CN106604068A - 一种更新媒体节目的方法及其系统 - Google Patents

一种更新媒体节目的方法及其系统 Download PDF

Info

Publication number
CN106604068A
CN106604068A CN201611264441.8A CN201611264441A CN106604068A CN 106604068 A CN106604068 A CN 106604068A CN 201611264441 A CN201611264441 A CN 201611264441A CN 106604068 A CN106604068 A CN 106604068A
Authority
CN
China
Prior art keywords
program
user
classification
level
association
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
Application number
CN201611264441.8A
Other languages
English (en)
Other versions
CN106604068B (zh
Inventor
纪琦华
蒲珂
方宏
曾泽基
李哲山
胡彬
陈传海
蔡忠善
张毅萍
魏明
蔡辉
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.)
China Science And Technology Co Ltd
Original Assignee
China Science And Technology 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 China Science And Technology Co Ltd filed Critical China Science And Technology Co Ltd
Priority to CN201611264441.8A priority Critical patent/CN106604068B/zh
Publication of CN106604068A publication Critical patent/CN106604068A/zh
Application granted granted Critical
Publication of CN106604068B publication Critical patent/CN106604068B/zh
Active 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]
    • H04N21/20—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
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • 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)
  • Computing Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种更新媒体节目的方法，所述方法至少包括下述步骤：资源服务器根据不同类别的节目资源对应建立类别小组；客户端采集用户视频的观看日志信息，预处理后对日志信息分析获得用户偏好信息，上传至系统服务器，系统服务器根据偏好信息向用户推荐加入对应的类别小组；系统服务器根据多个用户的类别小组匹配程度建立关联类别组；根据用户所在的多个类别小组，按照重叠系数由大至小的次序进行关联用户客户端的节目资源界面更新。该方法中，各个喜好相同用户之间建立的关联等级，服务器综合各个用户的信息更新，针对性强。

Description

一种更新媒体节目的方法及其系统
技术领域
本发明涉及多媒体技术领域，具体涉及一种更新媒体节目的方法及其系统。
背景技术
现有的媒体播放器更新媒体节目方法大多根据需要用户主动寻找更新节目，或者服务器依据用户偏好推送相关节目。为给用户提供更好的服务，现有的媒体播放器大多可根据用户的偏好推荐相关的媒体节目。
例如，专利102547373A公开了一种更新媒体节目的方法和系统，服务器向媒体播放器推送的媒体节目被用户评价，根据评价后的喜欢和不喜欢节目列表分析用户喜欢和不喜欢的节目类型，服务器有针对性的推送节目类型。这种方式较好的迎合了用户喜好，有针对性的自动更新媒体节目；但是这种方式下的节目类型划分不够人性化，无法敏锐的捕捉多个用户的喜好，且相关用户之间无法实现定向推荐的操作。
发明内容
本发明的目的在于克服现有技术中的缺陷，设计一种更新媒体节目的方法和系统，各个喜好相同用户之间建立的关联等级，服务器综合各个用户的信息更新，节目信息更新更具有合理层次的多元化优点，体验性好。
为实现上述目的，本发明所采用的技术方案是一种更新媒体节目的方法，所述方法至少包括下述步骤：
S1、资源服务器根据不同类别的节目资源对应建立类别小组；
S2、客户端采集用户视频的观看日志信息，预处理后对日志信息分析获得用户偏好信息，上传至系统服务器，系统服务器根据偏好信息向用户推荐加入对应的类别小组；
S3、系统服务器根据多个用户的类别小组匹配程度建立关联类别组；
S4、根据用户所在的多个类别小组，按照重叠系数由大至小的次序进行关联用户客户端的节目资源界面更新。
在一个优选的方案中，步骤S1之前还包括服务器获取视频的节目信息，利用聚类算法根据相似度大小将各个视频分成不同的类别，并存储。
进一步的，所述服务器对获取的节目信息进行预处理后，建立节目信息参数的向量空间模型，使用聚类迭代算法对节目信息参数的向量空间模型进行计算相似度；根据相似度数值大小按设定规则分类，并存放到数据库中。
步骤S2中，日志信息包括用户ID、历史视频名称、用户操作和操作时的流媒体时间，根据所述流媒体时间中的历史节目播放时限长短、快进快退频率信息进行聚类分析，计算得出权重系数并上传至服务器；所述服务器根据权重系数规则判断该流媒体节目的偏好数值，并根据偏好数值向用户推荐加入对应的类别小组。
本发明另一个优选方案中，在步骤S3的建立关联类别中，将多个用户所在的多个类别小组重叠最多的关系用户标记为一级关联用户关系；将多个用户所在类别小组中至少一个类别小组重叠的关系用户，依重叠类别小组的多少划分并标记为二级、三级和四级关联用户关系。
具体的，一级关联用户关系的用户在步骤S4中，实现与该关系用户间节目资源的同步更新；依次对二级、三级和四级关联用户的节目播放数据进行分析，将其分别对应作为二次、三次和四次更新节目数据发送至用户客户端，通过刷新方式进行更新。
进一步的，分析所述二级、三级和四级关联用户的节目播放数据前，下级关联用户的播放节目先比对上级关联用户的播放节目，删除相同节目数据，筛选出与上级不重叠且播放数据排名top-n的节目数据发送至用户客户端。
本发明另一方面公开了一种更新媒体节目的系统，所述系统至少包括：
资源类别分类模块，用于按照分类规则将不同类别的节目资源对应建立类别小组；
日志处理模块，用于采集用户节目的观看日志信息，预处理并进行聚类分析得出加权系数，上传至服务器；
类别组建立模块，用于依据上传的加权系数信息向用户推荐加入对应的类别小组，使某一用户自身建立多类别组；
关联组建立模块，用于将多个用户根据各自的类别小组匹配程度大小建立分级别的关联类别组；
更新模块，用于依据不同级别的关联类别组关系，实现同步更新节目资源或刷新后更新节目资源。
进一步的方案中，所述日志处理模块包括日志数据采集单元和日志数据聚类分析单元，所述日志数据采集单元用于采集客户端用户用户ID、历史播放节目名称、用户操作和操作时的流媒体时间的日志操作信息，其中所述流媒体时间包括历史节目播放时限长短、快进快退频率信息；所述日志数据聚类分析单元根据获取的日志信息建立节目信息参数的向量空间模型，使用聚类迭代算法对节目信息参数的向量空间模型进行计算，根据计算结果得出各个节目在对应类别中的类别权重系数。
又一个优选方案中，所述系统还包括节目资源处理模块，用于下级关联用户的播放节目与上级关联用户的播放节目的比对，删除相同节目数据，同时筛选出播放数据排名top-n的节目；
所述更新模块包括同步更新单元和刷新更新单元，所述同步更新单元用于一级关联用户之间对节目资源的同步更新；所述刷新更新单元用于将筛选后的二级、三级和四级关联用户的播放节目数据通过刷新方式进行二次、三次和四次更新。
本发明更新媒体节目的方法，通过建立关联用户，同步关联用户之间的数据更新，提高节目更新的准确率。服务器依照关联用户等级以及关联用户的播放节目次序分析，推送用户偏好度较高的节目信息至客户端，从而准确高效的自动更新节目节目。
本发明方法相对于传统的媒体节目仅针对某一用户的偏好进行更新的方法，具有更好的体验性，节目更新类别在具有更多元化的同时不混乱，用户偏好程度的层次性极佳。
附图说明
图1为本发明实施例提供的方法流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的更新媒体节目的方法，如图1所示，所述方法至少包括下述步骤：
S1、资源服务器根据不同类别的节目资源对应建立类别小组；
S2、客户端采集用户节目的观看日志信息，预处理后对日志信息聚类分析，上传至系统服务器，系统服务器根据聚类信息向用户推荐加入对应的类别小组；
S3、系统服务器根据多个用户的类别小组匹配程度建立关联类别组；
S4、根据关联类别组中用户观看节目的播放次数，依照由多至少的次序进行关联用户的节目资源更新。
在步骤S1之前还包括服务器获取节目的节目信息，利用聚类算法根据相似度大小将各个节目分成不同的类别，并存储。
具体的，所述服务器对获取的节目信息(包括节目简介、演员及导演等)进行预处理，采集各种节目及节目简介等信息，利用文本聚类方法，分别得到各个节目属于每个类别的权重，例如可采用基于spark的分布式计算框架及其存储系统，处理海量数据挖掘及存储的需求。其中文本聚类包括本文数据的清洗，将采集文本中的噪声数据清除，利用开源中文分词工具进行文本的中文分词，且将常用语和一些停用词去掉；然后，服务器建立节目信息参数的向量空间模型，计算文本中各个词在文本中出现的次数C(wi)，则TF(i)＝C(wi)/sum(wi…n)；统计文本集合中出现词wi的文本数量doc_C(wi)，则IDF(i)＝log(doc_sum/doc_C(wi))；得到文本i，单词wj的TF-IDF的权值W[i][j]＝TF(j)*IDF(j)；其中i为文本，wj是文本i中的特征词。每个文本的向量表示为W[i][j](j＝1…n)。
下一步，使用聚类迭代算法对节目信息参数的向量空间模型进行计算；聚类迭代具体为：通过聚类的个数，从文本集中选取对应个数文本作为聚类的类中心，计算文本i与确定个数的聚类中心的距离；将文本i与中心距离最近的类确定为该文本的类别。如此重复将所有文本的类别确定下来。该过程中的聚类算法的计算过程的距离度量采用文本之间的相似度进行，采用余弦定理极端向量相似度，该计算方法为现有技术，在此不做过多描述。
根据计算结果得出各个节目的相似度大小，根据相似度的大小进行分类，存放至数据库。
在步骤S2中，客户端采集用户行为数据，并能对用户的行为分析，计算出用户的偏好。具体的，用户行为数据经过去除噪声处理，将非目标的干扰信息删除；将短暂停留的观看时间少于40s的记录等去除。对某一节目的偏好值计算以观看该节目的实际时间长度衡量，实际时间长度计算为观看时间ti_actual与节目总时间tj_total的比值。比值越大，偏好程度越大；通过偏好程度得到矩阵，每一行表示用户对各个节目的偏好程度，将其存储在偏好数据库中。
对偏好数据库中偏好程度较大的节目资源信息(包括节目简介、演员及导演等)提取并进行预处理，采集各种节目及节目简介等信息，寻找与步骤1处理后的对应的类别小组，生成推荐信息推送给用户。用户确认后加入所选定的类别小组，用户根据实际情况可选多个类别小组，如同时加入类别小组a、b、c；其中类别小组a为节目地域类型、b为节目风格以及c为特定演员。
在步骤4中，根据用户所在的多个类别小组，按照重叠系数由大至小的次序进行关联用户客户端的节目资源界面更新。具体为：各个类别小组中某节目资源的重叠次数越大，更新排序越靠前；例如，某用户加入的类别小组a、b、c中均有《红楼梦》的节目资源，该资源则被服务器优先推送至用户客户端进行更新。
在步骤S3的建立关联类别中，将多个用户所在的多个类别小组重叠最多的关系用户标记为一级关联用户关系；将多个用户所在类别小组中至少一个类别小组重叠的关系用户，依重叠类别小组的多少划分并标记为二级、三级和四级关联用户关系。举例说明，类别小组a、b、c、d、e中，某用户加入类别小组a、b和c，系统服务器将与该用户同样具有类别小组a、b和c的特定用户与该用户建立一级关联用户关系；将与类别小组a、b、c中任意两个小组相同的特定用户以及该用户建立二级关联用户关系；类推下去，将与类别小组a、b、c中任意一个小组相同的特定用户以及该用户建立三级关联用户关系。当类别小组数值更多时，会有四级关联用户、五级关联用户等。
一级关联用户关系的用户在步骤S4中，实现与该关系用户间节目资源的同步更新。依次对二级、三级和四级关联用户的节目播放数据进行分析，将其分别对应作为二次、三次和四次更新节目数据发送至用户客户端，通过刷新方式进行更新。当分析所述二级、三级和四级关联用户的节目播放数据前，从用户偏好数据库中，查找观看过得节目；下级关联用户的播放节目先比对上级关联用户的播放节目，删除相同节目数据，筛选出与上级不重叠且播放数据排名top-n的节目数据，并将推荐结果发送至用户客户端。
同一关联用户关系的用户之间还可通过设定的推介大众的方式将观看的某个节目节目推送给其他关系用户；服务器直接采集推介大众的点击率，计算推介热度，并根据推介热度大小决定更新的次数和先后顺序。其中，计算推荐热度的方法具体为：根据推荐点击数值区间[a1，a2]按照预设规则划分热度值，推介热度大的节目节目，优选更新至同一关联用户的客户端中，且更新停留的时间更长。
本发明另一个实施例中一种更新媒体节目的系统，其特征在于，所述系统至少包括：
资源类别分类模块，用于按照分类规则将不同类别的节目资源对应建立类别小组；
日志处理模块，用于采集用户节目的观看日志信息，预处理并进行聚类分析得出加权系数，上传至服务器；
类别组建立模块，用于依据上传的加权系数信息向用户推荐加入对应的类别小组，使某一用户自身建立多类别组；
关联组建立模块，用于将多个用户根据各自的类别小组匹配程度大小建立分级别的关联类别组；
更新模块，用于依据不同级别的关联类别组关系，实现同步更新节目资源或刷新后更新节目资源。
所述日志处理模块包括日志数据采集单元和日志数据聚类分析单元，所述日志数据采集单元用于采集客户端用户用户ID、历史播放节目名称、用户操作和操作时的流媒体时间的日志操作信息，其中所述流媒体时间包括历史节目播放时限长短、快进快退频率信息；所述日志数据聚类分析单元根据获取的日志信息建立节目信息参数的向量空间模型，使用聚类迭代算法对节目信息参数的向量空间模型进行计算，根据计算结果得出各个节目在对应类别中的类别权重系数。
所述系统还包括节目资源处理模块，用于下级关联用户的播放节目与上级关联用户的播放节目的比对，删除相同节目数据，同时筛选出播放数据排名top-n的节目；所述更新模块包括同步更新单元和刷新更新单元，所述同步更新单元用于一级关联用户之间对节目资源的同步更新；所述刷新更新单元用于将筛选后的二级、三级和四级关联用户的播放节目数据通过刷新方式进行二次、三次和四次更新。
在另一个优选的实施例中，所述系统还可包括用户推荐模块，该模块包括用户推荐生成单元，用于用户点击生成推荐数据；推荐力数据处理模块，用于统计多个用户的推荐点击数值并获取其热度值。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种更新媒体节目的方法，所述方法至少包括下述步骤：
S1、资源服务器根据不同类别的节目资源对应建立类别小组；
S2、客户端采集用户节目的观看日志信息，预处理后对日志信息分析获得用户偏好信息，上传至系统服务器，系统服务器根据偏好信息向用户推荐加入对应的类别小组；
S3、系统服务器根据多个用户的类别小组匹配程度建立多个关联类别组；
S4、根据用户所在的多个类别小组，按照重叠系数由大至小的次序进行关联用户客户端的节目资源界面更新。
2.如权利要求1所述的更新媒体节目的方法，其特征在于，步骤S1之前还包括服务器获取节目的节目信息，利用聚类算法根据相似度大小将各个节目分成不同的类别，并存储。
3.如权利要求2所述的更新媒体节目的方法，其特征在于，所述服务器对获取的节目信息进行预处理后，建立节目信息参数的向量空间模型，使用聚类迭代算法对节目信息参数的向量空间模型进行计算相似度；根据相似度数值大小按设定规则分类，并存放到数据库中。
4.如权利要求1所述的更新媒体节目的方法，其特征在于，步骤S2中，日志信息包括用户ID、历史节目名称、用户操作和操作时的流媒体时间，根据所述流媒体时间中的历史节目播放时限长短、快进快退频率信息进行聚类分析，计算得出权重系数并上传至服务器；所述服务器根据权重系数规则判断该流媒体节目的偏好数值，并根据偏好数值向用户推荐加入对应的类别小组。
5.如权利要求1所述的更新媒体节目的方法，其特征在于，在步骤S3的建立关联类别中，将多个用户所在的多个类别小组重叠最多的关系用户标记为一级关联用户关系；将多个用户所在类别小组中至少一个类别小组重叠的关系用户，依重叠类别小组的多少划分并标记为二级、三级和四级关联用户关系。
6.如权利要求5所述的更新媒体节目的方法，其特征在于，一级关联用户关系的用户在步骤S4中，实现与该关系用户间节目资源的同步更新；依次对二级、三级和四级关联用户的节目播放数据进行分析，将其分别对应作为二次、三次和四次更新节目数据发送至用户客户端，通过刷新方式进行更新。
7.如权利要求6所述的更新媒体节目的方法，其特征在于，分析所述二级、三级和四级关联用户的节目播放数据前，下级关联用户的播放节目先比对上级关联用户的播放节目，删除相同节目数据，筛选出与上级不重叠且播放数据排名top-n的节目数据发送至用户客户端。
8.一种更新媒体节目的系统，其特征在于，所述系统至少包括：
资源类别分类模块，用于按照分类规则将不同类别的节目资源对应建立类别小组；
日志处理模块，用于采集用户节目的观看日志信息，预处理并进行聚类分析得出加权系数，上传至服务器；
类别组建立模块，用于依据上传的加权系数信息向用户推荐加入对应的类别小组，使某一用户自身建立多类别组；
关联组建立模块，用于将多个用户根据各自的类别小组匹配程度大小建立分级别的关联类别组；
更新模块，用于依据不同级别的关联类别组关系，实现同步更新节目资源或刷新后更新节目资源。
9.如权利要求8所述的更新媒体节目的系统，其特征在于，所述日志处理模块包括日志数据采集单元和日志数据聚类分析单元，所述日志数据采集单元用于采集客户端用户用户ID、历史播放节目名称、用户操作和操作时的流媒体时间的日志操作信息，其中所述流媒体时间包括历史节目播放时限长短、快进快退频率信息；所述日志数据聚类分析单元根据获取的日志信息建立节目信息参数的向量空间模型，使用聚类迭代算法对节目信息参数的向量空间模型进行计算，根据计算结果得出各个节目在对应类别中的类别权重系数。
10.如权利要求8所述的更新媒体节目的系统，其特征在于，所述系统还包括节目资源处理模块，用于下级关联用户的点播节目与上级关联用户的点播节目的比对，删除相同节目数据，同时筛选出点播数据排名top-n的节目；
所述更新模块包括同步更新单元和刷新更新单元，所述同步更新单元用于一级关联用户之间对节目资源的同步更新；所述刷新更新单元用于将筛选后的二级、三级和四级关联用户的点播节目数据通过刷新方式进行二次、三次和四次更新。
CN201611264441.8A 2016-12-30 2016-12-30 一种更新媒体节目的方法及其系统 Active CN106604068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611264441.8A CN106604068B (zh) 2016-12-30 2016-12-30 一种更新媒体节目的方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611264441.8A CN106604068B (zh) 2016-12-30 2016-12-30 一种更新媒体节目的方法及其系统

Publications (2)

Publication Number Publication Date
CN106604068A true CN106604068A (zh) 2017-04-26
CN106604068B CN106604068B (zh) 2019-11-05

Family

ID=58581750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611264441.8A Active CN106604068B (zh) 2016-12-30 2016-12-30 一种更新媒体节目的方法及其系统

Country Status (1)

Country Link
CN (1) CN106604068B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107295373A (zh) * 2017-06-30 2017-10-24 天脉聚源(北京)传媒科技有限公司 一种节目内容处理方法及装置
CN109246450A (zh) * 2018-08-06 2019-01-18 上海大学 一种基于隐式信息评分的影视择优推荐系统及方法
CN109408724A (zh) * 2018-11-06 2019-03-01 北京达佳互联信息技术有限公司 多媒体资源预估点击率的确定方法、装置及服务器
CN112040283A (zh) * 2020-11-04 2020-12-04 北京爱奇艺智能科技有限公司 一种拆分视频海量选集列表的方法和系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102780920A (zh) * 2011-07-05 2012-11-14 上海奂讯通信安装工程有限公司 电视节目推荐方法及系统
CN102917269A (zh) * 2012-09-29 2013-02-06 青岛海信电器股份有限公司 一种电视节目推荐系统及方法
CN103686237A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及系统
CN103686382A (zh) * 2013-12-13 2014-03-26 南京信息工程大学 一种节目推荐方法
CN103731738A (zh) * 2014-01-23 2014-04-16 哈尔滨理工大学 基于用户群组行为分析的视频推荐方法及装置
CN105095442A (zh) * 2015-07-23 2015-11-25 海信集团有限公司 一种多媒体数据的推荐方法及装置
CN105095256A (zh) * 2014-05-07 2015-11-25 阿里巴巴集团控股有限公司 基于用户之间相似度进行信息推送的方法及装置
CN105574045A (zh) * 2014-10-17 2016-05-11 深圳市腾讯计算机系统有限公司 一种视频推荐方法和服务器

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102780920A (zh) * 2011-07-05 2012-11-14 上海奂讯通信安装工程有限公司 电视节目推荐方法及系统
CN102917269A (zh) * 2012-09-29 2013-02-06 青岛海信电器股份有限公司 一种电视节目推荐系统及方法
CN103686237A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及系统
CN103686382A (zh) * 2013-12-13 2014-03-26 南京信息工程大学 一种节目推荐方法
CN103731738A (zh) * 2014-01-23 2014-04-16 哈尔滨理工大学 基于用户群组行为分析的视频推荐方法及装置
CN105095256A (zh) * 2014-05-07 2015-11-25 阿里巴巴集团控股有限公司 基于用户之间相似度进行信息推送的方法及装置
CN105574045A (zh) * 2014-10-17 2016-05-11 深圳市腾讯计算机系统有限公司 一种视频推荐方法和服务器
CN105095442A (zh) * 2015-07-23 2015-11-25 海信集团有限公司 一种多媒体数据的推荐方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107295373A (zh) * 2017-06-30 2017-10-24 天脉聚源(北京)传媒科技有限公司 一种节目内容处理方法及装置
CN109246450A (zh) * 2018-08-06 2019-01-18 上海大学 一种基于隐式信息评分的影视择优推荐系统及方法
CN109246450B (zh) * 2018-08-06 2021-07-06 上海大学 一种基于隐式信息评分的影视择优推荐方法
CN109408724A (zh) * 2018-11-06 2019-03-01 北京达佳互联信息技术有限公司 多媒体资源预估点击率的确定方法、装置及服务器
CN109408724B (zh) * 2018-11-06 2020-10-02 北京达佳互联信息技术有限公司 多媒体资源预估点击率的确定方法、装置及服务器
CN112040283A (zh) * 2020-11-04 2020-12-04 北京爱奇艺智能科技有限公司 一种拆分视频海量选集列表的方法和系统
CN112040283B (zh) * 2020-11-04 2021-02-05 北京爱奇艺智能科技有限公司 一种拆分视频海量选集列表的方法和系统

Also Published As

Publication number Publication date
CN106604068B (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
CN105142028B (zh) 面向三网融合的电视节目内容搜索与推荐方法
CN108509534B (zh) 基于深度学习的个性化音乐推荐系统及其实现方法
CN103686231B (zh) 影片的集成管理、失效替换与续播的方法及系统
CN105183897B (zh) 一种视频搜索排序的方法和系统
CN103634687B (zh) 智能电视中提供视频搜索结果的方法及系统
CN107197368B (zh) 确定用户对多媒体播放内容关注程度的方法和系统
CN108737856B (zh) 社会关系感知的iptv用户行为建模与节目推荐方法
CN106604068B (zh) 一种更新媒体节目的方法及其系统
CN110430471A (zh) 一种基于瞬时计算的电视推荐方法和系统
CN102523511A (zh) 一种网络节目聚合及节目推荐系统和方法
CN102780920A (zh) 电视节目推荐方法及系统
CN109429103B (zh) 推荐信息的方法、装置及计算机可读存储介质、终端设备
CN103106208A (zh) 一种移动互联网中的流媒体内容推荐方法和系统
CN108920577A (zh) 电视智能推荐方法
CN103577593A (zh) 一种基于微博热门话题的视频聚合方法及系统
CN111861550B (zh) 一种基于ott设备的家庭画像构建方法及系统
CN111125429A (zh) 一种视频推送方法、装置和计算机可读存储介质
KR101541495B1 (ko) 캡쳐된 이미지를 이용한 동영상 분석 장치, 방법 및 컴퓨터 판독 가능한 기록 매체
CN107341199A (zh) 一种基于文献信息共性模式的推荐方法
CN109658129A (zh) 一种用户画像的生成方法及装置
CN105843876A (zh) 多媒体资源的质量评估方法和装置
CN105512301A (zh) 基于社交内容的用户分组方法
CN104834739A (zh) 互联网信息存储系统
CN109508407A (zh) 融合时间与兴趣相似度的电视产品推荐方法
CN108205551B (zh) 一种歌曲推荐方法和歌曲推荐系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant