电子设备及计算机可读存储介质 |
CN110148028A (zh) * | 2018-02-13 | 2019-08-20 | 北京京东尚科信息技术有限公司 | 向用户推荐菜单的方法、装置及计算机可读存储介质 |
CN110188277A (zh) * | 2019-05-31 | 2019-08-30 | 苏州百智通信息技术有限公司 | 一种资源的推荐方法及装置 |
CN110309398A (zh) * | 2018-02-06 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 用户数据处理方法、装置、计算设备以及存储介质 |
CN111225246A (zh) * | 2020-03-20 | 2020-06-02 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置及电子设备 |
CN111767429A (zh) * | 2020-06-29 | 2020-10-13 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置及电子设备 |
CN112686690A (zh) * | 2020-12-21 | 2021-04-20 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706794A (zh) * | 2009-11-24 | 2010-05-12 | 上海显智信息科技有限公司 | 基于语义实体关系模型和可视化推荐的信息浏览检索方法 |
CN102630049A (zh) * | 2011-12-31 | 2012-08-08 | 上海聚力传媒技术有限公司 | 一种用于确定用户关于在播视频的兴趣度的方法和设备 |
CN102999493A (zh) * | 2011-09-08 | 2013-03-27 | 百度在线网络技术(北京)有限公司 | 一种用于实现视频资源推荐的方法与设备 |
CN103106208A (zh) * | 2011-11-11 | 2013-05-15 | 中国移动通信集团公司 | 一种移动互联网中的流媒体内容推荐方法和系统 |
US8621563B2 (en) * | 2011-03-29 | 2013-12-31 | Nokia Corporation | Method and apparatus for providing recommendation channels |
CN104935968A (zh) * | 2015-06-25 | 2015-09-23 | 广州视源电子科技股份有限公司 | 网络电视推荐节目的方法与系统 |
-
2016
- 2016-09-29 CN CN201610868367.4A patent/CN106383904B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706794A (zh) * | 2009-11-24 | 2010-05-12 | 上海显智信息科技有限公司 | 基于语义实体关系模型和可视化推荐的信息浏览检索方法 |
US8621563B2 (en) * | 2011-03-29 | 2013-12-31 | Nokia Corporation | Method and apparatus for providing recommendation channels |
CN102999493A (zh) * | 2011-09-08 | 2013-03-27 | 百度在线网络技术(北京)有限公司 | 一种用于实现视频资源推荐的方法与设备 |
CN103106208A (zh) * | 2011-11-11 | 2013-05-15 | 中国移动通信集团公司 | 一种移动互联网中的流媒体内容推荐方法和系统 |
CN102630049A (zh) * | 2011-12-31 | 2012-08-08 | 上海聚力传媒技术有限公司 | 一种用于确定用户关于在播视频的兴趣度的方法和设备 |
CN104935968A (zh) * | 2015-06-25 | 2015-09-23 | 广州视源电子科技股份有限公司 | 网络电视推荐节目的方法与系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309398A (zh) * | 2018-02-06 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 用户数据处理方法、装置、计算设备以及存储介质 |
CN110148028A (zh) * | 2018-02-13 | 2019-08-20 | 北京京东尚科信息技术有限公司 | 向用户推荐菜单的方法、装置及计算机可读存储介质 |
CN110148028B (zh) * | 2018-02-13 | 2024-05-24 | 北京京东尚科信息技术有限公司 | 向用户推荐菜单的方法、装置及计算机可读存储介质 |
CN109522333A (zh) * | 2018-11-23 | 2019-03-26 | 北京锐安科技有限公司 | 数据分析方法、装置、设备和介质 |
CN109800324A (zh) * | 2018-12-18 | 2019-05-24 | 北京达佳互联信息技术有限公司 | 视频数据推荐方法、装置、服务器及存储介质 |
CN110059221B (zh) * | 2019-03-11 | 2023-10-20 | 咪咕视讯科技有限公司 | 视频推荐方法、电子设备及计算机可读存储介质 |
CN110059221A (zh) * | 2019-03-11 | 2019-07-26 | 咪咕视讯科技有限公司 | 视频推荐方法、电子设备及计算机可读存储介质 |
CN110188277A (zh) * | 2019-05-31 | 2019-08-30 | 苏州百智通信息技术有限公司 | 一种资源的推荐方法及装置 |
CN111225246A (zh) * | 2020-03-20 | 2020-06-02 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置及电子设备 |
CN111225246B (zh) * | 2020-03-20 | 2022-02-01 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置及电子设备 |
CN111767429B (zh) * | 2020-06-29 | 2023-06-02 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置及电子设备 |
CN111767429A (zh) * | 2020-06-29 | 2020-10-13 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置及电子设备 |
CN112686690A (zh) * | 2020-12-21 | 2021-04-20 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN112686690B (zh) * | 2020-12-21 | 2024-03-15 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106383904B (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106383904A (zh) | 视频推荐方法及装置 | |
Yan et al. | Unified youtube video recommendation via cross-network collaboration | |
CN105791085B (zh) | 在位置社交网络中基于位置与时间的好友推荐方法 | |
Košir et al. | Database for contextual personalization | |
CN107888950A (zh) | 一种推荐视频的方法和系统 | |
US9479811B2 (en) | Video recommendation based on video co-occurrence statistics | |
US20160180402A1 (en) | Method for recommending products based on a user profile derived from metadata of multimedia content | |
TWI533246B (zh) | 使用者未知興趣之探索方法與系統 | |
US20150242497A1 (en) | User interest recommending method and apparatus | |
CN100596135C (zh) | 一种确定内容提供商优先级的系统和方法 | |
TW201447797A (zh) | 內容個人化之多相排序方法和系統 | |
US9098551B1 (en) | Method and system for ranking content by click count and other web popularity signals | |
CN107894998B (zh) | 视频推荐方法及装置 | |
CN105915949A (zh) | 一种视频内容推荐方法、设备和系统 | |
CN104333773A (zh) | 一种视频推荐方法及服务器 | |
Liang et al. | Time-aware topic recommendation based on micro-blogs | |
US20170124590A1 (en) | Digital magazine recommendations by topic | |
US9436766B1 (en) | Clustering of documents for providing content | |
CN103970866B (zh) | 基于微博文本的微博用户兴趣发现方法及系统 | |
CN106227834A (zh) | 多媒体资源的推荐方法及装置 | |
Jeong et al. | Ontology-based automatic video annotation technique in smart TV environment | |
CN104636504A (zh) | 一种识别用户性别的方法及系统 | |
CN105183925A (zh) | 内容关联推荐方法及装置 | |
CN109246450A (zh) | 一种基于隐式信息评分的影视择优推荐系统及方法 | |
CN102930052B (zh) | 一种基于多维度属性关注度的兴趣资源推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |