CN111787371A - 一种构建家庭画像的方法和装置 - Google Patents

一种构建家庭画像的方法和装置 Download PDF

Info

Publication number
CN111787371A
CN111787371A CN202010919151.2A CN202010919151A CN111787371A CN 111787371 A CN111787371 A CN 111787371A CN 202010919151 A CN202010919151 A CN 202010919151A CN 111787371 A CN111787371 A CN 111787371A
Authority
CN
China
Prior art keywords
family
tag
data
behavior
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010919151.2A
Other languages
English (en)
Other versions
CN111787371B (zh
Inventor
王岩
李旸
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 Youyi Internet Technology Development Co ltd
Original Assignee
Beijing Youyi Internet Technology Development 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 Youyi Internet Technology Development Co ltd filed Critical Beijing Youyi Internet Technology Development Co ltd
Priority to CN202010919151.2A priority Critical patent/CN111787371B/zh
Publication of CN111787371A publication Critical patent/CN111787371A/zh
Application granted granted Critical
Publication of CN111787371B publication Critical patent/CN111787371B/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]
    • H04N21/20—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
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • 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
    • H04N21/25808—Management of client data
    • H04N21/25841—Management of client data involving the geographical location of the client
    • 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
    • H04N21/25808—Management of client data
    • H04N21/25858—Management of client data involving client software characteristics, e.g. OS identifier
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明实施例提供了一种构建家庭画像的方法和装置，该方法包括：获取家庭的属性数据和家庭成员的行为数据；基于所述属性数据，确定所述家庭的属性标签；基于所述行为数据，确定所述家庭的行为标签；基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐。可见，本方案中，第一方面，提供了一种对家庭情况进行描述的方案，第二方面，从家庭的属性数据和行为数据多个维度上对家庭情况进行描述，提高了描述的准确度。

Description

一种构建家庭画像的方法和装置
技术领域
本发明涉及通信技术领域，特别是涉及一种构建家庭画像的方法和装置。
背景技术
家庭场景中通常安装有智能电视、智能音箱等家居设备，以满足家庭成员的需求。例如，智能电视可以播放家庭成员需要观看的电视节目，智能音箱可以播放歌曲、相声等语音节目。
目前，这些家居设备不仅能够播放用户选择的节目，还能够对用户进行节目推荐。相关的推荐方案中，通常只是基于节目的热度，如节目点击率、浏览量等，对节目进行排序，并向用户推荐排序最靠前的节目。
但是，仅基于节目的热度进行推荐，并没有考虑家庭的实际情况。因此，亟需提供一种对家庭情况进行描述的方案。
发明内容
本发明实施例的目的在于提供一种构建家庭画像的方法和装置，以提高家庭画像准确度。具体技术方案如下：
为达到上述目的，本发明实施例提供了一种构建家庭画像的方法，包括：
获取家庭的属性数据和家庭成员的行为数据；
基于所述属性数据，确定所述家庭的属性标签；
基于所述行为数据，确定所述家庭的行为标签；
基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐。
可选的，所述属性数据包括地理位置数据；所述获取家庭的属性数据，包括：
确定所述智能设备的IP地址；
基于所述IP地址，获取所述家庭的地理位置数据；
所述基于所述属性数据，确定所述家庭的属性标签，包括：
基于所述地理位置数据，确定第一属性标签。
可选的，所述属性数据包括消费能力数据；所述获取家庭的属性数据，包括：
获取所述智能设备的价格信息；
基于所述价格信息，获取所述家庭的消费能力数据；
所述基于所述属性数据，确定所述家庭的属性标签，包括：
基于所述消费能力数据，确定第二属性标签。
可选的，所述智能设备为智能电视；所述获取所述智能设备的价格信息，包括：
获取所述智能电视的点播日志中记录的电视设备信息；
读取所述电视设备信息中的所述智能电视的价格信息；
所述基于所述价格信息，获取所述家庭的消费能力数据，包括：
确定所述价格信息所在的价格区间，作为所述家庭的消费能力数据。
可选的，所述行为数据包括媒体偏好信息；所述获取家庭成员的行为数据，包括：
确定移动端设备中安装的应用程序的类型，作为媒体偏好信息；所述移动端设备的IP地址与所述智能设备的IP地址相同；
基于所述行为数据，确定所述家庭的行为标签，包括：
基于所述媒体偏好信息，确定第一行为标签。
可选的，所述基于所述媒体偏好信息，确定第一行为标签，包括：
利用如下算式，得到所述第一行为标签：
Figure DEST_PATH_IMAGE001
其中，
Figure 385998DEST_PATH_IMAGE002
表示第一行为标签，n表示家庭成员数量，wj表示第j个家庭成员的权重，score(user,tagk )表示媒体偏好信息，k表示移动端设备标识。
可选的，所述行为数据包括节目偏好信息；所述获取家庭成员的行为数据，包括：
获取所述智能设备中的节目播放历史；
基于所述节目播放历史，确定所述家庭成员的节目偏好信息；
所述基于所述行为数据，确定所述家庭的行为标签，包括：
基于所述节目偏好信息，确定所述第二行为标签。
可选的，所述智能设备为智能电视；所述获取所述智能设备中的节目播放历史，包括：
获取智能电视的点播日志；
提取所述点播日志中的节目播放历史；
基于所述节目播放历史，确定所述家庭成员的节目偏好信息，包括：
基于预设时间内的所述节目播放历史，确定所述家庭成员的节目偏好信息。
可选的，所述基于所述节目偏好信息，确定所述第二行为标签，包括：
利用如下算式，得到所述第二行为标签：
Figure DEST_PATH_IMAGE003
Figure 37559DEST_PATH_IMAGE004
其中，
Figure 145192DEST_PATH_IMAGE005
表示第二行为标签，wi表示节目偏好信息， i表示智能设备标识，ϵi表示从获取智能设备中的节目播放历史到确定第二行为标签的时间内的时间衰减，di表示从获取智能设备中的节目播放历史到确定第二行为标签的时间差，α表示可调的参数。
为达到上述目的，本发明实施例还提供了一种构建家庭画像的装置，包括：
获取模块，用于获取家庭的属性数据和家庭成员的行为数据；
第一确定模块，用于基于所述属性数据，确定所述家庭的属性标签；
第二确定模块，用于基于所述行为数据，确定所述家庭的行为标签；
构建模块，用于基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐。
应用本发明所示实施例，获取家庭的属性数据和家庭成员的行为数据；基于所述属性数据，确定属性标签；基于所述行为数据，确定行为标签；基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐；可见，本方案中，第一方面，提供了一种对家庭情况进行描述的方案，第二方面，从家庭的属性数据和行为数据多个维度上对家庭情况进行描述，提高了描述的准确度。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的构建家庭画像的方法的第一种流程示意图；
图2为本发明实施例提供的构建家庭画像的方法的第二种流程示意图；
图3为本发明实施例提供的一种构建家庭画像装置的结构示意图；
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了达到上述目的，本发明实施例提供了一种构建家庭画像的方法及设备，该方法可以应用于各种电子设备，具体不做限定。下面首先对该构建家庭画像的方法进行详细介绍。
图1为本发明实施例提供的构建家庭画像的方法的第一种流程示意图，包括：
S101：获取家庭的属性数据和家庭成员的行为数据。
举例来说，家庭的属性数据可以包括：家庭的地理位置数据、家庭的消费能力数据等等。所述家庭成员的行为数据可以包括：家庭成员的媒体偏好信息、家庭成员的节目偏好信息等等。
一种实施方式中，属性数据包括地理位置数据；S101可以包括：确定所述智能设备的IP地址，基于所述IP地址，获取所述家庭的地理位置数据。
举例来说，智能设备可以包括智能电视、智能音箱等等，具体不做限定。
一种情况下，可以通过对家庭的家庭成员登录的智能设备的IP地址的频率进行分析，确定家庭的地理位置。举例来说，家庭成员在一段时间内登录智能电视的同一个IP地址占3/4的时间，则可以通过IP定位API（IP地理定位）服务确定所述家庭的地理位置数据，其中，所述一段时间可以包括：一个月、一年，等等，具体时间不做限定；所述登录时间占比可以包括：4/5、3/4，等等，具体比例不做限定。
另一种情况下，可以通过对家庭的家庭成员登录的智能设备的IP地址的密度进行分析，确定家庭的地理位置。
举例来说，对家庭成员在一段时间内登录智能电视的IP地址进行位置及次数的统计，记录不同IP地址对应的登录次数，根据IP地址的登录次数与合计登录次数得到的登录密度，确定所述家庭的地理位置数据。如一个月内，家庭成员登录智能电视的IP地址有两个，分别是A地址和B地址；共计登录了10次，分别为在A地址登录了7次，在B地址登录了3次，则在A地址的登录频率为0.7（7次÷10次），在B地址的登录频率为0.3（3次÷10次）；由于0.7大于0.3，则确定所述家庭的地理位置数据为A地址；其中，所述登录次数可以包括：1次、2次、3次，等等，具体次数不做限定；所述登录频率可以包括：0.1、0.2、0.3，等等，具体频率不做限定。
另一种情况下，可以通过对家庭的家庭成员登录的智能设备的IP地址的稳定度进行分析，确定家庭的地理位置。
举例来说，对家庭成员在一段时间内登录智能电视的IP地址进行数值标注，统计该时间段内的所有数值的众数，通过众数确定IP地址的稳定度，从而确定家庭的地理位置数据；如一年内，家庭成员登录智能电视的IP地址有三个，分别是A地址、B地址和C地址，将A地址标记为1，将B地址标记为2，将C地址标记为3；统计得到一年内的数值标注为1，2，3，1，3，3，2，3，3，3，2，1，则其众数为3，对应C地址，即确定IP地址稳定在C地址，从而确定所述家庭的地理位置数据为C地址；其中，数值标注可以包括：1、2、3，等等，具体数值不做限定。
一种实施方式中，属性数据包括消费能力数据；S101可以包括：获取所述智能设备的价格信息，基于所述价格信息，获取所述家庭的消费能力数据，其中，所述消费能力数据可以包括：价格区间信息等等，具体不做限定。
举例来说，所述智能设备为智能电视，则获取智能电视的点播日志中记录的电视设备信息，电视设备信息可以包括：电视的品牌和电视的价格等等，具体不做限定。基于所述电视设备信息，提取价格区间信息，如定义价格区间为：2000-4000元、4000-6000元、6000-8000元等，例如电视的品牌为三星，价格为7000元，7000元包含在6000-8000元这个区间内，因此提取到的价格区间为6000-8000元。
一种实施方式中，行为数据包括媒体偏好信息；S101可以包括：获取移动端设备中的应用程序的类型，作为媒体偏好信息，其中，所述移动端设备的IP地址与所述智能设备的IP地址相同；移动端设备可以包括智能手机、智能手表等等，具体不做限定；所述应用程序可以包括以下任意一种，如：教育类应用程序、视频类应用程序、社交类应用程序和游戏类应用程序，等等，不再一一列举具体类型不做限定。
举例来说，若智能手机和智能电视的IP地址相同，则获取所述智能手机中安装的应用程序的类型，如所述智能手机中安装了一款教育类应用程序，则将“教育类”作为媒体偏好信息。
一种实施方式中，行为数据包括节目偏好信息；S101可以包括：获取智能设备中的节目播放历史，确定家庭成员的节目偏好信息，其中，所述节目播放历史可以包括：节目的种类和节目中的要素等等，如节目的种类可以为科幻类、新闻类、文艺类等等，节目中的要素可以为明星、情节等等，具体不做限定。提取一定时间内所述节目信息的特征信息，作为节目偏好信息，其中，所述一定时间内可以包括以下任意一种，如：28天、6个月、一年，等等，具体时间不做限定。
举例来说，智能设备为智能电视，则获取智能电视终端的点播日志，提取点播日志中的节目播放历史，基于预设时间内的节目播放历史，确定家庭成员的节目偏好信息，如28天内，节目播放历史中包括一部科幻片，则将“科幻类”作为家庭成员的节目偏好信息。
S102：基于属性数据，确定家庭的属性标签。
其中属性数据包括以下任意一种或多种：地理位置数据和消费能力数据。
一种情况下，若属性数据包括地理位置数据，则基于所述地理位置数据，确定第一属性标签，其中第一属性标签可以包括：省、市和区，等等，具体不做限定。
一种情况下，若属性数据包括消费能力数据，则基于所述消费能力数据，确定第二属性标签，可以利用如下算式，得到所述第二属性标签：
Figure 805981DEST_PATH_IMAGE006
其中，
Figure 823615DEST_PATH_IMAGE007
表示第二属性标签；wm表示电视设备价格的权重，wm可以取0-1，具体数值不做限定；m表示电视设备标识；tag表示消费能力数据。
S103：基于行为数据，确定家庭的行为标签。
其中行为数据包括以下任意一种或多种：媒体偏好信息和节目偏好信息。
一种情况下，若行为数据包括媒体偏好信息，则基于所述媒体偏好信息，确定第一行为标签，可以利用如下算式，得到所述第一行为标签：
Figure 646078DEST_PATH_IMAGE008
其中，
Figure 178690DEST_PATH_IMAGE009
表示第一行为标签；ott表示移动端设备的日志，可以从该日志中提取得到媒体偏好信息；n表示家庭成员数量，n可以为1，2，3等等，具体数值不做限定；wj表示第j个家庭成员的权重，wj可以取0-1，具体数值不做限定；score(user,tagk )表示媒体偏好信息；k表示移动端设备的标识。
一种情况下，若行为数据包括节目偏好信息，则基于所述节目偏好信息，确定第二行为标签，可以利用如下算式，得到所述第二行为标签：
Figure 705487DEST_PATH_IMAGE003
Figure 639945DEST_PATH_IMAGE004
其中，
Figure 836571DEST_PATH_IMAGE005
表示第二行为标签；wi表示节目偏好信息；i表示智能设备标识；ϵi表示从获取智能设备中的节目播放历史到确定第二行为标签的时间内的时间衰减；di表示从获取智能设备中的节目播放历史到确定第二行为标签的时间差；α表示可调的参数。
S104：基于属性标签和行为标签，构建家庭的家庭画像，家庭画像用于智能设备为家庭进行节目推荐。
举例来说，若所述第一属性标签为北京市海淀区，所述第二属性标签为6000-8000元的价格区间，所述第一行为标签为教育类，所述第二行为标签为少儿节目，则基于上述标签构建家庭的家庭画像。所述家庭画像描述了一个住在北京市海淀区的有孩子的家庭，且这个家庭的消费能力较高。智能电视可以基于这一家庭画像，由于第一行为标签为教育类，因此可以向该家庭推荐教育类广告；由于第二行为标签为少儿节目，因此可以向该家庭推荐励志电影、动画片。
若所述第一属性标签为四川省，所述第二属性标签为4000-6000元的价格区间，所述第一行为标签为购物类，所述第二行为标签为美食节目，则基于上述标签构建家庭的家庭画像。所述家庭画像描述了一个住在四川省的喜欢购物和美食的家庭，且这个家庭的消费能力为中等。智能电视可以基于这一家庭画像，由于第一行为标签为购物类，因此可以向该家庭推荐购物节目；由于第二行为标签为美食类，因此可以向该家庭推荐美食纪录片。
应用本发明图1所示实施例，获取家庭的属性数据和家庭成员的行为数据；基于所述属性数据，确定属性标签；基于所述行为数据，确定行为标签；基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐；可见，本方案中，第一方面，提供了一种对家庭情况进行描述的方案，第二方面，从家庭的属性数据和行为数据多个维度上对家庭情况进行描述，提高了描述的准确度。
上述方法实施例中的各个步骤按照合乎逻辑的顺序执行即可，步骤标号或者对各步骤进行介绍的先后顺序，并不对各步骤的执行顺序构成限定。
图2为本发明实施例提供的构建家庭画像的方法的第二种流程示意图，包括：
S201：获取智能设备的IP地址、以及智能设备的价格信息。
一种实施方式中，属性数据包括地理位置数据；S201可以包括：确定所述智能设备的IP地址，基于所述IP地址，获取所述家庭的地理位置数据。
举例来说，智能设备可以包括智能电视、智能音箱等等，具体不做限定。
一种情况下，可以通过对家庭的家庭成员登录的智能设备的IP地址的频率进行分析，确定家庭的地理位置。举例来说，家庭成员在一段时间内登录智能电视的同一个IP地址占3/4的时间，则可以通过IP定位API（IP地理定位）服务确定所述家庭的地理位置数据，其中，所述一段时间可以包括：一个月、一年，等等，具体时间不做限定；所述登录时间占比可以包括：4/5、3/4，等等，具体比例不做限定。
另一种情况下，可以通过对家庭的家庭成员登录的智能设备的IP地址的密度进行分析，确定家庭的地理位置。
举例来说，对家庭成员在一段时间内登录智能电视的IP地址进行位置及次数的统计，记录不同IP地址对应的登录次数，根据IP地址的登录次数与合计登录次数得到的登录密度，确定所述家庭的地理位置数据。如一个月内，家庭成员登录智能电视的IP地址有两个，分别是A地址和B地址；共计登录了10次，分别为在A地址登录了7次，在B地址登录了3次，则在A地址的登录频率为0.7（7次÷10次），在B地址的登录频率为0.3（3次÷10次）；由于0.7大于0.3，则确定所述家庭的地理位置数据为A地址；其中，所述登录次数可以包括：1次、2次、3次，等等，具体次数不做限定；所述登录频率可以包括：0.1、0.2、0.3，等等，具体频率不做限定。
另一种情况下，可以通过对家庭的家庭成员登录的智能设备的IP地址的稳定度进行分析，确定家庭的地理位置。
举例来说，对家庭成员在一段时间内登录智能电视的IP地址进行数值标注，统计该时间段内的所有数值的众数，通过众数确定IP地址的稳定度，从而确定家庭的地理位置数据；如一年内，家庭成员登录智能电视的IP地址有三个，分别是A地址、B地址和C地址，将A地址标记为1，将B地址标记为2，将C地址标记为3；统计得到一年内的数值标注为1，2，3，1，3，3，2，3，3，3，2，1，则其众数为3，对应C地址，即确定IP地址稳定在C地址，从而确定所述家庭的地理位置数据为C地址；其中，数值标注可以包括：1、2、3，等等，具体数值不做限定。
一种实施方式中，属性数据包括消费能力数据；S201可以包括：获取所述智能设备的价格信息，基于所述价格信息，获取所述家庭的消费能力数据，其中，所述消费能力数据可以包括：价格区间信息等等，具体不做限定。
举例来说，所述智能设备为智能电视，则获取智能电视的点播日志中记录的电视设备信息，电视设备信息可以包括：电视的品牌和电视的价格等等，具体不做限定。基于所述电视设备信息，提取价格区间信息，如定义价格区间为：2000-4000元、4000-6000元、6000-8000元等，例如电视的品牌为三星，价格为7000元，7000元包含在6000-8000元这个区间内，因此提取到的价格区间为6000-8000元。
S202：基于IP地址，确定第一属性标签；基于智能设备的价格信息，确定第二属性标签。
其中属性数据包括以下任意一种或多种：地理位置数据和消费能力数据。
一种情况下，若属性数据包括地理位置数据，则基于所述地理位置数据，确定第一属性标签，其中第一属性标签可以包括：省、市和区，等等，具体不做限定。
一种情况下，若属性数据包括消费能力数据，则基于所述消费能力数据，确定第二属性标签，可以利用如下算式，得到所述第二属性标签：
Figure 856479DEST_PATH_IMAGE006
其中，
Figure 593491DEST_PATH_IMAGE007
表示第二属性标签；wm表示电视设备价格的权重，wm可以取0-1，具体数值不做限定；m表示电视设备标识；tag表示消费能力数据。
S203：获取移动端设备中的应用程序的类型、以及智能设备中的节目播放历史。
一种实施方式中，行为数据包括媒体偏好信息；S203可以包括：获取移动端设备中的应用程序的类型，作为媒体偏好信息，其中，所述移动端设备的IP地址与所述智能设备的IP地址相同；移动端设备可以包括智能手机、智能手表等等，具体不做限定；所述应用程序可以包括以下任意一种，如：教育类应用程序、视频类应用程序、社交类应用程序和游戏类应用程序，等等，不再一一列举具体类型不做限定。
举例来说，若智能手机和智能电视的IP地址相同，则获取所述智能手机中安装的应用程序的类型，如所述智能手机中安装了一款教育类应用程序，则将“教育类”作为媒体偏好信息。
一种实施方式中，行为数据包括节目偏好信息；S203可以包括：获取智能设备中的节目播放历史，确定家庭成员的节目偏好信息，其中，所述节目播放历史可以包括：节目的种类和节目中的要素等等，如节目的种类可以为科幻类、新闻类、文艺类等等，节目中的要素可以为明星、情节等等，具体不做限定。提取一定时间内所述节目信息的特征信息，作为节目偏好信息，其中，所述一定时间内可以包括以下任意一种，如：28天、6个月、一年，等等，具体时间不做限定。
举例来说，智能设备为智能电视，则获取智能电视终端的点播日志，提取点播日志中的节目播放历史，基于预设时间内的节目播放历史，确定家庭成员的节目偏好信息，如28天内，节目播放历史中包括一部科幻片，则将“科幻类”作为家庭成员的节目偏好信息。
S204：基于移动端设备中的应用程序的类型，确定第一行为标签；基于智能设备中的节目播放历史，确定第二行为标签。
一种情况下，若行为数据包括媒体偏好信息，则基于所述媒体偏好信息，确定第一行为标签，可以利用如下算式，得到所述第一行为标签：
Figure 444773DEST_PATH_IMAGE001
其中，
Figure 140196DEST_PATH_IMAGE009
表示第一行为标签；ott表示移动端设备的日志，可以从该日志中提取得到媒体偏好信息；n表示家庭成员数量，n可以为1，2，3等等，具体数值不做限定；wj表示第j个家庭成员的权重，wj可以取0-1，具体数值不做限定；score(user,tagk )表示媒体偏好信息；k表示移动端设备的标识。
一种情况下，若行为数据包括节目偏好信息，则基于所述节目偏好信息，确定第二行为标签，可以利用如下算式，得到所述第二行为标签：
Figure 585084DEST_PATH_IMAGE003
Figure 125787DEST_PATH_IMAGE004
其中，
Figure 769258DEST_PATH_IMAGE005
表示第二行为标签；wi表示节目偏好信息；i表示智能设备标识；ϵi表示从获取智能设备中的节目播放历史到确定第二行为标签的时间内的时间衰减；di表示从获取智能设备中的节目播放历史到确定第二行为标签的时间差；α表示可调的参数。
S205：基于第一属性标签、第二属性标签、第一行为标签和第二行为标签，构建家庭的家庭画像，家庭画像用于智能设备为家庭进行节目推荐。
举例来说，若所述第一属性标签为北京市海淀区，所述第二属性标签为6000-8000元的价格区间，所述第一行为标签为教育类，所述第二行为标签为少儿节目，则基于上述标签构建家庭的家庭画像。所述家庭画像描述了一个住在北京市海淀区的有孩子的家庭，且这个家庭的消费能力较高。智能电视可以基于这一家庭画像，由于第一行为标签为教育类，因此可以向该家庭推荐教育类广告；由于第二行为标签为少儿节目，因此可以向该家庭推荐励志电影、动画片。
若所述第一属性标签为四川省，所述第二属性标签为4000-6000元的价格区间，所述第一行为标签为购物类，所述第二行为标签为美食节目，则基于上述标签构建家庭的家庭画像。所述家庭画像描述了一个住在四川省的喜欢购物和美食的家庭，且这个家庭的消费能力为中等。智能电视可以基于这一家庭画像，由于第一行为标签为购物类，因此可以向该家庭推荐购物节目；由于第二行为标签为美食类，因此可以向该家庭推荐美食纪录片。
应用本发明图2所示实施例，获取家庭的属性数据和家庭成员的行为数据；基于所述属性数据，确定属性标签；基于所述行为数据，确定行为标签；基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐；可见，本方案中，第一方面，提供了一种对家庭情况进行描述的方案，第二方面，从家庭的属性数据和行为数据多个维度上对家庭情况进行描述，提高了描述的准确度。
上述方法实施例中的各个步骤按照合乎逻辑的顺序执行即可，步骤标号或者对各步骤进行介绍的先后顺序，并不对各步骤的执行顺序构成限定。
与上述方法实施例相对应，本发明实施例还提供一种构建家庭画像装置，如图3所示，包括：
获取模块301，用于获取家庭的属性数据和家庭成员的行为数据；
第一确定模块302，用于基于所述属性数据，确定所述家庭的属性标签；
第二确定模块303，用于基于所述行为数据，确定所述家庭的行为标签；
构建模块304，用于基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐。
一种实施方式中，所述获取模块，具体用于：
确定所述智能设备的IP地址；
基于所述IP地址，获取所述家庭的地理位置数据；
所述第一确定模块，具体用于：
基于所述地理位置数据，确定第一属性标签。
一种实施方式中，所述获取模块，具体用于：
获取所述智能设备的价格信息；
基于所述价格信息，获取所述家庭的消费能力数据；
所述第一确定模块，具体用于：
基于所述消费能力数据，确定第二属性标签。
一种实施方式中，所述获取模块，具体用于：
确定移动端设备中安装的应用程序的类型，作为媒体偏好信息；所述移动端设备的IP地址与所述智能设备的IP地址相同；
所述第二确定模块，具体用于：
基于所述媒体偏好信息，确定第一行为标签。
一种实施方式中，所述获取模块，具体用于：
获取所述智能设备中的节目播放历史；
基于所述节目播放历史，确定所述家庭成员的节目偏好信息；
所述第二确定模块，具体用于：
基于所述节目偏好信息，确定所述第二行为标签。
应用本发明图3所示实施例，获取家庭的属性数据和家庭成员的行为数据；基于所述属性数据，确定属性标签；基于所述行为数据，确定行为标签；基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐；可见，本方案中，第一方面，提供了一种对家庭情况进行描述的方案，第二方面，从家庭的属性数据和行为数据多个维度上对家庭情况进行描述，提高了描述的准确度。
本发明实施例还提供了一种电子设备，如图4所示，包括处理器401和存储器402，
存储器402，用于存放计算机程序；
处理器401，用于执行存储器402上所存放的程序时，实现上述任意一种构建家庭画像的方法。
上述电子设备提到的存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一构建家庭画像的方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一构建家庭画像的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、设备实施例、计算机可读存储介质实施例、以及计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (9)

1.一种构建家庭画像的方法，其特征在于，包括：
获取家庭的属性数据和家庭成员的行为数据；
基于所述属性数据，确定所述家庭的属性标签；
基于所述行为数据，确定所述家庭的行为标签；
基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐；
其中，所述属性数据包括消费能力数据；所述获取家庭的属性数据，包括：
获取所述智能设备的价格信息；
基于所述价格信息，获取所述家庭的消费能力数据；
所述基于所述属性数据，确定所述家庭的属性标签，包括：
基于所述消费能力数据，确定第二属性标签。
2.根据权利要求1所述的方法，其特征在于，所述属性数据包括地理位置数据；所述获取家庭的属性数据，包括：
确定所述智能设备的IP地址；
基于所述IP地址，获取所述家庭的地理位置数据；
所述基于所述属性数据，确定所述家庭的属性标签，包括：
基于所述地理位置数据，确定第一属性标签。
3.根据权利要求1所述的方法，其特征在于，所述智能设备为智能电视；所述获取所述智能设备的价格信息，包括：
获取所述智能电视的点播日志中记录的电视设备信息；
读取所述电视设备信息中的所述智能电视的价格信息；
所述基于所述价格信息，获取所述家庭的消费能力数据，包括：
确定所述价格信息所在的价格区间，作为所述家庭的消费能力数据。
4.根据权利要求1所述的方法，其特征在于，所述行为数据包括媒体偏好信息；所述获取家庭成员的行为数据，包括：
确定移动端设备中安装的应用程序的类型，作为媒体偏好信息；所述移动端设备的IP地址与所述智能设备的IP地址相同；
基于所述行为数据，确定所述家庭的行为标签，包括：
基于所述媒体偏好信息，确定第一行为标签。
5.根据权利要求4所述的方法，其特征在于，所述基于所述媒体偏好信息，确定第一行为标签，包括：
利用如下算式，得到所述第一行为标签：
Figure 529747DEST_PATH_IMAGE001
其中，
Figure 877552DEST_PATH_IMAGE002
表示第一行为标签，n表示家庭成员数量，wj表示第j个家庭成员的权重，score(user,tagk )表示媒体偏好信息，k表示移动端设备标识。
6.根据权利要求1所述的方法，其特征在于，所述行为数据包括节目偏好信息；所述获取家庭成员的行为数据，包括：
获取所述智能设备中的节目播放历史；
基于所述节目播放历史，确定所述家庭成员的节目偏好信息；
所述基于所述行为数据，确定所述家庭的行为标签，包括：
基于所述节目偏好信息，确定第二行为标签。
7.根据权利要求6所述的方法，其特征在于，所述智能设备为智能电视；所述获取所述智能设备中的节目播放历史，包括：
获取智能电视的点播日志；
提取所述点播日志中的节目播放历史；
基于所述节目播放历史，确定所述家庭成员的节目偏好信息，包括：
基于预设时间内的所述节目播放历史，确定所述家庭成员的节目偏好信息。
8.根据权利要求6所述的方法，其特征在于，所述基于所述节目偏好信息，确定第二行为标签，包括：
利用如下算式，得到第二行为标签：
Figure 83405DEST_PATH_IMAGE003
Figure 200266DEST_PATH_IMAGE004
其中，
Figure 98952DEST_PATH_IMAGE005
表示第二行为标签，wi表示节目偏好信息， i表示智能设备标识，ϵi表示从获取智能设备中的节目播放历史到确定第二行为标签的时间内的时间衰减，di表示从获取智能设备中的节目播放历史到确定第二行为标签的时间差，α表示可调的参数。
9.一种构建家庭画像的装置，其特征在于，包括：
获取模块，用于获取家庭的属性数据和家庭成员的行为数据；
第一确定模块，用于基于所述属性数据，确定所述家庭的属性标签；
第二确定模块，用于基于所述行为数据，确定所述家庭的行为标签；
构建模块，用于基于所述属性标签和所述行为标签，构建所述家庭的家庭画像，所述家庭画像用于智能设备为所述家庭进行节目推荐；
其中，所述属性数据包括消费能力数据；所述获取模块，具体用于：
获取所述智能设备的价格信息；
基于所述价格信息，获取所述家庭的消费能力数据；
所述第一确定模块，具体用于：
基于所述消费能力数据，确定第二属性标签。
CN202010919151.2A 2020-09-04 2020-09-04 一种构建家庭画像的方法和装置 Active CN111787371B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010919151.2A CN111787371B (zh) 2020-09-04 2020-09-04 一种构建家庭画像的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010919151.2A CN111787371B (zh) 2020-09-04 2020-09-04 一种构建家庭画像的方法和装置

Publications (2)

Publication Number Publication Date
CN111787371A true CN111787371A (zh) 2020-10-16
CN111787371B CN111787371B (zh) 2021-01-08

Family

ID=72762305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010919151.2A Active CN111787371B (zh) 2020-09-04 2020-09-04 一种构建家庭画像的方法和装置

Country Status (1)

Country Link
CN (1) CN111787371B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364203A (zh) * 2020-11-30 2021-02-12 未来电视有限公司 电视视频推荐方法、装置、服务器和存储介质
CN112445872A (zh) * 2020-11-25 2021-03-05 开望(杭州)科技有限公司 一种基于亲子空间的家庭画像构建方法
CN112506063A (zh) * 2020-11-25 2021-03-16 中移（杭州）信息技术有限公司 数据分析方法、系统、电子设备和存储介质
CN114268838A (zh) * 2021-12-15 2022-04-01 深圳市酷开网络科技股份有限公司 基于ott用户画像中家庭成员画像处理方法及装置
CN115134668A (zh) * 2022-03-14 2022-09-30 深圳市酷开网络科技股份有限公司 基于ott的家庭成员年龄段及家庭结构划分方法及装置
CN117579812A (zh) * 2023-12-06 2024-02-20 中广(舟山)有线信息网络有限公司 一种基于大数据的数字电视平台智能运维系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809166A (zh) * 2015-04-02 2015-07-29 海信集团有限公司 一种业务需求的确定方法及设备
CN106326297A (zh) * 2015-07-01 2017-01-11 北京搜狗科技发展有限公司 一种应用程序推荐方法及装置
US20170188103A1 (en) * 2015-12-29 2017-06-29 Le Holdings (Beijing) Co., Ltd. Method and device for video recommendation based on face recognition
CN103533393B (zh) * 2013-09-17 2017-08-01 上海交通大学 基于家庭收视纪录的家庭分析及节目推荐方法
CN105472458B (zh) * 2015-11-20 2018-04-17 四川长虹电器股份有限公司 一种智能电视远程协助的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103533393B (zh) * 2013-09-17 2017-08-01 上海交通大学 基于家庭收视纪录的家庭分析及节目推荐方法
CN104809166A (zh) * 2015-04-02 2015-07-29 海信集团有限公司 一种业务需求的确定方法及设备
CN106326297A (zh) * 2015-07-01 2017-01-11 北京搜狗科技发展有限公司 一种应用程序推荐方法及装置
CN105472458B (zh) * 2015-11-20 2018-04-17 四川长虹电器股份有限公司 一种智能电视远程协助的方法
US20170188103A1 (en) * 2015-12-29 2017-06-29 Le Holdings (Beijing) Co., Ltd. Method and device for video recommendation based on face recognition

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112445872A (zh) * 2020-11-25 2021-03-05 开望(杭州)科技有限公司 一种基于亲子空间的家庭画像构建方法
CN112506063A (zh) * 2020-11-25 2021-03-16 中移（杭州）信息技术有限公司 数据分析方法、系统、电子设备和存储介质
CN112445872B (zh) * 2020-11-25 2023-04-07 开望(杭州)科技有限公司 一种基于亲子空间的家庭画像构建方法
CN112506063B (zh) * 2020-11-25 2024-05-07 中移（杭州）信息技术有限公司 数据分析方法、系统、电子设备和存储介质
CN112364203A (zh) * 2020-11-30 2021-02-12 未来电视有限公司 电视视频推荐方法、装置、服务器和存储介质
CN112364203B (zh) * 2020-11-30 2023-04-28 未来电视有限公司 电视视频推荐方法、装置、服务器和存储介质
CN114268838A (zh) * 2021-12-15 2022-04-01 深圳市酷开网络科技股份有限公司 基于ott用户画像中家庭成员画像处理方法及装置
CN114268838B (zh) * 2021-12-15 2023-12-26 深圳市酷开网络科技股份有限公司 基于ott用户画像中家庭成员画像处理方法及装置
CN115134668A (zh) * 2022-03-14 2022-09-30 深圳市酷开网络科技股份有限公司 基于ott的家庭成员年龄段及家庭结构划分方法及装置
CN117579812A (zh) * 2023-12-06 2024-02-20 中广(舟山)有线信息网络有限公司 一种基于大数据的数字电视平台智能运维系统及方法
CN117579812B (zh) * 2023-12-06 2024-04-26 中广(舟山)有线信息网络有限公司 一种基于大数据的数字电视平台智能运维系统及方法

Also Published As

Publication number Publication date
CN111787371B (zh) 2021-01-08

Similar Documents

Publication Publication Date Title
CN111787371B (zh) 一种构建家庭画像的方法和装置
CN106940705B (zh) 一种用于构建用户画像的方法与设备
CN107563429B (zh) 一种网络用户群体的分类方法及装置
US8027943B2 (en) Systems and methods for observing responses to invitations by users in a web-based social network
CN103888837B (zh) 一种视频信息推送方法及装置
WO2018192496A1 (zh) 热度信息的生成方法和装置、存储介质以及电子装置
CN108563670B (zh) 视频推荐方法、装置、服务器及计算机可读存储介质
US20170171336A1 (en) Method and electronic device for information recommendation
CN110110201B (zh) 一种内容推荐方法和系统
CN102316167B (zh) 网站推荐方法和系统以及网络服务器
CN107562848A (zh) 一种视频推荐方法和装置
CN110223186A (zh) 用户相似度确定方法以及信息推荐方法
JP2004171042A (ja) 広告流通経路分析方法及びその実施システム並びにその処理プログラム
CN111090810A (zh) 一种应用消息的推送方法、装置及电子设备
CN115834959B (zh) 一种视频推荐信息确定方法、装置、电子设备和介质
CN111770383A (zh) 一种设备关联关系的生成方法、内容推荐方法及装置
CN107454442A (zh) 一种推荐视频的方法和装置
CN112804541A (zh) 一种用户行为跟踪方法、装置、电子设备及存储介质
CN110121088B (zh) 一种用户属性信息确定方法、装置及电子设备
CN106960033B (zh) 一种给信息流标注标签的方法和装置
CN106919692B (zh) 一种推送消息的方法和装置
CN111683143A (zh) 消息推送方法、装置、电子设备及计算机可读存储介质
CN103366128A (zh) 信息处理装置、信息处理方法、信息处理系统和程序
CN110798717B (zh) 媒体资源的推送方法、装置、存储介质及电子装置
CN105956061A (zh) 一种用户间相似度确定方法及装置

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
GR01 Patent grant
GR01 Patent grant