CN109040795B - 一种视频推荐方法及系统 - Google Patents

一种视频推荐方法及系统 Download PDF

Info

Publication number
CN109040795B
CN109040795B CN201810855206.0A CN201810855206A CN109040795B CN 109040795 B CN109040795 B CN 109040795B CN 201810855206 A CN201810855206 A CN 201810855206A CN 109040795 B CN109040795 B CN 109040795B
Authority
CN
China
Prior art keywords
type
video
ratio coefficient
watching
video type
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.)
Active
Application number
CN201810855206.0A
Other languages
English (en)
Other versions
CN109040795A (zh
Inventor
王恒生
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.)
Fujian Radio And Television Network Group Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810855206.0A priority Critical patent/CN109040795B/zh
Publication of CN109040795A publication Critical patent/CN109040795A/zh
Application granted granted Critical
Publication of CN109040795B publication Critical patent/CN109040795B/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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
    • 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
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related 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
    • H04N21/4508—Management of client data or end-user 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
    • H04N21/4668—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)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明公开了一种视频推荐方法，所述方法包括：在一统计周期内，统计每一类视频类型对应的观看时长和观看次数；计算所有视频类型的观看总时长和观看总次数；得出每一类视频类型的观看比系数；根据所述每一类视频类型的观看比系数，推荐视频类型，基于用户的观看视频的行为习惯进行视频推荐，给用户带来更好的体验。

Description

一种视频推荐方法及系统
技术领域
本发明属于视频技术领域，特别涉及一种视频推荐方法及系统。
背景技术
互联网视频的日益丰富，部分用户面临着如何找到自己喜欢的内容的难题。当用户在线观看视频时，会看到视频推荐这一栏，但是推荐的视频并不一定是用户想看到的或者不感兴趣的，因而降低了用户的使用体验。这些视频推荐方法大部分是基于节目标签、内容等不同纬度的推荐方法。这些方法忽略了人的主观性，推荐出的内容可能并不是用户喜欢和希望观看的。
因此，如何从用户的角度和行为习惯考虑，进行视频推荐，成为亟待解决的问题。
发明内容
鉴于此，本发明的目的在于提供一种视频推荐方法及系统，基于用户的观看视频的行为习惯进行视频推荐，给用户带来更好的体验。
根据上述发明目的，本发明提供一种视频推荐方法，所述方法包括：
S1、在一统计周期内，统计每一类视频类型对应的观看时长和观看次数；
S2、计算所有视频类型的观看总时长和观看总次数；
S3、得出每一类视频类型的观看比系数；
S4、根据所述每一类视频类型的观看比系数，推荐视频类型。
优选地，所述步骤S1包括：
获取用户的视频播放记录；
根据获取的用户视频播放记录，获取观看的视频类型，并记录每一类视频类型对应的观看时长；
在一统计周期内，统计每一类视频类型对应的观看时长和观看次数。
优选地，所述步骤S2包括：
将所述每一类视频类型对应的观看时长，进行累加，得到所有视频类型的观看总时长；
将所述每一类视频类型对应的观看次数，进行累加，得到所有视频类型的观看总次数。
优选地，所述步骤S3包括：
所述每一类视频类型的观看比系数基于如下算式得出；
每一类视频类型的观看比系数＝[α1×（d/D）+β1×（n/N）]/（α1+β1）；
其中，α1为观看时长权重，β1为观看次数权重，α1>β1;
d为每一类视频类型的观看时长；
D为所有视频类型的观看总时长；
n为每一类视频类型对应的观看次数；
N为所有视频类型的观看总次数。
优选地，所述步骤S4包括：
将所述每一类视频类型的观看比系数依次从大到小进行排序，并按照所述排序，推荐视频类型。
优选地，所述方法还包括：
获取每一类视频类型的最近一次的观看时长；
计算所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离；
计算每一类视频类型的最近一次的观看比系数。
优选地，所述计算每一类视频类型的最近一次的观看比系数的步骤包括：
所述每一类视频类型的最近一次的观看比系数基于如下算式得到；
所述每一类视频类型的最近一次的观看比系数
＝(c/m-Min)/(Max-Min)；
其中，
c为每一类视频类型的最近一次的观看时长；
m为所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离；
获取所有视频类型中对应的c/m值，在所述所有的c/m值中，取最小值为Min，取最大值为Max。
优选地，所述方法还包括：
根据所述每一类视频类型的观看比系数，以及所述每一类视频类型的最近一次的观看比系数，得出所述每一类视频类型的总观看比系数；
根据所述每一类视频类型的总观看比系数，推荐视频类型。
优选地，所述得出所述每一类视频类型的总观看比系数的步骤包括：
所述每一类视频类型的总观看比系数基于下面算式得出；
每一类视频类型的总观看比系数＝
[α2×所述每一类视频类型的观看系数比+β2×所述每一类视频类型的最近一次的观看比系数]/（α2+β2）；
其中，
α2为所述每一类视频类型的观看系数比对应的权重；
β2为所述每一类视频类型的最近一次的观看比系数对应的权重，α2<β2。
根据上述发明目的，本发明提供一种视频推荐系统，所述系统包括：
记录模块，用于在一统计周期内，统计每一视频类型对应的观看时长和观看次数；
统计模块，用于计算所有视频类型的观看总时长和观看总次数；
计算模块，用于得出每一类视频类型的观看比系数；
推荐模块，用于根据所述每一类视频类型的观看比系数，推荐视频类型。
与现有技术相比，本发明提供的视频推荐方法及系统，具有以下有益效果：统计用户观看视频的类型、时长以及次数等，并从多个维度进行分析和计算，更准确地判断用户观看视频的行为习惯，可以准确地根据用户行为习惯向用户推荐视频，提升了用户的使用体验。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种视频推荐方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种视频推荐方法的流程图；
图2是本发明一种视频推荐系统的组成结构图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
如图1所示，本发明的一个实施例，一种视频推荐方法，所述方法包括：
S1、在一统计周期内，统计每一类视频类型对应的观看时长和观看次数；
S2、计算所有视频类型的观看总时长和观看总次数；
S3、得出每一类视频类型的观看比系数；
S4、根据所述每一类视频类型的观看比系数，推荐视频类型。
在一统计周期内，统计每一类视频类型对应的观看时长和观看次数。比如，统计周期为一个月。具体地，获取用户的视频播放记录。根据获取的用户视频播放记录，获取用户观看的视频类型，并记录每一类视频类型对应的观看时长。在一统计周期内，统计每一类视频类型对应的观看时长和观看次数。比如，像影视类的视频，可以分为科幻片、爱情片、武侠片、动漫片等多种视频类型。比如，以统计周期为一个月为例，在这一月内，统计用户观看科幻片的视频类型的时长为10小时，次数为10次；统计用户观看武侠片的视频类型的时长为20小时，次数为20次。
计算所有视频类型的观看总时长和观看总次数。在所述统计周期内，计算所有视频类型的观看总时长和观看总次数。具体地，将所述每一类视频类型对应的观看时长，进行累加，得到所有视频类型的观看总时长。将所述每一视频类型对应的观看次数，进行累加，得到所有视频类型的观看总次数。
根据所述步骤S1的统计结果和步骤S2的计算结果，得出每一类视频类型的观看比系数。本发明的一具体实施例，所述每一类视频类型的观看比系数基于如下算式得出：
每一类视频类型的观看比系数＝[α1×（d/D）+β1×（n/N）]/（α1+β1）；
其中，α1为观看时长权重，β1为观看次数权重，α1>β1;
d为每一类视频类型的观看时长；
D为所有视频类型的观看总时长；
n为每一类视频类型对应的观看次数；
N为所有视频类型的观看总次数。
根据所述每一类视频类型的观看比系数，推荐视频类型。具体地，将所述每一类视频类型的观看比系数依次从大到小进行排序，并按照所述排序，推荐视频类型。比如，观看比系数最大的对应的视频类型，是在所述统计周期内用户比较喜欢看的视频类型，可以将该视频类型的视频内容优先推荐给用户。
本发明的一具体实施例，为了更精确地给用户推荐视频内容，所述方法还包括：获取每一类视频类型的最近一次的观看时长，计算所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离，计算每一类视频类型的最近一次的观看比系数。所述每一类视频类型的最近一次的观看比系数基于如下算式得到：
所述每一类视频类型的最近一次的观看比系数
＝(c/m-Min)/(Max-Min)；
其中，
c为每一类视频类型的最近一次的观看时长；
m为所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离；
获取所有视频类型中对应的c/m值，在所述所有的c/m值中，取最小值为Min，取最大值为Max。
本发明的一具体实施例，根据所述每一类视频类型的观看比系数，以及所述每一类视频类型的最近一次的观看比系数，得出所述每一类视频类型的总观看比系数；根据所述每一类视频类型的总观看比系数，推荐视频类型。具体地，所述每一类视频类型的总观看比系数基于下面算式得出；
每一类视频类型的总观看比系数＝
[α2×所述每一类视频类型的观看系数比+β2×所述每一类视频类型的最近一次的观看比系数]/（α2+β2）；
其中，
α2为所述每一类视频类型的观看系数比对应的权重；
β2为所述每一类视频类型的最近一次的观看比系数对应的权重，α2<β2。
本实施例的技术方案，将根据历史统计的数据获取一视频类型的观看系数比，与每一类视频类型的最近一次的观看比系数结合起来，进行权值计算，得到所述每一类视频类型的总观看比系数。将所述每一类视频类型的总观看比系数进行从大到小依次排序，然后按照排序，推荐视频类型。能够更准确地获取每一类视频类型的总观看比系数，更好地为用户提供视频推荐。
根据该技术方案，统计用户观看视频的类型、时长以及次数等，并从多个维度进行分析和计算，更准确地判断用户观看视频的行为习惯，可以准确地根据用户行为向用户推荐视频，提升了用户的使用体验。
如图2所示，本发明的一具体实施例，一种视频推荐系统，所述系统包括：
记录模块20，用于在一统计周期内，统计每一视频类型对应的观看时长和观看次数；
统计模块21，用于计算所有视频类型的观看总时长和观看总次数；
计算模块22，用于得出每一类视频类型的观看比系数；
推荐模块23，用于根据每一类视频类型的观看比系数，推荐视频类型。
在一统计周期内，所述记录模块统计每一视频类型对应的观看时长和观看次数。具体地，所述记录模块获取用户的视频播放记录，根据获取的用户视频播放记录，获取观看的视频类型，并记录每一视频类型对应的观看时长。在一统计周期内，统计每一类视频类型对应的观看时长和观看次数。
所述统计模块在所述统计周期内，统计所有视频类型的观看总时长和观看总次数。将所述每一视频类型对应的观看时长，进行累加，得到所有视频类型的观看总时长。将所述每一视频类型对应的观看次数，进行累加，得到所有视频类型的观看总次数。
所述计算模块得出每一类视频类型的观看比系数。具体地，所述每一视频类型对应的观看系数比根据下面的算式得出：
每一类视频类型的观看比系数＝[α1×（d/D）+β1×（n/N）]/（α1+β1）；
其中，α1为观看时长权重，β1为观看次数权重，α1>β1;
d为每一类视频类型的观看时长；
D为所有视频类型的观看总时长；
n为每一类视频类型对应的观看次数；
N为所有视频类型的观看总次数。
所述推荐模块根据每一类视频类型的观看比系数，推荐视频类型。将所述每一类视频类型的观看比系数依次从大到小进行排序，并按照所述排序，推荐视频类型。比如，观看比系数最大的对应的视频类型，是在所述统计周期内用户比较喜欢看的视频类型，可以将该视频类型的视频内容优先推荐给用户。
本发明的一具体实施例，所述系统还包括获取模块和分析模块。所述获取模块获取每一类视频类型的最近一次的观看时长，计算所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离，计算每一类视频类型的最近一次的观看比系数。所述每一类视频类型的最近一次的观看比系数基于如下算式得到：
所述每一类视频类型的最近一次的观看比系数
＝(c/m-Min)/(Max-Min)；
其中，
c为每一类视频类型的最近一次的观看时长；
m为所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离；
获取所有视频类型中对应的c/m值，在所述所有的c/m值中，取最小值为Min，取最大值为Max。
所述分析模块根据所述每一类视频类型的观看比系数，以及所述每一类视频类型的最近一次的观看比系数，得出所述每一类视频类型的总观看比系数；根据所述每一类视频类型的总观看比系数，推荐视频类型。具体地，所述每一类视频类型的总观看比系数基于下面算式得出；
每一类视频类型的总观看比系数＝
[α2×所述每一类视频类型的观看系数比+β2×所述每一类视频类型的最近一次的观看比系数]/（α2+β2）；
其中，
α2为所述每一类视频类型的观看系数比对应的权重；
β2为所述每一类视频类型的最近一次的观看比系数对应的权重，α2<β2。
本实施例的技术方案，将根据历史统计的数据获取一类视频类型的观看系数比，与每一类视频类型的最近一次的观看比系数结合起来，进行权值计算，得到所述每一类视频类型的总观看比系数。能够更准确地获取每一类视频类型的总观看比系数，更好地为用户提供视频推荐。提高用户的体验效果。
根据该技术方案，从多个维度统计用户观看视频的行为习惯，可以准确地根据用户行为习惯向用户推荐视频，提升了用户的使用体验。
综上所述，本发明准确地根据用户行为向用户推荐视频，提升了用户的使用体验。
应当说明的是，上述实施例均可根据需要自由组合。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 (6)

1.一种视频推荐方法，其特征在于，所述方法包括：
步骤S1、在一统计周期内，统计每一类视频类型对应的观看时长和观看次数；
步骤S2、计算所有视频类型的观看总时长和观看总次数；
步骤S3、根据所述步骤S1的统计结果和根据所述步骤S2的计算结果得出每一类视频类型的观看比系数；
所述方法还包括：
获取每一类视频类型的最近一次的观看时长，计算所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离，计算每一类视频类型的最近一次的观看比系数；
所述计算每一类视频类型的最近一次的观看比系数的步骤包括：
所述每一类视频类型的最近一次的观看比系数基于如下算式得到：
所述每一类视频类型的最近一次的观看比系数＝(c/m-Min)/(Max-Min)；
其中，
c为每一类视频类型的最近一次的观看时长；
m为所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离；
获取所有视频类型中对应的c/m值，在所有的所述c/m值中，取最小值为Min，取最大值为Max；
根据所述每一类视频类型的观看比系数，以及所述每一类视频类型的最近一次的观看比系数，得出每一类视频类型的总观看比系数；
所述方法还包括：
所述得出每一类视频类型的总观看比系数的步骤包括：
所述每一类视频类型的总观看比系数基于下面算式得出；
每一类视频类型的总观看比系数＝
[α2×所述每一类视频类型的观看比系数+β2×所述每一类视频类型的最近一次的观看比系数]/(α2+β2)；
其中，
α2为所述每一类视频类型的观看比系数对应的权重；
β2为所述每一类视频类型的最近一次的观看比系数对应的权重，α2<β2；
步骤S4、根据所述每一类视频类型的总观看比系数，推荐视频类型。
2.如权利要求1所述的视频推荐方法，其特征在于，所述步骤S1包括：
获取用户的视频播放记录；
根据获取的用户视频播放记录，获取观看的视频类型，并记录每一类视频类型对应的观看时长；
在一统计周期内，统计每一类视频类型对应的观看时长和观看次数。
3.如权利要求2所述的视频推荐方法，其特征在于，所述步骤S2包括：
将所述每一类视频类型对应的观看时长，进行累加，得到所有视频类型的观看总时长；
将所述每一类视频类型对应的观看次数，进行累加，得到所有视频类型的观看总次数。
4.如权利要求1所述的视频推荐方法，其特征在于，所述步骤S3包括：
所述每一类视频类型的观看比系数基于如下算式得出；
每一类视频类型的观看比系数＝[α1×(d/D)+β1×(n/N)]/(α1+β1)；
其中，α1为观看时长权重，β1为观看次数权重，α1>β1；
d为每一类视频类型的观看时长；
D为所有视频类型的观看总时长；
n为每一类视频类型对应的观看次数；
N为所有视频类型的观看总次数。
5.如权利要求1所述的视频推荐方法，其特征在于，所述步骤S4包括：
将所述每一类视频类型的总观看比系数依次从大到小进行排序，并按照所述排序，推荐视频类型。
6.一种视频推荐系统，其特征在于，所述系统包括：
记录模块，用于在一统计周期内，统计每一类视频类型对应的观看时长和观看次数；
统计模块，用于计算所有视频类型的观看总时长和观看总次数；
计算模块，用于根据所述记录模块的统计结果和根据所述计算模块的计算结果得出每一类视频类型的观看比系数；
获取模块，用于获取每一类视频类型的最近一次的观看时长，计算所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离，计算每一类视频类型的最近一次的观看比系数；
所述计算每一类视频类型的最近一次的观看比系数的步骤包括：
所述每一类视频类型的最近一次的观看比系数基于如下算式得到；
所述每一类视频类型的最近一次的观看比系数＝(c/m-Min)/(Max-Min)；
其中，
c为每一类视频类型的最近一次的观看时长；
m为所述每一类视频类型的上一次观看的时刻距离最近一次观看任一视频类型的时刻的时间距离；
获取所有视频类型中对应的c/m值，在所有的所述c/m值中，取最小值为Min，取最大值为Max；
分析模块，用于根据所述每一类视频类型的观看比系数，以及所述每一类视频类型的最近一次的观看比系数，得出每一类视频类型的总观看比系数；
所述得出每一类视频类型的总观看比系数的步骤包括：
所述每一类视频类型的总观看比系数基于下面算式得出；
每一类视频类型的总观看比系数＝
[α2×所述每一类视频类型的观看比系数+β2×所述每一类视频类型的最近一次的观看比系数]/(α2+β2)；
其中，
α2为所述每一类视频类型的观看比系数对应的权重；
β2为所述每一类视频类型的最近一次的观看比系数对应的权重，α2<β2；
推荐模块，用于根据所述每一类视频类型的总观看比系数，推荐视频类型。
CN201810855206.0A 2018-07-31 2018-07-31 一种视频推荐方法及系统 Active CN109040795B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810855206.0A CN109040795B (zh) 2018-07-31 2018-07-31 一种视频推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810855206.0A CN109040795B (zh) 2018-07-31 2018-07-31 一种视频推荐方法及系统

Publications (2)

Publication Number Publication Date
CN109040795A CN109040795A (zh) 2018-12-18
CN109040795B true CN109040795B (zh) 2023-12-19

Family

ID=64647904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810855206.0A Active CN109040795B (zh) 2018-07-31 2018-07-31 一种视频推荐方法及系统

Country Status (1)

Country Link
CN (1) CN109040795B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111435371B (zh) * 2019-01-15 2023-08-11 百度在线网络技术（北京）有限公司 视频推荐方法及其系统、计算机程序产品、可读存储介质
CN109922357A (zh) * 2019-03-29 2019-06-21 乐蜜有限公司 视频推荐的方法及装置
CN110515816A (zh) * 2019-08-20 2019-11-29 安徽抖范视频科技有限公司 一种用户行为的分析方法及分析系统
CN110933504B (zh) * 2019-12-13 2022-07-08 北京达佳互联信息技术有限公司 视频推荐方法、装置、服务器和存储介质
CN112464025B (zh) * 2020-12-17 2023-08-01 当趣网络科技(杭州)有限公司 视频推荐方法、装置、电子设备及介质
CN115529501A (zh) * 2022-09-19 2022-12-27 深圳市和讯华谷信息技术有限公司 一种短视频推荐方法、装置、系统以及存储介质
CN117421478A (zh) * 2023-10-19 2024-01-19 上海网萌网络科技有限公司 一种基于数据分析的用户行为分析系统及方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7966632B1 (en) * 2007-12-12 2011-06-21 Google Inc. Visual presentation of video recommendations
CN102654860A (zh) * 2011-03-01 2012-09-05 北京彩云在线技术开发有限公司 一种个性化音乐推荐方法及系统
CN102968446A (zh) * 2012-10-24 2013-03-13 北京奇虎科技有限公司 一种视频推荐方法和装置
CN104156472A (zh) * 2014-08-25 2014-11-19 四达时代通讯网络技术有限公司 一种视频推荐方法及系统
CN104333773A (zh) * 2013-12-18 2015-02-04 乐视网信息技术（北京）股份有限公司 一种视频推荐方法及服务器
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
CN105095431A (zh) * 2015-07-22 2015-11-25 百度在线网络技术（北京）有限公司 根据用户的行为信息推送视频的方法和装置
CN105306972A (zh) * 2014-06-26 2016-02-03 中兴通讯股份有限公司 电视节目的推荐方法及服务器
CN105915956A (zh) * 2015-12-15 2016-08-31 乐视网信息技术（北京）股份有限公司 视频内容的推荐方法、装置、服务器及系统
CN106067992A (zh) * 2016-08-18 2016-11-02 北京奇虎科技有限公司 一种基于用户行为的信息推荐方法及装置
CN106202475A (zh) * 2016-07-18 2016-12-07 合网络技术（北京）有限公司 一种视频推荐列表的推送方法及装置
WO2017101422A1 (zh) * 2015-12-15 2017-06-22 乐视控股（北京）有限公司 内容推荐方法及系统、服务器、终端及通信系统
CN107222762A (zh) * 2017-04-24 2017-09-29 乐视控股（北京）有限公司 一种频道推荐的方法和装置
CN107249145A (zh) * 2017-05-05 2017-10-13 中广热点云科技有限公司 一种推送视频的方法
CN108322827A (zh) * 2018-01-31 2018-07-24 武汉斗鱼网络科技有限公司 度量用户的视频偏好的方法、系统及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106228386B (zh) * 2016-07-12 2018-09-25 腾讯科技（深圳）有限公司 一种信息推送方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7966632B1 (en) * 2007-12-12 2011-06-21 Google Inc. Visual presentation of video recommendations
CN102654860A (zh) * 2011-03-01 2012-09-05 北京彩云在线技术开发有限公司 一种个性化音乐推荐方法及系统
CN102968446A (zh) * 2012-10-24 2013-03-13 北京奇虎科技有限公司 一种视频推荐方法和装置
CN104333773A (zh) * 2013-12-18 2015-02-04 乐视网信息技术（北京）股份有限公司 一种视频推荐方法及服务器
CN105306972A (zh) * 2014-06-26 2016-02-03 中兴通讯股份有限公司 电视节目的推荐方法及服务器
CN104156472A (zh) * 2014-08-25 2014-11-19 四达时代通讯网络技术有限公司 一种视频推荐方法及系统
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
CN105095431A (zh) * 2015-07-22 2015-11-25 百度在线网络技术（北京）有限公司 根据用户的行为信息推送视频的方法和装置
CN105915956A (zh) * 2015-12-15 2016-08-31 乐视网信息技术（北京）股份有限公司 视频内容的推荐方法、装置、服务器及系统
WO2017101422A1 (zh) * 2015-12-15 2017-06-22 乐视控股（北京）有限公司 内容推荐方法及系统、服务器、终端及通信系统
CN106202475A (zh) * 2016-07-18 2016-12-07 合网络技术（北京）有限公司 一种视频推荐列表的推送方法及装置
CN106067992A (zh) * 2016-08-18 2016-11-02 北京奇虎科技有限公司 一种基于用户行为的信息推荐方法及装置
CN107222762A (zh) * 2017-04-24 2017-09-29 乐视控股（北京）有限公司 一种频道推荐的方法和装置
CN107249145A (zh) * 2017-05-05 2017-10-13 中广热点云科技有限公司 一种推送视频的方法
CN108322827A (zh) * 2018-01-31 2018-07-24 武汉斗鱼网络科技有限公司 度量用户的视频偏好的方法、系统及计算机可读存储介质

Also Published As

Publication number Publication date
CN109040795A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109040795B (zh) 一种视频推荐方法及系统
CN107038213B (zh) 一种视频推荐的方法及装置
CN108875022B (zh) 一种视频推荐方法及装置
CN107071578B (zh) Iptv节目推荐方法
Ali et al. TiVo: making show recommendations using a distributed collaborative filtering architecture
US8489515B2 (en) Social network based recommendation method and system
US8887188B2 (en) System and method for television advertisement audience measurement
US20140137144A1 (en) System and method for measuring and analyzing audience reactions to video
US8869205B2 (en) Method and system for video collection management, invalid video replacement and continuous video replay
CN108471544B (zh) 一种构建视频用户画像方法及装置
KR100839306B1 (ko) 프로그램 시청 패턴 반영 기법을 이용한 디지털 ｔｖ프로그램 추천 시스템 및 방법
EP2382780A1 (en) Adaptive blending of recommendation engines
KR20050023583A (ko) 콘텐츠 추천방법 및 시스템
KR20010105404A (ko) 적응형 ｔｖ 프로그램 추천기
CN106131703A (zh) 一种视频推荐的方法和终端
CN112287167A (zh) 视频推荐召回方法及装置
EP1891588A1 (en) Method and apparatus for estimating total interest of a group of users directing to a content
CN108521586B (zh) 兼顾时间上下文与隐式反馈的iptv电视节目个性化推荐方法
CN108134950B (zh) 一种智能视频推荐方法及系统
CN108322827B (zh) 度量用户的视频偏好的方法、系统及计算机可读存储介质
CN105843876B (zh) 多媒体资源的质量评估方法和装置
CN104615741B (zh) 一种基于云计算的冷启动项目推荐的方法及装置
US9912424B2 (en) Methods and apparatus to estimate ratings for media assets using social media
CN111435371A (zh) 视频推荐方法及其系统、计算机程序产品、可读存储介质
CN113656681B (zh) 一种对象评价方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201209

Address after: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou Jiji Intellectual Property Operation Co.,Ltd.

Address before: 201616 No. 3666 Sixian Road, Songjiang District, Shanghai

Applicant before: Phicomm (Shanghai) Co.,Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231120

Address after: 200092 Siping Road 1239, Shanghai, Yangpu District

Applicant after: Zhou Xianghong

Address before: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: Hangzhou Jiji Intellectual Property Operation Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240923

Address after: 350000 Fujian radio and television network building, 207 Hualin Road, Wenquan street, Gulou District, Fuzhou City, Fujian Province

Patentee after: Fujian Radio and Television Network Group Co.,Ltd.

Country or region after: China

Address before: 200092 Siping Road 1239, Shanghai, Yangpu District

Patentee before: Zhou Xianghong

Country or region before: China