RU2014113565A - Способ и устройство для автоматического генерирования рекомендаций - Google Patents

Способ и устройство для автоматического генерирования рекомендаций Download PDF

Info

Publication number
RU2014113565A
RU2014113565A RU2014113565/08A RU2014113565A RU2014113565A RU 2014113565 A RU2014113565 A RU 2014113565A RU 2014113565/08 A RU2014113565/08 A RU 2014113565/08A RU 2014113565 A RU2014113565 A RU 2014113565A RU 2014113565 A RU2014113565 A RU 2014113565A
Authority
RU
Russia
Prior art keywords
content
data
profile
unit
preliminary
Prior art date
Application number
RU2014113565/08A
Other languages
English (en)
Other versions
RU2627717C2 (ru
Inventor
Ян КОРСТ
Мауро БАРБЬЕРИ
Рамон КЛАУТ
Сервериус Петрус Паулус ПРОНК
Original Assignee
Функе Диджитал Тв Гайд Гмбх
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 Функе Диджитал Тв Гайд Гмбх filed Critical Функе Диджитал Тв Гайд Гмбх
Publication of RU2014113565A publication Critical patent/RU2014113565A/ru
Application granted granted Critical
Publication of RU2627717C2 publication Critical patent/RU2627717C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • H04N21/4828—End-user interface for program selection for searching program descriptors

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

1. Рекомендательный модуль (100) для рекомендации элементов контента пользователю, содержащийблок генерирования профиля, имеющий блок (110) ввода предварительного профиля, который выполнен с возможностью принимать данные предварительного профиля, содержащие текстовые данные предварительного профиля, подходящие для идентификации субъектов, представляющих интерес для конкретного пользователя, и имеющий блок (112) анализа предварительного профиля, который соединен с блоком (110) ввода предварительного профиля и выполнен с возможностью извлекать из данных предварительного профиля идентификационные данные, идентифицирующие упомянутые субъекты, представляющие интерес, и генерировать набор данных первоначального профиля пользователя для этого конкретного пользователя исходя из извлеченных идентификационных данных;блок (120) генерирования запросов, который соединен с блоком генерирования профиля и выполнен с возможностью генерировать, с использованием извлеченных идентификационных данных из набора данных первоначального профиля пользователя, по меньшей мере два запроса, семантически отличающиеся друг от друга, которые должны быть направлены в по меньшей мере один репозиторий контента;блок (128) извлечения контента, который соединен с блоком (120) генерирования запросов и выполнен с возможностью выдавать сгенерированные запросы в по меньшей мере один репозиторий (122) контента и который выполнен с возможностью принимать из по меньшей мере одного репозитория контента, в ответ на упомянутые запросы, относящиеся к контенту ответные данные, содержащие соответствующие списки совпадений, имеющие по меньшей мере оди

Claims (15)

1. Рекомендательный модуль (100) для рекомендации элементов контента пользователю, содержащий
блок генерирования профиля, имеющий блок (110) ввода предварительного профиля, который выполнен с возможностью принимать данные предварительного профиля, содержащие текстовые данные предварительного профиля, подходящие для идентификации субъектов, представляющих интерес для конкретного пользователя, и имеющий блок (112) анализа предварительного профиля, который соединен с блоком (110) ввода предварительного профиля и выполнен с возможностью извлекать из данных предварительного профиля идентификационные данные, идентифицирующие упомянутые субъекты, представляющие интерес, и генерировать набор данных первоначального профиля пользователя для этого конкретного пользователя исходя из извлеченных идентификационных данных;
блок (120) генерирования запросов, который соединен с блоком генерирования профиля и выполнен с возможностью генерировать, с использованием извлеченных идентификационных данных из набора данных первоначального профиля пользователя, по меньшей мере два запроса, семантически отличающиеся друг от друга, которые должны быть направлены в по меньшей мере один репозиторий контента;
блок (128) извлечения контента, который соединен с блоком (120) генерирования запросов и выполнен с возможностью выдавать сгенерированные запросы в по меньшей мере один репозиторий (122) контента и который выполнен с возможностью принимать из по меньшей мере одного репозитория контента, в ответ на упомянутые запросы, относящиеся к контенту ответные данные, содержащие соответствующие списки совпадений, имеющие по меньшей мере один соответствующий идентификатор размещения контента, указывающий место хранения соответствующего элемента контента; и
блок (132) перемежения, который соединен с блоком извлечения контента и который выполнен с возможностью генерировать из разных списков совпадения единый список рекомендаций посредством перемежения друг с другом идентификаторов размещения контента, содержащихся в разных списках совпадений из упомянутых списков совпадений.
2. Рекомендательный модуль по п.1,
в котором блок (128) извлечения контента дополнительно выполнен с возможностью извлекать текстовые данные контента, связанные с соответствующими идентификаторами размещения контента, в ответ на упомянутые запросы;
при этом рекомендательный модуль (100) дополнительно содержит блок (130) присваивания рейтинга, который соединен с блоком (128) извлечения контента и который выполнен с возможностью:
назначать идентификаторам размещения контента, которые были приняты в ответ на каждый из упомянутых по меньшей мере двух запросов, показатели релевантности на основе критерия сходства, которым оценивается текстовая связанность между текстовыми данными предварительного профиля и текстовыми данными контента,
сортировать списки совпадений по релевантности, которая выражена показателями релевантности, и
предоставлять отсортированные списки совпадений в блок перемежения.
3. Рекомендательный модуль по п.1 или 2,
в котором блок (108) генерирования профиля содержит классификационную базу данных (116), которая присваивает соответствующий класс субъектов, в соответствии с по меньшей мере одним критерием классификации субъектов, соответствующему набору из по меньшей мере одного ключевого слова, которое должно быть включено в запрос,
в котором блок (108) генерирования профиля выполнен с возможностью присваивать по меньшей мере один класс извлеченным идентификационным данным, идентифицирующим соответствующий субъект, представляющий интерес, в соответствии с классификационной базой данных, и
в котором блок (120) генерирования запросов выполнен с возможностью генерировать запросы с использованием соответствующих идентификационных данных и по меньшей мере одного из ключевых слов, присвоенных соответствующему классу идентификационных данных в соответствии с классификационной базой данных.
4. Рекомендательный модуль по п.3,
в котором блок (112) анализа предварительного профиля дополнительно выполнен с возможностью классифицировать текстовые данные предварительного профиля по их языку и подавать на свой выход по меньшей мере один идентификатор языка, указывающий соответствующий язык, используемый в текстовых данных предварительного профиля;
при этом классификационная база данных (116) содержит ключевые слова на разных языках; и
в котором блок (120) генерирования запросов выполнен с возможностью генерировать запросы с использованием ключевых слов на языке, соответствующем идентификатору языка, или, если ключевые слова на этом языке не присутствуют в классификационной базе данных для соответствующего класса, на заданном по умолчанию языке.
5. Рекомендательный модуль по п.1, в котором блок (120) генерирования запросов выполнен с возможностью включать в упомянутые запросы извлеченные идентификационные данные по меньшей мере двух субъектов, представляющих интерес.
6. Рекомендательный модуль по п.1, в котором блок (108) генерирования профиля выполнен с возможностью обнаруживать в данных предварительного профиля ссылку ресурса на ресурс контента в сетевом месте размещения в глобальной сети данных, осуществлять доступ к ресурсу контента и добавлять текстовые данные, доступные из ресурса контента, к текстовым данным предварительного профиля.
7. Рекомендательный модуль по п.2,
в котором блок (108) генерирования профиля выполнен с возможностью извлекать из данных предварительного профиля разные поднаборы текстовых данных предварительного профиля, которые отличаются друг от друга своей датой генерирования, которая назначена внешней базой данных, и извлекать из этих поднаборов соответствующие даты генерирования поднаборов, и
в котором блок (130) присваивания рейтинга выполнен с возможностью применять взвешивание к показателю релевантности, причем взвешивание увеличивает показатель релевантности тем больше, чем более поздней является дата генерирования соответствующего одного из поднаборов, относящихся к конкретному размещению контента, связанному с конкретным субъектом, представляющим интерес.
8. Рекомендательный модуль по п.2, в котором блок (112) анализа предварительного профиля выполнен с возможностью обнаруживать в текстовых данных предварительного профиля наличие ключевых слов, указывающих, что конкретному пользователю или кому-то, связанному с этим конкретным пользователем, нравится субъект, и назначать указатель "нравится" соответствующему субъекту в наборе данных первоначального профиля пользователя, при этом блок (130) присваивания рейтинга выполнен с возможностью применять взвешивание к показателю релевантности, причем взвешивание увеличивает показатель релевантности, если конкретный субъект, представляющий интерес, имеет связанный с ним указатель "нравится".
9. Рекомендательный модуль по п.2, в котором блок (130) присваивания рейтинга или блок (132) перемежения выполнен с возможностью оценивать значение текстовой связанности между текстовыми данными предварительного профиля и текстовыми данными контента.
10. Рекомендательный модуль по п.2, в котором
блок (132) перемежения выполнен с возможностью взвешивания показателей релевантности на основе критерия сходства, которым оценивается текстовая связанность между текстовыми данными контента различных элементов контента, найденных в упомянутых запросах, при этом взвешивание уменьшает показатель релевантности, если элемент контента, который должен быть оценен на предмет релевантности, имеет такую текстовую связанность с элементом контента, оцененным непосредственно перед ним, которая превышает предварительно определенное значение.
11. Рекомендательный модуль по п.1,
дополнительно содержащий блок (114) аутентификации, который выполнен с возможностью принимать через интерфейс пользовательского ввода аутентификационные данные пользователя, подходящие для осуществления доступа к внешней базе данных,
в котором блок (108) генерирования профиля выполнен с возможностью осуществлять доступ к внешней базе данных для извлечения данных предварительного профиля.
12. Рекомендательный модуль по п.9, дополнительно содержащий блок (134) обслуживания профиля, который выполнен с возможностью извлекать дополнительные идентификационные данные для дополнительного субъекта из текстовых данных контента, и который выполнен с возможностью добавлять извлеченные дополнительные идентификационные данные к набору данных профиля пользователя после обнаружения того, что значение текстовой связанности между текстовыми данными предварительного профиля и текстовыми данными контента превышает предварительно определенное пороговое значение.
13. Репозиторий (200) контента, содержащий:
базу данных контента, содержащую элементы контента в виде файлов данных, хранящихся в местах размещения контента;
рекомендательный модуль согласно одному из предыдущих пунктов,
при этом блок извлечения контента из состава рекомендательного модуля выполнен с возможностью выдачи сгенерированных запросов в базу данных контента.
14. Способ функционирования рекомендательного модуля для рекомендации элементов контента пользователю, содержащий этапы, на которых
принимают (S1) из базы данных, которая является внешней для рекомендательного модуля, данные предварительного профиля, содержащие текстовые данные предварительного профиля, подходящие для идентификации субъектов, представляющих интерес для конкретного пользователя;
извлекают (S2) из данных предварительного профиля идентификационные данные, идентифицирующие упомянутые субъекты, представляющие интерес;
генерируют (S3) набор данных первоначального профиля пользователя для этого конкретного пользователя исходя из извлеченных идентификационных данных;
генерируют (S4), с использованием извлеченных идентификационных данных из набора данных первоначального профиля пользователя, по меньшей мере два запроса, семантически отличающиеся друг от друга, которые должны быть направлены в по меньшей мере один репозиторий контента;
выдают (S5) сгенерированные запросы в по меньшей мере один репозиторий контента;
принимают (S6) из по меньшей мере одного репозитория контента, в ответ на запрос, относящиеся к контенту ответные данные, содержащие соответствующие списки совпадений, имеющие по меньшей мере один соответствующий идентификатор размещения контента, указывающий место хранения соответствующего элемента контента; и
генерируют (S7) из разных извлеченных списков совпадения единый список рекомендаций посредством перемежения друг с другом идентификаторов размещения контента, содержащихся в разных списках совпадений из упомянутых списков совпадений.
15. Компьютерно-читаемый носитель информации, хранящий исполняемый компьютером код, причем компьютерный код реализует способ управления функционированием рекомендательного модуля для рекомендации элементов контента пользователю согласно п.12.
RU2014113565A 2011-09-08 2012-09-04 Способ и устройство для автоматического генерирования рекомендаций RU2627717C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP11180631.1 2011-09-08
EP11180631A EP2568395A1 (en) 2011-09-08 2011-09-08 Method and apparatus for automatic generation of recommendations
PCT/EP2012/067227 WO2013034553A1 (en) 2011-09-08 2012-09-04 Method and apparatus for automatic generation of recommendations

Publications (2)

Publication Number Publication Date
RU2014113565A true RU2014113565A (ru) 2015-10-20
RU2627717C2 RU2627717C2 (ru) 2017-08-10

Family

ID=46845736

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014113565A RU2627717C2 (ru) 2011-09-08 2012-09-04 Способ и устройство для автоматического генерирования рекомендаций

Country Status (8)

Country Link
US (1) US9967625B2 (ru)
EP (2) EP2568395A1 (ru)
CN (1) CN103890761B (ru)
DK (1) DK2754072T3 (ru)
ES (1) ES2616953T3 (ru)
PL (1) PL2754072T3 (ru)
RU (1) RU2627717C2 (ru)
WO (1) WO2013034553A1 (ru)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9185152B2 (en) * 2011-08-25 2015-11-10 Ustream, Inc. Bidirectional communication on live multimedia broadcasts
US9454622B2 (en) * 2013-03-15 2016-09-27 Doron Etzioni Educational hub
CN104639993A (zh) * 2013-11-06 2015-05-20 株式会社Ntt都科摩 视频节目推荐方法及其服务器
US9219736B1 (en) * 2013-12-20 2015-12-22 Google Inc. Application programming interface for rendering personalized related content to third party applications
US10025863B2 (en) 2014-10-31 2018-07-17 Oath Inc. Recommending contents using a base profile
CN105912546A (zh) * 2015-12-15 2016-08-31 乐视网信息技术（北京）股份有限公司 一种推荐信息的处理方法及装置
US10033686B2 (en) 2016-05-23 2018-07-24 Oath Inc. Computerized system and method for automatically creating and communicating media streams of digital content
US10762135B2 (en) * 2016-11-21 2020-09-01 Adobe Inc. Recommending software actions to create an image and recommending images to demonstrate the effects of software actions
US9992523B1 (en) * 2017-01-05 2018-06-05 Hulu, LLC Selecting recommendations in a video delivery system using diversity and relevance
AU2018292120A1 (en) * 2017-06-30 2019-11-28 Diluvian LLC Methods and systems for protecting user-generated data in computer network traffic
CN107577726B (zh) * 2017-08-22 2021-11-12 努比亚技术有限公司 一种搜索方法、服务器及计算机可读存储介质
CN110019700B (zh) * 2017-09-13 2023-01-17 阿里巴巴集团控股有限公司 数据处理方法和设备
CN107944911B (zh) * 2017-11-18 2021-12-03 电子科技大学 一种基于文本分析的推荐系统的推荐方法
US10873785B2 (en) * 2019-01-07 2020-12-22 Alphonso Inc. Content recommendation system and method-based implicit ratings
US10803480B2 (en) 2019-01-07 2020-10-13 Alphonso Inc. Bidding agent with optimized reach limitation
US11151609B2 (en) 2019-01-07 2021-10-19 Alphonso Inc. Closed loop attribution
US11037205B2 (en) 2019-01-07 2021-06-15 Alphonso Inc. Bidding agent using ad opportunity source to limit ad reach
US11861675B2 (en) * 2019-04-22 2024-01-02 Home Depot Product Authority, Llc Methods for product collection recommendations based on transaction data
CN112148857B (zh) * 2020-09-23 2024-06-21 中国电子科技集团公司第十五研究所 一种公文自动生成系统和方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020092022A1 (en) * 2000-11-16 2002-07-11 Dudkicwicz Gil Gavriel System and method for using programming event timing data in a recording device
US7243105B2 (en) * 2002-12-31 2007-07-10 British Telecommunications Public Limited Company Method and apparatus for automatic updating of user profiles
US7885963B2 (en) * 2003-03-24 2011-02-08 Microsoft Corporation Free text and attribute searching of electronic program guide (EPG) data
US7693827B2 (en) * 2003-09-30 2010-04-06 Google Inc. Personalization of placed content ordering in search results
CN101164067B (zh) 2005-02-28 2013-11-06 搜索引擎科技有限责任公司 通过合并用户输入信息来进行搜索的方法和系统
US7627548B2 (en) 2005-11-22 2009-12-01 Google Inc. Inferring search category synonyms from user logs
CN103561300A (zh) * 2005-11-30 2014-02-05 皇家飞利浦电子股份有限公司 产生对至少一个内容项目的推荐的方法和设备
US20080104127A1 (en) * 2006-11-01 2008-05-01 United Video Properties, Inc. Presenting media guidance search results based on relevancy
US8510778B2 (en) * 2008-06-27 2013-08-13 Rovi Guides, Inc. Systems and methods for ranking assets relative to a group of viewers
US20100004975A1 (en) * 2008-07-03 2010-01-07 Scott White System and method for leveraging proximity data in a web-based socially-enabled knowledge networking environment
EP2397952A1 (en) * 2010-06-15 2011-12-21 Axel Springer Digital TV Guide GmbH Profile based content retrieval for recommender systems
EP2646964A4 (en) * 2010-12-01 2015-06-03 Google Inc RECOMMENDATIONS BASED ON TOPICAL CLUSTERS

Also Published As

Publication number Publication date
US9967625B2 (en) 2018-05-08
DK2754072T3 (en) 2017-02-27
CN103890761A (zh) 2014-06-25
EP2754072B1 (en) 2016-11-30
US20140223488A1 (en) 2014-08-07
PL2754072T3 (pl) 2017-06-30
RU2627717C2 (ru) 2017-08-10
ES2616953T3 (es) 2017-06-14
CN103890761B (zh) 2018-01-05
EP2754072A1 (en) 2014-07-16
EP2568395A1 (en) 2013-03-13
WO2013034553A1 (en) 2013-03-14

Similar Documents

Publication Publication Date Title
RU2014113565A (ru) Способ и устройство для автоматического генерирования рекомендаций
US20230205828A1 (en) Related entities
AU2012237011B2 (en) Systems and methods for paragraph-based document searching
CN102725759B (zh) 用于搜索结果的语义目录
US9208236B2 (en) Presenting search results based upon subject-versions
US9619571B2 (en) Method for searching related entities through entity co-occurrence
CN102982153A (zh) 一种信息检索方法及其装置
US9552415B2 (en) Category classification processing device and method
CN103049575A (zh) 一种主题自适应的学术会议搜索系统
US9916384B2 (en) Related entities
GB2583679A (en) Searching multilingual documents based on document structure extraction
KR20140075428A (ko) 시맨틱 검색 키워드 추천 방법 및 시스템
JP2016507812A5 (ru)
US10621252B2 (en) Method for searching in a database
KR20130011557A (ko) 지역별 자동완성 질의어 제공 시스템 및 방법
RU2015129559A (ru) Система и способ поиска помеченного преимущественно нетекстового элемента
CN103853771B (zh) 一种搜索结果的推送方法及系统
TWI571752B (zh) Retrieval method and information management device
US11238052B2 (en) Refining a search request to a content provider
Sheokand et al. Best effort query answering in dataspaces on unstructured data
KR101147508B1 (ko) 검색식 추천 장치 및 방법
WO2015047075A1 (en) A system and method for ranking recommendations
AU2015268624B2 (en) Systems and methods for paragraph-based document searching
KR101137491B1 (ko) 웹 페이지 검색에서 개인화된 태그 추천 모델 활용 시스템 및 방법
KR20140052248A (ko) 태그 기반 불리언 질의 매칭을 이용한 검색 결과 제공 방법 및 시스템

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20190905