CN112423131A - 一种节目推荐方法、系统、设备及存储介质 - Google Patents
一种节目推荐方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112423131A CN112423131A CN202011312129.8A CN202011312129A CN112423131A CN 112423131 A CN112423131 A CN 112423131A CN 202011312129 A CN202011312129 A CN 202011312129A CN 112423131 A CN112423131 A CN 112423131A
- Authority
- CN
- China
- Prior art keywords
- program
- recommended
- recommended program
- recommendation
- latest
- 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
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
- H04N21/45—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
-
- 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
- H04N21/458—Scheduling content for creating a personalised stream, e.g. by combining a locally stored advertisement with an incoming stream; Updating operations, e.g. for OS modules ; time-related management operations
- H04N21/4586—Content update operation triggered locally, e.g. by comparing the version of software modules in a DVB carousel to the version stored locally
-
- 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
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
Abstract
本发明涉及一种节目推荐方法、系统、设备及存储介质,该方法包括:根据原始推荐节目计算推荐节目比值;判断推荐节目比值是否小于预设阈值;若是,计算设定时间内的节目的曝光度、有效点击率和有效播放时间;选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目;根据最新推荐节目和原始推荐节目计算更新后的推荐节目比值并执行判断推荐节目比值是否小于预设阈值;对原始推荐节目和最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重。所述方法中依据原始推荐策略和最新推荐策略的命中率进行推荐策略的全面性评估,根据评估结果调整推荐策略中节目权重,以此提供满足用户需求的最优推荐节目。
Description
技术领域
本发明涉及推荐系统技术领域,具体涉及一种节目推荐方法、系统、设备及存储介质。
背景技术
目前市场中的推荐系统已经广泛应用于各行各业为人们提供个性化内容推送服务。以影视业务为例,推荐系统会向用户推荐不同类型的节目。目前推荐系统根据用户的使用、观看记录进行用户观影偏好的相关计算,然后根据计算结果推送用户可能喜欢的节目内容。不同用户的计算结果不同,推荐的节目不同。但现有技术的推荐系统随着时间的推移,用户能够接收到的推荐内容基本都为高频观看、浏览的内容,可能产生推荐系统只向用户推送固定的类型的节目内容,照成节目推荐单一的情况。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种节目推荐方法、系统、设备及存储介质。
为实现以上目的,本发明采用如下技术方案:
一种节目推荐方法,包括:
根据预先获取的用户的原始推荐节目,计算推荐节目比值;
判断所述推荐节目比值是否小于预设阈值;
若是,根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间;
依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目;
根据所述最新推荐节目和所述原始推荐节目计算更新后的所述推荐节目比值并执行所述判断所述推荐节目比值是否小于预设阈值;
对所述原始推荐节目和所述最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重。
可选的,所述根据预先获取的用户的原始推荐节目,计算推荐节目比值,包括:
导入预先生成的用户画像特征集;
根据所述用户画像特征集得到原始推荐节目的所述原始节目种类;
将所述原始节目种类和预设节目种类总数相比得到所述推荐节目比值。
可选的,所述根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间,包括:
获取所述设定时间内的系统曝光节目,并计算所述曝光度;
获取节目对应的点击次数和播放时间并确定所述有效点击率;
根据所述播放时间确定节目的所述有效播放时间。
可选的,所述依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目,包括:
选取所述曝光度满足预设曝光条件的第一推荐节目;
选取所述第一推荐节目中的所述有效点击率高于预设点击率的第二推荐节目;
选取所述第二推荐节目中所述有效播放时间高于预设播放时间的节目作为所述最新推荐节目。
可选的,所述对所述原始推荐节目和所述最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重,包括:
分别计算所述原始推荐节目和所述最新推荐节目各自的推荐命中率;
根据所述推荐命中率评论最新推荐节目的全面性;
判断所述全面性是否满足预设全面性标准;
若不满足,按照预设权重调整标准降低所述原始推荐节目的推荐权重,提高所述最新推荐节目的推荐权重。
可选的,还包括:
根据所述最新推荐节目通过A/B测试进行效果校验,提供最优的推荐结果。
一种节目推荐系统,包括:
推荐节目比值计算模块,用于根据预先获取的用户的原始推荐节目,计算推荐节目比值;
第一阈值判断模块,用于判断所述推荐节目比值是否小于预设阈值;
节目信息计算模块,用于若是,根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间;
最新推荐节目生成模块,用于依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目;
第二阈值判断模块,用于根据所述最新推荐节目和所述原始推荐节目计算更新后的所述推荐节目比值并执行所述判断所述推荐节目比值是否小于预设阈值;
权重调整模块,用于对所述原始推荐节目和所述最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重。
可选的,还包括:
校验模块,用于根据所述最新推荐节目通过A/B测试进行效果校验,提供最优的推荐结果。
一种节目推荐设备,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行上述所述的节目推荐方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
一种存储介质,所述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,实现如上述所述的节目推荐方法中各个步骤。
本申请提供的技术方案可以包括以下有益效果:
本申请中公开一种节目推荐方法,包括:根据预先获取的用户的原始推荐节目,计算推荐节目比值;判断推荐节目比值是否小于预设阈值;若是,根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间;依据曝光度、有效点击率和有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目;根据最新推荐节目和原始推荐节目计算更新后的推荐节目比值并执行判断推荐节目比值是否小于预设阈值;对原始推荐节目和最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重。上述方法中根据原始推荐节目计算初始的推荐节目比值,当该比值低于预设阈值时,根据节目的曝光度、有效点击率和有效播放时间选取设定时间内用户关注度较高、曝光度较高的节目作为最新推荐节目推荐给用户。在生成最新推荐节目的同时要对最新推荐节目进行全面性评估,根据评估结果调整对应节目的推荐权重,以此得到满足用户需求的推荐节目,得到最优推荐效果。保证推荐系统推送内容的多样性,扩大了节目内容的曝光,在提升用户体验的同时也提升了推荐系统的服务价值。
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是本发明一实施例提供的节目推荐方法的流程图;
图2是本发明一实施例提供的节目推荐系统的模块图;
图3是本发明一实施例提供的节目推荐设备的结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
图1是本发明一实施例提供的节目推荐方法的流程图。参见图1,一种节目推荐方法,包括:
步骤101:根据预先获取的用户的原始推荐节目,计算推荐节目比值;推荐节目比值的计算具体为:推荐节目种类数/预设节目种类总数。例如系统节目种类总数为10,系统推荐了6个种类的节目,则此时的推荐节目比值为6/10=60%。
同时,此处用户的原始推荐节目由用户画像特征集得到,而用户画像特征集可以由用户画像系统得到,也可以在推荐系统中收集用户的观影分类、明星作品等观看记录进行计算生成。
步骤102:判断所述推荐节目比值是否小于预设阈值。此处的预设阈值由人为设定,具体数值选取根据实际情况而定。此处,若推荐节目比值小于阈值,则代表当前推荐节目种类数少,不满足要求,需要增加推荐节目种类。
步骤103:若推荐节目比值小于预设阈值,根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间。具体的包括:获取所述设定时间内的系统曝光节目,并计算所述曝光度;获取节目对应的点击次数和播放时间并确定所述有效点击率;根据所述播放时间确定节目的所述有效播放时间。
当需要提供新的节目推荐时,需要确定系统当前曝光的节目信息,以此计算当前节目的曝光度。同时,统计所有节目自身的点击次数,然后将自身点击次数除以所有节目的总点击次数计算各节目的点击率。与此同时,还要统计各个节目自身的播放时间,当某个节目的播放时间超过预设播放时间时,则判定该节目的播放时间为有效播放时间。例如某个综艺节目的播放时间为30分钟,超过了预设播放时间15分钟,则该综艺节目的播放时间为有效播放时间。
步骤104:依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目。在推荐节目时,要选取高用户关注度、高曝光度的节目进行推荐。其中,选取高曝光度的节目,在此基础上选取有效点击率高、有效播放时间长的节目作为高用户关注度的节目。需要注意的是,此处选取最新推荐节目的标准并不固定,并不一定要根据曝光度、有效点击率和有效播放时间来选取,可以通过其中的一种或几种条件进行选取,具体视情况而定。例如只需要通过有效点击率和有效播放时间确定最新推荐节目;也可以在此基础上增加新的限定条件进行选取,例如需要通过曝光度、有效点击率、有效播放时间和有效种类限定来选定最新推荐节目;同样还可以在这三种条件的基础上更改最新推荐节目的选择标准,例如先选取高点击率和高有效播放时间的节目,然后在此节目中选取高曝光度的节目作为最新推荐节目。
步骤105:根据所述最新推荐节目和所述原始推荐节目计算更新后的所述推荐节目比值并执行步骤102。本申请中当推荐节目比值小于预设阈值时,需要循环执行本申请步骤103、104,以提供最新推荐节目,直到推荐节目种类满足要求则不再继续推荐新的节目。
步骤106:对所述原始推荐节目和所述最新推荐节目进行全面性评估。具体的:分别计算所述原始推荐节目和所述最新推荐节目各自的推荐命中率;根据所述推荐命中率评论最新推荐节目的全面性。将原始推荐节目种类和目标推荐节目种类相比得到原始推荐策略的推荐命中率,同样的,将最新推荐节目种类和目标推荐节目种类相比得到最新推荐策略的推荐命中率,将二者的推荐命中率进行大小比较,若最新推荐策略的推荐命中率高于原始推荐策略的推荐命中率,则表示最新推荐策略的全面性比原始推荐策略的全面性高。需要注意的是,此处全面性的评估并不仅仅通过命中率进行评估,还会对推荐节目是否满足用户偏好,推荐节目的类型是否过于单一等方面进行全面性评估。
步骤107:根据全面性评估结果按照预设标准调整推荐节目对应推荐权重。具体的:当最新推荐节目的全面性不满足预设全面性标准时,按照预设权重调整标准降低所述原始推荐节目的推荐权重,提高所述最新推荐节目的推荐权重。此处进行权重调整的原则是降低原始推荐节目的推荐权重,增高最新推荐节目的权重。
权重即推荐系统的内容推送中的核心因素,比如用户在内容分类中电视剧权重过高,则推送的电视剧内容可能过多。调低用户在某一推荐方向的权重后,由于整体权重占比不变其余方向推荐内容自然增加。
推荐策略中计算规则可参考以下形式:个性化偏好策略。其中推荐节目的权重和为1,例如:推荐节目有电视剧、电影、综艺和体育四大类,其中各个推荐节目的权重如下:电视剧60%+电影20%+综艺10%+体育10%。总之一条推荐策略内各节目权重和为1。
更进一步地,在上述实施例的基础上,本申请还包括:根据所述最新推荐节目通过A/B测试进行效果校验,提供最优的推荐结果。通过A/B测试进行效果校验以保证提供最优的推荐策略。
上述实施例中对用户的进行节目推荐,同时在推荐节目的基础上对推荐策略的命中率进行计算,进而评估推荐策略的全面性,并根据全面性调整推荐策略中的推荐节目对应的权重。该方法扩充推荐系统的综合能力,保证推荐系统推送内容的多样性,扩大了节目内容的曝光。在提升用户体验的同时也提升了系统的服务价值。
为了更详细地介绍本申请中节目推荐方法,现举例进行介绍,具体如下:
预先设定节目总种类为10,预设阈值为60%,即需要向用户推荐至少6个类型的节目。通过导入历史用户画像特征集,得到推荐系统向用户推荐的原始推荐节目有2个类型,此时的推荐节目比值为2/10=20%,此时20%<60%,则要获取近期设定时间内的用户的节目观看信息及节目的相关观看信息,选取高用户关注度、高曝光度的节目作为最新推荐节目。在选取最新推荐节目的过程中,对近期用户的观看节目进行分析,在分析过程中会计算原始推荐节目和最新推荐节目的推荐命中率,目标推荐节目类型有8个,原始推荐节目有2个且这2个类型均在目标推荐节目类型中,此原始推荐节目的推荐命中率为2/8=0.25,最新推荐节目在进行一轮新节目的推荐后,有4个类型推荐节目,此最新推荐节目的推荐命中率为4/8=0.5。此时最新推荐节目的推荐命中率大于原始推荐节目的推荐命中率,从此种数据上看,最新推荐节目对应的推荐策略比原始推荐节目对应的推荐策略更适合用户需求。在此过程中,每进行一次最新推荐节目的选取,则会判断一次推荐节目比值和预设阈值之间的大小,直到推荐节目比值大于等于60%停止。在计算的推荐命中率的基础上,若最新推荐策略通过其推荐命中率统计出的全面性低于预设全面性标准,此时调整推荐策略中的节目的权重。例如:原始推荐节目类型有电视剧和综艺,最新推荐节目类型有电视剧、电影、综艺和体育,预设的目标推荐节目类型包括:电视剧、综艺、体育、教育、电影、动漫、游戏、搞笑。最新推荐节目中各节目类型的权重分别为:电视剧60%+电影20%+综艺10%+体育10%,通过全面性统计获知最新推荐节目的全面性较低,此时则将原始推荐策略中推荐过的电视剧和综艺的权重降低,增加电影和体育的权重,例如最新权重分配为:电视剧50%+电影30%+综艺5%+体育15%。经过此种权重调整,使最新推荐策略的全面性提高,且满足条件。通过此种方式不断循环推荐,最终得到最优推荐节目。
对应于本发明实施例提供的一种节目推荐方法,本发明实施例还提供一种节目推荐系统。请参见下文实施例。
图2是本发明一实施例提供的节目推荐系统的模块图。参见图2,一种节目推荐系统,包括:
推荐节目比值计算模块201,用于根据预先获取的用户的原始推荐节目,计算推荐节目比值。
第一阈值判断模块202,用于判断所述推荐节目比值是否小于预设阈值。
节目信息计算模块203,用于若是,根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间。
最新推荐节目生成模块204,用于依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目。
第二阈值判断模块205,用于根据所述最新推荐节目和所述原始推荐节目计算更新后的所述推荐节目比值并执行所述判断所述推荐节目比值是否小于预设阈值;
权重调整模块206,用于对所述原始推荐节目和所述最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重。
其中,在此基础上,本系统还包括:校验模块,用于根据所述最新推荐节目通过A/B测试进行效果校验,提供最优的推荐结果。
更详细地,推荐节目比值计算模块201具体用于:导入预先生成的用户画像特征集;根据所述用户画像特征集得到原始推荐节目的所述原始节目种类;将所述原始节目种类和预设节目种类总数相比得到所述推荐节目比值。
节目信息计算模块203具体用于:获取所述设定时间内的系统曝光节目,并计算所述曝光度;获取节目对应的点击次数和播放时间并确定所述有效点击率;根据所述播放时间确定节目的所述有效播放时间。
最新推荐节目生成模块204具体用于:选取所述曝光度满足预设曝光条件的第一推荐节目;选取所述第一推荐节目中的所述有效点击率高于预设点击率的第二推荐节目;选取所述第二推荐节目中所述有效播放时间高于预设播放时间的节目作为所述最新推荐节目。
权重调整模块206具体用于:分别计算所述原始推荐节目和所述最新推荐节目各自的推荐命中率;根据所述推荐命中率评论最新推荐节目的全面性;判断所述全面性是否满足预设全面性标准;若不满足,按照预设权重调整标准降低所述原始推荐节目的推荐权重,提高所述最新推荐节目的推荐权重。
上述系统中通过将原始推荐策略和最新推荐策略的命中率进行每条推荐策略的全面性的评估,并根据评估结果调整策略中节目权重,以此得到满足用户需求的推荐策略。同时,通过校验模块对推荐策略进行效果校验,以此得到最优推荐策略,保证自优化效果。
为了更清楚地介绍实现本发明实施例的硬件设备,对应于本发明实施例提供的一种节目推荐方法,本发明实施例还提供一种节目推荐设备。请参见下文实施例。
图3是本发明一实施例提供的节目推荐设备的结构图。参见图3,一种节目推荐设备,包括:
处理器301,以及与所述处理器301相连接的存储器302;所述存储器302用于存储计算机程序,所述计算机程序至少用于执行上述所述的节目推荐方法;所述处理器301用于调用并执行所述存储器302中的所述计算机程序。
同时,在此基础上,本申请中还公开了一种存储介质,该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,实现如上述所述的节目推荐方法中各个步骤。
上述节目推荐设备通过原始推荐策略和最新推荐策略的命中率进行全面性评估,并根据评估结果调整推荐策略中的节目权重,以此提供最优推荐策略。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种节目推荐方法,其特征在于,包括:
根据预先获取的用户的原始推荐节目,计算推荐节目比值;
判断所述推荐节目比值是否小于预设阈值;
若是,根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间;
依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目;
根据所述最新推荐节目和所述原始推荐节目计算更新后的所述推荐节目比值并执行所述判断所述推荐节目比值是否小于预设阈值;
对所述原始推荐节目和所述最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重。
2.根据权利要求1所述的方法,其特征在于,所述根据预先获取的用户的原始推荐节目,计算推荐节目比值,包括:
导入预先生成的用户画像特征集;
根据所述用户画像特征集得到原始推荐节目的所述原始节目种类;
将所述原始节目种类和预设节目种类总数相比得到所述推荐节目比值。
3.根据权利要求1所述的方法,其特征在于,所述根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间,包括:
获取所述设定时间内的系统曝光节目,并计算所述曝光度;
获取节目对应的点击次数和播放时间并确定所述有效点击率;
根据所述播放时间确定节目的所述有效播放时间。
4.根据权利要求1所述的方法,其特征在于,所述依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目,包括:
选取所述曝光度满足预设曝光条件的第一推荐节目;
选取所述第一推荐节目中的所述有效点击率高于预设点击率的第二推荐节目;
选取所述第二推荐节目中所述有效播放时间高于预设播放时间的节目作为所述最新推荐节目。
5.根据权利要求4所述的方法,其特征在于,所述对所述原始推荐节目和所述最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重,包括:
分别计算所述原始推荐节目和所述最新推荐节目各自的推荐命中率;
根据所述推荐命中率评论最新推荐节目的全面性;
判断所述全面性是否满足预设全面性标准;
若不满足,按照预设权重调整标准降低所述原始推荐节目的推荐权重,提高所述最新推荐节目的推荐权重。
6.根据权利要求1所述的方法,其特征在于,还包括:
根据所述最新推荐节目通过A/B测试进行效果校验,提供最优的推荐结果。
7.一种节目推荐系统,其特征在于,包括:
推荐节目比值计算模块,用于根据预先获取的用户的原始推荐节目,计算推荐节目比值;
第一阈值判断模块,用于判断所述推荐节目比值是否小于预设阈值;
节目信息计算模块,用于若是,根据预设标准计算设定时间内的节目的曝光度、有效点击率和有效播放时间;
最新推荐节目生成模块,用于依据所述曝光度、所述有效点击率和所述有效播放时间选取用户关注度、曝光度满足预设条件的节目作为最新推荐节目;
第二阈值判断模块,用于根据所述最新推荐节目和所述原始推荐节目计算更新后的所述推荐节目比值并执行所述判断所述推荐节目比值是否小于预设阈值;
权重调整模块,用于对所述原始推荐节目和所述最新推荐节目进行全面性评估,根据评估结果按照预设标准调整推荐节目对应推荐权重。
8.根据权利要求7所述的系统,其特征在于,还包括:
校验模块,用于根据所述最新推荐节目通过A/B测试进行效果校验,提供最优的推荐结果。
9.一种节目推荐设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行权利要求1-6任一项所述的节目推荐方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-7任一项所述的节目推荐方法中各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312129.8A CN112423131B (zh) | 2020-11-20 | 2020-11-20 | 一种节目推荐方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312129.8A CN112423131B (zh) | 2020-11-20 | 2020-11-20 | 一种节目推荐方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112423131A true CN112423131A (zh) | 2021-02-26 |
CN112423131B CN112423131B (zh) | 2022-09-30 |
Family
ID=74777487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011312129.8A Active CN112423131B (zh) | 2020-11-20 | 2020-11-20 | 一种节目推荐方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112423131B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065981A (zh) * | 2014-06-20 | 2014-09-24 | 海信集团有限公司 | 一种视频推荐方法和装置 |
US20180181996A1 (en) * | 2016-12-27 | 2018-06-28 | Rovi Guides, Inc. | Systems and methods for submitting user selected profile information to an advertiser |
CN110704677A (zh) * | 2019-08-23 | 2020-01-17 | 优地网络有限公司 | 一种节目推荐方法、装置、可读存储介质及终端设备 |
CN111209470A (zh) * | 2018-11-21 | 2020-05-29 | 国家新闻出版广电总局广播科学研究院 | 个性化内容推荐方法、装置及存储介质 |
CN111428085A (zh) * | 2020-02-29 | 2020-07-17 | 平安科技(深圳)有限公司 | 基于热度值的视频课程推荐方法及相关装置 |
CN111708941A (zh) * | 2020-06-12 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、计算机设备和存储介质 |
-
2020
- 2020-11-20 CN CN202011312129.8A patent/CN112423131B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065981A (zh) * | 2014-06-20 | 2014-09-24 | 海信集团有限公司 | 一种视频推荐方法和装置 |
US20180181996A1 (en) * | 2016-12-27 | 2018-06-28 | Rovi Guides, Inc. | Systems and methods for submitting user selected profile information to an advertiser |
CN111209470A (zh) * | 2018-11-21 | 2020-05-29 | 国家新闻出版广电总局广播科学研究院 | 个性化内容推荐方法、装置及存储介质 |
CN110704677A (zh) * | 2019-08-23 | 2020-01-17 | 优地网络有限公司 | 一种节目推荐方法、装置、可读存储介质及终端设备 |
CN111428085A (zh) * | 2020-02-29 | 2020-07-17 | 平安科技(深圳)有限公司 | 基于热度值的视频课程推荐方法及相关装置 |
CN111708941A (zh) * | 2020-06-12 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112423131B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180191868A1 (en) | Method and System for Downloading Multiple Resolutions Bitrate for Virtual Reality (VR) Video Streaming Optimization | |
US9386355B2 (en) | Generating alerts for live performances | |
US9060210B2 (en) | Generating excitement levels for live performances | |
US8925007B2 (en) | Generating teasers for live performances | |
CN107205178A (zh) | 直播间推荐方法及装置 | |
US10056116B2 (en) | Data processing system for automatically generating excitement levels with improved response times using prospective data | |
CN110049352B (zh) | 码率确定方法、装置、计算机设备和存储介质 | |
US20140081991A1 (en) | Automatic Rating Optimization | |
CN104967690B (zh) | 一种信息推送方法及装置 | |
WO2016134564A1 (zh) | 一种用户感知评估方法及装置 | |
US11651021B2 (en) | Systems and methods for optimizing delivery of content recommendations | |
US11671660B2 (en) | Clustering television programs based on viewing behavior | |
US20160088362A1 (en) | Content playback device and advertisement display method for content playback device | |
US20230156068A1 (en) | System and method for managing video streaming quality of experience | |
CN111046230B (zh) | 内容推荐方法及装置、电子设备和可存储介质 | |
CN105163183A (zh) | 一种视频图片的筛选方法及装置 | |
CN109688217B (zh) | 一种消息推送方法、装置及电子设备 | |
CN112423131B (zh) | 一种节目推荐方法、系统、设备及存储介质 | |
CN109257633B (zh) | 一种环境感知的HTTP自适应流媒体QoE优化方法 | |
CN108924597B (zh) | 频道热度值评估方法、热点获取方法及其系统 | |
EP3664456A1 (en) | Apparatus and method for playing streamed media | |
CN104506892B (zh) | 数据调整方法及装置 | |
CN106934034B (zh) | 分析影视作品发行特征的方法和服务器 | |
CN106791962B (zh) | 用户的兴趣视频确定方法及视频服务器 | |
CN114554284B (zh) | 画质信息处理方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |