CN116614681A - 一种基于推荐算法的开机方法、装置及电子设备 - Google Patents
一种基于推荐算法的开机方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116614681A CN116614681A CN202310886092.7A CN202310886092A CN116614681A CN 116614681 A CN116614681 A CN 116614681A CN 202310886092 A CN202310886092 A CN 202310886092A CN 116614681 A CN116614681 A CN 116614681A
- Authority
- CN
- China
- Prior art keywords
- user
- days
- program
- recommendation
- demand
- 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
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 235000019633 pungent taste Nutrition 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 9
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 239000002609 medium Substances 0.000 description 9
- 230000008901 benefit Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001960 triggered effect Effects 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]
- H04N21/40—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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- 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
-
- 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)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供一种基于推荐算法的开机方法、装置及电子设备,涉及分布式服务技术领域,包括:根据用户观看行为记录数据中top3节目的权重,计算每个节目截取比;根据bert句向量算法计算每个节目simvods,按照相似度倒排进行拼接;计算热播节目热力值;计算某用户某频道节目的分值,根据某用户下的所有频道的分值进行倒排,向用户推荐直播频道;对全网的所有热播频道按照频道中节目观看时长,各自进行加和、排序;基于数据统计维度自由选择进行用户分组。本发明基于单一用户行为和分组用户行为的内容推荐规则,及每个节目的截取比算法规则,将点播和直播依据规则混排为轮播播放,缩短用户触达目标内容的路径,提高用户体验度和感受度。
Description
技术领域
本发明涉及分布式服务技术领域,具体而言,涉及一种基于推荐算法的开机方法、装置及电子设备。
背景技术
在交互式网络电视IPTV业务运营中,用户习惯性地选择其经常观看的直播频道或感兴趣的点播内容,大量付费内容无法呈现,造成增值转化率普遍不高,核心原因在于机顶盒遥控器操作不便捷,查找内容层级过多,降低了产品体验感。
目前,行业内采取如下两种方式解决上述问题:
(1)将各类点播内容的精彩片段以推荐位或弹屏轮播形式直接展现在用户面前,从而吸引用户点播完整的全片,这种以直播频道化的方式聚合海量影音节目视频流,可有效降低交互层级壁垒,提升用户的观看体验。
(2)将各类点播内容基于内容的推荐算法和人工分类,聚合为不同类型的点播轮播放映厅,将点播内容实现直播式体验,未订购用户,单次试看满5分钟后触发被动订购,这种方式可以为用户提供开放式的选择空间,对提升增值转化有一定作用。
以上两种方式均在一定程度上解决了内容呈现层级过多和遥控器操作繁琐的问题,但是,在实际使用中发现用户点击量和播放时长仍然严重低于预期。原因在于:
(1)用户使用习惯仍然侧重于直播,对点播轮播内容的关注度不高;
(2)点播轮播放置于开机首页的推荐入口或二级页入口,流量分散;
(3)点播轮播内容未符合用户真实点播观看意愿。
发明内容
鉴于此,本发明的目的在于设计一种基于推荐算法的开机方法,将点播和直播依据某种规则混排为轮播播放;基于单一用户行为和分组用户行为的内容推荐规则,以及每个节目的截取比算法规则,缩短用户触达目标内容的路径,以提高用户的体验度。
本发明为切实发挥轮播频道在提升点播观看量和优化操作流程中的作用,研发随心看功能,实现开机即进入全屏播放的点播+直播轮播播控页。所谓随心看,就是通过组织内容平台里已有的影视剧媒资,按直播频道形式进行包装、打点,然后按用户喜好度顺序编排播出;组织平台里已有的直播频道,进行重新编排播出;点播频道和直播频道混合。这一形式将随时点播、随意切换的播放模式和传统电视频道不间断播出的优点融合在一起。在不影响用户正常观看行为的前提下,可以给他们提供更多的点播内容选择。
随心看通过大数据算法,分析用户观看习惯,为不同用户精准推荐不同的点播和直播内容,将直播频道与点播内容拟合为随心看节目单,并提供类短视频操作的沉浸式观感。
本发明提供一种基于推荐算法的开机方法,包括以下步骤:
S1、构建点播节目的随心看功能,根据用户观看行为记录数据中观看率为前三位节目(top3节目)的权重w,计算每个节目的截取比;
所述点播节目包括两部分:用户推荐点播节目、热播节目;
权重w的计算公式是:观看率=观看时长/节目时长;
每个节目的截取比的计算表达式为:
(1)
式(1)中,表示每个节目,/>、/>、/>分别为第一位、第二位、第三位的节目观看率;
S2、根据bert的句向量算法计算每个节目的相似视频simvods,根据近似关联节目列表,按照相似度倒排进行拼接,得到用户推荐点播节目;
(2)
式(2)中,表示每个节目的相似视频simvods;
S3、对热播节目进行热力值计算,防止用户没有相应的推荐结果;
所述热力值计算的表达式为:
(3)
式(3)中,表示某个节目当天的观看次数;t 表示天数;
S4、根据用户观看直播频道的记录,计算某用户某频道节目的分值,根据某用户下的所有频道的分值进行倒排,向用户推荐直播频道;
所述直播频道包括两部分:用户推荐直播频道、热播频道;
所述某用户某频道节目的分值的计算表达式为:
(4)
式(4)中,表示该节目当天的观看时长;t 表示天数;
S5、对全网的所有热播频道,按照频道中节目的观看时间长度,各频道各自进行加和、排序;
S6、将多用户方的数据进行采集、清洗(预处理)、汇总,形成包括用户、收视、增值的核心数据资产,将所述核心数据资产划分为多个数据域;每个所述数据域支持多个数据统计维度,基于所述数据统计维度的自由选择进行用户分组;
所述数据域、数据统计维度随着业务的开展,能够自行迭代扩充。
进一步地,所述点播节目的点播内容排序规则包括:机顶盒用户历史观看点播内容标签推荐规则、机顶盒用户观看点播内容热度推荐规则、直播频道排序规则;
其中,所述机顶盒用户历史观看点播内容标签推荐规则包括:
近3天:收集每个机顶盒用户近3天观看的点播内容标签;
4-6天:收集每个机顶盒用户4-6天观看的点播内容标签;
7-9天:收集每个机顶盒用户近7-9天观看的点播内容标签;
10-30天:收集每个机顶盒用户10-30天以观看的点播内容标签;
30天以上:不做推荐权重,自动推荐点播内容,按热度推荐规则时间由近到远依次排序;
上述点播内容标签按照时间由近及远的自然递减函数的计算方式;
所述机顶盒用户观看点播内容热度推荐规则包括:
近3天:收集平台机顶盒所有用户近3天观看的点播内容及热度排名;
4-6天:收集平台机顶盒用户4-6天观看的点播内容及热度排名;
7-9天:收集平台机顶盒用户7-9天观看的点播内容及热度排名;
10-30天:收集平台机顶盒用户10-30天观看的点播内容及热度排名;
30天以上:不做推荐权重;
上述点播内容及热度按照时间由近及远的自然递减函数的计算方式;
所述直播频道排序规则包括:
近3天:收集每个机顶盒用户近3天观看的直播频道及时长大于30分钟;
4-6天:收集每个机顶盒用户4-6天观看的直播频道及时长大于30分钟;
7-9天:收集每个机顶盒用户近7-9天观看的直播频道及时长大于30分钟;
10-30天:收集每个机顶盒用户10-30天以观看的直播频道及时长大于30分钟;
30天以上:不做推荐权重,自动推荐点播内容,按近3天直播频道热度/时长排名由高到低依次排序;
上述直播内容时长按照时间由长及短的自然递减函数的计算方式。
进一步地,所述点播节目的点播内容排序规则还包括:特殊排序场景方式,所述特殊排序场景方式包括:
场景1:用户从不观看点播内容,直播正常排序,点播按热度排序(直播在前3+2);
场景2:用户从不观看直播内容,点播按正常排序,直播按热度排序(点播在前3+2);
场景3:新用户开机后,点播、直播都按热度正常排序(点播在前3+2)。
进一步地,所述S6步骤之后还包括:进行数据上报,所述数据上报的上报数据包括:
用户ID;
播控页内使用上/下键换台次数:随心看功能使用情况;
播控页内跳转次数:随心看推荐内容的引流情况;
点播内容观看时长:评估推荐效果;
直播频道观看时长:评估推荐效果。
进一步地,所述S6步骤的所述数据统计维度对应于IPTV系统前台的数据,由用户自行定义,所述统计维度支持与、或、非3种逻辑,支持条件嵌套。
进一步地,所述用户观看行为记录数据(随心看的数据)由点播节目和直播频道共同按2:3的比例构成。
并且推送的节目以用户为导向,所以每个用户推送的节目基本不会相同。
本发明的点播和直播依据某种规则混排为轮播播放;
本发明基于单一用户行为和分组用户行为的内容推荐规则,每个节目的截取比算法规则。
本发明还提供一种基于推荐算法的开机装置,所述开机装置运行时执行如上述所述的基于推荐算法的开机方法。
本发明还提供一种基于推荐算法的开机电子设备,所述开机电子设备包括如上述所述的基于推荐算法的开机装置。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述所述的基于推荐算法的开机方法的步骤。
本发明还提供一种计算机设备,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的基于推荐算法的开机方法的步骤。
与现有技术相比,本发明的有益效果在于:
本发明基于单一用户行为和分组用户行为的内容推荐规则,以及每个节目的截取比算法规则,将点播和直播依据规则混排为轮播播放,按用户喜好度顺序编排播出,缩短了用户触达目标内容的路径,在不影响用户正常观看行为的前提下,可以给用户提供更多的点播内容选择,大大提高了用户体验度和感受度。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
在附图中:
图1为本发明一种基于推荐算法的开机方法的流程图;
图2为本发明实施例计算机设备的构成示意图;
图3为本发明实施例的数据资产划分为多个数据域的实际界面图;
图4为本发明实施例的增值域支持的统计维度的实际界面图;
图5为本发明实施例基于统计维度的自由选择进行用户分组的实际界面图;
图6为本发明实施例的用户自定义统计维度的实际界面图;
图7为本发明实施例进入随心看播控页面的场景界面图;
图8为本发明实施例的点击返回键退出当前节目的随心看播控页面图;
图9为本发明实施例的显示提示话术的随心看播控页面图。
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公开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、本公开的一些方面相一致的装置和产品的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面结合附图对本发明实施例作进一步详细说明。
本发明实施例提供一种基于推荐算法的开机方法,参见图1所示,包括以下步骤:
S1、构建点播节目的随心看功能,根据用户观看行为记录数据中观看率为前三位节目(top3节目)的权重w,计算每个节目的截取比;
所述点播节目包括两部分:用户推荐点播节目、热播节目;
权重w的计算公式是:观看率=观看时长/节目时长;
每个节目的截取比的计算表达式为:
(1)
式(1)中,表示每个节目,/>、/>、/>分别是第一位、第二位、第三位的节目观看率;
本实施例中,所述用户观看行为记录数据(随心看的数据)由点播节目和直播频道共同按2:3的比例构成。
并且推送的节目以用户为导向,所以每个用户推送的节目基本不会相同。
S2、根据bert的句向量算法计算每个节目的相似视频simvods,根据近似关联节目列表,按照相似度倒排进行拼接,得到用户推荐点播节目;
(2)
式(2)中,表示每个节目的相似视频simvods;
S3、对热播节目进行热力值计算,防止用户没有相应的推荐结果;
所述热力值计算的表达式为:
(3)
式(3)中,表示某个节目当天的观看次数;t 表示天数;
S4、根据用户观看直播频道的记录,计算某用户某频道节目的分值,根据某用户下的所有频道的分值进行倒排,向用户推荐直播频道;
所述直播频道包括两部分:用户推荐直播频道、热播频道;
所述某用户某频道节目的分值的计算表达式为:
(4)
式(4)中,表示该节目当天的观看时长;t 表示天数;
S5、对全网的所有热播频道,按照频道中节目的观看时间长度,各频道各自进行加和、排序;
S6、将多用户方的数据进行采集、清洗(预处理)、汇总,形成包括用户、收视、增值的核心数据资产,将所述核心数据资产划分为多个数据域(参见图3所示);每个所述数据域支持多个数据统计维度(参见图4所示),基于所述数据统计维度的自由选择进行用户分组(参见图5所示);
所述数据域、数据统计维度随着业务的开展,能够自行迭代扩充。
所述数据统计维度对应于IPTV系统前台的数据,参见图6所示,由用户自行定义,所述统计维度支持与、或、非3种逻辑,支持条件嵌套。
进行数据上报,所述数据上报的上报数据包括:
用户ID;
播控页内使用上/下键换台次数:随心看功能使用情况;
播控页内跳转次数:随心看推荐内容的引流情况;
点播内容观看时长:评估推荐效果;
直播频道观看时长:评估推荐效果。
所述点播节目的点播内容排序规则包括:机顶盒用户历史观看点播内容标签推荐规则、机顶盒用户观看点播内容热度推荐规则、直播频道排序规则;
其中,所述机顶盒用户历史观看点播内容标签推荐规则包括:
近3天:收集每个机顶盒用户近3天观看的点播内容标签;
4-6天:收集每个机顶盒用户4-6天观看的点播内容标签;
7-9天:收集每个机顶盒用户近7-9天观看的点播内容标签;
10-30天:收集每个机顶盒用户10-30天以观看的点播内容标签;
30天以上:不做推荐权重,自动推荐点播内容,按热度推荐规则时间由近到远依次排序;
上述点播内容标签按照时间由近及远的自然递减函数的计算方式;
所述机顶盒用户观看点播内容热度推荐规则包括:
近3天:收集平台机顶盒所有用户近3天观看的点播内容及热度排名;
4-6天:收集平台机顶盒用户4-6天观看的点播内容及热度排名;
7-9天:收集平台机顶盒用户7-9天观看的点播内容及热度排名;
10-30天:收集平台机顶盒用户10-30天观看的点播内容及热度排名;
30天以上:不做推荐权重;
上述点播内容及热度按照时间由近及远的自然递减函数的计算方式;
所述直播频道排序规则包括:
近3天:收集每个机顶盒用户近3天观看的直播频道及时长大于30分钟;
4-6天:收集每个机顶盒用户4-6天观看的直播频道及时长大于30分钟;
7-9天:收集每个机顶盒用户近7-9天观看的直播频道及时长大于30分钟;
10-30天:收集每个机顶盒用户10-30天以观看的直播频道及时长大于30分钟;
30天以上:不做推荐权重,自动推荐点播内容,按近3天直播频道热度/时长排名由高到低依次排序;
上述直播内容时长按照时间由长及短的自然递减函数的计算方式。
所述点播节目的点播内容排序规则还包括:特殊排序场景方式,所述特殊排序场景方式包括:
场景1:用户从不观看点播内容,直播正常排序,点播按热度排序(直播在前3+2);
场景2:用户从不观看直播内容,点播按正常排序,直播按热度排序(点播在前3+2);
场景3:新用户开机后,点播、直播都按热度正常排序(点播在前3+2)。
本发明实施例的点播和直播依据某种规则混排为轮播播放;
本发明实施例基于单一用户行为和分组用户行为的内容推荐规则,每个节目的截取比算法规则。
本发明实施例还提供一种基于推荐算法的开机装置,所述开机装置运行时执行如上述所述的基于推荐算法的开机方法。
本发明实施例还提供一种基于推荐算法的开机电子设备,所述开机电子设备包括如上述所述的基于推荐算法的开机装置。
应用例
(1)业务场景需求:
选取用户分组;
控制开机认证并广告展示后,立即进入全屏展示随心看播控页面的场景,如图7所示;
右侧随心看节目单未消失时,点击“返回”键弹出toast提示“再按一次【返回键】退出当前节目”,再次点击“返回”键退出随心看播控页面,如图8所示。
节目单消失后,页面右上角展示提示话术,如图所示:“确认”键查看节目详情/“返回”键返回节目列表。5秒后提示话术消失;每次进入随心看播控页仅显示一次提示话术,如图9所示;
随心看节目单布局;
随心看节目单位于页面右侧,节目单上方提示:按“返回键”关闭节目单,该提示文字不随节目单上下滚动而移动。
节目单播放逻辑;
随心看按照节目单次序播放:若播放点播内容并完播时,自动播放下一条节目;若播放到直播频道时,则持续播放该频道,不跳转下一节目;
随心看播放完最后一条点播节目时,自动从节目单第一条内容重新按次序播放;
随心看播控页面鉴权:针对点播内容,若用户处于未订购状态,可试看,试看时长与现网点播播控一致;试看时间结束后,播放节目单下一条内容;从该页面返回后,回到EPG首页。
(2)随心看模板配置;
数据架构:
随心看导读:主导读;
强制推荐:子导读;
补位推荐:子导读;
后台新增随心看导读:根据后台配置决定是否向用户开机立即展示;
用户处于“随心看”用户分组时,用户开机即进入全屏播放的随心看播控页;
配置形式:用户分组——主导读简介配置;
随心看导读下挂载“强制推荐”与“补位推荐”两个导读;节目单优先读取“强制推荐”下内容,排序在大数据推荐之前;当大数据推荐接口无数据返回时,读取“补位推荐“数据。
本发明实施例还提供一种计算机设备,图2是本发明实施例提供的一种计算机设备的结构示意图;参见附图图2所示,该计算机设备包括:输入装置23、输出装置24、存储器22和处理器21;所述存储器22,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器21执行,使得所述一个或多个处理器21实现如上述实施例提供的基于推荐算法的开机方法;其中输入装置23、输出装置24、存储器22和处理器21可以通过总线或者其他方式连接,图2中以通过总线连接为例。
存储器22作为一种计算设备可读写存储介质,可用于存储软件程序、计算机可执行程序,如本发明实施例所述的基于推荐算法的开机方法对应的程序指令;存储器22可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等;此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件;在一些实例中,存储器22可进一步包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置23可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入;输出装置24可包括显示屏等显示设备。
处理器21通过运行存储在存储器22中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的基于推荐算法的开机方法。
上述提供的计算机设备可用于执行上述实施例提供的基于推荐算法的开机方法,具备相应的功能和有益效果。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的基于推荐算法的开机方法,存储介质是任何的各种类型的存储器设备或存储设备,存储介质包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDRRAM、SRAM、EDORAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器组件等;存储介质可以还包括其它类型的存储器或其组合;另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统;第二计算机系统可以提供程序指令给第一计算机用于执行。存储介质包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上实施例所述的基于推荐算法的开机方法,还可以执行本发明任意实施例所提供的基于推荐算法的开机方法中的相关操作。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于推荐算法的开机方法,其特征在于,包括以下步骤:
S1、构建点播节目的随心看功能,根据用户观看行为记录数据中观看率为前三位节目的权重w,计算每个节目的截取比;
权重w的计算公式是:观看率=观看时长/节目时长;
每个节目的截取比的计算表达式为:
(1)
式(1)中,表示每个节目,/>、/>、/>分别是为第一位、第二位、第三位的节目观看率;
S2、根据bert的句向量算法计算每个节目的模拟视频simvods,根据近似关联节目列表,按照相似度倒排进行拼接,得到用户推荐点播节目;
(2)
式(2)中,表示每个节目的相似视频列表simvods;
S3、对热播节目进行热力值计算,防止用户没有相应的推荐结果;
所述热力值计算的表达式为:
(3)
式(3)中,表示某个节目当天的观看次数;t 表示天数;
S4、根据用户观看直播频道的记录,计算某用户某频道节目的分值,根据某用户下的所有频道的分值进行倒排,向用户推荐直播频道;
所述某用户某频道节目的分值的计算表达式为:
(4)
式(4)中,表示该节目当天的观看时长;t 表示天数;
S5、对全网的所有热播频道,按照频道中节目的观看时间长度,各频道各自进行加和、排序;
S6、将多用户方的数据进行采集、清洗、汇总,形成包括用户、收视、增值的核心数据资产,将所述核心数据资产划分为多个数据域;每个所述数据域支持多个数据统计维度,基于所述数据统计维度的自由选择进行用户分组。
2.根据权利要求1所述的基于推荐算法的开机方法,其特征在于,所述点播节目的点播内容排序规则包括:机顶盒用户历史观看点播内容标签推荐规则、机顶盒用户观看点播内容热度推荐规则、直播频道排序规则;
其中,所述机顶盒用户历史观看点播内容标签推荐规则包括:
近3天:收集每个机顶盒用户近3天观看的点播内容标签;
4-6天:收集每个机顶盒用户4-6天观看的点播内容标签;
7-9天:收集每个机顶盒用户近7-9天观看的点播内容标签;
10-30天:收集每个机顶盒用户10-30天以观看的点播内容标签;
30天以上:不做推荐权重,自动推荐点播内容,按热度推荐规则时间由近到远依次排序;
上述点播内容标签按照时间由近及远的自然递减函数的计算方式;
所述机顶盒用户观看点播内容热度推荐规则包括:
近3天:收集平台机顶盒所有用户近3天观看的点播内容及热度排名;
4-6天:收集平台机顶盒用户4-6天观看的点播内容及热度排名;
7-9天:收集平台机顶盒用户7-9天观看的点播内容及热度排名;
10-30天:收集平台机顶盒用户10-30天观看的点播内容及热度排名;
30天以上:不做推荐权重;
上述点播内容及热度按照时间由近及远的自然递减函数的计算方式;
所述直播频道排序规则包括:
近3天:收集每个机顶盒用户近3天观看的直播频道及时长大于30分钟;
4-6天:收集每个机顶盒用户4-6天观看的直播频道及时长大于30分钟;
7-9天:收集每个机顶盒用户近7-9天观看的直播频道及时长大于30分钟;
10-30天:收集每个机顶盒用户10-30天以观看的直播频道及时长大于30分钟;
30天以上:不做推荐权重,自动推荐点播内容,按近3天直播频道热度/时长排名由高到低依次排序;
上述直播内容时长按照时间由长及短的自然递减函数的计算方式。
3.根据权利要求2所述的基于推荐算法的开机方法,其特征在于,所述点播节目的点播内容排序规则还包括:特殊排序场景方式,所述特殊排序场景方式包括:
场景1:用户从不观看点播内容,直播正常排序,点播按热度排序;
场景2:用户从不观看直播内容,点播按正常排序,直播按热度排序;
场景3:新用户开机后,点播、直播都按热度正常排序。
4.根据权利要求1所述的基于推荐算法的开机方法,其特征在于,所述S6步骤之后还包括:进行数据上报,所述数据上报的上报数据包括:
用户ID;
播控页内使用上/下键换台次数:随心看功能使用情况;
播控页内跳转次数:随心看推荐内容的引流情况;
点播内容观看时长:评估推荐效果;
直播频道观看时长:评估推荐效果。
5.根据权利要求1所述的基于推荐算法的开机方法,其特征在于,所述S6步骤的所述数据统计维度对应于IPTV系统前台的数据,由用户自行定义,所述统计维度支持与、或、非3种逻辑,支持条件嵌套。
6.根据权利要求1所述的基于推荐算法的开机方法,其特征在于,所述用户观看行为记录数据(随心看的数据)由点播节目和直播频道共同按2:3的比例构成。
7.一种基于推荐算法的开机装置,其特征在于,所述开机装置运行时执行如权利要求1-6任一项所述的基于推荐算法的开机方法。
8.一种基于推荐算法的开机电子设备,其特征在于,所述开机电子设备包括如权利要求7所述的基于推荐算法的开机装置。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-6任一项所述的基于推荐算法的开机方法的步骤。
10.一种计算机设备,所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一项所述的基于推荐算法的开机方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310886092.7A CN116614681A (zh) | 2023-07-19 | 2023-07-19 | 一种基于推荐算法的开机方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310886092.7A CN116614681A (zh) | 2023-07-19 | 2023-07-19 | 一种基于推荐算法的开机方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116614681A true CN116614681A (zh) | 2023-08-18 |
Family
ID=87676858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310886092.7A Pending CN116614681A (zh) | 2023-07-19 | 2023-07-19 | 一种基于推荐算法的开机方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116614681A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007288391A (ja) * | 2006-04-14 | 2007-11-01 | Funai Electric Co Ltd | ハードディスク装置 |
CN101374214A (zh) * | 2007-08-23 | 2009-02-25 | 索尼株式会社 | 信息处理装置、信息处理方法及程序 |
WO2015074506A1 (zh) * | 2013-11-25 | 2015-05-28 | 乐视致新电子科技(天津)有限公司 | 一种智能电视的轮播节目点播方法及装置 |
CN105721954A (zh) * | 2016-01-29 | 2016-06-29 | 北京奇艺世纪科技有限公司 | 一种视频轮播系统和方法 |
-
2023
- 2023-07-19 CN CN202310886092.7A patent/CN116614681A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007288391A (ja) * | 2006-04-14 | 2007-11-01 | Funai Electric Co Ltd | ハードディスク装置 |
CN101374214A (zh) * | 2007-08-23 | 2009-02-25 | 索尼株式会社 | 信息处理装置、信息处理方法及程序 |
WO2015074506A1 (zh) * | 2013-11-25 | 2015-05-28 | 乐视致新电子科技(天津)有限公司 | 一种智能电视的轮播节目点播方法及装置 |
CN105721954A (zh) * | 2016-01-29 | 2016-06-29 | 北京奇艺世纪科技有限公司 | 一种视频轮播系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103596020B (zh) | 电视节目的混合编排和播放方法及系统 | |
CN102098537B (zh) | 用于交互式媒体环境内的剧集跟踪的系统和方法 | |
JP4211940B2 (ja) | 情報提供装置及び情報提供方法 | |
US7669128B2 (en) | Methods of enhancing media content narrative | |
CN102414665B (zh) | 具有基于团体的分级的分层标签 | |
US8635658B2 (en) | Broadcast social and media navigation system | |
CN102227695B (zh) | 基于学习的用户偏好的视听用户接口 | |
KR101832996B1 (ko) | 개선된 프로그램 가이드 | |
CN108650555B (zh) | 视频界面的展示、交互信息的生成方法、播放器及服务器 | |
US20060020973A1 (en) | Method and system for presenting personalized television program recommendation to viewers | |
US9583148B2 (en) | Systems and methods for providing electronic cues for time-based media | |
EP3054692A1 (en) | Multi-viewpoint moving image layout system | |
US11366568B1 (en) | Identifying and recommending events of interest in real-time media content | |
CN101390390A (zh) | 用于交互式媒体环境内的剧集跟踪的系统和方法 | |
US20140089979A1 (en) | Intuitive image-based program guide for controlling display device such as a television | |
CN102413373A (zh) | 一种生成数字电视菜单导航页的方法和装置 | |
US20140095341A1 (en) | System and methods for generating a custom media bundle | |
JP2014183574A (ja) | テレビジョンのようなディスプレイデバイスを制御するための直感的画像ベース番組ガイド | |
JP2014513347A (ja) | 的を絞った広告メッセージを送達するためのシステムおよび方法 | |
McKenzie et al. | Netflix chills and revamps its viewing metrics: Preliminary analysis and opportunities for research | |
CN112019908A (zh) | 视频播放方法、装置及设备 | |
CN116614681A (zh) | 一种基于推荐算法的开机方法、装置及电子设备 | |
US11936941B2 (en) | Dynamically generating and highlighting references to content segments in videos related to a main video that is being watched | |
US11871091B2 (en) | Dynamically generating and highlighting references to content segments in videos related to a main video that is being watched | |
CN116028724A (zh) | 用于用户交互的方法、装置、设备和存储介质 |
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 |