CN106980662A - 基于海量跨屏收视行为数据的用户标签分类方法 - Google Patents

基于海量跨屏收视行为数据的用户标签分类方法 Download PDF

Info

Publication number
CN106980662A
CN106980662A CN201710168829.6A CN201710168829A CN106980662A CN 106980662 A CN106980662 A CN 106980662A CN 201710168829 A CN201710168829 A CN 201710168829A CN 106980662 A CN106980662 A CN 106980662A
Authority
CN
China
Prior art keywords
user
data
user tag
magnanimity
label
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
Application number
CN201710168829.6A
Other languages
English (en)
Inventor
李馥岑
糜万军
孙鑫
刘亚峰
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.)
Shanghai StarV Data Technology Co Ltd
Original Assignee
Shanghai StarV Data 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 Shanghai StarV Data Technology Co Ltd filed Critical Shanghai StarV Data Technology Co Ltd
Priority to CN201710168829.6A priority Critical patent/CN106980662A/zh
Publication of CN106980662A publication Critical patent/CN106980662A/zh
Pending legal-status Critical Current

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/686—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title or artist information, time, location or usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • 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
    • 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
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user 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)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Library & Information Science (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种基于海量跨屏收视行为数据的用户标签分类方法。该方法主要解决的是面对越来越灵活的双向新媒体业务，面对百万级，甚至千万级用户的海量收视行为数据，将采集到的用户收视行为数据进行HDFS分布式存储，经过ETL模块对数据进行提取、转换和加载之后，由符合传媒行业特点的优化组合算法将海量的用户收视行为数据融合内容标签进行高效的数据预处理，并最终形成用户标签，再通过WEB应用程序调用相关的用户标签，为广电网络运营商业务运营提供精准的数据支撑。

Description

基于海量跨屏收视行为数据的用户标签分类方法
技术领域：
本发明涉及传媒领域网络信息处理技术，特别涉及一种基于海量跨屏收视行为数据的用户标签分类方法。
背景技术：
随着广电网络公司后平移时代的到来，数字电视业务发展日益成熟，付费频道、时移回看、VOD点播、其他增值业务(股票、电视商城、游戏等)等多种双向互动新业务在不断的充实广电网络运营商的业务服务内容，广电网络运营商的发展重点逐渐从数字平台搭建、双向网络改造转向了更加多元化的业务经营和盈利模式。
随着用户群体的不断增大，粗放式的服务已不能满足广电网络运营商网内用户的精细化要求，如何了解用户，获取精准、个性化的用户标签，为业务经营和企业发展提供数据支撑，成为了运营商丞待解决的问题。
另一方面，现有的用户标签分类方法，主要是通过以抽样调查的形式，人工上门获取终端用户收视行为数据，后期分析后，为家庭用户提供用户标签，进而推及到总体用户，形成区域化的用户标签分类，该种方法存在统计口径不一致，干扰因素多、人工成本高等多种问题，不能真实呈现用户的收视偏好，影响了用户标签的标准化建立，难以为广电网络运营商业务运营提供精准的数据支撑。
发明内容：
有鉴于此，本发明提供了一种基于海量跨屏收视行为数据的用户标签分类方法。该方法主要解决的是面对越来越灵活的双向新媒体业务，面对百万级，甚至千万级用户的海量收视行为数据，将采集到的用户收视行为数据进行HDFS分布式存储，经过ETL模块对数据进行提取、转换和加载之后，由符合传媒行业特点的优化组合算法将海量的用户收视行为数据融合内容标签进行高效的数据预处理，并最终形成用户标签，再通过WEB应用程序调用相关的用户标签，为广电网络运营商业务运营提供精准的数据支撑。
本发明的具体技术方案如下：
基于海量跨屏收视行为数据的用户标签分类方法，包括以下步骤：
(1)设置终端数据采集模块、HDFS分布式存储模块、ETL模块、标签模块、WEB应用模块；
(2)终端数据采集模块用于采集用户在多媒体信息播放终端的收视行为数据，并将所采集的数据转发给HDFS分布式存储模块负责存储；
(3)HDFS分布式存储模块除了负责存储用户收视行为数据，还负责存储其他第三方系统异构数据；
(4)ETL模块负责从HDFS分布式存储模块对所存储的用户收视行为数据进行提取、转换和加载，并为标签模块提供基础元素数据；
(5)标签模块包括内容标签、用户属性、用户收视行为数据，算法处理模块，用户标签；
(6)WEB应用模块为终端内嵌的web应用程序，用于用户标签的可视化展示和下载。
上述方案中，所述多媒体信息播放终端包括DVB STB(数字电视机顶盒)、OTT(互联网机顶盒)、智能电视、手机、平板电脑。
上述方案中，所述其他第三方系统异构数据为PV、UV这些页面浏览数据。
上述方案中，所述标签模块中的内容标签由终端采集模块采集EPG(电子节目单)片单数据获得，内容标签定义了一级标签、标签维度、详细标签三大维度，为算法处理模块提供基于节目信息的标签数据；所述一级标签包含：剧集、电影、综艺、体育、动漫、纪实、生活、新闻、娱乐等；所述标签维度包含：地区、类型、状态、搜索热词、情感类型、时间、人群类别等；所述详细标签包含：大陆、香港、台湾、韩国、美国、英国、泰国、新加坡、古装、武侠、警匪、军事、神话、科幻、搞笑、偶像、悬疑、历史、儿童、农村、都市、家庭、言情、时装、更新中、全集、近期上映、仅预告、搞笑、感动、平静、轻松、温馨、感情纠葛、紧张、温暖、好奇、沉重、纠结、放松、搞笑、轻松、严肃、暖心、新奇、平淡、刺激、励志、激动、开心、感恩、过瘾、有文化、不好看、无聊、奋斗、好听、糊弄人、热血、悲愤、矫情、2016、2015、2014、2013、2012、2011、2010、00年代、90年代、80年代、70年代、更早、女性、男性、老人、儿童、全家、青年、中年等。
上述方案中，所述标签模块中的用户属性定义了标签对象的主体，用户属性基本元素据包含用户编号、数字电视机顶盒MAC地址、所属区域这些信息。
上述方案中，所述标签模块中的用户收视行为数据通过终端采集模块获取的终端设备收视行为数据，通过分析用户收视行为数据，获取用户收视时长、收视次数、收视频次这些数据，为算法处理模块提供计算基础。
上述方案中，所述标签模块中的算法处理模块通过计算用户一定周期内(如一周)的收视行为数据，获取用户收视节目类型的不同占比，并形成用户标签TOP排序，结合时间衰减因子等算法每周对用户标签进行修正，并按季度进行更新，因为用户的收视偏好有一定的延续性，通常情况下，只需要按季度进行用户标签的更新即可。
上述方案中，所述标签模块中的用户标签定义了用户的收视偏好；该用户标签所有基础元数据来自于机器的自动采集和处理，采集标准规范，全程无人工干预，是一种标准化的用户标签分类体系；用户标签包含：体育竞技、电影、综艺娱乐、生活服务、少儿动漫、科教、电视栏目、新闻节目、纪录片、金融财经、电视剧、其他等。
通过上述本发明所述方法可使广电网络运营商利用现有的双向网络通道获取到的海量用户行为数据，快速有效的得到真实的、准确的用户收视偏好和用户标签，为运营商提供运营决策依据。同时在资源利用率上，较现有的抽样调查技术可节省大量的硬件设备资源及人员成本。
附图说明：
以下结合附图和具体实施方式来进一步说明本发明。
图1为本发明所述基于海量跨屏收视行为数据的用户标签分类方法的步骤框图。
具体实施方式：
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
如图1所示，本发明所述的基于海量跨屏收视行为数据的用户标签分类方法，首先是设置终端数据采集模块、HDFS分布式存储模块、ETL模块、标签模块、WEB应用模块；其次，终端数据采集模块用于采集用户在多媒体信息播放终端(包括DVB STB(数字电视机顶盒)、OTT(互联网机顶盒)、智能电视、手机、平板电脑等)的收视行为数据，并将所采集的数据转发给HDFS分布式存储模块负责存储；HDFS分布式存储模块除了负责存储用户收视行为数据，还负责存储其他第三方系统异构数据(PV、UV这些页面浏览数据)；ETL模块负责从HDFS分布式存储模块对所存储的用户收视行为数据进行提取、转换和加载，并为标签模块提供基础元素数据；标签模块包括内容标签、用户属性、用户收视行为数据，算法处理模块，用户标签；WEB应用模块为终端内嵌的web应用程序，用于用户标签的可视化展示和下载。
需要指出的是标签模块中的内容标签由终端采集模块采集EPG(电子节目单)片单数据获得，内容标签定义了一级标签、标签维度、详细标签三大维度，为算法处理模块提供基于节目信息的标签数据；一级标签包含：剧集、电影、综艺、体育、动漫、纪实、生活、新闻、娱乐等；标签维度包含：地区、类型、状态、搜索热词、情感类型、时间、人群类别等；详细标签包含：大陆、香港、台湾、韩国、美国、英国、泰国、新加坡、古装、武侠、警匪、军事、神话、科幻、搞笑、偶像、悬疑、历史、儿童、农村、都市、家庭、言情、时装、更新中、全集、近期上映、仅预告、搞笑、感动、平静、轻松、温馨、感情纠葛、紧张、温暖、好奇、沉重、纠结、放松、搞笑、轻松、严肃、暖心、新奇、平淡、刺激、励志、激动、开心、感恩、过瘾、有文化、不好看、无聊、奋斗、好听、糊弄人、热血、悲愤、矫情、2016、2015、2014、2013、2012、2011、2010、00年代、90年代、80年代、70年代、更早、女性、男性、老人、儿童、全家、青年、中年等。
标签模块中的用户属性定义了标签对象的主体，用户属性基本元素据包含用户编号、数字电视机顶盒MAC地址、所属区域这些信息。
标签模块中的用户收视行为数据通过终端采集模块获取的终端设备收视行为数据，通过分析用户收视行为数据，获取用户收视时长、收视次数、收视频次这些数据，为算法处理模块提供计算基础。
标签模块中的算法处理模块通过计算用户一定周期内(如一周)的收视行为数据，获取用户收视节目类型的不同占比，并形成用户标签TOP排序，结合时间衰减因子等算法每周对用户标签进行修正，并按季度进行更新，因为用户的收视偏好有一定的延续性，通常情况下，只需要按季度进行用户标签的更新即可。
标签模块中的用户标签定义了用户的收视偏好；该用户标签所有基础元数据来自于机器的自动采集和处理，采集标准规范，全程无人工干预，是一种标准化的用户标签分类体系；用户标签包含：体育竞技、电影、综艺娱乐、生活服务、少儿动漫、科教、电视栏目、新闻节目、纪录片、金融财经、电视剧、其他等。
由于上述方法中采用了优化组合的算法包及数据模型进行海量的数据预处理操作，每次的用户标签的处理，只需要从经过数据预处理的数据中提取相关数据参与实时运算，不需要从完整的原始海量行为数据中进行查询和运算，分析运算效率由现有技术所需的几个小时，十几个小时的漫长等待时间，提升为秒级，甚至毫秒级的实时响应，大大提高了数据运算效率，同时整个数据运算过程完全采用机器自学习算法，只需要普通的PC服务器资源即可完成，大大节省了人力资源投入和硬件服务器资源的投入。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (8)

1.基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，包括以下步骤：
(1)设置终端数据采集模块、HDFS分布式存储模块、ETL模块、标签模块、WEB应用模块；
(2)终端数据采集模块用于采集用户在多媒体信息播放终端的收视行为数据，并将所采集的数据转发给HDFS分布式存储模块负责存储；
(3)HDFS分布式存储模块除了负责存储用户收视行为数据，还负责存储其他第三方系统异构数据；
(4)ETL模块负责从HDFS分布式存储模块对所存储的用户收视行为数据进行提取、转换和加载，并为标签模块提供基础元素数据；
(5)标签模块包括内容标签、用户属性、用户收视行为数据，算法处理模块，用户标签；
(6)WEB应用模块为终端内嵌的web应用程序，用于用户标签的可视化展示和下载。
2.根据权利要求1的基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，所述多媒体信息播放终端包括DVB STB、OTT、智能电视、手机、平板电脑。
3.根据权利要求1的基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，所述其他第三方系统异构数据为PV、UV这些页面浏览数据。
4.根据权利要求1的基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，所述标签模块中的内容标签由终端采集模块采集EPG片单数据获得，内容标签定义了一级标签、标签维度、详细标签三大维度，为算法处理模块提供基于节目信息的标签数据；所述一级标签包含：剧集、电影、综艺、体育、动漫、纪实、生活、新闻、娱乐；所述标签维度包含：地区、类型、状态、搜索热词、情感类型、时间、人群类别；所述详细标签包含：大陆、香港、台湾、韩国、美国、英国、泰国、新加坡、古装、武侠、警匪、军事、神话、科幻、搞笑、偶像、悬疑、历史、儿童、农村、都市、家庭、言情、时装、更新中、全集、近期上映、仅预告、搞笑、感动、平静、轻松、温馨、感情纠葛、紧张、温暖、好奇、沉重、纠结、放松、搞笑、轻松、严肃、暖心、新奇、平淡、刺激、励志、激动、开心、感恩、过瘾、有文化、不好看、无聊、奋斗、好听、糊弄人、热血、悲愤、矫情、2016、2015、2014、2013、2012、2011、2010、00年代、90年代、80年代、70年代、更早、女性、男性、老人、儿童、全家、青年、中年。
5.根据权利要求1的基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，所述标签模块中的用户属性定义了标签对象的主体，用户属性基本元素据包含用户编号、数字电视机顶盒MAC地址、所属区域这些信息。
6.根据权利要求1的基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，所述标签模块中的用户收视行为数据通过终端采集模块获取的终端设备收视行为数据，通过分析用户收视行为数据，获取用户收视时长、收视次数、收视频次这些数据，为算法处理模块提供计算基础。
7.根据权利要求1的基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，所述标签模块中的算法处理模块通过计算用户一定周期内的收视行为数据，获取用户收视节目类型的不同占比，并形成用户标签TOP排序，结合时间衰减因子算法每周对用户标签进行修正，并按季度进行更新，因为用户的收视偏好有一定的延续性，通常情况下，只需要按季度进行用户标签的更新即可。
8.根据权利要求1的基于海量跨屏收视行为数据的用户标签分类方法，其特征在于，所述标签模块中的用户标签定义了用户的收视偏好；该用户标签所有基础元数据来自于机器的自动采集和处理，采集标准规范，全程无人工干预，是一种标准化的用户标签分类体系；用户标签包含：体育竞技、电影、综艺娱乐、生活服务、少儿动漫、科教、电视栏目、新闻节目、纪录片、金融财经、电视剧、其他。
CN201710168829.6A 2017-03-21 2017-03-21 基于海量跨屏收视行为数据的用户标签分类方法 Pending CN106980662A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710168829.6A CN106980662A (zh) 2017-03-21 2017-03-21 基于海量跨屏收视行为数据的用户标签分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710168829.6A CN106980662A (zh) 2017-03-21 2017-03-21 基于海量跨屏收视行为数据的用户标签分类方法

Publications (1)

Publication Number Publication Date
CN106980662A true CN106980662A (zh) 2017-07-25

Family

ID=59339794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710168829.6A Pending CN106980662A (zh) 2017-03-21 2017-03-21 基于海量跨屏收视行为数据的用户标签分类方法

Country Status (1)

Country Link
CN (1) CN106980662A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391752A (zh) * 2017-08-16 2017-11-24 四川长虹电器股份有限公司 一种基于hadoop平台构建用户标签信息的方法
CN109033167A (zh) * 2018-06-20 2018-12-18 新华网股份有限公司 电影分类方法和系统
CN109446206A (zh) * 2017-08-29 2019-03-08 合肥美的智能科技有限公司 用户饮食数据更新方法及更新系统
CN110312149A (zh) * 2018-03-20 2019-10-08 国家新闻出版广电总局广播电视规划院 一种用于收视数据处理的方法、装置及系统以及数据处理设备
CN110636343A (zh) * 2018-06-22 2019-12-31 上海淘播播电子商务有限公司 一种基于新媒体多源跨屏数据收视指标的计算方法
CN110753248A (zh) * 2019-10-18 2020-02-04 重庆空间视创科技有限公司 一种用于iptv用户端数据收集系统及方法
CN110753247A (zh) * 2019-10-18 2020-02-04 重庆空间视创科技有限公司 一种信息推送策略生成系统及方法
CN113486198A (zh) * 2021-07-06 2021-10-08 中山亿联智能科技有限公司 自动识别记录网络播放器mac地址的系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544212A (zh) * 2013-09-09 2014-01-29 Tcl集团股份有限公司 一种内容推荐方法及系统
CN103886047A (zh) * 2014-03-12 2014-06-25 浙江大学 面向流式数据的分布式在线推荐方法
CN104079996A (zh) * 2014-06-30 2014-10-01 北京酷云互动科技有限公司 电视节目推送方法和设备
CN105302831A (zh) * 2014-07-18 2016-02-03 上海星红桉数据科技有限公司 基于海量用户行为数据的高速计算分析方法
CN106339502A (zh) * 2016-09-18 2017-01-18 电子科技大学 一种基于用户行为数据分片聚类的建模推荐方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544212A (zh) * 2013-09-09 2014-01-29 Tcl集团股份有限公司 一种内容推荐方法及系统
CN103886047A (zh) * 2014-03-12 2014-06-25 浙江大学 面向流式数据的分布式在线推荐方法
CN104079996A (zh) * 2014-06-30 2014-10-01 北京酷云互动科技有限公司 电视节目推送方法和设备
CN105302831A (zh) * 2014-07-18 2016-02-03 上海星红桉数据科技有限公司 基于海量用户行为数据的高速计算分析方法
CN106339502A (zh) * 2016-09-18 2017-01-18 电子科技大学 一种基于用户行为数据分片聚类的建模推荐方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391752A (zh) * 2017-08-16 2017-11-24 四川长虹电器股份有限公司 一种基于hadoop平台构建用户标签信息的方法
CN109446206A (zh) * 2017-08-29 2019-03-08 合肥美的智能科技有限公司 用户饮食数据更新方法及更新系统
CN110312149A (zh) * 2018-03-20 2019-10-08 国家新闻出版广电总局广播电视规划院 一种用于收视数据处理的方法、装置及系统以及数据处理设备
CN110312149B (zh) * 2018-03-20 2021-08-17 国家广播电视总局广播电视规划院 一种用于收视数据处理的方法、装置及系统以及数据处理设备
CN109033167A (zh) * 2018-06-20 2018-12-18 新华网股份有限公司 电影分类方法和系统
CN109033167B (zh) * 2018-06-20 2021-05-28 新华网股份有限公司 电影分类方法和系统
CN110636343A (zh) * 2018-06-22 2019-12-31 上海淘播播电子商务有限公司 一种基于新媒体多源跨屏数据收视指标的计算方法
CN110753248A (zh) * 2019-10-18 2020-02-04 重庆空间视创科技有限公司 一种用于iptv用户端数据收集系统及方法
CN110753247A (zh) * 2019-10-18 2020-02-04 重庆空间视创科技有限公司 一种信息推送策略生成系统及方法
CN110753247B (zh) * 2019-10-18 2021-11-09 重庆空间视创科技有限公司 一种信息推送策略生成系统及方法
CN113486198A (zh) * 2021-07-06 2021-10-08 中山亿联智能科技有限公司 自动识别记录网络播放器mac地址的系统及方法

Similar Documents

Publication Publication Date Title
CN106980662A (zh) 基于海量跨屏收视行为数据的用户标签分类方法
CN106980663A (zh) 基于海量跨屏行为数据的用户画像方法
CN106851349A (zh) 基于海量跨屏收视行为数据的直播推荐方法
CN103620639B (zh) 多轮播件的选择性数字服务信息源
CN107295361B (zh) 一种内容推送方法
CN105989074B (zh) 一种通过移动设备信息进行推荐冷启动的方法和装置
US20150331856A1 (en) Time-based content aggregator
CN103747343B (zh) 资源分时段推荐的方法和装置
US20100158470A1 (en) Identification of segments within audio, video, and multimedia items
CN105847985A (zh) 一种视频推荐方法及装置
CN101217640B (zh) 一种p2p视频点播中实现节目收藏的方法和设备
CN101141607A (zh) 可用于iptv的互动关联方法及其实现系统
CN104486649B (zh) 视频内容评级方法及装置
CN106326391A (zh) 多媒体资源推荐方法及装置
CN108235141A (zh) 直播视频转碎片化点播的方法、装置、服务器和存储介质
CN103369408B (zh) 用于使用用户反馈的内容频道的方法
CN102780920A (zh) 电视节目推荐方法及系统
KR101728099B1 (ko) 시나리오 기반 결합형 스토리 컨텐츠를 이용한 전자상거래용 상품 정보 제공 장치
CN103885951A (zh) 一种图文信息的投放、生成方法及装置
CN107925788A (zh) 基于数据结构化的直观的视频内容再生成方法及其用户界面装置
Stavros et al. A mediasport typology for transformative relationships: enlargement, enhancement, connection and engagement beyond COVID-19
CN109511015A (zh) 多媒体资源推荐方法、装置、存储介质及设备
Zhao Analysis of TikTok’s success based on its algorithm mechanism
CN108475283A (zh) 用于搜索多个视频流的文本文摘生成
CN108476344A (zh) 联网媒体设备的内容选择

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: 20170725

RJ01 Rejection of invention patent application after publication