CN109327736A - 一种基于节目观看表情与用户信息的节目推荐方法 - Google Patents
一种基于节目观看表情与用户信息的节目推荐方法 Download PDFInfo
- Publication number
- CN109327736A CN109327736A CN201811246222.6A CN201811246222A CN109327736A CN 109327736 A CN109327736 A CN 109327736A CN 201811246222 A CN201811246222 A CN 201811246222A CN 109327736 A CN109327736 A CN 109327736A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- program
- expression
- database
- 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
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]
- H04N21/40—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
- H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
-
- 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
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, 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)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于节目观看表情与用户信息的节目推荐方法,属于推荐系统领域。本发明方法结合观看表情和观看行为的信息,真实记录用户的信息,挖掘用户潜在的爱好;本方法将用户背景信息融入到计算之中,相对目前仅依靠协同过滤的节目推荐方式,本方法在节目推荐的准确率上得到提升,使用前景广阔。
Description
技术领域
本发明涉及推荐系统领域,具体是一种基于节目观看表情与用户信息的节目推荐方法。
背景技术
电视指利用电子技术及设备传送活动的图像画面和音频信号,即电视接收机,也是重要的广播和视频通信工具,电视机最早由英国工程师约翰·洛吉·贝尔德在1925年发明。电视用电的方法即时传送活动的视觉图像,形成视觉上的活动图像。
人们利用电视来观看电视节目,电视节目指电视台通过载有声音、图像的信号传播的作品。人们通过观看电视节目来满足自己的精神需求。
随着网络技术的发展,小米、乐视等网络电视越来越受到人们的青睐,网络电视除了具有观看普通电视节目的功能,还具有推荐节目的功能,现有的网络电视进行推荐节目时,仅仅依靠协同过滤的节目推荐方式,准确率有待提升。
发明内容
本发明的目的在于提供一种基于节目观看表情与用户信息的节目推荐方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于节目观看表情与用户信息的节目推荐方法,具体步骤如下:
步骤一,计算用户背景信息相似度:用户填写背景信息并且完成注册,从数据库中获取已注册用户的背景信息集合,计算当前用户与存入数据库中已完成注册用户的背景信息相似度值Fsim(i,j);
步骤二,观看表情的获取及观看表情相似度计算:用户观看节目时,摄像头拍摄用户观看表情信息并且将抓拍的照片存入数据库中,利用图片表情识别系统进行图片表情识别,计算得出观看表情相似度值Esim(i,j),将识别结果存入数据库中;
步骤三,观看行为的信息获取及观看行为的信息相似度计算:摄像头拍摄用户观看行为的信息,将抓拍的照片存入数据库中,使用图片识别系统进行图片情感识别,计算得出观看行为相似度值Asim(i,j),将识别结果存入数据库中;
步骤四,通过软件爬去第三方观评网站得到该节目的观评信息,将观评结果存入数据库中,同时得到该节目的评分值Dsim(t);
步骤五,用户影评信息处理:从数据库中得到当前注册用户和存入数据库中已完成注册的用户关于该节目的观评信息,使用分词系统对观评文本的情感进行计算,结果存入数据库;
步骤六,根据上述数值计算当前注册用户与存入数据库中已完成注册用户集合的相似度uM sim(i,j),将结果存入数据库中;
步骤七,对于相似度进行排序,从存入数据库中已完成注册用户集合筛选出相似度大于ε的用户,ε为设置最小阈值;
步骤八,对于当前注册用户进行协同过滤推荐,推荐相关节目。
作为本发明进一步的方案:步骤一中背景信息包括但不限于年龄、性别、教育背景和爱好。
作为本发明进一步的方案:背景信息相似度值Fsim(i,j)的计算公式如下:λk为第k个特征属性加权的值,aik和ajk分别表示第i个用户的第k个特征属性和第j个用户的第k个特征属,n表示特征属性的总个数,sim(aik,ajk)表示aik和ajk相似度。
作为本发明进一步的方案:若ak为数值型属性,则
作为本发明进一步的方案:若ak为二元型属性,则
作为本发明进一步的方案:若ak为分组型属性,则s为同一属性之间的最大差值,Δx为aik和ajk之间分组差。
作为本发明进一步的方案:步骤二中每60s抓拍一次用户观看表情信息,步骤三中每30s抓拍一次用户观看行为的信息。
作为本发明进一步的方案:表情相似度值Esim(i,j)的计算公式如下:m表示用户集合总数,Ei表示用户i的情感信息值,Ej表示用户j的情感信息值,n表示情感维度数。
作为本发明进一步的方案:观看行为相似度值Asim(i,j)的计算公式如下:m表示用户集合总数,Ai表示用户i的情感信息值,Aj表示用户j的情感信息值,n表示情感维度数。
作为本发明进一步的方案:uM sim(i,j)的计算公式如下:
t表示观评文本的总数,Ci表示用户i的情感信息值,Cj表示用户j的情感信息值,n表示情感维度数。
与现有技术相比,本发明的有益效果是:本发明方法结合观看表情和观看行为的信息,真实记录用户的信息,挖掘用户潜在的爱好;本方法将用户背景信息融入到计算之中,相对目前仅依靠协同过滤的节目推荐方式,本方法在节目推荐的准确率上得到提升,使用前景广阔。
附图说明
图1为基于节目观看表情与用户信息的节目推荐方法的流程图。
其中:8-第三方网站观评、9-用户观评、10-用户背景信息、11-用户表情信息、12-用户行为信息。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
实施例1
一种基于节目观看表情与用户信息的节目推荐方法,具体步骤如下:
步骤一,计算用户背景信息相似度:用户填写背景信息并且完成注册,背景信息包括年龄、性别、教育背景、爱好等,从数据库中获取已注册用户的背景信息集合,计算当前用户与存入数据库中已完成注册用户的背景信息相似度值Fsim(i,j),Fsim(i,j)的计算公式如下:λk为第k个特征属性加权的值,aik和ajk分别表示第i个用户的第k个特征属性和第j个用户的第k个特征属,n表示特征属性的总个数,sim(aik,ajk)表示aik和ajk相似度,若ak为数值型属性,则若ak为二元型属性,则若ak为分组型属性,则s为同一属性之间的最大差值,Δx为aik和ajk之间分组差;
步骤二,观看表情的获取及观看表情相似度计算:用户观看节目时,摄像头拍摄用户观看表情信息并且将抓拍的照片存入数据库中,利用图片表情识别系统进行图片表情识别,计算得出观看表情相似度值Esim(i,j),将识别结果存入数据库中;
步骤三,观看行为的信息获取及观看行为的信息相似度计算:摄像头拍摄用户观看行为的信息,将抓拍的照片存入数据库中,使用图片识别系统进行图片情感识别,计算得出观看行为相似度值Asim(i,j),将识别结果存入数据库中;
步骤四,通过软件爬去第三方观评网站得到该节目的观评信息,将观评结果存入数据库中,同时得到该节目的评分值Dsim(t);
步骤五,用户影评信息处理:从数据库中得到当前注册用户和存入数据库中已完成注册的用户关于该节目的观评信息,使用分词系统对观评文本的情感进行计算,结果存入数据库;
步骤六,根据上述数值计算当前注册用户与存入数据库中已完成注册用户集合的相似度uM sim(i,j),将结果存入数据库中;
步骤七,对于相似度进行排序,从存入数据库中已完成注册用户集合筛选出相似度大于ε的用户,ε为设置最小阈值;
步骤八,对于当前注册用户进行协同过滤推荐,推荐相关节目。
实施例2
一种基于节目观看表情与用户信息的节目推荐方法,具体步骤如下:
步骤一,计算用户背景信息相似度:用户填写背景信息并且完成注册,从数据库中获取已注册用户的背景信息集合,计算当前用户与存入数据库中已完成注册用户的背景信息相似度值Fsim(i,j);
步骤二,观看表情的获取及观看表情相似度计算:用户观看节目时,摄像头拍摄用户观看表情信息并且将抓拍的照片存入数据库中,利用图片表情识别系统进行图片表情识别,计算得出观看表情相似度值Esim(i,j),表情相似度值Esim(i,j)的计算公式如下:m表示用户集合总数,Ei表示用户i的情感信息值,Ej表示用户j的情感信息值,n表示情感维度数,将识别结果存入数据库中;
步骤三,观看行为的信息获取及观看行为的信息相似度计算:摄像头拍摄用户观看行为的信息,将抓拍的照片存入数据库中,使用图片识别系统进行图片情感识别,计算得出观看行为相似度值Asim(i,j),观看行为相似度值Asim(i,j)的计算公式如下:m表示用户集合总数,Ai表示用户i的情感信息值,Aj表示用户j的情感信息值,n表示情感维度数,将识别结果存入数据库中;
步骤四,通过软件爬去第三方观评网站得到该节目的观评信息,将观评结果存入数据库中,同时得到该节目的评分值Dsim(t);
步骤五,用户影评信息处理:从数据库中得到当前注册用户和存入数据库中已完成注册的用户关于该节目的观评信息,使用分词系统对观评文本的情感进行计算,结果存入数据库;
步骤六,根据上述数值计算当前注册用户与存入数据库中已完成注册用户集合的相似度uM sim(i,j),uM sim(i,j)的计算公式如下:t表示观评文本的总数,Ci表示用户i的情感信息值,Cj表示用户j的情感信息值,n表示情感维度数,将结果存入数据库中;
步骤七,对于相似度进行排序,从存入数据库中已完成注册用户集合筛选出相似度大于ε的用户,ε为设置最小阈值;
步骤八,对于当前注册用户进行协同过滤推荐,推荐相关节目。
本发明的工作原理是:用户第一次使用该APP时需填写用户背景信息,用户通过观看节目信息,包括节目名称、时间、类型、演员等;接着在用户观看节目过程中通过报告厅摄像头在指定时间点拍摄用户的观看表情与观看的行为信息,本发明方法首先通过报告厅摄像头获取用户观看表情,如微笑、大笑、愤怒、伤心、流泪等,将表情信息通过网络实时上传至服务器上并保存到数据库之中。根据报告厅摄像头获取用户观看的行为信息,如大笑颤抖、擦眼泪、捂脸、托腮等行为信息,将行为信息通过网络实时上传至服务器上并保存到数据库之中。
当用户完成节目的观赏后需要对于该节目进行评价,将该评价存进数据库之中;通过爬虫技术对于第三方观评信息进行爬取,将爬取观评结果存入数据库中;将用户注册信息存入数据库之中。假设,用户集合Um×n和目标用户j,用户集合Um×n观看的节目集合Mi,通过报告厅摄像头得到用户集合Um×n的观看表情矩阵Ei×m,通过报告厅摄像头得到用户的行为信息矩阵Ai×m,通过爬虫技术得到第三方观评网站点评矩阵Di×m,通过网站注册信息可以得到用户基本信息矩阵Fi×m,通过数据库得到用户集合Um×n的节目观评信息矩阵UMm×n,那么,通过加权计算出用户集合Um×n和目标用户j的相似度,计算如下:
sim(i,j)=α×Esim(i,j)+β×Asim(i,j)+γ×Dsim(t)
+κ×Fsim(i,j)+ω×uMsim(i,j)+τ (1)
其中,α、β、γ、κ、ω分别表示各个属性的加权值,τ表示修正参数。Esim(i,j)表示用户的观看表情相似度值,Asim(i,j)表示用户的观看行为信息相似度值,Dsim(t)表示第三方观评对该节目评分值,Fsim(i,j)表示目标用户与用户集合的背景相似度值,uMsim(i,j)表示目标用户与用户集合在某节目上的影评信息相似度值,各个属性的相似度计算在具体实施部分进行详细描述。将相似度值sim(i,j)存入到数据库中,由协同过滤推荐算法对当前注册用户进行节目推荐。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于节目观看表情与用户信息的节目推荐方法,其特征在于,具体步骤如下:
步骤一,计算用户背景信息相似度:用户填写背景信息并且完成注册,从数据库中获取已注册用户的背景信息集合,计算当前用户与存入数据库中已完成注册用户的背景信息相似度值Fsim(i,j);
步骤二,观看表情的获取及观看表情相似度计算:用户观看节目时,摄像头拍摄用户观看表情信息并且将抓拍的照片存入数据库中,利用图片表情识别系统进行图片表情识别,计算得出观看表情相似度值Esim(i,j),将识别结果存入数据库中;
步骤三,观看行为的信息获取及观看行为的信息相似度计算:摄像头拍摄用户观看行为的信息,将抓拍的照片存入数据库中,使用图片识别系统进行图片情感识别,计算得出观看行为相似度值Asim(i,j),将识别结果存入数据库中;
步骤四,通过软件爬去第三方观评网站得到该节目的观评信息,将观评结果存入数据库中,同时得到该节目的评分值Dsim(t);
步骤五,用户影评信息处理:从数据库中得到当前注册用户和存入数据库中已完成注册的用户关于该节目的观评信息,使用分词系统对观评文本的情感进行计算,结果存入数据库;
步骤六,根据上述数值计算当前注册用户与存入数据库中已完成注册用户集合的相似度uMsim(i,j),将结果存入数据库中;
步骤七,对于相似度进行排序,从存入数据库中已完成注册用户集合筛选出相似度大于ε的用户,ε为设置最小阈值;
步骤八,对于当前注册用户进行协同过滤推荐,推荐相关节目。
2.根据权利要求1所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述步骤一中背景信息包括但不限于年龄、性别、教育背景和爱好。
3.根据权利要求1或2所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述背景信息相似度值Fsim(i,j)的计算公式如下:
λk为第k个特征属性加权的值,aik和ajk分别表示第i个用户的第k个特征属性和第j个用户的第k个特征属,n表示特征属性的总个数,sim(aik,ajk)表示aik和ajk相似度。
4.根据权利要求3所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述若ak为数值型属性,则
5.根据权利要求3所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述若ak为二元型属性,则
6.根据权利要求3所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述若ak为分组型属性,则s为同一属性之间的最大差值,Δx为aik和ajk之间分组差。
7.根据权利要求1所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述步骤二中每60s抓拍一次用户观看表情信息,步骤三中每30s抓拍一次用户观看行为的信息。
8.根据权利要求1所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述表情相似度值Esim(i,j)的计算公式如下:m表示用户集合总数,Ei表示用户i的情感信息值,Ej表示用户j的情感信息值,n表示情感维度数。
9.根据权利要求1所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述观看行为相似度值Asim(i,j)的计算公式如下:m表示用户集合总数,Ai表示用户i的情感信息值,Aj表示用户j的情感信息值,n表示情感维度数。
10.根据权利要求1所述的基于节目观看表情与用户信息的节目推荐方法,其特征在于,所述uMsim(i,j)的计算公式如下:t表示观评文本的总数,Ci表示用户i的情感信息值,Cj表示用户j的情感信息值,n表示情感维度数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811246222.6A CN109327736B (zh) | 2018-10-25 | 2018-10-25 | 一种基于节目观看表情与用户信息的节目推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811246222.6A CN109327736B (zh) | 2018-10-25 | 2018-10-25 | 一种基于节目观看表情与用户信息的节目推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109327736A true CN109327736A (zh) | 2019-02-12 |
CN109327736B CN109327736B (zh) | 2021-01-26 |
Family
ID=65263222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811246222.6A Active CN109327736B (zh) | 2018-10-25 | 2018-10-25 | 一种基于节目观看表情与用户信息的节目推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109327736B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492389A (zh) * | 2019-09-12 | 2021-03-12 | 上海哔哩哔哩科技有限公司 | 视频推送方法、视频播放方法、计算机设备和存储介质 |
CN113395550A (zh) * | 2020-03-13 | 2021-09-14 | 浙江大搜车软件技术有限公司 | 一种视频推荐方法、装置、系统及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1395798A (zh) * | 2000-11-22 | 2003-02-05 | 皇家菲利浦电子有限公司 | 根据用户的当前心情产生推荐的方法和装置 |
CN101287082A (zh) * | 2008-05-16 | 2008-10-15 | 华东师范大学 | 一种引入节目热门度权重的协作过滤推荐方法 |
CN101489107A (zh) * | 2009-01-21 | 2009-07-22 | 华东师范大学 | 一种基于人口属性关键字向量的协作过滤推荐方法 |
CN102207972A (zh) * | 2011-06-15 | 2011-10-05 | 中山大学 | 一种数字电视的影视节目推荐方法及其装置 |
CN102427553A (zh) * | 2011-09-23 | 2012-04-25 | Tcl集团股份有限公司 | 一种电视节目播放方法、系统及电视机和服务器 |
CN103313108A (zh) * | 2013-06-14 | 2013-09-18 | 山东科技大学 | 一种基于情景感知的智能电视节目推荐方法 |
US20140223548A1 (en) * | 2013-02-07 | 2014-08-07 | Tomas Wässingbo | Adapting content and monitoring user behavior based on facial recognition |
US20160191995A1 (en) * | 2011-09-30 | 2016-06-30 | Affectiva, Inc. | Image analysis for attendance query evaluation |
CN106101839A (zh) * | 2016-06-20 | 2016-11-09 | 徐汕 | 一种识别电视端用户集合的方法 |
-
2018
- 2018-10-25 CN CN201811246222.6A patent/CN109327736B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1395798A (zh) * | 2000-11-22 | 2003-02-05 | 皇家菲利浦电子有限公司 | 根据用户的当前心情产生推荐的方法和装置 |
CN101287082A (zh) * | 2008-05-16 | 2008-10-15 | 华东师范大学 | 一种引入节目热门度权重的协作过滤推荐方法 |
CN101489107A (zh) * | 2009-01-21 | 2009-07-22 | 华东师范大学 | 一种基于人口属性关键字向量的协作过滤推荐方法 |
CN102207972A (zh) * | 2011-06-15 | 2011-10-05 | 中山大学 | 一种数字电视的影视节目推荐方法及其装置 |
CN102427553A (zh) * | 2011-09-23 | 2012-04-25 | Tcl集团股份有限公司 | 一种电视节目播放方法、系统及电视机和服务器 |
US20160191995A1 (en) * | 2011-09-30 | 2016-06-30 | Affectiva, Inc. | Image analysis for attendance query evaluation |
US20140223548A1 (en) * | 2013-02-07 | 2014-08-07 | Tomas Wässingbo | Adapting content and monitoring user behavior based on facial recognition |
CN103313108A (zh) * | 2013-06-14 | 2013-09-18 | 山东科技大学 | 一种基于情景感知的智能电视节目推荐方法 |
CN106101839A (zh) * | 2016-06-20 | 2016-11-09 | 徐汕 | 一种识别电视端用户集合的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492389A (zh) * | 2019-09-12 | 2021-03-12 | 上海哔哩哔哩科技有限公司 | 视频推送方法、视频播放方法、计算机设备和存储介质 |
CN113395550A (zh) * | 2020-03-13 | 2021-09-14 | 浙江大搜车软件技术有限公司 | 一种视频推荐方法、装置、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109327736B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200304841A1 (en) | Live video streaming services | |
US11044301B2 (en) | Sharing digital media assets for presentation within an online social network | |
CN103686237B (zh) | 推荐视频资源的方法及系统 | |
CN105472434B (zh) | 植入内容到视频演示中的方法和系统 | |
US9584874B1 (en) | Portal for collection and distribution of web-based audiovisual content blocks and creation of audience statistics | |
CN108269128A (zh) | 广告的投放方法、装置、设备及存储介质 | |
CN106028167A (zh) | 一种弹幕展现的方法和装置 | |
CN109451326A (zh) | 一种主播信息的展示方法、装置、服务器和存储介质 | |
WO2008048993A2 (en) | Method for estimating real life relationships and popularities among people based on personal visual data | |
US10469739B2 (en) | Systems and methods for determining preferences for capture settings of an image capturing device | |
CN104219571B (zh) | 一种自动提供看点的方法和装置 | |
CN111107434A (zh) | 信息推荐方法及装置 | |
CN109327736A (zh) | 一种基于节目观看表情与用户信息的节目推荐方法 | |
CN108763306B (zh) | 基于多用户的视频推荐方法及装置 | |
CN105956061B (zh) | 一种用户间相似度确定方法及装置 | |
CN114598919A (zh) | 视频处理方法、装置、计算机设备和存储介质 | |
CN107733874A (zh) | 信息处理方法、装置、计算机设备和存储介质 | |
CN110798717A (zh) | 媒体资源的推送方法、装置、存储介质及电子装置 | |
CN110750155B (zh) | 一种与图像互动的方法、装置、介质和电子设备 | |
US20160249166A1 (en) | Live Content Sharing Within A Social or Non-Social Networking Environment With Rating System | |
CN110381372A (zh) | 一种基于选择结果进行视频播放的方法及装置 | |
CN112437332B (zh) | 一种目标多媒体信息的播放方法和装置 | |
KR20180128596A (ko) | 사진 편집 필터 제공 시스템 | |
CN111629236B (zh) | 好友关系建立方法、装置、设备以及计算机可读存储介质 | |
Puspitasari et al. | Marketing communication strategy of national indie movies: A case study of Yogyakarta Indie Movies |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210107 Address after: Floor 16, F4, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province, 230000 Applicant after: Hefei Aoshi Intelligent Technology Co., Ltd Address before: Floor 16, F4, phase II, innovation industrial park, 2800 innovation Avenue, Hefei City, Anhui Province, 230000 Applicant before: ANHUI AUSEE TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |