CN1607527B - 信息处理设备、信息处理方法 - Google Patents

信息处理设备、信息处理方法 Download PDF

Info

Publication number
CN1607527B
CN1607527B CN2004100981757A CN200410098175A CN1607527B CN 1607527 B CN1607527 B CN 1607527B CN 2004100981757 A CN2004100981757 A CN 2004100981757A CN 200410098175 A CN200410098175 A CN 200410098175A CN 1607527 B CN1607527 B CN 1607527B
Authority
CN
China
Prior art keywords
data
user
database
identifier
value
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.)
Expired - Fee Related
Application number
CN2004100981757A
Other languages
English (en)
Other versions
CN1607527A (zh
Inventor
角田智弘
星野政明
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of CN1607527A publication Critical patent/CN1607527A/zh
Application granted granted Critical
Publication of CN1607527B publication Critical patent/CN1607527B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • 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
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • 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
    • H04N21/432—Content retrieval operation from a local storage medium, e.g. hard-disk
    • 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
    • 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
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, 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
    • H04N21/458—Scheduling content for creating a personalised stream, e.g. by combining a locally stored advertisement with an incoming stream; Updating operations, e.g. for OS modules ; time-related management operations
    • H04N21/4586—Content update operation triggered locally, e.g. by comparing the version of software modules in a DVB carousel to the version stored locally
    • 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
    • H04N21/462—Content or additional data management, e.g. creating a master electronic program guide from data received from the Internet and a Head-end, controlling the complexity of a video stream by scaling the resolution or bit-rate based on the client capabilities
    • H04N21/4622—Retrieving content or additional data from different sources, e.g. from a broadcast channel and the Internet
    • 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
    • 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
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4755—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for defining user preferences, e.g. favourite actors or genre
    • 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
    • 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
    • H04N21/4821—End-user interface for program selection using a grid, e.g. sorted out by channel and broadcast time
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/16—Analogue secrecy systems; Analogue subscription systems
    • H04N7/162—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing
    • H04N7/163—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing by receiver means only

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

所公开的一种信息处理设备，包括：第一管理装置，用于管理关于用户喜好的第一数据；第二管理装置，用于管理关于信息的第二数据；检索装置，用于检索关于由所述用户使用的所述信息的第二数据；以及更新装置，用于通过利用由所述检索装置检索到的第二数据而更新所述第一数据。如果发现所述第二数据存在于所述第一数据之内，那么所述更新装置使用所述第二数据来更新所述第一数据；如果没有发现所述第二数据存在于所述第一数据之内，那么所述更新装置将所述第二数据添加给所述第一数据。

Description

信息处理设备、信息处理方法
技术领域
本发明涉及一种信息处理设备、一种信息处理方法。更具体地说，本发明涉及用于根据用户的喜好为用户提供信息的一种信息处理设备、一种信息处理方法。
背景技术
近年来，普通公众对能够连接到网络例如因特网的设备的使用呈不断增长的趋势。同时，还提供了以前不知道的一些服务，并且随着使用像这样的设备的用户的数量的不断提高而被大家所接受。示例性地，目前市场上的一些电视机具有它们的传统功能，即接收电视节目，还附加有连接到网络的功能和通过该网络从特定的服务器获取电子节目向导(EPG)信息的功能。现在还有一些电视机具有预约想要的电视节目的功能，这些想要的电视节目可以根据该获取的EPG，在随后被自动的记录下来。
EPG不但可以通过电视设备获取，而且还可以通过其它设备获取，例如通过它们的用户观看节目的个人计算机。
图1示出一个典型的EPG屏幕。通过上述提及的电视设备和个人计算机获得的EPG被显示在它们的显示区11中。通常，以类似矩阵表的形式提供EPG其中有彼此适当地相互关联的广播电台、广播时间和广播节目。例如，图1提供了这样一个信息，即节目A-1是一个通过广播电台A在12点钟开始的广播。因为广播电台、广播时间和广播节目彼此适当地相互关联，所以EPG以显示格式提供，使用户能清楚地看到广播电台、广播时间和广播节目。
尽管基本上以下述方式显示EPG，即其中广播电台、广播时间和广播节目是彼此相互关联的，然而提供EPG的一方(EPG提供商)也可以同时给用户展示附加信息，以便增强它们的便利性。例如，图1所示的典型的显示屏示出在每个显示区中有一个″RESERVE(预约)″按钮21，其中指示了广播节目名。在特定区中的RESERVE按钮21由用户进行操作，所述的用户想要预约以自动记录相应节目。其中显示EPG的终端是一个例如个人计算机的设备，该个人计算机装备有一个存储部分(未示出)，对RESERVE按钮21进行操作，使相应的广播节目将在用于自动记录的内置存储部分中被预置。
图1的例子还示出一个″RECOMMENDED(推荐)″按钮22和一个″RANKING(排序)″按钮23。当用户希望查看与由EPG提供商推荐的广播节目有关的信息的时候，用户对RECOMMENDED按钮22进行操作。当用户想要根据预约计数、收视收听率(rating)及其它参数查看更多信息的时候，对RANKING按钮23进行操作。
这些按钮的每个都被安排为通过用户的点击来对操作部分(未示出)进行操作。通常，用户将光标31放置到期望的按钮上，并且点击那个按钮。
如，当点击了图1的EPG中的所述的RECOMMENDED按钮22的时候，显示区11切换到图2的屏幕。图2的屏幕示出了多个广播节目名和与这些节目相关的说明。当点击RECOMMENDED按钮22的时候出现的屏幕由EPG提供商预先准备。也就是说，推荐的标准在EPG提供商一方，而不是在接收所提供的EPG的用户一方。
换句话说，所推荐的广播节目信息作为一个EPG相关的服务提供，是针对多个用户的，而不是它们中的个人。很难以考虑到用户的喜好的方式，为每个单独的用户提供关于推荐的节目的信息。当向单独的用户提供其它信息时，也会遇到相同的困难。
发明内容
本发明针对上述情况而做出，提供了一种设备、一种方法，以考虑用户的品味和喜好的方式，将适当的信息提供给单独的用户。
根据本发明的一个方面，提供了一种信息处理设备，包括：
第一管理装置，用于管理关于用户的喜好的第一数据；
第二管理装置，用于管理关于信息的第二数据；
检索装置，用于检索由用户使用的关于信息的第二数据；以及
更新装置，用于通过利用由检索装置检索到的第二数据来更新第一数据；
其中，如果发现在第一数据内存在第二数据，那么更新装置利用第二数据更新第一数据；以及
如果发现第一数据内不存在第二数据，那么更新装置将第二数据添加到第一数据。
在上述信息处理设备中，所述第一管理装置管理作为所述第一数据的与第一数值相关联的第一因素，相对于所述第一因素而言所述第一数值属于所述用户；所述第二管理装置管理作为所述第二数据的关于所述信息的第二因素，其中所述信息与相对于所述第二因素而言属于所述信息的第二数值相关联；如果发现在所述第二数据之内符合所述第二因素的所述第一因素存在于所述第一数据之内，那么所述更新装置使用所述第一数值和所述第二数值计算新的第一数值，并且将所述新计算出的第一数值写入所述第一数据；以及如果没有发现在所述第二数据之内符合所述第二因素的所述第一因素存在于所述第一数据之内，那么所述更新装置将所述第二因素和所述第二值添加到所述第一数据。
根据本发明的另一个方面，提供了一种信息处理方法，该方法供信息处理设备使用，所述的信息处理设备至少包括存储装置和控制装置，所述的存储装置用于管理数据，所述的控制装置通过利用存储在存储装置中的数据，执行预先确定的处理，所述的信息处理方法，包括：
第一管理步骤，管理关于用户的喜好的第一数据；
第二管理步骤，管理关于信息的第二数据；
检索步骤，检索由用户使用的关于信息的第二数据；以及
更新步骤，通过利用在检索步骤中检索到的第二数据来更新第一数据；
其中，如果发现在第一数据内存在第二数据，那么更新步骤利用第二数据更新第一数据；以及
其中，如果发现第一数据内部不存在第二数据，那么更新步骤将第二数据添加到第一数据。
当使用了根据本发明的所述信息处理设备、信息处理方法时，对与用户的喜好有关的数据和与分别地被提供的信息有关的数据进行管理。当用户使用信息的任何项的时候，所有与由用户使用的信息项相关的因素被检索，根据每一个被检索的因素，改变或添加与用户的喜好有关的数据。每当用户使用该信息的任何项时，这种安排将使与用户的喜好有关的数据被更新。用这样的方式，用户喜好数据不断地更新，以便更好地反映用户当前的喜好。
更具体地说，本发明的信息处理设备、信息处理方法可以提供信息，例如与电视广播节目有关的信息。
本发明的信息处理设备、信息处理方法还可以以考虑到用户的喜好的方式，提供与所述的电视节目有关的信息。因为每个单独的用户提供有定制的信息，因此用户比以前更受到鼓励去访问信息源。
本发明的信息处理设备、信息处理方法还可以将信息和显示该信息的原因(例如关键字)一起展示给用户。因此用户能知道根据其所述的信息已经被选择和显示的关键字。
根据本发明的信息处理设备、信息处理方法允许该信息提供商对提供给用户的关键字进行适当地控制。例如，信息提供商可以管理不适合显示给用户、但是适于检索将提供给用户的信息的关键字。通过保持和控制这种敏感的关键字，信息提供商可以给用户提供比以前更相关的信息。
本发明的其它目标、特征和优点通过阅读后面的说明书和相关附图将变得更加明显。
附图说明
图1是传统的EPG屏幕的说明性视图；
图2是传统的推荐节目的屏幕的说明性视图；
图3是示意图视图，示出了应用本发明的系统的典型配置；
图4是示意图视图，描述了用户终端的典型内部结构；
图5是组成由用户终端执行的基本处理的步骤的流程图；
图6是典型EPG屏幕的说明性视图；
图7是典型的推荐节目的屏幕的说明性视图；
图8是另一个典型的推荐节目的屏幕的说明性视图；
图9是示意图视图，表示服务器的典型内部结构；
图10是说明服务器的功能的功能方框图；
图11是保存在存储部分中的数据库的说明性视图；
图12是M_CATEGORY数据库的说明性视图；
图13是M_PERSON数据库的说明性视图；
图14是M_PERSON_CHARACTER数据库的说明性视图；
图15是M_VIEW_TYPE数据库的说明性视图；
图16是M_KEYWORD数据库的说明性视图；
图17是M_KEYWORD_1数据库的说明性视图；
图18是M_KEYWORD_2数据库的说明性视图；
图19是M_AGE数据库的说明性视图；
图20是M_GENDER数据库的说明性视图；
图21是M_REASON数据库的说明性视图；
图22是从主数据库检索信息的处理过程的说明性视图；
图23是从所述的主数据库检索信息的其它处理的说明性视图；
图24是T_PERSON_TARGET_GENDER数据库的说明性视图；
图25是T_PERSON_TARGET_AGE数据库的说明性视图；
图26是T_PERSON_VIEW_TYPE数据库的说明性视图；
图27是T_PERSON_CHARACTER数据库的说明性视图；
图28是T_PRG_VALUE数据库的说明性视图；
图29是T_PRG_VALUE数据库的另一个说明性视图；
图30是T_UM_VALUE数据库的说明性视图；
图31是用于创建T_PRG_VALUE数据库的步骤的流程图；
图32是显示的信息与关于该信息的数据的关系的说明性的视图；
图33是用于创建T_UM_VALUE数据库的步骤的流程图；
图34是用于创建T_UM_VALUE数据库的其它步骤的流程图；
图35是用于改变分值的处理过程的说明性视图；
图36是用于添加因素的处理过程的说明性视图；
图37是两个情况的比较的图示，一个具有学习过程，另一个没有学习过程；
图38是示意图，说明了为什么进行过滤处理；
图39是根据其它用户的历史，进行用于推荐特定内容的处理的说明性视图；
图40是根据其它用户的历史，进行用于推荐特定内容的其它处理的说明性视图；
图41是组成过滤处理过程的步骤的流程图；
图42是组成所述的过滤处理过程的其它步骤的流程图；
图43是组成用户组创建的处理过程的步骤的流程图；
图44是组成过滤处理过程的其它步骤的流程图；
图45是组成推荐节目查找处理过程的步骤的流程图；
图46是用于获取推荐原因的步骤的流程图；
图47是数据的说明性的视图，以该数据可以执行与原因类型相关的处理；
图48是其它数据的说明性的视图，以该其它数据可以执行与原因类型相关的处理；
图49是用于获取推荐原因的其它步骤的流程图；以及
图50是用于获取推荐原因的其它步骤的流程图。
具体实施方式
如下描述的本发明的优选实施例相应于如下所附权利要求：优选实施例的说明基本上确认了支持权利要求的特定的实施例。如果如下所述的作为本发明的优选实施例的任何一个例子都没有精确地与权利要求相对应，也并不意味着所述的例子与所述的权利要求无关。相反，如果如下所述的本发明的任何一个例子精确地与权利要求相对应，也并不意味着该例子与其它任何权利要求无关。
此外，以下说明的优选实施例没有要求将与整个权利要求相应的所有的例子包括在其中。换句话说，以下说明没有限定或否定任何这样的发明实体，即，该实体没有被本发明的所附的权利要求覆盖，但是在将来通过分案申请、通过修改、或通过提交国内优先权由本申请人进行添加。
本发明的信息处理设备(例如，在图9中的服务器52)示例性地包括：第一管理装置(例如，在图11中的目标数据库252)，用于管理与用户的喜好有关的第一数据(例如，在图30中的T_UM_VALUE数据库317)；第二管理装置(例如，在图11中的目标数据库252)，用于管理与信息有关的第二数据(例如，在图29中的T_PRG_VALUE数据库316)；检索装置(例如，在图9中的用于执行图33中的步骤S51和步骤S52的CPU 201)，用于检索与由用户使用的信息有关的第二数据；和更新装置(例如在图9中用于执行在图33中的步骤S53和步骤S54的CPU 201)，用于通过利用由检索装置检索到的第二数据来更新第一数据；其中，如果在第一数据内发现存在第二数据，那么更新装置利用第二数据更新第一数据(例如，通过在图33中的处理流程)，并且其中，如果没有在第一数据内发现存在第二数据，那么更新装置将第二数据添加到第一数据(例如，通过在图34中的处理流程)。
现在，将参考相关的附图对本发明的优选实施例进行说明。将在以下主要论述提供广播节目信息和应用了本发明的EPG(电子节目向导)系统，对其它种信息进行处理的其它系统也可以以本发明实施的方式实现。
本发明的实施例将按以下顺序进行论述：根据本发明的系统的典型结构将首先被说明。然后将对由所述的系统处理的EPG数据进行论述。具体上，将说明出现在用户终端53-1到53-N(图3)上的EPG信息的特征，接着是用于实现这些EPG特征的数据结构的说明。提供EPG数据的服务器52(图3)的典型结构将结合该数据结构进行说明。
图3是示出应用了本发明的系统的典型配置的示意图。在图3中，由因特网或LAN(局域网)组成网络51，该网络51可以使能被连接的设备在其间进行数据交换。连接到网络51的服务器52是由一方的管理员进行管理的，所述的管理员的一方创建和提供了EPG数据(即EPG提供商)。为了响应来自用户终端53-1到53-N的任何一个的请求，服务器52通过网络51将请求的EPG数据提供给请求终端。
所述的用户终端53-1到53-N中的每个都配备有从广播电台54接收TV广播的能力。示例性地，用户终端53-1到53-N中的每个可以是电视设备或个人计算机，它们能够通过网络51连接到服务器52，并且能够从广播电台54接收广播节目。或者，所述的用户终端53-1到53-N的每个可以由两个终端组成：一能够通过网络51连接到服务器52的个人计算机，和一具有从广播电台54接收广播节目的能力的电视设备。或者，用户终端53-1到53-N中的每个可以包括一个用于记录广播节目的记录装置。
也就是说，所述的用户终端53-1到53-N中的每个可以定义为由一个或多个至少能够与服务器52交换数据以及彼此交换数据、并且还能够从广播电台54接收电视节目的设备形成的终端。
在随后的说明中，如果没有特别的区别的需要，所述的用户终端53-1到53-N将简单地被称为用户终端53。相同的通用参考号也适用于在多个单元中配备的任何其它装置或设备。此外，尽管图3中仅包括了一个服务器52和一个广播电台54，其目的仅仅是为了简单化和例示，不以任何方式限定具体化本发明的系统的实际范围或配置。任何数目的这些部件可以在对本发明的执行中提供。
图4是描绘用户终端53的典型内部结构的示意图。在此用户终端53作为一单个终端进行了说明，该单个的终端与服务器52交换数据，并且从广播电台54接收广播节目。示例性地，这个终端是个人计算机，可以以台式计算机形式、便携式计算机、PDA(个人数字助理)或移动式电话的形式实现。
在用户终端53中，CPU(中央处理单元)71执行各种各样的处理，与保存在ROM(只读存储器)72中的程序一致。RAM(随机存取存储器)73提供CPU 71在执行它的处理中可能需要的数据和程序。输入/输出接口75连接到由键盘和鼠标组成的输入部分76。输入到输入部分76中的信号通过输入/输出接口75输出到CPU 71。输入/输出接口75也连接到包括显示单元和扬声器的输出部分77。
此外输入/输出接口75还连接到存储部分78和通信部分79。存储部分78通常由硬磁盘驱动器组成，通信部分79通过网络51与其它装置(例如服务器52)交换数据。虽然没有详细地示出，但是通信部分79包括天线和调谐器，用于接收和处理来自广播电台54的广播节目。驱动器80提供记录媒体，比如磁盘91、光盘92、磁光盘93、或半导体存储器94。驱动器80用于从其中加载的记录媒体中读取数据，和将数据写入到其中加载的记录媒体中。
现在将通过参考图5的流程图说明用户终端53的基本工作。这是一个例子，其中用户终端53获取和处理由服务器52存储的和管理的EPG数据。在随后的说明中，假定术语″EPG″包括显示-准备好EPG数据和任何随附EPG的数据。
在步骤S11，用户终端53取得通过网络51对服务器52的访问(图3)。通过适当的浏览器程序执行访问步骤，从通过预先确定的方法连接到服务器52开始(即，由用户根据与ISP(因特网服务提供商)的合同选择的拨号连接或一些其它适当的方案)。
当完成访问服务器52时，用户终端53在步骤S12执行登录处理。更具体地说，该步骤由用户执行，用户操作输入部分76，以输入用户名和密码。由此输入的信息通过通信部分79被传输到服务器52。
当用户终端53访问时(即，接收登录)，服务器52通过网络51在它的管理下将最初的EPG屏幕数据提供给访问的用户终端53。显然，只有正常完成登录处理，才提供EPG。在错误的登录的情况下，执行预先确定的错误处理规程。
在步骤S13，用户终端53接收来自服务器52的数据。根据由通信部分79接收的数据，CPU 71(图4)在作为输出部分77的一部分的显示单元101上显示初始的EPG屏幕(后面参考图6进行说明)。查看在显示单元101上的初始屏幕，用户操作多个屏幕带有(carry)的按钮(即，与链接的目的地和命令相关的按钮)。
在操作按钮之后，到达步骤S14，在此，与被操作的按钮相应的数据(指令)被传输到服务器52。在步骤S15，接收来自已经接收指令的服务器52的响应。在步骤S15，就像在步骤S13，CPU 71处理接收的数据，并且相应地使显示单元101显示屏幕。如果需要可以重复步骤S14和S15。
图6示出了在步骤S13中的显示在显示单元101上的典型初始的EPG屏幕。出现在图6中的显示单元101上的EPG主要地示出了彼此相关的广播电台、广播时间、和广播节目。例如，图6的EPG示出了广播电台A在12:00-13:00时间段中广播节目A-1。以使用户一眼便知需要知道的内容的方式，彼此关联地示出多个广播电台、将由这些广播电台广播的节目、和所述节目将要广播的时间段。
如图6所示，带有指示″PROGRAM(节目)A-1″的显示区包括RESERVE(预约)按钮111。操作RESERVE按钮111，预约相应的节目，用于随后自动记录到存储部分78(图4)。
此外，图6中的带有指示″PROGRAM A-1″的区包括推荐标记112。该推荐标记112附于推荐给访问用户的节目。所推荐的节目是被认为明确地满足每个访问服务器的用户的喜好的节目。可以为不同用户推荐不同节目。
换句话说，推荐的节目对所有访问服务器52的用户不是共同的。服务器52没有为每个用户预先设置具体的节目。当每个用户访问服务器时根据用户的喜好选择这些节目。本发明的一个特征是，考虑到用户喜好的所推荐节目信息被展示给访问用户。这个特征通过服务器52根据数据库执行它的处理来实现，将在后面进行说明。
在图6的例子中，以星形的形式提供了推荐标记112。或者，推荐标记可以是任何其它形状。该标记可以作为一连串的星给出，因此不同数目的星可以表示不同的推荐级别。在图6中，节目A-1被给予一颗星作为它的推荐标记112，然而节目B-1有三颗星。这意味着与节目A-1相比，更强烈推荐节目B-1给这个用户。
服务器52根据所述用户的喜好数据来建立表示推荐标记112(星的数目)的数据，并且推荐标记112作为初始的EPG屏幕的一部分被传输。或者，可以根据来自服务器52的初始EPG屏幕数据和由用户终端53管理的用户喜好数据这两者来建立推荐标记数据。根据由服务器52还是由用户终端53管理用户喜好数据(适当的时候简单调用的喜好数据)来改变推荐标记数据的建立方式。在随后的说明中，假设服务器52管理所述喜好数据。
基于在由用户终端53访问所述服务器52时鉴别和识别(通过登录步骤)用户的假定，在所述初始的EPG屏幕上的所述推荐标记112附于被认为满足所述用户喜好的节目。或者，可以首先将图1的初始屏幕提供给用户。然后用户可以登录，以便接收图6的屏幕。
显示区可以始终包括推荐标记112，所述的显示区带有每个推荐的节目(作为具有清楚的预先确定的条件的节目被检测)。然而，可能有这样的情况，其中所述的推荐标记112附于在同一时间段内的将被广播的多个节目。通常，在一个时间段内，用户只能观看一个节目，并且该用户拥有的一个记录设备在一个时间段内只能记录一个广播节目。这意味着即使推荐标记112附于一个时间段中的多于两个的节目，用户也只能观看两个。
如果有太多节目带有推荐标记112，可能削弱推荐的影响。在一个极端的情况下，如果推荐标记附于所有的节目(这个实际上可能发生)，则标记112将大为降低它们的意义。
既然如此，最好限制具有推荐标记112的广播节目的数量。例如，在同一时间段内，可以确定两个节目是带有推荐标记112的最大值，并且EPG将推荐标记112限定为每天最多20个节目。
图6中的EPG屏幕指示了RECOMMENDATION按钮113和RANKING按钮114。对RECOMMENDATION按钮113进行操作，以便获得所推荐的节目的概述。当用户想要以这种标准而推荐的节目的概述的时候，对RANKING按钮114进行操作，所述的标准如自动记录预约计数和/或观众收视率。
通过用户操作输入部分77(图4)，示例性的，将光标121放置于期望的按钮上，并且点击它，对这些按钮中每一个进行操作。
点击RECOMMENDATION按钮113，将显示单元101切换到例如图7所示的一个屏幕。尽管图7的例子仅示出了一个推荐的广播节目连同它的详细信息，实际上可以有多个推荐的节目与它们的详细信息一起出现在显示单元101的屏幕上(这个屏幕是在下面被调用的推荐屏幕)。所述的推荐屏幕包括节目显示区151、广播时间显示区152、概要显示区153、演员名显示区154、原因显示区155和推荐级别显示区156。
所述的节目显示区151示出了推荐节目的名称。所述的广播时间显示区152指示所述的节目将被广播的时刻和日期。所述的概要显示区153给出了推荐的广播节目中包括的内容的概要。所述的演员名显示区154列出了出现在节目中的主要表演者的姓名。原因显示区155示出了给用户推荐所述节目的原因。推荐级别显示区156以数值指示根据推荐原因以综合性的方式导出的推荐级别。
尽管图7中的例子示出了带有点的推荐级别显示区156，但是本发明并不仅限于此。或者，像在图6中所示的推荐标记112的情况下，例如星形的符号(以及它们的计数)可以用于表示推荐的级别。
本发明的另一个特征是使在诸如图7中的一个推荐屏幕上出现原因显示区155。该特征允许用户依据与该用户的喜好匹配的程度来认识推荐该节目的原因。检查一下这些原因，使用户有选择地观看(并且记录)推荐的节目，这些推荐的节目比之前的节目更容易满足该用户的喜好。
本发明的另一个特征是：不是给访问服务器52的所有用户提供相同的推荐屏幕，而是提供了定制的推荐屏幕，该屏幕可以满足每个访问用户的变化的喜好。这个特征使用户对提供的信息比以前具有更大把握，使用户更信赖地查找喜欢的节目变得更容易，而且还具有提供了易于使用的EPG服务的印象。因此所述的特征被期待可以提高获得对服务器52的访问的用户的数量，这将有助于会员数的实质提高。
此外，所述的图7中的推荐屏幕具有原因显示区155，该显示区155示出了多个信息类别。这个类别可以包括，如图7所示，″经常观看到的表演者″、″注册的类型″、″经常使用的关键字(Keyword)″、和″记录了相同的节目的用户的兴趣″，这些将在后面进行更详细地说明。示例性地，从服务器52管理的数据库中导出显示在原因显示区155中的信息。
在图7的例子中，引用了人员(Person)A作为一个经常观看到的表演者，给这个人员一些点(图7中的17.0点)。这些点表示给人员A的一个分值，作为在查找由服务器52提供的推荐节目中与用户的喜好相匹配的程度。分值越高，该表演者越符合用户的品味。
更具体地说，尽管图7的例子简单地示出了人员A的点的计数(17.0点)，这个并不是对本发明的限定。或者，该点指示可以附以由括号括起来的数字。例如，可以在这个区中给出指示″17.0点(8.9，3.8)，″其中括号中的第一个数字代表该节目的加权值(即，T_PRG_VALUE，将在后文进行讨论)，和第二个数字，该第二个数字代表用户的加权值(即，T_UM_VALUE，将在后文进行说明)。括号前面的数字(17.0点)是通过将两个加权值的积乘以预先确定的参数而获得的值。
在图7的例子中，一些用户可能在这种方式方面有困难，也就是说，其中，与它们的点一起示出三个信息项(人员A、人员B、人员C)，所述的点与一个类别的信息″经常观看到的表演者″有关。然而图7的例子给出了在原因显示区155中的详细资料的部分显示屏，全部的显示屏可能更加复杂：多个信息项可以与它们的点一起，以分布式方式在按照可用信息的多个类别中的每个而在多条线上被显示。这种显示屏需要非常宽的原因显示区155。信息的被延长的列举不能组成用户容易读取的屏幕。此外，不能认为点的指示可以给用户很多有意义信息(因为这没有考虑到使用户容易地在很长的数字列表中发现意义)。在实践中，信息的这种显示也许对用户查找喜欢的节目最终是没有用处的。
上述的不便可以示例地通过采取图8的推荐屏幕而避开。在图8所示的该屏幕上，原因显示区155示出了连续地在关于信息的每个类别的单行上的多个信息项，没有附加点的指示。与图7的例子不同，信息的相同类别(例如，“经常观看到的表演者”)将不会重复地出现在图8中。因为以更紧凑的方式示出了信息，所以认为用户更容易读取信息，并且从所示出的信息比以前能够获得更多。这使用户比以前更容易查找到喜欢的节目。
可以将在图7和8中的任何一个推荐屏幕展示给用户。然而，按照这种设计和展示出显示的方式，这些屏幕并非对本发明的限制。示例性地，在屏幕上的每一个显示区中的项可以随心所欲地在它们所在的位置中进行切换。可以添加其它显示区，或替换一些存在的区。然而，在实施本发明的情况下，其上显示推荐屏幕的屏幕(即，在上述例子中的初始屏幕)至少具有如下特性：
单独所述推荐屏幕或者所述初始屏幕和所述推荐屏幕一起被设计成对用户友好的形式，该形式展示了被认为满足所述用户喜好的信息。也就是说，所述信息以一种易读、易理解的方式展示。这一特征由服务器52实现，所述服务器52合适地配置以管理它的数据库。下述是所述服务器52、由其管理的数据库以及使用所述数据库而执行的处理的典型结构的说明。
更具体地说，首先说明所述服务器52的内部结构，随后说明所述数据库。然后解释如何创建由所述数据库管理的数据，以及使用所述创建的数据而执行的处理，尤其强调与所述推荐屏幕有关的处理。
图9是一个示意图，表示了所述服务器52的典型内部结构。所述服务器52可以示例性地由个人计算机构成。在所述服务器52中，CPU 201执行与ROM 202中保留的程序一致的各种处理过程。RAM 203提供数据和程序，所述数据和程序可能是所述CPU 201在执行其处理中所需要的。输入/输出接口205连接到由键盘和鼠标器组成的输入部分206。进入所述输入部分206的信号通过所述输入/输出接口205输出到所述CPU 201。所述输入/输出接口205还被连接到包括显示单元和扬声器的输出部分207。
所述输入/输出接口205还连接到存储部分208和通信部分209。所述存储部分208一般由硬磁盘驱动器形成，并且所述通信部分209通过所述网络51而与其它装置(例如用户终端53)交换数据。使用驱动器210向诸如磁盘、光盘、磁光盘或装载到所述驱动器的半导体存储器这样的记录媒体写入和从其读出数据。
如上所述，所述服务器52是能够创建展示给所述用户终端53的EPG和推荐屏幕的终端。所述服务器52的这些能力或功能是通过CPU 201执行保存在所述存储部分208中的和在程序执行时装载入RAM 203中的相关程序而实现的。图10是功能方框图，用于解释所述服务器52的功能。
参考图10，日志创建功能231是服务器52的功能，该功能用以创建由所述用户(通过所述用户终端53)访问的日期与时间(Time)的日志以及与由所述访问服务器(例如，某些广播节目的自动记录预约)接收到的服务有关的信息的日志。如此创建的日志被存储到所述存储部分208，并且作为日志文件由所述日志创建功能231管理。用户管理功能232是所述服务器53的功能，用于注册新用户，删除当前的注册用户，并且处理已经登录的用户。所述用户的操作(即指令)随着需要而由所述用户管理功能232管理。
后面所描述的是，信息分类功能233是所述服务器52的功能，用于参考目标信息元数据库和用户模型数据库，以便有选择地从可应用的数据库中检索出被认为适于访问(即请求)用户的信息，并且将所检索信息展示给所述用户。服务管理功能234是由服务管理员(即所述服务器52的管理员或将EPG数据提供给所述服务器52的数据提供者)在执行诸如添加、变更和删除数据库条目以及有关信息时使用的。
用户模型管理功能235允许数据被写入到所述用户模型数据库以及在其中更新、和从其中删除，这或者由所述用户或服务管理员直接进行，或者作为日志数据库开采(mining)的结果。所述用户模型管理功能235获得并且管理用户喜好数据。下面将更详细地描述，可以以许多方法获得所述喜好数据：通过由所述用户执行的数据注册处理，通过学习，或通过过滤处理。
信息通信功能236是服务器52的功能，用于将分类信息提供到所述用户并且从所述用户接收数据。目标信息元数据管理功能237允许将信息写入到所述目标信息元数据库、在所述目标信息元数据库中更新信息、以及从所述目标信息元数据库上删除信息，这或者直接由所述用户或服务管理员进行，或者作为从信息数据库、主数据库及其它来源开采有关信息的结果。一般服务功能238是用于执行所述服务器52在提供它的服务中所需要的处理、而不是由任何前述功能所应对的处理的功能。
前面所概括的功能归并在所述服务器52中。虽然为了便于说明而在这里假定这些功能由所述服务器52实现，但是部分的所述功能可以替换地由所述用户终端53实现。或者，部分或所有这些功能可以置于终端而不是所述服务器52中。然后所述服务器52可以与终端交换数据以有效地实现据信是所述服务器的那些功能的功能。
示例性地，所述用户终端53可以具有所述日志创建功能231和用户模型管理功能235(以便所述用户能够管理所述用于管理用户保密信息和用户喜好数据的功能)。正如下面将要述及的，这样就使所述用户终端53，而不是所述服务器52执行由这些功能处理的步骤。
现在说明由上述功能使用(即管理)的数据库。这些数据库建立在所述存储部分208中。图11是将内置在所述存储部分208中的数据库的说明视图。在图11的例子中，所述存储部分208包括主数据库251、目标数据库252、日志数据库253，和用户数据库254。
所述主数据库251由多个数据库组成，包括用于创建EPG的数据库和用于管理用户相关信息(例如用户年龄(Age))的数据库。所述目标数据库252是由多个数据库形成的，包括那些用于计算值以创建推荐屏幕及其它显示屏的数据库。所述日志数据库253由所述日志创建功能231创建和管理。所述用户数据库254是用于管理有关已经注册为会员的用户的信息的数据库。
所述主数据库251由示于图12-图21中的数据库组成。为了简化和例示的目的，仅仅数据库中的部分数据示于图12-21中。
图12示出了M_CATEGORY数据库271，提供其以管理即将播出的节目的类别(即类型)。给所述M_CATEGORY数据库271分配属性ID(标识符)″001″。该数据库管理与用于识别所述类别的相应类别标识符有关的所述注册类别。示例性地，将类别标识符″1000″分配给在图12的M_CATEGORY数据库271内的类别″sports(运动)″。
图13示出M_PERSON数据库272，提供其以管理出现在即将播出的节目中的人员(节目主持人、男演员、女演员、知识分子、政客等等)。给所述M_PERSON数据库272分配属性标识符″002″。这些数据库管理已注册人员的名称以及与相应的人员标识符相关的这些人员的姓名的发音(日本人假名姓名)。示例性地，在图13的M_PERSON数据库272内一个标识符是″0000000001″的人员被设为人员A，他的姓名读作“Jinbutsu-ee”(在日语中)。
图14示出了M_PERSON_CHARACTER数据库273，其用于管理出现在即将播出的节目中的人员的特征(Character)。给所述M_PERSON_CHARACTER数据库273分配属性标识符″003″。该数据库管理与用于识别所述特征的相应特征标识符有关的出现在所述节目中的人员的特征。在这里，人员的所述″特征″不但表示“特征”这个词的通常意思，而且表示由观众(即用户)所觉察出的该人员所特别代表或表现的特征。
示例性地，所述特征标识符″001″与图14中的M_PERSON_CHARACTER数据库273内的特征″类似节目主持人″相关联。尽管图14中例子示出了与单个词有关的每一个特征标识符，但是每一个特征标识符另外也可以与多个单词(类似的单词)相关联。示例性地，虽然一个特征标识符″004″与特征″friendly(友好)″相关联，但是所述标识符也可以与″friendly、neighborly(睦邻)″，或者其它许多意思相似的词相联系地示出。
图15示出M_VIEW_TYPE数据库274，其用于管理所谓的每一个用户的观看类型(ViewType)(即，喜欢的节目种类和观看所喜欢的节目的方式)。给所述M_VIEW_TYPE数据库274分配属性标识符″004″。这些数据库管理与用于识别这些观看类型的相应观看标识符相关联的用户观看类型。示例性地，一个观看标识符″001″被分配给在图15中的M_VIEW_TYPE数据库274内的描述为″欢笑刺激类型″的观看类型。
图16示出M_KEYWORD数据库275，其用于管理表示广播节目的所述关键字。给所述M_KEYWORD数据库275分配属性标识符″005″。该数据库管理与用于识别所述关键字的相应关键字标识符相关联的所述关键字。在此，所述″关键字″不仅表示这个词通常的意思，而且还使用一个或一组词来表示最能代表一个给定节目(例如节目A)的特征的意思。示例性地，关键字标识符″0000000001″被分配给图16中的M_KEYWORD数据库275内的关键字″信息″。
图17示出一M_KEYWORD_1数据库276，它基本上用于管理与上述M_KEYWORD数据库275所管理数据相同的数据。和图16中的所述M_KEYWORD数据库275相比，所述M_KEYWORD_1数据库276管理与相应的关键字和关键字标识符相关联的项“原因”。在标题″原因″下面列出的词是要在图8的屏幕中的原因显示区155中示例性显示的词；这些词是展示给所述用户阅读的词。
在标题″关键字″下面的所述关键字是用于在如匹配这样的内部处理的。另一方面，在标题″原因″下面的词是在匹配过程中高级别的词，并且由此实际上是作为推荐原因而展示给所述用户的。
例如：一个具有关键字标识符″0000000006″的关键字″色情″适合在匹配期间用于查找。然而，不要认为所述特定的词适合于将所述推荐的节目展示给所述用户。在这种情况下，与所述词″色情″相对应区的字段被留为空白(null)以消除在标题″原因″下面显示所述的词。
作为另一个例子，一个具有关键字标识符″0000000008″的关键字″有利(advantageous)″可能适于在匹配期间查找更喜欢的节目，但是仅仅把所述词″有利″展示给所述用户以解释所述推荐的节目可能是无用的并且对于用户来说甚至可能是不可理解的。为了避免上述潜在的不便，在标题″原因″下面使用表述″有利的信息″来替换所述关键字″有利″。这导致所述表述″有利的信息″实际上出现在显示区展示给所述用户，而不使所述关键字″有利″显示。
也就是说，建立所述附加项″原因″使得有选择地使用两种词成为可能：用于在匹配期间查找的词，和实际上可展示给所述用户的词。
图18示出一M_KEYWORD_2数据库277，它基本上用于管理与上述M_KEYWORD数据库275所管理数据相同的数据。和图16中的所述M_KEYWORD数据库275相比，所述M_KEYWORD_2数据库277管理与相应的关键字和关键字标识符相关联的项″显示″。列在所述标题″显示″下面的数字是确定列在所述标题″关键字″下面的每一个词是否应该展示给所述用户的标志。
在图18的例子中，所述标志″1″表示相应的关键字将展示给用户，而所述标志″0″指定关键字不展示给所述用户。示例性地，一个具有关键字标识符″0000000001″的关键字″信息″作为推荐给所述用户的一个原因而展示，而具有关键字标识符″0000000006″的关键字″色情″不能像这样展示给所述用户。
图16到图18中所示的所述数据库之一仅仅需要由所述主数据库251管理。基于上述原因，相同的属性标识符″005″被分配给图16-18中的所述数据库。除非另作说明，在随后的说明中，假设图16中的所述M_KEYWORD数据库275由主数据库251管理。
图19示出一M_AGE数据库278，用于管理用户年龄组。给所述M_AGE数据库278分配属性标识符″006″。这个数据库管理″年龄名称″，每一个表示注册年龄组中的每一个，″起始年龄″每一个表示所述每一个年龄组的起始年龄，而每一个″截止年龄″表示每一个年龄组的截止年龄，所有的都与相应的年龄标识符相关。
示例性地，一年龄标识符″001″与年龄名称″从0到4″相关联，在图19中的所述M_AGE数据库278内以″0″为起始年龄而以″4″为截止年龄。
图20示出一M_GENDER数据库279，其用于管理用户的性别(Gender)。将属性标识符″007″分配给所述M_GENDER数据库279。这一数据库管理与识别用户性别的每一个相应的性别标识符相关联的用户性别类型。示例性地，性别标识符″001″与图20示出的M_GENDER数据库279中的性别类型″男性″相关联。
图21示出一M_REASON数据库280，其用于管理原因，即在屏幕(图7或9)的原因显示区155处显示的词。所述M_REASON数据库280管理作为与相应的属性标识符和值标识符关联的原因列出的词。为了识别的目的，每一个属性标识符被分配给数据库。示例性地，所述属性标识符“001″被分配给示于图12中的所述M_CATEGORY数据库271。
所述值标识符是由所涉及的每一数据库管理的标识符。这些标识符包括类别标识符(图12)，人员标识符(图13)，特征标识符(图14)，观看标识符(图15)，关键字标识符(图16)，年龄标识符(图19)，以及性别标识符(图20)。所述原因，正如以上参考图17和18所讨论的，是被显示在原因显示区155(图7和8)的词。
示例性地，如果在图21中的用于所述M_REASON数据库280的所述属性标识符是″001″，所述标识号指向所述M_CATEGORY数据库271。如果所述值标识符是″1000″，意味着M_CATEGORY数据库271的所述类别标识符是″1000″。此外，如果将由所述M_REASON数据库280的属性标识符″001″和值标识符″1000″表示的所述原因提供给用户，那么列表在所述标题″原因″下面的词″运动″实际上展示给用户。
通过将分别显示在图12-19的数据库(除图17和18中的一些外)形成为单一的实体而建立所述M_REASON数据库280，以便控制显示在所述原因显示区155(图8)中的所述词。正如以上的论述，主要因为考虑到得体，所以需要上述的控制。把某些词如它们的原意那样而展示给所述用户是不合适的。在它们展示给所述用户之前，应该适当地处理这些词。
例如，前面举出的词″色情″是一不适合展示给所述用户的词。该词是由图16所示的M_KEYWORD数据库275管理的，并且关键字标识符″0000000006″分配给该词。因为所述属性标识符″005″被分配给所述M_KEYWORD数据库275，所以必须参考图21中所示的M_REASON数据库280中的该字段，所述M_REASON数据库280提供有属性标识符″005″和值标识符″0000000006″。所述参考表明缺少一可应用的字段(即已经被擦除的字段)。在所述M_REASON数据库280中缺少相应的说明就表示所述被认为不适合的词不会展示给用户。
也就是说，如果恰当地控制所述M_REASON数据库280，那么可以将特别选择出的词的说明的受控的缺少转换为不将它们展示给用户。
前面举出的词″有利″是另一个不适于展示给所述用户的词。这个词是在示于图16中的所述M_KEYWORD数据库275中管理的，并且被分配所述关键字标识符″0000000008″。因为所述属性标识符″005″被分配给所述M_KEYWORD数据库275，所以必须参考图21中的具有属性标识符″005″和值标识符″0000000008″的所述M_REASON数据库280中的该字段。所述参考在所述相应字段显示出表述″有利的信息″。在所述M_REASON数据库280中包含所述表述″有利的信息″表示当所述关键字″有利″将提供给用户时，实际上是表述″有利的信息″展示给所述用户。
也就是说，希望显示给所述用户的词受控包含在所述M_REASON数据库280就转换为实际上将这些词展示给所述用户，以代替所述不能如原意而展示给用户的相应的关键字。
当有广播节目被推荐给用户时，有各种不同表征将按照用户的喜好推荐的高分值(即匹配)的节目的原因或关键字。这些关键字可以包括仅仅适合于成年人的词、单音节和难解的词、很少使用的词、常用词、以及不可理解作为推荐原因的词。这些词中任何一个不会适合作为推荐给所述用户的原因而使用。在呈现给所述用户可选择的词或表述时，本发明的技术方案提供了一个高度的灵活性，其中所述词或表述代替所述不可展示给用户的关键字。
因为所述M_REASON数据库280是用于控制显示推荐原因的，所以有可能显示那些不同于基于图12-20中所示的所述主数据库的指示。示例性地，语形分析可以从表示诸如″恋爱(love)″、″爱情(affection)″、以及″依恋(attachment)″这样不同的词的所有的值中得出用于推荐″浪漫(romantic)″的原因，以随后展示给所述用户。
当主数据库251管理用于上述数据控制类型的所述M_REASON数据库280时，除了前述的好处外，还有一个额外的好处，即灵活控制展示给所述用户的词。参考图22以及23描述这些额外好处如下。
参看图22以及23，假设将具有属性标识符″001″以及类别标识符″1000″(目标词A)的词、具有属性标识符″002″以及人员标识符″0000000001″(目标词B)的词、具有属性标识符″002″以及人员标识符″0000000002″(目标词C)的词、和具有属性标识符″005″以及关键字标识符″0000000001″(目标词D)的词提供给用户。
在上述假定的前提下，如果不存在所述M_REASON数据库280并且仅仅有图12-20中的数据库(除在图17和18中的数据库之外)存在，那么查找示例性地以如下方式完成：首先通过具有属性标识符″001″的所述M_CATEGORY数据库271(图12)查找所述目标词A。所述查找检索具有所述类别标识符″1000″的词″运动″。同样地，通过所述M_PERSON数据库272(图13)查找所述目标词B。所述查找检索具有所述人员标识符″0000000001″的词″人员A″。
同样地，通过所述M_PERSON数据库272查找所述目标词C，借此检索词″人员B″。通过所述M_KEYWORD数据库275，对于目标词D的查找检索词″信息″。
如前所述，对所述四个目标词的查找要求参考三个数据库。
相比之下，如果提供有M_REASON数据库280，那么参考图23，所述查找被示例性地描述如下。首先参考所述M_REASON数据库280以查找所述目标词A。在所述M_REASON数据库280，参考由所述属性标识符″001″和值标识符″1000″识别的位置。所述参考检索所述词″运动″。同样地，参考所述M_REASON数据库280，以查找所述目标词B、C和D，借此检索可应用的词。
在如前所述的情况下，仅仅需要参考单个数据库以查找所述四个目标词。
如前所述，如果提供所述M_REASON数据库280，就不必参考许多用于查找的数据库。因为仅仅需要参考所述M_REASON数据库280，所以和以前相比可以花费相当少的时间以执行所述查找。这就转化为明显缩短的如下的时间段：即，从用户请求推荐屏幕直到所请求的推荐屏幕返回到所述用户的时间。对于要求实时响应请求的系统而言，缩短响应时间这样的功能是强有力的手段。
在如前所述的方法中，所述主数据库251管理创建EPG数据和推荐屏幕所需的数据。
现在描述所述目标数据库252(图11)。所述目标数据库252由在创建推荐屏幕过程中用于匹配广播节目和用户喜好的数据以及实现学习功能的数据组成，通过所述学习功能更详细地增加用户喜好的条目。
图24示出T_PERSON_TARGET_GENDER数据库311，其用于根据用户的不同性别而管理用数字给出现在广播节目中的人员的受欢迎的不同程度评分值的数据。特别地，所述T_PERSON_TARGET_GENDER数据库311管理与相应的分值相关联的人员标识符以及性别标识符。所述人员标识符与图13中所示的那些由所述M_PERSON数据库272管理的相同。示例性地，所述人员标识符″0000000001″表示″人员A″。
所述性别标识符与图20中所示的那些由所述M_GENDER数据库279管理的相同。示例性地，所述性别标识符″001″表示″男性″。根据随所述用户的性别而变化的所述受欢迎程度，每一分值表示由相应的人员标识符识别的所述人员的权重。例如，如果所述人员A周知受男性欢迎，那么所述人员的分值的提高或降低取决于所查询的用户是否是男性。
设置高分值的目的是要提高如下的可能性：在匹配处理期间，所述相应人员足够受欢迎而被检测到。设置低分值是考虑到降低在匹配期间所述相应人员被挑选出的可能性。这种低分值设置的目的示例性地是要绕过对于用户从欣赏的角度观看可能太受欢迎或出镜过多的那些人员。在考虑到EPG管理员的政策，用户的人口资料(他们的性别、属于哪一代的人等等)，以及系统上加载的操作而建立所述分值。
其它的目标数据库也可以根据其它的目标因素而管理数字数据。通过考虑上面论述到的，可以给这些因素高的或低的分值。
图25示出T_PERSON_TARGET_AGE数据库312，其用于根据用户的不同年龄组而管理用数字给出现在广播节目中的人员的受欢迎的不同程度评分值的数据。特别地，所述T_PERSON_TARGET_AGE数据库312管理与对应分值相关联的人员标识符以及年龄标识符。数据库312中的所述人员标识符与图13中所示的那些由所述M_PERSON数据库272管理的相同。
在所述数据库312中的所述年龄标识符与图19中所示的那些由所述M_AGE数据库278管理的相同。示例性地，所述年龄标识符“001”表示所述年龄组″从0到4″。根据随所述用户的年龄组而变化的所述受欢迎程度，每一分值表示由相应的人员标识符识别的所述人员的权重。例如，如果所述人员A周知受年龄组″从0到4″的人欢迎，那么提高或降低所述人员的分值取决于该用户是否属于该年龄组。
图26示出T_PERSON_VIEW_TYPE数据库313，其用于根据用户的不同观看类型而管理用数字给出现在广播节目中的人员的受欢迎的不同程度评分值的数据。特别地，所述T_PERSON_VIEW_TYPE数据库313管理与对应分值相关联的人员标识符以及观看标识符。所述人员标识符与图13中所示的那些由所述M_PERSON数据库272管理的相同。
在所述数据库313中的所述观看标识符与图15中所示的那些由所述M_VIEW_TYPE数据库274管理的相同。示例性地，所述观看标识符″001″表示″欢笑刺激类型″。根据随所述用户的观看类型而变化的所述受欢迎程度，每一分值表示由相应的人员标识符识别的所述人员的权重。例如，如果觉察到所述人员A受欢笑刺激类型的人的欢迎(例如，如果所述人员A经常地出现在歌舞杂耍中)，那么提高或降低所述人员的分值取决于所述用户的观看类型是否是所述欢笑刺激类型。
图27示出T_PERSON_CHARACTER数据库314，其用于管理用数字给出现在广播节目中的所述人员的不同特征评分值的数据。特别地，所述T_PERSON_CHARACTER数据库314管理与对应分值相关联的人员标识符以及特征标识符。所述人员标识符与图13中所示的那些由所述M_PERSON数据库272管理的相同。
在所述数据库314中的所述特征标识符与图14中所示的那些由所述M_PERSON_CHARACTER数据库273管理的相同。示例性地，所述特征标识符″001″表示″类似节目主持人″特征。每一分值根据由相应特征标识符定义的所述特征，表示由所述相应人员标识符识别的所述人员的值(权重)。例如，如果觉察到所述人员A具有经常主持杂耍和类似的节目的类似节目主持人的特征，那么根据“类似节目主持人”的特征而决定其分值的高或低。
图28示出T_PRG_VALUE数据库315，其用于管理与相应项相关联的具体节目。更具体地说，所述T_PRG_VALUE数据库315管理彼此关联的节目标识符、属性，和值标识符。为了识别的目的，所述节目标识符是分配给广播节目的识别器。
所述属性是识别所述数据库的数据。属性标识符可以代替所述属性。所述值标识符与图24中所示的那些由所述M_REASON数据库280管理的相同。示例性地，所述属性标识符″002″(即指向作为属性的″人员″)和所述值标识符″1000″表示″人员A″。如此，所述T_PRG_VALUE数据库315被用作将特定节目、出现在这些节目中的所述人员和表征所述节目的那些关键字彼此关联的数据库。
图29示出T_PRG_VALUE数据库316，其用于管理广播节目的权重值。所述T_PRG_VALUE数据库316是在图28中的T_PRG_VALUE数据库315的变化，其补充有关分值的条目。值得注意的是，图29中所示的所述T_PRG_VALUE数据库316管理属性标识符而不是属性。
示例性地，一个被分配节目标识符″1000000030000029″的广播节目因为在图29所示的T_PRG_VALUE数据库316中的所述属性标识符″001″和值标识符″1000″而被给予分值″0.65193365995972070000″。
在分值处理过程中使用所述分值的值。因为每一个分值的值是从所述属性标识符和值标识符的组合中唯一地获得的，所以不必确定哪一个所述属性标识符和值标识符的组合与哪一个词相关。然而，仍然给出一例子用于说明：关于所述属性标识符″001″和值标识符″1000″对在图21中所述M_REASON数据库280的参考显示出原因″运动″。在这种情况下，由于所述因素″运动″，因此所述节目标识符是″1000000030000029″的节目具有″0.65193365995972070000″的分值。
因为所述T_PRG_VALUE数据库316包括许多的属性标识符，所以检索它们的各自的因素要求参考许多相应的主数据库。如果提供有所述M_REASON数据库280，那么仅参考所述M_REASON数据库280就可以检测到必要的因素。由于所述M_REASON数据库280没有不适于展示给所述用户的关键字(即已经删除了它们)，那么根据需要参考M_REASON数据库280不检索上述不存在的词。如果这些关键字的任何一个是当前的处理过程所必需的，那么就不得不参考相关主数据库而不是所述M_REASON数据库280。
图30示出T_UM_VALUE数据库317，其用于管理用户喜好数据。所述T_UM_VALUE数据库317管理彼此关联的会员标识符、UM类型标识符、属性标识符、值标识符和分值。会员标识符是为了识别而分配给所述注册用户的识别器。每一UM类型标识符表明建立相应因素的基础。在这种情况下的所述″基础″可以是注册、学习和过滤。
例如，在图30的第一行中的所述属性标识符″001″和值标识符″1000″指向在图21中所述M_REASON数据库280内的所述因素″运动″。如果所述用户已经注册所述因素″运动″作为一个他的或她的喜好，那么在图30中的所述T_UM_VALUE数据库317内将针对所述喜好的所述UM类型标识符设置为″1″。
作为另一个例子，在图30的第二行中的所述属性标识符″001″和值标识符″1001″指向在图21中所述M_REASON数据库280内的所述因素″运动：棒球″。如果根据对所述用户经常观看的广播节目的分析，所述因素″运动：棒球″已经设定为该用户的一个喜好，那么在图30中的所述T_UM_VALUE数据库317内将针对所述喜好的所述UM类型标识符设置为″2″。
还有另一个例子，在图30的第三行中的所述属性标识符″002″和值标识符″0000000001″指向在图21中所述M_REASON数据库280内的所述因素″人员A″。如果根据过滤过程所述因素″人员A″已经设定为该用户的一个喜好，对此将在以后描述，那么在图30中的所述T_UM_VALUE数据库317内将针对所述喜好的所述UM类型标识符设置为″3″。
如前所述，在本发明的实施例中，用于检测将推荐给用户的节目的因素通过三个处理而建立：由所述用户注册喜好的处理，学习所述用户的喜好的处理，和过滤的处理。使用所有这些处理来以更详细地形式确定所述用户的喜好，以便将更适于他的或她的品味的推荐节目展示给所述用户。示例性地，如果单独地采用由所述用户注册喜好的处理，那么所述用户不能单独注册很多因素。例如，如果注册高达30,000个因素，那么仅仅一小部分能够由所述用户确定作为他的或她的喜好；所述用户实际上不可能(即可能但是很麻烦)注册所有这许多的因素作为所述用户的喜好。
示例性地，所述用户可以设置诸如″运动″这样的宽类别(具有属性标识符″001″和值标识符″1000″)，但是不可以纠缠以进一步定义诸如″棒球″这样的细节。然而，即使所述用户仅仅指定所述因素″运动″，所述实施例的学习功能可以确定所述用户经常地观看棒球比赛。在那种情况下，所述学习功能便会增加一因素″运动：棒球″(具有属性标识符″001″和值标识符″1001″)。所述实施例的过滤功能，将在以后论述，顾及那些既没有由所述用户注册也没有由所述学习功能建立的更多因素。
所述注册、学习和过滤处理确定前述的所述因素。然而，通常更可取的是，那些由所述用户注册的因素被认为比由其它处理设置的那些更重要，由所述学习处理建立的因素比那些由所述过滤处理设置的更重要。这种权重可以通过改变图30中所示的在T_UM_VALUE数据库317中的分值的值而受到控制。
上面参考图22-30说明的所述数据库由所述目标数据库252管理。
现在参考图31中的流程图，说明如何创建T_PRG_VALUE数据库315。当已经准备好EPG数据后(即，每一个节目确定将被播放后，选择出现在所述节目中的人员(演员)并且完成其它用于准备EPG的必需数据)，执行在图31的所述流程图中的处理。由服务器52的CPU 201(图9)实施的目标信息元数据管理功能237(图10)负责执行组成在图31中的所述流程图的步骤。或者也可以由输入必需的数据的管理员人工地执行这些步骤。在这个例子中，假定由所述CPU 201执行图31中的所述处理。除非另作说明，所述CPU 201(实施它的相关功能)也执行其它流程图中的步骤。
在步骤S31，所述CPU 31获得将被添加给所述T_PRG_VALUE数据库315的数据。在步骤S31中获得的数据是与节目的因素相对应的T_PRG_VALUE数据，诸如与所述节目有关的演员和关键字。每一因素主要地是在EPG(图6)中显示的一则信息。这种创建EPG需要的数据由创建所述EPG的一方提供。
现在假设诸如图32中所示的一个EPG将提供给所述用户。图32中的EPG表明节目名称″节目A-1″具有如下所示的演员名称″人员A″和″人员B″。在演员名称下面是两个关键字，″信息″和″购物″。为显示这类EPG要求准备其它的信息。即，需要组合所述属性标识符″002″和值标识符″0000000001″以显示″人员A″，并且需要所述属性标识符和值标识符的类似组合以显示″人员B″″信息″和″购物″。
在步骤S31中获得示于图32右边的信息。所包括的数据源自于图28中所示的所述T_PRG_VALUE数据库315。特别地，从所述T_PRG_VALUE数据库315检索有关的数据。在步骤S32，从映射数据获得与在步骤S31获得的因素相关的属性数据以及相应于该属性数据的分值。所述映像数据指的是由所述目标数据库252管理的数据库。
在步骤S33，将所述演员和相关关键字的T_PRG_VALUE分值乘以从在步骤S32得到的映射数据获得的分值，并将其积设定为属性数据的分值。在步骤S34，如此建立的分值每一个都被作为因素而添加到并且保存在所述T_PRG_VALUE数据库316。每当添加一个因素时，分配给所述因素一个与其属性相对应的属性标识符。还给该因素一个值标识符，用于唯一地识别由关于属性的主数据定义的所述属性。
前述说明示出了图29中的所述T_PRG_VALUE数据库316是如何创建的。
现在说明图30中的所述T_UM_VALUE数据库317是如何创建的。上面参考图30论述T_UM_VALUE数据库317时，示出数据库317的所述因素由如下三个步骤设定：注册、学习和过滤。下面参考图33的流程图，说明如何通过由所述用户进行的注册处理来添加每一个因素。由所述用户模型管理功能235执行创建T_UM_VALUE数据库317的步骤，其中一个所述功能由所述CPU 201实现。
在步骤S51，所述CPU 201获得将被添加给所述T_UM_VALUE数据库317的数据。在步骤S51获得的数据由关于所述因素的T_UM_VALUE数据组成，所述因素诸如与当前被编辑的所述用户(即观看者)的喜好有关的演员和关键字。在步骤S52，从映射数据获得与在步骤S51得到的因素相关的属性数据和相应于所获得因素的分值。
在步骤S53，将从在步骤S52得到的映射数据获得的分值乘以所述演员和相关关键字的T_UM_VALUE分值，并将其积设定为属性数据的分值。在步骤S54，如此建立的分值每个都被作为因素而添加到并且保存在所述T_UM_VALUE数据库317。每当添加1个因素，则分配给该因素一个与其属性相对应的属性标识符。还给所述因素一个值标识符，用于唯一地识别由关于属性的主数据定义的所述属性。
按照所述用户执行的注册所述因素的处理，上文已经部分地说明了在图30中的所述T_UM_VALUE数据库317是如何创建的。
现在参考图34的流程图说明如何通过所述学习处理将因素添加到所述T_UM_VALUE数据库317。在步骤S71，从所述日志数据库253(图11)读出关于用户观看(或预约以自动记录)的特定节目的数据。一方面，所述日志数据库253至少管理用于识别会员用户的会员标识符，另一方面管理用于识别用户所观看的节目的节目标识符，将它们相互关联。
如前所述，在步骤S71获得关于所述用户所观看的节目的数据。更具体地说，首先获得所述用户的会员标识符。基于会员标识符，从所述日志数据库253检索由所述用户使用的节目的节目标识符。使用获得的节目标识符，参考所述T_PRG_VALUE数据库316以查找与所述获得的节目标识符相对应的每一因素的T_PRG_VALUE分值。
在步骤S72，将所获得的T_PRG_VALUE分值添加到具有相同属性标识符和相同值标识符的T_UM_VALUE因素。下面参考图35更详细地描述该步骤。在此假设所述日志数据库253包含会员标识符″200241723056783″和节目标识符″1000000030000029″。当从所述日志数据库253检索到数据时，首先相应地从所述T_PRG_VALUE数据库316读出具有相同的节目标识符的因素。在图35的例子中，从所述数据库316读出具有属性标识符″001″、值标识符″1000″和分值″1.65193365995972070000″的因素。
其后，进行核查以便确定所述T_UM_VALUE数据库317是否包含与所述检索到的属性标识符和值标识符相匹配的任何因素。如图35所示，如果存在匹配因素，则检索所述因素的分值(在本例中是″.84296419427714530000″)。将先前从所述T_PRG_VALUE数据库316中读取的分值(在本例中为″1.65193365995972070000″)添加到所述检索到的分值。或者，所述添加可以补充一个预定值(即通过权重)的乘积。
如前所述，每当所述用户观看(或预约以自动记录)一个节目时，改变在所述T_UM_VALUE数据库317中的有关因素的分值。也就是说，系统学习以得到每一个用户喜好的较好的画面。
在图35的例子中，示出的所述T_UM_VALUE数据库317包含匹配从所述T_PRG_VALUE数据库316检索到的属性标识符和值标识符的因素。然而，可能发生的是，所述数据库不具有匹配因素。例如，出现在由用户A观看的节目中的″人员A″可能不会在与所述用户A相对应的T_UM_VALUE数据库317中找到。
在这种情况下，一个新因素被添加给所述T_UM_VALUE数据库317。现在将参考图36描述这是如何完成的。
假定所述用户A观看的节目X中出现了人员A和人员B；并且假定所述用户A喜好人员A并且经常地观看有人员A出现的节目，但是其并不了解人员B并且从不观看除节目X之外的有人员B出现的节目。在那种情况下，用于所述用户A的所述T_UM_VALUE数据库317已经具有与人员A有关的″分值A″。补充了一个新值的所述分值就成为″分值A″。
其间，在用于所述用户A的T_UM_VALUE数据库317中没有关于人员B的因素存在。这就要求将关于人员B的一个新因素增加到所述数据库中。
尽管在上述例子中示出关于与所述人员A出现在同一个节目中的人员B的新因素被添加到所述数据库317中，但是仍然可能将诸如人员A的特征和观看类型之类的因素补充到所述数据库中。如果人员A的特征和观看类型已经存在于所述数据库之中，那么通过对现存的分值的添加或其它操作，显然不得不改变它们的分值。
示例性地，可能发生所述用户A所观看的、并且人员A出现在其中的节目X是杂耍而人员A通常在周期戏剧(period drama)中出现。在这种情况下，人员A的特征与因素″周期戏剧″相关(即，映射)。如此，即使由所述用户A观看的节目X是杂耍，以上处理提高了与人员A有关的因素″周期戏剧″的分值的值，以使从下一次开始周期戏剧更可能被推荐给所述用户A。
如果所述人员A具有属性″强健″，那么具有相同属性″强健″的人员C(未示出)，就将他的或她的因素添加到用于所述用户A的所述T_UM_VALUE数据库317。自然，如果所述人员A具有所述属性″强健″，并且如果用于所述用户A的T_UM_VALUE数据库317已经包含所述因素″强健″，那么更新所述因素的分值。
尽管假定所述人员A和人员B出现在上述节目X中，但是即使仅仅所述人员A出现在节目X中的情况，也执行相同的过程。有可能所述人员A和人员B由关键字(属性)″周期戏剧″而相互关联(即，映射)。在那种情况下，在所述用户观看仅仅有人员A出现的节目时，从所述数据库中检索被映射到人员A的人员B并且将所述人员B的因素添加给它。
通过上述的学习过程，或者与所述节目X的属性和人员A的属性相关的因素被重新添加到所述T_UM_VALUE数据库317中，或者更新这些因素的分值。
当所述用户观看或预约节目以自动记录时，更新其所包含的分值的值并且添加新的因素。所采用的样本的数目越大，所述用户喜好的数据就变得越详细。使用这样的数据使得查找更适合所述用户品味的推荐节目(即所述用户更喜欢的节目)成为可能。
图37示出了比较两种情况的图示，一个中执行了上述类型的学习而另一个中不执行。图A示出了根据属性推荐节目的例子，而图B表明仅仅基于详细的元数据推荐节目的例子。如图37所示的，在会员资格的初期阶段，即当刚经过一个短时期时，如果基于属性(图A)推荐节目，所述学习的效果更明显。后来，当经过一个比较久的时期时，如果只是根据细节元数据(图B)推荐节目，所述学习的效果就更显著。
考虑到这些结果，所述学习处理对于新近注册的用户在他们作为会员的初期在提高他们的喜好数据的可靠性方面更有效。在某一时段(当已经达到一个预先确定的学习程度时)以后，可以断开所述学习处理(或可以减少其使用频率)。
无论如何，在用户具有会员资格的初期所述学习处理帮助创建非常可靠的用户喜好数据。这使在比以前相对早得多的阶段就推荐满足每一个用户喜好的节目成为可能。当所述注册用户对所推荐的节目感到更满意时，它们就不太可能从所述服务中退回(放弃)。
如上述，除所述学习处理之外，还有用户注册处理。这些方法的一个目的是收集更精确的用户喜好数据。所要收集的数据(即因素)基本上涉及电视广播节目的种类和这些节目的演员，借此从中选择并且推荐适于每一个用户品味的所述节目。
仅仅所述收集的因素就可以达到所示目的。然而更好地是，当推荐节目时，也收集关于每一个用户的生活方式的信息并考虑基于这样的信息的因素。生活方式在这里指的是用户每日的行为，例如用户是否在白天看电视。这种信息可能涉及用户的隐私。对于某些用户，这样的信息是否与所推荐的广播节目有关可能不清楚。这些用户可能有理由感到很不情愿公开表面上与他们所设想接受到的服务不相关的他们的私人信息。
收集这样的信息的一种途径是借助于调查问卷和预测(fortune-telling)的方法。也就是说，应该以这样的方式收集所述信息，使所述用户不会注意到他们在提交他们的私人信息。可以鼓励每一个用户如玩游戏一样注册他的或她的简介。如此，管理(收集)人物简介(在这种情况下，所述服务器52和管理员)的一方能非常容易地收集提供所希望的信息的每一个用户简介。
在查找推荐节目过程中所述生活方式信息用作为另一个因素。这同样有助于选择出可以更好地满足用户喜好的广播节目。
下面所述的，是在所述T_UM_VALUE数据库317上执行的过滤(或开采)处理。行所述过滤处理主要是在图8的所述推荐屏幕的原因显示区155中的显示项″录制相同的节目的用户的兴趣″。在下述的情况和原因下使所述显示有效。
参考图38，假设所述用户A和所述用户B已经预约节目X以自动记录。然后推测所述用户A和用户B两个都对所述节目X感兴趣。如果所述节目X碰巧是喜剧节目，那么就认为两个用户对有欢笑的类型的节目感兴趣。
同样假设所述用户B已经预约了另一个有欢笑类型的节目Z而且人员A出现在节目X中，而人员B出现在节目Z中。在这种情况下，所述节目Z和所述人员B就不会被包括在由所述用户A制作的记录预约的日志中或所述用户A的喜好数据中(以致所述节目Z不会被推荐给用户A)。然而，对有欢笑类型的节目感兴趣的所述用户A被认为喜欢喜剧类型的节目Z，还有属于喜剧演员类别的所述人员B。换句话说，所述用户A仅仅不了解都潜在地满足所述用户A的喜好的节目Z和人员B。
在那种情况下，可以将由已经预约节目X的用户B所预约以自动记录的节目Z以及出现在所述节目Z中的人员B一起推荐给用户A。这可以使所述用户A认识迄今对于用户A而言是陌生的所述节目X以及人员B。向每一个用户展示这样的对于该用户有用的并且重要的新信息提高了用户对于由所述服务器52提供的所述信息的信赖。
事实上，已经实行类似类型的处理。例如，如果购买者A在一个卖书网站上购买了一本书A，那么由购买相同书A的购买者B购买的书B被推荐给所述购买者A。在这种情况下，并没有考虑购买者A的喜好。将书B推荐给所述购买者A仅仅因为购买了书B的购买者B在购买者A以前碰巧已经购买书A。
在此将上述通常实行的推荐(一种类型的过滤)与本发明的实施例中的推荐(另一种类型的过滤)进行比较，并且说明二者的差异如下。图39是一说明的视图，显示了如何执行传统的过滤。假定如图所示已经观看过节目(即内容)的用户A到Z的历史得到管理。在所述假定的情况下，如果要将某些内容推荐给所述用户A，那么搜索由用户B到Z组成的一个用户组以查找经常地观看与所述用户A相同内容的一个用户或一些用户(即根据内容使用查找与目标用户具有极高程度相似性的一个用户或一些用户)。
由具有极高程度相似性的一个用户或一些用户使用的内容项中，有待于用户A观看的内容然后被推荐给用户A。
使用前述所概括的常规方法，有一个问题是不可避免的：仅仅那种已经由与所述目标用户具有极高程度相似性的人们观看的内容(即，节目)才能被推荐给那个用户。
图40是一说明的视图，显示本发明的实施例是如何执行过滤的。假定如图所示已经观看过节目(即内容)的用户A到Z的历史也得到管理。应该注意到每一历史包括关于观看的内容的每项的元信息，以及在管理下提供和设置内容贮藏库(repository)。在这种情况下，所述内容贮藏库指的是由所述目标数据库252管理的数据。
在所述假定的情况下，如果要将某些内容推荐给所述用户A，那么就搜索由用户B到Z组成的用户组以查找经常使用与用户A所使用的元信息相同的元信息(例如，包含演员名称、关键字等的信息)的一个用户或一些用户。换句话说，根据元信息的使用情况(即根据喜好)搜索与所述目标用户具有极高程度相似性的一个或一些用户。通过由具有极高程度相似性的所述一个或一些用户所使用的元信息，搜索有待于使用的、或仅由用户A经常使用的信息(即人员、关键字等，有待于由所述用户A认识)。然后，从所述内容贮藏库读出与检索到的元信息有关的所述内容(节目)并且将其推荐给用户A。
当以此方式展示相关信息时，除通常使用的内容之外，可以以更适合的方式把内容推荐给所述用户，所述内容没有被再使用过或所述内容仅仅在一个有限的时段提供过。此外，使用关于从推荐的内容获得的关键字的相似度，使得推荐其它的至今无关的内容成为可能。
现在参考图41的流程图描述本发明的所述实施例执行的所述过滤处理。在步骤S91，使用下面的公式(1)计算用户之间的相似度：
Sim xy = Σ v ( X v - X A ) · ( Y v - Y A ) Σ v ( X v - X A ) 2 · ( Y v - Y A ) 2 . . . . . . ( 1 )
其中，Xv代表用户X关于值v的评价(分值)，而XA代表用户X的分值的平均值。同样地，Yv表示用户Y的关于值v的分值，而YA代表用户Y的分值的平均值。使用上述的公式(1)完成计算，提供在用户X和用户Y之间的相似度(T_UM_SIMILARITY)。将由T UM VALUE数据库317管理的相关值代入上述公式(1)。
当在步骤S91完成上述计算时，到达步骤S92。在步骤S92，计算预测的矢量。使用下面的公式(2)计算与值v有关的用户X的预测的矢量：
Expect X v = X A + Σ N ( N v - N A ) Sim XN Σ N | Sim XN | . . . . . . ( 2 )
其中，XA代表用户X分值的平均值；N表示关于值v具有与用户X的相似性的用户N的分值；NA表示用户N分值的平均值；以及SimXN表示在步骤S91计算出的值，该值代表在所述用户X和所述用户N之间的相似度。
如此计算出的预测矢量被存储到所述T_UM_VALUE数据库317中。正如以上参考示出所述T_UM_VALUE数据库317的图30所论述的，UM类型标识符″3″示例性地是由本发明的过滤处理计算出的所述预测矢量。
或者，在所述存储部分208(图11)中提供一个数据库，通过所述数据库管理在步骤S91计算出的相似性。尽管在步骤S91计算出的所述预测矢量值示为置于所述T_UM_VALUE数据库317中以存储，但是这不是对本发明的限制。或者，在计算之后所述预测值一旦用过就可能被擦除。这是因为每当任何一个注册会员用户通过观看或预约节目以自动记录来添加新数据(将被计算)时，基本上都需要重新计算相似性和预测的矢量。
在这些情况下，可能较好的是按照需要计算和使用预测值而不存储它，使得总是可以使用最新的预测矢量。如此如果没有提供用于管理相似性的数据库，或者如果没有把所述预测矢量值置于所述T_UM_VALUE数据库317中以存储，那么每当准备好推荐屏幕并且将其展示给所述用户时，就示例性地计算出所述相似度或所述预测矢量。
即使预先存储相似性和预测矢量，也不必重新计算所有存储的数据。仅仅为已经重新创建过日志的用户计算相似度和预测矢量(即仅仅基于用户的数据完成计算)。这显著缩短了计算相似性和预测矢量所要求的时间并且减轻了在所述服务器52上的处理负荷。
可以总是根据图41的流程图计算预测矢量。然而，如果存在10,000个会员，那么所述处理将最少包括10,000乘以10,000的计算量。会员用户数目越大，需要执行的计算量就越大而且所述系统的负荷也越大。通过采取另一种过滤处理可以绕开这个瓶颈。如在下面参考图42的流程图所论述的，这个处理减少了所述系统的负担，然而仍确保足够的过滤(即当执行图41的流程图中的处理时所述处理提供几乎相同的效果)。
在图42的流程图中，首先在步骤S101计算用户之间的相似度。在步骤S102，执行用户组创建处理。在步骤S103计算预测矢量。和图41的流程图中的处理相比，图42中的处理具有一附加的步骤(S102)，用于执行所述用户组创建步骤。现在参考图43的流程图描述如何执行用户组创建处理。在步骤S101中计算相似度与在步骤S91(图41)中基本相同。
在步骤S111，假定每一个用户属于一个组，创建与用户数目一样多的用户组。换句话说，创建如用户数目一样多的单-会员组。例如，如果存在10,000个会员用户，那么创建10,000个每个具有一个会员的组。
在步骤S112，参考相似性数据库(未示出)以便按照相似性减少的次序对所述组分类。步骤S112中的所述处理使用在步骤S101(图42)计算出的相似度。只要提供相似性数据库，那么在步骤S101计算出的相似度就被存储到所述数据库中。从所述数据库检索所述已经存储的相似性并且将其用于执行步骤S112。如果没有提供相似性数据库，那么每当在步骤S101计算出相似度时就重复所述分类。当在步骤S101完成相似度的计算时，同时终止在步骤S112的分类。
在步骤S111和步骤S112的处理不必临时相互关联。例如，步骤S112的处理可以在步骤S111的处理之前。作为另一个可供选择的办法，可以并行地执行在步骤S111和步骤S112的处理。
在步骤S112的处理的末尾，到达步骤S113。在步骤S113，按照相似性减少的次序把每一个用户的每两个连续的组放入一个组。此步骤把具有几乎相同相似性的每两个用户放入到一个组里。示例性地，如果10,000个用户组成10,000个组，那么执行步骤S113将组的数目减半至5,000个。
在步骤S114，进行核查以确定所述重新整理的组数是否等于或者小于最终所希望的组数。步骤S113和S114被重复，直到在步骤S114的所述核查结果变为确定的(即，达到希望的组数)。
示例性地，如果所述最终希望的组数是2,000或者更少，并且如果存在10,000个组，那么所述处理发生如下：在第一次经过步骤S113时，所述初始组数被平分为5,000(两个用户组成一个组)；在第二次经过步骤S113时，组数变为2,500(四个用户组成一个组)；在第三次经过步骤S113时，组数减为1,250(八个用户形成一个组)。此时所述组数低于2,000个。如此在步骤S114确定达到最终所希望的组数，并且相应地结束所述用户组创建处理。
在步骤S113和S114执行的是将组的数目减少到一个预先确定的组数或者更少的处理。完成所述处理的方法不局限于如上所述的重复平分存在的组数。或者，用户的总数(即在步骤S111创建的组的总数)可以首先除以目标组数。所得结果的商可以设定为每一组的用户数目。然后可以按照相似性减少的次序将所述用户重新安排到设定的用户数的组里。
例如，如果当前存在10,000个组并且如果希望将组的数目减少到2,000或者更少，那么所述数目10,000首先被除以2,000。将所得的商″5″设定为每一组的用户数目。然后所述用户按照相似性减少的次序被重新安排到5个组中，借此创建2,000个组。
可以以任何适当的方式创建所述用户组。仅有的要求是把具有极高相似度的用户分组在一起而且将组的总数减少到一个预先确定的数目或者更少。通常可以考虑系统的操作负荷以确定最终希望的组数。
对于每一个如此创建的组，在步骤S103计算预测的矢量。在步骤S103的处理基本上和在步骤S92(图41)的一样。在步骤S92获得的是在所述目标用户和另一个用户(例如在用户X和用户Y之间)之间的预测矢量。
相比之下，在步骤S103，预测的矢量是在所述目标组和另一个组之间获得的(例如在组X和组Y之间)。在这种情况下，用于用户X的所述预测矢量是作为在用户X所属的组X一方和另一方组Y之间的预测矢量而获得的。
或者，在步骤S103，可以在目标用户和给定的组之间获得预测矢量，例如，在属于组X的用户X一方和用户X所不属于的组Y一方之间。
无论如何，所述系统在组之间比在用户之间计算预测矢量需要花费更少的资源。通过利用组的概念而进行计算缩短了计算时间并且降低了系统的负担。
图44是组成另一种过滤处理的步骤的流程图。在图44中的处理也预先假定将所述用户重新安排到组中。使图44的过滤处理不同于图42的是没有使用相似度。在步骤S131创建用户组。示例性地，在步骤S131的用户组创建处理涉及参考所述日志数据库253(图11)。也就是说，参考所述日志数据库以便把最近用过相同信息的用户分组在一起。其思想是通过所述过滤处理而将近似爱好的用户重新安排到组里。
在这种情况下，每一组的用户数目被预先确定或通过上面论述的任意一种方法设定。例如，用户的总数除以目标组数，并且所得的商可以被用作每一组的用户数。一旦确定每一组的用户数目，那么就把用户重新安排到每一个确定用户数的组里。显然，也可以由管理员人工地执行所述分组处理。
当完成所述分组(即所述用户组创建处理)时，到达步骤S132并且计算预测矢量。在步骤S132计算所述预测矢量基本上和在步骤S103(图42)中的一样，因此不再进一步地论述。在这种情况下，将关于属于一个给定的组的用户的平均值设定为在该组内所有用户的预测矢量。
可以不在必需的时候而是提前来执行分组和预测矢量计算以便存储所述结果。如果那样的话，不是所有的已经存储的数据需要在分组或者预测矢量计算步骤中重新计算。相反，可以仅仅处理关于已经对其创建新日志的用户的数据(即可以仅仅处理所述目标用户的数据)。这有助于缩短计算预测矢量所要求的时间以及减轻在所述服务器52上的负担。
通过借助图41-44的任何一个流程图描述的处理，可以获得所述预测矢量。
在上述的过滤处理中，仅仅具有足够高相似度(SimXN)的用户才可以经受计算(即设定一个相似性的阈值以便仅仅具有等于或者高于所述阈值的相似度的用户才可以经受计算)。这也有助于缩短计算预测矢量所要求的时间以及降低在计算期间所述系统上的负担。
当将所述预测矢量施加于一个给定的用户时，不是该用户即将拥有的值的所有因素需要写入到所述T_UM_VALUE数据库317中。相反，仅仅预先确定数目的具有它们的按递减次序排列的值的因素才可以被存储到所述数据库中。以此方式限制所述将存储的因素有助于节省所述数据库的资源以及提高计算速度。
如果仅仅使用预测矢量信息来给一个给定的用户推荐节目，那么也可以获得关于已经由用户拥有的值的所述预测矢量，而且所获得的矢量可以用于查找推荐节目。所述用户当前的人物简介(通过学习和注册而获得)因此能被用于将来推荐的目的。换句话说，作为推荐基础的用户的人物简介可以从当前已知的内容而推知出来。
如前述，所述用于查找推荐给用户的节目的信息(即所述T_UM_VALUE数据库317中的数据(因素))由本发明的本实施例以适当地集成所述注册、学习和过滤的处理的方式而创建。
下面描述的是如何通过使用这样创建的数据库来查找和检索将推荐给给定用户的节目(即这是创建推荐屏幕的处理)。更具体地说，下面参考图45的流程图描述如何查找将记录给特定用户的节目以及如何获得如此检测到的有关所述节目的信息。
在图45的步骤S161，用户进行登录系统以便所述系统采取允许该用户登录所必需的措施。所述登录处理由所述用户管理功能232(图10)承担。通过所述用户终端53(图3)，所述用户输入他的或者她的用户标识符以及密码，以传输至所述服务器52。如此传输的所述用户标识符以及密码在被转送到所述用户管理功能232之前是在所述服务器52的所述信息通信236(图10)的控制下被接收的。所述用户管理功能232核查是否所提供的用户的用户标识符和密码的组合被存储在所述用户数据库254中。
如果发现所提供的用户标识符和密码的组合存在于用户数据库254中，那么成功地执行登录处理并且到达步骤S162。如果没有正常地执行所述登录处理，那么不会到达步骤S162，并且执行错误处理。示例性地，所述用户请求登录接收这样的消息，所述消息说明登录企图已经失败并且终止在图45的流程图中的处理。
在步骤S162，获得目标用户模型。目标用户模型的获得表示从所述T_UM_VALUE数据库317检索到有关已经登录的用户的信息。当在步骤S161识别登录用户之后，用户会员标识符准备好以供获取。从所述用户数据库254检索登录用户的会员标识符，并且从所述T_UM_VALUE数据库317读出与检索到的会员标识符相对应的数据。
由所述信息分类功能233执行步骤S162及其后面的步骤。除执行前述的登录处理之外，所述用户管理功能232为所述信息分类功能233提供作为登录处理的结果而获得的会员标识符。使用如此获得的会员标识符，所述信息分类功能233在步骤S162执行处理。
在执行步骤S162的时候，所述信息分类功能233并行执行步骤S163。在步骤S163，进行核查以确定是否需要根据用户信息而缩小目标信息。示例性地，在这里所述用户信息指的是所述用户生活的地理区，所述用户观看节目的权限(Authority)以及所述用户的年龄和性别。示例性地，如果某些节目没有在特定的地区播放并且如果发现所述登录用户(即所述被处理的用户)住在该地区，那么核查是否需要缩小所述目标信息。在这种情况下，需要有选择地限制所述目标信息以便将适用于所讨论的地区的节目推荐给所述用户。
示例性地，必须基于所述用户的权限而缩小所述目标信息，以核查是否允许该用户观看按次计费的节目。当发现允许所述用户观看按次计费的节目时，进行另一个核查以确定根据用户的权限所述用户被允许观看的节目的范围或者界限。另外，示例性地，需要基于所述用户的年龄缩小所述目标信息以确保可能登录的任何未达规定年龄的用户不会得到面向成年人的节目。
此外，示例性地，需要根据所述用户的性别缩小目标信息以确保面向男性的节目不会推荐给女性会员用户。然而，基于所述用户的性别缩小所述目标信息的需要与根据其它用户信息而这样做的需要相比具有较低的优先级。基于性别缩小所述目标信息不是强制的。
如果发现需要在步骤S163基于所述用户信息缩小所述目标信息，那么到达步骤S164。如果发现不需要缩小所述目标信息，则跳过步骤S164而直接到达步骤S165。在步骤S164，分类出信息和数据。执行对所述信息和数据的分类以排除不能推荐给所述已经登录的用户的节目。所述没有被排除的节目将经受随后的步骤S165的处理。
如果跳过步骤S164而直接到达步骤S165，那么不需要分类出所述信息和数据。在那种情况下，所有的节目须经所述步骤S165的处理。在步骤S165，获得有关将被处理的目标节目的信息元数据。在这种情况下，所述信息元数据指的是由所述T_PRG_VALUE数据库316(图29)管理的数据。
在步骤S165获得关于所述目标节目的信息元数据之后，到达步骤S166。在步骤S166，计算有关将被推荐的所述节目的信息点并相应地分类出所述节目。步骤S166的执行包括使用在步骤S162获得的所述目标用户模型(T_UM_VALUE数据库317)的分值和在步骤S165获得的所述信息元数据(T_PRG_VALUE数据库316)的分值。使用这些分值，示例性地由矢量计算方法计算出这些点。然后根据所述计算出的值排序所述节目。示例性地在图8的所述推荐屏幕的推荐级别显示区156处显示从步骤S166的处理获得的这些点。
在计算出节目点以便如前所述按它们的点的递减次序排序所述节目之后，到达步骤S167。在步骤S167，获得有关将被推荐的节目的信息。所述可推荐的节目由预先确定数目(例如10)的排序在最高的节目形成。由所述信息分类功能233获得有关预先确定数目的可推荐节目的信息。特别地，所述信息分类功能233获得预先确定数目的排序在最高的节目的节目标识符。
利用如此获得的节目标识符，相应地获得其它有关借此识别出的节目的信息。示例性地，连续获得关于这么多节目中每一个的人员标识符和关键字标识符。
参考图46的流程图，下面描述发生在已经获得有关即将被推荐的多个节目的信息之后的事情。在步骤S181，获得推荐信息。事实上在步骤S167(图45)完成此处理。在步骤S182，通过具有根据与所推荐的节目有关的值的分值(即通过有效的标识符识别出的因素)而分类的推荐信息来计算出所推荐信息的推荐级别。
在步骤S183，使用与经过分类排序在最高的值有关的属性标识符和值标识符的结合而从所述M_REASON数据库280(图21)中获得推荐的原因。示例性地，如果发现属性标识符″001″和值标识符″1000″与排序在最高的值有关，那么就获得原因″运动″。
在步骤S184，进行核查以确定原因显示数是否未达到每一原因类型的最大允许数以及是否满足关于每一原因类型的预先确定条件。这里按顺序说明原因类型。提供原因类型以限制在图8推荐屏幕的原因显示区155处显示的原因的数目。图47显示将以其设定原因类型的典型数据，图48列举用于设置对于每一原因类型可以显示的原因的数目的典型数据。为了控制原因显示数而对图47和48中的数据进行处理的过程由所述信息分类功能233管理和执行。
在图47所示的数据中，首行表示提供后续数据以规定原因类型，并且指定用于第二以及随后的行的数据格式。在第二以及随后的行中，″正常(Normal)″指的是″UM类型″。″正常″意味着和在说明图30所示的T_UM_VALUE数据库317中对″UM类型标识符＝2″的描述一样。也就是说，″正常″表明一个已经经过学习处理而注册的因素。
″在先(Prior)″意味着和在说明图30中的T_UM_VALUE数据库317中对″UM类型标识符＝1″的描述一样。也就是说，″在先″表明一个已经由用户注册的因素。″期望(Expected)″意味着和在说明图30中的T_UM_VALUE数据库317中对″UM类型标识符＝3″的描述一样。也就是说，″期望″表明一个已经经过过滤处理而注册的因素。
第二以及随后的行以相同的格式记载每一个数据。参考第二行，下面解释数据格式。所述说明″原因类型.正常.类别＝4″记载于第二行。″原因类型(Reason Type)″表示这一行数据指定原因类型。″正常″表明UM类型。″类别(Category)＝4″表明此类别属于原因类型″4″。简而言之，第二行意味着针对通过学习处理而注册且具有属性“类别”的所述因素，将原因类型设置为″4″。
图48列举用于为每一个原因类型设置原因显示数的典型数据。通过引用记载说明″#[0]注册的关键字，人员[最大5个条目]″的第二行而在下面解释图48所列举的数据。所述符号″#[0]″表明原因类型是″0″的数据在第二行被发现。继″#[0]″之后的所述陈述″注册的关键字，人员[最大5个条目]″规定上至五个条目的表示″注册的关键字，人员″的项可以在原因显示区155显示。换句话说，允许在所述原因显示区155显示上至五个属性是″关键字″或者″人员″的原因(图21)。
图47和48所示的数据提供了对在图8的推荐屏幕的原因显示区155处显示的内容控制。结合在推荐屏幕的所述原因显示区155的显示，在下面进一步地论述图47和48中的数据。现在假设，在图46的步骤S 183已经获得所述属性″001″和所述值标识符″1000″。参考所述属性″001″和值标识符″1000″的组合的M_REASON数据库280(图21)，揭示出所述关联词″运动″。如此，所述词″运动″被选为展示给所述用户的原因(用于推荐)。
参考所述属性″001″和值标识符″1000″的组合的T_UM_VALUE数据库317(图30)，检测所述UM类型标识符″1″。所述UM类型标识符″1″表明″在先″UM类型。因为所述属性标识符″001″被分配给所述M_CATEGORY数据库271(图12)，所以所述属性标识符″001″表明属性″类别″。至此的处理过程表明将作为推荐原因而展示给所述用户的词″运动″是″在先″和″类别″。
参考图47显示出在第12行存在″在先″和″类别″的组合。在所述第12行的说明显示原因类型是″1″。对图48的所述数据的参考表明陈述“原因类型＝1”出现在第四和第五行。在第四行的陈述表明所述显示发生在项″注册类型″的字段。也表明此项只有一个条目可以显示。结果，所述原因显示区155显示出″注册类型：[运动]″。
如果所述″在先″、″类别″和原因类型″1″的值是在上述处理过程之后的步骤S183获得的，那么因为所述词″运动″已经被分配，所以无需处理而丢弃所获得的值。因为在步骤S182执行分类，所丢弃的值总是小于以前处理过的值。因此，展示给用户的总是高排序的值。
上述说明已经覆盖步骤S183和S184。不必以如上所述的精确的顺序进行如参考所述数据库这样的详细的处理过程。例如，当安排在执行步骤S183以前确定所述UM类型标识符时，不必再参考步骤S183和S184中的T_UM_VALUE数据库317。简而言之，单独的处理只需要以它们不会彼此重叠的方式执行。因此上述说明没有对如何选择被参考的数据库或者何时参考它们进行任何限制。
如前述，在图47和48中所示的数据控制在步骤S184(图46)中将执行的所述核查。也就是说，在步骤S184完成核查以确定原因显示数是否未达到每一个原因类型的最大允许数(由如图47的数据所规定的)以及每一个原因类型(由如图48的数据所指定的)的预定条件是否得到满足。重复步骤S183和S184直到步骤S184的核查结果变为肯定的。完成步骤S184后，图46的流程图所描述的处理过程结束。
图46的处理过程结束后，用于向用户展示推荐屏幕的所有数据已经完成。然后，所述完成的数据被传输到用于展示屏幕给用户的用户终端53。
这里更多的说明有关在步骤S183的处理过程。在步骤S183，参考所述M_REASON数据库280。假定获得属性标识符″005″和值标识符″0000000006″。在参考图16中的所述M_KEYWORD数据库275后发现获得的属性标识符和值标识符的组合与词″色情″有关。如同早先所解释的，所述词″色情″不适合展示给用户，结果该词就没有被包括在内所述M_REASON数据库280中(图21)。
即使在步骤S183获得所述属性标识符″005″和值标识符″0000000006″的组合，也不会有作为推荐原因而从所述M_REASON数据库280检索到的数据。在这种情况下，因为不必执行步骤S184，所以考虑到下一个因素(即值)而安排跳过步骤S184。无论如何，实行控制以便从所述M_REASON数据库280排除的任何原因不会展示给用户。
在上述对于图46的流程图的说明中，参考图21所示的所述M_REASON数据库280。只要不提供所述M_REASON数据库280反而存在图17所示的M_KEYWORD_1数据库276，那么如果执行图49中的流程图的步骤，仍然可能基本上执行与图46的处理相同的处理。
在图49中，步骤S201、S202和S204基本上分别和图46中的步骤S181、S182和S184相同，因此不再进一步地描述它们。在步骤S203，在可应用的主数据库中参考所述分类中的高排序值，借此获得与所述可应用的值标识符相对应的原因。此步骤基本上和在图46中的步骤S183一样，但是所参考的数据库是不同的。
在步骤S203，参考所述M_KEYWORD_1数据库276。例如，如果所述值标识符(在这种情况下即关键字标识符)是″0000000008″，那么参考所述M_KEYWORD_1数据库276中的″原因″字段并且检索与所述值标识符相对应的原因″有利信息″。在另一个例子中，如果所述值标识符是″0000000006″，那么参考在所述M_KEYWORD_1数据库276中的″原因″字段但是所述字段是空的(空(null))。因此在对下一个值标识符处理之前，没有检索到数据并且终止关于所述值标识符″0000000006″的处理。
如前述，如果当执行图49中的流程图的步骤时使用所述M_KEYWORD_1数据库276，那么被认为不适于展示给用户的词可以或者被完全消除或者由以前展示给用户的其它词替换。
如果提供所述M_KEYWORD_2数据库277(图18)代替所述M_KEYWORD_1数据库276，那么执行组成图50的流程图的步骤。在这种情况下，步骤S211、S212和S214基本上分别和图46中的步骤S181、S182和S184相同，因此不再进一步地描述它们。
在步骤S213，参考所述M_KEYWORD_2数据库277。示例性地，如果所述值标识符(在这个例子中即关键字标识符)是″0000000001″，那么参考所述″关键字″和所述″显示″字段以便从所述″关键字″字段检索相应的关键字″信息″并且从所述″显示″字段读出值″1″。在所述″显示″字段中的值″1″是一个表明允许相应关键字展示给用户的标志。
例如，如果所述值标识符(即关键字标识符)是″0000000008″，那么参考所述″关键字″和所述″显示″字段以便从所述″关键字″字段检索相应关键字″有利″并且从″显示″字段读出值″0″。在所述″显示″字段中的值″0″是一个表明不允许相应关键字展示给用户的标志。当发现所述″显示″字段包含所述值″0″时，不要求进一步地处理当前的值标识符。然后将控制传递到将要处理的下一个值标识符。
如前述，如果当执行图50中的流程图的步骤时使用所述M_KEYWORD_1数据库276，那么被认为不适于展示给用户的词可以被完全消除。然而，如图18中的所述M_KEYWORD_2数据库277用于所述处理，那么在展示给用户以前所述不适当的词无法被其它的词替代。因此这种处理方案适合不要求用其它的词替换所述不适当的词以显示给用户的系统。
根据本发明，如前述，有可能适宜地控制将展示给用户的词。尽管前述实施例主要地设计为给用户展示有关广播节目的推荐信息，但是这并不是对本发明的限制。本发明还可以被有利地应用到将关于广播节目以外的客体(object)的信息推荐给用户的情况。在此情况下，所述推荐信息可以随同原因或推荐原因一起展示给用户。用容易理解的词将上述信息展示给用户，以便用户可以更容易得掌握展示的内容，并且对于所展示的信息比以前具有更多的信赖。
根据本发明，将展示给用户的信息与考虑到的所述用户的喜好一起准备。这可以通过使用许多数据获取方法，诸如以综合集成的方式注册、学习和过滤这样的方法，来获取用户喜好数据而实现。结合这些处理以允许更详细地分析每一个会员用户的喜好。
前述的一系列步骤和处理可以通过硬件或者软件执行。对于进行基于软件的处理而言，组成所述软件的程序可以或者被事先以计算机专用硬件的方式包含，或者根据使用从一个适当的记录媒体安装到一个通用个人计算机或者是基于所安装程序能够执行不同功能的类似设备里。
如图4所示，除计算机之外，提供给用户的记录媒体不仅如由磁盘91(包括软磁盘)、光盘92(包括CD-ROM(光盘-只读存储器)和DVD(数字多功能光盘))、磁光盘93(包括MD(Mini-disc)：注册商标)、或者半导体存储器94组成的封装媒体；而且还有ROM 72或者包含存储部分78的硬磁盘驱动器形式，当提供给用户时两者都提供所述程序并且事先包含在计算机。
在本说明书中，存储在适当的记录媒体上并且描述将由计算机执行的程序的步骤不仅是以所描述的顺序执行的所述处理过程(即，以事件序列为基础)，而且可以是并行地或者单独地执行的处理过程。
在本说明书里，术语″系统″指的是由许多元件装置组成的总体结构。
因为在不背离本发明的精神和范围的情况下，可以实现本发明的许多表面上不同的实施例，所以可以理解的是：除所附的权利要求所限定的情况之外，本发明不局限于其特定的实施例。

Claims (3)

1.一种信息处理设备，包括：
第一管理装置，用于管理关于用户喜好的第一数据；
第二管理装置，用于管理关于信息的第二数据；
检索装置，用于检索关于由所述用户使用的所述信息的所述第二数据；和
更新装置，用于通过利用由所述检索装置检索到的所述第二数据来更新所述第一数据；
其中，如果发现所述第二数据存在于所述第一数据之内，那么所述更新装置使用所述第二数据更新所述第一数据；以及
如果没有发现所述第二数据存在于所述第一数据之内，那么所述更新装置将所述第二数据添加到所述第一数据。
2.根据权利要求1所述的信息处理设备，其中所述第一管理装置管理作为所述第一数据的与第一数值相关联的第一因素，相对于所述第一因素而言所述第一数值属于所述用户；
所述第二管理装置管理作为所述第二数据的关于所述信息的第二因素，其中所述信息与相对于所述第二因素而言属于所述信息的第二数值相关联；
如果发现在所述第二数据之内符合所述第二因素的所述第一因素存在于所述第一数据之内，那么所述更新装置使用所述第一数值和所述第二数值计算新的第一数值，并且将所述新计算出的第一数值写入所述第一数据；以及
如果没有发现在所述第二数据之内符合所述第二因素的所述第一因素存在于所述第一数据之内，那么所述更新装置将所述第二因素和所述第二值添加到所述第一数据。
3.一种供信息处理设备使用的信息处理方法，所述信息处理设备至少包括存储装置和控制装置，所述存储装置用于管理数据，所述控制装置用于通过使用存储在所述存储装置中的所述数据来执行预先确定的处理，所述信息处理方法包括：
第一管理步骤，用于管理关于用户喜好的第一数据；
第二管理步骤，用于管理关于信息的第二数据；
检索步骤，用于检索关于由所述用户使用的所述信息的所述第二数据；和
更新步骤，用于通过利用在所述检索步骤检索到的所述第二数据来更新所述第一数据；
其中，如果发现所述第二数据存在于所述第一数据之内，那么所述更新步骤使用所述第二数据更新所述第一数据；以及
其中，如果没有发现所述第二数据存在于所述第一数据之内，那么所述更新步骤将所述第二数据添加到所述第一数据。
CN2004100981757A 2003-08-07 2004-08-09 信息处理设备、信息处理方法 Expired - Fee Related CN1607527B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2003289468A JP2005056361A (ja) 2003-08-07 2003-08-07 情報処理装置および方法、プログラム、並びに記録媒体
JP289468/2003 2003-08-07
JP289468/03 2003-08-07

Publications (2)

Publication Number Publication Date
CN1607527A CN1607527A (zh) 2005-04-20
CN1607527B true CN1607527B (zh) 2010-05-26

Family

ID=33550065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2004100981757A Expired - Fee Related CN1607527B (zh) 2003-08-07 2004-08-09 信息处理设备、信息处理方法

Country Status (5)

Country Link
US (2) US7707283B2 (zh)
EP (1) EP1505521A3 (zh)
JP (1) JP2005056361A (zh)
KR (1) KR101061234B1 (zh)
CN (1) CN1607527B (zh)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030233655A1 (en) * 2002-06-18 2003-12-18 Koninklijke Philips Electronics N.V. Method and apparatus for an adaptive stereotypical profile for recommending items representing a user's interests
JP2005056361A (ja) * 2003-08-07 2005-03-03 Sony Corp 情報処理装置および方法、プログラム、並びに記録媒体
WO2006065034A1 (en) * 2004-12-13 2006-06-22 Lg Electronics Inc. Method and apparatus for writing and using keys for encrypting/decrypting a content and a recording medium storing keys written by the method
AU2005317447A1 (en) * 2004-12-13 2006-06-22 Lg Electronics Inc. Method and apparatus for writing and using keys for encrypting/decrypting a content and a recording medium storing keys written by the method
KR20060066626A (ko) * 2004-12-13 2006-06-16 엘지전자 주식회사 컨텐트의 암호/해독을 위한 키를 기록하고 사용하는 방법및 장치와 그 방법에 의해 키가 기록되어 있는 기록매체
US9002725B1 (en) 2005-04-20 2015-04-07 Google Inc. System and method for targeting information based on message content
WO2006126537A1 (ja) * 2005-05-23 2006-11-30 Matsushita Electric Industrial Co., Ltd. 通信装置、通信方法、通信プログラム、その記録媒体及び集積回路
JP2006339794A (ja) * 2005-05-31 2006-12-14 Sony Corp 情報処理装置、情報処理方法、およびプログラム
US7676400B1 (en) * 2005-06-03 2010-03-09 Versata Development Group, Inc. Scoring recommendations and explanations with a probabilistic user model
KR100744210B1 (ko) * 2005-06-30 2007-07-30 주식회사 팬택앤큐리텔 방송송신장치와, 이의 방송신호 송신방법 및방송수신장치와, 이의 예약녹화방법
JP4792842B2 (ja) 2005-07-06 2011-10-12 ソニー株式会社 情報処理装置，情報処理方法，およびコンピュータプログラム
US7949714B1 (en) * 2005-12-05 2011-05-24 Google Inc. System and method for targeting advertisements or other information using user geographical information
US8601004B1 (en) * 2005-12-06 2013-12-03 Google Inc. System and method for targeting information items based on popularities of the information items
US7606835B2 (en) * 2006-02-14 2009-10-20 Oracle International Corporation Automatic rules driven data visualization selection
JP4179341B2 (ja) * 2006-06-01 2008-11-12 ソニー株式会社 情報処理装置および方法、プログラム、並びに記録媒体
US8249430B2 (en) * 2007-04-18 2012-08-21 Panasonic Corporation Digital broadcast receiving apparatus and method for displaying images with programming information
KR20090022713A (ko) * 2007-08-31 2009-03-04 삼성전자주식회사 추천 컨텐트 리스트 생성 방법 및 장치
US20100199310A1 (en) * 2009-01-30 2010-08-05 Echostar Technologies L.L.C. Methods and devices for recommending media content
JP5709359B2 (ja) * 2009-04-07 2015-04-30 ソニー株式会社 通信装置、通信方法、及び通信システム
JP2010288015A (ja) 2009-06-10 2010-12-24 Sony Corp 情報処理装置、情報処理方法及び情報処理プログラム
JP2012029247A (ja) * 2010-07-27 2012-02-09 Toshiba Corp デジタル放送記録再生装置
JP6219014B2 (ja) * 2011-09-27 2017-10-25 ソニー株式会社 端末装置と外部装置と情報処理方法とプログラムおよび情報処理システム
EP2592571A1 (en) * 2011-11-11 2013-05-15 Liberty Global Europe Holding B.V. Method and system for enhancing metadata
JP6117621B2 (ja) * 2013-06-05 2017-04-19 ソニー株式会社 情報処理装置、情報処理方法及び情報処理プログラム
KR20150137499A (ko) * 2014-05-29 2015-12-09 엘지전자 주식회사 영상 표시 기기 및 그의 동작 방법
CN104102738B (zh) * 2014-07-28 2018-04-27 百度在线网络技术（北京）有限公司 一种扩充实体库的方法及装置
US10841640B2 (en) * 2014-11-04 2020-11-17 Comcast Cable Communications, Llc Methods and systems for displaying content based on preference information
JP6600203B2 (ja) * 2015-09-15 2019-10-30 キヤノン株式会社 情報処理装置、情報処理方法、コンテンツ管理システム、およびプログラム
US9699514B2 (en) 2015-12-02 2017-07-04 Echostar Technologies L.L.C. Apparatus, systems and methods for media mosaic management
CN105808769A (zh) * 2016-03-21 2016-07-27 华南师范大学 面向大数据及普通数据的数据采集方法和系统
JP6386512B2 (ja) * 2016-10-28 2018-09-05 ファナック株式会社 情報処理装置
CN106803973B (zh) * 2017-01-18 2020-02-04 华数传媒网络有限公司 一种电视节目的智能编排方法
JP7031387B2 (ja) * 2018-03-12 2022-03-08 オムロン株式会社 情報処理装置、情報処理方法、および、情報処理プログラム
JP7220374B2 (ja) * 2018-08-24 2023-02-10 パナソニックＩｐマネジメント株式会社 通信端末および通信方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001024047A2 (en) * 1999-09-30 2001-04-05 Koninklijke Philips Electronics N.V. Method and apparatus for realizing personalized information from multiple information sources

Family Cites Families (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5761496A (en) * 1993-12-14 1998-06-02 Kabushiki Kaisha Toshiba Similar information retrieval system and its method
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
JP3065227B2 (ja) * 1995-03-10 2000-07-17 ソニー株式会社 視聴制限装置および視聴制限方法
US5749081A (en) * 1995-04-06 1998-05-05 Firefly Network, Inc. System and method for recommending items to a user
JP3311540B2 (ja) * 1995-04-28 2002-08-05 富士ゼロックス株式会社 データ管理システム
US6112186A (en) * 1995-06-30 2000-08-29 Microsoft Corporation Distributed system for facilitating exchange of user information and opinion using automated collaborative filtering
US5758259A (en) * 1995-08-31 1998-05-26 Microsoft Corporation Automated selective programming guide
US5832212A (en) * 1996-04-19 1998-11-03 International Business Machines Corporation Censoring browser method and apparatus for internet viewing
US20030093790A1 (en) * 2000-03-28 2003-05-15 Logan James D. Audio and video program recording, editing and playback systems using metadata
CN1110950C (zh) * 1996-10-08 2003-06-04 松下电器产业株式会社 信息接收方法及使用此方法的信息接收装置
JPH10126750A (ja) * 1996-10-23 1998-05-15 Matsushita Electric Ind Co Ltd 番組情報放送システム、放送装置、及び受信端末装置
JPH11203298A (ja) 1998-01-08 1999-07-30 Nippon Telegr & Teleph Corp <Ntt> 投稿文字情報事前チェック方法及び装置及び投稿文字情報事前チェックプログラムを格納した記憶媒体
US7146627B1 (en) * 1998-06-12 2006-12-05 Metabyte Networks, Inc. Method and apparatus for delivery of targeted video programming
JP2000013708A (ja) * 1998-06-26 2000-01-14 Hitachi Ltd 番組選択支援装置
JP2000149407A (ja) * 1998-11-10 2000-05-30 Sony Corp 情報伝送方法、情報処理方法、情報伝送システム、及びデータ処理装置
EP1018840A3 (en) * 1998-12-08 2005-12-21 Canon Kabushiki Kaisha Digital receiving apparatus and method
JP4743740B2 (ja) * 1999-07-16 2011-08-10 マイクロソフト インターナショナル ホールディングス ビー．ブイ． 自動化された代替コンテンツ推奨を作成する方法及びシステム
JP4224744B2 (ja) 1999-08-17 2009-02-18 ソニー株式会社 放送システム、情報提供装置及び放送通信装置
US6934964B1 (en) * 2000-02-08 2005-08-23 Koninklijke Philips Electronics N.V. Electronic program guide viewing history generator method and system
US6463428B1 (en) * 2000-03-29 2002-10-08 Koninklijke Philips Electronics N.V. User interface providing automatic generation and ergonomic presentation of keyword search criteria
JP2001292436A (ja) * 2000-04-07 2001-10-19 Sony Corp 管理装置および方法
US7712123B2 (en) * 2000-04-14 2010-05-04 Nippon Telegraph And Telephone Corporation Method, system, and apparatus for acquiring information concerning broadcast information
JP4734690B2 (ja) * 2000-04-28 2011-07-27 ソニー株式会社 信号送出方法及び信号送出装置
US8495679B2 (en) * 2000-06-30 2013-07-23 Thomson Licensing Method and apparatus for delivery of television programs and targeted de-coupled advertising
JP2002077755A (ja) * 2000-08-29 2002-03-15 Sharp Corp エージェントインタフェース装置
US8843965B1 (en) * 2000-09-20 2014-09-23 Kaushal Kurapati Method and apparatus for generating recommendation scores using implicit and explicit viewing preferences
US8302127B2 (en) * 2000-09-25 2012-10-30 Thomson Licensing System and method for personalized TV
US6711570B1 (en) * 2000-10-31 2004-03-23 Tacit Knowledge Systems, Inc. System and method for matching terms contained in an electronic document with a set of user profiles
JP3654173B2 (ja) * 2000-11-02 2005-06-02 日本電気株式会社 番組選択支援装置、番組選択支援方法およびそのプログラムを記録した記録媒体
JP3931554B2 (ja) * 2000-11-15 2007-06-20 株式会社日立製作所 クーポン管理システム及びクーポン管理方法
US20020100046A1 (en) * 2000-11-16 2002-07-25 Dudkiewicz Gil Gavriel System and method for determining the desirability of video programming events
US7370073B2 (en) * 2000-11-28 2008-05-06 Navic Systems, Inc. Using viewership profiles for targeted promotion deployment
JP2002232559A (ja) * 2001-01-31 2002-08-16 Nec Corp データ受信装置及びデータ通信装置
US20020152224A1 (en) * 2001-03-06 2002-10-17 Cliff Roth System and method for generating a recommendation guide for use with an EPG
JP2002259392A (ja) * 2001-03-06 2002-09-13 Canon Inc 受信装置、情報処理装置及びその方法
JP3672023B2 (ja) * 2001-04-23 2005-07-13 日本電気株式会社 番組推薦システムおよび番組推薦方法
US8073871B2 (en) * 2001-06-06 2011-12-06 Koninklijke Philips Electronics N.V. Nearest neighbor recommendation method and system
US20030121040A1 (en) * 2001-07-02 2003-06-26 Ferman A. Mufit Audiovisual management system
US6547068B2 (en) * 2001-07-23 2003-04-15 Yuk Lung Chu Single push-button type storage case for compact discs
AU2002355530A1 (en) * 2001-08-03 2003-02-24 John Allen Ananian Personalized interactive digital catalog profiling
DE60238129D1 (de) * 2001-09-10 2010-12-09 Koninkl Philips Electronics Nv Vorrichtung und verfahren zur bedingten zugriffserteilung
JP3901973B2 (ja) 2001-09-14 2007-04-04 株式会社日立製作所 リモコン、番組選択方法および放送受信システム
US7085747B2 (en) * 2001-09-26 2006-08-01 J Koninklijke Philips Electronics, Nv. Real-time event recommender for media programming using “Fuzzy-Now” and “Personal Scheduler”
JP4326174B2 (ja) * 2001-10-04 2009-09-02 ソニー株式会社 情報処理システム、情報処理装置および方法、記録媒体、並びにプログラム
US20030110503A1 (en) * 2001-10-25 2003-06-12 Perkes Ronald M. System, method and computer program product for presenting media to a user in a media on demand framework
DE10247927A1 (de) * 2001-10-31 2003-07-31 Ibm Verbessertes Verfahren zum Bewerten von Einheiten innerhalb eines Empfehlungssystems auf der Grundlage zusätzlicher Kenntnisse über die Verknüpfung der Einheiten untereinander
DE10247928A1 (de) * 2001-10-31 2003-05-28 Ibm Auslegen von Empfehlungssystemen, so dass sie allgemeine Eigenschaften im Empfehlungsprozess behandeln
US20030093329A1 (en) * 2001-11-13 2003-05-15 Koninklijke Philips Electronics N.V. Method and apparatus for recommending items of interest based on preferences of a selected third party
US20030106058A1 (en) * 2001-11-30 2003-06-05 Koninklijke Philips Electronics N.V. Media recommender which presents the user with rationale for the recommendation
US20030115592A1 (en) * 2001-12-19 2003-06-19 Johnson Carolynn Rae Method and apparatus for selecting rating limits in a parental control system
US20030126600A1 (en) * 2001-12-27 2003-07-03 Koninklijke Philips Electronics N.V. Smart suggestions for upcoming TV programs
JP4493254B2 (ja) * 2002-01-21 2010-06-30 船井電機株式会社 Ｅｐｇ画面表示機能を有するデジタル放送受信装置
US7836466B2 (en) * 2002-06-06 2010-11-16 Microsoft Corporation Methods and systems for generating electronic program guides
US20040003403A1 (en) * 2002-06-19 2004-01-01 Marsh David J. Methods and systems for reducing information in electronic program guide and program recommendation systems
JP2005056361A (ja) * 2003-08-07 2005-03-03 Sony Corp 情報処理装置および方法、プログラム、並びに記録媒体
US9286388B2 (en) * 2005-08-04 2016-03-15 Time Warner Cable Enterprises Llc Method and apparatus for context-specific content delivery
JP2008178037A (ja) * 2007-01-22 2008-07-31 Sony Corp 情報処理装置、情報処理方法及び情報処理プログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001024047A2 (en) * 1999-09-30 2001-04-05 Koninklijke Philips Electronics N.V. Method and apparatus for realizing personalized information from multiple information sources

Also Published As

Publication number Publication date
EP1505521A2 (en) 2005-02-09
KR20050016198A (ko) 2005-02-21
US20050144295A1 (en) 2005-06-30
US20100169928A1 (en) 2010-07-01
CN1607527A (zh) 2005-04-20
US7707283B2 (en) 2010-04-27
US10255353B2 (en) 2019-04-09
EP1505521A3 (en) 2006-08-23
KR101061234B1 (ko) 2011-09-01
JP2005056361A (ja) 2005-03-03

Similar Documents

Publication Publication Date Title
CN1607527B (zh) 信息处理设备、信息处理方法
US9792366B2 (en) Content recommendation using third party profiles
Wittig et al. Intelligent media agents in interactive television systems
Hsu et al. AIMED-A personalized TV recommendation system
US7860741B1 (en) Clusters for rapid artist-audience matching
US5749081A (en) System and method for recommending items to a user
EP1920546B1 (en) Enhanced electronic program guides
US6327574B1 (en) Hierarchical models of consumer attributes for targeting content in a privacy-preserving manner
US8176028B2 (en) Broadcast network platform system
US20040059720A1 (en) Broadcast network platform system
US20120197651A1 (en) Method and system for searching for, and monitoring assessment of, original content creators and the original content thereof
US20100030713A1 (en) Content engine
CN101452480A (zh) 信息处理设备、信息处理方法,以及信息处理程序
Picault et al. How to get the Recommender out of the Lab?
US20100299603A1 (en) User-Customized Subject-Categorized Website Entertainment Database
JP2005057713A (ja) 情報処理装置および方法、プログラム、並びに記録媒体
EP1906316A1 (en) An interactive hybrid recommender system
JPH11514764A (ja) 所望のオブジェクトのカスタム化された電子識別のためのシステム
CA2825814A1 (en) Method and system for searching, and monitoring assessment of, original content
Said Evaluating the accuracy and utility of recommender systems
Turpeinen Customizing news content for individuals and communities
Wu et al. The role of cognitive factors in consumers’ perceived value and subscription intention of video streaming platforms: a systematic literature review
Gulla et al. Recommending news in traditional media companies
Stegers et al. MusiDB: A personalized search engine for music
Vall Portabella Machine learning approaches to hybrid music recommender systems/submitted by andreu vall portabella

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100526

Termination date: 20210809

CF01 Termination of patent right due to non-payment of annual fee