CN109561327B - 收视检测方法及装置 - Google Patents

收视检测方法及装置 Download PDF

Info

Publication number
CN109561327B
CN109561327B CN201710888294.XA CN201710888294A CN109561327B CN 109561327 B CN109561327 B CN 109561327B CN 201710888294 A CN201710888294 A CN 201710888294A CN 109561327 B CN109561327 B CN 109561327B
Authority
CN
China
Prior art keywords
viewing
program
probability
duration
watching
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
CN201710888294.XA
Other languages
English (en)
Other versions
CN109561327A (zh
Inventor
张阳程
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.)
Beijing Gridsum Technology Co Ltd
Original Assignee
Beijing Gridsum 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 Beijing Gridsum Technology Co Ltd filed Critical Beijing Gridsum Technology Co Ltd
Priority to CN201710888294.XA priority Critical patent/CN109561327B/zh
Publication of CN109561327A publication Critical patent/CN109561327A/zh
Application granted granted Critical
Publication of CN109561327B publication Critical patent/CN109561327B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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

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)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明公开了一种收视检测方法及装置，可以获得用户观看节目的收视记录，在收视记录的总观看时长超过第一时长阈值时，确定收视记录中各节目的观看时长对应的节目收视概率；根据节目收视概率确定收视记录的收视概率；根据收视记录的收视概率确定收视记录是否为异常收视记录。由于异常收视记录的收视概率往往较小，因此本发明可以有效识别异常收视记录。

Description

收视检测方法及装置
技术领域
本发明涉及收视检测技术领域，尤其涉及收视检测方法及装置。
背景技术
随着人民生活水平的提高，电视机等各种可以观看视频节目的电子设备走入了人们的生活，用户可以通过电视机顶盒或电视盒子在电视机上观看视频节目。
为了统计并分析用户对视频节目的观看习惯，需要经常收集用户的收视记录，根据收集的收视记录确定用户长时间观看的视频节目。但本申请发明人研究发现：收集的收视记录中存在一些异常收视记录，例如：用户观看某视频节目(如电视购物节目)的过程中睡着了，虽然该用户的收视记录中记录着该用户长时间观看了该视频节目，但该用户并未真正长时间观看。
可见，如果不检测出收视记录中的异常收视记录，则对收视记录的统计分析结果将出现偏差。如果检测收视记录中的异常收视记录仍是本领域一个亟待解决的技术难题。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的收视检测方法及装置，技术方案如下：
一种收视检测方法，所述方法包括：
获得用户观看节目的收视记录；
在所述收视记录的总观看时长超过第一时长阈值时，确定所述收视记录中各节目的观看时长对应的节目收视概率；
根据所述节目收视概率确定所述收视记录的收视概率；
根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录。
可选的，所述确定所述收视记录中各节目的观看时长对应的节目收视概率，包括如下三种方式中的任意一种：
方式一、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率；
方式二、对所述收视记录中的每一个节目的观看时长，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率；
方式三、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
可选的，所述确定群体用户对该节目的该观看时长的群体收视概率，包括：
获得群体用户对该节目的各群体观看时长区间对应的群体收视概率；
确定所述收视记录中的该节目的该观看时长所在的群体观看时长区间，将确定的群体观看时长区间对应的群体收视概率确定为群体用户对该节目的该观看时长的群体收视概率；
所述确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率，包括：
获得所述收视记录对应的用户对该节目的各观看时长；
确定所述收视记录对应的用户对该节目的各观看时长所在的个人观看时长区间；
根据各个人观看时长区间对应的观看时长数量确定该节目的该观看时长所在的个人观看时长区间的收视概率，将该节目的该观看时长所在的个人观看时长区间的收视概率确定为所述收视记录对应的用户对该节目的该观看时长的个人收视概率。
可选的，所述根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率，包括：
对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
可选的，所述根据所述节目收视概率确定所述收视记录的收视概率，包括：
将所述收视记录中各节目的观看时长对应的节目收视概率相乘，将计算结果确定为所述收视记录的收视概率。
可选的，所述根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录，包括：
确定所述收视记录的收视概率是否小于第一概率阈值，如果是，则将所述收视记录确定为异常收视记录。
一种收视检测装置，所述装置包括：收视记录获取单元、节目收视概率确定单元、收视记录概率确定单元和异常收视记录确定单元，
所述收视记录获取单元，用于获得用户观看节目的收视记录；
所述节目收视概率确定单元，用于在所述收视记录的总观看时长超过第一时长阈值时，确定所述收视记录中各节目的观看时长对应的节目收视概率；
所述收视记录概率确定单元，用于根据所述节目收视概率确定所述收视记录的收视概率；
所述异常记录确定单元，用于根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录。
可选的，所述节目收视概率确定单元包括：第一收视概率确定子单元、第二收视概率确定子单元和第三收视概率确定子单元中的至少一个，
所述第一收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长：确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率；
所述第二收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率；
所述第三收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的装置执行上述任一种收视检测方法。
一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任一种收视检测方法。
借由上述技术方案，本发明提供的一种收视检测方法及装置，可以获得用户观看节目的收视记录，在收视记录的总观看时长超过第一时长阈值时，确定收视记录中各节目的观看时长对应的节目收视概率；根据节目收视概率确定收视记录的收视概率；根据收视记录的收视概率确定收视记录是否为异常收视记录。由于异常收视记录的收视概率往往较小，因此本发明可以有效识别异常收视记录。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种收视检测方法的流程图；
图2示出了本发明确定群体用户对节目的观看时长的群体收视概率的过程示意图；
图3示出了本发明确定收视记录对应的用户对节目的观看时长的个人收视概率的过程示意图；
图4示出了本发明实施例提供的一种收视检测装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明实施例提供的一种收视检测方法，可以包括：
S100、获得用户收看节目的收视记录；
其中，本发明实施例提供的收视检测方法可以应用于网络侧设备中，如：服务器等。收视记录可以由用户侧设备生成并发送至网络侧设备，在本发明另一实施例中，用户侧设备可以发送收视信息至网络侧设备，网络侧设备根据接收的收视信息生成收视记录。具体的，上述收视信息可以包括：观看时间、观看频道等。网络侧设备中可以保存有各频道的节目计划播放表，网络侧设备可以根据收视信息中的观看时间、观看频道确定用户所观看的节目，从而生成收视记录。
具体的，本发明的收视记录可以为用户开始观看节目至结束观看节目之间的收视记录，例如：用户A于2015年12月12日早7点整打开电视机及电视机顶盒开始连续观看节目，并于2015年12月12日中午12点整关闭电视机及电视机顶盒结束观看节目，用户A在此次连续观看节目的过程中，可以进行或不进行频道切换。本发明可以获得2015年12月12日早7点整至2015年12月12日中午12点整之间的一条收视记录。
当然，本发明也可以根据用户的频道切换行为生成收视记录，例如：用户每进行一次频道切换行为，则本发明生成一条收视记录，该收视记录保存有本次频道切换行为与上次频道切换行为之间的收视信息。这样，每条收视记录都仅为用户连续观看一个频道的收视记录。一般情况下，当用户进行频道切换时，说明用户仍在“真正”观看节目。而当用户长时间停留在某个频道的时候，用户有可能并未“真正”观看节目。通过根据用户的频道切换行为生成收视记录的方式，本发明可以对更小粒度的收视记录进行检测，可以防止将对某频道的观看行为的收视记录确定为异常收视记录。
可选的，本发明实施例中的收视记录可以保存有：观看时间、观看节目标识和用户侧设备标识，可选的，本发明实施例中的收视记录还可以保存有观看频道标识。其中，观看时间可以包括：收视记录中的开始观看时间和结束观看时间，通过收视记录中的开始观看时间和结束观看时间本发明可以确定收视记录的总观看时长。例如：收视记录中的开始观看时间为2015年12月12日早7点整，收视记录中的结束观看时间为2015年12月12日中午12点整，则该收视记录的总观看时间为5小时。
在本发明其他实施例中，观看时间还可以包括：观看记录中各节目的开始观看时间和结束观看时间，和/或观看记录中各节目的观看时长。例如：用户A在2015年12月12日早7点整至2015年12月12日中午12点整之间观看了第一频道的三个节目，分别为：在2015年12月12日早7点整至2015年12月12日早8点整之间观看了第一个节目，在2015年12月12日早8点整至2015年12月12日早9点整之间观看了第二个节目，在2015年12月12日早9点整至2015年12月12日中午12点整之间观看了第三个节目。则上述三个节目的观看时长分别为1小时、1小时和3小时，上述三个节目的观看时长可以与观看节目标识对应存储于收视记录中，本发明也可以根据存储于收视记录中的节目的开始观看时间和结束观看时间计算得到收视记录中各节目的观看时长。
S200、在所述收视记录的总观看时长超过第一时长阈值时，确定所述收视记录中各节目的观看时长对应的节目收视概率；
其中，第一时长阈值可以大于3小时。可以理解的是，由于总观看时长较短的收视记录是异常收视记录的可能性较小，且即使总观看时长较短的收视记录为异常收视记录，由于总观看时长越短的收视记录对收视记录统计分析结果的影响越小，因此该异常收视记录对收视记录统计分析结果的影响也较小。基于此，本发明可以不对总观看时长未超过第一时长阈值的收视记录进行处理。
其中，所述确定所述收视记录中各节目的观看时长对应的节目收视概率，包括如下三种方式中的任意一种：
方式一、对所述收视记录中的每一个节目的观看时长：确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率。
可选的，本发明可以对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
其中，群体用户可以为某视频节目播放服务商的全部或部分用户，该视频节目播放服务商可以获得各视频节目的播放权并为用户提供视频节目播放服务。其中，群体用户的数量可以不低于预设数量。
其中，本发明可以采集群体用户对各频道的各节目的观看信息(如观看时长)，从而统计得到群体用户对各频道的各节目的观看时长分布统计结果并进一步根据该统计结果确定群体用户对各频道的各节目的各观看时长的群体收视概率。由于视频节目的时长一般较长，且不同用户对同一节目的观看时长可能为任意时长，因此在实际应用中，本发明可以获得群体用户对各节目的各群体观看时长区间对应的群体收视概率。具体的，本发明可以为不同的节目设置相同或不同的群体观看时长区间，例如：每一分钟为一个群体观看时长区间或每五分钟为一个群体观看时长区间。然后，对每一个节目，本发明可以对群体用户对该节目的各观看时长在各群体观看时长区间的分布情况进行统计，从而根据统计结果确定群体用户对该节目的各群体观看时长区间对应的群体收视概率。
例如：群体用户为100万用户，对某频道的某节目而言，这100万用户中有10万用户观看了此节目，该节目时长5分钟，每一分钟为一个群体观看时长区间。其中，经过本发明统计得到：观看该节目的观看时长为(0秒，60秒]的用户数量为1万，观看该节目的观看时长为(61秒，120秒]的用户数量为2万，观看该节目的观看时长为(121秒，180秒]的用户数量为2万，观看该节目的观看时长为(181秒，240秒]的用户数量为1万，观看该节目的观看时长为(241秒，300秒]的用户数量为4万。则根据该统计结果本发明可以得到该节目的各群体观看时长区间对应的群体收视概率为：(0秒，60秒]对应的概率为10％，(61秒，120秒]对应的概率为20％，(121秒，180秒]对应的概率为20％，(181秒，240秒]对应的概率为10％，(241秒，300秒]对应的概率为40％。
这样，当步骤S100获得的收视记录中用户观看该节目的观看时长为150秒时，本发明就可以确定群体用户对该节目的该观看时长的群体收视概率为20％。
如图2所示，本发明确定群体用户对该节目的该观看时长的群体收视概率的过程可以具体包括：
S201、获得群体用户对该节目的各群体观看时长区间对应的群体收视概率；
S202、确定所述收视记录中的该节目的该观看时长所在的群体观看时长区间，将确定的群体观看时长区间对应的群体收视概率确定为群体用户对该节目的该观看时长的群体收视概率。
由于群体收视概率代表了群体用户对节目的观看习惯，因此本发明可以根据群体收视概率确定节目的观看时长对应的节目收视概率。
当然，由于不同用户的观看习惯可能不同，因此在其他实施例中，本发明也可以通过下方方式二所述的方法来根据个人收视概率确定节目的观看时长对应的节目收视概率。
方式二、对所述收视记录中的每一个节目的观看时长：确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
具体的，如图3所示，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率的具体过程可以包括：
S203、获得所述收视记录对应的用户对该节目的各观看时长；
其中，收视记录对应的用户可以为收视记录中用户侧设备标识对应的用户侧设备的用户。具体的，收视记录对应的用户对该节目的各观看时长可以是从该用户的历史收视记录中提取得到的。可以理解的是，大部分节目都会多次播出，例如每周播出一次或每天播出一次，而用户可能会多次观看同样的节目，因此可以从用户的历史收视记录提取得到用户每次观看某节目的观看时长。
S204、确定所述收视记录对应的用户对该节目的各观看时长所在的个人观看时长区间；
其中，本发明可以为不同的节目设置相同或不同的个人观看时长区间，该个人观看时长区间的长度可以进行设定和修改。
S205、根据各个人观看时长区间对应的观看时长数量确定该节目的该观看时长所在的个人观看时长区间的收视概率，将该节目的该观看时长所在的个人观看时长区间的收视概率确定为所述收视记录对应的用户对该节目的该观看时长的个人收视概率。
为方便理解，下面举例说明：
例如：节目B时长5分钟，每一分钟为一个个人观看时长区间，则个人观看时长区间共有五个，分别为：(0秒，60秒]、(61秒，120秒]、(121秒，180秒]、(181秒，240秒]和(241秒，300秒]。其中，本发明从用户A的历史收视记录中提取得到用户A对节目B的六次观看行为的每次观看时长分别为：75秒、83秒、20秒、5秒、3秒、18秒。则本发明可以通过各观看时长与个人观看时长区间的归属关系确定各个人观看时长区间对应的观看时长的数量：(0秒，60秒]对应的观看时长数量为4，(61秒，120秒]对应的观看时长数量为2，(121秒，180秒]对应的观看时长数量为0，(181秒，240秒]对应的观看时长数量为0，(241秒，300秒]对应的观看时长数量为0。这样，当步骤S100获得的收视记录中用户观看该节目的观看时长为300秒时，本发明就可以确定该节目的该观看时长所在的个人观看时长区间(241秒，300秒]的收视概率为0％，即该用户对该节目的该观看时长的个人收视概率为0％。
当然，本发明还可以通过如下方式三所述方法将群体收视概率和个人收视概率进行结合，从而确定该节目的该观看时长对应的节目收视概率。
方式三、对所述收视记录中的每一个节目的观看时长：确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
本发明通过将将群体收视概率和个人收视概率进行结合确定节目的观看时长对应的节目收视概率，综合考虑了群体用户和个人用户对节目的观看习惯，使得本发明确定的节目收视概率的可靠性更高。
S300、根据所述节目收视概率确定所述收视记录的收视概率；
其中，步骤S300可以具体包括：
将所述收视记录中各节目的观看时长对应的节目收视概率相乘，将计算结果确定为所述收视记录的收视概率。
可以理解的是，随着时间的推移，用户切换节目、切换频道甚至结束观看的可能性在逐步增加，因此本发明可以通过将收视记录中各节目的观看时长对应的节目收视概率相乘来获得收视记录的收视概率。
S400、根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录。
可选的，步骤S400可以具体包括：
确定所述收视记录的收视概率是否小于第一概率阈值，如果是，则将所述收视记录确定为异常收视记录。
其中，当步骤S100获得的收视记录不同时，本发明使用的第一概率阈值也可以相同或不同。可选的，第一概率阈值可以根据对多个正常收视记录进行统计分析后得到。
本发明实施例提供的一种收视检测方法，可以获得用户观看节目的收视记录，在收视记录的总观看时长超过第一时长阈值时，确定收视记录中各节目的观看时长对应的节目收视概率；根据节目收视概率确定收视记录的收视概率；根据收视记录的收视概率确定收视记录是否为异常收视记录。由于异常收视记录的收视概率往往较小，因此本发明可以有效识别异常收视记录。
与上述本发明实施例所提供的一种收视检测方法相对应，本发明实施例还提供了一种收视检测装置。
如图4所示，本发明提供的一种收视检测装置，可以包括：收视记录获取单元100、节目收视概率确定单元200、收视记录概率确定单元300和异常收视记录确定单元400，
所述收视记录获取单元100，用于获得用户观看节目的收视记录；
其中，本发明实施例提供的收视检测装置可以应用于网络侧设备中，如：服务器等。收视记录可以由用户侧设备生成并发送至网络侧设备，在本发明另一实施例中，用户侧设备可以发送收视信息至网络侧设备，网络侧设备根据接收的收视信息生成收视记录。具体的，上述收视信息可以包括：观看时间、观看频道等。网络侧设备中可以保存有各频道的节目计划播放表，网络侧设备可以根据收视信息中的观看时间、观看频道确定用户所观看的节目，从而生成收视记录。
具体的，本发明的收视记录可以为用户开始观看节目至结束观看节目之间的收视记录。
当然，本发明也可以根据用户的频道切换行为生成收视记录，例如：用户每进行一次频道切换行为，则本发明生成一条收视记录，该收视记录保存有本次频道切换行为与上次频道切换行为之间的收视信息。这样，每条收视记录都仅为用户连续观看一个频道的收视记录。一般情况下，当用户进行频道切换时，说明用户仍在“真正”观看节目。而当用户长时间停留在某个频道的时候，用户有可能并未“真正”观看节目。通过根据用户的频道切换行为生成收视记录的方式，本发明可以对更小粒度的收视记录进行检测，可以防止将对某频道的观看行为的收视记录确定为异常收视记录。
可选的，本发明实施例中的收视记录可以保存有：观看时间、观看节目标识和用户侧设备标识，可选的，本发明实施例中的收视记录还可以保存有观看频道标识。其中，观看时间可以包括：收视记录中的开始观看时间和结束观看时间，通过收视记录中的开始观看时间和结束观看时间本发明可以确定收视记录的总观看时长。
在本发明其他实施例中，观看时间还可以包括：观看记录中各节目的开始观看时间和结束观看时间，和/或观看记录中各节目的观看时长。
本发明也可以根据存储于收视记录中的节目的开始观看时间和结束观看时间计算得到收视记录中各节目的观看时长。
所述节目收视概率确定单元200，用于在所述收视记录的总观看时长超过第一时长阈值时，确定所述收视记录中各节目的观看时长对应的节目收视概率；
其中，第一时长阈值可以大于3小时。可以理解的是，由于总观看时长较短的收视记录是异常收视记录的可能性较小，且即使总观看时长较短的收视记录为异常收视记录，由于总观看时长越短的收视记录对收视记录统计分析结果的影响越小，因此该异常收视记录对收视记录统计分析结果的影响也较小。基于此，本发明可以不对总观看时长未超过第一时长阈值的收视记录进行处理。
其中，所述节目收视概率确定单元200包括：第一收视概率确定子单元、第二收视概率确定子单元和第三收视概率确定子单元中的至少一个。
所述第一收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长：确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率。
可选的，本发明可以对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
其中，群体用户可以为某视频节目播放服务商的全部或部分用户，该视频节目播放服务商可以获得各视频节目的播放权并为用户提供视频节目播放服务。其中，群体用户的数量可以不低于预设数量。
其中，本发明可以采集群体用户对各频道的各节目的观看信息(如观看时长)，从而统计得到群体用户对各频道的各节目的观看时长分布统计结果并进一步根据该统计结果确定群体用户对各频道的各节目的各观看时长的群体收视概率。由于视频节目的时长一般较长，且不同用户对同一节目的观看时长可能为任意时长，因此在实际应用中，本发明可以获得群体用户对各节目的各群体观看时长区间对应的群体收视概率。具体的，本发明可以为不同的节目设置相同或不同的群体观看时长区间，例如：每一分钟为一个群体观看时长区间或每五分钟为一个群体观看时长区间。然后，对每一个节目，本发明可以对群体用户对该节目的各观看时长在各群体观看时长区间的分布情况进行统计，从而根据统计结果确定群体用户对该节目的各群体观看时长区间对应的群体收视概率。
由于群体收视概率代表了群体用户对节目的观看习惯，因此本发明可以根据群体收视概率确定节目的观看时长对应的节目收视概率。
当然，由于不同用户的观看习惯可能不同，因此在其他实施例中，本发明也可以通过下方所述第二收视概率确定子单元来根据个人收视概率确定节目的观看时长对应的节目收视概率。
所述第二收视概率确定单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
其中，收视记录对应的用户可以为收视记录中用户侧设备标识对应的用户侧设备的用户。具体的，收视记录对应的用户对该节目的各观看时长可以是从该用户的历史收视记录中提取得到的。可以理解的是，大部分节目都会多次播出，例如每周播出一次或每天播出一次，而用户可能会多次观看同样的节目，因此可以从用户的历史收视记录提取得到用户每次观看某节目的观看时长。
其中，本发明可以为不同的节目设置相同或不同的个人观看时长区间，该个人观看时长区间的长度可以进行设定和修改。
当然，本发明还可以通过如下所述第三收视概率确定子单元将群体收视概率和个人收视概率进行结合，从而确定该节目的该观看时长对应的节目收视概率。
所述第三收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
本发明通过将将群体收视概率和个人收视概率进行结合确定节目的观看时长对应的节目收视概率，综合考虑了群体用户和个人用户对节目的观看习惯，使得本发明确定的节目收视概率的可靠性更高。
具体的，第一收视概率确定子单元和第三收视概率确定子单元中可以均包括：群体概率确定子单元，用于获得群体用户对该节目的各群体观看时长区间对应的群体收视概率；确定所述收视记录中的该节目的该观看时长所在的群体观看时长区间，将确定的群体观看时长区间对应的群体收视概率确定为群体用户对该节目的该观看时长的群体收视概率；
具体的，第二收视概率确定子单元可以包括：个人概率确定子单元，用于获得所述收视记录对应的用户对该节目的各观看时长；确定所述收视记录对应的用户对该节目的各观看时长所在的个人观看时长区间；根据各个人观看时长区间对应的观看时长数量确定该节目的该观看时长所在的个人观看时长区间的收视概率，将该节目的该观看时长所在的个人观看时长区间的收视概率确定为所述收视记录对应的用户对该节目的该观看时长的个人收视概率。
具体的，第三收视概率确定子单元可以具体用于：对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
所述收视记录概率确定单元300，用于根据所述节目收视概率确定所述收视记录的收视概率；
具体的，收视记录概率确定单元300可以将所述收视记录中各节目的观看时长对应的节目收视概率相乘，将计算结果确定为所述收视记录的收视概率。
可以理解的是，随着时间的推移，用户切换节目、切换频道甚至结束观看的可能性在逐步增加，因此本发明可以通过将收视记录中各节目的观看时长对应的节目收视概率相乘来获得收视记录的收视概率。
所述异常记录确定单元400，用于根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录。
可选的，异常记录确定单元400可以确定所述收视记录的收视概率是否小于第一概率阈值，如果是，则将所述收视记录确定为异常收视记录。
其中，当所述收视记录获取单元100获得的收视记录不同时，本发明使用的第一概率阈值也可以相同或不同。可选的，第一概率阈值可以根据对多个正常收视记录进行统计分析后得到。
本发明实施例提供的一种收视检测装置，可以获得用户观看节目的收视记录，在收视记录的总观看时长超过第一时长阈值时，确定收视记录中各节目的观看时长对应的节目收视概率；根据节目收视概率确定收视记录的收视概率；根据收视记录的收视概率确定收视记录是否为异常收视记录。由于异常收视记录的收视概率往往较小，因此本发明可以有效识别异常收视记录。
所述收视检测装置包括处理器和存储器，上述收视记录获取单元、节目收视概率确定单元、收视记录概率确定单元和异常收视记录确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包括内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现收视检测。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述收视检测方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述收视检测方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
获得用户观看节目的收视记录；
在所述收视记录的总观看时长超过第一时长阈值时，确定所述收视记录中各节目的观看时长对应的节目收视概率；
根据所述节目收视概率确定所述收视记录的收视概率；
根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录。
可选的，所述确定所述收视记录中各节目的观看时长对应的节目收视概率，包括如下三种方式中的任意一种：
方式一、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率；
方式二、对所述收视记录中的每一个节目的观看时长，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率；
方式三、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
可选的，所述确定群体用户对该节目的该观看时长的群体收视概率，包括：
获得群体用户对该节目的各群体观看时长区间对应的群体收视概率；
确定所述收视记录中的该节目的该观看时长所在的群体观看时长区间，将确定的群体观看时长区间对应的群体收视概率确定为群体用户对该节目的该观看时长的群体收视概率；
所述确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率，包括：
获得所述收视记录对应的用户对该节目的各观看时长；
确定所述收视记录对应的用户对该节目的各观看时长所在的个人观看时长区间；
根据各个人观看时长区间对应的观看时长数量确定该节目的该观看时长所在的个人观看时长区间的收视概率，将该节目的该观看时长所在的个人观看时长区间的收视概率确定为所述收视记录对应的用户对该节目的该观看时长的个人收视概率。
可选的，所述根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率，包括：
对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
可选的，所述根据所述节目收视概率确定所述收视记录的收视概率，包括：
将所述收视记录中各节目的观看时长对应的节目收视概率相乘，将计算结果确定为所述收视记录的收视概率。
可选的，所述根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录，包括：
确定所述收视记录的收视概率是否小于第一概率阈值，如果是，则将所述收视记录确定为异常收视记录。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
获得用户观看节目的收视记录；
在所述收视记录的总观看时长超过第一时长阈值时，确定所述收视记录中各节目的观看时长对应的节目收视概率；
根据所述节目收视概率确定所述收视记录的收视概率；
根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录。
可选的，所述确定所述收视记录中各节目的观看时长对应的节目收视概率，包括如下三种方式中的任意一种：
方式一、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率；
方式二、对所述收视记录中的每一个节目的观看时长，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率；
方式三、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率。
可选的，所述确定群体用户对该节目的该观看时长的群体收视概率，包括：
获得群体用户对该节目的各群体观看时长区间对应的群体收视概率；
确定所述收视记录中的该节目的该观看时长所在的群体观看时长区间，将确定的群体观看时长区间对应的群体收视概率确定为群体用户对该节目的该观看时长的群体收视概率；
所述确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率，包括：
获得所述收视记录对应的用户对该节目的各观看时长；
确定所述收视记录对应的用户对该节目的各观看时长所在的个人观看时长区间；
根据各个人观看时长区间对应的观看时长数量确定该节目的该观看时长所在的个人观看时长区间的收视概率，将该节目的该观看时长所在的个人观看时长区间的收视概率确定为所述收视记录对应的用户对该节目的该观看时长的个人收视概率。
可选的，所述根据所述群体收视概率和所述个人收视概率确定该节目的该观看时长对应的节目收视概率，包括：
对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
可选的，所述根据所述节目收视概率确定所述收视记录的收视概率，包括：
将所述收视记录中各节目的观看时长对应的节目收视概率相乘，将计算结果确定为所述收视记录的收视概率。
可选的，所述根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录，包括：
确定所述收视记录的收视概率是否小于第一概率阈值，如果是，则将所述收视记录确定为异常收视记录。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种收视检测方法，其特征在于，包括：
获得用户观看节目的收视记录；
在所述收视记录的总观看时长超过第一时长阈值时，针对所述收视记录中的每一个节目的观看时长，基于群体用户对该节目的该观看时长的群体收视概率，和\或，所述收视记录对应的用户对该节目的该观看时长的个人收视概率，确定所述收视记录中各节目的观看时长对应的节目收视概率，其中，所述群体收视概率表征各个群体用户在观看该节目时，在该节目的观看时长的各个群体观看时长区间中，各个群体观看时长区间的群体用户数量占观看该节目的总群体用户数量的概率，所述个人收视概率表征个人在观看该节目时，处于该节目的各个个人观看时长区间中，各个个人观看时长区间中的用户的观看时长数量占观看该节目的总用户观看时长数量的概率；
根据所述节目收视概率进行计算，确定所述收视记录的收视概率；
根据所述收视记录的收视概率与预设的第一概率阈值，确定所述收视记录是否为异常收视记录；
其中，基于群体用户对该节目的该观看时长的群体收视概率和所述收视记录对应的用户对该节目的该观看时长的个人收视概率，确定所述收视记录中各节目的观看时长对应的节目收视概率，包括:
对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
2.根据权利要求1所述的方法，其特征在于，所述确定所述收视记录中各节目的观看时长对应的节目收视概率，包括如下三种方式中的任意一种：
方式一、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率；
方式二、对所述收视记录中的每一个节目的观看时长，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率；
方式三、对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定该节目的该观看时长对应的节目收视概率。
3.根据权利要求2所述的方法，其特征在于，所述确定群体用户对该节目的该观看时长的群体收视概率，包括：
获得群体用户对该节目的各个的群体观看时长区间对应的群体收视概率；
确定所述收视记录中的该节目的该观看时长所在的群体观看时长区间，将确定的群体观看时长区间对应的群体收视概率确定为群体用户对该节目的该观看时长的群体收视概率；
所述确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率，包括：
获得所述收视记录对应的用户对该节目的各观看时长，所述各观看时长指示在收视记录中，用户每一次观看该节目时所产生的时间段；
确定所述收视记录对应的用户对该节目的各观看时长所在的个人观看时长区间；
根据各个的个人观看时长区间对应的观看时长数量，确定该节目的该观看时长所在的个人观看时长区间的收视概率，将该节目的该观看时长所在的个人观看时长区间的收视概率确定为所述收视记录对应的用户对该节目的该观看时长的个人收视概率。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述节目收视概率确定所述收视记录的收视概率，包括：
将所述收视记录中各节目的观看时长对应的节目收视概率相乘，将计算结果确定为所述收视记录的收视概率。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述收视记录的收视概率确定所述收视记录是否为异常收视记录，包括：
确定所述收视记录的收视概率是否小于第一概率阈值，如果是，则将所述收视记录确定为异常收视记录。
6.一种收视检测装置，其特征在于，所述装置包括：收视记录获取单元、节目收视概率确定单元、收视记录概率确定单元和异常收视记录确定单元，
所述收视记录获取单元，用于获得用户观看节目的收视记录；
所述节目收视概率确定单元，用于在所述收视记录的总观看时长超过第一时长阈值时，针对所述收视记录中的每一个节目的观看时长，基于群体用户对该节目的该观看时长的群体收视概率，和\或，所述收视记录对应的用户对该节目的该观看时长的个人收视概率，确定所述收视记录中各节目的观看时长对应的节目收视概率，其中，所述群体收视概率表征各个群体用户在观看该节目时，在该节目的观看时长的各个群体观看时长区间中，各个群体观看时长区间的群体用户数量占观看该节目的总群体用户数量的概率，所述个人收视概率表征个人在观看该节目时，处于该节目的各个个人观看时长区间中，各个个人观看时长区间中的用户的观看时长数量占观看该节目的总用户观看时长数量的概率；
所述收视记录概率确定单元，用于根据所述节目收视概率进行计算，确定所述收视记录的收视概率；
所述异常收视记录确定单元，用于根据所述收视记录的收视概率与预先设定的第一概率阈值，确定所述收视记录是否为异常收视记录；
其中，基于群体用户对该节目的该观看时长的群体收视概率和所述收视记录对应的用户对该节目的该观看时长的个人收视概率，确定所述收视记录中各节目的观看时长对应的节目收视概率，包括:
对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定为该节目的该观看时长对应的节目收视概率。
7.根据权利要求6所述的装置，其特征在于，所述节目收视概率确定单元包括：第一收视概率确定子单元、第二收视概率确定子单元和第三收视概率确定子单元中的至少一个，
所述第一收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，根据所述群体收视概率确定该节目的该观看时长对应的节目收视概率；
所述第二收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；根据所述个人收视概率确定该节目的该观看时长对应的节目收视概率；
所述第三收视概率确定子单元，用于在所述收视记录的总观看时长超过第一时长阈值时，对所述收视记录中的每一个节目的观看时长，确定群体用户对该节目的该观看时长的群体收视概率，确定所述收视记录对应的用户对该节目的该观看时长的个人收视概率；对所述群体收视概率和所述个人收视概率进行加权计算，将计算结果确定该节目的该观看时长对应的节目收视概率。
8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至5中任一项所述的收视检测方法。
9.一种处理器，其特征在于，该处理器设置于设备中，所述设备还包括存储器及存储在存储器上并可在处理器上运行的程序，其中，所述程序运行时执行如权利要求1至5中任一项所述的收视检测方法。
CN201710888294.XA 2017-09-27 2017-09-27 收视检测方法及装置 Active CN109561327B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710888294.XA CN109561327B (zh) 2017-09-27 2017-09-27 收视检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710888294.XA CN109561327B (zh) 2017-09-27 2017-09-27 收视检测方法及装置

Publications (2)

Publication Number Publication Date
CN109561327A CN109561327A (zh) 2019-04-02
CN109561327B true CN109561327B (zh) 2021-05-28

Family

ID=65863948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710888294.XA Active CN109561327B (zh) 2017-09-27 2017-09-27 收视检测方法及装置

Country Status (1)

Country Link
CN (1) CN109561327B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113727192B (zh) * 2020-06-19 2023-09-12 天翼数字生活科技有限公司 采集收视行为的方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1518807A (zh) * 2001-06-18 2004-08-04 ���ѷý���о��ɷ����޹�˾ 观众识别系统中的观众成员提示方法
CN104469432A (zh) * 2014-12-31 2015-03-25 合一网络技术(北京)有限公司 一种基于用户的收视率修正方法及装置
CN104980800A (zh) * 2014-04-04 2015-10-14 北京秒针信息咨询有限公司 一种监测电视开关机状态的方法和系统
EP2945113A1 (en) * 2014-05-14 2015-11-18 Cisco Technology, Inc. Audience segmentation using machine-learning
US9743141B2 (en) * 2015-06-12 2017-08-22 The Nielsen Company (Us), Llc Methods and apparatus to determine viewing condition probabilities

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7644423B2 (en) * 2004-09-30 2010-01-05 Microsoft Corporation System and method for generating media consumption statistics

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1518807A (zh) * 2001-06-18 2004-08-04 ���ѷý���о��ɷ����޹�˾ 观众识别系统中的观众成员提示方法
CN104980800A (zh) * 2014-04-04 2015-10-14 北京秒针信息咨询有限公司 一种监测电视开关机状态的方法和系统
EP2945113A1 (en) * 2014-05-14 2015-11-18 Cisco Technology, Inc. Audience segmentation using machine-learning
CN104469432A (zh) * 2014-12-31 2015-03-25 合一网络技术(北京)有限公司 一种基于用户的收视率修正方法及装置
US9743141B2 (en) * 2015-06-12 2017-08-22 The Nielsen Company (Us), Llc Methods and apparatus to determine viewing condition probabilities

Also Published As

Publication number Publication date
CN109561327A (zh) 2019-04-02

Similar Documents

Publication Publication Date Title
US11528530B2 (en) Methods, apparatus, and systems to collect audience measurement data
US9544632B2 (en) Methods and apparatus to calculate video-on-demand and dynamically inserted advertisement viewing probability
US11647254B2 (en) Methods and apparatus to detect and rectify false set top box tuning data
WO2016086076A1 (en) Methods and apparatus to project ratings for future broadcasts of media
US9264784B2 (en) Social network-based automated program channel recommender
CN103442270A (zh) 一种采集用户的收视数据的方法及装置
US20140101682A1 (en) Television auto-tune based on habitual viewing behaviors
CN101841381B (zh) 观众在场探测的方法和系统
CN109561327B (zh) 收视检测方法及装置
US20170094370A1 (en) Digital video recorder and a method for dynamic management of advertising content on a digital video recorder
CN109729427B (zh) 收视时长的统计方法及装置
CN108574859B (zh) 一种收视行为统计方法及装置
US20220038541A1 (en) Methods and apparatus for session building from ping-level data
CN107846612B (zh) 收视分析方法及装置
CN109429104A (zh) 家庭成员的分析方法及相关装置
CN106612459B (zh) 基于网络电视统计用户黏度的方法、装置、存储介质及黏度统计设备
JP2017092664A (ja) 番組分析装置及び番組分析方法
CN110896504A (zh) 主播时长统计方法及装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100080 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing

Applicant after: Beijing Guoshuang Technology Co.,Ltd.

Address before: 100086 Beijing city Haidian District Shuangyushu Area No. 76 Zhichun Road cuigongfandian 8 layer A

Applicant before: Beijing Guoshuang Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant