CN114598905A - 一种视频推送方法 - Google Patents

一种视频推送方法 Download PDF

Info

Publication number
CN114598905A
CN114598905A CN202111414293.4A CN202111414293A CN114598905A CN 114598905 A CN114598905 A CN 114598905A CN 202111414293 A CN202111414293 A CN 202111414293A CN 114598905 A CN114598905 A CN 114598905A
Authority
CN
China
Prior art keywords
video
user
users
preference
watching
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
CN202111414293.4A
Other languages
English (en)
Inventor
李薇
李光辉
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.)
Zhejiang Guanghui Tools Co ltd
Original Assignee
Zhejiang Guanghui Tools 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 Zhejiang Guanghui Tools Co ltd filed Critical Zhejiang Guanghui Tools Co ltd
Priority to CN202111414293.4A priority Critical patent/CN114598905A/zh
Publication of CN114598905A publication Critical patent/CN114598905A/zh
Pending legal-status Critical Current

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
    • H04N21/258—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
    • H04N21/25891—Management of end-user data being end-user 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
    • H04N21/45—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
    • H04N21/45—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种视频推送方法，包括从服务器获取用户的基本资料确定用户等级，对每位用户设置偏好视频集合M，创作者上传的视频推送给第一目标用户集合并进行第一次评分反馈，若视频合格，将经过第一次评分反馈的视频推送给第二目标用户集合并进行第二次评分反馈，根据第二次视频数据，对视频设置偏好用户集合Q，根据视频第二次评分和视频的偏好用户集合Q将视频推送给对应最终目标用户集合。本发明在推送视频的时候保证了视频的质量以及视频内容与用户兴趣的有一定程度的相关性，提高了用户的观看视频的体验。

Description

一种视频推送方法
技术领域
本发明涉及视频数据处理领域，特别涉及一种视频推送方法。
背景技术
随着网络技术的发展，各种新媒体视频、短视频受到越来越多的关注，在空闲之余，人们通过各种软件观看视频已经成为较为常见的放松方式，现有的视频软件已经能够做到根据人们的观看喜好给他们推送相关的视频或者是一些优质视频，但是这样的视频推送方式会造成用户收到的推送视频千篇一律，久而久之观感下降或者是视频质量虽然优质，但是可能用户完全不感兴趣的情况。
中国专利CN106713952A中有提到一种“视频处理方法及装置”，该专利中，通过爬虫技术爬取视频点播量，绘制预设时间段内的视频点播量的点播趋势图，确定目标视频在视频类型和用户群体类型中的点播量趋势分布，从而将点播视频推送给对应的目标群体，该方法可以将点播视频在特定时间推给合适的目标客户，提高用户满意度，但是不能解决长时间观看视频人群收到的推送视频内容相似，影响观看体验的问题。
发明内容
针对上述用户收到推送视频内容相似，长期观看影响体验的问题，本发明提供一种视频推送的方法，该方法采用对视频评分分级，对目标客户分类的方法，然后进行视频推送的方法，达到用户收到的推送视频质量优秀，视频内容与用户兴趣相关度高的效果。
本发明的上述技术问题主要是通过下述技术方案得以解决的：包括以下步骤：
S1：从服务器获取用户的基本资料，根据基本资料确定用户等级；
S2：根据用户的基本资料对每位用户设置偏好视频集合M；
S3：将创作者上传的视频推送给第一目标用户集合并进行第一次评分反馈，所述第一目标为视频类型属于用户常看类型且用户等级高于50％的用户集合；
S4：将经过第一次评分反馈的视频推送给第二目标用户集合并进行第二次评分反馈，第一次评分低于阈值的视频不进行再次推送，所述第二目标用户集为视频类型属于用户常看类型的用户集合；
S5：根据第二次视频数据，对视频设置偏好用户集合Q；
S6：根据视频第二次评分和视频的偏好用户集合Q将视频推送给对应最终目标用户集合，所述最终目标用户集为偏好视频集合M与偏好用户集合Q有交集的用户集合。
先将预定推送视频推送给对视频类型感兴趣的最为活跃的用户，进行评分确定视频是否值得推送，再将视频推送给对本视频类型感兴趣的所有用户，给视频定下可能对本视频感兴趣的目标用户，最后根据评分将视频推送给对应的所有可能对本视频感兴趣的用户集合。
作为优选，所述步骤S1中用户的基本资料包括用户的账号注册时长、用户近一周的日均观看视频时长及用户分别对各种类视频观看的时长。以上是最为基础的用户资料，所述用户资料根据需求还包括用户的观看视频时段，用户观看一个视频的时长占视频总长的百分比以及用户重复观看视频的次数。
作为优选，所述步骤中S1用户等级确定的具体方法为：
S11：将日均观看视频时长低于0.5小时或高于12小时的用户记为无效用户；
S12：将账号注册时长低于1月的用户标上临时等级1，
将账号注册时长为1月至1年的用户标上临时等级2，
将账号注册时长超过1年的标上临时等级3；
S13：将日均观看视频时长位于区间[0.5,a)的用户的临时等级乘1，
将日均观看视频时长位于区间[a,b)的用户的临时等级乘2，
将日均观看视频时长位于区间[b,12]的用户的临时等级乘3；
S14：将最终临时等级为9用户的用户等级设置为4，
将最终临时等级为6用户的用户等级设置为3，将最终临时等级为3或4用户的用户等级设置为2，
将最终临时等级为1或2用户的用户等级设置为1。
对于每天观看时长低于半小时或超过12小时的定为刷视频机器人，没有统计意义，根据用户注册账户时长以及一周内日均观看视频时长确定用户等级可以尽可能地保证统计合理性。
作为优选，所述步骤S2中偏好视频集合的设置方法具体为：根据用户基本资料中的用户分别对各种类视频的观看的时长，将用户观看时长前五位的视频种类的集合设置为偏好视频集合M。统计用户可能感兴趣的视频，所述偏好视频集合根据需求可以做出调整。
作为优选，所述步骤S3中第一目标用户集合具体为观看被推送视频种类观看时长占所看所有视频时长比重最高的用户等级为4的用户集合。使用最为活跃的对推送视频感兴趣的观众进行推送确定视频是否可以进行推送。
作为优选，所述步骤S4中第二目标用户集合具体为观看被推送视频种类观看时长占所看所有视频时长比重最高的用户集合。即为对视频感兴趣的所有用户。
作为优选，所述步骤S4中第二次评分方法是根据用户等级对他们的评分进行加权处理得出最终的第二次评分，所述第二次视频数据包括所有观看该视频用户的偏好视频集合M，视频的最终的第二次评分，其中，所述加权法为：
Figure BDA0003375361560000031
其中，Df为第二次评分的最终值，n为用户等级，bn为对应用户等级所加权数，an为对应用户等级的观看视频人数，Pi n为对应用户等用户对视频的评分值，其中用户等级越高，所加权数越大。
作为优选，所述步骤S5中设置偏好用户集合Q的具体步骤为：统计所有观看该视频的用户的偏好视频集合中的视频种类个体，将出现频次最高的5个视频种类集合设置为偏好用户集合。此步骤为列出可能对视频感兴趣的用户集合。
作为优选，所述步骤S6中最终目标用户集合的具体为：
将偏好视频集合M与偏好用户集合Q中个体重合数量为1的用户集合设为第一最终目标用户集合；
将偏好视频集合M与偏好用户集合Q中个体重合数量为2或3的用户集合设为第二最终目标用户集合；
将偏好视频集合M与偏好用户集合Q中个体重合数量为4或5的用户集合设为第三最终目标用户集合。
其中第一最终目标用户集合对视频类型仅有一点兴趣，第二最终目标用户集合是对视频类型较感兴趣，第三最终目标用户集合为视频种类与用户兴趣一致。
作为优选，所述步骤S6中根据视频第二次评分和视频的偏好用户集合Q将视频推送给最终目标用户集合的具体步骤为：
S61：将评分划分为四个区间：其中总分90％～100％设为A区间，总分70％～90％设为B区间，总分60％～70％设为C区间，总分0～60％设为D区间；
S62：将第二次评分处于A区间的视频定为高分推送视频，推送给第一最终目标用户集合、第二最终目标用户集合、第三最终目标用户集合；
将第二次评分处于B区间的视频定为普通推送视频，推送给第二最终目标用户集合、第三最终目标用户集合；
将第二次评分处于C区间的视频定为限区推送视频，推送给第三最终目标用户集合。
将第二次评分处于D区间的视频定为非推送视频，不再进行推送。
高分推送视频其本身质量高，即使仅对视频感一点兴趣也会对视频内容满意，普通推送视频推送给对视频感兴趣的所有用户，限区推送视频出圈程度低，只能推送给兴趣与其视频种类相符的用户，不推送视频因为视频本身质量不受用户欢迎，则不进行再次推送。
本发明的有益效果是：
1.能够分辨出视频是否值得推送，能够评判视频的优秀与否；
2.能够解决用户接收到的推送视频千篇一律，观感下降的问题；
3.能够让用户在接受高质量视频的同时尽可能保证用户对视频种类也感兴趣，提高用户体验。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面通过实施例，并结合附图，对发明的技术方案作进一步具体的说明。
实施例：本实施例的一种视频推送方法，如图1所示，包括以下步骤：
S1：从服务器获取用户的基本资料，根据基本资料确定用户等级；
其中所述的用户的基本资料包括用户的账号注册时长、用户近一周的日均观看视频时长及用户分别对各种类视频观看的时长。以上是最为基础的用户资料，所述用户资料根据需求还包括用户的观看视频时段，用户观看一个视频的时长占视频总长的百分比以及用户重复观看视频的次数。
而用户等级确定的具体方法为：
S11：将日均观看视频时长低于0.5小时或高于12小时的用户记为无效用户；
S12：将账号注册时长低于1月的用户标上临时等级1，
将账号注册时长为1月至1年的用户标上临时等级2，
将账号注册时长超过1年的标上临时等级3；
S13：将日均观看视频时长位于区间[0.5,a)的用户的临时等级乘1，
将日均观看视频时长位于区间[a,b)的用户的临时等级乘2，
将日均观看视频时长位于区间[b,12]的用户的临时等级乘3；
S14：将最终临时等级为9用户的用户等级设置为4，
将最终临时等级为6用户的用户等级设置为3，
将最终临时等级为3或4用户的用户等级设置为2，
将最终临时等级为1或2用户的用户等级设置为1。
对于每天观看时长低于半小时或超过12小时的定为刷视频机器人，没有统计意义，根据用户注册账户时长以及一周内日均观看视频时长确定用户等级可以尽可能地保证统计合理性。
S2：根据用户的基本资料对每位用户设置偏好视频集合M；
具体方法为根据用户基本资料中的用户分别对各种类视频的观看的时长，将用户观看时长前五位的视频种类的集合设置为偏好视频集合M。统计用户可能感兴趣的视频，所述偏好视频集合根据需求可以做出调整。
S3：将创作者上传的视频推送给第一目标用户集合并进行第一次评分反馈，所述第一目标为视频类型属于用户常看类型且用户等级高于50％的用户集合；
其中，第一目标用户集合具体为观看被推送视频种类观看时长占所看所有视频时长比重最高的用户等级为4的用户集合。使用最为活跃的对推送视频感兴趣的观众进行推送确定视频是否可以进行推送。视频在推送时间达到阈值之后就将视频数据返回至服务器，数据包括第一次评分以及用户平均观看时长占视频百分比。
S4：将经过第一次评分反馈的视频推送给第二目标用户集合并进行第二次评分反馈，第一次评分低于阈值的视频不进行再次推送，所述第二目标用户集为视频类型属于用户常看类型的用户集合；
其中，第二目标用户集合具体为观看被推送视频种类观看时长占所看所有视频时长比重最高的用户集合。即为对视频感兴趣的所有用户。
而第二次评分方法是根据用户等级对他们的评分进行加权处理得出最终的第二次评分，所要反馈的第二次视频数据包括所有观看该视频用户的偏好视频集合M，视频的最终的第二次评分；其中，所述加权法为：
Figure BDA0003375361560000051
其中，Df为第二次评分的最终值，n为用户等级，bn为对应用户等级所加权数，an为对应用户等级的观看视频人数，Pi n为对应用户等用户对视频的评分值，其中用户等级越高，所加权数越大。
S5：根据二次视频数据，对视频设置偏好用户集合Q；
其中，设置偏好用户集合Q的具体步骤为：统计所有观看该视频的用户的偏好视频集合中的视频种类个体，将出现频次最高的5个视频种类集合设置为偏好用户集合。列出可能对视频感兴趣的用户集合。
S6：根据视频第二次评分和视频的偏好用户集合Q将视频推送给对应最终目标用户集合，所述最终目标用户集为偏好视频集合M与偏好用户集合Q有交集的用户集合。
其中，最终目标用户集合的具体为：
将偏好视频集合M与偏好用户集合Q中个体重合数量为1的用户集合设为第一最终目标用户集合；
将偏好视频集合M与偏好用户集合Q中个体重合数量为2或3的用户集合设为第二最终目标用户集合；
将偏好视频集合M与偏好用户集合Q中个体重合数量为4或5的用户集合设为第三最终目标用户集合。
第一最终目标用户集合对视频类型仅有一点兴趣，第二最终目标用户集合是对视频类型较感兴趣，第三最终目标用户集合为视频种类与用户兴趣一致。
而根据视频第二次评分和视频的偏好用户集合Q将视频推送给最终目标用户集合的具体步骤为：
S61：将评分划分为四个区间：其中总分90％～100％设为A区间，总分70％～90％设为B区间，总分60％～70％设为C区间，总分0～60％设为D区间；
S62：将第二次评分处于A区间的视频定为高分推送视频，推送给第一最终目标用户集合、第二最终目标用户集合、第三最终目标用户集合；
将第二次评分处于B区间的视频定为普通推送视频，推送给第二最终目标用户集合、第三最终目标用户集合；
将第二次评分处于C区间的视频定为限区推送视频，推送给第三最终目标用户集合；
将第二次评分处于D区间的视频定为非推送视频，不再进行推送。
高分推送视频其本身质量高，即使仅对视频感一点兴趣也会对视频内容满意，普通推送视频推送给对视频感兴趣的所有用户，限区推送视频出圈程度低，只能推送给兴趣与其视频种类相符的用户，不推送视频因为视频本身质量不受用户欢迎，则不进行再次推送。
更为具体的实施例如，现有一分类为体育类的视频需要推送，首先是进行第一次推送，若一用户的偏好视频集合中包含体育类，而且他观看视频的总时长中体育类的占比最大，且他的用户等级为4，那么他将被推送到该视频，在第一次推送的时间达到之后，将用户的评分返回至服务器，若其达到评分阈值，就将其推送至所有偏好视频集合M中包含体育类且观看视频的总时长中体育类的占比最大的第二目标用户集合，在达到推送时间后，将所有观看用户的偏好视频集合M以及评分数据返回至服务器，统计结果中，所有观看视频用户的偏好视频集合M中，体育类、音乐类、美食类、动漫类、科普类的出现频次最多，那么该视频的偏好用户集合Q就为[体育类，音乐类，美食类，动漫类，科普类]，然后根据视频的评分进行推送，假设满分为10分，评分A区间为[9,10]，评分B区间为[7,9],评分C区间为[6,7]，评分D区间为[0,6]，若该视频的最终评分经加权之后为9.8分，那它便会推送给第一、二、三最终目标用户集合，例如一个用户，他的偏好视频集合M为[生活类，舞蹈类，影视类，游戏类，动漫类]，那么他将被推送到该视频，其中偏好用户集合Q表示喜欢集合Q内视频种类的用户均为该视频的潜在观看用户；若视频的最终评分经加权之后为8分，那么它便会推送给第二、三最终目标用户集合，例如一个用户的偏好视频集合M为[生活类，舞蹈类，影视类，音乐类，动漫类]，那么他将被推送到该视频，因为喜欢音乐类和动漫类的也喜欢该视频，那么该用户很有可能是该视频的潜在用户，若视频的最终评分经加权之后为6.5分，那么它便会推送给第三最终目标用户集合，该集合内用户的偏好视频集合基本为[体育类，音乐类，美食类，动漫类，科普类]，因为该视频的质量不够优质，推送给与它兴趣相关不高的用户会影响用户体验；若视频的最终评分为5，那么该视频质量不够优秀，不再进行推送。
这样最终一个优质的体育类视频可以推送到一个喜爱生活类视频的人，其中保留一定的相关性，让用户在被推送到一个优质视频的时候能够对视频内容也有一定的兴趣，使用户有良好的观感。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了偏好视频集合、偏好用户集合、最终目标用户集合等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (10)

1.一种视频推送方法，其特征在于，包括以下步骤：
S1：从服务器获取用户的基本资料，根据基本资料确定用户等级；
S2：根据用户的基本资料对每位用户设置偏好视频集合M；
S3：将创作者上传的视频推送给第一目标用户集合并进行第一次评分反馈，所述第一目标为视频类型属于用户常看类型且用户等级高于50％的用户集合；
S4：将经过第一次评分反馈的视频推送给第二目标用户集合并进行第二次评分反馈，第一次评分低于阈值的视频不进行再次推送，所述第二目标用户集为视频类型属于用户常看类型的用户集合；
S5：根据第二次视频数据，对视频设置偏好用户集合Q；
S6：根据视频第二次评分和视频的偏好用户集合Q将视频推送给对应最终目标用户集合，所述最终目标用户集为偏好视频集合M与偏好用户集合Q有交集的用户集合。
2.根据权利要求1所述的一种视频推送方法，其特征在于，所述步骤S1中用户的基本资料包括用户的账号注册时长、用户近一周的日均观看视频时长及用户分别对各种类视频观看的时长。
3.根据权利要求1或2所述的一种视频推送方法，其特征在于，所述步骤S1中用户等级确定的具体方法为：
S11：将日均观看视频时长低于0.5小时或高于12小时的用户记为无效用户；
S12：将账号注册时长低于1月的用户标上临时等级1，
将账号注册时长为1月至1年的用户标上临时等级2，
将账号注册时长超过1年的标上临时等级3；
S13：将日均观看视频时长位于区间[0.5,a)的用户的临时等级乘1，
将日均观看视频时长位于区间[a,b)的用户的临时等级乘2，
将日均观看视频时长位于区间[b,12]的用户的临时等级乘3；
S14：将最终临时等级为9用户的用户等级设置为4，
将最终临时等级为6用户的用户等级设置为3，
将最终临时等级为3或4用户的用户等级设置为2，
将最终临时等级为1或2用户的用户等级设置为1。
4.根据权利要求1或2所述的一种视频推送方法，其特征在于，所述步骤S2中偏好视频集合M的设置方法具体为：根据用户基本资料中的用户分别对各种类视频的观看的时长，将用户观看时长前五位的视频种类的集合设置为偏好视频集合M。
5.根据权利要求3所述的一种视频推送方法，其特征在于，所述步骤S3中第一目标用户集合具体为观看被推送视频种类观看时长占所看所有视频时长比重最高的用户等级为4的用户集合。
6.根据权利要求1所述的一种视频推送方法，其特征在于，所述步骤S4中第二目标用户集合具体为观看被推送视频种类观看时长占所看所有视频时长比重最高的用户集合。
7.根据权利要求3所述的一种视频推送方法，其特征在于，所述步骤S4中第二次评分方法是根据用户等级对他们的评分进行加权处理得出最终的第二次评分，所述第二次视频数据包括所有观看该视频用户的偏好视频集合M，视频的最终的第二次评分，其中，所述加权法为：
Figure FDA0003375361550000021
其中，Df为第二次评分的最终值，n为用户等级，bn为对应用户等级所加权数，an为对应用户等级的观看视频人数，Pi n为对应用户等用户对视频的评分值。
8.根据权利要求1或7所述的一种视频推送方法，其特征在于，所述步骤S5中设置偏好用户集合Q的具体步骤为：统计所有观看该视频的用户的偏好视频集合中的视频种类个体，将出现频次最高的5个视频种类集合设置为偏好用户集合。
9.根据权利要求1所述的一种视频推送方法，其特征在于，所述步骤S6中最终目标用户集合的具体为：
将偏好视频集合M与偏好用户集合Q中个体重合数量为1的用户集合设为第一最终目标用户集合；
将偏好视频集合M与偏好用户集合Q中个体重合数量为2或3的用户集合设为第二最终目标用户集合；
将偏好视频集合M与偏好用户集合Q中个体重合数量为4或5的用户集合设为第三最终目标用户集合。
10.根据权利要求1或9所述的一种视频推送方法，其特征在于，所述步骤S6中根据视频第二次评分和视频的偏好用户集合Q将视频推送给最终目标用户集合的具体步骤为：
S61：将评分划分为四个区间：其中总分90％～100％设为A区间，总分70％～90％设为B区间，总分60％～70％设为C区间，总分0～60％设为D区间；
S62：将第二次评分处于A区间的视频定为高分推送视频，推送给第一最终目标用户集合、第二最终目标用户集合、第三最终目标用户集合；
将第二次评分处于B区间的视频定为普通推送视频，推送给第二最终目标用户集合、第三最终目标用户集合；
将第二次评分处于C区间的视频定为限区推送视频，推送给第三最终目标用户集合；
将第二次评分处于D区间的视频定为非推送视频，不再进行推送。
CN202111414293.4A 2021-11-25 2021-11-25 一种视频推送方法 Pending CN114598905A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111414293.4A CN114598905A (zh) 2021-11-25 2021-11-25 一种视频推送方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111414293.4A CN114598905A (zh) 2021-11-25 2021-11-25 一种视频推送方法

Publications (1)

Publication Number Publication Date
CN114598905A true CN114598905A (zh) 2022-06-07

Family

ID=81803305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111414293.4A Pending CN114598905A (zh) 2021-11-25 2021-11-25 一种视频推送方法

Country Status (1)

Country Link
CN (1) CN114598905A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140245334A1 (en) * 2013-02-26 2014-08-28 Rawllin International Inc. Personal videos aggregation
CN104391925A (zh) * 2014-11-20 2015-03-04 四川长虹电器股份有限公司 一种基于tv用户协同预测的视频推荐方法及系统
US20160041998A1 (en) * 2014-08-05 2016-02-11 NFL Enterprises LLC Apparatus and Methods for Personalized Video Delivery
CN105898410A (zh) * 2015-12-15 2016-08-24 乐视网信息技术（北京）股份有限公司 视频推荐方法以及服务器
CN106953887A (zh) * 2017-01-05 2017-07-14 北京中瑞鸿程科技开发有限公司 一种细粒度电台音频内容个性化组织推荐方法
WO2017128057A1 (zh) * 2016-01-26 2017-08-03 白宏伟 视频推送技术的技术使用数据发送方法以及推送系统
CN107818183A (zh) * 2017-12-05 2018-03-20 云南大学 一种基于三阶段组合推荐技术的党建视频推送方法
WO2018090793A1 (zh) * 2016-11-18 2018-05-24 腾讯科技（深圳）有限公司 多媒体推荐方法和装置
CN110059251A (zh) * 2019-04-22 2019-07-26 郑州大学 基于多关系隐式反馈置信度的协同过滤推荐方法
CN111538860A (zh) * 2020-07-07 2020-08-14 北京搜狐新媒体信息技术有限公司 视频推荐方法及装置、存储介质及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140245334A1 (en) * 2013-02-26 2014-08-28 Rawllin International Inc. Personal videos aggregation
US20160041998A1 (en) * 2014-08-05 2016-02-11 NFL Enterprises LLC Apparatus and Methods for Personalized Video Delivery
CN104391925A (zh) * 2014-11-20 2015-03-04 四川长虹电器股份有限公司 一种基于tv用户协同预测的视频推荐方法及系统
CN105898410A (zh) * 2015-12-15 2016-08-24 乐视网信息技术（北京）股份有限公司 视频推荐方法以及服务器
WO2017128057A1 (zh) * 2016-01-26 2017-08-03 白宏伟 视频推送技术的技术使用数据发送方法以及推送系统
WO2018090793A1 (zh) * 2016-11-18 2018-05-24 腾讯科技（深圳）有限公司 多媒体推荐方法和装置
CN106953887A (zh) * 2017-01-05 2017-07-14 北京中瑞鸿程科技开发有限公司 一种细粒度电台音频内容个性化组织推荐方法
CN107818183A (zh) * 2017-12-05 2018-03-20 云南大学 一种基于三阶段组合推荐技术的党建视频推送方法
CN110059251A (zh) * 2019-04-22 2019-07-26 郑州大学 基于多关系隐式反馈置信度的协同过滤推荐方法
CN111538860A (zh) * 2020-07-07 2020-08-14 北京搜狐新媒体信息技术有限公司 视频推荐方法及装置、存储介质及电子设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MA Y: "Mixed-modality interaction in conversational recommender systems", CEUR WORKSHOP PROCEEDINGS *
罗贺;赵培;: "面向电视观众的用户兴趣偏好建模方法", 中国管理科学, no. 1 *
郭景峰: "直播电视推荐系统的评分预测算法研究", 电子学报 *
金亮;于炯;杨兴耀;鲁亮;王跃飞;国冰磊;廖彬;: "基于聚类层次模型的视频推荐算法", 计算机应用, no. 10 *
陈汝;符琦;: "基于用户兴趣的动态近邻协同过滤算法", 湖南科技大学学报(自然科学版), no. 01 *

Similar Documents

Publication Publication Date Title
DE10085178B4 (de) Verfahren für Internetradio und Übertragung
US8065699B2 (en) Providing rating information for an event based on user feedback
CN106407241A (zh) 视频推荐方法及系统
CN107197368A (zh) 确定用户对多媒体播放内容关注程度的方法和系统
Senot et al. Evaluation of group profiling strategies
McDaniel et al. Extending the sports experience: Mediations in cyberspace
CN111506746A (zh) 媒资个性化推荐方法、服务器及显示设备
Erzikova et al. Russian regional media: Fragmented community, fragmented online practices
CN112969079A (zh) 主播的资源分配方法、装置、计算机设备及存储介质
Brown et al. Love is all you need: A content analysis of romantic scenes in Chinese entertainment television
Butler et al. New insights on the Louis-Schmeling paradox: determinants of demand for subscription and pay-per-view boxing
Burch et al. Agenda-setting and La Copa Mundial: Marketing through agenda-setting on soccer blogs during the 2010 World Cup
CN114598905A (zh) 一种视频推送方法
Park et al. Public broadcasting is not much different: Public and commercial broadcasters’ coverage of minimum wage in South Korea
Smith Measures and maps of Usenet
Shepherd et al. The role of user profiles for news filtering
JP2004186830A (ja) 映像コンテンツ選択方法、映像コンテンツ配信サービスシステム及び表示順位変更プログラム
Elareshi News Consumption in Libya: a study of university students
Hara et al. Categorization of Japanese TV viewers based on program genres they watch
CN106202120A (zh) 用于确定用户集合的兴趣信息的方法及设备
Popescu et al. Campaign effects and media monopoly: The 1994 and 1998 parliamentary elections in Hungary
Heuvelman et al. Irritating, shocking, and intolerable TV programs: Norms, values, and concerns of viewers in The Netherlands
CN115705379A (zh) 智能推荐方法及装置、设备、存储介质
Rowe Leisure, mass communications and media
Walsh New insights into what drives internet advertising avoidance behaviour: the role of locus of control

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