CN110892730B - 电子设备及其控制方法 - Google Patents

电子设备及其控制方法 Download PDF

Info

Publication number
CN110892730B
CN110892730B CN201880047168.4A CN201880047168A CN110892730B CN 110892730 B CN110892730 B CN 110892730B CN 201880047168 A CN201880047168 A CN 201880047168A CN 110892730 B CN110892730 B CN 110892730B
Authority
CN
China
Prior art keywords
weight
electronic device
history
information
service
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
CN201880047168.4A
Other languages
English (en)
Other versions
CN110892730A (zh
Inventor
金性源
金度成
裵茂公
尹铉敦
李奉锡
李熙兰
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN110892730A publication Critical patent/CN110892730A/zh
Application granted granted Critical
Publication of CN110892730B publication Critical patent/CN110892730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25Management 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
    • H04N21/258Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866Management of end-user data
    • H04N21/25891Management of end-user data being end-user preferences
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45Management 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
    • H04N21/466Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/451Execution arrangements for user interfaces
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/535Tracking the activity of the user
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25Management 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
    • H04N21/258Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808Management of client data
    • H04N21/25841Management of client data involving the geographical location of the client
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25Management 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
    • H04N21/262Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26208Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
    • H04N21/26241Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints involving the time of distribution, e.g. the best time of the day for inserting an advertisement or airing a children program
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43Processing 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
    • H04N21/442Monitoring 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
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43Processing 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
    • H04N21/442Monitoring 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
    • H04N21/44213Monitoring of end-user related data
    • H04N21/44222Analytics of user selections, e.g. selection of programs or purchase activity
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45Management 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
    • H04N21/466Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47End-user applications
    • H04N21/482End-user interface for program selection
    • H04N21/4826End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Computer Graphics (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Telephonic Communication Services (AREA)
  • Computational Linguistics (AREA)

Abstract

本公开涉及一种利用机器学习算法的人工智能(AI)系统及其应用,并且公开了一种电子设备。电子设备包括:存储器,用于保存与电子设备提供的多个服务中每一个的一星期中的一天和/或时间段相对应的历史信息;以及处理器,用于当预定事件发生时,对与所发生事件的一星期中的一天和/或时间段相对应的一段历史赋予权重,并且基于赋予权重的一段历史从多个服务中选择推荐的服务。

Description

电子设备及其控制方法
技术领域
根据本公开的装置和方法涉及一种电子设备及其控制方法,并且更具体地,涉及一种能够基于设备使用历史来提供服务推荐信息的电子设备及其控制方法。
背景技术
人工智能系统,即实现人类水平智能的计算机系统,是机器自行执行学习和决策并且随着其使用提高识别率的系统。
人工智能技术包括机器学习(深度学习)技术和元素技术,所述机器学习技术使用自行对输入数据的特征进行分类/学习的算法,且所述元素技术使用机器学习算法来模拟诸如人类大脑的识别、决策等的功能。
元素技术可以包括以下至少一者:例如识别人类语言/字符的语言理解技术、识别人类视觉之类的事物的视觉理解技术、通过判定信息执行逻辑推断和预测的推断/预测技术、将人类经验信息作为知识数据进行处理的知识表达技术、或控制车辆的自动驾驶以及机器人的运动的运动控制技术。
作为使用这种人工智能技术的示例,存在用于建模和功能/服务的各种方法,这些方法分析和使用用户的设备使用模式。作为常规方法,例如,存在用于直接在客户端设备中的服务器中实现使用大量数据而学习到的模型或者基于云连续更新本地设备的模型的方法。
然而,在直接在客户端设备中的服务器中实现学习到的模型的情况下,不能保证能够反映连续改变的用户的使用模式的模型的灵活性,并且基于云的模型在性能、成本等方面并不有效。
发明内容
技术问题
本公开提供了一种能够基于设备使用历史、使用尽可能少的资源来提供服务推荐信息的电子设备及其控制方法。
解决方法
根据本公开的实施例,一种电子设备包括:存储器,其被配置成存储历史信息,该历史信息与从电子设备提供的多个服务中每一个的、一星期中的每一天和每个时间段中的至少一者相对应;以及处理器,其被配置成当预定事件发生时,将权重分配给与预定事件发生的一星期中的一天和时间段中的至少一者相对应的历史,并且基于分配了权重的历史来选择多个服务中的推荐服务。
在这种情况下,处理器可以被配置成基于所分配的权重和多个服务中每一个的使用时间来计算多个服务中每一个的使用指数,并且基于计算出的使用指数来选择多个服务中的推荐服务。
在这种情况下,处理器可以被配置成通过应用与执行对应于上述历史的服务的一星期中的一天相对应的减少值来计算多个服务中每一个的使用指数。
同时,处理器可以被配置成基于历史信息来计算服务使用模式指数,并且基于计算出的服务使用模式指数来确定权重。
在这种情况下,处理器可以被配置成当历史信息被更新时,基于更新的历史信息而计算出的服务使用模式指数来确定权重。
同时,电子设备还可以包括通信器,其被配置成与对从多个电子设备收集的服务使用模式指数进行聚类的外部服务器进行通信,其中处理器被配置成通过通信器将计算出的服务使用模式指数发送到外部服务器,从外部服务器接收与计算出的服务使用模式指数所属的群集相对应的权重信息,并且基于接收到的权重信息来确定权重。
同时,处理器可以被配置为:基于历史信息,计算多个服务中每一个的一星期中的每一天的使用时间的方差,并且基于计算出的方差,计算星期模式指数;基于历史信息计算多个服务中每一个的每个时间段的使用时间的方差,并且基于计算出的方差,计算时间模式指数;并且基于计算出的星期模式指数和计算出的时间模式指数来确定权重。
同时,处理器可以被配置成将第一权重分配给与预定事件发生的时间段相对应的历史,并且将不同于第一权重的第二权重分配给与预定事件发生的一星期中的一天相对应的历史。
在这种情况下,第一权重可以大于第二权重。
同时,处理器可以被配置成将小于第一权重和第二权重的第三权重分配给与预定事件发生的一星期中的一天不同的一星期中的一天相对应的历史以及与预定事件发生的时间段不同的时间段相对应的历史。
同时,处理器可以被配置成当接收到与控制电子设备的远程控制设备的特定按钮相对应的控制信号或接收到与用户的特定语音相对应的控制信号时,判定预定事件发生。
同时,多个服务可以是多个广播频道、多个应用或多个内容。
根据本公开的另一实施例,一种用于控制电子设备的方法包括,所述电子设备中存储有历史信息,该历史信息与从电子设备提供的多个服务中每一个的、一星期中的每一天和每个时间段中的至少一者相对应:当预定事件发生时,将权重分配给与预定事件发生的一星期中的一天和时间段中的至少一者相对应的历史;根据分配了权重的历史来选择多个服务中的推荐服务。
在这种情况下,在选择过程中,可以基于所分配的权重和多个服务中每一个的使用时间来计算多个服务中每一个的使用指数,并且可以基于计算出的使用指数来选择多个服务中的推荐服务。
在这种情况下,在选择过程中,可以通过应用与执行对应于上述历史的服务的一星期中的一天相对应的减少值来计算多个服务中每一个的使用指数。
同时,用于控制电子设备的方法还可以包括:基于历史信息来计算多个服务的服务使用模式指数;以及基于计算出的服务使用模式指数来确定权重。
在这种情况下,在确定权重的过程中,当历史信息被更新时,可以基于根据更新的历史信息而计算出的服务使用模式指数来确定权重。
同时,权重的确定可以包括:将计算出的服务使用模式指数发送到外部服务器,该外部服务器对从多个电子设备收集的服务使用模式指数进行聚类;以及从外部服务器接收与计算出的服务使用模式指数所属的群集相对应的权重信息并且基于接收到的权重信息来确定权重。
同时,用于控制电子设备的方法还可以包括:基于历史信息来计算多个服务中每一个的一星期中的每一天的使用时间的方差,并且基于计算出的方差来计算星期模式指数;基于历史信息来计算多个服务中每一个的每个时间段的使用时间的方差,并且基于计算出的方差来计算时间模式指数;以及基于计算出的星期模式指数和计算出的时间模式指数来确定权重。
根据本公开的又一实施例,一种记录介质包括用于执行用于控制电子设备的方法的程序,所述电子设备中存储有历史信息,该历史信息与从电子设备提供的多个服务中每一个的、一星期中的每一天和每个时间段中的至少一者相对应,其中用于控制电子设备的方法包括:当预定事件发生时,将权重分配给与预定事件发生的一星期中的一天和时间段中的至少一者相对应的历史;根据分配了权重的历史来选择多个服务中的推荐服务。
附图说明
图1是用于描述根据本公开的实施例的电子设备的组件的框图。
图2是用于描述本公开的基于历史信息选择推荐服务的各种实施例的视图。
图3a至图5是用于描述根据本公开的实施例的用于提供关于推荐服务的信息的方法的视图。
图6和图7是用于描述根据本公开的实施例的用于对服务使用模式进行分类的方法的视图。
图8是用于描述根据本公开的另一实施例的电子设备的组件的框图。
图9是用于描述根据本公开的实施例的用于控制电子设备的方法的流程图。
具体实施方式
在详细描述本公开之前,将描述用于本说明书和附图的描述方法。
首先,考虑到本公开的各种实施例中的功能,选择了通用术语作为本说明书和权利要求书中使用的术语。然而,这些术语可以根据本领域技术人员的意图、法律或技术解释、新技术的出现等而改变。另外,一些术语是申请人任意选择的术语。这些术语可以以本文中定义的含义来解释,并且可以基于本说明书的一般内容和本领域中的常规技术知识来解释,只要它们没有被特别地定义。
另外,在本说明书的所有附图中,相同的附图标记表示执行基本相同功能的部件或组件。为了便于解释和理解,将使用相同的附图标记来描述不同的实施例。也就是说,尽管在多个图中示出具有相同附图标记的所有组件,但多个图并不意味着一个实施例。
另外,在本说明书和权利要求书中,可以使用包括序数词的术语,诸如“第一”、“第二”等,以便在组件之间进行区分。这些序数词用于将相同或相似的组件彼此区分开,并且不应通过使用这些序数词来限制性地解释术语的含义。作为示例,与这些序数词组合的组件不应在使用或排列顺序上受到序数词的限制。如果需要,各个序数词可以互换地使用。
在本说明书中,除非上下文另有明确指示,否则单数形式包括复数形式。将进一步理解的是,本说明书中使用的术语“包括”或“由……形成”指定本说明书中提及的特征、数字、步骤、操作、组件、部件或它们的组合的存在,但不排除一个或多个其他特征、数字、步骤、操作、组件、部件或它们的组合的存在或添加。
在本公开的实施例中,诸如“模块”、“单元”、“部件”等的术语是用于指代执行至少一种功能或操作的组件的术语,并且这种组件可以由硬件或软件来实现,或者由硬件和软件的结合来实现。另外,除非它们需要由单独的特定硬件来实现,多个“模块”、“单元”、“部件”等被集成到至少一个模块或芯片中,使得它们可以由至少一个处理器来实现。
另外,在本公开的实施例中,将任何部分称为“连接到”另一部分的情况不仅包括任何一个部分和另一部分彼此“直接连接”的情况,而且还包括任何一部分和另一部分通过其他介质彼此“间接连接”的情况。另外,除非另有明确说明,否则“包括”任何组件将被理解为暗示包括其他组件而不是排除任何其他组件。
在下文中,将参考附图详细描述本公开。
图1是用于描述根据本公开的实施例的电子设备的框图。
参照图1,电子设备100包括存储器110和处理器120。
电子设备100可以由诸如计算机、电视机(TV)、机顶盒、智能电话、智能手表等的各种设备来实现。
存储器110可以由非易失性存储器、易失性存储器、闪存存储器、硬盘驱动器(HDD)、固态驱动器(SSD)等来实现。同时,存储器110可以由外部存储介质(例如,微安全数字(SD)卡、通用串行总线(USB)存储器、通过网络的web服务器等)以及电子设备100中的存储介质来实现。
关于用户对电子设备100的使用的历史信息可以存储在存储器110中。历史信息可以包括例如电子设备100的设备开启/关闭时间、服务使用历史、输入信息(远程控制器、语音等)、功能使用历史(菜单选择历史等)。存储器110可以存储按一星期中的每一天和按时间的、关于从电子设备100提供的一个或多个服务中每一个的历史信息。存储器110可以仅存储按一星期中的每一天的历史信息,或者可以仅存储按时间的历史信息。具体地,历史信息可以包括关于何时使用了特定服务(日期和时间)以及使用了特定服务多长时间(使用时间)的信息。可以通过在用户使用服务时添加新的历史来更新历史信息。
这里,服务可以是例如广播频道、内容(例如,视频点播(VoD)、流式传输内容(视频、音乐等)),或者可以是能够在电子设备100中运行的多个应用、功能等。也就是说,历史信息可以包括例如关于何时观看了特定广播频道以及观看了特定广播频道多长时间的信息,可以包括关于何时使用了特定应用以及使用了特定应用多长时间的信息,并且可以包括关于何时播放了特定内容以及播放了特定内容多长时间的信息。本公开不限于上述示例,并且可以根据电子设备100提供的服务,在存储器110中存储各种历史信息。
处理器120是用于控制电子设备100的一般操作的组件。
例如,处理器120可以包括中央处理单元(CPU)、应用处理器(AP)和片上系统(SoC),并且可以包括不同于上述存储器110的单独的随机存取存储器(RAM)和只读存储器(ROM)。这里,ROM是存储用于启动系统的指令集的组件,并且CPU根据存储在ROM中的指令将存储在电子设备100的存储器110中的操作系统(O/S)复制到RAM,并且执行O/S以启动系统。当启动完成时,CPU可以将存储在存储器110中的各种应用复制到RAM,并且运行所述各种应用以执行各种操作。
当预定事件发生时,处理器120可以基于存储在存储器110中的历史信息来向用户提供关于在预定事件发生的时间点用户可能使用的服务的信息。处理器120可以使用人工智能技术来提供关于服务的推荐信息。人工智能技术包括机器学习(深度学习)技术和元素技术,所述机器学习技术使用自行对输入数据的特征进行分类/学习的算法,且所述元素技术使用机器学习算法来模拟诸如人类大脑的识别、决策等的功能。处理器120可以使用人工智能技术之中的通过判定信息来执行逻辑推断和预测的推断/预测技术来提供关于服务的推荐信息。推断/预测是通过判定信息来执行逻辑推断和预测的技术,并且包括基于知识/概率的推断、优化预测、基于偏好的计划、推荐等。
根据实施例,当预定事件发生时,处理器120可以将权重分配给与预定事件发生的一星期中的一天或时间段中的至少一者相对应的历史,并且基于分配了权重的历史来选择多个服务中的推荐服务。这里,历史是指历史信息中包括的服务使用次数或服务使用时间中的至少一者。
这里,预定事件可以是例如用户选择控制电子设备100的远程控制设备的特定按钮并且电子设备100接收与特定按钮的选择相对应的控制信号的事件。作为另一示例,电子设备100可以接收语音命令,并且预定事件可以是用户发出特定语音的事件,例如“推荐频道”,并且电子设备100接收对应的语音命令。作为另一示例,预定事件可以是电子设备100被启用的事件。作为另一示例,预定事件可以是选择在电子设备100的触摸屏上显示的推荐菜单的事件。作为另一示例,预定事件可以是预定时间到来的事件。作为另一示例,预定事件可以是存储在存储器中的历史信息被更新的事件。预定事件不限于上述示例,并且可以是需要服务推荐的任何事件。
当预定事件发生时,处理器120可以将第一权重W1分配给与预定事件发生的时间段相对应的历史,将第二权重W2分配给与预定事件发生的一星期中的一天相对应的历史,并且将第三权重W3分配给与预定事件发生的一星期中的一天不同的一星期中的一天相对应的历史以及与预定事件发生的时间段不同的时间段相对应的历史,以便计算多个服务中每一个的使用指数。另外,处理器120可以基于使用指数高的顺序来选择推荐服务。这里,第一权重、第二权重和第三权重可以是不同的值,并且第一权重、第二权重和第三权重的值的大小可以按照第一权重、第二权重和第三权重的顺序变小。另外,可以将第三权重设定为“1”,这是基本值。
同时,可以将相应的权重分配给与预定事件发生的时间段相对应的历史、与预定事件发生的一星期中的一天相对应的历史、以及如上所述与预定事件发生的一星期中的一天不同的一星期中的一天相对应的历史和与预定事件发生的时间段不同的时间段相对应的历史中的全部,但也可以将权重分配给这三种历史中的任何一种或两种以便计算使用指数。
图2是用于描述计算使用指数的示例的视图。
参照图2,假设多个服务是广播频道,并且存储器110中存在从2017年7月24日到2017年7月30日的频道观看历史。当预定事件(例如,用户选择远程控制器的特定按钮的事件)在2017年8月4日(星期六)晚上8点发生时,第一权重W1被分配给与晚上8点所属的时间段相对应的观看历史,第二权重W2被分配给与星期六相对应的观看历史,并且第三权重W3被分配给与一星期中的其他天和其他时间段相对应的观看历史,从而计算出多个广播频道中每一个的使用指数。
详细地说,因为在与预定事件发生的一星期中的一天不同的一星期中的一天以及与预定事件发生的时间段不同的时间段上存在频道CB#的四个观看历史,所以频道CB#的使用指数为4×W3。因为在预定事件发生的时间段上存在频道FO#的一个观看历史,并且在预定事件发生的一星期中的一天上存在频道FO#的一个观看历史,所以频道FO#的使用指数为1×W1+1×W2。因为在预定事件发生的时间段上存在频道ESP#的三个观看历史,并且在与预定事件发生的一星期中的一天不同的一星期中的一天以及与预定事件发生的时间段不同的时间段上存在频道ESP#的一个观看历史,所以频道ESP#的使用指数为3×W1+1×W3。因为在预定事件发生的时间段上存在频道TN#的两个观看历史,所以TN#频道的使用指数为2×W1。因为在与预定事件发生的一星期中的一天不同的一星期中的一天以及与预定事件发生的时间段不同的时间段上存在频道高尔夫的一个观看历史,所以频道高尔夫的使用指数为1×W3。
在上述示例中,已经描述了基于使用次数(观看次数)来计算使用指数,但根据另一实施例,可以基于使用时间(观看时间)来计算使用指数。可以通过以1小时为单位划分使用时间来计算使用指数。这将参考图2进行描述。因为在星期二从下午5点到下午6点、在星期三从下午5点到下午6点、在星期四从下午5点到下午6点以及在星期五晚上10点到晚上11点(它们与预定事件发生的一星期中的一天和时间段不对应)存在频道CB#的观看历史,所以频道CB#的使用指数为1hr×W3+1hr×W3+1hr×W3+1hr×W3。因为在星期六从晚上7点到晚上8点(其是预定事件发生的一星期中的一天,但不是预定事件发生的时间段)存在1小时的频道FO#的观看历史(1hr×W2),并且在星期六从晚上8点到晚上9点(其是预定事件发生的一星期中的一天,并且是预定事件发生的时间段)存在1小时的频道FO#的观看历史1hr×(W1+W2),所以频道FO#的使用指数为1hr×W2+1hr×(W1+W2)。因为在星期一从晚上7点到晚上8点(其与预定事件发生的一星期中的一天和时间段不对应)存在1小时的频道ESP#的观看历史(1hr×W3),在星期一从晚上8点到晚上9点(其与预定事件发生的一星期中的一天不对应,但与预定事件发生的时间段相对应)存在1小时的频道ESP#的观看历史(1hr×W1),在星期一从晚上9点到晚上10点(其与预定事件发生的一星期中的一天和时间段不对应)存在1小时的频道ESP#的观看历史(1hr×W3),在星期二从晚上7点到晚上8点(其与预定事件发生的一星期中的一天和时间段不对应)存在1小时的频道ESP#的观看历史(1hr×W3),在星期二从晚上8点到晚上9点(其与预定事件发生的一星期中的一天不对应,但与预定事件发生的时间段相对应)存在1小时的频道ESP#的观看历史(1hr×W1),在星期五从晚上7点到晚上8点(其与预定事件发生的一星期中的一天和预定事件发生的时间段不对应)存在1小时的频道ESP#的观看历史(1hr×W3),在星期五从晚上8点到晚上9点(其与预定事件发生的一星期中的一天不对应,但与预定事件发生的时间段相对应)存在1小时的频道ESP#的观看历史(1hr×W1),在星期日从下午5点到下午6点(其与预定事件发生的一星期中的一天和时间段不同)存在1个小时的频道ESP#的观看历史(1hr×W3),并且在星期日从下午6点到下午7点(其与预定事件发生的一星期中的一天和时间段不同)存在1小时的频道ESP#的观看历史(1hr×W3),所以频道ESP#的使用指数为1hr×W3+1hr×W1+1hr×W3+1hr×W3+1hr×W1+1hr×W3+1hr×W1+1hr×W3+1hr×W3。因为在星期三从晚上7点到晚上8点(其与预定事件发生的一星期中的一天和时间段不对应)存在1小时的频道TN#的观看历史(1hr×W3),在星期三从晚上8点到晚上9点(其与预定事件发生的一星期中的一天不对应,但与预定事件发生的时间段相对应)存在1小时的频道TN#的观看历史(1hr×W1),在星期四从晚上7点到晚上8点(其与预定事件发生的一星期中的一天和时间段不对应)存在1小时的频道TN#的观看历史(1hr×W3),并且在星期四从晚上8点到晚上9点(其与预定事件发生的一星期中的一天不对应,但与预定事件发生的时间段相对应)存在1小时的频道TN#的观看历史(1hr×W1),所以频道TN#的使用指数为1hr×W3+1hr×W1+1hr×W3+1hr×W1。因为在星期一从晚上10点到晚上11点(其是与预定事件发生的一星期中的一天不同的一星期中的一天以及与预定事件发生的时间段不同的时间段)存在1小时的频道高尔夫的观看历史(1hr×W3),并且在星期一从晚上11点到晚上12点(其是与预定事件发生的一星期中的一天不同的一星期中的一天以及与预定事件发生的时间段不同的时间段)存在1小时的频道高尔夫的观看历史(1hr×W3),所以频道高尔夫的使用指数为1hr×W3+1hr×W3。下表1中对此进行了总结。
[表1]
Figure GDA0003409156240000101
Figure GDA0003409156240000111
同时,在上述实施例中已经描述了使用1小时作为一个单位来计算使用指数,但是根据本公开的另一实施例,可以使用从特定频道的观看开始时间点到特定频道的观看结束时间点的期间作为一个单位来计算使用指数。这将参考图2进行描述。因为在星期二从下午5点到下午6点(1hr)、在星期三从下午5点到下午6点(1hr)、在星期四从下午5点到下午6点以及在星期五晚上10点到晚上11点(1hr)(它们与预定事件发生的一星期中的一天和时间段不对应)存在频道CB#的观看历史,所以频道CB#的使用指数为1hr×W3+1hr×W3+1hr×W3+1hr×W3。因为在星期六从晚上7点(观看开始时间点)到晚上9点(观看结束时间点)(其是预定事件发生的一星期中的一天,并且是与预定事件发生的时间相对应的晚上8点所属的时间段)存在2小时的频道FO#的观看历史,所以频道FO#的使用指数为2hr×(W1+W2)。因为在星期一从晚上7点到晚上10点(3hr)、在星期二从晚上7点到晚上9点(2hr)以及在星期五从晚上7点到晚上9点(2hr)(它们是预定事件发生的时间段)存在总计7个小时的频道ESP#的观看历史,并且在星期日从下午5点到晚上7点(其是与预定事件发生的一星期中的一天不同的一星期中的一天以及与预定事件发生的时间段不同的时间段)存在2小时的频道ESP#的观看历史,所以频道ESP#的使用指数为3hr×W1+2hr×W1+2hr×W1+2hr×W3。因为在星期三从晚上7点到晚上9点存在2个小时并且在星期四从晚上7点到晚上9点(它们是预定事件发生的时间段)存在2个小时的频道TN#的观看历史,所以频道TN#的使用指数为2hr×W1+2hr×W1。因为在星期一从晚上10点到午夜十二点(其是与预定事件发生的一星期中的一天不同的一星期中的一天以及与预定事件发生的时间段不同的时间段)存在2小时的频道高尔夫的观看历史,所以频道高尔夫的使用指数为2hr×W3。下表2中对此进行了总结。
[表2]
Figure GDA0003409156240000112
Figure GDA0003409156240000121
同时,根据本公开的另一实施例,可以通过应用与执行对应于历史的服务的日期相对应的减少值来计算使用指数。也就是说,在上述实施例中已经描述了基于“使用时间(T)×权重(W)”来计算使用指数,但是根据应用减少值的实施例,基于“减少值(R)×使用时间(T)×权重(W)”来计算使用指数。减少值可以确定为使得减少速率随着日期变旧而变大。例如,减少值R可以定义如下:
减少值(R)=(1-r)d
这里,0<r<1,并且d是执行对应于历史的服务的日子与事件发生的日子之间的差。
将描述将减少值应用于表1中计算出的值。代表性地,将描述频道CB#。当预定事件发生的日子是2017年8月4日时,在2017年7月25日从下午5点到下午6点观看频道CB#的情况下,2017年8月4日与2017年7月25日之间的差(d)为11,因此频道CB#的使用指数计算为(1-r)11×1hr×W3。以类似的方式,在2017年7月26日从下午5点到下午6点观看频道CB#的情况下,频道CB#的使用指数计算为(1-r)10×1hr×W3,在2017年7月27日从下午5点到下午6点观看频道CB#的情况下,频道CB#的使用指数计算为(1-r)9×1hr×W3,并且在2017年7月28日从晚上10点到晚上11点观看频道CB#的情况下,频道CB#的使用指数计算为(1-r)8×1hr×W3。表3中示出了通过以类似方式计算其余频道的使用指数而获得的结果。
[表3]
Figure GDA0003409156240000122
Figure GDA0003409156240000131
表4中示出了通过将减少值应用于表2中计算出的值而获得的结果。
[表4]
Figure GDA0003409156240000132
当如在上述示例中那样应用减少值的概念时,计算使用指数,使得以更大的比例反映最近使用历史,因此可以提供更适合于用户的最近服务使用倾向的推荐服务。同时,已经描述了在参考图2描述的示例中使用了一周的历史信息,但本公开不限于此,并且可以使用最近几天或最近几周的历史信息,或者可以使用关于从电子设备100的首次使用日期起累积的整个历史的信息。
处理器120可以基于计算出的使用指数来选择推荐服务。例如,当使用指数的大小按频道ESP#>频道TN#>频道FO#>频道CB#>频道高尔夫的顺序时,处理器120可以选择具有最高使用指数的频道ESP#作为推荐服务或选择至预定排名(例如,第三名)为止的频道ESP#、频道TN#和频道FO#作为推荐服务。
另外,处理器120可以通过输出端来提供关于所选择的推荐服务的信息。
作为能够提供关于推荐服务的信息的组件,输出端可以由例如电子设备100中设置的扬声器或显示器来实现。
作为另一示例,电子设备100可以通过通信器来执行有线或无线通信,以便将关于推荐服务的信息传输到外部设备。在这种情况下,通信器可以通过例如局域网(LAN)或互联网网络连接到外部设备,并且可以以无线通信方式(例如,Z波、4LoWPAN、RFID、LTE D2D、BLE、GPRS、轻便连接(Weightless)、边缘个域网(Edge Zigbee)、ANT+、NFC、IrDA、DECT、WLAN、蓝牙、Wi-Fi、Wi-Fi直联(Wi-Fi direct)、GSM、UMTS、LTE、WiBRO等)或以有线通信方式(例如,诸如RGB、DVI、HDMI、DP、雷电接口(Thunderbolt)等的端口)连接到外部设备。
图3a至图5是用于描述提供关于推荐服务的信息的一些示例的视图。
参照图3a,在电子设备100是电视机(TV)并且推荐目标服务是广播频道的情况下,当预定事件发生时(例如,当在远程控制设备中选择特定按钮时),可以显示用户界面(UI)元素30,在其上可以选择被选择为推荐频道的至少一个频道。用户可以通过UI元素30来选择并观看期望的频道。在被选择为推荐服务的服务数目为多个的情况下,可以在这些服务以使用指数的降序排列的状态下提供这些服务。
作为另一种方式,在通过在映射有广播频道并且具有滚动形式的UI上移动光标来选择频道的情况下,可以在推荐广播频道在具有滚动形式的UI上所定位的部分上显示指示符(例如,星形标记)。这将参考图3b进行描述。
参照图3b,可以在电子设备100上提供具有滚动形式的UI 310。多个频道被映射到具有滚动形式的UI 310,并且光标320可以通过远程控制设备300垂直移动以选择频道。详细地说,当光标320移动并且在特定位置停留一定时间时,可以选择与特定位置相对应的频道。可以在具有滚动形式的UI 310上显示指示被选择为推荐频道的频道所定位的位置的指示符31、32和33。用户可以将光标移动到指示符31、32和33所定位的位置以选择推荐频道。
作为推荐广播频道的另一种方式,可以在电子节目指南(EPG)上将推荐广播频道显示为不同于其他广播频道(例如,以不同的颜色显示)。
参照图4,当电子设备100是智能电话并且预定事件发生时(例如,当触摸“推荐”时),可以显示能够在其上选择被选择为推荐音乐的音乐的UI元素40。用户可以通过UI元素40来选择并播放期望的音乐。
参照图5,在推荐目标服务是应用的情况下,当预定事件发生时(例如,当预定时间到来时),可以显示UI元素50,其包括与被选择为推荐应用的应用相对应的图标。用户可以通过UI元素50来选择并执行期望的应用。当选择‘更多’时,可以显示下一排名的应用,也就是说,具有次高使用指数的应用。
同时,已经在图3a至图5中描述了从电子设备100提供推荐信息,但是推荐信息也可以由电子设备100外部的设备提供。例如,在电子设备100由智能电话实现的情况下,可以通过诸如镜像、数字生活网络联盟(DLNA)、Wi-Fi等的无线通信将关于推荐服务的信息提供给诸如TV等的大屏幕设备,使得可以在大屏幕上显示关于推荐服务的信息。
根据本公开的实施例,可以通过应用自验证模式分类器、根据每个用户的服务使用模式来提供自适应服务推荐服务。详细地说,可以通过根据用户的服务使用模式自适应地确定分配给历史的权重W1、W2、W3来推荐更适合于用户的癖好的服务。为此,根据本公开的实施例,可以使用通过量化用户的服务使用模式而获得的服务使用模式指数。
通过量化用户的服务使用模式来获得服务使用模式指数,诸如仅在特定时间段中主要使用服务的用户的服务使用模式、仅在一周的特定日子主要使用服务的用户的服务使用模式、在所有时间段均匀地使用服务的用户的服务使用模式等。处理器120可以基于存储在存储器110中的历史信息来计算服务使用模式指数。
通过引入方差概念,可以将服务使用模式指数设定为随着与平均值的偏离度变大而变大。因此,在一周的特定日子或在特定时间的服务使用率较大的用户的服务使用模式指数大于在所有时间段或一周的所有日子均匀地使用服务的用户的服务使用模式指数。
服务使用模式指数可以包括星期模式指数或时间模式指数中的至少一者。可以基于一星期中的每一天的使用历史来计算星期模式指数,并且可以基于每个时间段的使用历史来计算时间模式指数。
将描述用于计算星期模式指数的方法的示例。处理器120可以基于存储在存储器110中的历史信息来计算多个服务中每一个的一星期中的每一天的使用时间的方差,并且基于计算出的方差来计算星期模式指数。例如,在根据历史信息使用第一服务至第三服务的情况下,处理器120计算第一服务在一星期中的每一天的使用时间的方差,计算第二服务在一星期中的每一天的使用时间的方差,并且计算第三服务在一星期中的每一天的使用时间的方差。通过将针对第一服务至第三服务计算出的方差乘以对应服务的使用率而获得的值的总和成为星期模式指数。
将描述用于计算时间模式指数的方法的示例。处理器120可以基于存储在存储器110中的历史信息来计算多个服务中每一个的每个时间段的使用时间的方差,并且基于计算出的方差来计算时间模式指数。例如,在根据历史信息使用第一服务至第三服务的情况下,处理器120计算第一服务在每个时间段的使用时间的方差,计算第二服务在每个时间段的使用时间的方差,并且计算第三服务在每个时间段的使用时间的方差。通过将针对第一服务至第三服务计算出的方差乘以对应服务的使用率而获得的值的总和成为时间模式指数。
同时,在计算服务使用模式指数过程中成为基础的使用历史可以是例如最近几周或几天的使用历史或整个使用历史。在计算服务使用模式指数过程中,可以忽略使用时间少于预定时间(例如,10分钟)的服务的历史。
处理器120可以基于用于多个服务的服务使用模式指数来确定权重。例如,用于每个服务使用模式指数的不同权重的信息被存储在存储器110中,并且处理器120可以从所存储的关于权重的信息中选择与当前计算出的服务使用模式指数相对应的权重。
因为服务使用模式指数是基于历史信息来计算的,所以当根据电子设备100的使用来更新历史信息时,基于更新的历史信息来重新计算服务使用模式指数,并且也基于重新计算出的服务使用模式指数来更新权重。可以按每个预定周期执行更新。
如上所述,根据本公开,根据观看历史的改变来自适应地改变权重,使得可以推荐适合于用户的最近服务使用模式的服务。另外,推荐不是基于服务器来执行的,而是可以在电子设备100上实时地执行。
根据另一实施例,将电子设备100的用户的服务使用模式与其他电子设备的用户的服务使用模式进行比较,并且可以确定适合于通过比较获得的特征的权重。为此,可以对如上所述在电子设备100中计算出的服务使用模式指数和在其他电子设备中计算出的服务使用模式指数进行聚类,并且可以选择与在电子设备100中计算出的服务使用模式指数所属的群集相对应的权重。对服务使用模式指数进行聚类的操作可以由外部服务器执行。这将参考图6进行描述。
参照图6,电子设备100和其他电子设备100-1至100-n可以将服务使用模式指数传输到服务器200,并且服务器200可以将人工智能技术应用于所收集的数据以确定各个电子设备的用户的服务使用模式所具有的特征。优选的是,其他电子设备100-1至100-n是与电子设备100的相关性高的设备。原因在于,具有相关性的设备的用户的服务使用模式之间的比较在推断有意义的结果方面可能是有利的。因此,根据实施例,其他电子设备100-1至100-n可以是定位在与电子设备100所定位的区域相同的区域中的设备。例如,电子设备100和其他电子设备100-1至100-n可以是在特定城市的家庭中使用的TV。
人工智能技术包括机器学习(深度学习)技术和元素技术,所述机器学习技术使用自行对输入数据的特征进行分类/学习的算法,且所述元素技术使用机器学习算法来模拟诸如人类大脑的识别、决策等的功能,并且服务器200可以使用这些元素技术中的将人类经验信息作为知识数据进行处理的知识表达技术来对各个电子设备的服务使用模式进行聚类。知识表达是将人类经验信息自动处理为知识数据的技术,并且包括知识建构(数据生成/分类)、知识管理(数据利用)等。
作为示例,服务器200可以基于所收集的服务使用模式指数的标准偏差(σ)的值对服务使用模式指数进行聚类并将其分类为N个群集。
作为示例,服务器200可以将所收集的时间模式指数分类为弱时间模式(时间模式指数<0.5σ)群集、中级时间模式(0.5σ≤时间模式指数<σ)群集以及强时间模式(时间模式指数>σ)群集。另外,服务器200可以将所收集的星期模式指数分类为弱星期模式(星期模式指数<0.5σ)群集、中级星期模式(0.5σ≤星期模式指数<σ)群集以及强星期模式(星期模式指数>σ)群集。如图7所示的九个组可以通过如上所述那样聚类的三个时间模式群集和三个星期模式群集的组合来定义。另外,可以根据九个组中的每一个的特征来设定第一权重W1、第二权重W2和第三权重W3。图7中的括号内的数字是指(W1:W2:W3)。模式越强,权重的设定值越大。换句话说,当用户的服务使用模式对时间的依赖性高时,时间权重被设定为高,并且当用户的服务使用模式对星期几的依赖性高时,一星期中的那一天的权重被设定为高。
服务器200将与电子设备100和其他电子设备100-1至100-n中的每一个所属的组相对应的权重信息传输到电子设备100。例如,当电子设备100所属的组是‘弱星期模式和强时间模式组’时,由服务器200传输的权重信息中包括通知电子设备100W1=30、W2=5和W3=1的内容。可替代地,由服务器200传输到电子设备100的信息中仅包括通知电子设备100电子设备100所属的组是‘弱星期模式和强时间模式组’的内容,并且电子设备100可以基于从服务器200接收的信息和存储在电子设备100中的每个组的权重信息来确定权重W1=20、W2=5和W3=1。
如上所述,根据本公开,在电子设备100中实现了用于基于历史信息和权重来选择推荐服务的模型,并且服务器200使用大量数据导出用于分组的参数,并且电子设备100的模型可以基于参数的值进行更新。因此,可以通过使用尽可能少的资源来反映可以连续改变的服务使用模式来选择推荐服务。
同时,已在参考图7描述的示例中描述了将服务使用模式指数分类为九个组,但这仅是示例,也可以将服务使用模式指数分类为另一数目的组。另外,图7中括号内的权重值仅是示例,并且本公开不限于此。另外,在上述示例中已经描述了将相同的权重应用于属于同一组的服务使用模式指数,但即使服务使用模式指数在同一组中,也可以基于同一组内的相对位置来将不同的权重应用于服务使用模式指数。
同时,被描述为在服务器200中执行的全部或一些操作可以在电子设备100中执行。例如,电子设备100可以从其他电子设备100-1至100-n接收关于服务使用模式指数的信息,如上述方法中那样执行聚类,并且基于与电子设备100所属的群集相对应的权重信息来确定权重。
另外,可以在服务器200中执行在电子设备100中执行的一些操作。例如,电子设备100可以将历史信息提供给服务器200,并且服务器200可以计算服务使用模式指数,并且服务器200可以计算使用指数以选择推荐服务,并将关于所选择的推荐服务的信息提供给电子设备100。也就是说,主要操作可以在服务器200中执行,并且电子设备100可以仅负责信息的输出功能。然而,因为历史信息是个人信息,所以优选的是历史信息不泄漏到外部。因此,可以优选电子设备100将通过处理历史信息而获得的服务使用模式指数而不是历史信息传输到服务器200的方式。
同时,可以基于其他电子设备100-1至100-n的历史信息而不是存储在电子设备100中的历史信息来提供使用可能性高的推荐服务。例如,服务器200可以从其他电子设备100-1至100-n中的至少一个接收历史信息,基于接收到的历史信息如上所述计算服务使用模式指数和服务使用指数以选择推荐服务,并将关于所选择的推荐服务的信息提供给电子设备100。可替代地,电子设备100可以不通过服务器200直接从其他电子设备100-1至100-n中的至少一个接收历史信息,并且基于接收到的历史信息如上所述计算服务使用模式指数和服务使用指数以选择推荐服务。根据本实施例,电子设备100可以提供其他电子设备的用户所偏爱的服务。
图8是示出在通过TV实现电子设备100的情况下电子设备100的组件的框图。在描述图8时,将省略对与图1中描述的那些组件重复的组件的描述。
参照图8,电子设备100可以通过以下设备实现:例如模拟TV、数字TV、三维(3D)TV、智能TV、发光二极管(LED)TV、有机发光二极管(OLED)TV、等离子TV、监视器、具有固定曲率的屏幕的弯曲TV、具有固定曲率的屏幕的柔性TV、具有固定曲率的屏幕的弯折TV、屏幕的当前曲率可以通过接收到的用户输入改变的曲率可变TV等,但是不限于此。
电子设备100包括存储器110、处理器120、输出端130、通信器140、调谐器150、麦克风160和端口170。
调谐器150可以通过对以有线或无线方式接收到的广播信号进行放大、混合、共振等,仅调谐和选择许多无线电波分量中的意图在电子设备100中接收的频道的频率。广播信号可以包括视频、音频和附加数据(例如,电子节目指南(EPG))。
调谐器150可以在与对应于用户输入的频道号相对应的频带中接收视频、音频和数据。
调谐器150可以从诸如地面广播、有线广播、卫星广播等的各种源接收广播信号。调谐器150还可以从诸如模拟广播、数字广播等的各种源接收广播信号。
调谐器150可以与电子设备100整体地(一体地)实现,或者可以通过具有电连接到电子设备100的调谐器单元的单独的设备(例如,连接到端口170的机顶盒或调谐器)来实现。
通信器140是根据各种类型的通信方式与各种类型的外部设备执行通信的组件。通信器140可以通过局域网(LAN)或互联网网络连接到外部设备,并且可以以无线通信方式(例如,Z波、4LoWPAN、RFID、LTE D2D、BLE、GPRS、轻便连接(Weightless)、边缘个域网(EdgeZigbee)、ANT+、NFC、IrDA、DECT、WLAN、蓝牙、Wi-Fi、Wi-Fi直联(Wi-Fi direct)、GSM、UMTS、LTE、WiBRO等)连接到外部设备。通信器140可以包括各种通信芯片,诸如Wi-Fi芯片、蓝牙芯片、近场通信(NFC)芯片、无线通信芯片等。Wi-Fi芯片、蓝牙芯片和NFC芯片分别以Wi-Fi方式、蓝牙方式、NFC方式执行通信。无线通信芯片是指根据诸如电气和电子工程师协会(IEEE)、Zigbee、第三代(3G)、第三代合作伙伴计划(3GPP)、长期演进(LTE)等的各种通信协议执行通信的芯片。另外,通信器140可以包括能够从外部设备接收控制信号(例如,红外(IR)脉冲)的光接收器。可以通过通信器140接收从外部设备输入的用户命令,可以通过通信器140将关于所选择的推荐服务的信息发送到外部用户终端,并且可以通过通信器140将数据发送到服务器200以及从服务器200接收数据。
电子设备100可以识别在显示器131上显示的图像以判定当前使用的服务,并且基于判定结果来生成历史信息。例如,电子设备100可以设置有用于图像识别的人工智能系统。人工智能系统,即实现人类水平智能的计算机系统,是机器自行执行学习和决策并且随着其使用提高识别率的系统。可以通过人工智能技术中的识别人类视觉之类的事物的视觉理解技术来识别图像。视觉理解是识别和处理人类视觉之类的事物的技术,并且包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解、图像改进等。例如,电子设备100可以根据基于光学字符识别(OCR)的视觉理解技术来识别显示器131上显示的图像中的广播频道号,并且基于EPG信息获得与所述广播频道号相对应的节目的标题以及与节目有关的其他附加信息。另外,所获得的信息可以存储在存储器110中。作为另一示例,电子设备100可以使用利用诸如视频或音频指纹或水印的特征信息的自动内容识别(ACR)技术来判定使用什么服务。同时,电子设备100可以将指纹、捕获的图像等发送到外部服务器,并且外部服务器可以执行诸如指纹匹配、OCR等的图像识别操作。
存储器110存储电子设备100的使用历史信息。所存储的主要信息包括电子设备100的打开/关闭时间、观看历史(频道、标题、节目附加信息等)、应用(YouTubeTM、NetflixTM等)执行历史、诸如远程控制器输入、语音输入等的输入历史、功能使用历史(菜单等)等,并且关于使用时间点的信息也被存储。可以在预定时间之后删除所存储的信息。
另外,将要分配给历史的权重W1、W2和W3存储在存储器110中。可以通过反映连续改变的使用模式来周期性地更新权重。可以重复用于确认权重的任务,使得可以按每个预定周期更新权重。详细地,当周期性更新计划到来时,处理器120可以通过查询服务器200来更新权重。
存储器110可以包括用于通过处理器120的控制来驱动和控制电子设备100的各种应用程序、数据和软件模块。例如,存储器110可以包括存储由电子设备100提供的服务的使用历史的历史存储/分析模块、选择推荐服务的监管模块、提供关于所选择的推荐服务的信息的服务公开模块、语音识别模块、图像识别模块等。
处理器120执行控制电子设备100的一般操作以及电子设备100的内部组件之间的信号流并且处理数据的功能。
处理器120包括随机存取存储器(RAM)121、只读存储器(ROM)122、中央处理单元(CPU)123和总线124。RAM 121、ROM 122、CPU 123等可以通过总线124彼此连接。处理器120可以通过片上系统(SoC)来实现。
CPU 123访问存储器110以便使用存储在存储器110中的操作系统(O/S)来执行启动。另外,CPU 123使用存储在存储器110中的各种程序、内容、数据等来执行各种操作。
用于启动系统等的指令集存储在ROM 122中。当输入打开指令以便向CPU 123供电时,CPU 123根据存储在ROM 122中的指令来将存储在存储器110中的操作系统(O/S)复制到RAM 121并且执行O/S以启动系统。当完成启动时,CPU 123将存储在存储器110中的各种应用程序复制到RAM 121,并且运行复制到RAM 121的应用程序来执行各种操作。处理器120可以使用存储在存储器110中的模块来执行各种操作。
电子设备100可以通过嵌入在电子设备100中的麦克风160或嵌入在外部设备中的麦克风来接收语音输入,并且直接识别语音或将接收到的语音传送到执行语音识别的外部服务器并接收语音识别结果。
在电子设备100直接执行语音识别的情况下,电子设备100可以设置有用于执行语音的人工智能系统。人工智能系统,即实现人类水平智能的计算机系统,是机器自行执行学习和决策并且随着其使用提高识别率的系统。可以通过人工智能技术中的识别人类语言/字符的语言理解技术来识别输入的语音。语言理解是识别和应用/处理人类的语言/字符的技术,并且包括自然语言处理、机器翻译、对话系统、问题和应答、语音识别/合成等。
根据另一实施例,存在嵌入有麦克风的单独的外部设备,并且所述外部设备可以对输入的语音执行语音识别处理并将语音识别结果提供给电子设备100。
可以基于语音识别结果来控制电子设备100。例如,当语音识别结果包括“推荐频道”时,电子设备100可以选择推荐频道并且通过输出端130提供关于所选择的推荐频道的信息。
输出端130可以包括用于输出图像的显示器131和用于输出音频的扬声器132。显示器131可以由液晶显示器(LCD)、等离子显示面板(PDP)、有机发光二极管(OLED)显示器等来实现,并且可以由触摸屏来实现。
端口170是用于连接到外部设备的组件。端口170可以包括高清多媒体接口(HDMI)端口171、组件输入插孔172或通用串行总线(USB)端口173中的至少一者。除了图8所示的那些之外,端口170还可以包括诸如RGB、DVI、HDMI、DP、雷电接口(Thunderbolt)等的端口中的至少一者。关于推荐服务的信息可以通过端口170传送到外部设备。
图9是用于描述用于控制电子设备的方法的流程图,所述电子设备中存储有关于从根据本公开的实施例的电子设备提供的多个服务中每一个的按一星期中的每一天和按时间的历史信息。图9所示的流程图可以包括在本说明书中描述的电子设备100中处理的操作。因此,即使在下文中省略了对这些内容的描述,关于电子设备100描述的内容也可以应用于图9所示的流程图。
参照图9,当预定事件发生时,将权重分配给所存储的历史中的与事件发生的一星期中的一天或时间段中的至少一者相对应的历史(S910)。
另外,电子设备基于分配了权重的历史来选择多个服务中的推荐服务(S920)。
例如,电子设备可以将第一权重分配给与事件发生的时间段相对应的历史,将与第一权重不同的第二权重分配给与事件发生的一星期中的一天相对应的历史,并且将第三权重分配给与发生事件的一星期中的一天不同的一星期中的一天相对应的历史以及与预定事件发生的时间段不同的时间段相对应的历史。
可以基于根据历史信息计算出的多个服务的服务使用模式指数来确定权重。因此,权重可以随着历史信息的更新而更新。
根据实施例,权重可以在电子设备本身中确定,或者可以通过与服务器200的通信来确定,服务器200对从多个电子设备收集的服务使用模式指数进行聚类。在后一种情况下,电子设备100可以将计算出的服务使用模式指数发送到服务器200,接收与计算出的服务使用模式指数所属的群集相对应的权重信息,并且基于接收到的权重信息来确定权重。电子设备100可以周期性地重新计算服务使用模式指数,并将计算出的服务使用模式指数提供给服务器200以便周期性地更新权重。
电子设备100可以基于以上述方式确定的权重和多个服务中每一个的使用时间来计算多个服务中每一个的使用指数,并且基于计算出的使用指数来选择多个服务中的推荐服务。在这种情况下,可以通过应用与执行对应于历史的服务的一星期中的一天相对应的减少值来计算多个服务中每一个的使用指数。
根据上述公开的实施例,可以通过模式分析服务器来周期性地更新本地设备的模型的主要参数,因为每个设备基于聚类模型,所以不需要为每个设备提供不同的模型,使得模型配置很简单,并且因为不必将历史信息提供给外部服务器,所以不存在将会泄漏个人信息的风险。
同时,可以使用软件、硬件或软件和硬件的组合在计算机或计算机可读记录介质中实现上述各种实施例。根据硬件实现方式,可以使用以下至少一者来实现本公开中描述的实施例:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或用于执行其他功能的电子单元。在一些情况下,本说明书中描述的实施例可以由处理器120本身实现。根据软件实现方式,诸如本说明书中描述的程序和功能的实施例可以由单独的软件模块来实现。软件模块中的每一个可以执行本说明书中描述的一个或多个功能和操作。
同时,用于在根据上述公开的各种实施例的电子设备100中执行处理操作的计算机指令可以存储在非暂时性计算机可读介质中。存储在非暂时性计算机可读介质中的计算机指令在被特定设备的处理器执行时,使得所述特定设备根据上述各种实施例在电子设备100中执行处理操作。
非暂时性计算机可读介质不是短期存储数据的介质,诸如寄存器、高速缓存、存储器等,而是指半永久性地存储数据并且可被设备读取的介质。非暂时性计算机可读介质的具体示例可以包括光盘(CD)、数字多功能盘(DVD)、硬盘、蓝光光盘、通用串行总线(USB)、存储卡、只读存储器(ROM)等。
根据实施例,根据本公开中公开的各种实施例的方法可以包括并提供在计算机程序产品中。计算机程序产品可作为产品在卖方与买方之间交易。计算机程序产品可以以存储介质(例如,光盘只读存储器(CD-ROM))的形式分发,所述存储介质可以由设备读取或通过应用商店(例如,PlayStoreTM或AppstoreTM)在线读取。在在线分发的情况下,计算机程序产品的至少部分可以至少临时地存储在存储介质中,诸如制造商的服务器、应用商店的服务器或中继服务器的存储器,或者可以临时地创建。
尽管上文已经示出和描述了本公开的实施例,但本公开不限于上述具体实施例,而是在不脱离如随附权利要求书中所公开的本公开的主旨的情况下,可以由本公开所属领域的技术人员进行各种修改。这些修改也应理解为落入本公开的范围和精神内。

Claims (12)

1.一种电子设备,其包括:
存储器,所述存储器被配置成存储历史信息,所述历史信息与从所述电子设备提供的多个服务中每一个的、一星期中的每一天和每个时间段中的至少一者相对应;以及
处理器,所述处理器被配置成:
基于所述历史信息计算第一服务使用模式信息,
将所述第一服务使用模式信息发送到外部服务器,其中所述外部服务器将从多个电子设备接收的多个服务模式信息聚类成多个组,
从所述外部服务器接收与所述多个组之中的、所述电子设备所属的第一组对应的第一权重信息,并且基于所述第一权重信息确定与所述第一服务使用模式信息对应的第一权重、第二权重和第三权重,
当预定事件发生时,将所述第一权重分配给与发生所述预定事件的时间段相对应的历史,将所述第二权重分配给与发生所述预定事件的一星期中的一天相对应的历史,将所述第三权重分配给所述一星期中的与不同于所述一天的其他天和不同于所述时间段的其他时段的组合相对应的历史,以及
基于分配了所述第一权重、所述第二权重和所述第三权重的历史从所述多个服务之中识别推荐服务,
其中,所述处理器被配置成:
基于所述历史信息被更新,基于更新后的历史信息计算第二服务使用模式信息,
将所述第二服务使用模式信息发送到所述外部服务器,
从所述外部服务器接收第二权重信息,以及
基于所述第二权重信息更新所述第一权重、所述第二权重和所述第三权重。
2.如权利要求1所述的电子设备,其中,所述处理器被配置成基于所分配的所述第一权重、所述第二权重和所述第三权重和所述多个服务中每一个的使用时间来计算所述多个服务中每一个的使用指数,并且基于所计算的使用指数来选择所述多个服务中的所述推荐服务。
3.如权利要求2所述的电子设备,其中,所述处理器被配置成通过应用与执行对应于所述历史的服务的一星期中的一天相对应的减少值来计算所述多个服务中每一个的使用指数。
4.如权利要求1所述的电子设备,其中,所述处理器被配置成:
基于所述历史信息来计算所述多个服务中每一个的一星期中的每一天的使用时间的方差,并且基于所计算的方差来计算星期模式指数;
基于所述历史信息来计算所述多个服务中每一个的每个时间段的使用时间的方差,并且基于所计算的方差来计算时间模式指数,以及
基于所计算的星期模式指数和所计算的时间模式指数来确定所述第一权重、所述第二权重和所述第三权重。
5.如权利要求1所述的电子设备,其中,所述第二权重与所述第一权重不同。
6.如权利要求5所述的电子设备,其中,所述第一权重大于所述第二权重。
7.如权利要求5所述的电子设备,其中,所述第三权重小于所述第一权重和所述第二权重。
8.如权利要求1所述的电子设备,其中,所述处理器被配置成当接收到与控制所述电子设备的远程控制设备的特定按钮相对应的控制信号或接收到与用户的特定语音相对应的控制信号时,判定所述预定事件发生。
9.如权利要求1所述的电子设备,其中所述多个服务是多个广播频道、多个应用或多个内容。
10.一种用于控制电子设备的方法,所述电子设备中存储有历史信息,所述历史信息与从所述电子设备提供的多个服务中每一个的、一星期中的每一天和每个时间段中的至少一者相对应,所述方法包括:
基于所述历史信息计算第一服务使用模式信息,
将所述第一服务使用模式信息发送到外部服务器,其中所述外部服务器将从多个电子设备接收的多个服务模式信息聚类成多个组,
从所述外部服务器接收与所述多个组之中的、所述电子设备所属的第一组对应的第一权重信息,
从所述第一权重信息之中,将第一权重分配给与发生预定事件的时间段相对应的历史,将第二权重分配给与发生所述预定事件的一星期中的一天相对应的历史,将第三权重分配给与不同于所述一天的其他天和不同于所述时间段的其他时段的组合相对应的历史;以及
基于分配了所述第一权重、所述第二权重和所述第三权重的历史从所述多个服务之中识别推荐服务,
其中,所述方法还包括:
基于所述历史信息被更新,基于更新后的历史信息计算第二服务使用模式信息,
将所述第二服务使用模式信息发送到所述外部服务器,
从所述外部服务器接收第二权重信息,以及
从所述第二权重信息之中,更新所述第一权重、所述第二权重和所述第三权重。
11.如权利要求10所述的控制电子设备的方法,其中,从所述多个服务之中识别所述推荐服务包括:基于所分配的所述第一权重、所述第二权重和所述第三权重和所述多个服务中每一个的使用时间来计算所述多个服务中每一个的使用指数,并且基于所计算的使用指数来选择所述多个服务中的所述推荐服务。
12.如权利要求11所述的控制电子设备的方法,其中,计算所述使用指数包括:通过应用与执行对应于所述历史的服务的一星期中的一天相对应的减少值来计算所述多个服务中每一个的所述使用指数。
CN201880047168.4A 2017-08-01 2018-07-19 电子设备及其控制方法 Active CN110892730B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020170097828A KR102384215B1 (ko) 2017-08-01 2017-08-01 전자 장치 및 그의 제어방법
KR10-2017-0097828 2017-08-01
PCT/KR2018/008157 WO2019027160A1 (ko) 2017-08-01 2018-07-19 전자 장치 및 그의 제어방법

Publications (2)

Publication Number Publication Date
CN110892730A CN110892730A (zh) 2020-03-17
CN110892730B true CN110892730B (zh) 2023-06-20

Family

ID=65233930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880047168.4A Active CN110892730B (zh) 2017-08-01 2018-07-19 电子设备及其控制方法

Country Status (4)

Country Link
US (1) US11064233B2 (zh)
KR (1) KR102384215B1 (zh)
CN (1) CN110892730B (zh)
WO (1) WO2019027160A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347349A1 (en) * 2018-05-08 2019-11-14 Comcast Cable Communications, Llc Using contextual data to recommend relevant content
KR102582046B1 (ko) 2018-07-19 2023-09-22 삼성전자주식회사 추천 채널 리스트 제공 방법 및 그에 따른 디스플레이 장치
KR20210155000A (ko) * 2019-05-13 2021-12-21 엘지전자 주식회사 복수의 전자 장치의 분류 및 설정하기 위한 장치 및 그 방법
KR20210051349A (ko) * 2019-10-30 2021-05-10 삼성전자주식회사 전자장치 및 그 제어방법
KR20210069421A (ko) * 2019-12-03 2021-06-11 엘지전자 주식회사 식기 세척기 및 식기 세척기의 제어 방법
KR102347065B1 (ko) * 2020-02-04 2022-01-04 주식회사 원더풀플랫폼 인공지능형 멀티미디어 컨텐츠 추천 및 도우미 방법과 시스템
CN114229637B (zh) * 2021-12-03 2024-02-27 北京声智科技有限公司 电梯楼层确定方法、装置、设备及计算机可读存储介质
CN116738033A (zh) * 2022-09-05 2023-09-12 荣耀终端有限公司 用于推荐服务的方法和装置

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6564381B1 (en) * 1997-09-26 2003-05-13 Vxl Capitol Partners Corporation, Ltd. Automatic digital information and content scheduling and barkering system
US7581237B1 (en) * 2000-10-30 2009-08-25 Pace Plc Method and apparatus for generating television program recommendations based on prior queries
US20030097186A1 (en) 2001-11-13 2003-05-22 Koninklijke Philips Electronics N.V Method and apparatus for generating a stereotypical profile for recommending items of interest using feature-based clustering
EP1860579A1 (en) * 2002-08-30 2007-11-28 Sony Deutschland Gmbh Method to split a multiuser profile
KR100497428B1 (ko) * 2002-09-24 2005-07-01 전자부품연구원 메타 데이터를 이용한 지능화된 프로그램 추천 서비스방법
KR20040083797A (ko) 2003-03-25 2004-10-06 엘지전자 주식회사 디지털 tv에서 선호 메뉴 항목 디스플레이 방법
JP4909033B2 (ja) * 2006-11-30 2012-04-04 富士通株式会社 番組検索装置
US8060525B2 (en) * 2007-12-21 2011-11-15 Napo Enterprises, Llc Method and system for generating media recommendations in a distributed environment based on tagging play history information with location information
US8488500B2 (en) 2008-05-02 2013-07-16 Dhaani Systems Power management of networked devices
US20110107381A1 (en) * 2008-06-26 2011-05-05 Honeybee Tv Israel Ltd. Methods and systems for managing viewing at client terminals
US20100017455A1 (en) * 2008-07-17 2010-01-21 Lemi Technology, Llc Customized media broadcast for a broadcast group
US20100100618A1 (en) * 2008-10-22 2010-04-22 Matthew Kuhlke Differentiating a User from Multiple Users Based on a Determined Pattern of Network Usage
US8650138B2 (en) 2008-11-26 2014-02-11 Nec Corporation Active metric learning device, active metric learning method, and active metric learning program
US8756619B2 (en) * 2008-12-08 2014-06-17 Verizon Patent And Licensing Inc. Cluster analysis of viewer tendencies
US20120192214A1 (en) * 2009-12-22 2012-07-26 Resonate Networks Method and apparatus for delivering targeted content to television viewers
KR20120003362A (ko) 2010-07-02 2012-01-10 아코지토(주) 협력적 필터링 알고리즘 기반의 iptv 개인별 선호프로그램 추천시스템
WO2012084025A1 (en) * 2010-12-21 2012-06-28 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus for providing temporal context for recommending content for consumption by a user device
KR101438764B1 (ko) 2011-05-13 2014-09-12 한국전자통신연구원 사용자 시청 이력 기반 콘텐츠 추천 방법
TW201316753A (zh) * 2011-10-13 2013-04-16 Wistron Corp 電視節目推薦系統及其方法
CN103218377A (zh) * 2012-01-19 2013-07-24 北京千橡网景科技发展有限公司 辅助用户选择兴趣点的方法和设备
SG10201601514XA (en) 2012-02-21 2016-04-28 Ooyala Inc Automatically recommending content
KR20130098841A (ko) 2012-02-28 2013-09-05 전자부품연구원 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법
US9990666B2 (en) * 2012-09-12 2018-06-05 Canon Kabushiki Kaisha Method, system and apparatus for delivering a recommendation
KR101772404B1 (ko) * 2012-12-14 2017-08-29 한국전자통신연구원 시청자 콘텐츠 선호도 추론 정확도 향상 방법 및 장치
US20140215506A1 (en) * 2013-01-25 2014-07-31 Mobitv, Inc. Time context weighted content recommendation
US8732737B1 (en) * 2013-01-25 2014-05-20 Mobitv, Inc. Geographic context weighted content recommendation
US20150052554A1 (en) * 2013-01-25 2015-02-19 Mobitv, Inc. Geographic content recommendation
US9313551B2 (en) * 2013-06-17 2016-04-12 Google Inc. Enhanced program guide
US20150082330A1 (en) * 2013-09-18 2015-03-19 Qualcomm Incorporated Real-time channel program recommendation on a display device
US20150120722A1 (en) * 2013-10-31 2015-04-30 Telefonica Digital Espana, S.L.U. Method and system for providing multimedia content recommendations
CN104811755A (zh) * 2014-01-24 2015-07-29 中兴通讯股份有限公司 设置开机频道的方法、装置、机顶盒、服务器及系统
CN105144734B (zh) 2014-03-26 2018-11-06 松下知识产权经营株式会社 影像接收装置、影像识别方法以及附加信息显示系统
US20150334461A1 (en) * 2014-05-14 2015-11-19 Looq System Inc. Methods and systems for dynamically recommending favorite channels or programs
US11343553B2 (en) * 2014-08-05 2022-05-24 Piksel, Inc. Context driven recommendation for content delivery and display system
KR102277182B1 (ko) * 2014-08-25 2021-07-14 삼성전자 주식회사 개인화 서비스 제공 방법 및 장치
KR20160064448A (ko) 2014-11-28 2016-06-08 이종찬 유사 집합의 예상 선호도 대비 기반 아이템 추천 제공 방법
US11416566B2 (en) * 2014-12-31 2022-08-16 Rovi Guides, Inc. Methods and systems for determining media content to download
US9661386B2 (en) * 2015-02-11 2017-05-23 Google Inc. Methods, systems, and media for presenting a suggestion to watch videos
WO2016130547A1 (en) * 2015-02-11 2016-08-18 Hulu, LLC Relevance table aggregation in a database system
KR20160145351A (ko) 2015-06-10 2016-12-20 삼성전자주식회사 디스플레이장치 및 그 제어 방법
US10516964B2 (en) * 2015-07-28 2019-12-24 Microsoft Technology Licensing, Llc Inferring user availability for a communication
US10445304B1 (en) * 2015-11-18 2019-10-15 Cox Communications, Inc. Automatic identification and creation of user profiles
US20170169330A1 (en) * 2015-12-15 2017-06-15 Le Holdings (Beijing) Co., Ltd. Method and Electronic Device for Displaying Play Content in Smart Television
US10341728B2 (en) * 2015-12-30 2019-07-02 Sling Media L.L.C. Media systems for temporally and contextually relevant recommendations
CN106028070A (zh) * 2016-05-16 2016-10-12 乐视控股(北京)有限公司 直播或轮播频道推荐方法、装置及视频服务器
US10242098B2 (en) * 2016-05-31 2019-03-26 Microsoft Technology Licensing, Llc Hierarchical multisource playlist generation
US10231020B2 (en) * 2017-05-16 2019-03-12 The Directv Group, Inc Sports recommender system utilizing content based filtering
US10922624B2 (en) * 2017-06-01 2021-02-16 Facebook, Inc. Identifying users of shared devices based on user interactions and identity graph

Also Published As

Publication number Publication date
CN110892730A (zh) 2020-03-17
KR102384215B1 (ko) 2022-04-07
WO2019027160A1 (ko) 2019-02-07
US20200175398A1 (en) 2020-06-04
KR20190013348A (ko) 2019-02-11
US11064233B2 (en) 2021-07-13

Similar Documents

Publication Publication Date Title
CN110892730B (zh) 电子设备及其控制方法
US11064261B2 (en) Electronic device and control method therefor
US20220147870A1 (en) Method for providing recommended content list and electronic device according thereto
US20200304883A1 (en) Method and apparatus for executing content
CN104205862B (zh) 动态搜索服务
US11412308B2 (en) Method for providing recommended channel list, and display device according thereto
US9654830B2 (en) Audiovisual content recommendation method and device
US20160328466A1 (en) Label filters for large scale multi-label classification
US11356744B2 (en) Display device and operation method thereof
CN109479160A (zh) 用于推荐显示设备的内容的显示设备和方法
US20160125472A1 (en) Gesture based advertisement profiles for users
EP3843024A1 (en) Computing device and operation method thereof
WO2016206035A1 (zh) 一种信息推荐方法及用户终端
CN109618231B (zh) 一种基于冷启动的影视内容推荐方法及系统
KR102384209B1 (ko) 전자 장치 및 이의 제어 방법
US11240568B2 (en) Apparatus and method for replacing and outputting advertisement
US20220150583A1 (en) Electronic apparatus and control method thereof
CN111669654B (zh) 节目推荐方法、装置、电子设备及可读存储介质
US10083212B2 (en) Method and apparatus of representing content information using sectional notification method
KR102667498B1 (ko) 전자장치와 그의 제어방법, 및 기록매체
KR20230094834A (ko) 사용자 디바이스에 대한 맞춤형 설정 메뉴를 생성하는 서버 및 그 동작 방법
KR20240078140A (ko) 컴퓨팅 디바이스 및 그 동작 방법
KR20200092156A (ko) 데이터의 예측 분석 방법 및 그를 이용한 전자 장치
CN109275023A (zh) 电视频道排序方法、电视及存储介质
CN113286199A (zh) 节目推荐方法、电视机和存储介质

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
GR01 Patent grant
GR01 Patent grant