JP6755189B2 - 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
- JP6755189B2 JP6755189B2 JP2016575666A JP2016575666A JP6755189B2 JP 6755189 B2 JP6755189 B2 JP 6755189B2 JP 2016575666 A JP2016575666 A JP 2016575666A JP 2016575666 A JP2016575666 A JP 2016575666A JP 6755189 B2 JP6755189 B2 JP 6755189B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- media asset
- value
- user
- media
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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)
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。
例えば、本願は以下の項目を提供する。
(項目1)
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。
(項目2)
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、項目1に記載の方法。
(項目3)
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、項目2に記載の方法。
(項目4)
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、項目1に記載の方法。
(項目5)
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、
項目1に記載の方法。
(項目6)
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、項目1に記載の方法。
(項目7)
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、項目1に記載の方法。
(項目8)
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、項目7に記載の方法。
(項目9)
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、項目1に記載の方法。
(項目10)
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、項目1に記載の方法。
(項目11)
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。
(項目12)
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、項目11に記載のシステム。
(項目13)
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、項目12に記載のシステム。
(項目14)
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、項目11に記載のシステム。
(項目15)
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、
項目11に記載のシステム。
(項目16)
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、項目11に記載のシステム。
(項目17)
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、項目11に記載のシステム。
(項目18)
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、項目17に記載のシステム。
(項目19)
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、項目11に記載のシステム。
(項目20)
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、項目11に記載のシステム。
(項目21)
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。
(項目22)
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、項目21に記載の装置。
(項目23)
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、項目22に記載の装置。
(項目24)
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、項目21に記載の装置。
(項目25)
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、
項目21に記載の装置。
(項目26)
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、項目21に記載の装置。
(項目27)
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、項目21に記載の装置。
(項目28)
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、項目27に記載の装置。
(項目29)
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、項目21に記載の装置。
(項目30)
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、項目21に記載の装置。
(項目31)
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。
(項目32)
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、項目31に記載の非一過性機械可読媒体。
(項目33)
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、項目32に記載の非一過性機械可読媒体。
(項目34)
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、項目31に記載の非一過性機械可読媒体。
(項目35)
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、
項目31に記載の非一過性機械可読媒体。
(項目36)
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、項目31に記載の非一過性機械可読媒体。
(項目37)
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、項目31に記載の非一過性機械可読媒体。
(項目38)
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、項目37に記載の非一過性機械可読媒体。
(項目39)
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、項目31に記載の非一過性機械可読媒体。
(項目40)
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、項目31に記載の非一過性機械可読媒体。
(項目41)
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。
(項目42)
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、項目41に記載の方法。
(項目43)
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、項目42に記載の方法。
(項目44)
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、項目41−43のいずれかに記載の方法。
(項目45)
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、
項目41−44のいずれかに記載の方法。
(項目46)
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、項目41−45のいずれかに記載の方法。
(項目47)
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、項目41−46のいずれかに記載の方法。
(項目48)
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、項目47に記載の方法。
(項目49)
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、項目41−48のいずれかに記載の方法。
(項目50)
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、項目41−49のいずれかに記載の方法。
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 (40)
- 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を動作させる方法であって、前記システムは、制御回路を含み、
前記方法は、
前記制御回路が、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、
前記制御回路が、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、
前記制御回路が、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、
前記制御回路が、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、
前記制御回路が、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、
前記制御回路が、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つ以上の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つ以上の自由浮動値を含む、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ことは、前記制御回路が、前記1つ以上の自由浮動値および前記1つ以上のメタデータベースの値のうちの少なくとも1つを更新することを含む、請求項2に記載の方法。
- 前記モデル化誤差値を判定することは、前記制御回路が、信頼度項に基づいて、前記モデル化誤差値を判定することを含み、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。 - 前記制御回路が、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、
前記制御回路が、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、前記制御回路が、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ことは、
前記制御回路が、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、
前記制御回路が、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ことは、
前記制御回路が、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ことを含む、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、前記制御回路が、前記モデル化誤差値に関してゼロ値を記憶することをさらに含む、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ている、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つ以上の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つ以上の自由浮動値を含む、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ている制御回路は、前記1つ以上の自由浮動値および前記1つ以上の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ている制御回路を含む、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ている制御回路は、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ている制御回路を備え、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てい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ている制御回路は、
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てい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ている制御回路は、
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てい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てい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つ以上の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つ以上の自由浮動値を含む、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つ以上の自由浮動値および前記1つ以上の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つ以上の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つ以上の自由浮動値を含む、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つ以上の自由浮動値および前記1つ以上の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。
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 JP2018505456A (ja) | 2018-02-22 |
JP6755189B2 true 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) | EP3789887A1 (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) |
Families Citing this family (10)
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 |
WO2020077573A1 (en) * | 2018-10-17 | 2020-04-23 | Alibaba Group Holding Limited | Secret sharing with no trusted initializer |
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 |
EP4104452A4 (en) * | 2020-02-10 | 2024-03-20 | Marketx LLC | METHODS AND SYSTEMS FOR RECOMMENDATIONS BASED ON CRITERIA PROVIDED BY THE USER |
KR102561335B1 (ko) * | 2021-10-21 | 2023-07-28 | 이화여자대학교 산학협력단 | 네트워크 데이터 분석을 위한 메타 디스크립션 변환 방법 및 그를 이용한 네트워크 분석 장치 |
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 |
Family Cites Families (37)
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 |
CA2322217C (en) | 1998-03-04 | 2007-04-10 | 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 |
CA2730344C (en) | 1998-07-17 | 2014-10-21 | United Video Properties, Inc. | Interactive television program guide system having multiple devices within a household |
US7165098B1 (en) | 1998-11-10 | 2007-01-16 | United Video Properties, Inc. | On-line schedule system with personalization features |
EP1066595B1 (en) * | 1999-01-29 | 2010-09-08 | LG Electronics, Inc. | Method of searching or browsing multimedia data and data structure |
MX347698B (es) | 2001-02-21 | 2017-05-09 | United Video Properties Inc | Sistemas y metodos para guias de programa interactivas con caracteristicas de grabacion personal. |
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 |
US8140530B2 (en) * | 2006-08-03 | 2012-03-20 | Nec Corporation | Similarity calculation device and information search device |
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 |
WO2009146437A1 (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 |
CN102640141B (zh) * | 2009-12-18 | 2015-05-13 | 丰田自动车株式会社 | 协同过滤系统以及协同过滤方法 |
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 |
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 |
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 |
US10331785B2 (en) * | 2012-02-17 | 2019-06-25 | Tivo Solutions Inc. | Identifying multimedia asset similarity using blended semantic and latent feature analysis |
US9092415B2 (en) * | 2012-09-25 | 2015-07-28 | Rovi Guides, Inc. | Systems and methods for automatic program recommendations based on user interactions |
US20140282281A1 (en) * | 2013-03-13 | 2014-09-18 | Deja.io, Inc. | Seamless media navigation |
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 WO PCT/US2015/066997 patent/WO2016106177A1/en active Application Filing
- 2015-12-21 EP EP20185830.5A patent/EP3789887A1/en active Pending
- 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 CN CN201580035888.5A patent/CN106471498B/zh active Active
- 2015-12-21 JP JP2016575666A patent/JP6755189B2/ja active Active
- 2015-12-21 AU AU2015369851A patent/AU2015369851A1/en not_active Abandoned
- 2015-12-22 GB GB1522703.6A patent/GB2535307B/en active Active
-
2018
- 2018-05-02 HK HK18105674.2A patent/HK1246424A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
HK1246424A1 (zh) | 2018-09-07 |
JP2018505456A (ja) | 2018-02-22 |
US20160179950A1 (en) | 2016-06-23 |
CN106471498B (zh) | 2020-11-10 |
AU2015369851A1 (en) | 2017-01-12 |
CA2954206A1 (en) | 2016-06-30 |
WO2016106177A1 (en) | 2016-06-30 |
GB2535307B (en) | 2019-02-20 |
EP3789887A1 (en) | 2021-03-10 |
EP3238098A1 (en) | 2017-11-01 |
CN106471498A (zh) | 2017-03-01 |
US10289733B2 (en) | 2019-05-14 |
GB2535307A (en) | 2016-08-17 |
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 | |
US20160112761A1 (en) | Systems and methods for generating media asset recommendations using a neural network generated based on consumption information | |
US10575057B2 (en) | Systems and methods for improving accuracy in media asset recommendation models | |
US11600304B2 (en) | Systems and methods for determining playback points in media assets | |
JP2021048611A (ja) | メディアアセット推奨モデルにおける正確度を向上させるためのシステムおよび方法 | |
US20180192137A1 (en) | Systems and methods for predicting viewing behavior | |
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 | |
US20150382068A1 (en) | Methods and systems for providing objects that describe media assets | |
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 |
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 |