CN110019940A - 一种影视推送方法及装置 - Google Patents

一种影视推送方法及装置 Download PDF

Info

Publication number
CN110019940A
CN110019940A CN201710657491.0A CN201710657491A CN110019940A CN 110019940 A CN110019940 A CN 110019940A CN 201710657491 A CN201710657491 A CN 201710657491A CN 110019940 A CN110019940 A CN 110019940A
Authority
CN
China
Prior art keywords
video display
score value
default
attribute information
preset
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
CN201710657491.0A
Other languages
English (en)
Inventor
冯研
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.)
TCL Corp
Original Assignee
TCL Corp
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 TCL Corp filed Critical TCL Corp
Priority to CN201710657491.0A priority Critical patent/CN110019940A/zh
Publication of CN110019940A publication Critical patent/CN110019940A/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
    • G06F16/70—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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及信息推送技术领域，公开了一种影视推送方法及装置。其中，影视推送方法包括：获取目标用户的目标用户属性信息；根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。由于只需获取目标用户的用户属性信息便可计算出该用户对预设影视的预测评分值，并基于该用户对预设影视的预测评分值向该用户推荐其感兴趣的影视，因此能够对没有历史浏览记录或评分记录，仅有用户属性信息的新用户实现个性化影视推送。

Description

一种影视推送方法及装置
技术领域
本发明涉及信息推送技术领域，尤其涉及一种影视推送方法及装置。
背景技术
目前，随着信息推送技术的不断发展，很多视频播放平台都会向用户推送影视。现有的影视推送方法其一是基于影视的点击率或评分值向用户推送一些热门影视，其二是基于用户的历史浏览记录或历史评分记录向用户推送一些其感兴趣的影视。
然而，现有的基于影视的点击率或评分值向用户推送热门影视的方法存在无法满足用户个性化需求的问题；现有的基于用户的历史浏览记录或历史评分记录向用户推送感兴趣的影视的方法虽然可以满足用户的个性化需求，但其存在无法对新用户实现个性化影视推送的问题。
发明内容
本发明实施例提供一种影视推送方法及装置，旨在解决现有的影视推送方法无法对新用户实现个性化影视推送的问题。
第一方面，本发明实施例提供了一种影视推送方法，该影视推送方法包括：
获取目标用户的目标用户属性信息；
根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；
根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
第二方面，本发明实施例提供了一种影视推送装置，该影视推送装置包括：
第一获取单元，用于获取目标用户的目标用户属性信息；
第一计算单元，用于根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；
推送单元，用于根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
第三方面，本发明实施例提供了一种影视推送装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述方法的步骤。
本发明实施例通过获取目标用户的目标用户属性信息；根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。由于只需获取目标用户的用户属性信息便可计算出该用户对预设影视的预测评分值，并基于该用户对预设影视的预测评分值向该用户推荐其感兴趣的影视，因此能够对没有历史浏览记录或评分记录，仅有用户属性信息的新用户实现个性化影视推送。
附图说明
图1是本发明实施例提供的一种影视推送方法的流程图；
图2是本发明另一实施例提供的一种影视推送方法的流程图；
图3是本发明实施例提供的一种影视推送装置的结构图；
图4是本发明另一实施例提供的一种影视推送装置的结构图；
图5是本发明再一实施例提供的一种影视推送装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参见图1，图1是本发明实施例提供的一种影视推送方法的示意流程图。本实施例中影视推送方法的执行主体为终端设备。终端设备可以为智能电视，也可以为手机、平板电脑等移动终端设备，此处不做限制。如图1所示的影视推送方法可以包括以下步骤：
S101：获取目标用户的目标用户属性信息。
在本实施例中，当新用户想通过预设的影视播放平台观看影视时，新用户可以在预设的影视播放平台注册相应的用户账号，并在用户账号注册成功后通过该用户账号登录影视播放平台观看影视。
其中，预设的影视播放平台可以为智能电视所搭载的智能影视播放系统，也可以为手机、平板电脑等终端设备上安装的视频播放应用(application，APP)，或者还可以为视频播放网站等，此处不做限制。
用户在影视播放平台注册用户账号时，需要根据预设的用户属性信息输入其自身对应的用户属性信息。其中，预设的用户属性信息可以包括但不限于年龄段、收入水平及性别。可以理解的是，研发人员可以预先设置每个预设的用户属性信息对应的分类，例如，对于年龄段这一预设的用户属性信息，研发人员可以预先设置4种类型的年龄段，分别为17岁及以下(少年)、18岁～40岁(青年)、41岁～65岁(中年)、66岁及以上(老年)；对于收入水平这一预设的用户属性信息，研发人员可以预先设置3种类型的收入水平，分别为小于1万元/月(低收入水平)、1万元/月～3万元/月(中收入水平)、大于3万元/月(高收入水平)；对于性别这一预设的用户属性信息，研发人员可以预先设置3种类型的性别，分别为男、女、未知。
当新用户在注册用户账号的过程中需要填写用户属性信息时，终端设备可以将每个预设的用户属性信息对应的分类展示给用户供用户进行选择。当然，用户也可以直接输入其真实年龄、真实收入及性别，此处不做限制。
终端设备正常工作时，若检测到预设的影视播放平台有新的用户账号注册成功，则识别为有新用户在预设的影视播放平台注册用户账号，终端设备将该新用户识别为目标用户，并从新用户对应的用户账号注册信息中获取新用户对应的目标用户属性信息。其中，目标用户属性信息包括但不限于目标用户对应的目标年龄段、目标收入水平及目标性别。
具体的，若用户在注册用户账号的过程中，从终端设备显示的预设的用户属性信息对应的分类中选择其对应的用户属性信息，则终端设备可以将用户选择的用户属性信息识别为目标用户属性信息。例如，若用户在预设的年龄段分类中选择了少年，在预设的收入水平分类中选择了中收入水平，在预设的性别分类中选择了男，则终端设备将用户选择的少年识别为目标年龄段，将用户选择的中收入水平识别为目标收入水平，将用户选择的男性别识别为目标性别。
若用户在注册用户账号的过程中，直接输入其真实年龄、真实收入及性别，则终端设备可以根据用户输入的真实年龄、真实收入及性别检测其真实年龄对应的预设年龄段，真实收入对应的预设收入水平，以及真实性别对应的预设性别，并将用户的真实年龄对应的预设年龄段识别为目标年龄段，将用户的真实收入对应的预设收入水平识别为目标收入水平，将用户的真实性别对应的预设性别识别为目标性别。
S102：根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值。
终端设备获取到目标用户对应的目标用户属性信息后，可以根据目标用户属性信息以及预先构建的影视预测评分值计算模型，计算目标用户对预设影视的预测评分值。
其中，预设影视可以包括至少两个影视。预设影视的类型可以包括但不限于电影、电视剧、节目、动画等。预设影视可以根据实际需求进行设置，且可以定期对预设影视进行更新。
预先构建的影视预测评分值计算模型的输入值为用户属性信息，输出值为目标用户对每个预设影视的预测评分值。终端设备可以将目标用户属性信息输入至预先构建的影视预测评分值计算模型，并获取影视预测评分值计算模型的输出值，该输出值即为目标用户对每个预设影视的预测评分值。
S103：根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
终端设备计算出目标用户对每个预设影视的预测评分值后，可以根据目标用户对每个预设影视的预测评分值，从预设影视中确定目标影视，并将目标影视推送给目标用户。
终端设备根据目标用户对预设影视的预测评分值从预设影视中确定目标影视可以为，终端设备将预设影视中预测评分值大于预设阈值的预设影视识别为目标影视。其中，预设阈值可以根据实际需求进行设置，此处不做限制。例如，终端设备若检测到预设影视中的第一影视的预测评分值大于预设阈值，则终端将第一影视识别为目标影视，并将第一影视推送给用户。
其中，第一影视可以为预设影视中的任一影视，第一影视可以仅包括一个影视，也可以包括至少两个影视，具体根据实际情况确定，此处不做限制。
以上可以看出，本实施例提供的一种影视推送方法通过获取目标用户的目标用户属性信息；根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。由于只需获取目标用户的用户属性信息便可计算出该用户对预设影视的预测评分值，并基于该用户对预设影视的预测评分值向该用户推荐其感兴趣的影视，因此能够对没有历史浏览记录或评分记录，仅有用户属性信息的新用户实现个性化影视推送。
参见图2，图2是本发明另一实施例提供的一种影视推送方法的示意流程图。本实施例中影视推送方法的执行主体为终端设备。终端设备可以为智能电视，也可以为手机、平板电脑等移动终端设备，此处不做限制。如图2所示的影视推送方法可以包括以下步骤：
S201：获取目标用户的目标用户属性信息。
需要说明的是，本实施例中的S201与第一实施例中的S101相同，具体请参阅第一实施例中S101的具体描述，此处不再赘述。
在本实施例中，在S201之前，影视推送方法还可以包括S2001～S2003。
S2001：获取预设影视各自对应的历史评分记录。
在本实施中，在对新用户实现影视推送之前，终端设备需要基于预设影视的历史评分记录来预先构建影视预测评分值计算模型。
其中，预设影视可以包括至少两个影视。预设影视的类型可以包括但不限于电影、电视剧、节目、动画等。预设影视可以根据实际需求进行设置，且可以定期对预设影视进行更新。
每个预设影视可以对应多条历史评分记录。每条历史评分记录均包括用户属性信息和历史评分值。例如，若第一影视对应的第一历史评分记录为第一用户对第一影视的评分记录，则第一历史评分记录包括第一用户的年龄段、收入水平、性别及第一用户对第一影视的历史评分值。
终端设备可以从预设的影视播放平台的历史播放记录中获取预设影视各自对应的历史评分记录。
S2002：根据所述预设影视各自对应的历史评分记录以及预设的影视初始评分值计算策略，计算预设的用户属性信息各自对应的预设影视的初始评分值。
终端设备获取到预设影视各自对应的历史评分记录后，根据预设影视各自对应的历史评分记录以及预设的影视初始评分值计算策略计算每个预设的用户属性信息各自对应的预设影视的初始评分值。
具体的，终端设备可以根据预设影视各自对应的历史评分记录以及预设的第一影视初始评分值计算策略，计算预设的年龄段各自对应的预设影视的初始评分值。其中，第一影视初始评分值计算策略可以为：
其中，P(agek|filmi)为预设的年龄段k所对应的预设影视i的初始评分值，P(filmi|agek)为预设的年龄段k所对应的所有历史用户对预设影视i的历史评分值的总和，p(agek)为预设的年龄段k的先验概率，p(filmi)为预设影视i对应的历史评分记录的总个数。需要说明的是，预设的年龄段k的取值可以为少年、青年、中年或老年。
终端设备可以根据预设影视各自对应的历史评分记录以及预设的第二影视初始评分值计算策略，计算预设的收入水平各自对应的预设影视的初始评分值。其中，第二影视初始评分值计算策略可以为：
其中，P(slam|filmi)为预设的收入水平m所对应的预设影视i的初始评分值，P(filmi|slam)为预设的收入水平m所对应的所有历史用户对预设影视i的历史评分值的总和，p(slam)为预设的收入水平m的先验概率，p(filmi)为预设影视i对应的历史评分记录的总个数。需要说明的是，预设的收入水平m的取值可以为低收入水平、中收入水平或高收入水平。
终端设备可以根据预设影视各自对应的历史评分记录以及预设的第三影视初始评分值计算策略，计算预设的性别各自对应的预设影视的初始评分值。其中，第三影视初始评分值计算策略可以为：
其中，P(sexn|filmi)为预设的性别n所对应的预设影视i的初始评分值，P(filmi|sexn)为预设的性别n所对应的所有历史用户对预设影视i的历史评分值的总和，p(sexn)为预设的性别n的先验概率，p(filmi)为预设影视i对应的历史评分记录的总个数。需要说明的是，预设的性别n的取值可以为男、女或未知。
S2003：根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值。
终端设备计算出每个预设的用户属性信息各自对应的预设影视的初始评分值后，由于每个预设的用户属性信息各自对应的预设影视的初始评分值可能在不同区间内，为了消除这种区间影响，提高数据之间的可比性，终端设备可以对预设影视的初始评分值进行平滑处理(标准化处理)。
终端设备可以根据预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算预设的用户信息各自对应的预设影视的标准化评分值。
具体的，终端设备可以根据预设的年龄段各自对应的预设影视的评分值以及预设的第一标准化算法，计算所述预设的年龄段各自对应的预设影视的标准化评分值。其中，第一标准化算法可以为：
其中，P'(agek|filmi)为预设的年龄段k对应的预设影视i的标准化评分值，P(agek|filmi)为预设的年龄段k对应的预设影视i的初始评分值，P(age|filmi)min为预设的所有年龄段对应的预设影视i的初始评分值中的最小值，P(age|filmi)max为预设的所有年龄段对应的预设影视i的初始评分值中的最大值。
终端设备可以根据预设的收入水平各自对应的预设影视的评分值以及预设的第二标准化算法，计算所述预设的收入水平各自对应的预设影视的标准化评分值。其中，第二标准化算法可以为：
其中，P'(slam|filmi)为预设的收入水平m对应的预设影视i的标准化评分值，P(slam|filmi)为预设的收入水平m对应的预设影视i的初始评分值，P(sla|filmi)min为预设的所有收入水平对应的预设影视i的初始评分值中的最小值，P(sla|filmi)max为预设的所有收入水平对应的预设影视i的初始评分值中的最大值。
终端设备可以根据预设的性别各自对应的预设影视的评分值以及预设的第三标准化算法，计算所述预设的性别各自对应的预设影视的标准化评分值。其中，第三标准化算法可以为：
其中，P'(sexn|filmi)为预设的性别n对应的预设影视i的标准化评分值，P(sexn|filmi)为预设的性别n对应的预设影视i的初始评分值，P(sex|filmi)min为预设的所有性别对应的预设影视i的初始评分值中的最小值，P(sex|filmi)max为预设的所有性别对应的预设影视i的初始评分值中的最大值。
终端设备对预设的用户属性信息各自对应的预设影视的初始评分值进行平滑处理后所得到的预设影视的标准化评分值均在0～1之间。
可以理解的是，终端设备可以根据预设的年龄段各自对应的预设影视的标准化评分值确定预设的年龄段与预设影视的标准化评分值之间的预设对应关系。终端设备可以根据预设的收入水平各自对应的预设影视的标准化评分值确定预设的收入水平与预设影视的标准化评分值之间的预设对应关系。终端设备可以根据预设的性别各自对应的预设影视的标准化评分值确定预设的性别与预设影视的标准化评分值之间的预设对应关系。
进一步的，在S2003之后，在S201之前，影视推送方法还可以包括S2004～S2005。
S2004：根据预设的核函数，采用支持向量机回归算法构建用户多属性回归模型。
在本实施例中，对于目标用户而言，终端设备可以根据目标用户属性信息中的至少两个用户属性信息各自对应的预设影视的标准化评分值，来确定目标用户对预设影视的喜爱程度，即终端设备可以根据目标用户属性信息中的至少两个用户属性信息各自对应的预设影视的标准化评分值，计算目标用户对预设影视的预测评分值。
而由于不同的用户属性信息对应的预设影视的标准化评分值之间并非是线性关系，因此，终端设备可以根据预设的核函数K(xi,x)，采用支持向量机回归算法构建用户多属性回归模型，以将数据从低维空间的非线性组合映射到高维空间的线性组合。其中，预设的核函数K(xi,x)中的xi为自变量，x为因变量。预设的核函数K(xi,x)可以为线性核函数、多项式核函数、高斯核函数或傅里叶级数核函数等，此处不做限制。预设的核函数K(xi,x)对应的具体函数公式可以根据实际应用中选择的核函数确定，此处的K(xi,x)仅为核函数的表达式。
具体的，终端设备根据预设的核函数K(xi,x)，采用支持向量机回归算法构建的用户多属性回归模型可以为：
其中，Pi为某一用户对预设影视i的评分值，ai为核函数K(xi,x)在低维空间中的调节参数，为核函数K(xi,x)在高维空间中的调节参数，ai和均可以根据实际需求进行设置，P'(agek|filmi)为预设的年龄段k对应的预设影视i的标准化评分，P'(slam|filmi)为预设的收入水平m对应的预设影视i的标准化评分，P'(sexn|filmi)为预设的性别n对应的预设影视i的标准化评分，x1为通过预设的核函数K(xi,x)将预设的年龄段k对应的预设影视i的标准化评分、预设的收入水平m对应的预设影视i的标准化评分以及预设的性别n对应的预设影视i的标准化评分从低维空间映射到高维空间后的线性组合，预设影视i的取值范围为[1，n]，其中，n为大于1的正整数。
需要说明的是，在S2004中，终端设备构建出的上述用户多属性回归模型中的各个常量参数是未知的。
S2005：根据所述预设影视各自对应的历史评分记录、预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系以及所述用户多属性回归模型，确定所述预设的影视预测评分值计算策略。
终端设备构建出用户多属性回归模型后，可以根据预设影视各自对应的历史评分记录、预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系以及用户多属性回归模型，确定用户多属性回归模型中的各个常量参数的值，各个常量参数的值确定后的用户多属性回归模型即为预设的影视预测评分值计算策略。
具体的，由于每个预设影视对应的每条历史评分记录均包括年龄段、收入水平、性别及历史评分值。因此，对于某一预设影视i对应的每条历史评分记录而言，终端设备可以根据每条历史评分记录对应的年龄段以及预设的年龄段与预设的影视标准化评分值之间的预设对应关系，确定该历史评分记录中的年龄段对应的预设影视i的标准化评分值。终端设备可以根据每条历史评分记录对应的收入水平以及预设的收入水平与预设的影视标准化评分值之间的预设对应关系，确定该历史评分记录中的收入水平对应的预设影视i的标准化评分值。终端设备可以根据每条历史评分记录对应的性别以及预设的性别与预设的影视标准化评分值之间的预设对应关系，确定该历史评分记录中的性别对应的预设影视i的标准化评分值。
如此，预设影视i的每条历史评分记录均包括一个年龄段对应的预设影视i的标准化评分值、一个收入水平对应的预设影视i的标准化评分值、一个性别对应的预设影视i的标准化评分值以及一个历史评分值。终端可以将预设影视i的每条历史评分记录对应的年龄段对应的预设影视i的标准化评分值、收入水平对应的预设影视i的标准化评分值以及性别对应的预设影视i的标准化评分值作为自变量，将相应的历史评分记录对应的历史评分值作为因变量代入用户多属性回归模型，即可求出每个预设影视对应的用户多属性回归模型中的各个常量参数的值。每个预设影视对应的各个常量参数的值确定后的用户多属性回归模型即为预设的影视预测评分值计算策略。
在本实施例中，预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系以及预设的影视预测评分值计算策略共同构成了影视预测评分值计算模型。
S202：根据所述目标用户属性信息以及预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定所述目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值。
在本实施例中，终端设备获取到目标用户对应的目标用户属性信息后，根据预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值。
具体的，终端设备可以根据目标用户属性信息中的目标年龄段以及预设的年龄段与预设影视的标准化评分值之间的预设对应关系，确定目标年龄段对应的预设影视的标准化评分值。
终端设备可以根据目标用户属性信息中的目标收入水平以及预设的收入水平与预设影视的标准化评分值之间的预设对应关系，确定目标收入水平对应的预设影视的标准化评分值。
终端设备可以根据目标用户属性信息中的目标性别以及预设的性别与预设影视的标准化评分值之间的预设对应关系，确定目标性别对应的预设影视的标准化评分值。
S203：根据所述每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算所述目标用户对预设影视的预测评分值。
终端设备确定目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值之后，可以根据目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算目标用户对每个预设影视的预测评分值。
其中，预设的影视预测评分值计算策略的自变量为每个用户属性信息各自对应的预设影视的标准化评分值，因变量为目标用户对每个预设影视的预测评分值。具体的，终端可以将目标用户属性信息中的目标年龄段对应的预设影视的标准化评分值、目标用户属性信息中的目标收入水平对应的预设影视的标准化评分值以及目标用户属性信息中的目标性别对应的预设影视的标准化评分值代入预设的影视预测评分值计算策略中进行计算，得到目标用户对每个预设影视的预测评分值。
S204：根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
终端设备计算出目标用户对每个预设影视的预测评分值后，可以根据目标用户对每个预设影视的预测评分值，从预设影视中确定目标影视，并将目标影视推送给目标用户。
进一步的，步骤S204可以包括以下步骤：
若所述预设影视中的第一影视的预测评分值大于预设阈值，则将所述第一影视识别为目标影视；
将所述第一影视推送给所述目标用户。
在本实施例中，终端设备若检测到预设影视中的第一影视的预测评分值大于预设阈值，则终端将第一影视识别为目标影视，并将第一影视推送给用户
其中，预设阈值可以根据实际需求进行设置，此处不做限制。第一影视可以为预设影视中的任一影视，第一影视可以仅包括一个影视，也可以包括至少两个影视，具体根据实际情况确定，此处不做限制。
以上可以看出，本实施例提供的一种影视推送方法通过计算目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值，再将每个用户属性信息各自对应的预设影视的标准化评分值通过预设的影视预测评分值计算策略进行整合，得到目标用户对每个预设影视的预测评分值，并基于目标用户对预设影视的预测评分值向该用户推荐其感兴趣的影视，因此能够对没有历史浏览记录或评分记录，仅有用户属性信息的新用户实现个性化影视推送。
参见图3，图3是本发明实施例提供的一种影视推送装置的结构图。本实施例中的影视推送装置为终端设备，终端设备可以为智能电视，也可以为手机、平板电脑等移动终端设备，此处不做限制。终端设备300包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图1及图1对应的实施例中的相关描述，此处不赘述。本实施例的影视推送装置300包括第一获取单元301、第一计算单元302及推送单元303。
第一获取单元301用于获取目标用户的目标用户属性信息。
第一计算单元302用于根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值。
推送单元303用于根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
以上可以看出，本实施例提供的一种影视推送装置获取目标用户的目标用户属性信息；根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。由于只需获取目标用户的用户属性信息便可计算出该用户对预设影视的预测评分值，并基于该用户对预设影视的预测评分值向该用户推荐其感兴趣的影视，因此能够对没有历史浏览记录或评分记录，仅有用户属性信息的新用户实现个性化影视推送。
参见图4，图4是本发明实施例提供的一种影视推送装置的结构图。本实施例中的影视推送装置为终端设备，终端设备可以为智能电视，也可以为手机、平板电脑等移动终端设备，此处不做限制。终端设备400包括的各单元用于执行图1对应的实施例中的各步骤，具体请参阅图2及图2对应的实施例中的相关描述，此处不赘述。本实施例的影视推送装置400包括第一获取单元401、第一计算单元402、推送单元403、第二获取单元404、初始评分值计算单元405、标准化评分值计算单元406、模型构建单元407及第一确定单元408。
第一获取单元401用于获取目标用户的目标用户属性信息。
第一计算单元402用于根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值。
其中，第一计算单元402包括标准化评分值确定单元4021和预测评分值计算单元4022。
标准化评分值确定单元4021用于根据所述目标用户属性信息以及预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定所述目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值。
预测评分值计算单元4022用于根据所述每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算所述目标用户对预设影视的预测评分值。
推送单元403用于根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
其中，推送单元403可以包括识别单元和影视推送单元。
识别单元用于若所述预设影视中的第一影视的预测评分值大于预设阈值，则将所述第一影视识别为目标影视。
影视推送单元用于将所述第一影视推送给所述目标用户。
第二获取单元404用于获取预设影视各自对应的历史评分记录；其中，所述历史评分记录包括用户属性信息和历史评分值。
初始评分值计算单元405用于根据所述预设影视各自对应的历史评分记录以及预设的影视初始评分值计算策略，计算预设的用户属性信息各自对应的预设影视的初始评分值。
标准化评分值计算单元406用于根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值。
模型构建单元407用于根据预设的核函数，采用支持向量机回归算法构建用户多属性回归模型。
第一确定单元408用于根据所述预设影视各自对应的历史评分记录、预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系以及所述用户多属性回归模型，确定所述预设的影视预测评分值计算策略。
以上可以看出，本实施例提供的一种影视推送装置通过计算目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值，再将每个用户属性信息各自对应的预设影视的标准化评分值通过预设的影视预测评分值计算策略进行整合，得到目标用户对每个预设影视的预测评分值，并基于目标用户对预设影视的预测评分值向该用户推荐其感兴趣的影视，因此能够对没有历史浏览记录或评分记录，仅有用户属性信息的新用户实现个性化影视推送。
参见图5，图5是本发明再一实施例提供的一种影视推送装置的示意图。如图5所示的本实施例中的影视推送装置500可以包括：处理器501、存储器502以及存储在存储器502中并可在处理器501上运行的计算机程序503，例如配置车辆诊断参数的程序。处理器501执行计算机程序503时实现上述各个影视推送方法实施例中的步骤。例如图1所示的S101至S103。或者，处理器501执行计算机程序503时实现上述各装置实施例中各单元的功能，例如图3所述的单元301至303。
示例性的，计算机程序503可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器502中，并由所述处理器501执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序503在影视推送装置500中的执行过程。例如，所述计算机程序503可以被分割成第一获取单元、第一计算单元及推送单元、第二获取单元、初始评分值计算单元、标准化评分值计算单元、模型构建单元及第一确定单元，各单元具体功能如下：
第一获取单元用于获取目标用户的目标用户属性信息。
第一计算单元用于根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值。
推送单元用于根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
第二获取单元用于获取预设影视各自对应的历史评分记录；其中，所述历史评分记录包括用户属性信息和历史评分值。
初始评分值计算单元用于根据所述预设影视各自对应的历史评分记录以及预设的影视初始评分值计算策略，计算预设的用户属性信息各自对应的预设影视的初始评分值。
标准化评分值计算单元用于根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值。
模型构建单元用于根据预设的核函数，采用支持向量机回归算法构建用户多属性回归模型。
第一确定单元用于根据所述预设影视各自对应的历史评分记录、预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系以及所述用户多属性回归模型，确定所述预设的影视预测评分值计算策略。
进一步的，第一计算单元还可以被分割成标准化评分值确定单元和预测评分值计算单元。
标准化评分值确定单元用于根据所述目标用户属性信息以及预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定所述目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值。
预测评分值计算单元用于根据所述每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算所述目标用户对预设影视的预测评分值。
进一步的，推送单元还可以被分割成识别单元和影视推送单元。
识别单元用于若所述预设影视中的第一影视的预测评分值大于预设阈值，则将所述第一影视识别为目标影视。
影视推送单元用于将所述第一影视推送给所述目标用户。
所述影视推送装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述影视推送装置可包括，但不仅限于，处理器501、存储器502。本领域技术人员可以理解，图5仅仅是影视推送装置500的示例，并不构成对影视推送装置500的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述调节封闭工作环境的装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器501可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器502可以是所述影视推送装置500的内部存储单元，例如影视推送装置500的硬盘或内存。所述存储器502也可以是所述影视推送装置500的外部存储设备，例如所述影视推送装置500上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器502还可以既包括所述影视推送装置500的内部存储单元也包括外部存储设备。所述存储器502用于存储所述计算机程序以及所述调节封闭工作环境的装置所需的其他程序和数据。所述存储器502还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种影视推送方法，其特征在于，包括：
获取目标用户的目标用户属性信息；
根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；
根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
2.根据权利要求1所述的影视推送方法，其特征在于，
所述目标用户属性信息包括至少两个用户属性信息；
所述根据所述目标用户属性信息以及预先构建的影视预测评分计算模型，计算所述目标用户对预设影视的预测评分值，包括：
根据所述目标用户属性信息以及预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定所述目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值；
根据所述每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算所述目标用户对预设影视的预测评分值。
3.根据权利要求1所述的影视推送方法，其特征在于，所述获取目标用户的目标用户属性信息之前，还包括：
获取预设影视各自对应的历史评分记录；其中，所述历史评分记录包括用户属性信息和历史评分值；
根据所述预设影视各自对应的历史评分记录以及预设的影视初始评分值计算策略，计算预设的用户属性信息各自对应的预设影视的初始评分值；
根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值。
4.根据权利要求3所述的影视推送方法，其特征在于，所述根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值之后，所述获取目标用户的目标用户属性信息之前，还包括：
根据预设的核函数，采用支持向量机回归算法构建用户多属性回归模型；
根据所述预设影视各自对应的历史评分记录、预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系以及所述用户多属性回归模型，确定所述预设的影视预测评分值计算策略。
5.根据权利要求1至4任一项所述的影视推送方法，其特征在于，所述根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户，包括：
若所述预设影视中的第一影视的预测评分值大于预设阈值，则将所述第一影视识别为目标影视；
将所述第一影视推送给所述目标用户。
6.一种影视推送装置，其特征在于，包括：
第一获取单元，用于获取目标用户的目标用户属性信息；
第一计算单元，用于根据所述目标用户属性信息以及预先构建的影视预测评分值计算模型，计算所述目标用户对预设影视的预测评分值；
推送单元，用于根据所述目标用户对预设影视的预测评分值，从所述预设影视中确定目标影视，并将所述目标影视推送给所述目标用户。
7.根据权利要求6所述的装置，其特征在于，
所述目标用户属性信息包括至少两个用户属性信息；
所述第一计算单元包括：
标准化评分值确定单元，用于根据所述目标用户属性信息以及预设的用户属性信息与预设影视的标准化评分值之间的预设对应关系，确定所述目标用户属性信息中的每个用户属性信息各自对应的预设影视的标准化评分值；
预测评分值计算单元，用于根据所述每个用户属性信息各自对应的预设影视的标准化评分值以及预设的影视预测评分值计算策略，计算所述目标用户对预设影视的预测评分值。
8.根据权利要求6所述的装置，其特征在于，还包括：
第二获取单元，用于获取预设影视各自对应的历史评分记录；其中，所述历史评分记录包括用户属性信息和历史评分值；
初始评分值计算单元，用于根据所述预设影视各自对应的历史评分记录以及预设的影视初始评分值计算策略，计算预设的用户属性信息各自对应的预设影视的初始评分值；
标准化评分值计算单元，用于根据所述预设的用户属性信息各自对应的预设影视的初始评分值以及预设的标准化算法，计算所述预设的用户信息各自对应的预设影视的标准化评分值。
9.一种影视推送装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
CN201710657491.0A 2017-08-03 2017-08-03 一种影视推送方法及装置 Pending CN110019940A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710657491.0A CN110019940A (zh) 2017-08-03 2017-08-03 一种影视推送方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710657491.0A CN110019940A (zh) 2017-08-03 2017-08-03 一种影视推送方法及装置

Publications (1)

Publication Number Publication Date
CN110019940A true CN110019940A (zh) 2019-07-16

Family

ID=67186045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710657491.0A Pending CN110019940A (zh) 2017-08-03 2017-08-03 一种影视推送方法及装置

Country Status (1)

Country Link
CN (1) CN110019940A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339406A (zh) * 2020-02-17 2020-06-26 北京百度网讯科技有限公司 个性化推荐方法、装置、设备及存储介质
CN112561651A (zh) * 2020-12-17 2021-03-26 中国平安人寿保险股份有限公司 产品信息推送方法以及相关产品
CN116934389A (zh) * 2023-06-12 2023-10-24 嘉兴华数广电网络有限公司 基于云计算与跨平台技术的数字电视有价券卡管理系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵广杰等: "基于支持向量机回归多属性智能电视电影推荐", 《电视技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339406A (zh) * 2020-02-17 2020-06-26 北京百度网讯科技有限公司 个性化推荐方法、装置、设备及存储介质
CN112561651A (zh) * 2020-12-17 2021-03-26 中国平安人寿保险股份有限公司 产品信息推送方法以及相关产品
CN116934389A (zh) * 2023-06-12 2023-10-24 嘉兴华数广电网络有限公司 基于云计算与跨平台技术的数字电视有价券卡管理系统
CN116934389B (zh) * 2023-06-12 2024-02-23 嘉兴华数广电网络有限公司 基于云计算与跨平台技术的数字电视有价券卡管理系统

Similar Documents

Publication Publication Date Title
US11593817B2 (en) Demand prediction method, demand prediction apparatus, and non-transitory computer-readable recording medium
CN109034365A (zh) 深度学习模型的训练方法及装置
CN109993627B (zh) 推荐方法、推荐模型的训练方法、装置和存储介质
CN108985489B (zh) 一种风险预测方法、风险预测装置和终端设备
US9542458B2 (en) Systems and methods for processing and displaying user-generated content
CN107958297B (zh) 一种产品需求预测方法及产品需求预测装置
CN113592535B (zh) 一种广告推荐方法、装置、电子设备和存储介质
CN110019940A (zh) 一种影视推送方法及装置
CN116541610B (zh) 一种推荐模型的训练方法及装置
CN108133390A (zh) 用于预测用户行为的方法和装置以及计算设备
CN108595448A (zh) 信息推送方法和装置
US11985368B2 (en) Synthetic total audience ratings
CN111797320A (zh) 数据处理方法、装置、设备及存储介质
CN112423134A (zh) 视频内容推荐方法、装置及计算机设备
CN108563648B (zh) 数据显示方法和装置、存储介质及电子装置
CN110570271A (zh) 信息推荐方法、装置、电子设备及可读存储介质
CN113886721A (zh) 个性化兴趣点推荐方法、装置、计算机设备及存储介质
CN109165077A (zh) 一种网页处理方法、装置、电子设备及存储介质
CN113393270B (zh) 广告点位贡献值的确定方法和装置、电子设备和存储介质
CN113408817B (zh) 流量分发方法、装置、设备及存储介质
CN114925275A (zh) 产品推荐方法、装置、计算机设备及存储介质
KR20150094923A (ko) 사용자 참여형 주가 예측 서비스 제공 방법
CN112364232A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN111915315B (zh) 认证方式推荐方法、装置、电子设备和可读存储介质
CN113065066B (zh) 预测方法、装置、服务器及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190716