CN113301401B - 一种电子节目单的生成方法及装置 - Google Patents
一种电子节目单的生成方法及装置 Download PDFInfo
- Publication number
- CN113301401B CN113301401B CN202110604343.9A CN202110604343A CN113301401B CN 113301401 B CN113301401 B CN 113301401B CN 202110604343 A CN202110604343 A CN 202110604343A CN 113301401 B CN113301401 B CN 113301401B
- Authority
- CN
- China
- Prior art keywords
- target
- classifier
- episode
- electronic program
- information
- 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
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
- H04N21/262—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
- H04N21/26283—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 associating distribution time parameters to content, e.g. to generate electronic program guide data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请提供了一种电子节目单的生成方法及装置，该方法利用多个剧集的历史属性信息及剧集的唯一标识训练得到分类器，使分类器学习到每个剧集稳定的属性信息(如，播放时间)，保证分类器预测的准确性，在此基础上，将目标信息输入到分类器，获得分类器预测出的各个剧集的唯一标识出现的概率，并从多个剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识，基于目标唯一标识获取目标剧集信息，保证目标剧集信息的准确性，进而保证生成的电子节目单的准确性。
Description
技术领域
本申请涉及电视技术领域，特别涉及一种电子节目单的生成方法及装置。
背景技术
电子节目单(EPG，Electronic Program Guide)，是IPTV系统为用户提供服务的入口界面，为各种IPTV业务提供索引及导航，是用户使用IPTV业务必不可少的操作平台。
当未来电子节目单缺失或者未来电子节目单不对时，会导致用户难以准确的定位到想要观看的节目。因此，如何准确的生成未来电子节目单成为问题。
发明内容
本申请提供如下技术方案：
一种电子节目单的生成方法，包括：
获取目标信息，所述目标信息至少包含目标时间；
将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率，所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间；
从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识；
基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
可选的，所述目标信息还包含：目标播放规则；
所述历史属性信息还包含：历史播放规则。
可选的，所述分类器包括贝叶斯分类器。
可选的，所述分类器的训练过程，包括：
获取历史电子节目单；
基于所述历史电子节目单，获取各个剧集的历史属性信息，并为每个所述剧集分配唯一标识；
利用多个所述剧集的历史属性信息及每个所述剧集的唯一标识，对分类器进行训练，使所述分类器具备预测每个剧集的唯一标识出现的概率的能力。
可选的，所述方法还包括：
展示所述电子节目单。
一种电子节目单的生成装置，包括：
获取模块，用于获取目标信息，所述目标信息至少包含目标时间；
分类模块，用于将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率，所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间；
确定模块，用于从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识；
生成模块，用于基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
可选的，所述目标信息还包含：目标播放规则；
所述历史属性信息还包含：历史播放规则。
可选的，所述分类器包括贝叶斯分类器。
可选的，所述装置还包括：分类器训练模块，用于：
获取历史电子节目单；
基于所述历史电子节目单，获取各个剧集的历史属性信息，并为每个所述剧集分配唯一标识；
利用多个所述剧集的历史属性信息及每个所述剧集的唯一标识，对分类器进行训练，使所述分类器具备预测每个剧集的唯一标识出现的概率的能力。
可选的，所述装置还包括：
展示模块，用于展示所述电子节目单。
与现有技术相比，本申请的有益效果为：
在本申请中，利用多个剧集的历史属性信息及剧集的唯一标识训练得到分类器，使分类器学习到每个剧集稳定的属性信息(如，播放时间)，保证分类器预测的准确性，在此基础上，将目标信息输入到分类器，获得分类器预测出的各个剧集的唯一标识出现的概率，并从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识，基于所述目标唯一标识获取目标剧集信息，保证目标剧集信息的准确性，进而保证生成的电子节目单的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例1提供的一种电子节目单的生成方法的流程示意图；
图2是本申请实施例2提供的一种电子节目单的生成方法的流程示意图；
图3是本申请实施例3提供的一种电子节目单的生成方法的流程示意图；
图4是本申请提供的一种电子节目单的生成装置的逻辑结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
为了解决上述问题，本申请提供了一种电子节目单的生成方法，接下来对本申请提供的电子节目单的生成方法进行介绍。
参照图1，为本申请实施例1提供的一种电子节目单的生成方法的流程示意图，如图1所示，该方法可以包括但并不局限于以下步骤：
步骤S101、获取目标信息，所述目标信息至少包含目标时间。
步骤S102、将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率。
所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间。
剧集可以理解为：某系列节目的全部视频集合。剧集可以由单集组成，单集可以理解为：某系列节目中全部视频集合中的一段视频。
本实施例中，分类器的训练过程，可以包括：
S1021、获取历史电子节目单。
历史电子节目单可以为但不局限于：过去一周的电子节目单、过去一个月的电子节目单或过去一年的电子节目单。
S1022、基于所述历史电子节目单，获取各个剧集的历史属性信息，并为每个所述剧集分配唯一标识。
历史属性信息可以包含但不局限于：历史播放时间。
S1023、利用多个所述剧集的历史属性信息及每个所述剧集的唯一标识，对分类器进行训练，使所述分类器具备预测每个剧集的唯一标识出现的概率的能力。
本实施例中，分类器可以包括但不局限于：贝叶斯分类器。对贝叶斯分类器进行训练，可以保证训练速度更快，进而保证生成电子节目单的效率更高。
步骤S103、从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识。
步骤S104、基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
本实施例中，可以从对历史电子节目单进行整理得到的剧集信息中获取目标唯一标识对应的目标剧集信息。
在本申请中，利用多个剧集的历史属性信息及剧集的唯一标识训练得到分类器，使分类器学习到每个剧集稳定的属性信息(如，播放时间)，保证分类器预测的准确性，在此基础上，将目标信息输入到分类器，获得分类器预测出的各个剧集的唯一标识出现的概率，并从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识，基于所述目标唯一标识获取目标剧集信息，保证目标剧集信息的准确性，进而保证生成的电子节目单的准确性。
作为本申请另一可选实施例，参照图2，为本申请实施例2提供的一种电子节目单的生成方法的流程示意图，本实施例主要是对上述实施例1描述的电子节目单的生成方法的扩展方案，如图2所示，该方法可以包括但并不局限于以下步骤：
步骤S201、获取目标信息，所述目标信息至少包含目标时间及目标播放规则。
步骤S202、将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率。
所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间和历史播放规则。
本实施例中，分类器的训练过程，可以包括：
S1021、获取历史电子节目单。
历史电子节目单可以为但不局限于：过去一周的电子节目单、过去一个月的电子节目单或过去一年的电子节目单。
S1022、基于所述历史电子节目单，获取各个剧集的历史属性信息，并为每个所述剧集分配唯一标识。
历史属性信息可以包含但不局限于：历史播放时间及历史播放规则。历史播放规则，可以理解为：剧集播放的规则，如，每周固定时间规律播放或每天固定时间点播放。
S1023、利用多个所述剧集的历史属性信息及每个所述剧集的唯一标识，对分类器进行训练，使所述分类器具备预测每个剧集的唯一标识出现的概率的能力。
本实施例中，利用多个所述剧集的历史播放时间及历史播放规则及每个所述剧集的唯一标识，对分类器进行训练，可以提高分类器的精准度。
步骤S203、从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识；
步骤S204、基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
本实施例中，利用多个所述剧集的历史播放时间及历史播放规则及每个所述剧集的唯一标识，对分类器进行训练，保证对分类器训练的样本的多样性，可以提高分类器的精准度。在此基础上，将目标时间和目标播放规则输入到的分类器，获得分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率，可以提高预测出的概率的准确性，进一步提高电子节目单生成的准确性。
作为本申请另一可选实施例，参照图3，为本申请实施例3提供的一种电子节目单的生成方法的流程示意图，本实施例主要是对上述实施例1描述的电子节目单的生成方法的扩展方案，如图3所示，该方法可以包括但并不局限于以下步骤：
步骤S301、获取目标信息，所述目标信息至少包含目标时间。
步骤S302、将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率，所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间。
步骤S303、从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识。
步骤S304、基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
步骤S301-S304的详细过程可以参见实施例1中步骤S101-S104的相关介绍，在此不再赘述。
步骤S305、展示所述电子节目单。
本实施例中，可以由播放终端展示电子节目单，实现播放终端展示准确的电子节目单，提高用户观看体验。
接下来对本申请提供的电子节目单的生成装置进行介绍，下文介绍的电子节目单的生成装置与上文介绍的电子节目单的生成方法可相互对应参照。
请参见图4，电子节目单的生成装置包括：获取模块100、分类模块200、确定模块300和生成模块400。
获取模块100，用于获取目标信息，所述目标信息至少包含目标时间；
分类模块200，用于将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率，所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间；
确定模块300，用于从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识；
生成模块400，用于基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
本实施例中，所述目标信息还可以包含：目标播放规则；
相应地，所述历史属性信息还可以包含：历史播放规则。
本实施例中，所述分类器可以包括贝叶斯分类器。
本实施例中，电子节目单的生成装置还可以包括：分类器训练模块，用于：
获取历史电子节目单；
基于所述历史电子节目单，获取各个剧集的历史属性信息，并为每个所述剧集分配唯一标识；
利用多个所述剧集的历史属性信息及每个所述剧集的唯一标识，对分类器进行训练，使所述分类器具备预测每个剧集的唯一标识出现的概率的能力。
本实施例中，电子节目单的生成装置还可以包括：
展示模块，用于展示所述电子节目单。
需要说明的是，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，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。
最后，还需要说明的是，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。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种电子节目单的生成方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种电子节目单的生成方法，其特征在于，包括：
获取目标信息，所述目标信息至少包含目标时间；
将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率，所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间；
从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识；
基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
2.根据权利要求1所述的方法，其特征在于，所述目标信息还包含：目标播放规则；
所述历史属性信息还包含：历史播放规则。
3.根据权利要求1或2所述的方法，其特征在于，所述分类器包括贝叶斯分类器。
4.根据权利要求1或2所述的方法，其特征在于，所述分类器的训练过程，包括：
获取历史电子节目单；
基于所述历史电子节目单，获取各个剧集的历史属性信息，并为每个所述剧集分配唯一标识；
利用多个所述剧集的历史属性信息及每个所述剧集的唯一标识，对分类器进行训练，使所述分类器具备预测每个剧集的唯一标识出现的概率的能力。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
展示所述电子节目单。
6.一种电子节目单的生成装置，其特征在于，包括：
获取模块，用于获取目标信息，所述目标信息至少包含目标时间；
分类模块，用于将所述目标信息输入到分类器，获得所述分类器预测出的各个剧集的唯一标识在所述目标时间出现的概率，所述分类器为利用多个剧集的历史属性信息及所述剧集的唯一标识训练得到的，所述历史属性信息至少包含历史播放时间；
确定模块，用于从多个所述剧集的唯一标识出现的概率中选择最大概率，将最大概率对应的唯一标识作为目标唯一标识；
生成模块，用于基于所述目标唯一标识获取目标剧集信息，并基于所述目标剧集信息，生成电子节目单。
7.根据权利要求6所述的装置，其特征在于，所述目标信息还包含：目标播放规则；
所述历史属性信息还包含：历史播放规则。
8.根据权利要求6或7所述的装置，其特征在于，所述分类器包括贝叶斯分类器。
9.根据权利要求6或7所述的装置，其特征在于，所述装置还包括：分类器训练模块，用于：
获取历史电子节目单；
基于所述历史电子节目单，获取各个剧集的历史属性信息，并为每个所述剧集分配唯一标识；
利用多个所述剧集的历史属性信息及每个所述剧集的唯一标识，对分类器进行训练，使所述分类器具备预测每个剧集的唯一标识出现的概率的能力。
10.根据权利要求6所述的装置，其特征在于，所述装置还包括：
展示模块，用于展示所述电子节目单。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110604343.9A CN113301401B (zh) | 2021-05-31 | 2021-05-31 | 一种电子节目单的生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110604343.9A CN113301401B (zh) | 2021-05-31 | 2021-05-31 | 一种电子节目单的生成方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113301401A CN113301401A (zh) | 2021-08-24 |
| CN113301401B true CN113301401B (zh) | 2022-07-12 |
Family
ID=77326545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110604343.9A Active CN113301401B (zh) | 2021-05-31 | 2021-05-31 | 一种电子节目单的生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113301401B (zh) |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020110360A1 (en) * | 2001-02-09 | 2002-08-15 | Potrebic Peter J. | Systems and methods for recording fragmented programs |
| JP2004080194A (ja) * | 2002-08-13 | 2004-03-11 | Pioneer Electronic Corp | Ｅｐｇ予測情報作成装置及び受信機、ｅｐｇ予測情報作成方法、並びにｅｐｇ予測情報作成プログラム |
| ZA200606346B (en) * | 2006-08-01 | 2007-12-27 | Nanfo Proprietary Ltd | Processing of broadcast schedules |
| JP5445085B2 (ja) * | 2009-12-04 | 2014-03-19 | ソニー株式会社 | 情報処理装置、およびプログラム |
| CN102056018B (zh) * | 2010-11-26 | 2014-01-08 | Tcl集团股份有限公司 | 一种提供电视节目单的方法、系统及提供点播信息的方法 |
| US10681428B2 (en) * | 2014-07-07 | 2020-06-09 | Hulu, LLC | Video view estimation for shows delivered using a video delivery service |
| CN108038439A (zh) * | 2017-12-06 | 2018-05-15 | 绵阳欢网科技有限责任公司 | 一种基于计算机校准节目单的方法和系统 |
| CN111031363B (zh) * | 2019-12-19 | 2021-12-31 | 北京汉晟时代科技有限公司 | 一种基于定量大数据的用户收视情况预测方法及系统 |
| CN111147874A (zh) * | 2019-12-25 | 2020-05-12 | 绵阳欢网科技有限责任公司 | 一种基于图像识别的节目单精确到秒的方法及系统 |
| CN111294608A (zh) * | 2020-02-21 | 2020-06-16 | 广州欢网科技有限责任公司 | 电视节目单处理方法、装置及可读存储介质 |
-
2021
- 2021-05-31 CN CN202110604343.9A patent/CN113301401B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113301401A (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108540826B (zh) | 弹幕推送方法、装置、电子设备及存储介质 | |
| US11477498B2 (en) | Methods, systems, and media for presenting media content items belonging to a media content group | |
| EP3324312A1 (en) | Content recommendation system with weighted metadata annotations | |
| CN110727868B (zh) | 对象推荐方法、装置和计算机可读存储介质 | |
| CN102207972B (zh) | 一种数字电视的影视节目推荐方法及其装置 | |
| US8244738B2 (en) | Data display apparatus, method, and program | |
| CN102163212B (zh) | 视频片段识别 | |
| US11816111B2 (en) | Methods, systems, and media for presenting related media content items | |
| CN108509611B (zh) | 用于推送信息的方法和装置 | |
| CN104782138A (zh) | 识别缩略图图像以呈现视频 | |
| CN102426577A (zh) | 信息处理设备、信息处理系统、信息处理方法和程序 | |
| CN106162351A (zh) | 一种视频推荐方法及装置 | |
| CN104853251A (zh) | 一种多媒体数据的在线收藏方法和装置 | |
| US20130073638A1 (en) | Information processing apparatus and method for providing information | |
| US8352985B2 (en) | Method of storing and displaying broadcast contents and apparatus therefor | |
| CN113301401B (zh) | 一种电子节目单的生成方法及装置 | |
| CN110569447B (zh) | 一种网络资源的推荐方法、装置及存储介质 | |
| EP3240295A1 (en) | Grid-type content presentation device and method | |
| CN110535669B (zh) | 内容推荐方法与内容推荐装置 | |
| US20190272330A1 (en) | Method and device for categorizing multimedia resources | |
| CN109460489A (zh) | 视频搜索方法和装置、电子设备以及计算机可读存储介质 | |
| CN112308074B (zh) | 用于生成缩略图的方法和装置 | |
| CN110555135A (zh) | 内容推荐方法、内容推荐装置和电子设备 | |
| CN111050194B (zh) | 视频序列处理方法、视频序列处理装置、电子设备及计算机可读存储介质 | |
| CN113449147A (zh) | 基于主题的视频推荐方法和装置 |
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 |