JP2018505456A - メタデータおよび使用データ解析を用いるフィルタリング技術のためのシステムおよび方法 - Google Patents
メタデータおよび使用データ解析を用いるフィルタリング技術のためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2018505456A JP2018505456A JP2016575666A JP2016575666A JP2018505456A JP 2018505456 A JP2018505456 A JP 2018505456A JP 2016575666 A JP2016575666 A JP 2016575666A JP 2016575666 A JP2016575666 A JP 2016575666A JP 2018505456 A JP2018505456 A JP 2018505456A
- Authority
- JP
- Japan
- Prior art keywords
- media asset
- vector
- user
- values
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001914 filtration Methods 0.000 title description 3
- 238000007405 data analysis Methods 0.000 title 1
- 239000013598 vector Substances 0.000 claims abstract description 269
- 230000004044 response Effects 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000036651 mood Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 230000001052 transient effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 48
- 230000006870 function Effects 0.000 description 30
- 230000008569 process Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 238000013459 approach Methods 0.000 description 13
- 239000000047 product Substances 0.000 description 12
- 230000002452 interceptive effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 241000282421 Canidae Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001620684 Guillermo Species 0.000 description 1
- 241001619348 Idris Species 0.000 description 1
- 241001553014 Myrsine salicina Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229910021417 amorphous silicon Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 239000002041 carbon nanotube Substances 0.000 description 1
- 229910021393 carbon nanotube Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000020294 guillermo Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- 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
-
- 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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本願は、2014年12月22日に出願された米国実用特許出願第14/578,911号に対する優先権およびその利益を主張するものであり、該出願は、参照により本明細書中に援用される。
aif=xif+yif
式中、全因子
pi 観察された時間フレームにわたる視聴の確率等のiの人気度
po 最も人気のあるショーの人気度
α 人気バイアスをモデルの中に要因として含めるための項
aif ショーの「潜在因子」を表すメディアアセット因子
f 潜在因子指数、例えば、F=300
ij メディアアセット対ij
sij ij間の観察された「感想」類似度(ピアソン、Probsim等)
mij モデル化された類似度
cij 観察された類似度sijにおける信頼度
Claims (50)
- 複数のメディアアセット間の類似度を表すモデルを維持するための方法であって、
制御回路を使用して、第1のメディアアセットと関連付けられた値の第1のベクトルおよび第2のメディアアセットと関連付けられた値の第2のベクトルを受信するステップと、
前記制御回路を使用して、ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したかどうかを判定するステップと、
前記ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したことの判定に応答して、
前記制御回路を使用して、前記第1のメディアアセットと前記第2のメディアアセットとの間のモデル化された類似度を表すモデル化された類似度値を判定するステップであって、前記モデル化された類似度値は、前記値の第1のベクトルおよび前記値の第2のベクトルに基づいて判定される、ステップと、
前記制御回路を使用して、前記第1のメディアアセットと前記第2のメディアアセットとの間の観察された類似度を表す観察された類似度値を読み出すステップであって、前記観察された類似度は、前記第1および第2のメディアアセットに関するメタデータおよび使用データに基づく、ステップと、
前記制御回路を使用して、前記モデル化された類似度値および前記観察された類似度値に基づいて、モデル化誤差値を判定するステップと、
前記制御回路を使用して、前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するステップと、
を含む、方法。 - 前記第1のメディアアセットと関連付けられた値の第1のベクトルは、前記第1のメディアアセットに関するメタデータに関連する1つまたはそれを上回るメタデータベースの値および前記第1のメディアアセットに関するメタデータに関連しない1つまたはそれを上回る自由浮動値を含む、請求項1に記載の方法。
- 前記第1のメディアアセットと関連付けられた値の第1のベクトルを更新するステップは、前記1つまたはそれを上回る自由浮動値および前記1つまたはそれを上回るメタデータベースの値のうちの少なくとも1つを更新するステップを含む、請求項2に記載の方法。
- 前記モデル化誤差値を判定するステップは、信頼度項に基づいて、前記モデル化誤差値を判定するステップを含み、より高い信頼度項は、前記使用データ内のより高い信頼性を示す、請求項1に記載の方法。
- 前記第1のメディアアセットに関するメタデータは、ジャンル、カテゴリ、コンテンツソース、タイトル、シリーズ識別子、特色、俳優、監督、配役情報、クルー、プロット、場所、説明、記述子、キーワード、アーティスト、気分、音調、歌詞、コメント、評定、長さまたは持続時間、伝送時間、可用性時間、およびスポンサーのうちの少なくとも1つを含み、
前記第1のメディアアセットに関する使用データは、前記ユーザからの評定、前記ユーザによって視聴された時間量、前記ユーザによって視聴された時間、前記ユーザによって鑑賞されたエピソードの数、前記ユーザによる関連ソーシャルメディア相互作用の回数、チャンネルを合わせた回数、アセットの価格、ユーザに露出された回数、複数のエピソードを視聴する速度、最初に視聴した時対最初に利用可能になった時の速度、視聴された順序、および「おもしろい」または「いいね」に関して単語ベクトル上に投影されたコメント/ブログのうちの少なくとも1つを含む、
請求項1に記載の方法。 - 前記制御回路を使用して、前記モデルと関連付けられた閾値誤差値を読み出すステップと、
前記制御回路を使用して、前記モデル化誤差値が前記閾値誤差値を下回るかどうかを判定するステップと、
前記モデル化誤差値が前記閾値誤差値を下回らないことの判定に応答して、前記制御回路を使用して、前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するステップと、
をさらに含む、請求項1に記載の方法。 - 前記モデル化された類似度値を判定するステップは、
前記制御回路を使用して、前記値の第1のベクトルと前記値の第2のベクトルとの間のドット積に基づいて、前記値の第1のベクトルと前記値の第2のベクトルとの間の距離を判定するステップと、
前記制御回路を使用して、前記判定された距離に基づいて、前記モデル化された類似度値を判定するステップと、
を含む、請求項1に記載の方法。 - 前記モデル化誤差値に基づいて、前記値の第1のベクトルおよび値の第2のベクトルを更新するステップは、
前記制御回路を使用して、前記第1のベクトルと前記第2のベクトルとの間の距離が短縮されるように、前記第1のベクトルおよび前記第2のベクトル内に記憶される値を調節するステップを含む、請求項7に記載の方法。 - 前記観察された類似度は、前記第1のメディアアセットと前記第2のメディアアセットとの間のピアソン相関係数を使用して判定される、請求項1に記載の方法。
- いずれのユーザも前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴していないことの判定に応答して、前記制御回路を使用して、前記モデル化誤差値に関してゼロ値を記憶するステップをさらに含む、請求項1に記載の方法。
- 複数のメディアアセット間の類似度を表すモデルを維持するためのシステムであって、前記システムは、制御回路を備え、
前記制御回路は、
第1のメディアアセットと関連付けられた値の第1のベクトルおよび第2のメディアアセットと関連付けられた値の第2のベクトルを受信することと、
ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したかどうかを判定することと、
前記ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したことの判定に応答して、
前記第1のメディアアセットと前記第2のメディアアセットとの間のモデル化された類似度を表すモデル化された類似度値を判定することであって、前記モデル化された類似度値は、前記値の第1のベクトルおよび前記値の第2のベクトルに基づいて判定される、ことと、
前記第1のメディアアセットと前記第2のメディアアセットとの間の観察された類似度を表す観察された類似度値を読み出すことであって、前記観察された類似度は、前記第1および第2のメディアアセットに関するメタデータおよび使用データに基づく、ことと、
前記モデル化された類似度値および前記観察された類似度値に基づいて、モデル化誤差値を判定することと、
前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新することと
を行うように構成される、システム。 - 前記第1のメディアアセットと関連付けられた値の第1のベクトルは、前記第1のメディアアセットに関するメタデータに関連する1つまたはそれを上回るメタデータベースの値および前記第1のメディアアセットに関するメタデータに関連しない1つまたはそれを上回る自由浮動値を含む、請求項11に記載のシステム。
- 前記第1のメディアアセットと関連付けられた値の第1のベクトルを更新するように構成される制御回路は、前記1つまたはそれを上回る自由浮動値および前記1つまたはそれを上回るメタデータベースの値のうちの少なくとも1つを更新するように構成される制御回路を含む、請求項12に記載のシステム。
- 前記モデル化誤差値を判定するように構成される制御回路は、信頼度項に基づいて、前記モデル化誤差値を判定するように構成される制御回路を備え、より高い信頼度項は、前記使用データ内のより高い信頼性を示す、請求項11に記載のシステム。
- 前記第1のメディアアセットに関するメタデータは、ジャンル、カテゴリ、コンテンツソース、タイトル、シリーズ識別子、特色、俳優、監督、配役情報、クルー、プロット、場所、説明、記述子、キーワード、アーティスト、気分、音調、歌詞、コメント、評定、長さまたは持続時間、伝送時間、可用性時間、およびスポンサーのうちの少なくとも1つを含み、
前記第1のメディアアセットに関する使用データは、前記ユーザからの評定、前記ユーザによって視聴された時間量、前記ユーザによって視聴された時間、前記ユーザによって鑑賞されたエピソードの数、前記ユーザによる関連ソーシャルメディア相互作用の回数、チャンネルを合わせた回数、アセットの価格、ユーザに露出された回数、複数のエピソードを視聴する速度、最初に視聴した時対最初に利用可能になった時の速度、視聴された順序、および「おもしろい」または「いいね」に関して単語ベクトル上に投影されたコメント/ブログのうちの少なくとも1つを含む、
請求項11に記載のシステム。 - 前記モデルと関連付けられた閾値誤差値を読み出すことと、
前記モデル化誤差値が前記閾値誤差値を下回るかどうかを判定することと、
前記モデル化誤差値が前記閾値誤差値を下回らないことの判定に応答して、前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新することと、
を行うように構成される制御回路をさらに備える、請求項11に記載のシステム。 - 前記モデル化された類似度値を判定するように構成される制御回路は、
前記値の第1のベクトルと前記値の第2のベクトルとの間のドット積に基づいて、前記値の第1のベクトルと前記値の第2のベクトルとの間の距離を判定することと、
前記判定された距離に基づいて、前記モデル化された類似度値を判定することと、
を行うように構成される制御回路を備える、請求項11に記載のシステム。 - 前記モデル化誤差値に基づいて、前記値の第1のベクトルおよび値の第2のベクトルを更新するように構成される制御回路は、
前記第1のベクトルと前記第2のベクトルとの間の距離が短縮されるように、前記第1のベクトルおよび前記第2のベクトル内に記憶される値を調節するように構成される制御回路を備える、請求項17に記載のシステム。 - 前記観察された類似度は、前記第1のメディアアセットと前記第2のメディアアセットとの間のピアソン相関係数を使用して判定される、請求項11に記載のシステム。
- いずれのユーザも前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴していないことの判定に応答して、前記モデル化誤差値に関してゼロ値を記憶するように構成される制御回路をさらに備える、請求項11に記載のシステム。
- 複数のメディアアセット間の類似度を表すモデルを維持するための装置であって、
第1のメディアアセットと関連付けられた値の第1のベクトルおよび第2のメディアアセットと関連付けられた値の第2のベクトルを受信するための手段と、
ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したかどうかを判定するための手段と、
前記ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したことの判定に応答して、
前記第1のメディアアセットと前記第2のメディアアセットとの間のモデル化された類似度を表すモデル化された類似度値を判定するための手段であって、前記モデル化された類似度値は、前記値の第1のベクトルおよび前記値の第2のベクトルに基づいて判定される、手段と、
前記第1のメディアアセットと前記第2のメディアアセットとの間の観察された類似度を表す観察された類似度値を読み出すための手段であって、前記観察された類似度は、前記第1および第2のメディアアセットに関するメタデータおよび使用データに基づく、手段と、
前記モデル化された類似度値および前記観察された類似度値に基づいて、モデル化誤差値を判定するための手段と、
前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するための手段と、
を備える、装置。 - 前記第1のメディアアセットと関連付けられた値の第1のベクトルは、前記第1のメディアアセットに関するメタデータに関連する1つまたはそれを上回るメタデータベースの値および前記第1のメディアアセットに関するメタデータに関連しない1つまたはそれを上回る自由浮動値を含む、請求項21に記載の装置。
- 前記第1のメディアアセットと関連付けられた値の第1のベクトルを更新するための手段は、前記1つまたはそれを上回る自由浮動値および前記1つまたはそれを上回るメタデータベースの値のうちの少なくとも1つを更新するための手段を含む、請求項22に記載の装置。
- 前記モデル化誤差値を判定するための手段は、信頼度項に基づいて、前記モデル化誤差値を判定するための手段を含み、より高い信頼度項は、前記使用データ内のより高い信頼性を示す、請求項21に記載の装置。
- 前記第1のメディアアセットに関するメタデータは、ジャンル、カテゴリ、コンテンツソース、タイトル、シリーズ識別子、特色、俳優、監督、配役情報、クルー、プロット、場所、説明、記述子、キーワード、アーティスト、気分、音調、歌詞、コメント、評定、長さまたは持続時間、伝送時間、可用性時間、およびスポンサーのうちの少なくとも1つを含み、
前記第1のメディアアセットに関する使用データは、前記ユーザからの評定、前記ユーザによって視聴された時間量、前記ユーザによって視聴された時間、前記ユーザによって鑑賞されたエピソードの数、前記ユーザによる関連ソーシャルメディア相互作用の回数、チャンネルを合わせた回数、アセットの価格、ユーザに露出された回数、複数のエピソードを視聴する速度、最初に視聴した時対最初に利用可能になった時の速度、視聴された順序、および「おもしろい」または「いいね」に関して単語ベクトル上に投影されたコメント/ブログのうちの少なくとも1つを含む、
請求項21に記載の装置。 - 前記モデルと関連付けられた閾値誤差値を読み出すための手段と、
前記モデル化誤差値が前記閾値誤差値を下回るかどうかを判定するための手段と、
前記モデル化誤差値が前記閾値誤差値を下回らないことの判定に応答して、前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するための手段と、
をさらに備える、請求項21に記載の装置。 - 前記モデル化された類似度値を判定するための手段は、
前記値の第1のベクトルと前記値の第2のベクトルとの間のドット積に基づいて、前記値の第1のベクトルと前記値の第2のベクトルとの間の距離を判定するための手段と、
前記判定された距離に基づいて、前記モデル化された類似度値を判定するための手段と、
を備える、請求項21に記載の装置。 - 前記モデル化誤差値に基づいて、前記値の第1のベクトルおよび値の第2のベクトルを更新するための手段は、前記第1のベクトルと前記第2のベクトルとの間の距離が短縮されるように、前記第1のベクトルおよび前記第2のベクトル内に記憶される値を調節するための手段を備える、請求項27に記載の装置。
- 前記観察された類似度は、前記第1のメディアアセットと前記第2のメディアアセットとの間のピアソン相関係数を使用して判定される、請求項21に記載の装置。
- いずれのユーザも前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴していないことの判定に応答して、前記モデル化誤差値に関してゼロ値を記憶するための手段をさらに備える、請求項21に記載の装置。
- 非一過性機械可読命令を備える、複数のメディアアセット間の類似度を表すモデルを維持するための非一過性機械可読媒体であって、前記非一過性機械可読命令は、
第1のメディアアセットと関連付けられた値の第1のベクトルおよび第2のメディアアセットと関連付けられた値の第2のベクトルを受信するための命令と、
ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したかどうかを判定するための命令と、
前記ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したことの判定に応答して、
前記第1のメディアアセットと前記第2のメディアアセットとの間のモデル化された類似度を表すモデル化された類似度値を判定するための命令であって、前記モデル化された類似度値は、前記値の第1のベクトルおよび前記値の第2のベクトルに基づいて判定される、命令と、
前記第1のメディアアセットと前記第2のメディアアセットとの間の観察された類似度を表す観察された類似度値を読み出すための命令であって、前記観察された類似度は、前記第1および第2のメディアアセットに関するメタデータおよび使用データに基づく、命令と、
前記モデル化された類似度値および前記観察された類似度値に基づいて、モデル化誤差値を判定するための命令と、
前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するための命令と、
を備える、非一過性機械可読媒体。 - 前記第1のメディアアセットと関連付けられた値の第1のベクトルは、前記第1のメディアアセットに関するメタデータに関連する1つまたはそれを上回るメタデータベースの値および前記第1のメディアアセットに関するメタデータに関連しない1つまたはそれを上回る自由浮動値を含む、請求項31に記載の非一過性機械可読媒体。
- 前記第1のメディアアセットと関連付けられた値の第1のベクトルを更新するための命令は、前記1つまたはそれを上回る自由浮動値および前記1つまたはそれを上回るメタデータベースの値のうちの少なくとも1つを更新するための命令を備える、請求項32に記載の非一過性機械可読媒体。
- 前記モデル化誤差値を判定するための命令は、
信頼度項に基づいて、前記モデル化誤差値を判定するための命令を含み、より高い信頼度項は、前記使用データ内のより高い信頼性を示す、請求項31に記載の非一過性機械可読媒体。 - 前記第1のメディアアセットに関するメタデータは、ジャンル、カテゴリ、コンテンツソース、タイトル、シリーズ識別子、特色、俳優、監督、配役情報、クルー、プロット、場所、説明、記述子、キーワード、アーティスト、気分、音調、歌詞、コメント、評定、長さまたは持続時間、伝送時間、可用性時間、およびスポンサーのうちの少なくとも1つを含み、
前記第1のメディアアセットに関する使用データは、前記ユーザからの評定、前記ユーザによって視聴された時間量、前記ユーザによって視聴された時間、前記ユーザによって鑑賞されたエピソードの数、前記ユーザによる関連ソーシャルメディア相互作用の回数、チャンネルを合わせた回数、アセットの価格、ユーザに露出された回数、複数のエピソードを視聴する速度、最初に視聴した時対最初に利用可能になった時の速度、視聴された順序、および「おもしろい」または「いいね」に関して単語ベクトル上に投影されたコメント/ブログのうちの少なくとも1つを含む、
請求項31に記載の非一過性機械可読媒体。 - 前記モデルと関連付けられた閾値誤差値を読み出すための命令と、
前記モデル化誤差値が前記閾値誤差値を下回るかどうかを判定するための命令と、
前記モデル化誤差値が前記閾値誤差値を下回らないことの判定に応答して、前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するための命令と、
をさらに備える、請求項31に記載の非一過性機械可読媒体。 - 前記モデル化された類似度値を判定するための命令は、
前記値の第1のベクトルと前記値の第2のベクトルとの間のドット積に基づいて、前記値の第1のベクトルと前記値の第2のベクトルとの間の距離を判定するための命令と、
前記判定された距離に基づいて、前記モデル化された類似度値を判定するための命令と、
を備える、請求項31に記載の非一過性機械可読媒体。 - 前記モデル化誤差値に基づいて、前記値の第1のベクトルおよび値の第2のベクトルを更新するための命令は、
前記第1のベクトルと前記第2のベクトルとの間の距離が短縮されるように、前記第1のベクトルおよび前記第2のベクトル内に記憶される値を調節するための命令を備える、請求項37に記載の非一過性機械可読媒体。 - 前記観察された類似度は、前記第1のメディアアセットと前記第2のメディアアセットとの間のピアソン相関係数を使用して判定される、請求項31に記載の非一過性機械可読媒体。
- いずれのユーザも前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴していないことの判定に応答して、前記モデル化誤差値に関してゼロ値を記憶するための命令をさらに備える、請求項31に記載の非一過性機械可読媒体。
- 複数のメディアアセット間の類似度を表すモデルを維持するための方法であって、
制御回路を使用して、第1のメディアアセットと関連付けられた値の第1のベクトルおよび第2のメディアアセットと関連付けられた値の第2のベクトルを受信するステップと、
前記制御回路を使用して、ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したかどうかを判定するステップと、
前記ユーザが前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴したことの判定に応答して、
前記制御回路を使用して、前記第1のメディアアセットと前記第2のメディアアセットとの間のモデル化された類似度を表すモデル化された類似度値を判定するステップであって、前記モデル化された類似度値は、前記値の第1のベクトルおよび前記値の第2のベクトルに基づいて判定される、ステップと、
前記制御回路を使用して、前記第1のメディアアセットと前記第2のメディアアセットとの間の観察された類似度を表す観察された類似度値を読み出すステップであって、前記観察された類似度は、前記第1および第2のメディアアセットに関するメタデータおよび使用データに基づく、ステップと、
前記制御回路を使用して、前記モデル化された類似度値および前記観察された類似度値に基づいて、モデル化誤差値を判定するステップと、
前記制御回路を使用して、前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するステップと、
を含む、方法。 - 前記第1のメディアアセットと関連付けられた値の第1のベクトルは、前記第1のメディアアセットに関するメタデータに関連する1つまたはそれを上回るメタデータベースの値および前記第1のメディアアセットに関するメタデータに関連しない1つまたはそれを上回る自由浮動値を含む、請求項41に記載の方法。
- 前記第1のメディアアセットと関連付けられた値の第1のベクトルを更新するステップは、前記1つまたはそれを上回る自由浮動値および前記1つまたはそれを上回るメタデータベースの値のうちの少なくとも1つを更新するステップを含む、請求項42に記載の方法。
- 前記モデル化誤差値を判定するステップは、信頼度項に基づいて、前記モデル化誤差値を判定するステップを含み、より高い信頼度項は、前記使用データ内のより高い信頼性を示す、請求項41−43のいずれかに記載の方法。
- 前記第1のメディアアセットに関するメタデータは、ジャンル、カテゴリ、コンテンツソース、タイトル、シリーズ識別子、特色、俳優、監督、配役情報、クルー、プロット、場所、説明、記述子、キーワード、アーティスト、気分、音調、歌詞、コメント、評定、長さまたは持続時間、伝送時間、可用性時間、およびスポンサーのうちの少なくとも1つを含み、
前記第1のメディアアセットに関する使用データは、前記ユーザからの評定、前記ユーザによって視聴された時間量、前記ユーザによって視聴された時間、前記ユーザによって鑑賞されたエピソードの数、前記ユーザによる関連ソーシャルメディア相互作用の回数、チャンネルを合わせた回数、アセットの価格、ユーザに露出された回数、複数のエピソードを視聴する速度、最初に視聴した時対最初に利用可能になった時の速度、視聴された順序、および「おもしろい」または「いいね」に関して単語ベクトル上に投影されたコメント/ブログのうちの少なくとも1つを含む、
請求項41−44のいずれかに記載の方法。 - 前記制御回路を使用して、前記モデルと関連付けられた閾値誤差値を読み出すステップと、
前記制御回路を使用して、前記モデル化誤差値が前記閾値誤差値を下回るかどうかを判定するステップと、
前記モデル化誤差値が前記閾値誤差値を下回らないことの判定に応答して、前記制御回路を使用して、前記モデル化誤差値に基づいて、前記第1のメディアアセットと関連付けられた値の第1のベクトルおよび前記第2のメディアアセットと関連付けられた値の第2のベクトルを更新するステップと、
をさらに含む、請求項41−45のいずれかに記載の方法。 - 前記モデル化された類似度値を判定するステップは、
前記制御回路を使用して、前記値の第1のベクトルと前記値の第2のベクトルとの間のドット積に基づいて、前記値の第1のベクトルと前記値の第2のベクトルとの間の距離を判定するステップと、
前記制御回路を使用して、前記判定された距離に基づいて、前記モデル化された類似度値を判定するステップと、
を含む、請求項41−46のいずれかに記載の方法。 - 前記モデル化誤差値に基づいて、前記値の第1のベクトルおよび値の第2のベクトルを更新するステップは、
前記制御回路を使用して、前記第1のベクトルと前記第2のベクトルとの間の距離が短縮されるように、前記第1のベクトルおよび前記第2のベクトル内に記憶される値を調節するステップを含む、請求項47に記載の方法。 - 前記観察された類似度は、前記第1のメディアアセットと前記第2のメディアアセットとの間のピアソン相関係数を使用して判定される、請求項41−48のいずれかに記載の方法。
- いずれのユーザも前記第1のメディアアセットおよび前記第2のメディアアセットの両方を視聴していないことの判定に応答して、前記制御回路を使用して、前記モデル化誤差値に関してゼロ値を記憶するステップをさらに含む、請求項41−49のいずれかに記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/578,911 US10289733B2 (en) | 2014-12-22 | 2014-12-22 | Systems and methods for filtering techniques using metadata and usage data analysis |
US14/578,911 | 2014-12-22 | ||
PCT/US2015/066997 WO2016106177A1 (en) | 2014-12-22 | 2015-12-21 | Systems and methods for filtering techniques using metadata and usage data analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018505456A true JP2018505456A (ja) | 2018-02-22 |
JP6755189B2 JP6755189B2 (ja) | 2020-09-16 |
Family
ID=55135538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016575666A Active JP6755189B2 (ja) | 2014-12-22 | 2015-12-21 | メタデータおよび使用データ解析を用いるフィルタリング技術のためのシステムおよび方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10289733B2 (ja) |
EP (2) | EP3238098A1 (ja) |
JP (1) | JP6755189B2 (ja) |
CN (1) | CN106471498B (ja) |
AU (1) | AU2015369851A1 (ja) |
CA (1) | CA2954206A1 (ja) |
GB (1) | GB2535307B (ja) |
HK (1) | HK1246424A1 (ja) |
WO (1) | WO2016106177A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023068503A1 (ko) * | 2021-10-21 | 2023-04-27 | 이화여자대학교 산학협력단 | 네트워크 데이터 분석을 위한 메타 디스크립션 변환 방법 및 그를 이용한 네트워크 분석 장치 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10956936B2 (en) * | 2014-12-30 | 2021-03-23 | Spotify Ab | System and method for providing enhanced user-sponsor interaction in a media environment, including support for shake action |
US10003836B2 (en) | 2015-04-23 | 2018-06-19 | Rovi Guides, Inc. | Systems and methods for improving accuracy in media asset recommendation models based on users' levels of enjoyment with respect to media assets |
US10803038B2 (en) * | 2017-09-13 | 2020-10-13 | The Nielsen Company (Us), Llc | Cold matching by automatic content recognition |
US10545720B2 (en) * | 2017-09-29 | 2020-01-28 | Spotify Ab | Automatically generated media preview |
CN110366722A (zh) | 2018-10-17 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 不利用可信初始化器的秘密共享 |
CN109982148B (zh) * | 2019-04-03 | 2022-05-20 | 广州虎牙信息科技有限公司 | 一种直播方法、装置、计算机设备与存储介质 |
CN110852077B (zh) * | 2019-11-13 | 2023-03-31 | 泰康保险集团股份有限公司 | 动态调整Word2Vec模型词典的方法、装置、介质及电子设备 |
KR20220140598A (ko) * | 2020-02-10 | 2022-10-18 | 마켓엑스 엘엘씨 | 사용자 공급 기준들에 기초한 추천들을 위한 방법들 및 시스템들 |
CN115809374B (zh) * | 2023-02-13 | 2023-04-18 | 四川大学 | 纠正推荐系统主流偏差的方法、系统、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011074113A1 (ja) * | 2009-12-18 | 2011-06-23 | トヨタ自動車株式会社 | 協調フィルタリングシステム及び協調フィルタリング方法 |
WO2013001893A1 (ja) * | 2011-06-28 | 2013-01-03 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 主観的な階層クラスタリングにおける特徴量ごとの重みを求める情報処理装置、方法、およびプログラム |
US20140244631A1 (en) * | 2012-02-17 | 2014-08-28 | Digitalsmiths Corporation | Identifying Multimedia Asset Similarity Using Blended Semantic and Latent Feature Analysis |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6239794B1 (en) | 1994-08-31 | 2001-05-29 | E Guide, Inc. | Method and system for simultaneously displaying a television program and information about the program |
US6388714B1 (en) | 1995-10-02 | 2002-05-14 | Starsight Telecast Inc | Interactive computer system for providing television schedule information |
US6177931B1 (en) | 1996-12-19 | 2001-01-23 | Index Systems, Inc. | Systems and methods for displaying and recording control interface with television programs, video, advertising information and program scheduling information |
US6005597A (en) * | 1997-10-27 | 1999-12-21 | Disney Enterprises, Inc. | Method and apparatus for program selection |
US6564378B1 (en) | 1997-12-08 | 2003-05-13 | United Video Properties, Inc. | Program guide system with browsing display |
EP2076033A3 (en) | 1998-03-04 | 2009-09-30 | United Video Properties, Inc. | Program guide system with targeted advertising |
CN1867068A (zh) | 1998-07-14 | 2006-11-22 | 联合视频制品公司 | 交互式电视节目导视系统及其方法 |
AR020608A1 (es) | 1998-07-17 | 2002-05-22 | United Video Properties Inc | Un metodo y una disposicion para suministrar a un usuario acceso remoto a una guia de programacion interactiva por un enlace de acceso remoto |
DE69903438T2 (de) | 1998-07-17 | 2003-08-14 | United Video Properties Inc | Interaktive fernsehprogrammführung mit mehreren geräten an einem ort |
US7165098B1 (en) | 1998-11-10 | 2007-01-16 | United Video Properties, Inc. | On-line schedule system with personalization features |
EP1635243B1 (en) * | 1999-01-29 | 2011-05-18 | LG Electronics Inc. | Method of searching or browsing multimedia data |
CN100350798C (zh) | 2001-02-21 | 2007-11-21 | 联合视频制品公司 | 具有个人视频记录特征的交互式节目导视器的系统和方法 |
US7877387B2 (en) * | 2005-09-30 | 2011-01-25 | Strands, Inc. | Systems and methods for promotional media item selection and promotional program unit generation |
US20100153885A1 (en) | 2005-12-29 | 2010-06-17 | Rovi Technologies Corporation | Systems and methods for interacting with advanced displays provided by an interactive media guidance application |
US20070244880A1 (en) * | 2006-02-03 | 2007-10-18 | Francisco Martin | Mediaset generation system |
US20070239553A1 (en) * | 2006-03-16 | 2007-10-11 | Microsoft Corporation | Collaborative filtering using cluster-based smoothing |
JP5257071B2 (ja) * | 2006-08-03 | 2013-08-07 | 日本電気株式会社 | 類似度計算装置及び情報検索装置 |
US20080288537A1 (en) * | 2007-05-16 | 2008-11-20 | Fuji Xerox Co., Ltd. | System and method for slide stream indexing based on multi-dimensional content similarity |
US8027954B2 (en) * | 2007-05-31 | 2011-09-27 | Red Hat, Inc. | Portable media player recommendation system |
US20090300008A1 (en) * | 2008-05-31 | 2009-12-03 | Strands, Inc. | Adaptive recommender technology |
US8300953B2 (en) * | 2008-06-05 | 2012-10-30 | Apple Inc. | Categorization of digital media based on media characteristics |
US8200602B2 (en) * | 2009-02-02 | 2012-06-12 | Napo Enterprises, Llc | System and method for creating thematic listening experiences in a networked peer media recommendation environment |
US9215423B2 (en) * | 2009-03-30 | 2015-12-15 | Time Warner Cable Enterprises Llc | Recommendation engine apparatus and methods |
US9460092B2 (en) * | 2009-06-16 | 2016-10-04 | Rovi Technologies Corporation | Media asset recommendation service |
US20100325125A1 (en) * | 2009-06-18 | 2010-12-23 | Microsoft Corporation | Media recommendations |
CN102870114B (zh) * | 2010-04-28 | 2016-05-25 | Jvc建伍株式会社 | 项目选择装置和项目选择方法 |
US8239412B2 (en) * | 2010-05-05 | 2012-08-07 | Rovi Technologies Corporation | Recommending a media item by using audio content from a seed media item |
US20130332962A1 (en) * | 2011-02-28 | 2013-12-12 | Telefonaktiebolaget L M Ericsson (Publ) | Electronically communicating media recommendations responsive to preferences for an electronic terminal |
US20120271823A1 (en) * | 2011-04-25 | 2012-10-25 | Rovi Technologies Corporation | Automated discovery of content and metadata |
US8639706B1 (en) * | 2011-07-01 | 2014-01-28 | Google Inc. | Shared metadata for media files |
US8869208B2 (en) * | 2011-10-30 | 2014-10-21 | Google Inc. | Computing similarity between media programs |
US9092415B2 (en) * | 2012-09-25 | 2015-07-28 | Rovi Guides, Inc. | Systems and methods for automatic program recommendations based on user interactions |
WO2014160380A1 (en) * | 2013-03-13 | 2014-10-02 | Deja.io, Inc. | Analysis platform of media content metadata |
US20160112761A1 (en) * | 2014-10-20 | 2016-04-21 | United Video Properties, Inc. | Systems and methods for generating media asset recommendations using a neural network generated based on consumption information |
-
2014
- 2014-12-22 US US14/578,911 patent/US10289733B2/en active Active
-
2015
- 2015-12-21 AU AU2015369851A patent/AU2015369851A1/en not_active Abandoned
- 2015-12-21 CN CN201580035888.5A patent/CN106471498B/zh active Active
- 2015-12-21 CA CA2954206A patent/CA2954206A1/en active Pending
- 2015-12-21 EP EP15823887.3A patent/EP3238098A1/en not_active Ceased
- 2015-12-21 JP JP2016575666A patent/JP6755189B2/ja active Active
- 2015-12-21 WO PCT/US2015/066997 patent/WO2016106177A1/en active Application Filing
- 2015-12-21 EP EP20185830.5A patent/EP3789887A1/en active Pending
- 2015-12-22 GB GB1522703.6A patent/GB2535307B/en active Active
-
2018
- 2018-05-02 HK HK18105674.2A patent/HK1246424A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011074113A1 (ja) * | 2009-12-18 | 2011-06-23 | トヨタ自動車株式会社 | 協調フィルタリングシステム及び協調フィルタリング方法 |
WO2013001893A1 (ja) * | 2011-06-28 | 2013-01-03 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 主観的な階層クラスタリングにおける特徴量ごとの重みを求める情報処理装置、方法、およびプログラム |
US20140244631A1 (en) * | 2012-02-17 | 2014-08-28 | Digitalsmiths Corporation | Identifying Multimedia Asset Similarity Using Blended Semantic and Latent Feature Analysis |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023068503A1 (ko) * | 2021-10-21 | 2023-04-27 | 이화여자대학교 산학협력단 | 네트워크 데이터 분석을 위한 메타 디스크립션 변환 방법 및 그를 이용한 네트워크 분석 장치 |
Also Published As
Publication number | Publication date |
---|---|
CN106471498A (zh) | 2017-03-01 |
EP3238098A1 (en) | 2017-11-01 |
EP3789887A1 (en) | 2021-03-10 |
HK1246424A1 (zh) | 2018-09-07 |
WO2016106177A1 (en) | 2016-06-30 |
AU2015369851A1 (en) | 2017-01-12 |
CN106471498B (zh) | 2020-11-10 |
US10289733B2 (en) | 2019-05-14 |
CA2954206A1 (en) | 2016-06-30 |
US20160179950A1 (en) | 2016-06-23 |
GB2535307A (en) | 2016-08-17 |
JP6755189B2 (ja) | 2020-09-16 |
GB2535307B (en) | 2019-02-20 |
GB201522703D0 (en) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6755189B2 (ja) | メタデータおよび使用データ解析を用いるフィルタリング技術のためのシステムおよび方法 | |
JP7007917B2 (ja) | 会話におけるコンテキスト切替を決定するためのシステムおよび方法 | |
JP6949885B2 (ja) | 第2のユーザの視聴アクティビティに基づいて第2のユーザのための再生リストに含めるための第1のユーザのメディアアセットに対する推奨のための方法およびシステム | |
US10575057B2 (en) | Systems and methods for improving accuracy in media asset recommendation models | |
US20160112761A1 (en) | Systems and methods for generating media asset recommendations using a neural network generated based on consumption information | |
US20160373792A1 (en) | Systems and methods for mixing models to optimize media placement | |
JP2019522386A (ja) | ユーザデバイスにおけるサービス品質に基づいてメディア一覧を提示するための方法およびシステム | |
JP7019669B2 (ja) | 静的ナレッジグラフおよび時間的ナレッジグラフに基づいて用語の曖昧性を除去するためのシステムおよび方法 | |
CN106471819B (zh) | 用于提高媒体资产推荐模型中的精确性的系统和方法 | |
US20210004842A1 (en) | Systems and methods for generating consumption probability metrics | |
JP2018526837A (ja) | メディアのシーケンスを消費するときのユーザ視聴経験を向上させるための方法 | |
US20160314410A1 (en) | Systems and methods for improving accuracy in media asset recommendations based on data from one data space | |
US10003836B2 (en) | Systems and methods for improving accuracy in media asset recommendation models based on users' levels of enjoyment with respect to media assets | |
US20160314404A1 (en) | Systems and methods for improving accuracy in media asset recommendations based on data from multiple data spaces | |
US20190073401A1 (en) | Systems and methods for identifying a category of a search term and providing search results subject to the identified category | |
JP7387787B2 (ja) | メディアアセットの記憶されたバージョンをユーザにより適したバージョンと置換するためのシステムおよび方法 | |
US10182264B2 (en) | Methods and systems for selecting media content based on a location of a user relative to a viewing area | |
US20170094320A1 (en) | Methods and systems for performing playback operations based on a location of a user relative to a viewing area |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200310 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200630 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200729 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200825 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6755189 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |