CN112866760B - 一种内容显示方法、显示设备及服务器 - Google Patents
一种内容显示方法、显示设备及服务器 Download PDFInfo
- Publication number
- CN112866760B CN112866760B CN202110062196.7A CN202110062196A CN112866760B CN 112866760 B CN112866760 B CN 112866760B CN 202110062196 A CN202110062196 A CN 202110062196A CN 112866760 B CN112866760 B CN 112866760B
- Authority
- CN
- China
- Prior art keywords
- video
- pay
- user
- probability
- display device
- 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
Links
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
- H04N21/254—Management at additional data server, e.g. shopping server, rights management server
- H04N21/2543—Billing, e.g. for subscription services
-
- 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
-
- 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
- H04N21/47—End-user applications
- H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
- H04N21/47211—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting pay-per-view content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4755—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for defining user preferences, e.g. favourite actors or genre
-
- 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)
- Computer Graphics (AREA)
- Information Transfer Between Computers (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本实施例提供一种内容显示方法、显示设备及服务器,服务器在接收到显示设备发送的页面数据请求后,根据当前用户元数据生成当前用户特征,将当前用户特征输入用户划分模型,输出当前用户购买单点付费视频的预测划分概率。如果预测划分概率大于等于购买概率阈值,服务器向显示设备反馈候选单点付费视频,同时在显示设备上显示所述候选单点付费视频。如果预测划分概率小于购买概率阈值,服务器向显示设备反馈非付费视频,同时在显示设备上显示所述非付费视频。与现有技术的视频推荐策略相比,本申请实施例的方案能够更精准的,将单点付费视频投放给较有可能购买单点付费视频的用户,不仅减少系统资源的浪费,还能够提升用户体验。
Description
技术领域
本申请涉及显示设备技术领域,尤其涉及一种内容显示方法、显示设备及服务器。
背景技术
智能电视上的视频可以由网络视频提供商提供。网络视频提供商提供的视频可分为免费视频和付费视频。付费视频主要是热度较高、评分较高、观众喜闻乐见的优质节目。付费视频又可以细分为套餐付费视频和单点付费视频。用户购买套餐后可以享受大部分优质的视频,但是当前最优质的、最热门的视频逐渐采用单点付费的模式。
目前智能电视平台对于单点付费视频往往采取统一的推荐策略,导致推荐视频的同质化。对没有购买单点付费视频意向的用户,反复推荐单点付费视频,不仅浪费系统资源,又造成用户体验较差。因此,亟待提供一种预测用户是否会购买单点付费视频的方法,以使根据用户是否会购买单点付费视频,灵活投放视频资源。
发明内容
本申请提供了一种内容显示方法、显示设备及服务器,用于解决传统智能电视平台对于单点付费内容往往采取统一的推荐策略,导致推荐内容的同质化,对于不打算购买单点付费内容的用户进行反复推荐,不仅浪费系统资源,又降低用户体验的问题。
第一方面,本实施例提供一种服务器,包括,
接收显示设备发送的页面数据请求,所述页面数据请求包括当前用户元数据;
根据所述当前用户元数据生成当前用户特征,将所述当前用户特征输入训练好的用户划分模型,输出当前用户购买单点付费视频的预测划分概率,在所述预测划分概率大于等于购买概率阈值时,向所述显示设备反馈候选单点付费视频,以使在所述显示设备上显示所述候选单点付费视频,其中,所述购买概率阈值为设置的预测当前用户有意向购买单点付费视频的最小概率;
在所述预测划分概率小于所述购买概率阈值时,向所述显示设备反馈非付费视频,以使在所述显示设备上显示所述非付费视频。
第二方面,本实施例提供一种显示设备,包括:
显示器;
控制器,用于执行:
向服务器发送页面数据请求,所述页面数据请求包括当前用户元数据;
在预测划分概率大于等于购买概率阈值时,从所述服务器接收候选单点付费视频,以及在所述显示器上显示所述候选单点付费视频,其中,所述预测划分概率为根据所述当前用户元数据生成当前用户特征,以及将所述当前用户特征输入用户划分模型后,输出的当前用户购买单点付费视频的概率,所述购买概率阈值为设置的预测当前用户有意向购买单点付费视频的最小概率;
在所述预测划分概率小于所述购买概率阈值时,从所述服务器接收非付费视频,以及在所述显示器上显示所述非付费视频。
第三方面,本实施例提供一种内容显示方法,所述方法应用于服务器,包括:
接收显示设备发送的页面数据请求,所述页面数据请求包括当前用户元数据;
根据所述当前用户元数据生成当前用户特征,将所述当前用户特征输入训练好的用户划分模型,输出当前用户购买单点付费视频的预测划分概率,在所述预测划分概率大于等于购买概率阈值时,向所述显示设备反馈候选单点付费视频,以使在所述显示设备上显示所述候选单点付费视频,其中,所述购买概率阈值为设置的预测当前用户有意向购买单点付费视频的最小概率;
在所述预测划分概率小于所述购买概率阈值时,向所述显示设备反馈非付费视频,以使在所述显示设备上显示所述非付费视频。
本实施例提供的服务器,在接收到显示设备发送的包括当前用户元数据的页面数据请求后,根据当前用户元数据生成当前用户特征,将当前用户特征输入用户划分模型,输出当前用户购买单点付费视频的预测划分概率。如果预测划分概率大于等于购买概率阈值,表示当前用户比较有可能购买单点付费视频,服务器向显示设备反馈候选单点付费视频,同时在显示设备上显示所述候选单点付费视频。如果预测划分概率小于购买概率阈值,表示当前用户不太可能购买单点付费视频,服务器向显示设备反馈非付费视频,同时在显示设备上显示所述非付费视频。与现有技术的视频推荐策略相比,本申请实施例的方案能够更精准的,将单点付费视频投放给较有可能购买单点付费视频的用户,不仅减少系统资源的浪费,还能够提升用户体验。
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示出了根据一些实施例的显示设备的使用场景;
图2示出了根据一些实施例的控制装置100的硬件配置框图;
图3示出了根据一些实施例的显示设备200的硬件配置框图;
图4示出了根据一些实施例的显示设备200中软件配置图;
图5示出了根据一些实施例的显示设备200中应用程序的图标控件界面显示图;
图6示出了根据一些实施例的视频投放系统示意图;
图7示出了根据一些实施例中服务器框架示意图;
图8示出了根据一些实施例中DeepFM模型结构示意图;
图9示出了根据一些实施例的训练集和测试集选取过程示意图;
图10示出了根据一些实施例的排序模型结构示意图;
图11示出了根据一些实施例的内容显示方法信令图;
图12示出了根据一些实施例的又一种内容显示方法信令图。
具体实施方式
为使本申请的目的和实施方式更加清楚,下面将结合本申请示例性实施例中的附图,对本申请示例性实施方式进行清楚、完整地描述,显然,描述的示例性实施例仅是本申请一部分实施例,而不是全部的实施例。
需要说明的是,本申请中对于术语的简要说明,仅是为了方便理解接下来描述的实施方式,而不是意图限定本申请的实施方式。除非另有说明,这些术语应当按照其普通和通常的含义理解。
本申请中说明书和权利要求书及上述附图中的术语″第一″、″第二″、″第三″等是用于区别类似或同类的对象或实体,而不必然意味着限定特定的顺序或先后次序,除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
术语″包括″和″具有″以及他们的任何变形,意图在于覆盖但不排他的包含,例如,包含了一系列组件的产品或设备不必限于清楚地列出的所有组件,而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
术语″模块″是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合,能够执行与该元件相关的功能。
图1为根据实施例中显示设备的使用场景的示意图。如图1所示,显示设备200还与服务器400进行数据通信,用户可通过智能设备300或控制装置100操作显示设备200。
在一些实施例中,控制装置100可以是遥控器,遥控器和显示设备的通信包括红外协议通信或蓝牙协议通信,及其他短距离通信方式中的至少一种,通过无线或有线方式来控制显示设备200。用户可以通过遥控器上按键、语音输入、控制面板输入等至少一种输入用户指令,来控制显示设备200。
在一些实施例中,智能设备300可以包括移动终端300A、平板电脑、计算机、笔记本电脑,AR/VR设备等中的任意一种。
在一些实施例中,也可以使用智能设备300以控制显示设备200。例如,使用在智能设备上运行的应用程序控制显示设备200。
在一些实施例中,也可以使用智能设备300和显示设备进行数据的通信。
在一些实施例中,显示设备200还可以采用除了控制装置100和智能设备300之外的方式进行控制,例如,可以通过显示设备200设备内部配置的获取语音指令的模块直接接收用户的语音指令控制,也可以通过显示设备200设备外部设置的语音控制装置来接收用户的语音指令控制。
在一些实施例中,显示设备200还与服务器400进行数据通信。可允许显示设备200通过局域网(LAN)、无线局域网(WLAN)和其他网络进行通信连接。服务器400可以向显示设备200提供各种内容和互动。服务器400可以是一个集群,也可以是多个集群,可以包括一类或多类服务器。
在一些实施例中,一个步骤执行主体执行的软件步骤可以随需求迁移到与之进行数据通信的另一步骤执行主体上进行执行。示例性的,服务器执行的软件步骤可以随需求迁移到与之数据通信的显示设备上执行,反之亦然。
图2示例性示出了根据示例性实施例中控制装置100的配置框图。如图2所示,控制装置100包括控制器110、通信接口130、用户输入/输出接口140、存储器、供电电源。控制装置100可接收用户的输入操作指令,且将操作指令转换为显示设备200可识别和响应的指令,起用用户与显示设备200之间交互中介作用。
在一些实施例中,通信接口130用于和外部通信,包含WIFI芯片,蓝牙模块,NFC或可替代模块中的至少一种。
在一些实施例中,用户输入/输出接口140包含麦克风,触摸板,传感器,按键或可替代模块中的至少一种。
图3示出了根据示例性实施例中显示设备200的硬件配置框图。
在一些实施例中,显示设备200包括调谐解调器210、通信器220、检测器230、外部装置接口240、控制器250、显示器260、音频输出接口270、存储器、供电电源、用户接口中的至少一种。
在一些实施例中控制器包括中央处理器,视频处理器,音频处理器,图形处理器,RAM,ROM,用于输入/输出的第一接口至第n接口。
在一些实施例中,显示器260包括用于呈现画面的显示屏组件,以及驱动图像显示的驱动组件,用于接收源自控制器输出的图像信号,进行显示视频内容、图像内容以及菜单操控界面的组件以及用户操控UI界面等。
在一些实施例中,显示器260可为液晶显示器、OLED显示器、以及投影显示器中的至少一种,还可以为一种投影装置和投影屏幕。
在一些实施例中,调谐解调器210通过有线或无线接收方式接收广播电视信号,以及从多个无线或有线广播电视信号中解调出音视频信号,如以及EPG数据信号。
在一些实施例中,通信器220是用于根据各种通信协议类型与外部设备或服务器进行通信的组件。例如:通信器可以包括Wifi模块,蓝牙模块,有线以太网模块等其他网络通信协议芯片或近场通信协议芯片,以及红外接收器中的至少一种。显示设备200可以通过通信器220与控制装置100或服务器400建立控制信号和数据信号的发送和接收。
在一些实施例中,检测器230用于采集外部环境或与外部交互的信号。例如,检测器230包括光接收器,用于采集环境光线强度的传感器;或者,检测器230包括图像采集器,如摄像头,可以用于采集外部环境场景、用户的属性或用户交互手势,再或者,检测器230包括声音采集器,如麦克风等,用于接收外部声音。
在一些实施例中,外部装置接口240可以包括但不限于如下:高清多媒体接口接口(HDMI)、模拟或数据高清分量输入接口(分量)、复合视频输入接口(CVBS)、USB输入接口(USB)、RGB端口等任一个或多个接口。也可以是上述多个接口形成的复合性的输入/输出接口。
在一些实施例中,控制器250和调谐解调器210可以位于不同的分体设备中,即调谐解调器210也可在控制器250所在的主体设备的外置设备中,如外置机顶盒等。
在一些实施例中,控制器250,通过存储在存储器上中各种软件控制程序,来控制显示设备的工作和响应用户的操作。控制器250控制显示设备200的整体操作。例如:响应于接收到用于选择在显示器260上显示UI对象的用户命令,控制器250便可以执行与由用户命令选择的对象有关的操作。
在一些实施例中,所述对象可以是可选对象中的任何一个,例如超链接、图标或其他可操作的控件。与所选择的对象有关操作有:显示连接到超链接页面、文档、图像等操作,或者执行与所述图标相对应程序的操作。
在一些实施例中控制器包括中央处理器(Central Processing Unit,CPU),视频处理器,音频处理器,图形处理器(Graphics Processing Unit,GPU),RAM Random AccessMemory,RAM),ROM(Read-Only Memory,ROM),用于输入/输出的第一接口至第n接口,通信总线(Bus)等中的至少一种。
CPU处理器。用于执行存储在存储器中操作系统和应用程序指令,以及根据接收外部输入的各种交互指令,来执行各种应用程序、数据和内容,以便最终显示和播放各种音视频内容。CPU处理器,可以包括多个处理器。如,包括一个主处理器以及一个或多个子处理器。
在一些实施例中,图形处理器,用于产生各种图形对象,如:图标、操作菜单、以及用户输入指令显示图形等中的至少一种。图形处理器包括运算器,通过接收用户输入各种交互指令进行运算,根据显示属性显示各种对象;还包括渲染器,对基于运算器得到的各种对象,进行渲染,上述渲染后的对象用于显示在显示器上。
在一些实施例中,视频处理器,用于将接收外部视频信号,根据输入信号的标准编解码协议,进行解压缩、解码、缩放、降噪、帧率转换、分辨率转换、图像合成等视频处理中的至少一种,可得到直接可显示设备200上显示或播放的信号。
在一些实施例中,视频处理器,包括解复用模块、视频解码模块、图像合成模块、帧率转换模块、显示格式化模块等中的至少一种。其中,解复用模块,用于对输入音视频数据流进行解复用处理。视频解码模块,用于对解复用后的视频信号进行处理,包括解码和缩放处理等。图像合成模块,如图像合成器,其用于将图形生成器根据用户输入或自身生成的GUI信号,与缩放处理后视频图像进行叠加混合处理,以生成可供显示的图像信号。帧率转换模块,用于对转换输入视频帧率。显示格式化模块,用于将接收帧率转换后视频输出信号,改变信号以符合显示格式的信号,如输出RGB数据信号。
在一些实施例中,音频处理器,用于接收外部的音频信号,根据输入信号的标准编解码协议,进行解压缩和解码,以及降噪、数模转换、和放大处理等处理中的至少一种,得到可以在扬声器中播放的声音信号。
在一些实施例中,用户可在显示器260上显示的图形用户界面(GUI)输入用户命令,则用户输入接口通过图形用户界面(GUI)接收用户输入命令。或者,用户可通过输入特定的声音或手势进行输入用户命令,则用户输入接口通过传感器识别出声音或手势,来接收用户输入命令。
在一些实施例中,″用户界面″,是应用程序或操作系统与用户之间进行交互和信息交换的介质接口,它实现信息的内部形式与用户可以接受形式之间的转换。用户界面常用的表现形式是图形用户界面(Graphic User Interface,GUI),是指采用图形方式显示的与计算机操作相关的用户界面。它可以是在电子设备的显示屏中显示的一个图标、窗口、控件等界面元素,其中控件可以包括图标、按钮、菜单、选项卡、文本框、对话框、状态栏、导航栏、Widget等可视的界面元素中的至少一种。
在一些实施例中,用户接口280,为可用于接收控制输入的接口(如:显示设备本体上的实体按键,或其他等)。
在一些实施例中,显示设备的系统可以包括内核(Kernel)、命令解析器(shelI)、文件系统和应用程序。内核、shell和文件系统一起组成了基本的操作系统结构,它们让用户可以管理文件、运行程序并使用系统。上电后,内核启动,激活内核空间,抽象硬件、初始化硬件参数等,运行并维护虚拟内存、调度器、信号及进程间通信(IPC)。内核启动后,再加载Shell和用户应用程序。应用程序在启动后被编译成机器码,形成一个进程。
参见图4,在一些实施例中,将系统分为四层,从上至下分别为应用程序(Applications)层(简称″应用层″),应用程序框架(Application Framework)层(简称″框架层″),安卓运行时(Android runtime)和系统库层(简称″系统运行库层″),以及内核层。
在一些实施例中,应用程序层中运行有至少一个应用程序,这些应用程序可以是操作系统自带的窗口(Window)程序、系统设置程序或时钟程序等;也可以是第三方开发者所开发的应用程序。在具体实施时,应用程序层中的应用程序包不限于以上举例。
框架层为应用程序层的应用程序提供应用编程接口(application programminginterface,API)和编程框架。应用程序框架层包括一些预先定义的函数。应用程序框架层相当于一个处理中心,这个中心决定让应用层中的应用程序做出动作。应用程序通过API接口,可在执行中访问系统中的资源和取得系统的服务。
如图4所示,本申请实施例中应用程序框架层包括管理器(Managers),内容提供者(Content Provider)等,其中管理器包括以下模块中的至少一个:活动管理器(ActivityManager)用与和系统中正在运行的所有活动进行交互;位置管理器(Location Manager)用于给系统服务或应用提供了系统位置服务的访问;文件包管理器(Package Manager)用于检索当前安装在设备上的应用程序包相关的各种信息;通知管理器(NotificationManager)用于控制通知消息的显示和清除;窗口管理器(Window Manager)用于管理用户界面上的括图标、窗口、工具栏、壁纸和桌面部件。
在一些实施例中,活动管理器用于管理各个应用程序的生命周期以及通常的导航回退功能,比如控制应用程序的退出、打开、后退等。窗口管理器用于管理所有的窗口程序,比如获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕,控制显示窗口变化(例如将显示窗口缩小显示、抖动显示、扭曲变形显示等)等。
在一些实施例中,系统运行库层为上层即框架层提供支撑,当框架层被使用时,安卓操作系统会运行系统运行库层中包含的C/C++库以实现框架层要实现的功能。
在一些实施例中,内核层是硬件和软件之间的层。如图4所示,内核层至少包含以下驱动中的至少一种:音频驱动、显示驱动、蓝牙驱动、摄像头驱动、WIFI驱动、USB驱动、HDMI驱动、传感器驱动(如指纹传感器,温度传感器,压力传感器等)、以及电源驱动等。
在一些实施例中,显示设备启动后可以直接进入预置的视频点播程序的界面,视频点播程序的界面可以如图5中所示,至少包括导航栏510和位于导航栏510下方的内容显示区,内容显示区中显示的内容会随导航栏中被选中控件的变化而变化。应用程序层中的程序可以被集成在视频点播程序中通过导航栏的一个控件进行展示,也可以在导航栏中的应用控件被选中后进行进一步显示。
在一些实施例中,显示设备启动后可以直接进入上次选择的信号源的显示界面,或者信号源选择界面,其中信号源可以是预置的视频点播程序,还可以是HDMI接口,直播电视接口等中的至少一种,用户选择不同的信号源后,显示器可以显示从不同信号源获得的内容。
智能电视的网络视频可以分为免费视频和付费视频,付费视频又可细分为套餐付费视频和单点付费视频,当前最优质的、最热门的视频逐渐采用单点付费的模式。目前智能电视平台对于单点付费视频往往采取统一的推荐策略,导致推荐视频的同质化。对没有购买单点付费视频意向的用户,反复推荐单点付费视频,不仅浪费系统资源,又造成用户体验较差。
为了解决上述问题,如图6所示和如图7所示,本申请提供一种视频投放系统,该投放系统包括显示设备200和服务器400,显示设备200从服务器400获取视频,以使在显示设备200的显示器上呈现该视频。
服务器400包括线上子服务器400A和线下子服务器400B。线上子服务器用于预测当前用户是否有意向购买单点付费视频,线下子服务器用于根据大数据训练用户划分模型。
当用户点击开机按钮时(可以是操作智能设备上与开启显示设备相关的按钮,或者是点击控制装置上的开机按钮),显示设备响应于用户输入的指令,向线上子服务器发送页面数据请求,该页面数据请求用于请求首页页面内容,页面数据请求具体可以包括用户ID。
线上子服务器在接收到首页的页面数据请求后,根据用户ID查找用户的购买日志信息、观看日志信息等用户行为日志,根据上述用户行为日志生成当前用户特征。将当前用户特征输入到用户划分模型中,输出当前用户购买单点付费视频的预测划分概率,即当前用户有意向购买单点付费视频的概率。这里的用户划分模型为预先训练好的模型。
如果用户有意向购买单点付费视频的概率大于等于购买概率阈值时,则线上子服务器向显示设备反馈候选单点付费视频,同时在显示设备上显示候选单点付费视频。其中,购买概率阈值为事先设置的,判断用户是否有意向购买单点付费视频的最小概率。
如果用户有意向购买单点付费视频的概率小于购买概率阈值时,则线上子服务器向显示设备反馈非付费视频,同时在显示设备上显示非付费视频。从而实现精准向有意向购买单点付费视频概率较大的用户投放单点付费视频,而向有意向购买单点付费视频概率较小的用户投放非付费视频,提升用户体验。
在一些实施例中,如果用户有意向购买单点付费视频的概率大于等于购买概率阈值时,线上子服务器向显示设备同时反馈候选单点付费视频和非付费视频,并且同时在显示设备上显示候选单点付费视频和非付费视频。
在本实施例中,优先显示候选单点付费视频。优先显示候选单点付费视频具体可以是:候选单点付费视频显示在非付费视频的前端或者上端。还可以是候选单点付费视频显示面积比非付费视频显示面积更大。使得购买单点付费视频概率较大的用户,不仅能够更方便的查看到候选单点付费视频,也能够查看到非付费视频。同时非付费视频在后显示或者显示的位置较不易于被观看到。从而增加用户可选择的视频,进一步提高用户体验。
在一些实施例中,如果用户有意向购买单点付费视频的概率小于购买概率阈值时,线上子服务器向显示设备同时反馈候选单点付费视频和非付费视频,并且同时在显示设备上显示候选单点付费视频和非付费视频。
在本实施例中,优先显示非付费视频。优先显示非付费视频具体可以是:非付费视频显示在候选单点付费视频的前端或者上端。还可以是非付费视频显示面积比候选单点付费视频显示面积更大。使得购买单点付费视频概率较小的用户,不仅能够更方便的查看到非付费视频,也能够查看到候选单点付费视频。同时候选单点付费视频在后显示或者显示的位置较不易于被观看到。既可以向这类用户推荐单点付费视频,又可以避免用户反感情绪,从而提升用户活跃度和粘性,更有利于平台的发展。
在一些实施例中,服务器从显示设备接收到的页面数据请求中包括当前用户的基本数据,服务器根据用户的基本数据查找用户的行为日志信息,并根据这些信息创建用户画像,之后对用户画像进行特征工程,得到当前用户特征。
示例性的,用户画像中可以包括用户使用的显示设备机型、系统的版本号、用户所在地区等静态信息,还可以包括基于时间的统计信息:用户在最近30天、14天、7天、3天等时间窗口内观看节目的时间、观看节目的数量、活跃的天数等。
用户画像还可以包括当前用户目前为止在显示设备平台上的消费金额、订单数量、最后一次消费距离目前的时间、取消订单的数量等基于消费信息的属性,还可以包括当前用户对于观看内容的偏好属性,例如当前用户观看最多的频道、用户观看视频的标签分类等。将这些用户画像中初始特征进行特征工程,即得到当前用户特征。
在一些实施例中,用户划分模型可以为DeepFM、Embeded Wide&Deep等二分类模型,利用这些二分类模型可以输出当前用户购买单点付费视频的概率,输出的概率越大,当前用户购买单点付费视频的可能性越大。
示例性的,如图8所示的DeepFM模型结构示意图,Sparse Inputs Layer(稀释输入层)用于接收用户画像中的初始特征,Embedding Layer(嵌入层)用于将初始特征转化为模型容易处理的向量,而Hidden Layer(隐藏层)用于计算用户画像特征中高阶交叉对于预测结果的影响。
DeepFM模型中,FM部分有较强的记忆能力,可以捕捉有效的一阶特征和二阶交叉特征,例如当前用户曾经购买单点付费视频的数量和当前用户消费金额的平均值结合起来看,比单个特征更有区分度。Deep部分有较强的的泛化能力,可以捕捉FM部分无法察觉的高阶特征。具体的,如以下公式:
其中,输入为x=[x1,x2,x3...xi],即用户画像中初始特征组成的向量,wi表示对应特征的权重,v表示特征x两两结合得到的交叉特征的权重。则加号左侧的单项式用于计算一阶特征对于最后结果的影响,加号右侧的单项式用于计算二阶特征较差对最后结果的影响。因此,yFM即为用户画像的一阶特征和二阶交叉特征对于预测结果的影响。
同理,用户画像特征的高阶交叉对于预测结果影响的公式为:
yDNN=f(WH+1·aH+bH+1)
其中,aH表示前一层的输出,将其作为当前层的输入。WH+1表示当前层的参数,bH+1表示当前层的偏置项,H表示隐藏层的数据,f表示当前层的激活函数。最后,将yFM和yDNN相加输入sigmod函数,得到介于0和1之间的概率值,即用户购买单点付费视频的概率。
在一些实施例中,用户划分模型可以利用大数据进行离线训练和评估,因此线下子服务器可以保存大量用户的观看视频相关数据。具体的,利用大数据平台获取大量的用户特征评估数据,即大量的用户画像。将这些用户画像分别进行特征工程,得到用户特征。利用大量的不同用户特征构建训练数据集,并且利用该训练数据集训练和评估用户划分模型。由于用户视频观看历史和消费历史等数据有可能会不断发生变化,因此用于训练用户划分模型的用户画像需要及时更新。
在一些实施例中,用户划分模型利用训练集进行训练,利用测试集进行评估。
示例性的,如图9所示,假设需要预测某用户从12月1日到未来一周内是否购买单点付费视频,可以根据12月1日之前一个月内的用户行为来构造用户画像。这里还将用户是否在12月1日到未来一周购买过单点付费视频作为标签,如果购买过单点付费视频,则将该用户画像设置标签为1,作为正特征。如果在该时间段内没有购买过单点付费视频,则将该用户画像设置标签为0,作为负特征。针对所有用户都进行上述操作,得到训练集。这里不仅通过正特征训练用户划分模型,还通过负特征训练用户划分模型,能够提高用户划分模型预测的准确度。
将时间窗口向后移动一周,并使用相同的用户画像构造方法,得到的即为测试集。
在一些实施例中,服务器在向显示设备反馈候选单点付费视频之前,还计算当前用户购买每一个候选单点视频的概率,根据计算得到的概率,对所有候选单点付费视频进行排序。并且只向显示设备反馈排名前N位的候选单点付费视频。
具体的,服务器根据所有候选单点付费视频的基本数据创建视频画像,之后对视频画像进行特征工程,得到所有候选单点付费视频的视频特征。将得到的视频特征和当前用户特征输入排序模型,输出当前用户对每一个候选单点付费视频的购买概率。购买概率最大的前N个候选单点付费视频反馈至显示设备,同时在显示设备上显示。
在一些实施例中,视频画像(候选单点付费视频特征)中可以包括原始媒资信息,例如视频的标题、简介、一级分类、二级分类、标签等。也可以包括人工添加的基于统计的数据,例如该候选单点付费视频被观看的次数、观看的人次、被购买的次数等。还可以根据大量用户播放数据,使用Item2Vector方法得该候选单点付费视频的64维嵌入向量。具体的,将每名用户按照时间顺序观看的视频列表看作是一个长句子,按照一定的时间长度切分为短句子,之后将每个候选单点付费视频的ID看作为单词,通过Skip-gram算法得到表示每个视频的64维向量。将得到的64维向量和原始媒资信息、统计信息等信息结合得到完成的视频画像。
在一些实施例中,如图10所示的排序模型结构示意图,将用户画像和视频画像特征工程后得到的用户特征和视频特征输入排序模型。其中,用户画像中主要包括的特征为当前用户购买历史中的单点付费视频和观看历史中的单点付费视频。SIM用于计算当前用户购买历史中的单点付费视频、观看历史中的单点付费视频分别和候选单点付费视频的相似程度。
示例性的,当前用户U,其观看历史中的单点付费视频P=(v1,v2...,vn),其购买历史中的单点付费视频O=(v1,v2...,vm),需要预测是否购买的候选单点付费视频vt,在观看历史中每个视频vi的权重gi可以表示为:
其中,
ci=cosine_similarity(vi,vt)
用户观看历史中单点付费视频可以表示为:
对于用户的购买历史中单点付费视频,同理需要先计算出每个视频的权重hi,最终用户购买历史可以表示为:
将得到的用户购买历史中单点付费视频和购买历史中单点付费视频P′、O′和当前用户画像和候选单点付费视频vt拼接后,输入到深层网络中,最后由sigmod单元输出概率当前用户购买该候选单点付费视频的概率。按照同样的方法计算当前用户购买其他候选单点付费视频的概率,按照概率大小将概率最高的前N个候选单点付费视频反馈至显示设备,并且在显示设备上显示概率最高的前N个候选单点付费视频。从而进一步的提升用户体验,同时能够促使用户购买候选单点付费视频。
如图10所示的排序模型结构示意图中,Softmax是机器学习中的分类函数,通常位于神经网络的最后一层,它的作用是将前面输出层的数据转换为概率分布,这个概率分布的特点就是:任意事件发生的概率在0-1之间,且所有事件发生的概率总和为1,并且总有一个事件会发生。可简单理解为将神经网络的输出结果控制在0-1之间。
Sum Pooling(求和池化),是神经网络的结构中的一种,用于提取数据中的有效信息,过滤无效信息,让后一部分的神经网络能有更合理的输入,从而产生更好的效果。SumPooling为Hidden Layers(隐藏层)中的一种,Hidden Layer即神经网络中的计算层。
Concat(拼接)这是数据处理的一种方式。是深度神经网络结构中的一种常用的操作,例如一个向量[1,2,3]和另一个向量[4,5,6]进行concat操作之后得到[1,2,3,4,5,6]。
本申请实施例提供一种内容显示方法,如图11所示的内容显示方法的信令图,所述方法包括以下步骤:
步骤一、显示设备向服务器发送页面数据请求,页面数据请求中包括用户元数据,用户元数据可以为用户ID;
步骤二、根据当前用户元数据生成当前用户特征,将所述当前用户特征输入训练好的用户划分模型,输出当前用户购买单点付费视频的预测划分概率;具体可以是根据用户ID获取用户观看行为日志、购买行为日志等信息,根据这些信息生成用户画像,对用户画像进行特征工程,生成当前用户特征。
步骤三、在所述预测划分概率大于等于购买概率阈值时,向所述显示设备反馈候选单点付费视频,以使在所述显示设备上显示所述候选单点付费视频;
在所述预测划分概率小于所述购买概率阈值时,向所述显示设备反馈非付费视频,以使在所述显示设备上显示所述非付费视频。
本申请实施例提供一种内容显示方法,如图12所示的内容显示方法的信令图,所述方法包括以下步骤:
步骤一、在预测划分概率大于等于购买概率阈值时,将当前用户特征和候选单点付费视频的特征输入排序模型,输出当前用户对候选单点付费视频的预测购买概率;
步骤二、向显示设备反馈预测购买概率高于排序概率阈值的候选单点付费视频,以使在显示设备上显示预测购买概率高于排序概率阈值的候选单点付费视频。
本申请各个实施例之间相同或相似的内容可相互参照,相关实施例不再赘述。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
为了方便解释,已经结合具体的实施方式进行了上述说明。但是,上述示例性的讨论不是意图穷尽或者将实施方式限定到上述公开的具体形式。根据上述的教导,可以得到多种修改和变形。上述实施方式的选择和描述是为了更好的解释原理以及实际的应用,从而使得本领域技术人员更好的使用所述实施方式以及适于具体使用考虑的各种不同的变形的实施方式。
Claims (4)
1.一种服务器,其特征在于,所述服务器被配置为:
接收显示设备发送的页面数据请求,所述页面数据请求包括当前用户元数据,所述页面数据请求用于请求首页的页面内容,其中所述用户元数据至少包括当前用户购买历史中的单点付费视频对应数据和观看历史中的单点付费视频对应数据,所述单点付费视频为只可通过单点付费模式观看的视频;
根据所述当前用户元数据生成当前用户特征,将所述当前用户特征输入训练好的用户划分模型,输出当前用户购买单点付费视频的预测划分概率,其中,所述用户划分模型为DeepFM模型,所述用户划分模型包括用户画像的一阶特征和二阶交叉特征对于预测结果的影响公式以及用户画像的高阶交叉对于预测结果的影响公式,所述用户画像的一阶特征和二阶交叉特征对于预测结果的影响公式为:
式(1)中,x=[x1,x2,x3…xi],表示用户画像中初始特征组成的向量,d表示向量的元素个数,wi表示对应特征的权重,v表示特征x两两结合得到的交叉特征的权重,
所述用户画像的高阶交叉对于预测结果的影响公式为:
yDNN=f(WH+1.aH+bH+1(2),
式(2)中,aH表示前一层的输出并将所述前一层的输出作为当前层的输入,WH+1表示当前层的参数,bH+1表示当前层的偏置项,H表示隐藏层的数据,f表示当前层的激活函数,
将所述yFM和所述yDNN相加后输入sigmod函数,得到当前用户购买单点付费视频的预测划分概率;
根据所有的候选单点付费视频的基本数据创建视频画像并对视频画像进行特征工程,得到所有候选单点付费视频的视频特征,将任一所述视频特征和所述当前用户特征输入排序模型,输出当前用户对任一所述候选单点付费视频的购买概率;
如果所述预测划分概率大于或等于购买概率阈值,则向所述显示设备反馈非付费视频和预设数量的候选单点付费视频,以使在所述显示设备上同时显示所述非付费视频和所述候选单点付费视频,其中,所述购买概率阈值为设置的预测当前用户有意向购买单点付费视频的最小概率,在所述显示设备上所述候选单点付费视频相较于所述非付费视频更易于被用户观看到,所述预设数量为所述购买概率自大至小选出的所述候选单点付费视频的数值;
如果所述预测划分概率小于所述购买概率阈值,则向所述显示设备反馈所述非付费视频和所述候选单点付费视频,以使在所述显示设备上同时显示所述非付费视频和所述候选单点付费视频,其中,所述非付费视频在所述显示设备上的状态为易于被用户观看到的状态,所述候选单点付费视频在所述显示设备上的状态为难于被用户观看到的状态,反馈的所述候选单点付费视频的购买概率高于排序概率阈值,所述排序概率阈值为设置的向所述显示设备反馈的候选单点付费视频的购买概率的最小概率。
2.根据权利要求1所述的服务器,其特征在于,所述用户划分模型的训练步骤包括:
将预设时间段内购买过单点付费视频用户的用户画像作为正特征,以及将预设时间段内未购买单点付费视频用户的用户画像作为负特征;
根据所述正特征和所述负特征构建训练数据集,利用所述训练数据集训练所述用户划分模型。
3.一种显示设备,其特征在于,包括:
显示器;
控制器,用于执行:
向服务器发送页面数据请求,所述页面数据请求包括当前用户元数据,所述页面数据请求用于请求首页的页面内容,其中所述用户元数据至少包括当前用户购买历史中的单点付费视频对应数据和观看历史中的单点付费视频对应数据,所述单点付费视频为只可通过单点付费模式观看的视频;
根据所述当前用户元数据生成当前用户特征,将所述当前用户特征输入训练好的用户划分模型,输出当前用户购买单点付费视频的预测划分概率,其中,所述用户划分模型为DeepFM模型,所述用户划分模型包括用户画像的一阶特征和二阶交叉特征对于预测结果的影响公式以及用户画像的高阶交叉对于预测结果的影响公式,所述用户画像的一阶特征和二阶交叉特征对于预测结果的影响公式为:
式(1)中,x=[x1,x2,x3…xi],表示用户画像中初始特征组成的向量,d表示向量的元素个数,wi表示对应特征的权重,v表示特征x两两结合得到的交叉特征的权重,
所述用户画像的高阶交叉对于预测结果的影响公式为:
yDNN=f(WH+1.aH+bH+1(2),
式(2)中,aH表示前一层的输出并将所述前一层的输出作为当前层的输入,WH+1表示当前层的参数,bH+1表示当前层的偏置项,H表示隐藏层的数据,f表示当前层的激活函数,
将所述yFM和所述yDNN相加后输入sigmod函数,得到当前用户购买单点付费视频的预测划分概率;
根据所有的候选单点付费视频的基本数据创建视频画像并对视频画像进行特征工程,得到所有候选单点付费视频的视频特征,将任一所述视频特征和所述当前用户特征输入排序模型,输出当前用户对任一所述候选单点付费视频的购买概率;
如果所述预测划分概率大于或等于购买概率阈值,则从所述服务器接收非付费视频和预设数量的候选单点付费视频,以及在所述显示器上同时显示所述非付费视频和所述候选单点付费视频,其中,所述预测划分概率为根据所述当前用户元数据生成当前用户特征,以及将所述当前用户特征输入用户划分模型后,输出的当前用户购买单点付费视频的概率,所述购买概率阈值为设置的预测当前用户有意向购买单点付费视频的最小概率,在所述显示设备上所述候选单点付费视频相较于所述非付费视频更易于被用户观看到,所述预设数量为所述购买概率自大至小选出的所述候选单点付费视频的数值;
如果所述预测划分概率小于所述购买概率阈值,则向所述显示设备反馈所述非付费视频和所述候选单点付费视频,以使在所述显示设备上同时显示所述非付费视频和所述候选单点付费视频,其中,所述非付费视频在所述显示设备上的状态为易于被用户观看到的状态,所述候选单点付费视频在所述显示设备上的状态为难于被用户观看到的状态,反馈的所述候选单点付费视频的购买概率高于排序概率阈值,所述排序概率阈值为设置的向所述显示设备反馈的候选单点付费视频的购买概率的最小概率。
4.一种内容显示方法,所述方法应用于服务器,其特征在于,包括:
接收显示设备发送的页面数据请求,所述页面数据请求包括当前用户元数据,所述页面数据请求用于请求首页的页面内容,其中所述用户元数据至少包括当前用户购买历史中的单点付费视频对应数据和观看历史中的单点付费视频对应数据,所述单点付费视频为只可通过单点付费模式观看的视频;
根据所述当前用户元数据生成当前用户特征,将所述当前用户特征输入训练好的用户划分模型,输出当前用户购买单点付费视频的预测划分概率,其中,所述用户划分模型为DeepFM模型,所述用户划分模型包括用户画像的一阶特征和二阶交叉特征对于预测结果的影响公式以及用户画像的高阶交叉对于预测结果的影响公式,所述用户画像的一阶特征和二阶交叉特征对于预测结果的影响公式为:
式(1)中,x=[x1,x2,x3…xi],表示用户画像中初始特征组成的向量,d表示向量的元素个数,wi表示对应特征的权重,v表示特征x两两结合得到的交叉特征的权重,
所述用户画像的高阶交叉对于预测结果的影响公式为:
yDNN=f(WH+1.aH+bH+1(2),
式(2)中,aH表示前一层的输出并将所述前一层的输出作为当前层的输入,WH+1表示当前层的参数,bH+1表示当前层的偏置项,H表示隐藏层的数据,f表示当前层的激活函数,
将所述yFM和所述yDNN相加后输入sigmod函数,得到当前用户购买单点付费视频的预测划分概率;
根据所有的候选单点付费视频的基本数据创建视频画像并对视频画像进行特征工程,得到所有候选单点付费视频的视频特征,将任一所述视频特征和所述当前用户特征输入排序模型,输出当前用户对任一所述候选单点付费视频的购买概率;
如果所述预测划分概率大于或等于购买概率阈值,则向所述显示设备反馈非付费视频和预设数量的候选单点付费视频,以使在所述显示设备上同时显示所述非付费视频和所述候选单点付费视频,其中,所述购买概率阈值为设置的预测当前用户有意向购买单点付费视频的最小概率,在所述显示设备上所述候选单点付费视频相较于所述非付费视频更易于被用户观看到,所述预设数量为所述购买概率自大至小选出的所述候选单点付费视频的数值;
如果所述预测划分概率小于所述购买概率阈值,则向所述显示设备反馈所述非付费视频和所述候选单点付费视频,以使在所述显示设备上同时显示所述非付费视频和所述候选单点付费视频,其中,所述非付费视频在所述显示设备上的状态为易于被用户观看到的状态,所述候选单点付费视频在所述显示设备上的状态为难于被用户观看到的状态,反馈的所述候选单点付费视频的购买概率高于排序概率阈值,所述排序概率阈值为设置的向所述显示设备反馈的候选单点付费视频的购买概率的最小概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062196.7A CN112866760B (zh) | 2021-01-18 | 2021-01-18 | 一种内容显示方法、显示设备及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062196.7A CN112866760B (zh) | 2021-01-18 | 2021-01-18 | 一种内容显示方法、显示设备及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112866760A CN112866760A (zh) | 2021-05-28 |
CN112866760B true CN112866760B (zh) | 2023-08-22 |
Family
ID=76006393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110062196.7A Active CN112866760B (zh) | 2021-01-18 | 2021-01-18 | 一种内容显示方法、显示设备及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112866760B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782877A (zh) * | 2020-07-06 | 2020-10-16 | 聚好看科技股份有限公司 | 服务器、显示设备及其视频搜索排序方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130051033A (ko) * | 2011-11-09 | 2013-05-20 | (주)이니시스 | 휴대용 단말기를 통한 아이템 구매 방법 |
CN105528374A (zh) * | 2014-10-21 | 2016-04-27 | 苏宁云商集团股份有限公司 | 一种电子商务中的商品推荐方法及其系统 |
CN105160008B (zh) * | 2015-09-21 | 2020-03-31 | 合一网络技术(北京)有限公司 | 一种定位推荐用户的方法及装置 |
CN105719164A (zh) * | 2016-01-21 | 2016-06-29 | 海信集团有限公司 | 一种推荐付费多媒体资源的方法及装置 |
CN106204063A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇艺世纪科技有限公司 | 一种付费用户挖掘方法及装置 |
CN109242631A (zh) * | 2018-09-17 | 2019-01-18 | 平安科技(深圳)有限公司 | 产品智能推荐方法、服务器及存储介质 |
-
2021
- 2021-01-18 CN CN202110062196.7A patent/CN112866760B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782877A (zh) * | 2020-07-06 | 2020-10-16 | 聚好看科技股份有限公司 | 服务器、显示设备及其视频搜索排序方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112866760A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111770366A (zh) | 一种消息补发方法、服务器及显示设备 | |
CN112804567B (zh) | 一种显示设备、服务器及视频推荐的方法 | |
CN113139856B (zh) | 影视会员套餐推荐方法及设备 | |
CN112002321B (zh) | 显示设备、服务器及语音交互方法 | |
CN112885354B (zh) | 一种显示设备、服务器及基于语音的显示控制方法 | |
CN111984763A (zh) | 一种答问处理方法及智能设备 | |
CN113434757A (zh) | 一种媒资套餐推荐方法及显示设备 | |
CN115776585A (zh) | 显示设备和内容展示方法 | |
CN114040254B (zh) | 一种显示设备及高并发消息显示方法 | |
CN114186137A (zh) | 服务器及媒资混合推荐方法 | |
CN112866760B (zh) | 一种内容显示方法、显示设备及服务器 | |
CN113490057B (zh) | 显示设备和媒资推荐方法 | |
CN113593559B (zh) | 一种内容显示方法、显示设备及服务器 | |
CN112911381B (zh) | 一种显示设备、模式调整方法、设备及介质 | |
CN111950288B (zh) | 一种命名实体识别中的实体标注方法及智能设备 | |
CN114117126A (zh) | 一种视频推荐方法及显示设备 | |
CN113722542A (zh) | 视频推荐方法及显示设备 | |
CN113038217A (zh) | 一种显示设备、服务器及应答语生成方法 | |
CN115695844A (zh) | 一种显示设备、服务器及媒资内容推荐方法 | |
CN113766164B (zh) | 显示设备及信号源界面显示方法 | |
CN115150673B (zh) | 显示设备及媒资展示方法 | |
CN114302242B (zh) | 一种媒资推荐方法、显示设备及服务器 | |
CN114501151B (zh) | 一种显示设备及媒资推荐方法 | |
CN113794915B (zh) | 服务器、显示设备、诗词歌赋生成方法及媒资播放方法 | |
CN115412751B (zh) | 一种显示设备及可视化菜单控制方法 |
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 |