CN107105322A - 一种多媒体智能推送机器人及推送方法 - Google Patents
一种多媒体智能推送机器人及推送方法 Download PDFInfo
- Publication number
- CN107105322A CN107105322A CN201710366511.9A CN201710366511A CN107105322A CN 107105322 A CN107105322 A CN 107105322A CN 201710366511 A CN201710366511 A CN 201710366511A CN 107105322 A CN107105322 A CN 107105322A
- Authority
- CN
- China
- Prior art keywords
- multimedia
- user
- interest
- pushing
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000006698 induction Effects 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000004321 preservation Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000005516 engineering process Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- H04N21/258—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
-
- 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
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及一种多媒体智能推送机器人及推送方法,其中推送机器人包括推送终端、数据服务器和控制服务器;其中,所述控制服务器,用于保存用户信息以及用户历史点播信息;所述数据服务器,用于储存本地多媒体文件和收集来自互联网的多媒体文件组成推送的多媒体;所述推送终端根据控制服务器保存的信息和数据服务器储存的多媒体数据对用户的兴趣建立兴趣模型并依据兴趣模型中兴趣指数对多媒体进行组合并将组合后的多媒体推送给用户、还用于根据用户的指令信息推送相应的多媒体,本发明可以实现根据用户的兴趣进行多媒体的推送,以及可以按照用户的要求主动推送或者被动推送多媒体内容。
Description
技术领域
本发明涉及多媒体推送领域,尤其涉及一种多媒体智能推送机器人及推送方法。
背景技术
随着科技的发展,以及智能移动终端的普及,通过智能移动终端播放多媒体的用户越来越多,但是目前大部分的智能终端均需要手动搜索进行播放,不能根据用户的兴趣主动推送相关的多媒体内容,以及也不能按照用户的要求主动推送或者被动推送多媒体内容。
例如:申请号为201410851773.0的中国发明专利申请,公开了一种实现多媒体推送的方法和装置,具体为:服务器端获取客户端上传的场景数据,所述场景包括运动场景、图片场景和声音场景中的至少一种;基于所述场景数据确定用户当前所处的场景分类;向所述客户端推送与所述场景分类相对应的多媒体资源。该技术能够智能地实现推送的多媒体资源与用户所处的场景相适应,满足用户的场景需求,提高用户体验,但是不能根据用户的兴趣主动推送相关的多媒体内容,以及也不能按照用户的要求主动推送或者被动推送多媒体内容。
又例如申请号为201410613917.9的中国发明专利,公开了待显示内容推送、订阅、更新方法及其相应的装置,具体包括:接收地址列表,其包含接入同一无线路由器的终端的物理地址;基于至少一个所述的物理地址定与该物理地址相关的待显示内容;将所述待显示内容推送至接入该无线路由器的至少一个终端中显示。还揭示了与推送方法相应的订阅、更新方法以及与各种方法相应的装置。实现了借助云端大数据技术,利用物理地址作为终端的识别特征,从而实现了全新的内容智能精准、个性化分享模式,开创了线下多媒体分享的新行为,克服了线下多媒体分享显示屏无目的、浪费时间,但是也没有解决本发明需要解决的技术问题。
发明内容
为了解决上述问题,提供一种多媒体智能推送机器人及推送方法,可以实现根据用户的兴趣进行多媒体的推送,以及可以按照用户的要求主动推送或者被动推送多媒体内容。
具体方案为:一种多媒体智能推送机器人,包括推送终端、数据服务器和控制服务器;其中,
所述控制服务器,用于保存用户信息以及用户历史点播信息;
所述数据服务器,用于储存本地多媒体文件和收集来自互联网的多媒体文件组成推送的多媒体;
所述推送终端根据控制服务器保存的信息和数据服务器储存的多媒体数据对用户的兴趣建立兴趣模型并依据兴趣模型中兴趣指数对多媒体进行组合并将组合后的多媒体推送给用户、还用于根据用户的指令信息推送相应的多媒体。
上述的推送机器人,其中,所述推送终端包括:人体感应模块、图像采集模块、语音识别模块、降噪处理模块、音视频输出模块和互联网连接模块,其中所述人体感应模块用于在感应范围内感应用户的位置信息并根据位置信息判断是否需要推送多媒体;所述图像采集模块用于对需要推送多媒体的用户进行人脸识别;所述语音识别模块用于用户的语音语义云端识别和语音指令的本地识别;所述降噪处理模块用于对用户的语音进行降噪;所述音视频输出模块基于上述的人体感应模块判断的结果、图像采集模块识别的结果及语音识别模块识别的结果来输出相应的多媒体;所述互联网连接模块用于互联网的接入。
上述的推送机器人,其中,所述人体感应模块为热红外人体感应模块,用于判断用户的位置信息并根据位置信息触发所述图像采集模块进行人脸识别;所述降噪处理模块为双MIC拾音去回声降噪处理模块;所述互联网连接模块为wifi模块或蓝牙模块。
上述的推送机器人,其中,所述推送终端建立兴趣模型的步骤包括:
假设数据服务器中多媒体分类为C={C1,C2,C3...,Cm},其中Ci为第i个多媒体分类,以及用户对多媒体分类Ci的兴趣度指数用Kci来表示;
由此,用户兴趣模型I可以表示为:
I=<uID,{(C1,Kc1);(C2,Kc2);(C3,Kc3)...(Cm,Kcm)}>, (1)
其中uID为注册用户唯一标识,
假设多媒体分类Ci所包含的媒体文件集用FCi={f1,f2,...,fm}来表示,则用户对某类多媒体分类Ci的兴趣模型表示为:
Kci=<cID,{(f1,kf1),(f2,kf2),...(fm,kfm),}>, (2)
其中cID为媒体分类唯一标识,
根据公式(1)和(2),用户兴趣指数的计算步骤为:
通过公式(1)计算用户对多媒体文件的兴趣,
基于上述用户对多媒体文件兴趣的结果通过公式(2)计算用户对多媒体文件中任一种媒体文件的兴趣。
上述的推送机器人,其中,所述推送终端依据兴趣模型中兴趣指数对多媒体进行组合并将组合后的多媒体推送给用户的步骤中,组合的方式为:基于用户兴趣模型数据的协同过滤算法来组合推送。
上述的推送机器人,其中,所述根据和该用户具有相近兴趣指数的其他用户的兴趣来组合推送的步骤中,根据余弦距离相似性算法选出用户前十个可能感兴趣的媒体内容进行推送。
本发明还提供了一种多媒体智能推送方法,包括以下步骤:
步骤(1):提供一智能推送机器人,其中智能推送机器人包括推送终端、数据服务器和控制服务器;
步骤(2):所述推送终端根据控制服务器保存的信息和数据服务器储存的多媒体数据,对用户的兴趣建立兴趣模型,并依据兴趣模型中兴趣指数对多媒体进行组合,同时将组合后的多媒体推送给用户;或所述推送终端根据用户的指令信息推送相应的多媒体。
上述的推送方法,其中,所述步骤(2)还包括:推送终端建立兴趣模型的步骤,具体包括:
假设数据服务器中多媒体分类为C={C1,C2,C3...,Cm},其中Ci为第i个多媒体分类,以及用户对多媒体分类Ci的兴趣指数用Kci来表示;由此,用户兴趣模型I可以表示为:
I=<uID,{(C1,Kc1);(C2,Kc2);(C3,Kc3)...(Cm,Kcm)}>, (1)
其中uID为注册用户唯一标识,
假设多媒体分类Ci所包含的媒体文件集用FCi={f1,f2,...,fm}来表示,则用户对某类多媒体分类Ci的兴趣模型表示为:
Kci=<cID,{(f1,kf1),(f2,kf2),...(fm,kfm),}>, (2)
其中cID为媒体分类唯一标识,
根据公式(1)和(2),用户兴趣指数的计算步骤为:
通过公式(1)计算用户对多媒体文件的兴趣,
基于上述用户对多媒体文件兴趣的结果通过公式(2)计算用户对多媒体文件中任一种媒体文件的兴趣。
上述的推送方法,其中,所述步骤(2)中:
根据用户的指令信息推送相应的多媒体的步骤具体包括:
根据用户的指令信息通过远端语音识别推送相应的多媒体内容或者根据用户的指令信息通过本地语音识别推送相应的多媒体内容。
上述的推送方法,其中,所述控制服务器保存的信息包括,用户的基本信息和用户的历史点播信息,其中用户的基本信息至少包括年龄、性别、职业;用户的历史点播信息至少包括相应时间段的点播记录和近期点播记录。
本发明的优点:1、可以根据用户对多媒体的兴趣指数,按照用户的兴趣指数选择性推送相关的媒体,可以实现精准推送及个性化推送;2、可以按照用户的指令信息主动推送媒体,也可以根据用户的指令信息进行相关媒体的推送。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明及其特征、外形和优点将会变得更明显。在全部附图中相同的标记指示相同的部分。并未刻意按照比例绘制附图,重点在于示出本发明的主旨。
图1为本发明中推送机器人的其中一种安装位置示意图。
图2为本发明中推送机器人的结构框图。
图3、图4分别为本发明中一种多媒体智能推送方法的两种不同实施方式的流程图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
为了彻底理解本发明,将在下列的描述中提出详细的步骤以及详细的结构,以便阐释本发明的技术方案。本发明的较佳实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
参照图1-图4所示,本发明提供的一种多媒体智能推送机器人,包括推送终端、数据服务器和控制服务器;其中,
控制服务器,用于保存用户信息以及用户历史点播信息,如个人基本信息、身份特征、兴趣爱好、以往这个时间段的点播记录、近期点播记录等;
数据服务器,用于储存本地多媒体文件和收集来自互联网的多媒体文件组成推送的多媒体,例如:压缩存放的多媒体文件和来自互联网的不断更新的多媒体文件链接进行分类和信息描述(如视频关键帧序列),还可以是当前市场点播热点、所在城市的点播热点等;
推送终端根据控制服务器保存的信息和数据服务器储存的多媒体数据对用户的兴趣建立兴趣模型并依据兴趣模型中兴趣指数对多媒体进行组合并将组合后的多媒体推送给用户、还用于根据用户的指令信息推送相应的多媒体,其中,对多媒体进行组合并将组合后的多媒体推送给用户的实现方式为:通过建模结合用户个人基本信息、身份特征、兴趣爱好、以往这个时间段的点播记录、近期点播记录,并结合基于大数据技术的当前市场点播热点、所在城市的点播热点等参数综合分析后,将用户可能感兴趣的内容进行兴趣优先级排列,进一步,将进行兴趣优先级排列的内容在大屏幕上方进行播放,同时将十个感兴趣内容编号并排显示在大屏幕下半部,并发出提示语音“小主人,请选择需要播放的编号”,当主人语音回答编号后,则播放相应编号内容,也就是通过建模将用户感兴趣的内容进行排序可以进行主动推送多媒体的内容;另外,还可以根据用户的指令信息被动推送相应的多媒体,例如,通过设置呼叫预设的唤醒词,如“小腾小腾”,当机器人识别到唤醒词后,停止主动推送模式的流程,切换到多媒体音视频内容被动点播模式,以及在该模式下,机器人会将唤醒词后面的内容发送到云端进行语音语义识别,根据识别处理结果下拉相应的音视频或语音对答内容进行播放,从而实现被动推送的效果;本发明通过用户的兴趣进行建模并根据用户对多媒体内容的兴趣指数进行主动推送多媒体的内容,以及可以根据用户的指令被动推送多媒体内容,可以实现对多媒体的精准推送。
本发明一优选而非限制性的实施例中,参照图2所示,推送终端包括:人体感应模块、图像采集模块、语音识别模块、降噪处理模块、音视频输出模块和互联网连接模块,其中人体感应模块用于在感应范围内感应用户的位置信息并根据位置信息判断是否需要推送多媒体,例如可以安装固定在客厅沙发正前方,从而可以对坐在前方沙发范围内的人进行感应;图像采集模块用于对需要推送多媒体的用户进行人脸识别,也就是说对坐在前方沙发范围内的人进行人脸识别;语音识别模块用于用户的语音语义云端识别和语音指令的本地识别,例如,机器人的语音识别功能分为云端识别和本地识别两种,跟在唤醒词,如“小腾小腾”后面的语音将被发送到云端进行语音语义识别并播放识别处理后返回的音视频或语音对答内容;而不带唤醒词的语音指令将会被本地语音指令识别模块快速识别后向机器人发起相应指令,如“关机、音量大点、下一个”等等;降噪处理模块用于对用户的语音进行降噪,从而能清晰接收到3米内的沙发上用户的声音;音视频输出模块基于上述的人体感应模块判断的结果、图像采集模块识别的结果及语音识别模块识别的结果来输出相应的多媒体,根据不同的用户进行个性化推送;互联网连接模块用于互联网的接入,进一步,还包括一控制各个模块的CPU主控平台。
本发明一优选而非限制性的实施例中,人体感应模块为热红外人体感应模块,用于判断用户的位置信息并根据位置信息触发所述图像采集模块进行人脸识别;降噪处理模块为双MIC拾音去回声降噪处理模块,机器人的双MIC拾音去回声降噪处理模块能清晰接收到3米内的沙发上主人的声音;互联网连接模块为wifi模块或蓝牙模块,优选为wifi模块,通过wifi模块实现各个模块之间的信号传递。
本发明一优选而非限制性的实施例中,推送终端建立兴趣模型的步骤包括:
假设数据服务器中多媒体分类为C={C1,C2,C3...,Cm},其中Ci为第i个多媒体分类,以及用户对多媒体分类Ci的兴趣度指数用Kci来表示;
由此,用户兴趣模型I可以表示为:
I=<uID,{(C1,Kc1);(C2,Kc2);(C3,Kc3)...(Cm,Kcm)}>, (1)
其中uID为注册用户唯一标识,根据不同的用户可以得到不同的用户兴趣模型;
假设多媒体分类Ci所包含的媒体文件集用FCi={f1,f2,...,fm}来表示,则用户对某类多媒体分类Ci的兴趣模型表示为:
Kci=<cID,{(f1,kf1),(f2,kf2),...(fm,kfm),}>, (2)
其中cID为媒体分类唯一标识,可以用于不同媒体的分类;
根据公式(1)和(2),用户兴趣指数的计算步骤为:
通过公式(1)计算用户对多媒体文件的兴趣,
基于上述用户对多媒体文件兴趣的结果通过公式(2)计算用户对多媒体文件中任一种媒体文件的兴趣。因此可以建立用户的兴趣模型,以及根据兴趣模型可以得到用户对某种媒体的兴趣指数,从而根据兴趣指数对用户进行多媒体主动推送,可以确保推送的准确性。
本发明一优选而非限制性的实施例中,推送终端依据兴趣模型中兴趣指数对多媒体进行组合并将组合后的多媒体推送给用户的步骤中,组合的方式为:基于用户兴趣模型数据的协同过滤算法来组合推送,具体算法为:利用公式3预测用户u对物品i的感兴趣程度。其中S(u,k)表示与用户u最接近的k个用户N(i)表示对物品i有过行为的用户集合。Wuv表示用户u和v的相似度,rvi表示用户v对物品i的感兴趣程度。
基于上述的原理,可以根据和该用户具有相近兴趣指数的其他用户的兴趣来组合推送、根据用户感兴趣的内容找出和它相近的内容组合推送、根据用户给出的关键字来组合推送中的至少一种方式来组合。
本发明一优选而非限制性的实施例中,根据和该用户具有相近兴趣指数的其他用户的兴趣来组合推送的步骤中,根据余弦距离相似性算法选出用户前十个可能感兴趣的媒体内容进行推送,具体算法为:先设定我们要比较X个体和Y个体间的差异,它们都包含了N个维的特征,即X=(x1,x2,x3,…xn),Y=(y1,y2,y3,…yn)。则根据公式
根据上述的公式4,公式4列举了两个维度的特征,以及还可以根据用户的基本信息(如年龄、性别、身份等)和兴趣模型数据基础上运用余弦距离相似性算法计算两个用户之间的相似度;然后根据相似度的计算找出与目标用户最相似的K个用户,在选出的这K个用户的兴趣模型数据和目标用户的兴趣模型数据基础上,按权重比计算并选出目标用户的前十个可能感兴趣的媒体内容进行推送。也就是说可以根据其他用户的兴趣指数与待推送用户的兴趣指数进行对比,筛选出兴趣指数相近的其他用户感兴趣的内容进行推送,其中其他用户感兴趣的内容,可以是其他用户已经点播过的内容,根据统计,通过本发明的方式进行推送,可以实现精准的推送。
参照图3、图4本发明还提供了一种多媒体智能推送方法,包括以下步骤:
步骤(1):提供一智能推送机器人,其中智能推送机器人包括推送终端、数据服务器和控制服务器,其中控制服务器,用于保存用户信息以及用户历史点播信息;数据服务器,用于储存本地多媒体文件和收集来自互联网的多媒体文件组成推送的多媒体;
步骤(2):推送终端根据控制服务器保存的信息和数据服务器储存的多媒体数据对用户的兴趣建立兴趣模型并依据兴趣模型中兴趣指数对多媒体进行组合并将组合后的多媒体推送给用户或根据用户的指令信息推送相应的多媒体。其中,推送终端建立兴趣模型的步骤,具体包括:
假设数据服务器中多媒体分类为C={C1,C2,C3...,Cm},其中Ci为第i个多媒体分类,
以及用户对多媒体分类Ci的兴趣度指数用Kci来表示;由此,用户兴趣模型I可以表示为:
I=<uID,{(C1,Kc1);(C2,Kc2);(C3,Kc3)...(Cm,Kcm)}>, (1)
其中uID为注册用户唯一标识,
假设多媒体分类Ci所包含的媒体文件集用FCi={f1,f2,...,fm}来表示,则用户对某类多媒体分类Ci的兴趣模型表示为:
Kci=<cID,{(f1,kf1),(f2,kf2),...(fm,kfm),}>, (2)
其中cID为媒体分类唯一标识,
根据公式(1)和(2),用户兴趣指数的计算步骤为:
通过公式(1)计算用户对多媒体文件的兴趣,
基于上述用户对多媒体文件兴趣的结果通过公式(2)计算用户对多媒体文件中任一种媒体文件的兴趣,本发明的方法通过对用户的兴趣进行建模并根据用户对多媒体内容的兴趣指数进行主动推送多媒体的内容,以及可以根据用户的指令被动推送多媒体内容,可以实现对多媒体的精准推送。
本发明一优选而非限制性的实施例中,根据用户的指令信息推送相应的多媒体的步骤具体包括:根据用户的指令信息通过远端语音识别推送相应的多媒体内容或者根据用户的指令信息通过本地语音识别推送相应的多媒体内容。例如,通过设置呼叫预设的唤醒词,如“小腾小腾”,当机器人识别到唤醒词后,停止主动推送模式的流程,切换到多媒体音视频内容被动点播模式,以及在该模式下,机器人会将唤醒词后面的内容发送到云端进行语音语义识别,根据识别处理结果下拉相应的音视频或语音对答内容进行播放。
本发明一优选而非限制性的实施例中,控制服务器保存的信息包括,用户的基本信息和用户的历史点播信息,其中用户的基本信息至少包括年龄、性别、职业身份特征、兴趣爱好等;用户的历史点播信息至少包括相应时间段的点播记录和近期点播记录,以及以往这个时间段的点播记录等。
以下提供本发明几种应用实施例。
实施例1
参照图1、图3所示,将多媒体智能推送机器人固定在客厅沙发正前方,并通过HDMI连接显示器和音箱,机器人的图像采集装置(摄像头)能对坐在前方沙发范围内的人进行人脸识别;机器人的双MIC拾音去回声降噪处理模块能清晰接收到3米内的沙发上主人的声音;机器人的热红外人体感应模块能感应到3米内即沙发上与机器人之间是否有人,当有人坐在沙发上时,机器人上的人体热红外传感器会被触发,启动人脸识别,识别到主人身份(如男主人或小主人)后,调取预设在机器人或服务器里的该主人的特征信息,如个人基本信息、身份特征、兴趣爱好、以往这个时间段的点播记录、近期点播记录,结合基于大数据技术的当前市场点播热点、所在城市的点播热点等参数综合分析后,将主人可能感兴趣的内容进行兴趣优先级排列,将最感兴趣的内容在大屏幕上方进行播放,同时将后十个感兴趣内容编号并排显示在大屏幕下半部,并发出提示语音“小主人,请选择需要播放的编号”,当主人语音回答编号后,则播放相应编号内容。如10秒后没有收到应答则默认全屏播放“最感兴趣”内容。在播放期间如接收并识别到“关机、音量大点、下一个、呼叫妈妈”等本地识别指令后则执行相应动作或启动相应APP。
在本实施例中建模的过程为:假设数据服务器中多媒体分类为C={C1,C2,C3...,Cm},其中Ci为第i个多媒体分类,
以及用户对多媒体分类Ci的兴趣度指数用Kci来表示;
由此,用户兴趣模型I可以表示为:
I=<uID,{(C1,Kc1);(C2,Kc2);(C3,Kc3)...(Cm,Kcm)}>, (1)
其中uID为注册用户唯一标识,
假设多媒体分类Ci所包含的媒体文件集用FCi={f1,f2,...,fm}来表示,则用户对某类多媒体分类Ci的兴趣模型表示为:
Kci=<cID,{(f1,kf1),(f2,kf2),...(fm,kfm),}>, (2)
其中cID为媒体分类唯一标识,
根据公式(1)和(2),用户兴趣指数的计算步骤为:
通过公式(1)计算用户对多媒体文件的兴趣,
基于上述用户对多媒体文件兴趣的结果通过公式(2)计算用户对多媒体文件中任一种媒体文件的兴趣,从而根据兴趣指数对感兴趣的多媒体进行推送,例如,根据和该用户具有相近兴趣指数的其他用户的兴趣来组合推送、根据用户感兴趣的内容找出和它相近的内容组合推送、根据用户给出的关键字来组合推送中的至少一种方式来组合,优选为根据用户感兴趣的内容找出和它相近的内容组合推送,从而可以实现根据客户的兴趣爱好进行主动推送多媒体的内容。
实施例2
参照图1、图4所示,将多媒体智能推送机器人固定在客厅沙发正前方,并通过HDMI连接显示器和音箱,通过设置呼叫预设的唤醒词,如“小腾小腾”,机器人识别到唤醒词后,停止主动推送模式的流程,切换到多媒体音视频内容被动点播模式。该模式下,机器人会将唤醒词后面的内容发送到云端进行语音语义识别,根据识别处理结果下拉相应的音视频或语音对答内容进行播放。如“小腾小腾,给我放一首儿歌”,则启动儿歌播放。本实施例可以按照用户的指令信息主动推送媒体。
以上对本发明的较佳实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种多媒体智能推送机器人,其特征在于,包括推送终端、数据服务器和控制服务器;其中,
所述控制服务器,用于保存用户信息以及用户历史点播信息;
所述数据服务器,用于储存本地多媒体文件和收集来自互联网的多媒体文件组成推送的多媒体;
所述推送终端根据控制服务器保存的信息和数据服务器储存的多媒体数据,对用户的兴趣建立兴趣模型,并依据兴趣模型中兴趣指数对多媒体进行组合,同时将组合后的多媒体推送给用户;或所述推送终端根据用户的指令信息推送相应的多媒体。
2.根据权利要求1所述的一种多媒体智能推送机器人,其特征在于,所述推送终端包括:人体感应模块、图像采集模块、语音识别模块、降噪处理模块、音视频输出模块和互联网连接模块,其中所述人体感应模块用于在感应范围内感应用户的位置信息并根据位置信息判断是否需要推送多媒体;所述图像采集模块用于对需要推送多媒体的用户进行人脸识别;所述语音识别模块用于用户的语音语义云端识别和语音指令的本地识别;所述降噪处理模块用于对用户的语音进行降噪;所述音视频输出模块基于上述的人体感应模块判断的结果、图像采集模块识别的结果及语音识别模块识别的结果来输出相应的多媒体;所述互联网连接模块用于互联网的接入。
3.根据权利要求2所述的一种多媒体智能推送机器人,其特征在于,所述人体感应模块为热红外人体感应模块,用于判断用户的位置信息并根据位置信息触发所述图像采集模块进行人脸识别;所述降噪处理模块为双MIC拾音去回声降噪处理模块;所述互联网连接模块为wifi模块或蓝牙模块。
4.根据权利要求1-3任一项所述的一种多媒体智能推送机器人,其特征在于,所述推送终端建立所述兴趣模型的步骤包括:
假设数据服务器中多媒体分类为C={C1,C2,C3...,Cm},其中Ci为第i个多媒体分类,以及用户对多媒体分类Ci的兴趣指数用Kci来表示;
由此,用户兴趣模型I可以表示为:
I=<uID,{(C1,Kc1);(C2,Kc2);(C3,Kc3)...(Cm,Kcm)}>, (1)
其中uID为注册用户唯一标识,
假设多媒体分类Ci所包含的媒体文件集用FCi={f1,f2,...,fm}来表示,则用户对某类多媒体分类Ci的兴趣模型表示为:
Kci=<cID,{(f1,kf1),(f2,kf2),...(fm,kfm),}>, (2)
其中cID为媒体分类唯一标识,
根据公式(1)和(2),用户兴趣指数的计算步骤为:
通过公式(1)计算用户对多媒体文件的兴趣,
基于上述用户对多媒体文件兴趣的结果通过公式(2)计算用户对多媒体文件中任一种媒体文件的兴趣。
5.根据权利要求4所述的一种多媒体智能推送机器人,其特征在于,所述推送终端依据模型中兴趣指数对多媒体进行组合并将组合后的多媒体推送给用户的步骤中,组合的方式为:基于用户兴趣模型数据的协同过滤算法来组合推送。
6.根据权利要求5所述的一种多媒体智能推送机器人,其特征在于,所述根据和该用户具有相近兴趣指数的其他用户的兴趣来组合推送的步骤中,根据余弦距离相似性算法选出用户前十个可能感兴趣的媒体内容进行推送。
7.一种多媒体智能推送方法,其特征在于,包括以下步骤:
步骤(1):提供一智能推送机器人,其中智能推送机器人包括推送终端、数据服务器和控制服务器;
步骤(2):所述推送终端根据控制服务器保存的信息和数据服务器储存的多媒体数据,对用户的兴趣建立兴趣模型,并依据兴趣模型中兴趣指数对多媒体进行组合,同时将组合后的多媒体推送给用户;或所述推送终端根据用户的指令信息推送相应的多媒体。
8.根据权利要求7所述的一种多媒体智能推送方法,其特征在于,所述步骤(2)还包括:推送终端建模的步骤,具体包括:
假设数据服务器中多媒体分类为C={C1,C2,C3...,Cm},其中Ci为第i个多媒体分类,以及用户对多媒体分类Ci的兴趣指数用Kci来表示;
由此,用户兴趣模型I可以表示为:
I=<uID,{(C1,Kc1);(C2,Kc2);(C3,Kc3)...(Cm,Kcm)}>,(1)
其中uID为注册用户唯一标识,
假设多媒体分类Ci所包含的媒体文件集用FCi={f1,f2,...,fm}来表示,则用户对某类多媒体分类Ci的兴趣模型表示为:
Kci=<cID,{(f1,kf1),(f2,kf2),...(fm,kfm),}>,(2)
其中cID为媒体分类唯一标识,
根据公式(1)和(2),用户兴趣指数的计算步骤为:
通过公式(1)计算用户对多媒体文件的兴趣,
基于上述用户对多媒体文件兴趣的结果通过公式(2)计算用户对多媒体文件中任一种媒体文件的兴趣。
9.根据权利要求8所述的一种多媒体智能推送方法,其特征在于,所述步骤(2)中:
根据用户的指令信息推送相应的多媒体的步骤具体包括:
根据用户的指令信息通过远端语音识别推送相应的多媒体内容,或者根据用户的指令信息通过本地语音识别推送相应的多媒体内容。
10.根据权利要求8所述的一种多媒体智能推送方法,其特征在于,所述控制服务器保存的信息包括,用户的基本信息和用户的历史点播信息,其中用户的基本信息至少包括年龄、性别、职业;用户的历史点播信息至少包括相应时间段的点播记录和近期点播记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710366511.9A CN107105322A (zh) | 2017-05-23 | 2017-05-23 | 一种多媒体智能推送机器人及推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710366511.9A CN107105322A (zh) | 2017-05-23 | 2017-05-23 | 一种多媒体智能推送机器人及推送方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107105322A true CN107105322A (zh) | 2017-08-29 |
Family
ID=59669867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710366511.9A Pending CN107105322A (zh) | 2017-05-23 | 2017-05-23 | 一种多媒体智能推送机器人及推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107105322A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728612A (zh) * | 2017-09-12 | 2018-02-23 | 安徽胜佳和电子科技有限公司 | 识别不同人群进行广告推送的方法、存储装置及移动终端 |
CN109243444A (zh) * | 2018-09-30 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 语音交互方法、设备及计算机可读存储介质 |
CN110162606A (zh) * | 2018-02-13 | 2019-08-23 | 国际商业机器公司 | 用于解决客户端服务请求的会话代理学习模型服务选择 |
CN110689454A (zh) * | 2019-09-25 | 2020-01-14 | 北京爱接力科技发展有限公司 | 一种家庭智能服务的实现方法、系统、存储介质及机器人 |
CN110704754A (zh) * | 2019-10-18 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种由用户终端执行的推送模型优化方法和装置 |
CN111464595A (zh) * | 2020-03-17 | 2020-07-28 | 云知声智能科技股份有限公司 | 一种云端配置个性化场景的方法及装置 |
EP3780550A4 (en) * | 2018-08-10 | 2021-06-30 | Gree Electric Appliances, Inc. of Zhuhai | SELECTIVE INFORMATION DISTRIBUTION PROCESS AND DEVICE |
CN113593559A (zh) * | 2021-07-29 | 2021-11-02 | 海信视像科技股份有限公司 | 一种内容显示方法、显示设备及服务器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201699888U (zh) * | 2010-06-24 | 2011-01-05 | 柯名会 | 人脸识别监控装置 |
JP2012098950A (ja) * | 2010-11-02 | 2012-05-24 | Nippon Telegr & Teleph Corp <Ntt> | 類似ユーザ抽出方法、類似ユーザ抽出装置、類似ユーザ抽出プログラム |
CN102609533A (zh) * | 2012-02-15 | 2012-07-25 | 中国科学技术大学 | 一种基于核方法的协同过滤推荐系统及方法 |
CN104572797A (zh) * | 2014-05-12 | 2015-04-29 | 深圳市智搜信息技术有限公司 | 基于主题模型的个性化服务推荐系统和方法 |
CN105263052A (zh) * | 2015-10-13 | 2016-01-20 | 微鲸科技有限公司 | 基于人脸识别技术的音视频推送方法及系统 |
CN106601232A (zh) * | 2017-01-04 | 2017-04-26 | 江西沃可视发展有限公司 | 一种基于语音识别的车载终端人机交互系统 |
CN106649884A (zh) * | 2017-01-11 | 2017-05-10 | 河南科技大学 | 一种基于用户情境分析的多媒体内容推荐方法 |
-
2017
- 2017-05-23 CN CN201710366511.9A patent/CN107105322A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201699888U (zh) * | 2010-06-24 | 2011-01-05 | 柯名会 | 人脸识别监控装置 |
JP2012098950A (ja) * | 2010-11-02 | 2012-05-24 | Nippon Telegr & Teleph Corp <Ntt> | 類似ユーザ抽出方法、類似ユーザ抽出装置、類似ユーザ抽出プログラム |
CN102609533A (zh) * | 2012-02-15 | 2012-07-25 | 中国科学技术大学 | 一种基于核方法的协同过滤推荐系统及方法 |
CN104572797A (zh) * | 2014-05-12 | 2015-04-29 | 深圳市智搜信息技术有限公司 | 基于主题模型的个性化服务推荐系统和方法 |
CN105263052A (zh) * | 2015-10-13 | 2016-01-20 | 微鲸科技有限公司 | 基于人脸识别技术的音视频推送方法及系统 |
CN106601232A (zh) * | 2017-01-04 | 2017-04-26 | 江西沃可视发展有限公司 | 一种基于语音识别的车载终端人机交互系统 |
CN106649884A (zh) * | 2017-01-11 | 2017-05-10 | 河南科技大学 | 一种基于用户情境分析的多媒体内容推荐方法 |
Non-Patent Citations (1)
Title |
---|
熊忠阳: "基于项目分类的协同过滤改进算法", 《计算机应用研究》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728612A (zh) * | 2017-09-12 | 2018-02-23 | 安徽胜佳和电子科技有限公司 | 识别不同人群进行广告推送的方法、存储装置及移动终端 |
CN110162606B (zh) * | 2018-02-13 | 2023-05-09 | 国际商业机器公司 | 用于解决客户端服务请求的会话代理学习模型服务选择 |
CN110162606A (zh) * | 2018-02-13 | 2019-08-23 | 国际商业机器公司 | 用于解决客户端服务请求的会话代理学习模型服务选择 |
EP3780550A4 (en) * | 2018-08-10 | 2021-06-30 | Gree Electric Appliances, Inc. of Zhuhai | SELECTIVE INFORMATION DISTRIBUTION PROCESS AND DEVICE |
US11282519B2 (en) | 2018-09-30 | 2022-03-22 | Baidu Online Network Technology (Beijing) Co., Ltd. | Voice interaction method, device and computer readable storage medium |
CN109243444B (zh) * | 2018-09-30 | 2021-06-01 | 百度在线网络技术(北京)有限公司 | 语音交互方法、设备及计算机可读存储介质 |
CN109243444A (zh) * | 2018-09-30 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 语音交互方法、设备及计算机可读存储介质 |
CN110689454A (zh) * | 2019-09-25 | 2020-01-14 | 北京爱接力科技发展有限公司 | 一种家庭智能服务的实现方法、系统、存储介质及机器人 |
CN110704754A (zh) * | 2019-10-18 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 一种由用户终端执行的推送模型优化方法和装置 |
CN110704754B (zh) * | 2019-10-18 | 2023-03-28 | 支付宝(杭州)信息技术有限公司 | 一种由用户终端执行的推送模型优化方法和装置 |
CN111464595A (zh) * | 2020-03-17 | 2020-07-28 | 云知声智能科技股份有限公司 | 一种云端配置个性化场景的方法及装置 |
CN111464595B (zh) * | 2020-03-17 | 2022-10-18 | 云知声智能科技股份有限公司 | 一种云端配置个性化场景的方法及装置 |
CN113593559A (zh) * | 2021-07-29 | 2021-11-02 | 海信视像科技股份有限公司 | 一种内容显示方法、显示设备及服务器 |
CN113593559B (zh) * | 2021-07-29 | 2024-05-17 | 海信视像科技股份有限公司 | 一种内容显示方法、显示设备及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107105322A (zh) | 一种多媒体智能推送机器人及推送方法 | |
US10853650B2 (en) | Information processing apparatus, information processing method, and program | |
CN108304441B (zh) | 网络资源推荐方法、装置、电子设备、服务器及存储介质 | |
CN106464939B (zh) | 播放音效的方法及装置 | |
US10599390B1 (en) | Methods and systems for providing multi-user recommendations | |
JP6773190B2 (ja) | 情報処理システム、制御方法、および記憶媒体 | |
US9454234B2 (en) | Instruction triggering method and device, user information acquisition method and system, terminal, and server | |
WO2021008538A1 (zh) | 语音交互方法及相关装置 | |
CN110140138A (zh) | 本地设备的内容数据的确定、传输和存储 | |
CN110110203A (zh) | 资源信息推送方法及服务器、资源信息展示方法及终端 | |
CN105934760A (zh) | 利用计算机视觉辅助的适应性图像搜索 | |
CN103207675A (zh) | 制作媒体节目集锦或扩充媒体节目 | |
CN106464758A (zh) | 利用用户信号来发起通信 | |
EP3095091A1 (en) | Method and apparatus of processing expression information in instant communication | |
CN105264560A (zh) | 基于社交图谱的推荐系统、设备和方法 | |
CN111241822A (zh) | 输入场景下情绪发现与疏导方法及装置 | |
WO2018003196A1 (ja) | 情報処理システム、記憶媒体、および情報処理方法 | |
CN105893771A (zh) | 一种信息服务方法和装置、一种用于信息服务的装置 | |
CN111739530A (zh) | 一种交互方法、装置、耳机和耳机收纳装置 | |
WO2017210644A1 (en) | System and method for a platform to identify and connect like-minded individuals based on interaction | |
CN110929176A (zh) | 一种信息推荐方法、装置及电子设备 | |
JP2019036191A (ja) | 判定装置、判定方法及び判定プログラム | |
CN107924545A (zh) | 信息处理系统和信息处理方法 | |
CN111739529A (zh) | 一种交互方法、装置、耳机和服务器 | |
JP2021026261A (ja) | 情報処理システム、方法およびプログラム |
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: 20170829 |
|
RJ01 | Rejection of invention patent application after publication |