CN106844653A - 一种媒体数据推荐方法及系统 - Google Patents
一种媒体数据推荐方法及系统 Download PDFInfo
- Publication number
- CN106844653A CN106844653A CN201710049209.0A CN201710049209A CN106844653A CN 106844653 A CN106844653 A CN 106844653A CN 201710049209 A CN201710049209 A CN 201710049209A CN 106844653 A CN106844653 A CN 106844653A
- Authority
- CN
- China
- Prior art keywords
- media data
- interest characteristics
- characteristics vector
- information
- user
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开一种媒体数据推荐方法,该方法包含:媒体数据分类相应的兴趣特征向量;达到预设条件的媒体数据加入其对应兴趣特征向量的内容池;采集目标用户的兴趣特征向量,将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。本发明对媒体数据进行权重分析,建立内容池,并根据用户信息,分析用户的兴趣特征,从而向用户推荐匹配的媒体数据,提高用户体验。
Description
技术领域
本发明涉及数据分析与处理技术领域,具体涉及一种基于兴趣特征向量的媒体数据推荐方法及系统。
背景技术
随着科学技术的不断发展,互联网、电脑、移动终端(智能手机、平板电脑等)已进入了千家万户,覆盖了人类生活的方方面面,成为了人类生活不可或缺的一部分。现代人的生活、学习、工作习惯都少不了对这些现代科技的使用;特别是在平常的生活中,利用电脑、移动终端等通过互联网或移动互联网观看视频、查看新闻等等,都是现代人在大多数闲暇时间中的一项重要的娱乐、休闲活动。
现有技术中,各种门户网站、新闻APP等都会在首页或下级分类菜单的预览界面中展示各种各样的新闻资讯,而这些新闻资讯通常是按时间先后进行排序推荐,而不存在针对用户的个性化推荐内容。而常见的视频播放类软件,通常也是按照时间先后或点击次数来向用户推荐视频,稍好一些的软件,会根据用户的历史记录,推荐一些用户可能感兴趣的视频,但这并不足以满足用户的真实需求。
发明内容
本发明提供一种媒体数据推荐方法及服务器,根据用户需求推送媒体数据,提高用户体验。
为实现上述目的,本发明提供一种媒体数据推荐方法,其特点是,该方法包含:
媒体数据分类相应的兴趣特征向量;
达到预设条件的媒体数据加入其对应兴趣特征向量的内容池;
采集目标用户的兴趣特征向量,将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
上述媒体数据分类兴趣特征向量的方法包含:
生成兴趣特征向量;
媒体数据生成时,根据其内容将该媒体数据初步分类至相应的兴趣特征向量;
媒体数据播放时,判断其生成时分类的兴趣特征向量是否正确,若是则维持媒体数据所属的原兴趣特征向量;若否则提出兴趣特征向量更改申请,服务器处理更改申请,进行维持原兴趣特征向量、或更改兴趣特征向量、或隐藏兴趣特征向量。
上述兴趣特征向量的内容池加入媒体数据的方法包含:
每个兴趣特征向量建议独立的内容池;
当服务器统计媒体数据对应其初步分类的兴趣特征向量的权重达到预设的阈值,则将该媒体数据加入该兴趣特征向量的内容池。
上述媒体数据播放时,用户对该媒体数据初步分类的兴趣特征向量进行点赞,每个点赞增加该媒体数据对应其初步分类的兴趣特征向量的权重。
上述采集用户的兴趣特征向量包含:
获取目标用户的用户信息;
将兴趣特征向量初步投射至目标用户;
从数据库提取数据形成备选数据组;
根据从获取的目标用户的用户信息,对该用户信息中的用户行为进行评分,确定该目标用户的兴趣特征向量。
上述的用户信息包含:历史访问信息、点赞信息、投币信息、充电信息、发弹幕信息、评论信息、收藏信息、分享信息、移动终端观看信息、打开播放信息和循环播放信息。
上述目标用户进行媒体数据检索或浏览媒体数据时,服务器接收推荐内容获取指令,触发采集目标用户的兴趣特征向量,进行媒体数据推荐流程。
上述目标用户进行媒体数据检索时,服务器采集用户的检索信息,分析检索信息中的关键词,将该检索信息中关键词相匹配兴趣特征向量的内容池中的媒体数据反馈至用户。
上述媒体数据分类相应的兴趣特征向量时,给媒体数据添加兴趣特征向量的关键词及该关键词的同义词,作为目标用户检索时关键词域兴趣特征向量匹配的依据。
一种媒体数据推荐系统,其特点是,该系统包含:
分类模块,其将媒体数据分类相应的兴趣特征向量;
兴趣特征向量生成模块,其接收分类模块对媒体数据的兴趣特征向量分类,达到预设条件的媒体数据加入其对应兴趣特征向量的内容池;
用户分析模块,其分别并采集目标用户的兴趣特征向量;
推荐模块,其接收兴趣特征向量生成模块和用户分析模块对的输出,将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
本发明一种媒体数据推荐方法及系统和现有技术相比,其优点在于,本发明首先对媒体数据进行权重分析,建立内容池,根据用户的、点赞信息、投币信息、充电信息、发弹幕信息、评论信息、收藏信息、分享信息、移动终端观看信息、打开播放信息和循环播放信息,分析用户的兴趣特征,从而向用户推荐匹配的媒体数据,提高用户体验。
附图说明
图1为本发明一种媒体数据推荐方法的方法流程图。
具体实施方式
以下结合附图,进一步说明本发明的具体实施例。
如图1所示,为一种基于兴趣特征向量的媒体数据推荐方法,该方法具体包含以下步骤:
S1、媒体数据分类相应的兴趣特征向量(TAG)。这里媒体数据可以是视频。
S1.1、生成若干兴趣特征向量。
S1.2、服务器接收上传或编辑的新的媒体数据,新的媒体数据生成时,根据媒体数据的内容将该媒体数据初步分类至相应的兴趣特征向量。初步分类可以由上传者或编辑者选择,或由服务器选择。
内容贡献者或用户提交信息后,提示提交完毕,提交后交由管理员审核,审核通过与否都会受到官方私信通知。后续规划中,发明人会将此编辑内容作为站内内容的一个深度整理内涵。
S1.3、媒体数据播放时,由服务器或用户判断媒体数据生成时分类的兴趣特征向量是否正确,若是则维持媒体数据所属的原兴趣特征向量;若否则提出兴趣特征向量更改申请或举报,服务器处理更改申请,进行如下操作:维持原兴趣特征向量、或更改兴趣特征向量、或隐藏兴趣特征向量,并在处理完成后锁定该媒体数据的兴趣特征向量。通常内容上传者可根据实际情况,不让普通用户进行除了(举报以外)的操作。
进一步的,后台操作方面,需要管理员在兴趣特征向量的信息里填写对应的关键词及该关键词的同义词,作为目标用户检索时关键词域兴趣特征向量匹配的依据,并且使其他的同义词跳转就都会跳转到兴趣特征向量详情页面里,同义词特征向量的内容池将会归属于主兴趣特征向量,形成的关系为并集关系。
S2、达到预设条件的媒体数据加入其对应兴趣特征向量的内容池。
S2.1、每个兴趣特征向量建议独立的内容池。
内容池是一个特征向量里所包含的所有投稿的内容集合;每个兴趣特征向量都有其独立的内容池,一个视频可以隶属于多个内容池,不充分必要条件是它的稿件信息里要有相对应的兴趣特征向量。
S2.2、当服务器统计媒体数据对应其初步分类的兴趣特征向量的权重达到预设的阈值,则将该媒体数据加入该兴趣特征向量的内容池。
具体的,还可以对用户进行权限设置,普通用户可以添加特征向量,相应给予a量的权重。媒体数据播放时,用户对该媒体数据初步分类的兴趣特征向量进行点赞,每个点赞会增加该媒体数据对应其初步分类的兴趣特征向量的a量的权重,本实施例中,点赞一次将会加10的权重,稿件默认只能拥有10个特征向量。用户可以为兴趣特征向量增加一定量的权重,以增加其在内容池中的占比,占比达到一定阈值,具有该兴趣特征向量信标的所有媒体数据自动进入到相对应的兴趣特征向量的内容池。
S3、采集目标用户的兴趣特征向量,将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
S3.1、目标用户进行媒体数据检索或浏览媒体数据时,服务器接收推荐内容获取指令,触发采集目标用户的兴趣特征向量,进行媒体数据推荐流程。
其中目标用户进行媒体数据检索时,服务器采集用户的检索信息,分析检索信息中的关键词,该关键词用于与兴趣特征向量中提炼的关键词及其同义词匹配,并可以在确定匹配后将该兴趣特征向量的内容池中的媒体数据反馈至用户。
S3.2、采集用户的兴趣特征向量,具体包含:
S3.2.1、获取目标用户的用户信息。用户信息包含:历史访问信息、点赞信息、投币信息、充电信息、发弹幕信息、评论信息、收藏信息、分享信息、移动终端观看信息、打开播放信息和循环播放信息。
进一步的,相关性提供两种模式,有提供编辑内容的情况下,使用编辑后的方案,没有的话,直接提取用户的浏览习惯,即:追踪统一用户所看的多个特征向量取交集。
S3.2.2、将兴趣特征向量初步投射至目标用户。
S3.2.3、从数据库提取数据形成备选数据组。
S3.2.4、根据从获取的目标用户的用户信息,对该用户信息中的用户行为进行评分,确定该目标用户的兴趣特征向量。
S3.3、将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
兴趣特征向量的内容池在详情页中有三个不同的展示排序。按照最新动态,有产生用户活动的稿件按照时间排序,同首页一样可以刷新动态,提取10个即可,最新动态去除PGC区内容。
本发明还公开公开了一种媒体数据推荐系统,该系统包含:分类模块、连接分类模块的兴趣特征向量生成模块,用户分析模块,和连接用户分析模块和兴趣特征向量生成模块的推荐模块。
分类模块用于将媒体数据分类相应的兴趣特征向量。
兴趣特征向量生成模块用于接收分类模块对媒体数据的兴趣特征向量分类,达到预设条件的媒体数据加入其对应兴趣特征向量的内容池。
用户分析模块用于分别并采集目标用户的兴趣特征向量。
推荐模块用于接收兴趣特征向量生成模块和用户分析模块对的输出,将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种媒体数据推荐方法,其特征在于,该方法包含:
媒体数据分类相应的兴趣特征向量;
达到预设条件的媒体数据加入其对应兴趣特征向量的内容池;
采集目标用户的兴趣特征向量,将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
2.如权利要求1所述的媒体数据推荐方法,其特征在于,所述媒体数据分类兴趣特征向量的方法包含:
生成兴趣特征向量;
媒体数据生成时,根据其内容将该媒体数据初步分类至相应的兴趣特征向量;
媒体数据播放时,判断其生成时分类的兴趣特征向量是否正确,若是则维持媒体数据所属的原兴趣特征向量;若否则提出兴趣特征向量更改申请,服务器处理更改申请,进行维持原兴趣特征向量、或更改兴趣特征向量、或隐藏兴趣特征向量。
3.如权利要求1所述的媒体数据推荐方法,其特征在于,所述兴趣特征向量的内容池加入媒体数据的方法包含:
每个兴趣特征向量建议独立的内容池;
当服务器统计媒体数据对应其初步分类的兴趣特征向量的权重达到预设的阈值,则将该媒体数据加入该兴趣特征向量的内容池。
4.如权利要求3所述的媒体数据推荐方法,其特征在于,所述媒体数据播放时,用户对该媒体数据初步分类的兴趣特征向量进行点赞,每个点赞增加该媒体数据对应其初步分类的兴趣特征向量的权重。
5.如权利要求1所述的媒体数据推荐方法,其特征在于,所述采集用户的兴趣特征向量包含:
获取目标用户的用户信息;
将兴趣特征向量初步投射至目标用户;
从数据库提取数据形成备选数据组;
根据从获取的目标用户的用户信息,对该用户信息中的用户行为进行评分,确定该目标用户的兴趣特征向量。
6.如权利要求5所述的媒体数据推荐方法,其特征在于,所述的用户信息包含:历史访问信息、点赞信息、投币信息、充电信息、发弹幕信息、评论信息、收藏信息、分享信息、移动终端观看信息、打开播放信息和循环播放信息。
7.如权利要求1或5所述的媒体数据推荐方法,其特征在于,所述目标用户进行媒体数据检索或浏览媒体数据时,服务器接收推荐内容获取指令,触发采集目标用户的兴趣特征向量,进行媒体数据推荐流程。
8.如权利要求7所述的媒体数据推荐方法,其特征在于,所述目标用户进行媒体数据检索时,服务器采集用户的检索信息,分析检索信息中的关键词,将该检索信息中关键词相匹配兴趣特征向量的内容池中的媒体数据反馈至用户。
9.如权利要求8所述的媒体数据推荐方法,其特征在于,所述媒体数据分类相应的兴趣特征向量时,给媒体数据添加兴趣特征向量的关键词及该关键词的同义词,作为目标用户检索时关键词域兴趣特征向量匹配的依据。
10.一种媒体数据推荐系统,其特征在于,该系统包含:
分类模块,其将媒体数据分类相应的兴趣特征向量;
兴趣特征向量生成模块,其接收分类模块对媒体数据的兴趣特征向量分类,达到预设条件的媒体数据加入其对应兴趣特征向量的内容池;
用户分析模块,其分别并采集目标用户的兴趣特征向量;
推荐模块,其接收兴趣特征向量生成模块和用户分析模块对的输出,将与目标用户的兴趣特征向量相匹配的兴趣特征向量的内容池中的媒体数据推荐给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710049209.0A CN106844653A (zh) | 2017-01-20 | 2017-01-20 | 一种媒体数据推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710049209.0A CN106844653A (zh) | 2017-01-20 | 2017-01-20 | 一种媒体数据推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106844653A true CN106844653A (zh) | 2017-06-13 |
Family
ID=59119716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710049209.0A Pending CN106844653A (zh) | 2017-01-20 | 2017-01-20 | 一种媒体数据推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106844653A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679236A (zh) * | 2017-10-26 | 2018-02-09 | 北京麒麟合盛网络技术有限公司 | 一种热门内容池维护方法和装置 |
CN108540826A (zh) * | 2018-04-17 | 2018-09-14 | 京东方科技集团股份有限公司 | 弹幕推送方法、装置、电子设备及存储介质 |
CN111694971A (zh) * | 2020-06-10 | 2020-09-22 | 三星电子(中国)研发中心 | 一种内容的推荐方法和系统 |
CN114302187A (zh) * | 2021-12-10 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 一种媒体资源播放方法、装置、电子设备及存储介质 |
CN114924673A (zh) * | 2022-05-18 | 2022-08-19 | 咪咕文化科技有限公司 | 基于弹幕交互的媒体菜单推荐方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102648A (zh) * | 2013-04-07 | 2014-10-15 | 腾讯科技(深圳)有限公司 | 基于用户行为数据的兴趣推荐方法及装置 |
CN105868237A (zh) * | 2015-12-09 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 媒体数据推荐方法及服务器 |
CN106055661A (zh) * | 2016-06-02 | 2016-10-26 | 福州大学 | 基于多Markov链模型的多兴趣资源推荐方法 |
-
2017
- 2017-01-20 CN CN201710049209.0A patent/CN106844653A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102648A (zh) * | 2013-04-07 | 2014-10-15 | 腾讯科技(深圳)有限公司 | 基于用户行为数据的兴趣推荐方法及装置 |
CN105868237A (zh) * | 2015-12-09 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 媒体数据推荐方法及服务器 |
CN106055661A (zh) * | 2016-06-02 | 2016-10-26 | 福州大学 | 基于多Markov链模型的多兴趣资源推荐方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679236A (zh) * | 2017-10-26 | 2018-02-09 | 北京麒麟合盛网络技术有限公司 | 一种热门内容池维护方法和装置 |
CN107679236B (zh) * | 2017-10-26 | 2020-12-29 | 麒麟合盛网络技术股份有限公司 | 一种热门内容池维护方法和装置 |
CN108540826A (zh) * | 2018-04-17 | 2018-09-14 | 京东方科技集团股份有限公司 | 弹幕推送方法、装置、电子设备及存储介质 |
CN108540826B (zh) * | 2018-04-17 | 2021-01-26 | 京东方科技集团股份有限公司 | 弹幕推送方法、装置、电子设备及存储介质 |
US11381861B2 (en) | 2018-04-17 | 2022-07-05 | Boe Technology Group Co., Ltd. | Method and device for pushing a barrage, and electronic device |
CN111694971A (zh) * | 2020-06-10 | 2020-09-22 | 三星电子(中国)研发中心 | 一种内容的推荐方法和系统 |
CN114302187A (zh) * | 2021-12-10 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 一种媒体资源播放方法、装置、电子设备及存储介质 |
CN114302187B (zh) * | 2021-12-10 | 2024-04-16 | 北京达佳互联信息技术有限公司 | 一种媒体资源播放方法、装置、电子设备及存储介质 |
CN114924673A (zh) * | 2022-05-18 | 2022-08-19 | 咪咕文化科技有限公司 | 基于弹幕交互的媒体菜单推荐方法及装置 |
CN114924673B (zh) * | 2022-05-18 | 2024-07-16 | 咪咕文化科技有限公司 | 基于弹幕交互的媒体菜单推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844653A (zh) | 一种媒体数据推荐方法及系统 | |
US9706008B2 (en) | Method and system for efficient matching of user profiles with audience segments | |
US10255353B2 (en) | Individualized detailed program recommendations with active updating of viewer preferences | |
WO2017096832A1 (zh) | 媒体数据推荐方法及服务器 | |
CN101641697B (zh) | 对网页的相关搜索查询及其应用 | |
US20170091339A1 (en) | Method, apparatus and system of intelligent navigation | |
TWI636416B (zh) | 內容個人化之多相排序方法和系統 | |
Chen et al. | Sheepdog: group and tag recommendation for flickr photos by automatic search-based learning | |
JP5507154B2 (ja) | 社会的インデックス付けを用いて、トピックに基づいて広告ターゲットを拡大させるシステム及び方法 | |
CN104750856B (zh) | 一种多维协同推荐的系统与方法 | |
US9235626B2 (en) | Automatic generation of snippets based on context and user interest | |
US20150046445A1 (en) | Authority management for electronic searches | |
CN109034935A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN108629665A (zh) | 一种个性化商品推荐方法和系统 | |
US20070100824A1 (en) | Using popularity data for ranking | |
US20130036121A1 (en) | System and method for recommending blog | |
CN106326413A (zh) | 一种个性化视频推荐系统及方法 | |
CN103631835A (zh) | 兴趣点信息地图呈现系统及其方法 | |
CN103870454A (zh) | 数据推荐方法及系统 | |
CN101984423A (zh) | 一种热搜词生成方法及系统 | |
CN104391999A (zh) | 信息推荐方法和装置 | |
CN103970754A (zh) | 文章的自动选取方法及装置 | |
CN111506831A (zh) | 一种协同过滤的推荐模块、方法、电子设备及存储介质 | |
CN103383702A (zh) | 一种基于用户投票排名的个性化新闻推荐的方法及系统 | |
KR20090099439A (ko) | 멀티미디어 콘텐츠 정보에 포함된 메타 정보 기반 키워드광고 서비스 방법 및 그 서비스를 위한 시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
RJ01 | Rejection of invention patent application after publication |