CN110312167B - 一种计算影视内容评分的方法、智能终端及存储介质 - Google Patents

一种计算影视内容评分的方法、智能终端及存储介质 Download PDF

Info

Publication number
CN110312167B
CN110312167B CN201910561790.3A CN201910561790A CN110312167B CN 110312167 B CN110312167 B CN 110312167B CN 201910561790 A CN201910561790 A CN 201910561790A CN 110312167 B CN110312167 B CN 110312167B
Authority
CN
China
Prior art keywords
user
movie
scored
score
time
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
CN201910561790.3A
Other languages
English (en)
Other versions
CN110312167A (zh
Inventor
关越
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.)
Shenzhen Coocaa Network Technology Co Ltd
Original Assignee
Shenzhen Coocaa Network 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 Shenzhen Coocaa Network Technology Co Ltd filed Critical Shenzhen Coocaa Network Technology Co Ltd
Priority to CN201910561790.3A priority Critical patent/CN110312167B/zh
Publication of CN110312167A publication Critical patent/CN110312167A/zh
Application granted granted Critical
Publication of CN110312167B publication Critical patent/CN110312167B/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]
    • H04N21/40—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
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • 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
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明所提供的一种计算影视内容评分的方法、智能终端及存储介质，包括：获取预设时间段内多个用户观看的影视内容，计算每个用户观看的影视内容中待评分影视对应的总时长；根据每个用户的总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据时长占比和总时长占比确定每个用户对待评分影视的初始评分；获取每个用户第一次与最后一次播放待评分影视的时间间隔，根据时间间隔确定每个用户对待评分影视的削弱因子；根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分。本发明利用观影总时长和观影时间间隔得出的最终评分体现了用户对影视的喜好程度。

Description

一种计算影视内容评分的方法、智能终端及存储介质
技术领域
本发明涉及影视内容技术领域，尤其涉及的是一种计算影视内容评分的方法、智能终端及存储介质。
背景技术
随着影视娱乐的多元化，用户对影视内容的需求也相应地剧增，影视内容日益丰富，用户需在海量的影视中寻找优质的影视资源便成为困难。最常见的方式是对影视内容进行评分，根据评分推荐优质影视内容，如豆瓣评分便是很好的影视推荐方式。
传统的评分方式是在网上对影视进行公开评分，搜集观众对影视内容的评分，满分为5分，利用统计的评分综合得出该影视的最终评分。现有的评分方式是不论观众是否观看过该影视内容均可对影视内容进行评分，此种评分方式很容易掺杂虚假成分，有些媒体为了提高该影视内容的评分会找大量的未观看过影视内容的用户进行“刷分”操作，造成最终的影视评分“虚高”，并不能反映出观众对该影视内容的真实喜好程度。另外，若现有的评分方式只是搜集用户对观看过的影视内容的评分，此种方式虽然消除了未观看影视内容评分对最终评分的影响，但是同样不能反映出观众对该影视内容的真实喜好程度，比如用户对于喜欢的影视内容会重复观看，每次重复观看的时间间隔并不相同，因而用户每次观影的评分也不完全相同，用户对影视内容的评分不同则表现出对影视内容的喜欢程度不同，此种方式并没有考虑到用户观看影视的完成程度对影视内容评分的影响，并不能确切表示出用户对影视内容的喜好程度。
因此，现有技术存在缺陷，有待改进与发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种计算影视内容评分的方法、智能终端及存储介质，旨在解决现有技术中根据用户评分体现用户对影视内容感兴趣程度的问题。
本发明解决技术问题所采用的技术方案如下：
一种计算影视内容评分的方法，其中，包括：
获取预设时间段内多个用户观看的影视内容，并计算每个用户观看的影视内容中待评分影视对应的总时长；
根据每个用户的总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据所述时长占比和总时长占比确定每个用户对待评分影视的初始评分；
获取每个用户在所述预设时间段内第一次与最后一次播放待评分影视的时间间隔，根据所述时间间隔确定每个用户对待评分影视的削弱因子；
根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分。
进一步地，所述根据每个用户的总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据所述时长占比和总时长占比确定每个用户对待评分影视的初始评分具体包括：
计算每个用户的总时长在所述待评分影视的固有时长中的时长占比；
根据每个用户的总时长得到所有用户的累计总时长，计算所有用户的累计总时长在所述待评分影视的固有时长中的总时长占比；
计算所述时长占比在所述总时长占比中的权重；
将所述权重按照预设规则进行划分，将划分后的权重映射为分值形式的初始评分。
进一步地，所述将所述权重按照预设规则进行划分，将划分后的权重映射为分值形式的初始评分具体包括：
预先设置[0-25%)、[25%-50%)、[50%-75%)及[75%-100%]四个区间范围；
当所述权重属于[0-25%)区间范围时，则将所述权重映射到[1-2)分值范围，得到分值形式的初始评分；
当所述权重属于[25%-50%)区间范围时，则将所述权重映射到[2-3)分值范围，得到分值形式的初始评分；
当所述权重属于[50%-75%)区间范围时，则将所述权重映射到[3-4)分值范围，得到分值形式的初始评分；
当所述权重属于[75%-100%]区间范围时，则将所述权重映射到[4-5]分值范围，得到分值形式的初始评分。
进一步地，所述获取每个用户在所述预设时间段内第一次与最后一次播放待评分影视的时间间隔具体包括：
获取每个用户在预设时间段内第一次与最后一次播放待评分影视的时间戳；
根据所述时间戳得到每个用户在预设时间段内第一次与最后一次播放待评分影视的时间间隔。
进一步地，所述削弱因子的数值小于1。
进一步地，所述削弱因子（f）与时间间隔（n）的关系为：f=Ln，其中，L为常量。
进一步地，所述常量（L）为0.98。
进一步地，所述根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分具体包括：
根据每个用户的削弱因子及初始评分，计算所述削弱因子与所述初始评分的乘积，得到每个用户对待评分影视的最终评分。
本发明还提供了一种智能终端，其中，包括处理器，以及与所述处理器连接的存储器，所述存储器存储有计算影视内容评分的程序，所述计算影视内容评分的程序被所述处理器执行如上所述的计算影视内容评分的方法。
发明还提供了一种存储介质，包括，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如上所述的计算影视内容评分的方法。
本发明所提供的一种计算影视内容评分的方法、智能终端及存储介质，包括：获取预设时间段内多个用户观看的影视内容，并计算每个用户观看的影视内容中待评分影视对应的总时长；根据每个用户的总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据所述时长占比和总时长占比确定每个用户对待评分影视的初始评分；获取每个用户在所述预设时间段内第一次与最后一次播放待评分影视的时间间隔，根据所述时间间隔确定每个用户对待评分影视的削弱因子；根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分。本发明利用时长占比初步描述每个用户对待评分影视的喜好程度，之后根据时长占比在总时长占比中的权重，建立了所有用户对待评分影视的评分标准，得到初始评分。同时，用户对影视内容的感兴趣程度会随着时间逐渐减弱，因此利用削弱因子对评分的影响，得出最终评分。此计算方式既能够在用户与用户之间建立评分标准，又考虑到了每个用户的总时长和播放影视的时间间隔对影视内容评分的影响，能够得出客观的评分数据，利用最终评分准确表示了用户对待评分影视的感兴趣程度。
附图说明
图1是本发明中计算影视内容评分的方法较佳实施例的流程图。
图2是本发明中智能终端的较佳实施例的功能原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。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。
请参见图1，图1是本发明中一种计算影视内容评分的方法的流程图。如图1所示，本发明实施例所述的一种计算影视内容评分的方法包括以下步骤：
S100、获取预设时间段内多个用户观看的影视内容，并计算每个用户观看的影视内容中待评分影视对应的总时长。
进一步地，所述步骤S100中多个用户观看的影视内容为多个用户观看的所有影视，所述影视内容需要足够多，则采集的用户信息需要足够大，因此，统计的用户数量越多数据越精确。
进一步地，所述待评分影视指的是一个影视，所有用户对所述一个影视进行评分，不同时间段内容相同的影视为同一个影视，对所述一个影视进行唯一标识。
进一步地，所述计算每个用户观看的影视内容中待评分影视对应的总时长有两种实施例：
第一实施例，利用时间戳计算总时长。
时间戳是将某一时刻的时间用字符序列表示出来，所述某一时刻的时间能够精确反映出用户的观影行为，利用时间戳可以表示用户观看一次影视内容的开始时刻和结束时刻，根据开始时刻和结束时刻的时间差可确定用户观看一次影视所用的时长，根据该时长可以反映出用户此次观看影视的完成情况。
将一个用户在预设时间段内每次观看待评分影视所用的时长叠加，得到一个用户观看待评分影视的总时长。
将所有用户观看待评分影视的总时长求和得到所有用户观看待评分影视的累计总时长。
第二实施例，利用移动终端的后台监测程序，统计用户每次启动观影程序时所产生的总时长。
具体地，用户在移动终端上启动观看待评分影视的应用程序时，则会调动后台监测程序统计用户开始观看和退出观看待评分影视的时刻时间，用户每启动一次观影程序则产生一个观影时长，统计一个用户在预设时间段内的观影时长，形成一个用户观看待评分影视的总时长。
统计每个用户观看待评分影视的总时长，得到所有用户观看待评分影视的累计总时长。
S200、根据每个用户的总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据所述时长占比和总时长占比确定每个用户对待评分影视的初始评分。
具体地，所述步骤S200包括：
S210、计算每个用户的总时长在所述待评分影视的固有时长中的时长占比。
进一步地，所述待评分影视播放完成具有固定的播放时长，所述播放时长为所述待评分影视的固有时长。
进一步地，每个用户播放待评分影视的总时长除以待评分影视的固有时长，得到每个用户观看待评分影视的时长占比，所述时长占比直观表示出了每个用户观看待评分影视的完成情况以及观看待评分影视的次数，根据完成情况可以反映每个用户对待评分影视的喜好程度。
一般地，用户对于喜欢的一个影视会重复多次观看，对应的产生的总时长数值比较大，总时长在固定时长中的占比比较大，则时长占比的数值比较大；对于用户不喜欢的影视，用户不一定会将该影视观看完成，此时时长占比的数值会小于1。
S220、根据每个用户的总时长得到所有用户的累计总时长，计算所有用户的累计总时长在所述待评分影视的固有时长中的总时长占比。
进一步地，所述累计总时长为所有用户的总时长求和得到。
进一步地，所述总时长占比为所有用户的累计总时长与待评分影视的固有时长的比值，所述总时长占比可以反映出待评分影视被用户观看的次数，可以反映所有用户对待评分影视内容的基本喜欢程度。
S230、计算所述时长占比在所述总时长占比中的权重。
进一步地，所述权重为所述时长占比在所述总时长占比中的比值，即直接表示了每个用户的时长占比与总时长占比的关系，能够反映每个用户观看待评分影视的次数，能够比较出所有用户之间观看待评分影视内容的完成程度，也描述了每个用户对待评分影视内容的感兴趣程度。
进一步地，所述权重为百分数形式的数值，所述权重能够将所有用户对应的时长占比进行关联，使得所有用户对于待评分影视具有统一的评分标准。
S240、将所述权重按照预设规则进行划分，将划分后的权重映射为分值形式的初始评分。
具体地，所述步骤S240包括：
预先设置[0-25%)、[25%-50%)、[50%-75%)及[75%-100%]四个区间范围；
当所述权重属于[0-25%)区间范围时，则将所述权重映射到[1-2)分值范围，得到分值形式的初始评分。
当所述权重属于[25%-50%)区间范围时，则将所述权重映射到[2-3)分值范围，得到分值形式的初始评分；
当所述权重属于[50%-75%)区间范围时，则将所述权重映射到[3-4)分值范围，得到分值形式的初始评分；
当所述权重属于[75%-100%]区间范围时，则将所述权重映射到[4-5]分值范围，得到分值形式的初始评分。
进一步地，将所述权重按照数值大小排列。可以取顺序序列中的中值来评估所有用户对待评分影视的喜好程度偏向，也可以取顺序序列中所有权重的平均数来评估所有用户对待评分影视的喜好程度偏向。应当理解的是，计算顺序序列中的平均水平程度的方式并不局限于计算中值、平均数的方式，只要能体现出顺序序列平均水平的计算方式均为本申请所能够实现的计算方式。
用户对待评分影视的喜好程度偏向可进行多层次的划分，如特别喜欢、喜欢、一般喜欢、不喜欢、特别不喜欢，对应地所述中值或者平均值分别在80%-100%、60%-80%、40%-60%、20%-40%、0-20%区间范围内，可以表现出所有用户喜欢所述待评分影视的总体程度。一般来说，所述划分形式并不局限于上述方式，凡是能够体现出整体水平的划分方式均为本申请的划分方式。
S300、获取每个用户在所述预设时间段内第一次与最后一次播放待评分影视的时间间隔，根据所述时间间隔确定每个用户对待评分影视的削弱因子；
具体地，所述步骤S300中计算时间间隔的步骤包括：
S310、获取每个用户在预设时间段内第一次与最后一次播放待评分影视的时间戳。
进一步地，所述第一次播放待评分影视的时间戳指的是在预设时间段内第一次开始播放影视的时刻时间；所述最后一次播放待评分影视的时间戳指的是在预设时间段内最后一次播放完影视的时刻时间。
S320、根据所述时间戳得到每个用户在预设时间段内第一次与最后一次播放待评分影视的时间间隔。
进一步地，将所述时间戳转化为时间数值，对所述时间数值进行求差值运算，得到的时间差值即为所述在预设时间段内第一次与最后一次播放待评分影视的时间间隔。由于每个用户对于待评分影视的喜好程度不同，则其对应的时间间隔不同，所述时间间隔越长表示用户观看待评分影视的活跃度不高，所述时间间隔越短表示用户对待评分影视的兴趣度持续越时间长。
具体地，所述步骤S300中所述削弱因子（f）与时间间隔（n）的关系为：f=Ln，其中，L为常量。
进一步地，所述削弱因子指的是随着时间间隔的影响，用户对待评分影视的感兴趣程度下降的强烈程度。所述时间间隔越长，削弱因子的数值越小，削弱力度越强，削弱因子的数值为小于1的正数。
S400、根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分。
进一步地，所述削弱因子（f）与时间间隔（n）的关系为：f=Ln，其中，L为常量。
进一步地，所述时间间隔（n）用时间类型的天数表示，即24小时为一天。
进一步地，所述常量取值范围在0.95-0.99之间，优选常量数值为0.98，f=Ln表示随着观看待评分影视的时间递增，削弱因子对初始评分的分值削减力度越强。
进一步地，所述削弱因子指的是时间相关的对初始评分的削减程度，使得初始评分的数值随着削弱因子的减小而减小。应当理解的是所述削弱因子的表达公式并不局限于指数形式，也可表现为分数形式，如1/n，也可表现为其他类型的表示削减程度的表达公式，本申请并不局限于上述举例，凡是能够表现时间相关的削减程度的公式均是本发明所保护的表示削减程度的形式。
S420、所述最终评分的计算方式具体为：最终评分=初始评分*削弱因子。
根据所述最终评分可以得到所有用户对待评分影视的喜好程度，并且考虑到了观影总时长与观影时间间隔对用户感兴趣程度的影响，能够更精确地计算出每个用户对待评分影视的评分。
如图2所示，本发明还提供一种智能终端，其中，包括处理器10，以及与所述处理器连接的存储器20，所述存储器存储有计算影视内容评分的程序，所述计算影视内容评分的程序能够执行如上所述的计算影视内容评分的方法；具体如上所述。
本发明还提供一种存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如上所述的计算影视内容评分的方法；具体如上所述。
综上所述，本发明公开的一种计算影视内容评分的方法、智能终端及存储介质，包括：获取预设时间段内多个用户观看的影视内容，并计算每个用户观看的影视内容中待评分影视对应的总时长；根据每个用户的总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据所述时长占比和总时长占比确定每个用户对待评分影视的初始评分；获取每个用户在所述预设时间段内第一次与最后一次播放待评分影视的时间间隔，根据所述时间间隔确定每个用户对待评分影视的削弱因子；根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分。本发明利用时长占比初步描述每个用户对待评分影视的喜好程度，之后根据时长占比在总时长占比中的权重，建立了所有用户对待评分影视的评分标准，得到初始评分。同时，用户对影视内容的感兴趣程度会随着时间逐渐减弱，因此利用削弱因子对评分的影响，得出最终评分。此计算方式既能够在用户与用户之间建立评分标准，又考虑到了每个用户的总时长和播放影视的时间间隔对影视内容评分的影响，能够得出所有用户的对于待评分影视的客观评分数据，根据权值进行顺序排列也能得到所有用户对待评分影视的整体喜欢程度，反映出用户的真实喜好。最后利用最终评分准确表示了用户对待评分影视的感兴趣程度。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种计算影视内容评分的方法，其特征在于，包括：
获取预设时间段内多个用户观看的影视内容，并计算每个用户观看的影视内容中待评分影视对应的观看总时长；
根据每个用户观看待评分影视的观看总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据所述时长占比和总时长占比确定每个用户对待评分影视的初始评分；
获取每个用户在所述预设时间段内第一次与最后一次播放待评分影视的时间间隔，根据所述时间间隔确定每个用户对待评分影视的削弱因子；
根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分；
削弱因子f与时间间隔n的关系为：f=Ln，其中，L为常量；
所述根据每个用户的削弱因子及初始评分，确定每个用户对待评分影视的最终评分具体包括：根据每个用户的削弱因子及初始评分，计算削弱因子与初始评分的乘积，得到每个用户对待评分影视的最终评分。
2.根据权利要求1所述的计算影视内容评分的方法，其特征在于，所述根据每个用户的总时长和待评分影视的固有时长，计算每个用户观看待评分影视的时长占比及所有用户观看待评分影视的总时长占比，根据所述时长占比和总时长占比确定每个用户对待评分影视的初始评分具体包括：
计算每个用户的总时长在所述待评分影视的固有时长中的时长占比；
根据每个用户的总时长得到所有用户的累计总时长，计算所有用户的累计总时长在所述待评分影视的固有时长中的总时长占比；
计算所述时长占比在所述总时长占比中的权重；
将所述权重按照预设规则进行划分，将划分后的权重映射为分值形式的初始评分。
3.根据权利要求2所述的计算影视内容评分的方法，其特征在于，所述将所述权重按照预设规则进行划分，将划分后的权重映射为分值形式的初始评分具体包括：
预先设置[0-25%)、[25%-50%)、[50%-75%)及[75%-100%]四个区间范围；
当所述权重属于[0-25%)区间范围时，则将所述权重映射到[1-2)分值范围，得到分值形式的初始评分；
当所述权重属于[25%-50%)区间范围时，则将所述权重映射到[2-3)分值范围，得到分值形式的初始评分；
当所述权重属于[50%-75%)区间范围时，则将所述权重映射到[3-4)分值范围，得到分值形式的初始评分；
当所述权重属于[75%-100%]区间范围时，则将所述权重映射到[4-5]分值范围，得到分值形式的初始评分。
4.根据权利要求1所述的计算影视内容评分的方法，其特征在于，所述获取每个用户在所述预设时间段内第一次与最后一次播放待评分影视的时间间隔具体包括：
获取每个用户在预设时间段内第一次与最后一次播放待评分影视的时间戳；
根据所述时间戳得到每个用户在预设时间段内第一次与最后一次播放待评分影视的时间间隔。
5.根据权利要求1所述的计算影视内容评分的方法，其特征在于，所述削弱因子的数值小于1。
6.根据权利要求1所述的计算影视内容评分的方法，其特征在于，所述常量（L）为0.98。
7.一种智能终端，其特征在于，包括处理器，以及与所述处理器连接的存储器，所述存储器存储有计算影视内容评分的程序，所述计算影视内容评分的程序被所述处理器执行如权利要求1-6任一项所述的计算影视内容评分的方法。
8.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如权利要求1-6任一项所述的计算影视内容评分的方法。
CN201910561790.3A 2019-06-26 2019-06-26 一种计算影视内容评分的方法、智能终端及存储介质 Active CN110312167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910561790.3A CN110312167B (zh) 2019-06-26 2019-06-26 一种计算影视内容评分的方法、智能终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910561790.3A CN110312167B (zh) 2019-06-26 2019-06-26 一种计算影视内容评分的方法、智能终端及存储介质

Publications (2)

Publication Number Publication Date
CN110312167A CN110312167A (zh) 2019-10-08
CN110312167B true CN110312167B (zh) 2021-07-27

Family

ID=68077430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910561790.3A Active CN110312167B (zh) 2019-06-26 2019-06-26 一种计算影视内容评分的方法、智能终端及存储介质

Country Status (1)

Country Link
CN (1) CN110312167B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111565335B (zh) * 2020-06-01 2021-09-03 中国联合网络通信集团有限公司 视频质量评价方法、装置、计算机设备及存储介质
CN112365447B (zh) * 2020-10-20 2022-08-19 四川长虹电器股份有限公司 一种多维度影视评分方法
CN114707034B (zh) * 2022-04-21 2022-12-23 山西辰涵数字科技股份有限公司 一种基于vr可视化技术的智慧展厅智能展览管理系统
CN116781984B (zh) * 2023-08-21 2023-11-07 深圳市华星数字有限公司 一种机顶盒数据优化存储方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102957950A (zh) * 2012-07-23 2013-03-06 华东师范大学 一种用于视频推荐的用户隐式评分方法
CN106375754A (zh) * 2015-07-22 2017-02-01 中国人民解放军理工大学 基于视觉刺激衰减特性的无参考视频质量评估方法
CN108259929A (zh) * 2017-12-22 2018-07-06 北京交通大学 一种视频活跃期模式的预测及缓存方法
CN108833985A (zh) * 2018-07-09 2018-11-16 深圳市茁壮网络股份有限公司 一种多媒体节目评分方法、排行榜生成方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9027045B2 (en) * 2011-12-22 2015-05-05 Adobe Systems Incorporated Consumption likelihood of linear content streams
US10419820B2 (en) * 2014-08-19 2019-09-17 CharacTour LLC Profiling media characters

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102957950A (zh) * 2012-07-23 2013-03-06 华东师范大学 一种用于视频推荐的用户隐式评分方法
CN106375754A (zh) * 2015-07-22 2017-02-01 中国人民解放军理工大学 基于视觉刺激衰减特性的无参考视频质量评估方法
CN108259929A (zh) * 2017-12-22 2018-07-06 北京交通大学 一种视频活跃期模式的预测及缓存方法
CN108833985A (zh) * 2018-07-09 2018-11-16 深圳市茁壮网络股份有限公司 一种多媒体节目评分方法、排行榜生成方法及装置

Also Published As

Publication number Publication date
CN110312167A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
CN110312167B (zh) 一种计算影视内容评分的方法、智能终端及存储介质
US10321173B2 (en) Determining user engagement with media content based on separate device usage
US10154310B2 (en) System and method for associating individual household members with television programs viewed
JP4653757B2 (ja) 番組推薦システム
KR101832996B1 (ko) 개선된 프로그램 가이드
US10028000B2 (en) Automatic rating optimization
CN112507163B (zh) 时长预测模型训练方法、推荐方法、装置、设备及介质
US8286206B1 (en) Automatic rating optimization
JP2015513736A (ja) コンテンツの自動推奨
US20130297447A1 (en) Recommended content providing apparatus, recommended content providing program and recommended content providing method
CN109451326A (zh) 一种主播信息的展示方法、装置、服务器和存储介质
CN103997662A (zh) 节目推送的方法及系统
CN110933473A (zh) 一种视频播放热度确定方法及装置
CN107592572A (zh) 视频推荐方法、装置及其设备
US11126655B2 (en) Metadata of partial content
CN102265272B (zh) 有偏向的推荐器系统
CN106534984B (zh) 电视节目推送方法及装置
WO2016206035A1 (zh) 一种信息推荐方法及用户终端
JP4305865B2 (ja) 番組自動選択装置、番組自動選択方法、及び番組自動選択プログラム
US10343065B2 (en) Media consumer data exchange
TWI626847B (zh) 個人化影音資料評分綜合加權資訊之系統與方法
JP6001554B2 (ja) 使用法データのフィードバックループ
KR20160029627A (ko) 콘텐츠에 대한 상세 정보를 제공하는 방법 및 서비스 서버
TWI654877B (zh) 個人化廣告媒合方法及廣告媒合裝置
JP4305862B2 (ja) 番組順位付け装置、番組順位付け方法、及び番組順位付けプログラム

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
CB02 Change of applicant information

Address after: Room 2306, east block, Skyworth semiconductor design building, 18 Gaoxin South 4th Road, Gaoxin community, Yuehai street, Nanshan District, Shenzhen, Guangdong 518052

Applicant after: Shenzhen Kukai Network Technology Co.,Ltd.

Address before: 518052 A 1502, South SKYWORTH building, Shennan Avenue, Nanshan District, Shenzhen, Guangdong.

Applicant before: Shenzhen Coocaa Network Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant