CN112533066B - 一种智能电视节目推荐方法、系统及存储介质 - Google Patents

一种智能电视节目推荐方法、系统及存储介质 Download PDF

Info

Publication number
CN112533066B
CN112533066B CN201910882033.6A CN201910882033A CN112533066B CN 112533066 B CN112533066 B CN 112533066B CN 201910882033 A CN201910882033 A CN 201910882033A CN 112533066 B CN112533066 B CN 112533066B
Authority
CN
China
Prior art keywords
program
idle
current
intelligent television
data table
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
CN201910882033.6A
Other languages
English (en)
Other versions
CN112533066A (zh
Inventor
曹芝勇
药欣
龙超
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 TCL New Technology Co Ltd
Original Assignee
Shenzhen TCL New 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 TCL New Technology Co Ltd filed Critical Shenzhen TCL New Technology Co Ltd
Priority to CN201910882033.6A priority Critical patent/CN112533066B/zh
Publication of CN112533066A publication Critical patent/CN112533066A/zh
Application granted granted Critical
Publication of CN112533066B publication Critical patent/CN112533066B/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
    • H04N21/45—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]
    • H04N21/20—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
    • H04N21/262—Content 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
    • H04N21/26258—Content 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 for generating a list of items to be played back in a given order, e.g. playlist, or scheduling item distribution according to such list
    • 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
    • H04N21/45—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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4823—End-user interface for program selection using a channel name
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本发明公开了一种智能电视节目推荐方法、系统及存储介质，在节目搜索完成后形成基础数据库，实时获取当前CPU和内存的空闲状态，计算出空闲占用率；循环读取当前节目线程的工作周期，结合所述空闲占用率，判断所述智能电视是否满足所述当前节目线程的运行，如果满足则记录用户对所述当前节目的观看状态信息到所述基础数据库中；对记录于所述基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单。本发明解决了观看时长记录不准，引起操作卡顿，甚至使系统崩溃的问题，能够根据用户的使用习惯进行高频节目推荐，极大改善了用户体验。

Description

一种智能电视节目推荐方法、系统及存储介质
技术领域
本发明涉及一种电视智能管理的学习处理技术，尤其涉及一种智能电视节目推荐方法、系统及存储介质。
背景技术
随着现代社会的发展，人们在家里所能收看的电视频道越来越多，在这众多的电视频道中，用户经常观看的并不多。一般每个家庭用户都会有自己喜欢或习惯观看的几个频道或者栏目，但这样的频道或栏目往往并不是相邻的频道，当用户进行频道或栏目切换时，经常需要经过繁琐的检索才能完成两个频道或栏目的切换，很不便于用户的使用。
现有技术通过统计记录用户观看每个频道的累计时长，并对累计时长进行排序，以排序顺序来对用户进行节目推荐。这种记录观看时长的方式是通过识别节目发生切换时，则记录用户对切换后的节目、频道的观看时长的，若在中途发生断电，就不能达到记录的效果，导致了记录结果的不准确。另外定时记录观看时长，会耗费CPU和内存，占用过多的硬件资源。此外，现有的节目信息数据是记录在智能电视本机上，会进行无限记录，然而嵌入式设备的存储空间相对有限，从而有可能导致智能电视整个系统崩溃而无法使用。
因此，现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足之处，本发明为解决现有技术缺陷和不足，提出了一种智能电视节目推荐方法。本发明避免了记录不准确和卡顿问题，也避免了因为无限制记录而引起的系统崩溃。
本发明解决技术问题所采用的技术方案如下：
一种智能电视节目推荐方法，包括如下步骤：
实时获取当前CPU和内存的空闲状态，计算出空闲占用率；
读取当前节目线程的工作周期；
根据所述工作周期和空闲占用率判断所述智能电视是否满足所述当前节目线程的运行；
如果满足，则记录用户对所述当前节目的观看状态信息到基础数据库中，并对记录于所述基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单。
作为进一步的改进技术方案，所述基础数据库包括频道数据表和类型数据表，频道数据表以频道为维度，包括频道号、频道名和累计观看时长，类型数据表以节目类型为维度，包括节目类型和累计观看时长，所述频道数据表和类型数据表根据所接收到的观看状态信息实时更新。
作为进一步的改进技术方案，实时获取当前CPU和内存的空闲状态，计算出空闲占用率具体包括如下步骤：
设智能电视的空闲占用率为x，假设空闲CPU的百分比值为n，空闲内存的百分比值为m，利用公式f(m,n)＝m×E+n×F计算出智能电视的空闲占用率x，其中：E、F为固定常量，f(m,n)为智能电视的空闲占用率x。
作为进一步的改进技术方案，所述读取当前节目线程的工作周期，根据所述工作周期和空闲占用率，判断所述智能电视是否满足所述当前节目线程的运行，如果满足，则记录用户对所述当前节目的观看状态信息到基础数据库中具体包括如下步骤：
根据公式f(x)＝b×log10(a×x+c)+d计算出所述智能电视是否满足所述当前节目线程运行的当前节目线程占用率f(x)，其中：a、b、c、d为对应的增益常数,x为智能电视的空闲占用率；
预设所述当前节目线程占用率的阈值为δ，判断若f(x)>δ时，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中，所述节目信息包括时间点、信源、节目名称和节目类型；判断若f(x)<δ时，所述智能电视暂停记录所述当前节目线程,并启动一个定时器T，定时器每隔固定时间查询f(x)，直到满足f(x)>δ，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中。
作为进一步的技术方案改进，所述对记录于所述基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单具体包括如下步骤：
将所述当前用户观看的节目信息根据所述基础数据库中频道数据表和类型数据表的对应字段进行分别保存；
将所述频道数据表和类型数据表中保存的节目信息按累计观看时长由高到低进行排序；
所述频道数据表和类型数据表进行排序后形成节目推荐单，根据用户采用频道或节目类型选择，在显示界面上相应提供按频道或节目类型的节目推荐单。
本发明还提供一种智能电视节目推荐系统，所述系统包括：基础数据获取模块、空闲状态获取模块、节目信息保存模块和节目推荐模块；
所述基础数据获取模块用于智能电视搜索节目形成基础数据库；
所述空闲状态获取模块用于智能电视获取CPU和内存的空闲状态，计算出空闲占用率；
所述节目信息保存模块用于智能电视读取当前节目线程的工作周期，根据工作周期结合所述空闲状态获取模块计算出的空闲占用率，判断所述智能电视是否满足所述当前节目线程的运行，如果满足，则记录用户对所述当前节目的观看状态信息到基础数据库中，所述基础数据库包括频道数据表和类型数据表，频道数据表以频道为维度，包括频道号、频道名和累计观看时长，类型数据表以节目类型为维度，包括节目类型和累计观看时长；
所述节目推荐模块用于智能电视对记录于基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单。
作为进一步的改进技术方案，所述空闲状态获取模块获取CPU和内存的空闲状态，计算出空闲占用率具体功能如下：设智能电视的空闲占用率为x，假设空闲CPU的百分比值为n，空闲内存的百分比值为m，利用公式f(m,n)＝m×E+n×F计算出智能电视的空闲占用率x，其中：E、F为固定常量，f(m,n)为智能电视的空闲占用率x。
作为进一步的改进技术方案，所述节目信息保存模块保存节目信息的具体功能如下：
根据公式f(x)＝b×log10(a×x+c)+d计算出所述智能电视是否满足所述当前节目线程运行的当前节目线程占用率f(x)，其中：a、b、c、d为对应的增益常数,x为智能电视的空闲占用率；
预设所述当前节目线程占用率的阈值为δ，判断若f(x)>δ时，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中，所述节目信息包括时间点、信源、节目名称和节目类型；判断若f(x)<δ时，所述智能电视暂停记录所述当前节目线程,并启动一个定时器T，定时器每隔固定时间查询f(x)，直到满足f(x)>δ，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中。
作为进一步技术方案的改进，所述节目推荐模块推荐节目的具体功能如下：
所述智能电视将所述当前用户观看的节目信息根据所述基础数据库中频道数据表和类型数据表的对应字段进行分别保存；
所述智能电视将所述频道数据表和类型数据表中保存的节目信息按累计观看时长由高到低进行排序；
所述频道数据表和类型数据表进行排序后形成节目推荐单，根据用户采用频道或节目类型选择，在显示界面上相应提供按频道或节目类型的节目推荐单。
本发明还提供一种存储介质，所述存储介质存储有智能电视节目推荐程序，该智能电视节目推荐程序被处理器执行时实现上述的智能电视节目推荐方法的步骤。
与现有技术通过识别节目切换触发时长记录，且不分CPU和内存占用率大小，进行无限记录相比较，本发明利用获取的当前CPU和内存的空闲状态，得到读取用户当前节目信息的线程的工作周期，避免了因为CPU和内存占用率大时进行时长记录所带来的卡顿，以及记录不准确的问题；并对基础数据库的两张数据表限定只能更新，即频道数据表中的频道信息在频道初始化后固定不再变动，类型数据表中的节目类型也固定不变动，使相对有限的存储空间不会被过度占用而使系统崩溃。
附图说明
下面结合附图对本发明的具体实施方式作进一步的说明，其中：
图1是本发明一种智能电视节目推荐方法优选实施例的流程图。
图2是本发明一种智能电视节目推荐系统优选实施例的结构图。
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。
目前节目推荐，一是基于对节目观看时长的统计，而记录观看时长是通过识别节目切换来触发记录的，很容易因为断电等而影响记录，导致记录不准。同时智能电视一般都是嵌入式设备，其硬件有局限性，如果不分CPU和内存空闲占有率大小进行观看时长记录，容易引起操作卡顿。另外，作为嵌入式设备的智能电视，其存储空间相对有限，如果节目观看时长无限记录，会导致系统崩溃。
基于现有技术的以上缺陷，本发明提供了一种智能电视节目推荐方法。需要说明的是，首先，智能电视需要建立一个基础数据库，该基础数据库是智能电视后台在节目搜索完成后形成的。具体而言，本实施例中，基础数据库，包括两张数据表，一张以频道为维度，为频道数据表，包括频道号、频道名和观看时长，另一张以类型为维度，为类型数据表，包括节目类型和累计观看时长，这两张数据表中的内容只能被更新，不能被新增，即节目搜索完成后，频道数据表中的频道信息在频道初始化后固定不再变动，类型数据表中的节目类型也固定不变动，这样保证了智能电视的有限的存储空间不会被记录的节目信息占满而引起的系统的崩溃。图1所示是本发明一种智能电视节目推荐方法优选实施例的流程图，本发明优选实施例包括如下步骤：
步骤S100，实时获取当前CPU和内存的空闲状态，计算出空闲占用率。在嵌入式的智能电视设备中，衡量使用空闲状态的指标主要由CPU、内存的空闲状态来决定，本发明方法也采用CPU和内存的空闲情况指标来计算智能电视设备的空闲占用率。
具体而言，本实施例中，智能电视需要实时获取CPU和内存的空闲状态，计算出空闲占用率，其步骤具体包括：设智能电视的空闲占有率为x，假设空闲CPU的百分比值为n，空闲内存的百分比值为m，利用以下公式一可计算出智能电视的空闲占用率x：
f(m,n)＝m×E+n×F 公式一
其中：E、F为固定常量，由实验数据得出的经验值，f(m,n)等于当前智能电视的空闲占用率x。
通过对智能电视的CPU和内存占用情况的分析，结合获取其CPU和内存的占有率，是为下一步的确定记录节目工作线程的工作周期提供基础计算数据。
在一些实施例中，对智能电视的空闲占有率的计算还可以增加其他组件的指标来进一步准确反映智能电视的空闲占有率，比如非易失性NAND存储器或网络接口等组件的空闲情况分析，同样可由实验数据计算出非易失性NAND存储器或网络接口的固定空闲常量，将非易失性NAND存储器或网络接口所对应的空闲百分比值与其固定空闲常量的乘积作为智能电视空闲占用率x的一部分计算出智能电视空闲占用率x的值。
步骤S200，读取当前节目线程的工作周期；
具体而言，所述当前节目线程是指智能电视中播放节目过程中实时播放的节目，即当前节目，在智能电视系统中运行的线程。节目线程是智能电视操作系统在节目播放运算调度运行中的最小单位，是节目播放进程中的一个单一顺序的控制流，它的运行工作周期，或者说工作频率，决定了智能电视操作系统如何调度使用系统资源。
步骤S300，根据所述工作周期和空闲占用率判断所述智能电视是否满足所述当前节目线程的运行。
本实施例中，智能电视的空闲占用率x和所述当前节目线程的工作频率成正比，设当前节目线程占用率为f(x)，利用以下公式二可计算出当前节目线程占用率：
f(x)＝b×log10(a×x+c)+d 公式二
其中：a、b、c、d为对应的增益常数,是固定的常量，具体取值由实验数据得出经验理想值，x为智能电视的当前空闲占用率。
预设所述当前节目线程占用率的阈值为δ，判断若f(x)>δ时，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中，所述节目信息包括时间点、信源、节目名称和节目类型。
通过这样的分析判断，确保在智能电视的CPU信息处理量大，内存占比大的时候，不会因为进行观看时长的读取和记录而引起用户操作卡顿。同时，观看时长的记录，不再是通过识别节目切换来触发，保证了不会因为停电等突然关机而引起观看时长的记录不准确。
作为一种优选方案，上述判断所述智能电视是否满足所述当前节目线程的运行步骤后，判断若f(x)<δ时，说明智能电视的空闲占用率不足，需要暂停记录当前节目线程,并启动一个定时器T，定时器以一个固定时间间隔去查询f(x)，是否满足触发记录线程，直到满足f(x)>δ，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中。
步骤S400，如果满足，则记录用户对所述当前节目的观看状态信息到基础数据库中，并对记录于所述基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单。
具体而言，包括如下步骤：
所述智能电视将所述当前用户观看的节目信息根据所述基础数据库中频道数据表和类型数据表的对应字段进行分别保存；
所述智能电视将所述频道数据表和类型数据表中保存的节目信息按累计观看时长由高到低进行排序；
所述频道数据表和类型数据表进行排序后形成节目推荐单，根据用户采用频道或节目类型选择，在显示界面上相应提供按频道或节目类型的节目推荐单。
在本实施例中，记录节目信息需要智能电视空闲率达到一定的条件，目的是为了保证智能电视在记录节目状态的时候不会因为空闲率低而持续记录，导致系统卡顿，如果用户当前观看节目时空闲率较低时，系统将不会对节目信息进行保存的，如果在空闲率较低时仍旧进行保存，不仅不能准确记录节目的时长，还会因为数据持续记录导致智能电视的存储空间缩小，进而影响系统的使用，因此，要不影响用户观看的体验，达到准确记录用户观看节目的时长参数的记录，设置前节目线程占用率的阈值δ，并对该阈值δ与智能电视空闲率进行比较判断，进而确定是否将节目信息记录到基础数据库中是不可或缺的。另外，在基础数据库中建立的频道数据表和类型数据表中，频道的信息和类型的记录不需要新增记录，只能在原有的基础上对其数据进行更新，避免数据表不断新增记录导致系统负担进一步加大。比如，对于频道数据表而言，在智能电视初始化的首次，就根据系统对节目进行搜索后形成了，如首次搜索后总计有频道200个，那么，后续频道数据表中将不再增加新的频道，具体实施中频道数据表的字段参考表1频道表所示。
表1频道表
频道号 频道名称 观看时长
1 CCTV1 1:20:29
2 CCTV2 0:20:13
3 CCTV3 0:0:30
4 BJTV 0:0:0
……
如表1所示，频道表包含三个字段，分别是频道号、频道名称和观看时长，分别记录了各个频道的观看时长，在这张频道表中，其记录是不再增加，仅限于进行了搜索后的频道信息。
再比如类型数据表，同样也是在搜索后对各个频道的类型进行整理后形成的。具体实施中类型数据表的字段参考表2类型表所示。
表2类型表
节目类型 观看时长
新闻 30:12:23
体育 20:23:12
娱乐 2:12:09
少儿 0:30:22
……
从表2类型表可见，本实施例将节目类型分为诸如新闻、体育、娱乐、少儿……的类型，对于各个频道播放的各种类型的节目分别将其统计到不同的类型中去，以此对用户观看的节目类型进行分析判断。同样，该节目类型的记录不能再新增，而只在现有节目类型的基础上对观看时长进行统计，从而完成对于节目的推荐。
本发明方法优选实施例既能够准确记录节目观看的时长，并根据节目观看的情况及观看习惯给用户进行节目推荐，还能结合智能电视资源的空闲率情况解决系统因为增加基础数据库导致卡顿的问题。
本发明还提供一种智能电视节目推荐系统，如图2是本发明一种智能电视节目推荐系统优选实施例的结构图所示，所述智能电视节目推荐系统10包括：基础数据获取模块20、空闲状态获取模块30、节目信息保存模块40和节目推荐模块50。
所述基础数据获取模块20用于智能电视后台搜索节目形成基础数据库。具体而言，所述基础数据获取模块20形成的基础数据库包括频道数据表和类型数据表，频道数据表以频道为维度，包括频道号、频道名和累计观看时长，类型数据表以节目类型为维度，包括节目类型和累计观看时长，所述频道数据和类型数据表只能被更新，不能被新增，即节目搜索完成后，频道数据表中的频道信息在频道初始化后固定不再变动，类型数据表中的节目类型也固定不变动，这样保证了智能电视的有限的存储空间不会被记录的节目信息占满而引起的系统的崩溃。
所述空闲状态获取模块30用于智能电视实时获取CPU和内存的空闲状态，计算出空闲占用率。具体而言，所述空闲状态获取模块获取CPU和内存的空闲状态，计算出空闲占用率具体功能如下：设智能电视的空闲占用率为x，假设空闲CPU的百分比值为n，当前内存的百分比值为m，利用公式f(m,n)＝m×E+n×F计算出智能电视的空闲占用率x，其中：E、F为固定常量，f(m,n)为智能电视的空闲占用率x。
所述节目信息保存模块40用于智能电视循环读取当前节目线程的工作周期，结合所述空闲状态获取模块计算出的空闲占用率，判断所述智能电视是否满足所述当前节目线程的运行，如果满足，则记录用户对所述当前节目的观看状态信息到所述基础数据获取模块形成的基础数据库中。具体而言，所述节目信息保存模块40保存节目信息的具体功能如下：
根据公式f(x)＝b×log10(a×x+c)+d计算出所述智能电视是否满足所述当前节目线程运行的当前节目线程占用率f(x)，其中：a、b、c、d为对应的增益常数,x为智能电视的空闲占用率；
预设所述当前节目线程占用率的阈值为δ，判断若f(x)>δ时，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中，所述节目信息包括时间点、信源、节目名称和节目类型；判断若f(x)<δ时，所述智能电视暂停记录所述当前节目线程,并启动一个定时器T，定时器每隔固定时间查询f(x)，直到满足f(x)>δ，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中。
所述节目推荐模块50用于智能电视后台对记录于所述基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单。具体而言，所述节目推荐模块50推荐节目的具体功能如下：
所述智能电视将所述当前用户观看的节目信息根据所述基础数据库中频道数据表和类型数据表的对应字段进行分别保存；
所述智能电视将所述频道数据表和类型数据表中保存的节目信息按累计观看时长由高到低进行排序；
所述频道数据表和类型数据表进行排序后形成节目推荐单，根据用户采用频道或节目类型选择，在显示界面上相应提供按频道或节目类型的节目推荐单。
本实施例智能电视节目推荐系统的工作原理与上述智能电视节目推荐方法的工作原理相同，进一步具体的过程可参见上述智能电视节目推荐方法的执行过程，此处不赘述。
本发明还提供一种存储介质，存储介质为计算机可读存储介质，所述存储介质存储有智能电视节目推荐程序，该智能电视节目推荐程序被处理器执行时实现上述的智能电视节目推荐方法的步骤。具体的实现工作原理与上述智能电视节目推荐方法相同，此处不赘述。
应当理解的是，以上所述仅为本发明的较佳实施例而已，并不足以限制本发明的技术方案，对本领域普通技术人员来说，在本发明的精神和原则之内，可以根据上述说明加以增减、替换、变换或改进，而所有这些增减、替换、变换或改进后的技术方案，都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种智能电视节目推荐方法，其特征在于，包括如下步骤：
实时获取当前CPU和内存的空闲状态，计算出空闲占用率；
读取当前节目线程的工作周期；
根据所述工作周期和空闲占用率判断所述智能电视是否满足所述当前节目线程的运行；
如果满足，则记录用户对所述当前节目的观看状态信息到基础数据库中，并对记录于所述基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单；
根据公式f(x)＝b×log10(a×x+c)+d计算出所述智能电视是否满足所述当前节目线程运行的当前节目线程占用率f(x)，其中：a、b、c、d为对应的增益常数，x为智能电视的空闲占用率；
预设所述当前节目线程占用率的阈值为δ，判断若f(x)>δ时，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中，所述节目信息包括时间点、信源、节目名称和节目类型。
2.根据权利要求1所述的一种智能电视节目推荐方法，其特征在于，所述基础数据库包括频道数据表和类型数据表，频道数据表以频道为维度，包括频道号、频道名和累计观看时长，类型数据表以节目类型为维度，包括节目类型和累计观看时长，所述频道数据表和类型数据表根据所接收到的观看状态信息实时更新。
3.根据权利要求1所述的一种智能电视节目推荐方法，其特征在于，实时获取当前CPU和内存的空闲状态，计算出空闲占用率具体包括如下步骤：
设智能电视的当前空闲占用率为x，假设当前空闲CPU的百分比值为n，当前空闲内存的百分比值为m，利用公式f(m,n)＝m×E+n×F计算出当前智能电视的空闲占用率x，其中：E、F为固定常量，f(m,n)为智能电视的当前空闲占用率x。
4.根据权利要求3所述的一种智能电视节目推荐方法，其特征在于，所述实时获取当前CPU和内存的空闲状态，计算出空闲占用率，读取当前节目线程的工作周期，根据所述工作周期和空闲占用率判断所述智能电视是否满足所述当前节目线程的运行，如果满足，则记录用户对所述当前节目的观看状态信息到基础数据库中具体包括如下步骤：
判断若f(x)<δ时，所述智能电视暂停记录所述当前节目线程，并启动一个定时器T，定时器每隔固定时间查询f(x)，直到满足f(x)>δ，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中。
5.根据权利要求4所述的一种智能电视节目推荐方法，其特征在于，所述对记录于所述基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单具体包括如下步骤：
将所述当前用户观看的节目信息根据所述基础数据库中频道数据表和类型数据表的对应字段进行分别保存；
将所述频道数据表和类型数据表中保存的节目信息按累计观看时长由高到低进行排序；
所述频道数据表和类型数据表进行排序后形成节目推荐单，根据用户采用频道或节目类型选择，在显示界面上相应提供按频道或节目类型的节目推荐单。
6.一种智能电视节目推荐系统，其特征在于，所述系统包括：基础数据获取模块、空闲状态获取模块、节目信息保存模块和节目推荐模块；
所述基础数据获取模块用于智能电视搜索节目形成基础数据库；
所述空闲状态获取模块用于智能电视获取CPU和内存的空闲状态，计算出空闲占用率；
所述节目信息保存模块用于智能电视读取当前节目线程的工作周期，根据工作周期结合所述空闲状态获取模块计算出的空闲占用率，判断所述智能电视是否满足所述当前节目线程的运行，如果满足，则记录用户对所述当前节目的观看状态信息到基础数据库中，所述基础数据库包括频道数据表和类型数据表，频道数据表以频道为维度，包括频道号、频道名和累计观看时长，类型数据表以节目类型为维度，包括节目类型和累计观看时长；
所述节目信息保存模块还用于根据公式f(x)＝b×log10(a×x+c)+d计算出所述智能电视是否满足所述当前节目线程运行的当前节目线程占用率f(x)，其中：a、b、c、d为对应的增益常数，x为智能电视的空闲占用率；预设所述当前节目线程占用率的阈值为δ，判断若f(x)>δ时，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中，所述节目信息包括时间点、信源、节目名称和节目类型；
所述节目推荐模块用于智能电视对记录于基础数据库中的各个节目信息按照观看时间降序排序，以形成节目推荐单。
7.根据权利要求6所述的一种智能电视节目推荐系统，其特征在于，所述空闲状态获取模块获取CPU和内存的空闲状态，计算出空闲占用率具体功能如下：设智能电视的空闲占用率为x，假设空闲CPU的百分比值为n，空闲内存的百分比值为m，利用公式f(m,n)＝m×E+n×F计算出智能电视的空闲占用率x，其中：E、F为固定常量，f(m,n)为智能电视的空闲占用率x。
8.根据权利要求7所述的一种智能电视节目推荐系统，其特征在于，所述节目信息保存模块保存节目信息的具体功能如下：
判断若f(x)<δ时，所述智能电视暂停记录所述当前节目线程，并启动一个定时器T，定时器每隔固定时间查询f(x)，直到满足f(x)>δ，所述智能电视开始记录当前用户观看的节目信息到所述基础数据库中。
9.根据权利要求8所述的一种智能电视节目推荐系统，其特征在于，所述节目推荐模块推荐节目的具体功能如下：
所述智能电视将所述当前用户观看的节目信息根据所述基础数据库中频道数据表和类型数据表的对应字段进行分别保存；
所述智能电视将所述频道数据表和类型数据表中保存的节目信息按累计观看时长由高到低进行排序；
所述频道数据表和类型数据表进行排序后形成节目推荐单，根据用户采用频道或节目类型选择，在显示界面上相应提供按频道或节目类型的节目推荐单。
10.一种存储介质，其特征在于，所述存储介质存储有智能电视节目推荐程序，该智能电视节目推荐程序被处理器执行时实现权利要求1至5任一项所述的智能电视节目推荐方法的步骤。
CN201910882033.6A 2019-09-18 2019-09-18 一种智能电视节目推荐方法、系统及存储介质 Active CN112533066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910882033.6A CN112533066B (zh) 2019-09-18 2019-09-18 一种智能电视节目推荐方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910882033.6A CN112533066B (zh) 2019-09-18 2019-09-18 一种智能电视节目推荐方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN112533066A CN112533066A (zh) 2021-03-19
CN112533066B true CN112533066B (zh) 2023-03-10

Family

ID=74975128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910882033.6A Active CN112533066B (zh) 2019-09-18 2019-09-18 一种智能电视节目推荐方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN112533066B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101094372A (zh) * 2007-07-25 2007-12-26 北京中星微电子有限公司 一种电视节目推荐装置及方法
CN104994408A (zh) * 2015-06-25 2015-10-21 青岛海信电器股份有限公司 一种智能电视节目推荐方法、装置及智能电视
CN105245958A (zh) * 2015-11-11 2016-01-13 Tcl集团股份有限公司 一种直播电视节目推荐方法和装置
CN107846628A (zh) * 2016-09-21 2018-03-27 法乐第(北京)网络科技有限公司 推荐节目单的生成方法和系统
CN110109719A (zh) * 2019-03-26 2019-08-09 努比亚技术有限公司 一种推荐内容显示控制方法、终端及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101094372A (zh) * 2007-07-25 2007-12-26 北京中星微电子有限公司 一种电视节目推荐装置及方法
CN104994408A (zh) * 2015-06-25 2015-10-21 青岛海信电器股份有限公司 一种智能电视节目推荐方法、装置及智能电视
CN105245958A (zh) * 2015-11-11 2016-01-13 Tcl集团股份有限公司 一种直播电视节目推荐方法和装置
CN107846628A (zh) * 2016-09-21 2018-03-27 法乐第(北京)网络科技有限公司 推荐节目单的生成方法和系统
CN110109719A (zh) * 2019-03-26 2019-08-09 努比亚技术有限公司 一种推荐内容显示控制方法、终端及计算机可读存储介质

Also Published As

Publication number Publication date
CN112533066A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
JP4636147B2 (ja) 情報処理装置および方法、プログラム、並びに記録媒体
CN107222566B (zh) 信息推送方法、装置及服务器
CN102917269B (zh) 一种电视节目推荐系统及方法
CN102769781B (zh) 推荐电视节目的方法及装置
CN105245958B (zh) 一种直播电视节目推荐方法和装置
US8495680B2 (en) System and method for behavioral model clustering in television usage, targeted advertising via model clustering, and preference programming based on behavioral model clusters
US9330162B2 (en) Method and apparatus for providing temporal context for recommending content for consumption by a user device
JP4329436B2 (ja) コンテンツ視聴支援システム及びコンテンツ視聴支援方法、並びにコンピュータ・プログラム
CN109511015B (zh) 多媒体资源推荐方法、装置、存储介质及设备
CN108471544B (zh) 一种构建视频用户画像方法及装置
US20150143394A1 (en) Content presentation method, content presentation device, and program
CN103986973A (zh) 显示设备、服务器及其控制方法
CN106792210B (zh) 一种电视用户的分类方法及系统
CN103248960A (zh) 基于电视终端的用户桌面实现方法及系统
CN105872617A (zh) 基于人脸识别的节目分级播放方法和装置
KR20080021069A (ko) 콘텐츠에 대한 사용자 그룹의 전체 관심을 추정하기 위한방법 및 장치
CN103888836A (zh) 一种智能电视开机频道选择的方法及系统
CN101444092A (zh) 视频播放装置，视频播放方法，以及视频播放程序
CN106713985B (zh) 一种推荐网络视频的方法和装置
CN109753601A (zh) 推荐信息点击率确定方法、装置及电子设备
CN105611321A (zh) 一种视频码率推送方法和装置
CN105653136A (zh) 一种终端控制方法和终端设备
CN109462765B (zh) 一种推荐页面下发和显示的方法及装置
CN111435371A (zh) 视频推荐方法及其系统、计算机程序产品、可读存储介质
CN105430440A (zh) 多媒体信息播放热度处理方法、服务器及客户端

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