CN114513687B - 服务器及媒资推荐方法 - Google Patents
服务器及媒资推荐方法 Download PDFInfo
- Publication number
- CN114513687B CN114513687B CN202210131805.4A CN202210131805A CN114513687B CN 114513687 B CN114513687 B CN 114513687B CN 202210131805 A CN202210131805 A CN 202210131805A CN 114513687 B CN114513687 B CN 114513687B
- Authority
- CN
- China
- Prior art keywords
- media
- column
- media asset
- recommendation
- interval
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 claims 11
- 238000005314 correlation function Methods 0.000 claims 2
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000010521 absorption reaction Methods 0.000 description 10
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 10
- 239000010931 gold Substances 0.000 description 10
- 229910052737 gold Inorganic materials 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000000725 suspension Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending 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
- H04N21/466—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
- H04N21/47—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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请提供了一种服务器及媒资推荐方法,服务器被配置为:接收显示设备的媒资推荐请求;响应于媒资推荐请求,获取媒资推荐请求对应界面中感兴趣区域内的第一栏目和非感兴趣区域内的第二栏目;获取第一栏目在媒资数据库中的第一媒资推荐区间,在第一媒资推荐区间内根据用户数据进行媒资筛选,得到第一目标媒资,向显示设备发送第一目标媒资的媒资数据;获取第二栏目在媒资数据库中的第二媒资推荐区间,在第二媒资推荐区间内根据用户数据进行媒资筛选,得到第二目标媒资,向显示设备发送第二目标媒资的媒资数据,其中,第二媒资推荐区间中包含媒资排名低于第一媒资推荐区间内全部媒资的媒资数据。本申请提高了媒资推荐的媒资质量。
Description
技术领域
本申请涉及媒资推荐技术领域,尤其涉及一种服务器及媒资推荐方法。
背景技术
智能电视是人们观看影视剧、综艺、新闻等媒资的重要设备之一。为方便用户观看媒资,一些智能电视在开机后进入的系统首页为媒资推荐页面。媒资推荐页面可设置有多个媒资控件,每个媒资控件对应一个媒资,用户可浏览不同的媒资控件,以查找自己想要观看的媒资。相关技术中,为方便用户快速找到自己想要观看的媒资,媒资推荐页面显示的媒资是根据用户画像从媒资数据库中筛选出来的,其中,用户画像包含了根据用户历史观看记录预测出的用户感兴趣的媒资特征数据。然而,用户画像仅能反映用户的兴趣,不能反映媒资的质量,仅根据用户画像来推荐媒资,可能导致推荐的媒资质量较差,当这些质量较差的媒资位于显示设备的首页时,将会严重影响用户的观看体验。
发明内容
为解决不能搜索放映厅的技术问题,本申请提供了一种服务器及媒资推荐方法。
第一方面,本申请提供了一种服务器,该服务器被配置为:
接收显示设备的媒资推荐请求,所述媒资推荐请求包括用户标识;
响应于所述媒资推荐请求,获取所述媒资推荐请求对应界面中感兴趣区域内的第一栏目和非感兴趣区域内的第二栏目;
获取所述第一栏目在媒资数据库中的第一媒资推荐区间,在所述第一媒资推荐区间内根据所述用户标识对应的用户数据进行媒资筛选,得到第一目标媒资,向所述显示设备发送所述第一目标媒资的媒资数据;
获取所述第二栏目在媒资数据库中的第二媒资推荐区间,在所述第二媒资推荐区间内根据所述用户标识对应的用户数据进行媒资筛选,得到第二目标媒资,向所述显示设备发送所述第二目标媒资的媒资数据,其中,所述第二媒资推荐区间中包含媒资排名低于所述第一媒资推荐区间内全部媒资的媒资数据。
在一些实施例中,所述感兴趣区域和非感兴趣区域是根据所述媒资推荐请求对应界面的滑动方向为从上到下确定的两个区域,所述感兴趣区域位于所述非感兴趣区域的上方。
在一些实施例中,获取所述第一栏目在媒资数据库中的第一媒资推荐区间,包括:计算所述第一栏目的栏目序号对应的第一备选媒资数量;将媒资数据库中媒资排名在所述第一备选媒资数量之前的媒资区间为所述第一栏目的第一媒资推荐区间;
获取所述第二栏目在所述媒资数据库中的第二媒资推荐区间,包括:计算所述第二栏目的栏目序号对应的第二备选媒资数量;将所述媒资数据库中媒资排名在所述第二备选媒资数量之前的媒资区间为所述第二栏目的第二媒资推荐区间。
在一些实施例中,所述媒资排名的计算方法包括:
将所述媒资数据库中的全部媒资分别按照媒资类型设置媒资参数;
将所述媒资参数对应的媒资数据进行归一化;
计算归一化后的媒资参数的加权和,得到综合评分;
比较所述媒资数据库中全部媒资的综合评分,得到媒资排名。
第二方面,本申请提供了一种服务器,该服务器被配置为:
接收显示设备的媒资推荐请求,所述媒资推荐请求包括用户标识;
响应于所述媒资推荐请求,获取所述媒资推荐请求对应界面中感兴趣区域内的第一栏目和非感兴趣区域内的第二栏目;
获取所述第一栏目在媒资数据库中的第一媒资推荐区间,在所述第一媒资推荐区间内根据所述用户标识对应的用户数据进行媒资筛选,得到第一目标媒资,向所述显示设备发送所述第一目标媒资的媒资数据;
获取所述第二栏目在媒资数据库中的第二媒资推荐区间,在所述第二媒资推荐区间内根据所述用户标识对应的用户数据进行媒资筛选,得到第二目标媒资,向所述显示设备发送所述第二目标媒资的媒资数据,其中,所述第二媒资推荐区间中包含媒资排名低于所述第一媒资推荐区间内全部媒资的媒资数据。
本申请提供的服务器及媒资推荐方法的有益效果包括:
本申请实施例在进行媒资推荐时,根据感兴趣区域和非感兴趣区域确定每个栏目的媒资推荐区间,从每个栏目对应的媒资推荐区间内筛选出用户数据对应的目标媒资。每个栏目的媒资推荐区间均不是媒资数据库的全集,而是一个相对较小的范围,能提高推荐效率。媒资数据库中的媒资是按照基于媒资数据的媒资排名进行排序的,媒资排名越靠前,则媒资为高质量媒资的可能性越大。感兴趣区域的媒资推荐区间的末端相对靠前,非兴趣区域的媒资推荐区间的末端相对靠后,使得相对靠前的栏目对应的媒资推荐区间内的媒资排名也相对较为靠前,进而在相对靠前的栏目的媒资推荐区间内筛选出来的目标媒资的排名也相对靠前,从而减少了相对靠前的栏目推荐的媒资质量较差的问题。在媒资推荐区间内根据用户数据筛选目标媒资,充分考虑了用户兴趣,有利于提高推荐的媒资是用户感兴趣的媒资的概率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的实施方式,下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1中示例性示出了根据一些实施例的显示设备与控制装置之间操作场景的示意图;
图2中示例性示出了根据一些实施例的视频点播程序的首页示意图;
图3中示例性示出了根据一些实施例的媒资推荐方法的流程示意图;
图4中示例性示出了根据一些实施例的媒资推荐的整体流程示意图;
图5中示例性示出了根据一些实施例的媒资推荐过程的时序示意图。
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。
本申请实施方式提供的显示设备可以具有多种实施形式,例如,可以是电视、智能电视、激光投影设备、显示器(monitor)、电子白板(electronic bulletin board)、电子桌面(electronic table)等。图1为本申请的显示设备的一种具体实施方式。
图1为根据实施例中显示设备与控制装置之间操作场景的示意图。如图1所示,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,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、控制面板输入等输入用户指令,来控制显示设备200。
在一些实施例中,也可以使用智能设备300(如移动终端、平板电脑、计算机、笔记本电脑等)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,显示设备可以不使用上述的智能设备或控制设备接收指令,而是通过触摸或者手势等接收用户的控制。
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设备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,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,该视频点播程序的界面可以如图2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520,内容显示区520中显示的内容会随导航栏中被选中控件的变化而变化。显示设备在启动后进入的图2所示的视频点播程序的界面可称为显示设备的首页。
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。
在一些实施例中,导航栏510可设置有“VIP”、“足迹”、“新闻”、“推荐”、“影视”、“少儿”、“游戏”、“放映厅”等标题控件。每个标题控件对应的内容显示区520可显示由运营人员手动设置或由服务器自动推荐的栏目,每个栏目可包括多个媒资控件,每个媒资控件可对应一个媒资。随着媒资推荐朝着个性化的方向不断发展,服务器在进行媒资推荐时可根据用户的历史观看记录构建用户画像,根据用户画像推荐用户可能喜爱的媒资,其中,用户画像可包括用户的年龄、性别、历史观看的媒资的标签等数据。然而,仅根据用户画像为用户推荐媒资,可能会出现推荐的媒资质量较差的问题。由于用户点播显示设备的首页的媒资的概率较高,当这些质量较差的媒资位于显示设备的首页时,用户若点播了这些质量较差的媒资,可能产生较差的用户体验。
为解决上述技术问题,本申请实施例提供了一种媒资推荐方法,该媒资推荐方法中,当对首页不同位置的栏目进行推荐时,根据预先为媒资设置的综合了多个维度的媒资排名,以及栏目位置来自动控制影片范围,达到优质影片靠前展示的目的,有利于提升用户体验。
如图2所示,以“推荐”标题控件为例,内容显示区520可显示多个栏目,每个栏目可包括多个媒资控件。图2中,“推荐”标题控件对应的内容显示区520显示了4个栏目,分别为栏目521、栏目522、栏目523和栏目524。其中,每个栏目均包括4个媒资控件,每个媒资控件对应一个媒资。栏目521的栏目序号为1,栏目522的栏目序号为2,栏目523的栏目序号为3,栏目524的栏目序号为4,该栏目序号还可称为index(栏目垂直序号)。
实际实施中,“推荐”标题控件对应的栏目除了上述栏目521、栏目522、栏目523和栏目524,还可能包括更多栏目。这些未示出的栏目位于栏目524的下方,需要用户通过按遥控器的方向下键进行翻页查看。
在一些实施例中,为使得优质影片靠前展示,可预先综合多个维度为每个媒资设置媒资排名。
在一些实施例中,在进行媒资排名时,可考虑的维度如下表所示:
表1
如表1所示,本申请在进行媒资排名时,考虑的维度包括:吸金量、吸金系数、日VV、一周前日VV、运营商评分、票房、上映日期、历史累计VV。
在一些实施例中,对于不同分类的媒资,可从上述维度中选取一些维度来计算媒资排名。例如,对于媒资类型为电影、电视剧或综艺的媒资,相较其他媒资类型的媒资,吸引用户付费的概率更高,对于这三种类型的媒资,在计算媒资排名时可考虑吸金系数;其中,对于媒资类型为综艺的媒资,还需要考虑其周播特性,因此,在计算媒资排名时还可考虑一周前日点播次数。
对于不同分类的媒资,在计算媒资排名时考虑的维度如下表所示:
表2
表2中,媒资类型可为媒资的一级分类,如表2所示,若一个媒资A的媒资类型时电影,媒资B的媒资类型是电视剧,则媒资A和媒资B属于不同的一级分类。表2中,√表示考虑该维度,×表示不考虑该维度。由表2可见,对于不同媒资类型的媒资,在计算媒资排名时,考虑的维度不相同,可按照一级分类分别计算该分类下所有媒资的综合评分。
在一些实施例中,由于不同维度的数据跨度较大,为便于计算媒资排名,可将所有的维度进行归一化,将每个维度的数据均归一化到[0,10]的区间内。其中,对于数值型维度,如::吸金量、吸金系数、日VV、一周前日VV、运营商评分、票房、历史累计VV,可使用线性函数归一化(如Min-Max scaling)进行转换;对于上映日期(如2021-12-20),可采用时间衰减函数进行归一化。
在一些实施例中,针对不同的媒资类型,可将各维度设置不同的权重,其中,不考虑的维度可设置权重为0,也可设置不考虑的维度不参与媒资排名的计算。每个维度具体的权重可根据媒资类型和实际需要进行设置。例如,对于媒资类型为电影的媒资,可设置各考虑的维度的权重依次为0.15、0.2、0.1、0.05、0.15、0.15、0.1、0.1。对于媒资类型为综艺的媒资,可设置各考虑的维度的权重依次为0.15、0.15、0.1、0.05、0.2、0.1、0.15、0.1。计算归一化后的媒资参数的加权和,得到综合评分。
在一些实施例中,根据上述实施例得到媒资的综合评分后,可根据综合评分得到媒资数据库中各媒资的媒资排名,综合评分最高的媒资的媒资排名为1,综合评分第二的媒资的媒资排名为2。其中,媒资数据库是视频点播程序对应的服务器端的一个数据库,该数据库可存储大量媒资的媒资信息,媒资信息可包括媒资标题、媒资类型、媒资封面、播放地址等信息。
基于上述媒资排名,服务器为显示设备的首页推荐媒资的方法可参见图3,为根据一些实施例的媒资推荐方法的流程示意图,如图3所示,该媒资推荐方法可包括如下步骤:
步骤S101:接收显示设备的媒资推荐请求,所述媒资推荐请求包括用户标识。
在一些实施例中,用户启动显示设备后,显示设备进入视频点播程序的首页,为展示图2所示的视频点播程序的首页,显示设生成首页请求,向服务器发送该首页请求。该首页请求可为包括用户标识的媒资推荐请求,该显示设备的首页为一个媒资推荐页面,该用户标识可为登录视频点播程序的账号的ID,即用户ID,该用户ID可称为用户标识。
在一些实施例中,用户启动显示设备后,若显示设备未检测到登录视频点播程序的账号的ID,可生成不包含用户ID的首页请求或生成用户ID为空的首页请求。
在一些实施例中,服务器在接收到首页请求后,获取首页的编排数据。该编排数据包括首页的栏目数据,栏目数据包括栏目类型、栏目序号、推荐位数量以及推荐位类型等数据。
在一些实施例中,栏目类型可包括人工类型、推荐类型和混合类型,人工类型表示该栏目的推荐位的媒资由运营人员指定,不需要由服务器进行推荐,推荐类型表示该栏目的全部推荐位的媒资均需要由服务器进行推荐,混合类型表示该栏目的部分推荐位的媒资需要由服务器进行推荐,部分推荐位的媒资需要由运营人员指定。
在一些实施例中,推荐位类型可包括人工类型和推荐类型,人工类型表示该推荐位的媒资由运营人员指定,不需要由服务器进行推荐,推荐类型表示该推荐位的媒资需要由服务器进行推荐。
在一些实施例中,若一个栏目的栏目类型为人工类型,该栏目的栏目数据也可不包含推荐位类型,服务器只需根据栏目类型为人工类型,默认推荐位类型均为人工类型。若一个栏目的栏目类型为推荐类型,该栏目的栏目数据也可不包含推荐位类型,服务器只需根据栏目类型为推荐类型,默认推荐位类型均为推荐类型。若一个栏目的栏目类型为混合类型,在该栏目的栏目数据中,每个推荐位的数据均包括推荐位类型,服务器需要根据推荐位类型判定推荐位是否需要进行媒资推荐。
示例性的,图2对应的栏目数据包括四个栏目的数据,这四个栏目的栏目数据中,栏目类型均为推荐类型。
在一些实施例中,若一个栏目的栏目数据中的栏目类型为推荐类型,则表明该栏目的每个推荐位的媒资均需要服务器进行推荐。服务器可从栏目数据中获取该栏目的栏目序号,然后从媒资数据库中获取该栏目序号对应的媒资推荐区间。
根据上述实施例,媒资数据库中的每个媒资均设置有一个媒资排名,该媒资排名的相关因素包括吸金量、吸金系数、昨日点播次数、一周前日点播次数等影响用户体验和媒资收益的因素,其中,吸金量为昨日付费后首次点播该媒资的用户数,吸金系数为昨日付费后首次点播该媒资的用户数与昨日该媒资的总点播量的比值。根据媒资类型不同,该媒资排名的侧重点也不同。例如,媒资类型为电影、电视剧或综艺的媒资,相较其他媒资类型的媒资,吸引用户付费的概率更高,对于这三种类型的媒资,吸金系数在媒资排名中的权重较高;其中,对于媒资类型为综艺的媒资,还需要考虑其周播特性,因此,一周前日点播次数在媒资排名中的权重也较高。
步骤S102:响应于所述媒资推荐请求,获取所述媒资推荐请求对应界面中感兴趣区域内的第一栏目和非感兴趣区域内的第二栏目。
在一些实施例中,可根据媒资推荐页面的滑动方向为从向到下,可将两个垂直的区域中,位于上方的区域视为感兴趣区域,将位于下方的区域视为非感兴趣区域。感兴趣区域可为包含一个栏目的区域,感兴趣区域内的栏目可称为第一栏目,非感兴趣区域可为包含一个栏目的区域,非感兴趣区域内的栏目可称为第二栏目。以图2为例,栏目521与栏目522相比,栏目521位于栏目522的上方,因此,栏目521所在的区域可视为感兴趣区域,栏目522所在的区域可视为非感兴趣区域;栏目522与栏目523相比,栏目522位于栏目523的上方,因此,栏目522所在的区域可视为感兴趣区域,栏目523所在的区域可视为非感兴趣区域;栏目523与栏目524相比,栏目523位于栏目524的上方,因此,栏目523所在的区域可视为感兴趣区域,栏目524所在的区域可视为非感兴趣区域。可见,感兴趣区域和非感兴趣区域为相对而言的感念,其所指代的坐标区域不是固定不变的,本申请实施例提出感兴趣区域和非感兴趣区域的概念,其目的是为了说明用户通常对不同栏目的感兴趣程度不同,对感兴趣区域的感兴趣程度相对较高,对非感兴趣区域的感兴趣程度相对较低,即对于栏目521至栏目524,用户感兴趣程度通常逐渐降低。
本申请实施例以栏目521为感兴趣区域内的第一栏目、栏目522为非感兴趣区域内的第二栏目为例介绍不同栏目媒资推荐范围的不同,应当理解的是,实际实施中,多个栏目可以并行进行媒资推荐。
步骤S103:获取所述第一栏目在媒资数据库中的第一媒资推荐区间,在所述第一媒资推荐区间内根据所述用户标识对应的用户数据进行媒资筛选,得到第一目标媒资,向所述显示设备发送所述第一目标媒资的媒资数据;
在一些实施例中,第一栏目在媒资数据库中的媒资推荐区间可称为第一媒资推荐区间,第二栏目在媒资数据库中的媒资推荐区间可称为第二媒资推荐区间,。
在一些实施例中,每个栏目序号对应的媒资推荐区间为媒资排名1到f(n)之间的媒资,其中,n为栏目序号,f(n)为跟栏目序号正相关的函数,n越大,则f(n)越大。示例性的,f(n)=200n,表示若栏目序号n为1,则该栏目序号对应的媒资推荐区间为媒资排名前200的媒资,若栏目序号n为2,则该栏目序号对应的媒资推荐区间为媒资排名前400的媒资,若栏目序号n为3,则该栏目序号对应的媒资推荐区间为媒资排名前600的媒资,以此类推。根据上述媒资推荐区间的计算方式,栏目521的媒资推荐区间为在媒资数据库中媒资排名前200的媒资,栏目522的媒资推荐区间为在媒资数据库中媒资排名前400的媒资。
在一些实施例中,在得到媒资推荐区间后,可分别计算媒资推荐区间中每个媒资的媒资数据与用户数据的匹配度,将匹配度达不到预设匹配度阈值的媒资过滤掉。在一些实施例中,每个媒资的媒资数据与用户数据的匹配度包括媒资数据中的媒资标签与用户数据中的兴趣标签的匹配度,其中,用户数据中的兴趣标签可基于对用户行为历史数据的分析得到,用户行为历史数据包括用户历史观看媒资的数据、收藏媒资的数据、分享媒资的数据等行为数据。
将匹配度达到预设阈值的媒资进行保留,将匹配度达不到预设阈值的媒资滤除。
在一些实施例中,计算匹配度使用ElasticSearch(简称ES)开源工具,媒资的媒资标签使用ES的rank_features字段类型存储,每个媒资标签设置有标签权重。用户的兴趣标签存储在KV类型数据库中,每个兴趣标签设置有标签权重,用户的兴趣标签以及便签权重可称为用户偏好数据。通过兴趣标签和媒资标签的匹配和权重计算用户数据与媒资数据的匹配度。举例如下:
示例性的,用户的兴趣标签可分为在若干等级媒资分类下的兴趣标签,例如,可分为二级分类下的兴趣标签和三级分类的兴趣标签,其中,二级分类是媒资特点的一种粗分分类方式,三级分类是媒资特点的一种细分分类方式。若用户在电视剧的二级分类下的兴趣标签为{“悬疑”:1.0,“战争”:0.4208,“谍战”:0.24},在电视剧的三级分类下的兴趣标签为{“硬汉”:1.0,“抗战”:0.5},表示用户对悬疑片和硬汉片的喜爱程度较高,对战争片、谍战片和抗战片的喜爱程度较小,其中,1.0、0.4208、0.24和0.5表示归一化后的权重,权重为1.0表示用户非常喜爱具有该兴趣标签的电视剧,权重为0表示用户不喜爱具有该兴趣标签的电视剧。
在进行匹配度计算时,输入到ES的查询指令可为类似如下的指令:
"bool":{"should":[{"rank_feature":{"field":"category.悬疑","boost":1.0,"saturation":{"pivot":0.00001}}},{"rank_feature":{"field":"category.战争","boost":0.4208,"saturation":{"pivot":0.00001}}},{"rank_feature":{"field":"category.谍战","boost":0.24,"saturation":{"pivot":0.00001}}},{"ran k_feature":{"field":"rs_tags.硬汉","boost":1.0,"saturation":{"pivot":0.00001}}},{"rank_feature":{"field":"rs_tags.抗战","boost":0.5,"saturation":{"pivot":0.00001}}}]。
在一些实施例中,ES接收到上述查询指令后,在每个媒资的媒资标签中查找与用户的兴趣标签相同的标签,然后计算所有相同的标签的加权和,得到该媒资的媒资数据与用户数据的匹配得分,该匹配得分为用户数据与媒资数据的匹配度。根据每个栏目序号对应的推荐位的数量,按照匹配得分由高到低筛选媒资,将保留下来的媒资通预训练的排序模型进行排序,得到媒资顺序;按照所述媒资顺序筛选出推荐位数量的媒资。
在一些实施例中,排序模型可选用Wide&Deep、DeepFM等用户进行媒资推荐的排序模型,本申请对此不做具体限制。排序模型可预先训练至收敛,在需要将一些媒资进行排序时,可使用TensorFlow的tfserving模块调用该排序模型。
在一些实施例中,可将用户数据中的兴趣标签、用户活跃统计、时间段、媒资标签、媒资统计值、媒资质量等数据作为排序特征输入到排序模型,供排序模型基于这些排序特征进行媒资排序。
在一些实施例中,用户启动显示设备后,若显示设备未检测到登录视频点播程序的账号的ID,可生成不包含用户ID的首页请求或生成用户ID为空的首页请求。显示设备根据该首页请求得到媒资推荐区间后,直接将媒资推荐区间内的媒资通过预训练的排序模型进行排序,得到媒资顺序,按照所述媒资顺序筛选出推荐位数量的媒资。
在一些实施例中,为第一栏目筛选出的媒资可称为第一目标媒资,获取该第一目标媒资的媒资信息,如媒资海报、媒资标题等信息,将获取到的信息作为推荐媒资数据。
在一些实施例中,在得到推荐媒资数据后,可将推荐媒资数据反馈给显示设备,以使显示设备生成该推荐媒资数据对应的首页界面。
步骤S104:获取所述第二栏目在媒资数据库中的第二媒资推荐区间,在所述第二媒资推荐区间内根据所述用户标识对应的用户数据进行媒资筛选,得到第二目标媒资,向所述显示设备发送所述第二目标媒资的媒资数据,其中,所述第二媒资推荐区间中包含媒资排名低于所述第一媒资推荐区间内全部媒资的媒资数据。
在一些实施例中,与第一栏目不同的是,第二栏目的媒资推荐区间为在媒资数据库媒资排名前400的媒资,可见,该媒资排名前400的媒资包含了媒资排名低于第一媒资推荐区间内全部媒资的媒资数据,如包含了媒资排名201的媒资。
在一些实施例中,为第二栏目筛选出的媒资可称为第二目标媒资,第二目标媒资的筛选方法可参见步骤S103,在此不再详细描述。获取该第二目标媒资的媒资信息,如媒资海报、媒资标题等信息,将获取到的信息作为推荐媒资数据。
在一些实施例中,在得到推荐媒资数据后,可将推荐媒资数据反馈给显示设备,以使显示设备生成该推荐媒资数据对应的首页界面。
需要说明的是,在实际实施中,可将上述实施例进行变形,例如,在得到第一目标媒资或第二目标媒资对应的推荐媒资数据后,可不立即向显示设备发送推荐媒资数据,而是等到得到多个栏目的推荐媒资数据后,将多个栏目的推荐媒资数据一并下发到显示设备。
为对本申请实施例提供的媒资推荐方法做进一步描述,下面从运营人员设置首页的编排数据开始对媒资推荐的整体过程进行介绍。
参见图4,为根据一些实施例的媒资推荐的整体流程示意图。图4中,在媒资推荐的整体流程中,参与的主体包括用户、显示设备、服务器端的运营人员、服务器上的在线子系统和推荐子系统。其中,运营人员执行的步骤为步骤S200,用户执行的步骤为S201,显示设备执行的步骤为S202,在线子系统执行的步骤为步骤S203、步骤S204、步骤S210和步骤S211,推荐子系统执行的步骤为步骤S205、步骤S206、步骤S207、步骤S208和步骤S209。数据库D1是首页编排库,用于存储首页的编排数据,数据库D2是媒资数据库,用于存储待推荐媒资候选集,待推荐媒资候选集包括大量媒资的媒资数据,数据库D3是用户数据库,用于存储用户偏好数据。
步骤S200:人工进行首页栏目编排并发布,其中,栏目设置有栏目类型和栏目主题。
在一些实施例中,运营人员可为视频点播程序的首页设置编排数据,该编排数据包括首页的栏目数据,栏目数据包括栏目类型、栏目主题、栏目序号、推荐位的数量以及推荐位类型等数据。
在一些实施例中,栏目主题可为剧情、喜剧、动作、爱情、悬疑、战争等媒资的主题。
在一些实施例中,运营系统为视频点播程序的首页设置好编排数据后,将该编排数据存储到数据库D1中。
步骤S201:启动显示设备。
步骤S202:显示设备请求首页数据。
步骤S203:在线子系统读取首页的编排数据。
在一些实施例中,在线子系统可从首页编排库中获取首页的编排数据。
步骤S204:在线子系统判断栏目类型。
步骤S205:推荐子系统获取首页的编排数据、用户偏好数据、待推荐媒资候选集。
在一些实施例中,推荐子系统可从媒资数据库中获取待推荐媒资候选集,从用户数据库中获取用户数据,用户数据包括用户偏好数据。
步骤S206:推荐子系统根据栏目序号从待推荐媒资候选集召回一定数量媒资的媒资数据。
在一些实施例中,对于一个栏目,推荐子系统可计算所述栏目的栏目序号对应的备选媒资数量,然后从待推荐媒资候选集中获取媒资排名在前备选媒资数量的媒资,得到媒资推荐区间,该媒资推荐区间对应媒资的媒资数据可称为备选媒资数据。例如,若栏目序号为1,则可确定备选媒资数量为200,获取媒资排名前200的媒资数据作为备选媒资数据;若栏目序号为2,则可确定备选媒资数量为400,获取媒资排名前400的媒资数据作为备选媒资数据。
步骤S207:将召回的媒资数据与用户历史已推荐媒资去重,若去重后媒资个数不够,按照媒资的综合排名补充召回媒资数据并再次进行去重以及主题过滤。
在一些实施例中,推荐子系统在得到备选媒资数据后,可根据栏目数据中的栏目主题,从备选媒资数据中筛选出媒资的主题与该栏目主题一致的媒资数据,然后将筛选出的媒资数据与其他栏目已推荐的媒资进行去重,避免重复推荐,得到第一媒资范围。去重是指若当前栏目的第一媒资范围内的一个媒资与栏目序号小于当前栏目的栏目序号的一个已推荐媒资重复,则将该媒资的媒资数据从当前栏目的备选媒资数据中滤除,将媒资推荐区间进行去重和栏目主题的过滤后,得到第一媒资范围。
若第一媒资范围中的媒资数量小于该栏目对应的推荐位数量,则可从待推荐媒资候选集中当前栏目序号对应媒资范围的下一个媒资开始进行一定数量的媒资数据召回,召回媒资的主题与当前栏目主题一致且与已推荐的媒资不重复的媒资的媒资数据,得到第二媒资范围。
若第一媒资范围中的媒资数量大于或等于该栏目对应的推荐位数量,则不再从待推荐媒资候选集中对当前栏目进行补充召回。
步骤S208:计算用户偏好数据与召回媒资的匹配度,限制匹配度高的输入排序模型。
在一些实施例中,推荐子系统在得到第一媒资范围后,若第一媒资范围对应媒资的数量大于或等于该栏目的媒资推荐位的数量,则可计算第一媒资范围中每个媒资的数据与与用户偏好数据的匹配度,将匹配度达不到预设阈值的备选媒资数据进行滤除。
在一些实施例中,推荐子系统在得到第一媒资范围后,若第一媒资范围对应媒资的数量小于该栏目的媒资推荐位的数量,则可计算第二媒资范围中每个媒资的数据与用户偏好数据的匹配度,将匹配度达不到预设阈值的备选媒资数据进行滤除。
步骤S209:排序模型对媒资进行排序,返回需要个数的媒资列表,并录入用户已推荐媒资列表。
在一些实施例中,排序模型的排序算法可为基于热度或匹配度的单一因素的排序算法,也可以是基于多个因素,多个因素分别设置有权重的多因素排序算法,在将多个媒资的媒资数据进行排序后,可根据每个栏目序号对应的推荐位的数量,保留排序靠前的媒资数据,将该媒资数据对应的媒资标识录入已推荐媒资列表。
步骤S210:获取指定媒资数据。
根据每个栏目序号对应的推荐位的数量,从保留下来的备选媒资数据中按照匹配度由高到低的顺序进行排序,选取数量与当前栏目的媒资数量相同且排序靠前的媒资数据作为推荐媒资数据。
步骤S211:在线子系统整合指定媒资数据和推荐媒资数据并下发。
由图4可见,在一些实施例中,若首页的栏目数据中设置了媒资的主题,则需要对媒资推荐区间内的媒资进行主题过滤,为保障媒资推荐效果,还可进行媒资的去重,从而满足运营人员对首页的展示需求以及用户的观看体验。
为对本申请实施例提供的媒资推荐方法做进一步介绍,下面从用户进入显示设备的首页开始对媒资推荐过程进行介绍。
参见图5,为根据一些实施例的媒资推荐过程的时序示意图。图5中,服务器可设置有在线子系统、推荐子系统、内容子系统、运营子系统和会员子系统,其中,会员子系统内设置有用户数据库,用户数据库可包括用户行为历史数据和用户偏好数据,运营子系统内设置有首页编排库。
在一些实施例中,运营人员在编排首页后,得到首页编排数据,将首页编排数据在运营子系统进行存储,运营子系统可设置有首页编排库,首页编排数据可存储在该首页编排库中。
在一些实施例中,用户在进入显示设备的首页后,显示设备获取当前登录账号的用户ID,生成包含该用户ID的首页请求,向在线子系统发送该首页请求。
在一些实施例中,在线子系统接收到该首页请求后,向运营子系统内的首页编排库查询首页的编排数据。
在一些实施例中,在线子系统在获取到首页的编排数据后,得到首页的栏目数据。对栏目数据中的栏目类型进行判断。
在一些实施例中,若在线子系统判定一个栏目的栏目类型为推荐类型,则生成包含用户ID和栏目序号的媒资推荐请求,向推荐子系统发送该媒资推荐请求。
在一些实施例中,推荐子系统接收到媒资推荐请求后,从媒资推荐请求中获取用户ID,向会员子系统查询该用户ID对应的用户数据,并向内容子系统获取待推荐媒资候选集。
在一些实施例中,推荐子系统根据栏目序号和用户数据从待推荐媒资候选集中筛选媒资数据,将筛选出的媒资数据进行排序后生成推荐数据,将推荐数据返回给在线子系统。
在一些实施例中,若在线子系统判定一个栏目的栏目类型为人工类型,则直接根据栏目类型中的媒资ID,向内容子系统查询该媒资ID对应的媒资数据,该媒资数据可称为指定媒资数据。
在一些实施例中,在线子系统获取到首页的编排数据中每个栏目对应的媒资数据后,可将全部栏目对应的媒资数据进行组装,得到首页数据,将首页返回给显示设备。
在一些实施例中,显示设备在接收该首页数据后,可根据首页数据显示图2所示的显示设备的首页。
由上述实施例可见,本申请实施例在进行媒资推荐时,根据感兴趣区域和非感兴趣区域确定每个栏目的媒资推荐区间,从每个栏目对应的媒资推荐区间内筛选出用户数据对应的目标媒资。每个栏目的媒资推荐区间均不是媒资数据库的全集,而是一个相对较小的范围,能提高推荐效率。媒资数据库中的媒资是按照基于媒资数据的媒资排名进行排序的,媒资排名越靠前,则媒资为高质量媒资的可能性越大。栏目序号越小,媒资推荐区间的末端越靠前,使得相对靠前的栏目对应的媒资推荐区间内的媒资排名也相对较为靠前,进而在相对靠前的栏目的媒资推荐区间内筛选出来的目标媒资的排名也相对靠前,从而减少了相对靠前的栏目推荐的媒资质量较差的问题。在媒资推荐区间内根据用户数据筛选目标媒资,充分考虑了用户兴趣,有利于提高推荐的媒资是用户感兴趣的媒资的概率。
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 (8)
1.一种媒资推荐方法,应用于服务器,其特征在于,包括:
接收显示设备的媒资推荐请求,所述媒资推荐请求包括用户标识;
响应于所述媒资推荐请求,获取所述媒资推荐请求对应界面中感兴趣区域和非感兴趣区域,所述感兴趣区域的推荐位和所述非感兴趣区域的推荐位均为推荐类型,且均不是人工类型,所述感兴趣区域的栏目序号和所述非感兴趣区域的栏目序号是连续的;
获取所述感兴趣区域的栏目序号,在媒资数据库中获取所述感兴趣区域的栏目序号的第一媒资推荐区间,所述第一媒资推荐区间包括所述媒资数据库中媒资排名为1到f(n)之间的媒资,计算所述用户标识对应的用户数据与所述第一媒资推荐区间内的媒资的匹配度,滤除所述第一媒资推荐区间内达不到预设匹配度阈值的媒资,得到第一目标媒资,向所述显示设备发送所述第一目标媒资的媒资数据,其中,所述n为所述感兴趣区域的栏目序号,所述f(n)为n的正相关的函数,匹配度包括媒资的媒资数据中的媒资标签与用户数据中的兴趣标签的匹配度,所述用户数据中的兴趣标签通过对用户行为历史数据的分析得到;
获取所述非感兴趣区域的栏目序号,在媒资数据库中获取所述非感兴趣区域的栏目序号的第二媒资推荐区间,所述第二媒资推荐区间包括所述媒资数据库中媒资排名为1到f(n+1)之间的媒资,计算所述用户标识对应的用户数据与所述第二媒资推荐区间内的媒资的匹配度,滤除所述第二媒资推荐区间内达不到预设匹配度阈值的媒资,得到第二目标媒资,向所述显示设备发送所述第二目标媒资的媒资数据,其中,所述n+1为所述非感兴趣区域的栏目序号,所述f(n+1)为n+1的正相关的函数,所述第二媒资推荐区间中包含媒资排名f(n)至f(n+1)区间内全部媒资的媒资数据。
2.根据权利要求1所述的媒资推荐方法,其特征在于,
所述感兴趣区域和非感兴趣区域是根据所述媒资推荐请求对应界面的滑动方向为从上到下确定的两个区域,所述感兴趣区域位于所述非感兴趣区域的上方。
3.根据权利要求1所述的媒资推荐方法,其特征在于,
获取所述感兴趣区域的栏目序号,在媒资数据库中获取所述感兴趣区域的栏目序号的第一媒资推荐区间,包括:计算所述感兴趣区域的栏目序号对应的第一备选媒资数量;将媒资数据库中媒资排名在所述第一备选媒资数量之前的媒资区间为所述感兴趣区域的栏目序号的第一媒资推荐区间;
获取所述非感兴趣区域的栏目序号,在所述媒资数据库中获取所述非感兴趣区域的栏目序号的第二媒资推荐区间,包括:计算所述非感兴趣区域的栏目序号对应的第二备选媒资数量;将所述媒资数据库中媒资排名在所述第二备选媒资数量之前的媒资区间为所述非感兴趣区域的栏目序号的第二媒资推荐区间。
4.根据权利要求3所述的媒资推荐方法,其特征在于,所述媒资排名的计算方法包括:
将所述媒资数据库中的全部媒资分别按照媒资类型设置媒资参数;
将所述媒资参数对应的媒资数据进行归一化;
计算归一化后的媒资参数的加权和,得到综合评分;
比较所述媒资数据库中全部媒资的综合评分,得到媒资排名。
5.根据权利要求1所述的媒资推荐方法,其特征在于,计算所述用户标识对应的用户数据与所述第一媒资推荐区间内的媒资的匹配度,滤除所述第一媒资推荐区间内达不到预设匹配度阈值的媒资,包括:
将匹配度达到预设匹配度阈值的媒资通过预训练的排序模型进行排序,得到媒资顺序;
按照所述媒资顺序筛选出所述感兴趣区域对应的推荐位数量的媒资。
6.根据权利要求5所述的媒资推荐方法,其特征在于,计算所述用户标识对应的用户数据与所述第一媒资推荐区间内的媒资的匹配度,之前还包括:
按照所述感兴趣区域的媒资推荐主题将所述第一媒资推荐区间内的媒资进行过滤;
在所述媒资推荐区间内,将与栏目垂直序号高于所述感兴趣区域的栏目重复的媒资进行去重,得到用于计算所述匹配度的第一媒资范围。
7.根据权利要求6所述的媒资推荐方法,其特征在于,所述方法还包括:
若所述第一媒资范围内的媒资数量小于所述感兴趣区域对应的推荐位数量,按照所述媒资排名将预设数量的媒资补充到所述第一媒资范围,并再次进行过滤以及去重,得到第二媒资范围。
8.一种服务器,其特征在于,包括:媒资数据库和用户数据库,所述服务器与显示设备通信连接,所述服务器被配置为执行如权利要求1-7任一项所述的媒资推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210131805.4A CN114513687B (zh) | 2022-02-14 | 2022-02-14 | 服务器及媒资推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210131805.4A CN114513687B (zh) | 2022-02-14 | 2022-02-14 | 服务器及媒资推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114513687A CN114513687A (zh) | 2022-05-17 |
CN114513687B true CN114513687B (zh) | 2024-02-27 |
Family
ID=81552106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210131805.4A Active CN114513687B (zh) | 2022-02-14 | 2022-02-14 | 服务器及媒资推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114513687B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115174997B (zh) * | 2022-06-29 | 2023-11-28 | Vidaa国际控股(荷兰)公司 | 显示设备和媒资推荐方法 |
CN116401435B (zh) * | 2023-02-22 | 2023-11-10 | 北京麦克斯泰科技有限公司 | 一种日活跃栏目热度计算及调度方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407241A (zh) * | 2016-03-21 | 2017-02-15 | 传线网络科技(上海)有限公司 | 视频推荐方法及系统 |
CN108108446A (zh) * | 2017-12-27 | 2018-06-01 | 暴风集团股份有限公司 | 视频推荐方法和装置、电子设备、存储介质、程序 |
CN108228784A (zh) * | 2017-12-28 | 2018-06-29 | 暴风集团股份有限公司 | 视频推荐方法和装置、电子设备、存储介质、程序 |
CN108647293A (zh) * | 2018-05-07 | 2018-10-12 | 广州虎牙信息科技有限公司 | 视频推荐方法、装置、存储介质和服务器 |
CN110569377A (zh) * | 2019-09-11 | 2019-12-13 | 腾讯科技(深圳)有限公司 | 一种媒体文件的处理方法和装置 |
CN110929166A (zh) * | 2019-12-27 | 2020-03-27 | 咪咕文化科技有限公司 | 一种内容推荐的方法、电子设备和存储介质 |
US10817557B1 (en) * | 2016-12-01 | 2020-10-27 | Massachusetts Mutual Life Insurance Company | System and displaying digital media |
CN113449147A (zh) * | 2021-07-06 | 2021-09-28 | 乐视云计算有限公司 | 基于主题的视频推荐方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8200681B2 (en) * | 2007-08-22 | 2012-06-12 | Microsoft Corp. | Collaborative media recommendation and sharing technique |
-
2022
- 2022-02-14 CN CN202210131805.4A patent/CN114513687B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407241A (zh) * | 2016-03-21 | 2017-02-15 | 传线网络科技(上海)有限公司 | 视频推荐方法及系统 |
US10817557B1 (en) * | 2016-12-01 | 2020-10-27 | Massachusetts Mutual Life Insurance Company | System and displaying digital media |
CN108108446A (zh) * | 2017-12-27 | 2018-06-01 | 暴风集团股份有限公司 | 视频推荐方法和装置、电子设备、存储介质、程序 |
CN108228784A (zh) * | 2017-12-28 | 2018-06-29 | 暴风集团股份有限公司 | 视频推荐方法和装置、电子设备、存储介质、程序 |
CN108647293A (zh) * | 2018-05-07 | 2018-10-12 | 广州虎牙信息科技有限公司 | 视频推荐方法、装置、存储介质和服务器 |
CN110569377A (zh) * | 2019-09-11 | 2019-12-13 | 腾讯科技(深圳)有限公司 | 一种媒体文件的处理方法和装置 |
CN110929166A (zh) * | 2019-12-27 | 2020-03-27 | 咪咕文化科技有限公司 | 一种内容推荐的方法、电子设备和存储介质 |
CN113449147A (zh) * | 2021-07-06 | 2021-09-28 | 乐视云计算有限公司 | 基于主题的视频推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114513687A (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4328757B2 (ja) | 番組選択装置及び番組選択装置の制御方法 | |
CN114513687B (zh) | 服务器及媒资推荐方法 | |
US20200193288A1 (en) | System and Method for Content Discovery | |
JP3502114B2 (ja) | 情報サービスシステム | |
US8869211B2 (en) | Zoomable content recommendation system | |
EP1684507A1 (en) | Program recommendation device, program recommendation method of program recommendation device, and computer program | |
JP4370850B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP2005056361A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
US20150066897A1 (en) | Systems and methods for conveying passive interest classified media content | |
US9325754B2 (en) | Information processing device and information processing method | |
WO2022247220A1 (zh) | 界面处理方法及装置 | |
US11252375B2 (en) | Electronic apparatus and control method thereof | |
Sumiyoshi et al. | CurioView: TV recommendations related to content being viewed | |
EP4161085A1 (en) | Real-time audio/video recommendation method and apparatus, device, and computer storage medium | |
CN110851727A (zh) | 搜索结果的排序方法及服务器 | |
CN114615524B (zh) | 服务器、媒资推荐网络的训练方法及媒资推荐方法 | |
JP2001275056A (ja) | 番組ガイド装置、推論装置および推論方法 | |
CN111259248A (zh) | 信息资源的推荐方法及装置、可读存储介质、电子设备 | |
JP6199929B2 (ja) | 動画再生コントローラー | |
JP5008250B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
KR20020073050A (ko) | 방송프로그램 추천 자동화 시스템 및 방법과 그 프로그램소스를 저장한 기록매체 | |
JP2002215669A (ja) | 情報サービスシステムおよび放送受信システム | |
EP1569448A1 (en) | Image description system and method thereof | |
CN115278370A (zh) | 电视节目的推荐方法、系统、智能电视和介质 | |
Zhao | A Video Resource Recommendation System Based on Deep Learning |
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 |