CN113158040A - 智能电视热点标签提炼及相关视频推荐方法、装置和设备 - Google Patents

智能电视热点标签提炼及相关视频推荐方法、装置和设备 Download PDF

Info

Publication number
CN113158040A
CN113158040A CN202110416714.0A CN202110416714A CN113158040A CN 113158040 A CN113158040 A CN 113158040A CN 202110416714 A CN202110416714 A CN 202110416714A CN 113158040 A CN113158040 A CN 113158040A
Authority
CN
China
Prior art keywords
program
internet
data
hot spot
hotspot
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.)
Pending
Application number
CN202110416714.0A
Other languages
English (en)
Inventor
张世民
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.)
Guangdong Huanwang Technology Co Ltd
Original Assignee
Guangdong Huanwang 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 Guangdong Huanwang Technology Co Ltd filed Critical Guangdong Huanwang Technology Co Ltd
Priority to CN202110416714.0A priority Critical patent/CN113158040A/zh
Publication of CN113158040A publication Critical patent/CN113158040A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本申请涉及一种智能电视热点标签提炼及相关视频推荐方法、装置和设备，该方法包括：获取并统计热点数据，得到节目热力值；其中，所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；然后，基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单；再对所述热点综合排行榜单中的每一条热点咨询提取一组标签；再根据所述热点咨询标签在预设片库中为所述热点综合排行榜单中的每一条咨询匹配视频内容；最后基于匹配视频生成并保存推荐方案，从而可以实现结合自用用户喜好和互联网热点，对用户进行综合推荐，提高用户体验。

Description

智能电视热点标签提炼及相关视频推荐方法、装置和设备
技术领域
本申请涉及智能电视技术领域，尤其涉及一种智能电视热点标签提炼及相关视频推荐方法、装置和设备。
背景技术
由于互联网及智能终端的普及，智能电视用户的体量已经非常庞大，智能电视的影视业务内容投放也具备大量的节目资源。在内容为王的时代，“爆款”“热点”内容对于内容服务商、运营商等而言就意味着极大的流量与变现价值。
而现有技术中，智能电视展示内容业务的推荐都是直接对互联网上的热点进行搬运，并不一定是用户想看到的，需要用户再进行筛选查看，在观看前，用户操作复杂且难得到自己的想看的内容。
发明内容
本申请针对目前智能电视业务推荐内容杂乱，用户体验差的问题，提供一种智能电视热点标签提炼及相关视频推荐方法，用于至少在一定程度上解决智能电视业务推荐内容杂乱，用户体验差的问题。
本申请的上述目的是通过以下技术方案来实现的：
第一方面，本申请实施例提供一种智能电视热点标签提炼及相关视频推荐方法，包括：
获取并统计热点数据，得到节目热力值；其中，所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；
基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单；
对所述热点综合排行榜单中的每一条热点咨询提取一组标签；其中，所述标签包括节目名称标签、人物名称标签、地名标签和事件名标签中的一种或多种；
根据所述热点咨询的标签在预设片库中为所述热点综合排行榜单中的每一条咨询匹配视频内容；
基于所述匹配的视频内容生成并推荐方案，并进行显示。
可选的，所述自有用户热点数据包括自有用户有效浏览数据和自有用户搜索数据。
可选的，获取并统计热点数据，得到节目热力值包括：
将所述自有用户有效浏览数据和所述自有用户搜索数据按节目形式进行分类；其中，所述节目类型包括电影、电视剧和综艺；
根据所述自有用户有效浏览数据和所述自有用户搜索数据计算预设系统内节目的自有节目热力值；
基于所述自有节目热力值，生成对应各个节目形式的自有排行榜单。
可选的，所述互联网热点数据包括互联网热力值数据和互联网爆点事件数据。
可选的，所述获取并统计热点数据，得到节目热力值，还包括：
提取所述互联网爆点事件数据的特征词；其中，所述特征词包括人物名称和所属类型。
可选的，所述获取并统计热点数据，得到节目热力值还包括：
将所述互联网热力值数据和所述互联网爆点事件数据按互联网来源进行分类；其中，所述互联网来源包括各个互联网评论网站和各个互联网视频应用；
基于不同互联网来源的互联网热力值数据和所述特征词，计算预设系统内的节目在各个不同互联网来源下对应的互联网节目热力值；
基于所述互联网节目热力值，分别生成多个对应各个不同互联网来源的互联网排行榜单。
可选的，所述基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单，包括：
将所述热点数据的来自不同路径的子节目热力值与预设的对应路径权重值相乘，累加得到综合节目热力值；其中，所述路径包括自有系统、互联网评论网站和互联网视频应用；
根据所述综合节目热力值生成综合排行榜单。
可选的，根据所述热点咨询的标签在预设片库中为所述热点综合排行榜单中的每一条咨询匹配视频内容，包括：
提取预设系统片库中节目的维基元数据；其中维基元数据包括节目形式、节目名称、节目类型标签、节目演员标签和节目导演；
将所述热点综合排行榜单中的每一条咨询的标签与维基元数据进行关联度计算，得到计算结果；
基于所述计算结果为所述综合排行榜单的咨询匹配视频内容。
第二方面，本申请实施例提供一种智能电视热点标签提炼及相关视频推荐装置，包括：
获取统计模块，用于获取并统计热点数据，得到节目热力值；其中所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；
综合排序模块，用于基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单；
标签提取模块，用于对所述综合排行榜单中每一个咨询内容提取一组标签；其中，所述标签内容包括节目名称、人物名称、地名和事件名；
匹配模块，用于基于所述咨询标签在预设片库中为所述综合排行榜单中的每一个咨询内容匹配内容，并基于所述匹配视频内容生成推荐方案；
存储显示模块，用于存储和显示所述综合排行榜单和榜单咨询对应的标签以及匹配视频。
第三方面，本申请实施例提供一种智能电视热点标签提炼及相关视频推荐设备，包括：处理器，以及与所述处理器相连接的存储器，所述处理器用于调用并执行所述存储器中的所述计算机程序；
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本申请上述任一一种的智能电视热点标签提炼及相关视频推荐方法。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请的实施例提供一种智能电视热点标签提炼及相关视频推荐方法和装置，该方法包括：获取并统计热点数据，得到节目热力值；其中，所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单；对所述热点综合排行榜单中的每一条热点咨询提取一组标签；其中，所述标签包括节目名称标签、人物名称标签、地名标签和事件名标签中的一种或多种；根据所述热点咨询的标签在预设片库中为所述热点综合排行榜单中的每一条咨询匹配视频内容；基于所述匹配的视频内容生成并推荐方案，并进行显示，从而可以实现结合自用用户喜好和互联网热点，对用户进行综合推荐，提高用户体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例示出的一种智能电视热点标签提炼及相关视频推荐方法的流程示意图；
图2为本申请另一实施例示出的一种智能电视热点标签提炼及相关视频推荐方法的流程示意图；
图3是本申请实施例示出的一种智能电视热点标签提炼及相关视频推荐装置的结构示意图。
1-获取统计模块，2-综合排序模块，3-标签提取模块，4-匹配模块，5-存储显示模块。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
目前广电、新媒体、运营商等运营方向皆参考互联网的热点事件等进行相关的工作任务计划，大部分无相关服务平台的数据支撑依据。本方案通过分析现网全量用户的使用行为结合网络热点等进行统一的热点标签提炼及相关视频推荐。
实施例：
参照图1，图1为本申请实施例示出的一种智能电视热点标签提炼及相关视频推荐方法的流程示意图，如图1所示，本申请实施例提供的智能电视热点标签提炼及相关视频推荐方法包括：
S101、获取并统计热点数据，得到节目热力值；其中，所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；
具体的，热点数据包括对自有用户的浏览搜索统计得到的自有用户热点数据，还包括从互联网中获取的互联网热点数据，自有用户热点数据包括自有用户有效浏览数据和自有用户搜索数据，自有用户有效浏览数据为在预设系统中，如智能电视系统中的用户有效浏览数据，具体可以包括用户浏览的咨询内容、浏览的时间、浏览的次数等信息数据；自有用户搜索数据包括预设系统中，如智能电视系统中的用户搜索内容、搜索次数等信息数据；互联网热点数据包括互联网热力值数据和互联网爆点事件数据，互联网热力值数据包括互联网热点资讯内容、每一条资讯内容具体的热力值；互联网爆点数据包括互联网爆点事件的咨询信息，如人物名称、所属类型等。
需要说明的是，自有用户有效浏览数据是指，自有用户浏览时间超过预设值的浏览数据，可以在预设系统或装置中对用户浏览时间进行设置，从而对用户浏览内容进行筛选，得到浏览时间超过预设时间的用户浏览信息，从而避免用户无意识的点到以及并不是真正感兴趣的内容。
另外，互联网热力值数据包括互联网热点咨询以及各热点咨询对应的热力值，这个热力值是互联网端生成的，如互联网评论网站、互联网视频网站在各自网站或视频应用中对咨询进行的热力值计算，如豆瓣热力值、爱奇艺热力值等；互联网爆点事件数据包括互联网爆点事件的各种信息，如人物名称、所属类型等，用于提取特征词，对咨询热力程度进行统计判断。
进一步的，在获取热点数据后，需要对热点数据进行统计，得到节目的热力值。具体的，因为热点数据包括自有用户热点数据和互联网热点数据，对应的节目热力值也包括自有节目热力值和互联网节目热力值。
在实际应用中，自有节目热力值的确定过程如下：首先，将自有用户有效浏览数据和所述自有用户搜索数据按节目形式进行分类，如分为电影、电视剧和综艺等不同类型；然后根据自有用户有效浏览数据和自有用户搜索数据计算预设系统内节目的自有节目热力值；最后根据自有节目热力值生成多个不同节目形式的自有排行榜单，如自有电影榜单、自有电视剧榜单和自有综艺榜单等。当然，节目形式也可以根据实际情况进行变动，增加不同的分类，相应生成不同排行榜单。
进一步的，互联网节目热力值的确定过程如下：首先，对互联网热点数据按互联网来源进行分类，如互联网评论网站和互联网视频应用等以及具体的可以分为多个互联网评论网站以及多个互联网视频应用如豆瓣、爱奇艺等；然后，根据网站或应用内对热点数据中咨询计算的热力值和根据从互联网爆点事件中提取的特征词，对预设系统中的节目计算互联网热力值，得到互联网节目热力值，如爱奇艺节目热力值、豆瓣节目热力值等，根据热力值，生成多个与不同互联网来源对应的互联网排行榜单，如豆瓣热力排行榜、爱奇艺榜等。
需要说明的是，从互联网爆点事件数据中提取的特征词可以包括爆点事件的人物名称、所属类型等，用于结合互联网热力值数据对互联网热点事件或资讯计算得到互联网节目热力值，进一步得到互联网排行榜单。
S102、基于预设算法和所述热点数据进行热点综合排序，得到热点综合排行榜单；
具体的，首先对热点数据来源进行权重分配，如从自有系统中获取的自有用户的热点数据的权重为80％，评论网站如豆瓣为10％，视频应用软件如爱奇艺等为10％，对不同来源的数据进行综合、排行校准，如：《西虹市首富》热力值在自有系统中的热力值为90、豆瓣热力值为85、爱奇艺热力值为85，对应权重分别为80％、豆瓣10％、爱奇艺10％，则该剧目的综合热力为90*80％+85*10％+85*10％＝89。如此，将各类型信息如新闻、突发事件、影视节目等资讯进行综合排序，生成热点综合排行榜单。
需要说明的是，上述提到的路径，其中互联网网站是以具体豆瓣网站为例进行说明的，而互联网视频应用是以具体爱奇艺为例进行说明的，这里只是为了说明而做的例子，在实际应用中，互联网网站路径不仅包括豆瓣还可以包括其他点评网站，同理，互联网视频应用软件也可以不止爱奇艺，也可以包括多个互联网视频应用，在增加相应的网站和视频应用时，只需要对其分配相应的权重就可以了。
S103、对所述热点综合排行榜单中的每一条热点咨询提取一组标签；其中，所述标签包括节目名称标签、人物名称标签、地名标签和事件名标签中的一种或多种；
具体的，对综合排行榜单中的每一个资讯内容都进行标签提取，每个资讯内容提取一组标签，提取的标签，可为节目名称、人物名称、地名、事件名等。如资讯名称“青岛新增注入病例2人”，则提取特征标签对应为青岛、病例等特征词汇；资讯名称“国庆档热映《我和我的家乡》”，则提取标签对应为国庆档、热映、《我和我的祖国》。具体的提取格式可以是Top1“青岛新增注入病例2人”标签：青岛、病例；Top2“国庆档热映《我和我的家乡》”标签：国庆档、热映、《我和我的祖国》。
S104、根据所述热点咨询的标签在预设片库中为所述热点综合排行榜单中的每一条咨询匹配视频内容。
具体的，首先提取预设片库中的视频内容的维基元数据(包括节目名称、节目类型标签、节目演员标签)，维基标签包含但不限于节目形式如电影、电视机综艺等、节目主演以及嘉宾等、节目导演、节目类型如喜剧、军事、古装等。在提取维基元数据后，将提取的标签信息与维基元数据进行计算匹配，将匹配度关联度高的视频内容匹配给与该标签对应的热点排行榜单中的各个咨询。
S105、基于所述匹配的视频内容生成并推荐方案，并进行显示。
具体的，推荐方案中可以包括综合排行榜单和榜单咨询对应的标签以及匹配视频。
本申请提供的智能电视热点标签提炼及相关视频推荐方法，分别从自有用户中和互联网中获取热点数据，进行综合排序，生成热点综合排行榜，然后通过对热点综合排行榜中的每条资讯提取标签，通过标签在预设片库中找到对应的视频，通过该方法实现以目标用户为核心的热点标签运营及内容服务，以自有用户为核心适用于智能电视业务的热点标签提炼及相关视频推荐方法，通过大数据及时手段及实现思想做到快速的信息反馈，提升用户使用体验，同时可丰富智能终端的节目服务形式，提升用户视听体验并且提升企业数据资产的资源利用价值。可为广电、新媒体、运营商、智能电视、内容退供方相关业务厂商等提供热点标签提炼及相关视频推荐的装置及方法。
下面将以一个具体的实施例对本申请智能电视热点标签提炼及相关视频推荐方法进行描述，图2是本申请另一实施例示出的一种智能电视热点标签提炼及相关视频推荐方法的流程示意图，如图2所示：
首先进行热点数据获取，其中包括采集自有用户观看、搜索行为，采集网络热点事件；然后对不同来源的热点数据进行融合，进行综合排序，此时生成热点排行榜单；对热点排行榜单中的热点事件进行标签提取；然后根据提取的标签信息在预设片库中匹配相关视频；最后，保留综合热点榜、热点对应标签以及标签相关视频计算结果，对用户进行推送播放。
基于同一个发明构思，本申请实施例还提供一种智能电视热点标签提炼及相关视频推荐装置，图3是本申请实施例示出的一种智能电视热点标签提炼及相关视频推荐装置的结构示意图，如图3所示，本申请实施例提供的智能电视热点标签提炼及相关视频推荐装置包括：
获取统计模块，用于获取并统计热点数据，得到节目热力值；其中所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；
综合排序模块，用于基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单；
标签提取模块，用于对所述综合排行榜单中每一个咨询内容提取一组标签；其中，所述标签内容包括节目名称、人物名称、地名和事件名
匹配模块，用于基于所述咨询标签在预设片库中为所述综合排行榜单中的每一个咨询内容匹配内容，生成推荐方案。
存储显示模块，用于存储和显示所述综合排行榜单和榜单咨询对应的标签以及匹配视频。
需要说明的是，本申请实施例提供的智能电视热点标签提炼及相关视频推荐装置中，存储显示模块可以直接对综合热榜、热榜对应标签以及标签相关事实进行显示，也可以提供对外接口，供外部设备调用。
基于同一个发明构思，本发明实施例提供了本申请实施例还提供一种智能电视热点标签提炼及相关视频推荐设备，该智能电视热点标签提炼及相关视频推荐设备包括：
处理器，以及与所述处理器相连接的存储器，所述处理器用于调用并执行所述存储器中的所述计算机程序；
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如本发明实施例所述的智能电视热点标签提炼及相关视频推荐方法。
基于同一个发明构思，本发明实施例还提供一种存储介质，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，实现如本发明实施例第一方面所述的智能电视热点标签提炼及相关视频推荐设备的中各个步骤。
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，在本申请的描述中，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，在本申请的描述中，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，并且本申请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，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请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，在本申请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申请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申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请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)

1.一种智能电视热点标签提炼及相关视频推荐方法，其特征在于，包括：
获取并统计热点数据，得到节目热力值；其中，所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；
基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单；
对所述热点综合排行榜单中的每一条热点咨询提取一组标签；其中，所述标签包括节目名称标签、人物名称标签、地名标签和事件名标签中的一种或多种；
根据所述热点咨询的标签在预设片库中为所述热点综合排行榜单中的每一条咨询匹配视频内容；
基于所述匹配的视频内容生成并推荐方案，并进行显示。
2.根据权利要求1所述的智能电视热点标签提炼及相关视频推荐方法，其特征在于，所述自有用户热点数据包括自有用户有效浏览数据和自有用户搜索数据。
3.根据权利要求2所述的智能电视热点标签提炼及相关视频推荐方法，其特征在于，获取并统计热点数据，得到节目热力值包括：
将所述自有用户有效浏览数据和所述自有用户搜索数据按节目形式进行分类；其中，所述节目类型包括电影、电视剧和综艺；
根据所述自有用户有效浏览数据和所述自有用户搜索数据计算预设系统内节目的自有节目热力值；
基于所述自有节目热力值，生成对应各个节目形式的自有排行榜单。
4.根据权利要求3所述的智能电视热点标签提炼及相关视频推荐方法，其特征在于，所述互联网热点数据包括互联网热力值数据和互联网爆点事件数据。
5.根据权利要求4所述的智能电视热点标签提炼及相关视频推荐方法，其特征在于，所述获取并统计热点数据，得到节目热力值，还包括：
提取所述互联网爆点事件数据的特征词；其中，所述特征词包括人物名称和所属类型。
6.根据权利要求5所述的智能电视热点标签提炼及相关视频推荐方法，其特征在于，所述获取并统计热点数据，得到节目热力值还包括：
将所述互联网热力值数据和所述互联网爆点事件数据按互联网来源进行分类；其中，所述互联网来源包括各个互联网评论网站和各个互联网视频应用；
基于不同互联网来源的互联网热力值数据和所述特征词，计算预设系统内的节目在各个不同互联网来源下对应的互联网节目热力值；
基于所述互联网节目热力值，分别生成多个对应各个不同互联网来源的互联网排行榜单。
7.根据权利要求1所述的智能电视热点标签提炼及相关视频推荐方法，其特征在于，所述基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单，包括：
将所述热点数据的来自不同路径的子节目热力值与预设的对应路径权重值相乘，累加得到综合节目热力值；其中，所述路径包括自有系统、互联网评论网站和互联网视频应用；
根据所述综合节目热力值生成综合排行榜单。
8.根据权利要求1所述的智能电视热点标签提炼及相关视频推荐方法，其特征在于，根据所述热点咨询的标签在预设片库中为所述热点综合排行榜单中的每一条咨询匹配视频内容，包括：
提取预设系统片库中节目的维基元数据；其中维基元数据包括节目形式、节目名称、节目类型标签、节目演员标签和节目导演；
将所述热点综合排行榜单中的每一条咨询的标签与维基元数据进行关联度计算，得到计算结果；
基于所述计算结果为所述综合排行榜单的咨询匹配视频内容。
9.一种智能电视热点标签提炼及相关视频推荐装置，其特征在于，包括：
获取统计模块，用于获取并统计热点数据，得到节目热力值；其中所述热点数据包括自有用户热点数据和互联网热点数据，所述节目热力值包括自有节目热力值和互联网节目热力值；
综合排序模块，用于基于预设算法和所述节目热力值进行热点综合排序，得到热点综合排行榜单；
标签提取模块，用于对所述综合排行榜单中每一个咨询内容提取一组标签；其中，所述标签内容包括节目名称、人物名称、地名和事件名；
匹配模块，用于基于所述咨询标签在预设片库中为所述综合排行榜单中的每一个咨询内容匹配内容，并基于所述匹配视频内容生成推荐方案；
存储显示模块，用于存储和显示所述综合排行榜单和榜单咨询对应的标签以及匹配视频。
10.一种智能电视热点标签提炼及相关视频推荐设备，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，所述处理器用于调用并执行所述存储器中的所述计算机程序；
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权利要求1-8中任一一种的智能电视热点标签提炼及相关视频推荐方法。
CN202110416714.0A 2021-04-19 2021-04-19 智能电视热点标签提炼及相关视频推荐方法、装置和设备 Pending CN113158040A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110416714.0A CN113158040A (zh) 2021-04-19 2021-04-19 智能电视热点标签提炼及相关视频推荐方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110416714.0A CN113158040A (zh) 2021-04-19 2021-04-19 智能电视热点标签提炼及相关视频推荐方法、装置和设备

Publications (1)

Publication Number Publication Date
CN113158040A true CN113158040A (zh) 2021-07-23

Family

ID=76868381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110416714.0A Pending CN113158040A (zh) 2021-04-19 2021-04-19 智能电视热点标签提炼及相关视频推荐方法、装置和设备

Country Status (1)

Country Link
CN (1) CN113158040A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113660515A (zh) * 2021-09-09 2021-11-16 深圳市易平方网络科技有限公司 基于智能电视的热点数据处理方法、装置、终端及介质
CN115062586A (zh) * 2022-08-08 2022-09-16 山东展望信息科技股份有限公司 一种基于大数据和人工智能的热点话题处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016054916A1 (zh) * 2014-10-11 2016-04-14 中兴通讯股份有限公司 视频内容的推荐、评价方法及装置
CN108419101A (zh) * 2018-05-08 2018-08-17 北京奇艺世纪科技有限公司 一种视频推荐页面生成方法及装置
CN112184525A (zh) * 2020-09-28 2021-01-05 上海市浦东新区行政服务中心(上海市浦东新区市民中心) 通过自然语义分析实现智能匹配推荐的系统及方法
CN112235614A (zh) * 2020-10-14 2021-01-15 广州欢网科技有限责任公司 电视节目排行榜数据的个性化推荐方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016054916A1 (zh) * 2014-10-11 2016-04-14 中兴通讯股份有限公司 视频内容的推荐、评价方法及装置
CN108419101A (zh) * 2018-05-08 2018-08-17 北京奇艺世纪科技有限公司 一种视频推荐页面生成方法及装置
CN112184525A (zh) * 2020-09-28 2021-01-05 上海市浦东新区行政服务中心(上海市浦东新区市民中心) 通过自然语义分析实现智能匹配推荐的系统及方法
CN112235614A (zh) * 2020-10-14 2021-01-15 广州欢网科技有限责任公司 电视节目排行榜数据的个性化推荐方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113660515A (zh) * 2021-09-09 2021-11-16 深圳市易平方网络科技有限公司 基于智能电视的热点数据处理方法、装置、终端及介质
CN115062586A (zh) * 2022-08-08 2022-09-16 山东展望信息科技股份有限公司 一种基于大数据和人工智能的热点话题处理方法

Similar Documents

Publication Publication Date Title
WO2018192437A1 (zh) 媒体内容推荐方法、服务器、客户端及存储介质
Costa-Montenegro et al. Which App? A recommender system of applications in markets: Implementation of the service for monitoring users’ interaction
US9280515B2 (en) Provision of alternate content in response to QR code
US20130047123A1 (en) Method for presenting user-defined menu of digital content choices, organized as ring of icons surrounding preview pane
US9407971B2 (en) Presentation of summary content for primary content
CN102999586B (zh) 一种网站推荐的方法和装置
CN112235614B (zh) 电视节目排行榜数据的个性化推荐方法及系统
US20120078953A1 (en) Browsing hierarchies with social recommendations
US11558480B2 (en) Tracking content use via social media
CN103686237A (zh) 推荐视频资源的方法及系统
CN103596020A (zh) 电视节目的混合编排和播放方法及系统
CN103907357A (zh) 用于呈现视频流的系统和方法
CN113079417B (zh) 生成弹幕的方法、装置、设备和存储介质
US20170220869A1 (en) Automatic supercut creation and arrangement
EP2537348A2 (en) Enhanced content search
CN109889864B (zh) 视频推送方法、装置、设备及存储介质
CN111125497A (zh) 一种信息推荐方法、装置、处理器以及存储介质
CN113158040A (zh) 智能电视热点标签提炼及相关视频推荐方法、装置和设备
CN103959795A (zh) 用于获得视频流的系统和方法
CN113505265A (zh) 数据的查询方法、装置及电子设备、存储介质、程序产品
CN103959286A (zh) 用于识别媒体项的可用性的系统和方法
CN114051160B (zh) 视频展示方法及装置
CN104615770A (zh) 一种移动终端收藏夹数据的推荐方法及装置
CN105453087A (zh) 具有共同兴趣信息的搜索结果
US9098369B1 (en) Application installation using in-video programming

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210723