RU2666336C1 - Способ и система для рекомендации медиаобъектов - Google Patents

Способ и система для рекомендации медиаобъектов Download PDF

Info

Publication number
RU2666336C1
RU2666336C1 RU2017127317A RU2017127317A RU2666336C1 RU 2666336 C1 RU2666336 C1 RU 2666336C1 RU 2017127317 A RU2017127317 A RU 2017127317A RU 2017127317 A RU2017127317 A RU 2017127317A RU 2666336 C1 RU2666336 C1 RU 2666336C1
Authority
RU
Russia
Prior art keywords
media object
media
recommended
server
media objects
Prior art date
Application number
RU2017127317A
Other languages
English (en)
Inventor
Виктор Витальевич Плошихин
Original Assignee
Общество С Ограниченной Ответственностью "Яндекс"
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 Общество С Ограниченной Ответственностью "Яндекс" filed Critical Общество С Ограниченной Ответственностью "Яндекс"
Priority to RU2017127317A priority Critical patent/RU2666336C1/ru
Priority to US15/892,977 priority patent/US10706100B2/en
Application granted granted Critical
Publication of RU2666336C1 publication Critical patent/RU2666336C1/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—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
    • G06F16/7867—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, title and artist information, manually generated time, location and usage information, user ratings
    • 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
    • G06F16/41—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3346—Query execution using probabilistic model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • 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
    • G06F16/43—Querying
    • G06F16/435—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
    • G06F16/50—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
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Library & Information Science (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

Изобретение относится к средствам для выбора рекомендуемых медиаобъектов. Технический результат заключается в уменьшении времени поиска контента, с которым ранее взаимодействовал пользователь. Получают медиаобъекы, причем каждый соответствующий медиаобъект имеет по меньшей мере один соответствующий параметр пользовательского взаимодействия. Получают по меньшей мере один тег, связанный с каждым соответствующим медиаобъектом. Принимают запрос на рекомендацию медиаобъекта. Получают по меньшей мере один тег и по меньшей мере один параметр пользовательского взаимодействия, связанные с медиаобъектом. Определяют потенциальные кандидаты в рекомендуемых медиаобъектах на основе по меньшей мере одного тега медиаобъекта, совпадающего с тегами, связанными с соответствующими медиаобъектами. Определяют для каждого потенциального кандидата в рекомендуемых медиаобъектах количества тегов, совпадающих с тегами медиаобъекта. Формируют соответствующий параметр отношения на основе количества совпадающих тегов и соответствующего параметра пользовательского взаимодействия. Выбирают по меньшей мере один рекомендуемый медиаобъект, с которым связано заранее заданное значение параметра отношения. 2 н. и 22 з.п. ф-лы, 5 ил.

Description

Область техники, к которой относится изобретение
[01] Настоящая технология относится к рекомендации контента и, в частности, к рекомендации медиаобъектов.
Уровень техники
[02] Различные глобальные и локальные сети связи (Интернет, World Wide Web, локальные сети и т.д.) обеспечивают пользователю доступ к огромному объему информации. Эта информация включает в себя множество контекстных тем, таких как новости и текущие события, карты, информация о компаниях, финансовая информация и ресурсы, информация о дорожном движении, игры и информация о развлечениях, но не ограничиваясь ими. Пользователи применяют разнообразные клиентские устройства (настольный компьютер, ноутбук, смартфон, планшет и т.д.), чтобы получить доступ к богатому информационному содержимому (такому как изображения, аудиоматериалы, видеоматериалы, анимация и другой мультимедийный контент из таких сетей).
[03] Объем информации, доступной на различных Интернет-ресурсах, увеличивается по экспоненте в течение последних нескольких лет. Для помощи типичному пользователю в поиске необходимой информации был разработан ряд решений. Одним из примеров таких решений является поисковая система. В качестве примера поисковых систем можно привести поисковую систему Google™, поисковую систему Yandex™, поисковую систему Yahoo!™ и т.д. Пользователь может получать доступ к интерфейсу поисковой системы и направлять запрос на поиск, связанный с информацией, которую требуется найти в сети Интернет. В ответ на этот поисковый запрос поисковая система выдает ранжированный список результатов поиска. Ранжированный список результатов поиска формируется на основе различных алгоритмов ранжирования, используемых конкретной поисковой системой, применяемой пользователем для поиска. Общая цель таких алгоритмов ранжирования заключается в представлении наиболее релевантных результатов поиска в верхней части ранжированного списка, тогда как менее релевантные результаты поиска могут располагаться на менее заметных местах в ранжированном списке, а наименее релевантные результаты поиска находятся в нижней части ранжированного списка.
[04] Поисковые системы обычно обеспечивают хороший инструмент для поиска в виде поискового запроса, когда пользователь заранее знает, что требуется найти. Иными словами, если пользователь заинтересован в получении информации о наиболее популярных местах в Италии (т.е. тема поиска известна) он может отправить поисковый запрос: «Наиболее популярные места в Италии?». Затем поисковая система выдает ранжированный список Интернет-ресурсов, которые потенциально имеют отношение к поисковому запросу. Затем пользователь может просмотреть ранжированный список результатов поиска, чтобы получить требуемую информацию, касающуюся мест для посещения в Италии. Если пользователь по какой-либо причине не удовлетворен полученными результатами поиска, он может выполнить повторный поиск, например, с уточненным поисковым запросом, таким как «Наиболее популярные места в Италии летом?», «Наиболее популярные места на юге Италии?», «Наиболее популярные места для романтического отпуска в Италии?».
[05] Существует и другой подход, предлагаемый пользователю для обнаружения контента или, точнее, для обнаружения и/или рекомендации контента, в поиске которого пользователь может быть явно не заинтересован. В определенном смысле, такие системы рекомендуют пользователю контент без конкретного поискового запроса, основываясь на явных или неявных интересах пользователя.
[06] В частности, когда пользователь просматривает медиаконтент, например, видеоматериалы, рекомендуемый видеоконтент может отображаться в пользовательском интерфейсе до, после или во время взаимодействия с видеоматериалами. Примеры платформ, предлагающих рекомендуемые видеообъекты, включают в себя веб-сайты и приложения, такие как YouTube™, DailyMotion™, Netflix™ и Yandex.Video™.
[07] Способы для рекомендации медиаобъекта в общем случае могут быть основаны на прошлом поведении пользователя, журнале переходов и тегах. Однако такие способы не всегда могут давать удовлетворительные результаты и рекомендуемые пользователю медиаобъекты не всегда бывают наиболее релевантными.
[08] В патентной заявке США №2014/0279751 A1 (Aggregation and analysis of media content information, Ram et al.) описаны способ и устройство для сбора и анализа метаданных медиаконента. Веб-документы, ссылающиеся на медиаобъекты, получаются с веб-серверов. На основе этих веб-документов формируются метаданные медиаобъектов, такие как глобальные теги и весовые значения категорий. Значения соответствия между идентификаторами пользователей и медиаобъектами формируются на основе интерактивного поведения пользователей, взаимодействующих с медиаобъектами. Рекомендации медиаобъектов формируются, исходя из значений соответствия и метаданных медиаобъектов.
[09] В патенте США №9098511 B1 (Watch time based ranking, Lawry et al.) описаны способы, системы и устройства, включая компьютерные программы, содержащиеся на компьютерных носителях информации, для ранжирования результатов поиска. Один из способов включает в себя определение одного или нескольких сеансов для запроса и связывание с запросом значений времени просмотра соответствующих ресурсов, просмотренных в сеансах с этим запросом. Один или несколько сигналов времени просмотра рассчитываются для первого ресурса и для запроса на основе значений времени просмотра, связанных с этим запросом. Получается соответствующий запросу и указывающий на первый ресурс первый результат поиска, с которым связана оценка S. Новая оценка S' рассчитывается на основе, по меньшей мере, значения S и функции времени просмотра, которая представляет собой функцию одного или нескольких сигналов времени просмотра. Новая оценка S' передается в процесс для ранжирования результатов поиска, включая первый результат поиска.
[10] В патентной заявке США №2016/0026920 Al (Online Asset Recommendation System, Sullivan et al.) описано создание списка воспроизведения мультимедийных объектов на основе предполагаемой продолжительности просмотра пользователем и предполагаемой длительности интереса в течение сеанса пользователя. Объекты выбираются на основе объекта привязки, отображаемого со списком воспроизведения мультимедийных материалов.
Раскрытие изобретения
[11] Разработчики настоящей технологии обнаружили определенные технические недостатки существующих систем и способов для рекомендации медиаобъекта.
[12] Настоящая технология разработана на основе наблюдений разработчиков, касающихся того, что известные способы рекомендации медиаобъектов не всегда дают удовлетворительные результаты, поскольку медиаобъекты, которые могут быть релевантными для пользователя, не обязательно попадают в ранжирование с использованием традиционного алгоритма ранжирования результатов поиска.
[13] Безотносительно какой-либо конкретной теории, не имеющие ограничительного характера варианты осуществления настоящей технологии разработаны в результате того, что разработчики путем наблюдения определили, что параметр пользовательского взаимодействия может использоваться как заменитель и/или весовое значение для определения «глубины» и «уровня» сходства элементов контента. Не имеющие ограничительного характера варианты осуществления настоящей технологии относятся к способу и системе для рекомендации медиаобъектов пользователю на основе тегов, связанных с некоторым медиаобъектом, с которым взаимодействовал пользователь, и на основе используемых для взвешивания тегов параметров пользовательского взаимодействия, соответствующих взаимодействиям пользователя с данным медиаобъектом. Согласно не имеющим ограничительного характера вариантам осуществления настоящей технологии, рекомендуемый медиаобъект, в общем случае, имеет, по меньшей мере, один общий тег (используемый для первоначального выбора потенциально рекомендуемых элементов), а параметры пользовательского взаимодействия для рекомендуемого медиаобъекта и для данного медиаобъекта указывают на, по меньшей мере, частичное сходство данного медиаобъекта и рекомендуемого медиаобъекта (используется для ранжирования потенциально рекомендуемых элементов и выбора «наилучших соответствий» для рекомендаций).
[14] Настоящая технология среди прочих преимуществ обеспечивает улучшенную навигацию путем ограничения количества действий, которые требуются пользователю для взаимодействия с интересующими медиаобъектами. Настоящая технология позволяет на основании явно выраженных запросов или без таковых представлять пользователю рекомендуемый контент, соответствующий контенту, с которым взаимодействовал пользователь. В результате сокращаются требуемая полоса пропускания сети, вычислительная мощность компьютера и затраты времени.
[15] На этой основе разработчики предложили способы и системы для рекомендации медиаобъекта.
[16] В соответствии с первым аспектом настоящей технологии разработан реализуемый компьютером способ выбора рекомендуемых медиаобъектов, выполняемый сервером и включающий в себя: получение сервером набора обозначений медиаобъектов, каждое из которых связано с соответствующим медиаобъектом, имеющим, по меньшей мере, один соответствующий параметр пользовательского взаимодействия, который представляет, по меньшей мере, одно взаимодействие пользователя с соответствующим медиаобъектом; получение сервером, по меньшей мере, одного связанного с каждым соответствующим медиаобъектом тега, представляющего контент соответствующего медиаобъекта; прием сервером от клиентского устройства запроса на рекомендацию медиаобъекта, запроса инициированного пользователем, взаимодействующим с некоторым медиаобъектом посредством клиентского устройства; получение сервером по меньшей мере одного тега и, по меньшей мере одного параметра пользовательского взаимодействия, связанных с данным медиаобъектом; определение сервером потенциальных кандидатов в рекомендуемые медиаобъекты на основе, по меньшей мере, одного тега медиаобъекта, совпадающего с тегами, связанными с соответствующими медиаобъектами; определение сервером для каждого потенциального кандидата в рекомендуемые медиаобъекты количества тегов, совпадающих с тегами данного медиаобъекта; формирование сервером для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующего параметра отношения на основе количества совпадающих тегов и соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта, причем параметр отношения указывает на уровень сходства потенциального кандидата в рекомендуемые медиаобъекты и данного медиаобъекта; выбор сервером из потенциальных кандидатов в рекомендуемые медиаобъекты, по меньшей мере, одного рекомендуемого медиаобъекта, с которым связано заранее заданное значение параметра отношения.
[17] В некоторых вариантах осуществления формирование соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты включает в себя: суммирование сервером соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы; умножение сервером для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующей суммы на количество совпадающих тегов с целью получения соответствующего параметра отношения.
[18] В некоторых вариантах осуществления формирование соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты включает в себя: суммирование сервером соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы; суммирование сервером соответствующих сумм для всех тегов, совпадающих для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта, с целью получения соответствующего параметра отношения.
[19] В некоторых вариантах осуществления способ дополнительно включает в себя передачу сервером клиентскому устройству обозначения, по меньшей мере, одного рекомендуемого медиаобъекта.
[20] В некоторых вариантах осуществления каждый соответствующий медиаобъект связан с соответствующим идентификатором.
[21] В некоторых вариантах осуществления способ дополнительно включает в себя выполнение ранжирования потенциальных кандидатов в рекомендуемые медиаобъекты согласно их соответствующим параметрам отношения перед выбором, по меньшей мере, одного рекомендуемого медиаобъекта.
[22] В некоторых вариантах осуществления медиаобъект представляет собой видеоматериал.
[23] В некоторых вариантах осуществления заранее заданное значение параметра отношения включает в себя заранее заданное количество соответствующих параметров отношения с наиболее высокими позициями при ранжировании.
[24] В некоторых вариантах осуществления, по меньшей мере, один тег представляет собой, по меньшей мере, одно из следующего: категория, название, исполнитель, тема, описание, язык, связанный исполнитель, рейтинг, режиссер, текст и расположение.
[25] В некоторых вариантах осуществления, по меньшей мере, один тег, связанный с каждым соответствующим медиаобъектом, получен от второго сервера.
[26] В некоторых вариантах осуществления, по меньшей мере, один тег сформирован из текста, связанного с каждым соответствующим медиаобъектом на втором сервере.
[27] В некоторых вариантах осуществления параметр пользовательского взаимодействия представляет собой одно из следующего: время просмотра, количество просмотров, частоту воспроизведения, частоту взаимодействия, частоту обмена в социальных сетях, показатель кликабельности (CTR) и коэффициент конверсии.
[28] В соответствии со вторым аспектом настоящей технологии разработана система для выбора рекомендуемых медиаобъектов, содержащая процессор и машиночитаемый физический носитель информации, содержащий команды, в которой процессор, исполняющий команды, выполнен с возможностью: получения набора обозначений медиаобъектов, каждое из которых связано с соответствующим медиаобъектом, имеющим, по меньшей мере, один соответствующий параметр пользовательского взаимодействия, который представляет, по меньшей мере, одно взаимодействие пользователя с соответствующим медиаобъектом; получение, по меньшей мере, одного связанного с каждым соответствующим медиаобъектом тега, представляющего контент соответствующего медиаобъекта; прием от клиентского устройства запроса на рекомендацию медиаобъекта, запроса инициированного пользователем, взаимодействующим с некоторым медиаобъектом посредством клиентского устройства; получение, по меньшей мере, одного тега и, по меньшей мере, одного параметра пользовательского взаимодействия, связанных с данным медиаобъектом; определение потенциальных кандидатов в рекомендуемые медиаобъекты на основе, по меньшей мере, одного тега медиаобъекта, совпадающего с тегами, связанными с соответствующими медиаобъектами; определение для каждого потенциального кандидата в рекомендуемые медиаобъекты количества тегов, совпадающих с тегами данного медиаобъекта; формирование для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующего параметра отношения на основе количества совпадающих тегов и соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта, причем параметр отношения указывает на уровень сходства потенциального кандидата в рекомендуемые медиаобъекты и данного медиаобъекта; выбор из потенциальных кандидатов в рекомендуемые медиаобъекты, по меньшей мере, одного рекомендуемого медиаобъекта, с которым связано заранее заданное значение параметра отношения.
[29] В некоторых вариантах осуществления для формирования соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты процессор выполнен с возможностью: суммирования соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы; умножения для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующей суммы на количество совпадающих тегов с целью получения соответствующего параметра отношения.
[30] В некоторых вариантах осуществления для формирования соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты процессор выполнен с возможностью: суммирования соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы; суммирование соответствующих сумм для всех тегов, совпадающих для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта, с целью получения соответствующего параметра отношения.
[31] В некоторых вариантах осуществления процессор дополнительно выполнен с возможностью передачи клиентскому устройству обозначения, по меньшей мере, одного рекомендуемого медиаобъекта.
[32] В некоторых вариантах осуществления каждый соответствующий медиаобъект связан с соответствующим идентификатором.
[33] В некоторых вариантах осуществления система выполнена с возможностью ранжирования потенциальных кандидатов в рекомендуемые медиаобъекты согласно их соответствующим параметрам отношения перед выбором, по меньшей мере, одного рекомендуемого медиаобъекта.
[34] В некоторых вариантах осуществления медиаобъект представляет собой видеоматериал.
[35] В некоторых вариантах осуществления заранее заданное значение параметра отношения включает в себя заранее заданное количество соответствующих параметров отношения с наиболее высокими позициями при ранжировании.
[36] В некоторых вариантах осуществления, по меньшей мере, один тег представляет собой, по меньшей мере, одно из следующего: категория, название, исполнитель, тема, описание, язык, связанный исполнитель, рейтинг, режиссер, текст и расположение.
[37] В некоторых вариантах осуществления, по меньшей мере, один тег, связанный с каждым соответствующим медиаобъектом, получен от второго сервера.
[38] В некоторых вариантах осуществления, по меньшей мере, один тег сформирован из текста, связанного с каждым соответствующим медиаобъектом на втором сервере.
[39] В некоторых вариантах осуществления параметр пользовательского взаимодействия представляет собой одно из следующего: время просмотра, количество просмотров, частоту воспроизведения, частоту взаимодействия, частоту обмена в социальных сетях, показатель кликабельности (CTR) и коэффициент конверсии.
[40] В контексте настоящего описания, если специально не указано иное, под компьютерной системой, электронным устройством, мобильным устройством, устройством, сервером, удаленным сервером и компьютерной системой понимаются любые аппаратные и/или программные средства, подходящие для решения данной задачи. Таким образом, некоторые не имеющие ограничительного характера примеры аппаратных и/или программных средств включают в себя компьютеры (серверы, настольные компьютеры, ноутбуки, нетбуки и т.п.), смартфоны, планшеты, сетевое оборудование (маршрутизаторы, коммутаторы, шлюзы и т.п.) и/или их сочетание.
[41] В контексте настоящего описания, если явно не указано иное, выражения «машиночитаемый носитель информации» и «память» означают носители любого типа и вида, не имеющие ограничительного характера примеры которых включают в себя ОЗУ, ПЗУ, диски (CD-ROM, DVD, гибкие диски, жесткие диски и т.д.), USB-накопители, карты флэш-памяти, твердотельные накопители и ленточные накопители.
[42] В контексте настоящего описания, если специально не указано иное, в качестве обозначения информационного элемента может выступать сам информационный элемент, а также указатель, ссылка, гиперссылка или другое косвенное средство, с помощью которого получатель обозначения может определить сеть, память, базу данных или другой машиночитаемый носитель информации, откуда может быть извлечен этот информационный элемент. Например, обозначение документа может содержать сам документ (т.е. его содержимое) или обозначение может представлять собой уникальный дескриптор документа, идентифицирующий файл в определенной файловой системе, или какие-либо другие средства для указания получателю такого обозначения места в сети, адреса памяти, таблицы в базе данных или другого места, где можно получить доступ к файлу. Специалисту в данной области очевидно, что степень точности, требуемая от такого обозначения, зависит от объема предварительного понимания относительно интерпретации информации, которой обмениваются отправитель и получатель обозначения. Например, если перед началом обмена данными между отправителем и получателем известно, что обозначение информационного элемента будет представлять собой ключ базы данных для элемента в определенной таблице заранее заданной базы данных, содержащей информационный элемент, то для эффективной передачи информационного элемента получателю достаточно оправить ключ базы данных, даже если сам информационный элемент не передается между отправителем и получателем обозначения.
[43] В контексте настоящего описания, если специально не указано иное, числительные «первый», «второй», «третий» и т.д. используются только для указания различия между существительными, к которым они относятся, но не для описания каких-либо определенных взаимосвязей между этими существительными. Например, должно быть понятно, что использование терминов «медиасервер» и «третий сервер» не подразумевает какого-либо определенного порядка, типа, хронологии, иерархии или классификации, в данном случае, серверов, а также что их использование (само по себе) не подразумевает наличие «второго сервера» в любой ситуации. Кроме того, как встречается в настоящем описании в другом контексте, ссылка на «первый» элемент и «второй» элемент не исключает того, что эти два элемента могут быть одним и тем же реальным элементом. Таким образом, например, в некоторых случаях «первый» сервер и «второй» сервер могут представлять собой одно и то же программное и/или аппаратное средство, а в других случаях - различные программные и/или аппаратные средства.
[44] Каждый вариант осуществления настоящей технологии имеет, по меньшей мере, одну из вышеупомянутых целей и/или аспектов, но не обязательно всех их. Должно быть понятно, что некоторые особенности настоящей технологии, являющиеся следствием попытки достижения вышеупомянутой цели, могут не соответствовать этой цели и/или могут соответствовать другим целям, которые особым образом не указаны здесь.
[45] Дополнительные и/или альтернативные признаки, особенности и преимущества вариантов осуществления настоящей технологии очевидны из последующего описания, приложенных чертежей и формулы изобретения.
Краткое описание чертежей
[46] Дальнейшее описание приведено для лучшего понимания настоящей технологии, а также других аспектов и их признаков, и должно использоваться совместно с приложенными чертежами.
[47] На фиг. 1 представлена схема клиентского устройства, используемого в вариантах осуществления настоящей технологии.
[48] На фиг. 2 представлена схема системы связи согласно не имеющим ограничительного характера вариантам осуществления настоящей технологии.
[49] На фиг. 3 представлена схема процедуры получения медиаобъекта согласно не имеющим ограничительного характера вариантам осуществления настоящей технологии.
[50] На фиг. 4 представлена схема процедуры рекомендации медиаобъекта согласно не имеющим ограничительного характера вариантам осуществления настоящей технологии.
[51] На фиг. 5 представлена блок-схема, иллюстрирующая не имеющий ограничительного характера вариант осуществления способа рекомендации медиаобъектов согласно вариантам осуществления настоящей технологии.
Осуществление изобретения
[52] Представленные в данном описании примеры и условный язык направлены на лучшее понимание принципов настоящей технологии, а не на ограничение ее объема до таких специально приведенных примеров и условий. Очевидно, что специалисты в данной области техники могут разработать различные способы и устройства, которые явно не описаны и не показаны, но реализуют принципы настоящей технологии в пределах ее существа и объема.
[53] Кроме того, чтобы способствовать лучшему пониманию, последующее описание может содержать упрощенные варианты реализации настоящей технологии. Специалисту в данной области очевидно, что различные варианты реализации настоящей технологии могут быть значительно сложнее.
[54] В некоторых случаях также приводятся полезные примеры модификаций настоящей технологии. Они способствуют пониманию, но также не определяют объем или границы настоящей технологии. Эти модификации не составляют исчерпывающего перечня и специалист в данной области может разработать другие модификации в пределах объема настоящей технологии. Кроме того, если в некоторых случаях модификации не описаны, это не означает, что они невозможны и/или что описание содержит единственный вариант реализации того или иного элемента настоящей технологии.
[55] Более того, описание принципов, аспектов и вариантов реализации настоящей технологии, а также их конкретные примеры охватывают и их структурные и функциональные эквиваленты, независимо от того, известны они в настоящее время или будут разработаны в будущем. Например, специалистам в данной области техники должно быть очевидно, что любые описанные структурные схемы соответствуют концептуальным иллюстративным схемам, реализующим принципы настоящей технологии. Аналогично, должно быть очевидно, что любые блок-схемы, схемы процессов, диаграммы изменения состояния, псевдокод и т.п.иллюстрируют различные процессы, которые могут быть представлены на машиночитаемом носителе и могут выполняться компьютером или процессором, независимо от того, показан ли явно такой компьютер или процессор или нет.
[56] Функции различных элементов, показанных на фигурах, включая любой функциональный блок, обозначенный как «процессор» или «графический процессор», могут осуществляться с использованием специализированных аппаратных средств, а также аппаратных средств, способных выполнять ПО, в сочетании с соответствующим ПО. Если используется процессор, эти функции могут выполняться одним выделенным процессором, одним совместно используемым процессором или множеством отдельных процессоров, при этом некоторые из них могут использоваться совместно. В некоторых вариантах осуществления настоящей технологии процессор может представлять собой процессор общего назначения, такой как центральный процессор (CPU), или специализированный процессор, такой как графический процессор (GPU). Кроме того, явное использование термина «процессор» или «контроллер» не должно трактоваться как указание исключительно на аппаратные средства, способные выполнять ПО, и может подразумевать, помимо прочего, аппаратные средства цифрового сигнального процессора (DSP), сетевой процессор, специализированную интегральную схему (ASIC), программируемую логическую интегральную схему (FPGA), постоянное запоминающее устройство (ROM) для хранения ПО, оперативное запоминающее устройство (RAM) и энергонезависимое запоминающее устройство. Также могут подразумеваться и другие аппаратные средства, стандартные и/или заказные.
[57] Программные модули или просто модули, реализуемые программными средствами, могут быть представлены здесь как любое сочетание элементов блок-схемы или других элементов, указывающих на выполнение шагов процесса и/или содержащих текстовое описание. Такие модули могут выполняться аппаратными средствами, показанными явно или подразумеваемыми.
[58] Учитывая вышеизложенные принципы, далее рассмотрены некоторые не имеющие ограничительного характера примеры, иллюстрирующие различные варианты реализации аспектов настоящей технологии.
[59] На фиг. 1 показано клиентское устройство 100, пригодное для использования в некоторых вариантах реализации настоящей технологии и содержащее различные аппаратные компоненты, включая один или несколько одно- или многоядерных процессоров, коллективно представленных процессором 110, графический процессор (GPU) 111, твердотельный накопитель 120, оперативное запоминающее устройство 130, интерфейс 140 дисплея и интерфейс 150 ввода-вывода.
[60] Связь между различными компонентами клиентского устройства 100 может осуществляться через одну или несколько внутренних и/или внешних шин 160 (таких как шина PCI, универсальная последовательная шина, шина FireWire стандарта ШЕЕ 1394, шина SCSI, шина Serial-ATA и т.д.), с которыми различные аппаратные компоненты соединены электронным образом.
[61] Интерфейс 150 ввода-вывода может соединяться с сенсорным экраном 190 и/или с одной или несколькими внутренними и/или внешними шинами 160. Сенсорный экран 190 может быть частью дисплея. В некоторых вариантах осуществления сенсорный экран 190 представляет собой дисплей. Сенсорный экран 190 может также называться экраном 190. В варианте осуществления, представленном на фиг. 1, сенсорный экран 190 содержит сенсорные аппаратные средства 194 (например, чувствительные к нажатию ячейки в слое дисплея, позволяющие обнаруживать физическое взаимодействие между пользователем и дисплеем) и контроллер 192 ввода-вывода для сенсорных устройств, обеспечивающий связь с интерфейсом 140 дисплея и/или с одной или несколькими внутренними и/или внешними шинами 160. В некоторых вариантах осуществления интерфейс 150 ввода-вывода может соединяться с клавиатурой (не показана), манипулятором «мышь» (не показан) или сенсорной площадкой (не показана), которые обеспечивают взаимодействие пользователя с клиентским устройством 100 в дополнение к сенсорному экрану 190 или вместо него.
[62] Согласно вариантам осуществления настоящей технологии, твердотельный накопитель 120 хранит программные команды, пригодные для загрузки в оперативное запоминающее устройство 130 и для выполнения процессором 110 и/или графическим процессором 111. Программные команды могут, например, представлять собой часть библиотеки или приложения.
[63] Клиентское устройство 100 может представлять собой сервер, настольный компьютер, ноутбук, планшет, смартфон, персональный цифровой секретарь или любое устройство, которое может быть приспособлено к реализации настоящей технологии, как должно быть понятно специалисту в данной области.
[64] На фиг. 2 представлена система 200 связи, соответствующая варианту осуществления настоящей технологии. Система 200 связи включает в себя множество 201 пользователей, включая первого пользователя 203, второго пользователя 205, третьего пользователя 207 и четвертого пользователя 209 (не изображен на фиг. 2), соответственно, связанных с первым клиентским устройством 100, вторым клиентским устройством 215, третьим клиентским устройством 217 и четвертым клиентским устройством 219 (не изображено на фиг. 2), которые соединены с сетью 280 связи соответствующими линиями 290, 291, 292 связи.
[65] Первое клиентское устройство 100 может быть реализовано как смартфон, второе клиентское устройство 215 может быть реализовано как ноутбук, третье клиентское устройство 217 может быть реализовано как смартфон, четвертое клиентское устройство 219 может быть реализовано как планшет. В некоторых не имеющих ограничительного характера вариантах осуществления настоящей технологии в качестве сети 280 связи может использоваться сеть Интернет. В других вариантах осуществления настоящей технологии сеть 280 связи может быть реализована иначе, например, в виде произвольной глобальной сети связи, локальной сети связи, личной сети связи и т.д. В целом, другие клиентские устройства, такие как второе клиентское устройство 215, третье клиентское устройство 217 и четвертое клиентское устройство 219 могут иметь те же компоненты, что и клиентское устройство 100.
[66] На реализацию линий 290, 291 и 292 связи не накладывается каких-либо особых ограничений, она зависит от реализации первого клиентского устройства 100, второго клиентского устройства 215, третьего клиентского устройства 217 и четвертого клиентского устройства 219. В качестве примера, не имеющего ограничительного характера, в тех вариантах осуществления настоящей технологии, где, по меньшей мере, одно из клиентских устройств, таких как первое клиентское устройство 100, второе клиентское устройство 215, третье клиентское устройство 217 и четвертое клиентское устройство 219, реализовано в виде беспроводного устройства связи (такого как смартфон), каждая из соответствующих линий 290, 291 и 292 связи может быть реализована в виде беспроводной линии связи (такой как канал сети связи 3G, канал сети связи 4G, Wireless Fidelity или сокращенно WiFi®, Bluetooth® и т.п.) или в виде их сочетания.
[67] В тех примерах, где, по меньшей мере, одно из клиентских устройств, таких как первое клиентское устройство 100, второе клиентское устройство 215, третье клиентское устройство 217 и четвертое клиентское устройство 219, реализовано как ноутбук, смартфон или планшетный компьютер, соответствующие линии 290, 291 и 292 связи могут быть беспроводными (такими как Wireless Fidelity или кратко WiFi®, Bluetooth® и т.п.), проводными (такими как соединение по сети Ethernet) или представлять собой сочетание беспроводных и проводных линий.
[68] Очевидно, что варианты реализации первого клиентского устройства 100, второго клиентского устройства 215, третьего клиентского устройства 217, четвертого клиентского устройства 219, лини 290 связи и сети 280 связи приведены только для иллюстрации. Специалисту в данной области ясны и другие конкретные детали реализации первого клиентского устройства 100, второго клиентского устройства 215, третьего клиентского устройства 217, четвертого клиентского устройства 219, лини 290 связи и сети 280 связи. Представленные выше примеры никак не ограничивают объем настоящей технологии. Несмотря на то, что на фиг. 2 показаны только клиентские устройства 100, 215, 217, предполагается, что к сети 280 связи системы 200 связи может быть подключено любое количество клиентских устройств 100, 215, 217. Также предполагается, что в некоторых вариантах реализации в состав системы 200 связи могут входить десятки или сотни тысяч клиентских устройств 100, 215, 217.
[69] К сети 280 связи посредством соответствующих линий 293, 294, 295 и 296 связи также подключены медиасервер 220, сервер 230 анализа, сервер 240 тегов и сервер 250 рекомендаций. Медиасервер 220, сервер 230 анализа, сервер 240 тегов и сервер 250 рекомендаций могут быть реализованы как традиционные компьютерные серверы. В примере осуществления настоящей технологии медиасервер 220, сервер 230 анализа, сервер 240 тегов и сервер 250 рекомендаций могут быть реализованы как сервер Dell™ PowerEdge™, работающий под управлением операционной системы Microsoft™ Windows Server™. Очевидно, что медиасервер 220, сервер 230 анализа, сервер 240 тегов и сервер 250 рекомендаций могут быть реализованы с использованием любых других подходящих аппаратных средств и/или ПО, и/или встроенного ПО, либо их сочетания. Также следует отметить, что реализация любого из медиасервера 220, сервера 230 анализа, сервера 240 тегов и сервера 250 рекомендаций может отличаться от реализации одного или нескольких других медиасерверов 220, серверов 230 анализа, серверов 240 тегов и серверов 250 рекомендаций.
[70] На реализацию линий 293, 294,295 и 296 связи не накладывается каких-либо особых ограничений, она зависит от реализации медиасервера 220, сервера 230 анализа, сервера 240 тегов и сервера 250 рекомендаций. В целом, все линии 293, 294, 295, 296 связи могут представлять собой проводные соединения с сетью 280 связи, однако возможны и другие реализации, например, когда в одном месте располагаются, по меньшей мере, два из следующих серверов: медиасервера 220, сервера 230 анализа, сервера 240 тегов и сервера 250 рекомендаций.
[71] В представленном варианте осуществления настоящей технологии, не имеющем ограничительного характера, на медиасервере 220 может размещаться электронный сервис 225 потоковой мультимедиа-трансляции. Электронный сервис 225 потоковой мультимедиа-трансляции может представлять собой любой реализуемый компьютером сервис, с которым пользователь (такой как первый пользователь 203, второй пользователь 205, третий пользователь 207 и четвертый пользователь 209 из множества 201 пользователей) может взаимодействовать посредством электронного клиентского устройства (такого как первое клиентское устройство 100, второе клиентское устройство 215, третье клиентское устройство 217, четвертое клиентское устройство 219). Электронный сервис 225 потоковой мультимедиа-трансляции может представлять собой веб-сайт (который может, например, располагаться на медиасервере 220), позволяющий взаимодействовать с медиаконтентом. В других вариантах осуществления электронный сервис 225 потоковой мультимедиа-трансляции медиасервера 220 может быть доступен посредством клиентского устройства (такого как первое клиентское устройство 100, второе клиентское устройство 215, третье клиентское устройство 217, четвертое клиентское устройство 219) с использованием приложения, выполняемого на устройстве, таком как смартфон или планшет, и полученного из Apple™ Арр Store™ или Google™ Play Store™. В других вариантах осуществления электронный сервис 225 потоковой мультимедиа-трансляции может быть доступен посредством «умного телевизора» или телевизионной приставки, позволяющих просматривать сеть Интернет и устанавливать приложения.
[72] Медиаконтент может включать в себя видеоконтент, изображения, анимированные файлы gif, видеоигры, контент виртуальной реальности (VR) и аудиофайлы. Электронный сервис 225 потоковой мультимедиа-трансляции может поддерживать поиск медиаконтента и рекомендовать соответствующий медиаконтент пользователям (например, множеству 201 пользователей) с учетом предыдущих взаимодействий пользователей с медиаконтентом, явных или неявных предпочтений пользователей или на основе популярности контента. На медиасервере 220 может содержаться или не содержаться часть медиаконтента, который он предоставляет посредством электронного сервиса 225 потоковой мультимедиа-трансляции. В некоторых вариантах осуществления электронный сервис 225 потоковой мультимедиа-трансляции, располагающийся на медиасервере 220, может представлять собой агрегатор медиаконтента и может не содержать какого-либо медиаконтента физически.
[73] Сервер 230 анализа может посредством сервиса 235 анализа отслеживать взаимодействие пользователя из множества 201 пользователей с медиаобъектами электронного сервиса 225 потоковой мультимедиа-трансляции медиасервера 220. Сервис 235 анализа может входить или не входить в состав электронного сервиса 225 потоковой мультимедиа-трансляции медиасервера 220. Сервис 235 анализа с целью получения параметра пользовательского взаимодействия может отслеживать взаимодействие пользователя с электронным сервисом 225 потоковой мультимедиа-трансляции посредством фрагмента кода, вставляемого на страницы электронного сервиса 225 потоковой мультимедиа-трансляции. Не имеющие ограничительного характера примеры параметра пользовательского взаимодействия включают в себя время просмотра, время воспроизведения, среднюю продолжительность просмотра, комментарии, положительные отзывы, отрицательные отзывы, обмен с другими пользователями, подписчиков, демографические данные, воспроизводимые фрагменты, источники трафика, устройства, сохранение аудитории. Сервис 235 анализа может реализовывать библиотеку прикладного программного интерфейса (API) на любом языке программирования, таком как Go, Java, JavaScript,.NET, PHP, Python или Ruby, для обеспечения возможности получения параметра пользовательского взаимодействия. В не имеющем ограничительного характера примере параметр пользовательского взаимодействия может быть получен весь единовременно в форме вектора, может быть получен по частям или может быть получен в любом формате, указанном запрашивающей стороной, посредством API.
[74] В целом, параметр пользовательского взаимодействия указывает на уровень взаимодействия данного пользователя с данным элементом медиаконтента. Например, если используется время просмотра, то параметр пользовательского взаимодействия пропорционален (или содержит фактическое значение) продолжительности пользовательского взаимодействия с данным элементом медиаконтента.
[75] В качестве не имеющих ограничительного характера примеров сервисов анализа можно привести Google™ Analytics™ или Yandex.Metrica™.
[76] Сервер 240 тегов может быть связан с медиасервером 220. Сервер 240 тегов может, в общем случае, предоставлять теги метаданных для медиаобъектов электронного сервиса 225 потоковой мультимедиа-трансляции. Теги могут формировать специалисты-оценщики (не показаны) или пользователи (такие как первый пользователь 203, второй пользователь 205, третий пользователь 207 и четвертый пользователь 209 из множества 201 пользователей) электронного сервиса 225 потоковой мультимедиа-трансляции.
[77] В одном варианте осуществления теги может получать сервер 240 тегов путем анализа текста страницы ресурса, на которой отображается медиаобъект. В не имеющем ограничительного характера примере в тех вариантах осуществления, где медиаобъект представляет собой видеоконтент, теги могут быть получены из текста, окружающего видеоматериал в электронном сервисе YouTube™ (например, текст, предваряющий видеоматериал, комментарии пользователей и т.д.).
[78] В другом не имеющем ограничительного характера примере теги могут быть получены со страницы электронного сервиса 225 потоковой мультимедиа-трансляции, связанной с соответствующим медиаобъектом, где пользователи (такие как первый пользователь 203, второй пользователь 205, третий пользователь 207 и четвертью пользователь 209 из множества 201 пользователей) могут вводить собственные теги или оставлять комментарии с хештегом (с использованием символа решетки «#»), описывающие соответствующий медиаобъект.
[79] В других вариантах осуществления каждый медиаобъект электронного сервиса 225 потоковой мультимедиа-трансляции может подвергаться преобразованию речи в текст, причем полученный в результате текст может анализироваться для извлечения тегов. В не имеющем ограничительного характера примере параметр «частотность термина - обратная частота документа» (TF-IDF) может использоваться для определения тегов для данного медиаобъекта. В других вариантах осуществления сервер 240 тегов может получать текстовую информацию из других источников или серверов. В не имеющем ограничительного характера примере в случаях, когда медиаобъекты представляют собой видеоматериал, сервер 240 тегов может получать текст от сервиса, обеспечивающего субтитры для художественных и документальных фильмов, и извлекать теги из текста. В другом не имеющем ограничительного характера примере, когда медиаобъект представляет собой видеофайл или музыкальный файл, сервер 240 тегов может получать текст песни, связанный с видеофайлом или музыкальным файлом, от сервиса, предоставляющего слова песен. В другом не имеющем ограничительного характера примере сервер 240 тегов может анализировать веб-страницы или статьи из энциклопедии (например, доступные на веб-ресурсе Wikipedia™) для получения текста, связанного с медиаобъектом, а затем извлекать теги. В вариантах осуществления, где медиаобъект представляет собой видеоигру, сервер 240 тегов может получать информацию из диалогов, связанных с видеоигрой. В некоторых вариантах осуществления количество тегов на видеоматериал может ограничиваться, например, значением 2000, чтобы сократить время обработки. Очевидно, что не все медиаобъекты должны иметь одинаковое количество связанных с ними тегов.
[80] В общем случае, теги могут быть представлены в форме векторов, причем вектор тегов связывается с определенным медиаобъектом. Каждый элемент вектора тегов может соответствовать тегу, указывающему на контент медиаобъекта. В не имеющем ограничительного характера примере в тех вариантах осуществления, где медиаобъект представляет собой видеоконтент, теги могут соответствовать: категории, названию, одному или нескольким исполнителям, теме, описанию, языку, связанному исполнителю, рейтингу, режиссеру, автору сценария, расположению. Как указано выше, количество элементов вектора тегов может отличаться в зависимости от типа и контента медиаобъекта.
[81] Сервер 250 рекомендаций может рекомендовать медиаобъекты для представления электронным сервисом 225 потоковой мультимедиа-трансляции. Сервер 250 рекомендаций в общем случае может быть соединен с сервисом 235 анализа сервера 230 анализа посредством API и получать данные о взаимодействии пользователя с электронным сервисом 225 потоковой мультимедиа-трансляции через заранее заданные интервалы времени или при получении определенного запроса или команды от электронного сервиса 225 потоковой мультимедиа-трансляции. В не имеющем ограничительного характера примере сервер 250 рекомендаций может постоянно анализировать данные, хранимые сервером 230 анализа, для формирования рекомендаций на основе подмножества всего медиаконтента (не показано). В не имеющем ограничительного характера примере подмножество всего медиаконтента может содержать 1000 наиболее популярных элементов медиаконтента в каждой категории или 10000 наиболее популярных элементов медиаконтента без учета категорий. В другом варианте осуществления сервер 250 рекомендаций может рекомендовать медиаконтент лишь при получении запроса на рекомендацию от электронного сервиса 225 потоковой мультимедиа-трансляции или от клиентского устройства (такого как одно из множества 210 клиентских устройств).
[82] Сервер 250 рекомендаций также может быть способен получать теги (не показано), относящиеся к медиаобъектам электронного сервиса 225 потоковой мультимедиа-трансляции, с сервера 240 тегов.
[83] На фиг. 3 представлена процедура 300 получения медиаобъекта, соответствующая не имеющим ограничительного характера вариантам осуществления настоящей технологии.
[84] Процедура 300 получения медиаобъекта может выполняться на сервере 250 рекомендаций и может включать в себя выполнение функций агрегатора 320.
[85] Сервер 250 рекомендаций может получать обозначение или набор обозначений для набора 302 медиаобъектов, содержащего соответствующие медиаобъекты 304. Набор 302 медиаобъектов может быть получен в форме множества обозначений, причем в не имеющем ограничительного характера примере каждый соответствующий медиаобъект 304 может быть представлен идентификатором, связанным с соответствующим медиаобъектом 304. Идентификатор может представлять собой уникальный номер, имя, универсальный указатель ресурса (URL) или любое другое средство, позволяющее идентифицировать и осуществить доступ к каждому соответствующему медиаобъекту 304 или получить его. В других вариантах осуществления каждый соответствующий медиаобъект 304 может содержать зависящие от его типа дополнительные метаданные.
[86] Сервер 250 рекомендаций также может получать набор 308 параметров пользовательского взаимодействия, причем каждый параметр 310 пользовательского взаимодействия представляет пользовательского взаимодействия с соответствующим медиаобъектом 304. Набор 308 параметров пользовательского взаимодействия может быть получен сервером 250 рекомендаций от сервиса 235 анализа сервера 230 анализа.
[87] В зависимости от реализации сервера 230 анализа, каждый параметр 310 пользовательского взаимодействия из набора 308 параметров пользовательского взаимодействия может соответствовать одному числу, представляющему все взаимодействия множества пользователей (такого как множество 201 пользователей) с соответствующим медиаобъектом 304. В других вариантах осуществления каждый параметр 310 пользовательского взаимодействия может представлять собой вектор, содержащий в качестве элементов различные суммарные параметры пользовательского взаимодействия. В других вариантах осуществления каждый параметр 310 пользовательского взаимодействия может представлять собой вектор, содержащий суммарные параметры пользовательского взаимодействия для различных периодов времени. В не имеющих ограничительного характера примерах параметры пользовательского взаимодействия включают в себя: время просмотра, количество просмотров, частоту воспроизведения, частоту взаимодействия, частоту обмена в социальных сетях, показатель кликабельности (CTR) и коэффициент конверсии. В некоторых вариантах осуществления набор 308 параметров пользовательского взаимодействия может быть получен из подмножества, входящего в состав множества пользователей, взаимодействующих с медиаобъектами. В не имеющем ограничительного характера примере для более точной рекомендации медиаобъектов пользователю в таком подмножестве могут рассматриваться только параметры 310 взаимодействия пользователей, имеющих аналогичную информацию в профиле или в журнале прошлых взаимодействий пользователя.
[88] Сервер 250 рекомендаций может также получать набор 312 тегов, причем каждый соответствующий вектор 314 тегов из набора 312 тегов связан с соответствующим медиаобъектом 304 из набора 302 медиаобъектов. Набор 312 тегов может быть получен с сервера 240 тегов. В других вариантах осуществления набор 312 тегов может быть получен от электронного сервиса 225 потоковой мультимедиа-трансляции медиасервера 220 или с другого сервера (не показан), который может поддерживать базу данных тегов (не показана).
[89] Набор 302 медиаобъектов, набор 308 параметров пользовательского взаимодействия и набор 312 тегов могут обрабатываться агрегатором 320, способным связывать набор 302 медиаобъектов с набором 308 параметров пользовательского взаимодействия и набором 312 тегов, а затем сохранять эти связи в базе данных. В не имеющем ограничительного характера примере агрегатор 320 может выдавать таблицу 330, содержащую столбец 334 идентификаторов (ID) для идентификации соответствующего медиаобъекта 304, столбец 336 тегов для идентификации связанного с ним соответствующего вектора 314 тегов и столбец 338 пользовательского взаимодействия для идентификации соответствующего параметра 310 пользовательского взаимодействия. Таблица 330 может содержать все медиаобъекты или подмножество медиаобъектов электронного сервиса 225 потоковой мультимедиа-трансляции. Таблица 330 может постоянно обновляться, например, когда новый медиаобъект добавляется в электронный сервис 225 потоковой мультимедиа-трансляции, или может обновляться через заранее заданные промежутки времени.
[90] На реализацию таблицы 330 не накладывается каких-либо ограничений и в не имеющем ограничительного характера примере соответствующий медиаобъект 304, соответствующий параметр 308 пользовательского взаимодействия пользователя и соответствующий вектор 314 тегов могут быть связаны в базе данных вида «ключ-значение» (не показана).
[91] Связь соответствующего медиаобъекта 304 с соответствующим параметром 310 пользовательского взаимодействия и соответствующим вектором 314 тегов позволяет использовать параметр 310 пользовательского взаимодействия в качестве весового коэффициента для каждого тега из соответствующего вектора 314 тегов для соответствующего медиаобъекта 304. Таким образом можно, по меньшей мере, частично измерять сходство других медиаобъектов с совпадающими тегами и рекомендовать такие медиаобъекты пользователю (например, одному из множества 201 пользователей), взаимодействующему с электронным сервисом 225 потоковой мультимедиа-трансляции медиасервера 220.
[92] Таблица 330 может храниться на сервере 250 рекомендаций. При получении запроса таблица 330 может использоваться для рекомендации медиаобъекта пользователям (таким как множество 201 пользователей) электронного сервиса 225 потоковой мультимедиа-трансляции.
[93] На фиг. 4 представлена процедура 400 рекомендации медиаобъекта, соответствующая не имеющим ограничительного характера вариантам осуществления настоящей технологии.
[94] Процедура 400 рекомендации медиаобъекта включает в себя работу агрегатора 420, обнаружителя 440 совпадений и формирователя 490 параметров отношения.
[95] Запрос на рекомендацию 402 медиаобъекта может приниматься агрегатором 420 сервера 250 рекомендаций. Запрос на рекомендацию 402 медиаобъекта может приниматься прямо или косвенно от клиентского устройства (например, от одного из множества 210 клиентских устройств) либо может приниматься от электронного сервиса 225 потоковой мультимедиа-трансляции медиасервера 220.
[96] В не имеющем ограничительного характера примере запрос на рекомендацию 402 медиаобъекта может автоматически отправляться на сервер 250 рекомендаций электронным сервисом 225 потоковой мультимедиа-трансляции медиасервера 220, когда пользователь (такой как пользователь 205) завершил взаимодействие (или в ближайшее время завершит взаимодействие, поскольку почти достиг конца данной единицы медиаконтента) с медиаобъектом, соответствующим рекомендации 402 медиаобъекта, посредством клиентского устройства 215 и от электронного сервиса 225 потоковой мультимедиа-трансляции может потребоваться рекомендация пользователю 205 дополнительного контента в виде медиаобъекта. В других вариантах осуществления пользователь 205 может явно запросить рекомендацию, основываясь на определенном медиаобъекте (не показан). В других вариантах осуществления запрос на рекомендацию 402 медиаобъекта может отправляться серверу 250 рекомендаций, когда один пользователь из множества 201 пользователей начинает взаимодействовать с электронным сервисом 225 потоковой мультимедиа-трансляции, на основе прошлого взаимодействия одного пользователя из множества 201 пользователей.
[97] Запрос на рекомендацию 402 медиаобъекта в общем случае содержит идентификатор (такой как уникальный номер, URL-адрес, хештег или название), посредством которого сервер 250 рекомендаций может определить конкретный медиаобъект (если медиаобъект предварительно проиндексирован сервером 250 рекомендаций), для которого требуется сформировать рекомендацию контента. В других вариантах осуществления сервер 250 рекомендаций может не иметь предварительно проиндексированного медиаобъекта из запроса на рекомендацию 402 медиаобъекта и может создать новый элемент в таблице 330 (в этом случае запрос на рекомендацию 402 медиаобъекта может содержать определенный медиаобъект, для которого требуется рекомендация).
[98] Агрегатор 420 сервера 250 рекомендаций может также получать (путем отправки запроса сервису 235 анализа) или принимать (без запроса) параметр 408 пользовательского взаимодействия и вектор 412 тегов, связанные с запросом на рекомендацию 402 медиаобъекта, с сервера 230 анализа и сервера 240 тегов, соответственно. В некоторых вариантах осуществления запрос на рекомендацию 402 медиаобъекта может уже содержать параметр 408 пользовательского взаимодействия и/или вектор 412 тегов. В других вариантах осуществления, когда медиаобъект из запроса на рекомендацию 402 медиаобъекта уже проиндексирован сервером 250 рекомендаций, агрегатор 420 может получать параметр 408 пользовательского взаимодействия и/или вектор 412 тегов из таблицы 330 или из носителя информации сервера 250 рекомендаций.
[99] Далее агрегатор 420 может связать рекомендацию 402 медиаобъекта, параметр 408 пользовательского взаимодействия и вектор 412 тегов для получения медиаобъекта 430 (который может представлять собой идентификатор или обозначение).
[100] Затем медиаобъект 430 может быть принят обнаружителем 440 совпадений. Обнаружитель 440 совпадений способен формировать набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты. Обнаружитель 440 совпадений может формировать набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты на основе информации, хранящейся в таблице 330, поддерживаемой сервером 250 рекомендаций.
[101] Обнаружитель 440 совпадений может отбирать потенциальных кандидатов в рекомендуемые медиаобъекты путем анализа таблицы 330 с целью поиска медиаобъектов, имеющих теги, совпадающие с тегами медиаобъекта 430. В некоторых вариантах осуществления обнаружитель 440 совпадений может иметь пороговое количество тегов, которые должны совпадать с тегами вектора 412 тегов, чтобы медиаобъект рассматривался как потенциальный кандидат в рекомендуемые медиаобъекты. В других вариантах осуществления настоящей технологии, по меньшей мере, одного совпадающего тега может быть достаточно, чтобы медиаобъект рассматривался как потенциальный кандидат в рекомендуемые медиаобъекты. В другом варианте осуществления обнаружитель 440 совпадений может ранжировать всех потенциальных кандидатов в рекомендуемые медиаобъекты и выбирать заранее заданное количество потенциальных кандидатов в рекомендуемые медиаобъекты, располагающихся в верхней части списка (т.е. имеющих наибольшее количество совпадающих тегов).
[102] В некоторых вариантах осуществления обнаружитель 440 совпадений может быть способен нормализировать тег для определения леммы тега, например, теги «бежать», «бежит», «бежал» и «бегущий» могут преобразовываться в «бежать», а затем рассматриваться как соответствующие или частично совпадающие теги. В других вариантах осуществления обнаружитель 440 совпадений сервера 250 рекомендаций также может быть способен учитывать синонимы тегов, которые могут быть эквивалентны тегам медиаобъекта 430.
[103] Далее обнаружитель 440 совпадений может выдавать набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты, каждый из которых имеет, по меньшей мере, один тег, совпадающий с тегом медиаобъекта 430. В зависимости от реализации обнаружителя 440 совпадений, количество совпадающих тегов для каждого медиаобъекта из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты может определяться после нахождения одного совпадающего тега или может определяться одновременно с ним.
[104] Медиаобъект (такой как первый потенциальный кандидат 450 в рекомендуемые медиаобъекты, второй потенциальный кандидат 460 в рекомендуемые медиаобъекты, третий потенциальный кандидат 470 в рекомендуемые медиаобъекты и четвертый потенциальный кандидат 480 в рекомендуемые медиаобъекты) из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты, имеет, по меньшей мере, один тег, совпадающий с тегом медиаобъекта 430, что может указывать на то, что медиаобъект в наборе 445 потенциальных кандидатов в рекомендуемые медиаобъекты может иметь элементы, сходные с медиаобъектом 430, и может представлять интерес для пользователя (такого как, один пользователь из множества 201 пользователей). Обнаружитель 440 совпадений может иметь пороговое количество членов набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты (в случаях, когда имеется значительное количество потенциальных кандидатов в рекомендуемые медиаобъекты). Например, только медиаобъекты, имеющие, по меньшей мере, 10 совпадающих тегов, могут входить в набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты.
[105] Медиаобъект 430 и набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты могут затем обрабатываться формирователем 490 параметров отношения, который позволяет выполнять дальнейший анализ медиаобъектов из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты, чтобы определить объекты, которые могут представлять интерес для пользователя (например, для пользователя из множества 201 пользователей). В вариантах осуществления, где набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты содержит небольшое количество медиаобъектов (например, меньше порогового значения, равного трем медиаобъектам), набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты может не обрабатываться формирователем 490 параметров отношения.
[106] Формирователь 490 параметров отношения может формировать соответствующий параметр отношения для каждой пары, содержащей медиаобъект 430 и потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты. Соответствующий параметр отношения может формироваться на основе параметра 408 пользовательского взаимодействия для медиаобъекта 430 и параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты (такого как первый потенциальный кандидат 450 в рекомендуемые медиаобъекты, второй потенциальный кандидат 460 в рекомендуемые медиаобъекты, третий потенциальный кандидат 470 в рекомендуемые медиаобъекты и четвертый потенциальный кандидат 480 в рекомендуемые медиаобъекты).
[107] В общем случае, для каждого тега, совпадающего для медиаобъекта 430 и для потенциального кандидата в рекомендуемые медиаобъекты, формирователь 490 параметров отношения может суммировать соответствующий параметр пользовательского взаимодействия с целью получения соответствующей суммы. Затем формирователь 490 параметров отношения может суммировать соответствующие суммы для совпадающих тегов с целью получения соответствующего параметра отношения, указывающего на уровень сходства потенциального кандидата в рекомендуемые медиаобъекты и медиаобъекта 430.
[108] На способ формирования параметров отношения не накладывается каких-либо ограничений и в другом не имеющем ограничительного характера примере формирователь 490 параметров отношения может формировать соответствующий параметр отношения путем умножения количества совпадающих тегов для каждой пары на сумму параметров пользовательского взаимодействия медиаобъекта 430 и потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты.
[109] В целом, параметр пользовательского взаимодействия может взвешивать совпадающие теги, а соответствующая сумма параметров взаимодействия может указывать на степень сходства медиаобъекта 430 и каждого из потенциальных кандидатов в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты.
[110] Формирователь 490 параметров отношения также может ранжировать потенциальных кандидатов в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты для получения набора 495 рекомендуемых медиаобъектов на основе параметров отношения. В некоторых вариантах осуществления формирователь 490 параметров отношения может лишь выбирать для рекомендации заранее заданное количество медиаобъектов на основе их оценок отношения (например, в зависимости от имеющегося в распоряжении места на экране пользователя и количества потенциальных кандидатов в рекомендуемые медиаобъекты). Сервер 250 рекомендаций может затем отправлять набор 495 рекомендуемых медиаобъектов электронному сервису 225 потоковой мультимедиа-трансляции медиасервера 220 или непосредственно одному из множества 210 клиентских устройств.
[111] Очевидно, что медиаобъекты могут предлагаться при большом значении параметра пользовательского взаимодействия, даже если количество совпадающих тегов оказывается меньшим, чем для другого медиаобъекта, который имеет меньший параметр пользовательского взаимодействия, но может быть более релевантным (по причине большего количества совпадающих тегов). В некоторых вариантах осуществления может определяться предельное пороговое значение для параметра пользовательского взаимодействия, например, параметр пользовательского взаимодействия «время просмотра», превышающий 100000, может задаваться равным 100000, чтобы устранить такое смещение в формирователе 490 параметров отношения.
[112] Функционирование агрегатора 420, обнаружителя 440 совпадений и формирователя 490 параметров отношения представлено упрощенными иллюстративными примерами настоящей технологии, а их соответствующие функции могут быть объединены и распределены между другими серверами.
[113] На фиг. 5, представлена блок-схема, иллюстрирующая не имеющий ограничительного характера вариант реализации способа 500 рекомендации медиаобъектов согласно вариантам осуществления настоящей технологии.
[114] Способ 500 рекомендации медиаобъектов может начинаться с шага 502.
[115] Шаг 502: получение набора обозначений медиаобъектов, каждое из которых связано с соответствующим медиаобъектом, имеющим, по меньшей мере, один соответствующий параметр пользовательского взаимодействия, представляющий, по меньшей мере, одно взаимодействие пользователя с соответствующим медиаобъектом.
[116] На шаге 502 сервер 250 рекомендаций может получать набор 302 обозначений медиаобъектов, каждое из которых связано с соответствующим медиаобъектом 304, имеющим, по меньшей мере, один соответствующий параметр 310 пользовательского взаимодействия, который представляет, по меньшей мере, одно взаимодействие пользователя с соответствующим медиаобъектом 304. В некоторых вариантах осуществления медиаобъекты 304 могут представлять собой видеоматериалы, а соответствующий параметр 310 пользовательского взаимодействия может представлять собой одно из следующего: время просмотра, количество просмотров, частоту воспроизведения, частоту взаимодействия, частоту обмена в социальных сетях, показатель кликабельности (CTR) и коэффициент конверсии.
[117] Далее способ 500 может продолжаться на шаге 504.
[118] Шаг 504: получение, по меньшей мере, одного связанного с каждым соответствующим медиаобъектом тега, представляющего контент соответствующего медиаобъекта. На шаге 504 сервер 250 рекомендаций может получать, по меньшей мере, один связанный с каждым соответствующим медиаобъектом 304 вектор 314 тегов, представляющий контент соответствующего медиаобъекта 304. По меньшей мере, один вектор 314 тегов может представлять собой, по меньшей мере, одно из следующего: категория, название, исполнитель, тема, описание, язык, связанный исполнитель, рейтинг, режиссер, текст и расположение. В некоторых вариантах осуществления, по меньшей мере, один тег может формироваться из текстового контекста, связанного с каждым соответствующим медиаобъектом 304 на электронном сервисе 225 потоковой мультимедиа-трансляции медиасервера 220.
[119] Далее способ 500 может продолжаться на шаге 506.
[120] Шаг 506: прием сервером от клиентского устройства запроса на рекомендацию медиаобъекта, инициируемого пользователем при его взаимодействии с некоторым медиаобъектом на клиентском устройстве.
[121] На шаге 506 сервер 250 рекомендаций может принимать сделанный клиентским устройством 100 запрос на рекомендацию 402 медиаобъекта, инициируемый пользователем 203, взаимодействующим с некоторым медиаобъектом из электронного сервиса 225 потоковой мультимедиа-трансляции медиасервера 220. Далее способ 500 может продолжаться на шаге 508.
[122] Шаг 508: получение, по меньшей мере, одного тега и, по меньшей мере, одного параметра пользовательского взаимодействия, связанных с данным медиаобъектом.
[123] На шаге 508 сервер 250 рекомендаций может получать, по меньшей мере, один вектор 412 тегов и, по меньшей мере, один параметр 408 пользовательского взаимодействия, связанный с рекомендацией медиаобъектом 304. Далее способ 500 может продолжаться на шаге 510.
[124] Шаг 510: определение потенциальных кандидатов в рекомендуемые медиаобъекты на основе, по меньшей мере, одного тега данного медиаобъекта, совпадающего с тегами, связанными с соответствующими медиаобъектами.
[125] На шаге 510 сервер 250 рекомендаций может определять набор 445 потенциальных кандидатов в рекомендуемые медиаобъекты на основе, по меньшей мере, одного тега медиаобъекта 430, совпадающего с тегами, связанными с соответствующими медиаобъектами 304.
[126] Далее способ 500 может продолжаться на шаге 512.
[127] Шаг 512: определение для каждого потенциального кандидата в рекомендуемые медиаобъекты количества тегов, совпадающих с тегами данного медиаобъекта.
[128] На шаге 502 сервер 250 рекомендаций может определять для каждого потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты количество тегов, совпадающих с тегами медиаобъекта 430. Далее способ 500 может продолжаться на шаге 514.
[129] Шаг 514: формирование для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующего параметра отношения на основе количества совпадающих тегов и соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта, причем параметр отношения указывает на уровень сходства потенциального кандидата в рекомендуемые медиаобъекты и данного медиаобъекта.
[130] На шаге 514 сервер 250 рекомендаций может формировать для каждого потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты соответствующий параметр отношения на основе количества совпадающих тегов и соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для медиаобъекта 430, причем параметр отношения указывает на уровень сходства потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты и медиаобъекта 430. В некоторых вариантах осуществления соответствующий параметр отношения может формироваться путем суммирования соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты и для медиаобъекта 304 с целью получения соответствующей суммы и путем умножения для каждого потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты соответствующей суммы на количество совпадающих тегов с целью получения соответствующего параметра отношения. Соответствующий параметр отношения также может формироваться путем суммирования соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты и для медиаобъекта 304 с целью получения соответствующей суммы и путем суммирования соответствующих сумм для всех тегов, совпадающих для потенциального кандидата в рекомендуемые медиаобъекты из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующего параметра отношения. Далее способ 500 может продолжаться на шаге 516.
[131] Шаг 516: выбор из потенциальных кандидатов в рекомендуемые медиаобъекты, по меньшей мере, одного рекомендуемого медиаобъекта, с которым связано заранее заданное значение параметра отношения.
[132] На шаге 516 сервер 250 рекомендаций может выбрать из набора 445 потенциальных кандидатов в рекомендуемые медиаобъекты, по меньшей мере, один рекомендуемый медиаобъект 495, с которым связано заранее заданное значение параметра отношения. Сервер 250 рекомендаций может также ранжировать потенциальных кандидатов в рекомендуемые медиаобъекты из множества 445 потенциальных кандидатов в рекомендуемые медиаобъекты согласно их соответствующим параметрам отношения. Заранее заданное значение параметра отношения включает в себя заранее заданное количество соответствующих параметров отношения с наиболее высокими позициями при ранжировании. Сервер 250 рекомендаций затем может передавать клиентскому устройству 100 (непосредственно или через электронный сервис 225 потоковой мультимедиа-трансляции медиасервера 220) обозначение, по меньшей мере, одного рекомендуемого медиаобъекта 495.
[133] На этом способ 500 может завершаться.
[134] Специалистам в данной области техники должно быть очевидно, что, по меньшей мере, некоторые варианты осуществления настоящей технологии преследуют цель расширения арсенала технических решений определенной технической проблемы - осуществления рекомендации медиаобъекта.
[135] Очевидно, что не все упомянутые в данном описании технические эффекты должны присутствовать в каждом варианте осуществления настоящей технологии. Например, возможны варианты осуществления настоящей технологии, когда пользователь не получает некоторые из этих технических эффектов, или другие варианты осуществления, когда пользователь получает другие технические эффекты либо технический эффект отсутствует.
[136] Изменения и усовершенствования описанных выше вариантов осуществления настоящей технологии очевидны для специалиста в данной области. Предшествующее описание приведено в качестве примера, а не для ограничения объема изобретения. Объем охраны настоящей технологии определяется исключительно объемом приложенной формулы изобретения.

Claims (48)

1. Реализуемый компьютером способ выбора рекомендуемых медиаобъектов, выполняемый на сервере и включающий в себя:
- получение сервером набора обозначений медиаобъектов, каждое из которых связано с соответствующим медиаобъектом, имеющим по меньшей мере один соответствующий параметр пользовательского взаимодействия, который представляет по меньшей мере одно взаимодействие пользователя с соответствующим медиаобъектом;
- получение сервером по меньшей мере одного связанного с каждым соответствующим медиаобъектом тега, представляющего контент соответствующего медиаобъекта;
- прием сервером от клиентского устройства запроса на рекомендацию медиаобъекта, запроса инициированного пользователем, взаимодействующим с некоторым медиаобъектом посредством клиентского устройства;
- получение сервером по меньшей мере одного тега и по меньшей мере одного параметра пользовательского взаимодействия, связанных с данным медиаобъектом;
- определение сервером потенциальных кандидатов в рекомендуемые медиаобъекты на основе по меньшей мере одного тега медиаобъекта, совпадающего с тегами, связанными с соответствующими медиаобъектами;
- определение сервером для каждого потенциального кандидата в рекомендуемые медиаобъекты количества тегов, совпадающих с тегами данного медиаобъекта;
- формирование сервером для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующего параметра отношения на основе количества совпадающих тегов и соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта, причем параметр отношения указывает на уровень сходства потенциального кандидата в рекомендуемые медиаобъекты и данного медиаобъекта;
- выбор сервером из потенциальных кандидатов в рекомендуемые медиаобъекты по меньшей мере одного рекомендуемого медиаобъекта, с которым связано заранее заданное значение параметра отношения.
2. Способ по п. 1, отличающийся тем, что формирование соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты включает в себя:
- суммирование сервером соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы;
- умножение сервером для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующей суммы на количество совпадающих тегов с целью получения соответствующего параметра отношения.
3. Способ по п. 1, отличающийся тем, что формирование соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты включает в себя:
- суммирование сервером соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы;
- суммирование сервером соответствующих сумм для всех тегов, совпадающих для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующего параметра отношения.
4. Способ по п. 1, отличающийся тем, что дополнительно включает в себя передачу сервером клиентскому устройству обозначения по меньшей мере одного рекомендуемого медиаобъекта.
5. Способ по п. 4, отличающийся тем, что каждый соответствующий медиаобъект связан с соответствующим идентификатором.
6. Способ по п. 5, отличающийся тем, что перед выбором по меньшей мере одного рекомендуемого медиаобъекта дополнительно включает в себя ранжирование потенциальных кандидатов в рекомендуемые медиаобъекты согласно их соответствующим параметрам отношения.
7. Способ по п. 6, отличающийся тем, что медиаобъект представляет собой видеоматериал.
8. Способ по п. 1, отличающийся тем, что заранее заданное значение параметра отношения включает в себя заранее заданное количество соответствующих параметров отношения с наиболее высокими позициями при ранжировании.
9. Способ по п. 1, отличающийся тем, что по меньшей мере один тег представляет собой по меньшей мере одно из следующего: категория, название, исполнитель, тема, описание, язык, связанный исполнитель, рейтинг, режиссер, текст и расположение.
10. Способ по п. 9, отличающийся тем, что по меньшей мере один тег, связанный с каждым соответствующим медиаобъектом, получен от второго сервера.
11. Способ по п. 10, отличающийся тем, что по меньшей мере один тег сформирован из текстового контекста, связанного с каждым соответствующим медиаобъектом на втором сервере.
12. Способ по п. 1, отличающийся тем, что параметр пользовательского взаимодействия представляет собой одно из следующего: время просмотра, количество просмотров, частоту воспроизведения, частоту взаимодействия, частоту обмена в социальных сетях, показатель кликабельности (CTR) и коэффициент конверсии.
13. Система для выбора рекомендуемых медиаобъектов, содержащая процессор и машиночитаемый физический носитель информации, содержащий команды, в которой процессор, исполняющий команды, выполнен с возможностью:
- получения набора обозначений медиаобъектов, каждое из которых связано с соответствующим медиаобъектом, имеющим по меньшей мере один соответствующий параметр пользовательского взаимодействия, который представляет по меньшей мере одно взаимодействие пользователя с соответствующим медиаобъектом;
- получения по меньшей мере одного связанного с каждым соответствующим медиаобъектом тега, представляющего контент соответствующего медиаобъекта;
- приема от клиентского устройства запроса на рекомендацию медиаобъекта, запроса инициированного пользователем, взаимодействующим с некоторым медиаобъектом посредством клиентского устройства;
- получения по меньшей мере одного тега и по меньшей мере одного параметра пользовательского взаимодействия, связанных с данным медиаобъектом;
- определения потенциальных кандидатов в рекомендуемые медиаобъекты на основе по меньшей мере одного тега медиаобъекта, совпадающего с тегами, связанными с соответствующими медиаобъектами;
- определения для каждого потенциального кандидата в рекомендуемые медиаобъекты количества тегов, совпадающих с тегами данного медиаобъекта;
- формирования для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующего параметра отношения на основе количества совпадающих тегов и соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта, причем параметр отношения указывает на уровень сходства потенциального кандидата в рекомендуемые медиаобъекты и данного медиаобъекта;
- выбора из потенциальных кандидатов в рекомендуемые медиаобъекты по меньшей мере одного рекомендуемого медиаобъекта, с которым связано заранее заданное значение параметра отношения.
14. Система по п. 13, отличающаяся тем, что для формирования соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты процессор выполнен с возможностью:
- суммирования соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы;
- умножения для каждого потенциального кандидата в рекомендуемые медиаобъекты соответствующей суммы на количество совпадающих тегов с целью получения соответствующего параметра отношения.
15. Система по п. 13, отличающаяся тем, что для формирования соответствующего параметра отношения для каждого потенциального кандидата в рекомендуемые медиаобъекты процессор выполнен с возможностью:
- суммирования соответствующего параметра пользовательского взаимодействия для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующей суммы;
- суммирование соответствующих сумм для всех тегов, совпадающих для потенциального кандидата в рекомендуемые медиаобъекты и для данного медиаобъекта с целью получения соответствующего параметра отношения.
16. Система по п. 13, отличающаяся тем, что процессор дополнительно выполнен с возможностью передачи клиентскому устройству обозначения по меньшей мере одного рекомендуемого медиаобъекта.
17. Система по п. 16, отличающаяся тем, что каждый соответствующий медиаобъект связан с соответствующим идентификатором.
18. Система по п. 17, отличающаяся тем, что система выполнена с возможностью ранжирования потенциальных кандидатов в рекомендуемые медиаобъекты согласно их соответствующим параметрам отношения перед выбором по меньшей мере одного рекомендуемого медиаобъекта.
19. Система по п. 18, отличающаяся тем, что медиаобъект представляет собой видеоматериал.
20. Система по п. 13, отличающаяся тем, что заранее заданное значение параметра отношения включает в себя заранее заданное количество соответствующих параметров отношения с наиболее высокими позициями при ранжировании.
21. Система по п. 16, отличающаяся тем, что по меньшей мере один тег представляет собой по меньшей мере одно из следующего: категория, название, исполнитель, тема, описание, язык, связанный исполнитель, рейтинг, режиссер, текст и расположение.
22. Система по п. 22, отличающаяся тем, что по меньшей мере один тег, связанный с каждым соответствующим медиаобъектом, получен от второго сервера.
23. Система по п. 23, отличающаяся тем, что по меньшей мере один тег сформирован из текстового контекста, связанного с каждым соответствующим медиаобъектом на втором сервере.
24. Система по п. 13, отличающаяся тем, что параметр пользовательского взаимодействия представляет собой одно из следующего: время просмотра, количество просмотров, частоту воспроизведения, частоту взаимодействия, частоту обмена в социальных сетях, показатель кликабельности (CTR) и коэффициент конверсии.
RU2017127317A 2017-08-01 2017-08-01 Способ и система для рекомендации медиаобъектов RU2666336C1 (ru)

Priority Applications (2)

Application Number Priority Date Filing Date Title
RU2017127317A RU2666336C1 (ru) 2017-08-01 2017-08-01 Способ и система для рекомендации медиаобъектов
US15/892,977 US10706100B2 (en) 2017-08-01 2018-02-09 Method of and system for recommending media objects

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2017127317A RU2666336C1 (ru) 2017-08-01 2017-08-01 Способ и система для рекомендации медиаобъектов

Publications (1)

Publication Number Publication Date
RU2666336C1 true RU2666336C1 (ru) 2018-09-06

Family

ID=63460155

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017127317A RU2666336C1 (ru) 2017-08-01 2017-08-01 Способ и система для рекомендации медиаобъектов

Country Status (2)

Country Link
US (1) US10706100B2 (ru)
RU (1) RU2666336C1 (ru)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111177452A (zh) * 2019-12-31 2020-05-19 腾讯科技（深圳）有限公司 一种媒体内容推荐方法及装置
RU2721474C1 (ru) * 2018-10-17 2020-05-19 Алибаба Груп Холдинг Лимитед Совместное использование секретов с доверенным инициализатором
US10789377B2 (en) 2018-10-17 2020-09-29 Alibaba Group Holding Limited Secret sharing with no trusted initializer
CN113051476A (zh) * 2021-03-25 2021-06-29 北京百度网讯科技有限公司 用于消息发送的方法和装置
RU2809340C1 (ru) * 2020-09-29 2023-12-11 Биго Текнолоджи Пте. Лтд. Способ, устройство и электронное устройство для рекомендации видео и носитель данных
US12026166B2 (en) 2020-11-30 2024-07-02 Direct Cursus Technology L.L.C Method and system for determining rank positions of elements by a ranking system
US12086149B2 (en) 2021-04-09 2024-09-10 Y.E. Hub Armenia LLC Method and system for determining rank positions of content elements by a ranking system

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6771503B2 (ja) * 2018-03-27 2020-10-21 株式会社日立製作所 データ管理システム及び関連データ推薦方法
US11361349B1 (en) 2018-05-29 2022-06-14 State Farm Mutual Automobile Insurance Company Systems and methods for generating efficient iterative recommendation structures
US11127028B1 (en) * 2018-05-29 2021-09-21 State Farm Mutual Automobile Insurance Company Systems and methods for providing user offers based on efficient iterative recommendation structures
US20200275139A1 (en) * 2019-02-25 2020-08-27 Iris.Tv, Inc. Mitigating costs of presentation and delivery of digital media assets based on geographically distributed cache memory contents
KR102656963B1 (ko) * 2019-04-03 2024-04-16 삼성전자 주식회사 전자 장치 및 전자 장치의 제어 방법
CN110413837B (zh) * 2019-05-30 2023-07-25 腾讯科技（深圳）有限公司 视频推荐方法和装置
US11816147B2 (en) * 2019-11-14 2023-11-14 Adobe Inc. Enhanced image-search using contextual tags
CN111191056A (zh) * 2020-01-02 2020-05-22 中国联合网络通信集团有限公司 一种多媒体推荐方法及装置
CN111931059A (zh) * 2020-08-19 2020-11-13 创新奇智(成都)科技有限公司 一种对象的确定方法、装置及存储介质
CN112000821B (zh) * 2020-08-21 2024-03-26 北京达佳互联信息技术有限公司 多媒体信息推送方法、装置、服务器及存储介质
CN112507218A (zh) * 2020-12-03 2021-03-16 广州华多网络科技有限公司 业务对象推荐方法、装置、电子设备及存储介质
CN113010799B (zh) * 2021-01-04 2024-06-18 腾讯科技（深圳）有限公司 媒体信息的获取方法、装置、电子设备及存储介质
CN112818230B (zh) * 2021-01-29 2023-10-20 北京百度网讯科技有限公司 内容推荐方法、装置、电子设备和存储介质
CN113470649B (zh) * 2021-08-18 2024-08-23 三星电子（中国）研发中心 语音交互方法及装置
CN113761393B (zh) * 2021-09-26 2024-07-19 广州华多网络科技有限公司 商品协同推荐方法及其装置、设备、介质、产品
CN113836327B (zh) * 2021-09-26 2024-08-20 杭州网易云音乐科技有限公司 推荐方法、介质、装置和计算设备
CN114154066B (zh) * 2021-12-03 2024-07-12 腾讯科技（深圳）有限公司 信息推荐方法、装置及存储介质
US12067043B2 (en) 2022-07-07 2024-08-20 Spotify Ab Systems and methods for generating personalized pools of candidate media items
CN117729358B (zh) * 2024-02-08 2024-05-28 北京字跳网络技术有限公司 数据处理方法、装置、设备、计算机可读存储介质及产品

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140279751A1 (en) * 2013-03-13 2014-09-18 Deja.io, Inc. Aggregation and analysis of media content information
US9098511B1 (en) * 2012-10-02 2015-08-04 Google Inc. Watch time based ranking
US20160002920A1 (en) * 2014-07-07 2016-01-07 Composite Technologies Corporation Compression transfer member
RU2600541C2 (ru) * 2009-06-16 2016-10-20 Майкрософт Корпорейшн Служба рекомендации медиаресурсов

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9286294B2 (en) 1992-12-09 2016-03-15 Comcast Ip Holdings I, Llc Video and digital multimedia aggregator content suggestion engine
US6941321B2 (en) 1999-01-26 2005-09-06 Xerox Corporation System and method for identifying similarities among objects in a collection
US20070038614A1 (en) 2005-08-10 2007-02-15 Guha Ramanathan V Generating and presenting advertisements based on context data for programmable search engines
US8732175B2 (en) * 2005-04-21 2014-05-20 Yahoo! Inc. Interestingness ranking of media objects
US7548915B2 (en) 2005-09-14 2009-06-16 Jorey Ramer Contextual mobile content placement on a mobile communication facility
US20070078832A1 (en) * 2005-09-30 2007-04-05 Yahoo! Inc. Method and system for using smart tags and a recommendation engine using smart tags
US9060034B2 (en) * 2007-11-09 2015-06-16 Napo Enterprises, Llc System and method of filtering recommenders in a media item recommendation system
US20090150786A1 (en) * 2007-12-10 2009-06-11 Brown Stephen J Media content tagging on a social network
US8209316B2 (en) 2010-01-05 2012-06-26 Microsoft Corporation Providing suggestions of related videos
US8577896B2 (en) 2010-06-08 2013-11-05 Netflix, Inc Interest based row selection
US8903834B2 (en) 2010-10-14 2014-12-02 Netflix, Inc. Recommending groups of items based on item ranks
US8725739B2 (en) 2010-11-01 2014-05-13 Evri, Inc. Category-based content recommendation
US20120159337A1 (en) * 2010-12-17 2012-06-21 Kerry Travilla System and method for recommending media content
US9600826B2 (en) * 2011-02-28 2017-03-21 Xerox Corporation Local metric learning for tag recommendation in social networks using indexing
US10311386B2 (en) 2011-07-08 2019-06-04 Netflix, Inc. Identifying similar items based on interaction history
US8868481B2 (en) 2011-12-14 2014-10-21 Google Inc. Video recommendation based on video co-occurrence statistics
US9135211B2 (en) * 2011-12-20 2015-09-15 Bitly, Inc. Systems and methods for trending and relevance of phrases for a user
US9582592B2 (en) * 2011-12-20 2017-02-28 Bitly, Inc. Systems and methods for generating a recommended list of URLs by aggregating a plurality of enumerated lists of URLs, the recommended list of URLs identifying URLs accessed by users that also accessed a submitted URL
US9230212B2 (en) * 2012-02-02 2016-01-05 Peel Technologies, Inc. Content based recommendation system
US20130275429A1 (en) 2012-04-12 2013-10-17 Graham York System and method for enabling contextual recommendations and collaboration within content
US9168778B2 (en) 2012-07-25 2015-10-27 Brian P. Trava Dental-based identification system
US20140280241A1 (en) * 2013-03-15 2014-09-18 MediaGraph, LLC Methods and Systems to Organize Media Items According to Similarity
KR101519879B1 (ko) * 2013-07-22 2015-05-14 광주과학기술원 계층적 컨텍스트 모델을 이용하여 컨텐츠를 추천하기 위한 장치 및 그 방법
US9535897B2 (en) 2013-12-20 2017-01-03 Google Inc. Content recommendation system using a neural network language model
US9639634B1 (en) * 2014-01-28 2017-05-02 Google Inc. Identifying related videos based on relatedness of elements tagged in the videos
US9338489B2 (en) 2014-04-23 2016-05-10 Netflix, Inc. Recommending media items based on take rate signals
US9959364B2 (en) 2014-05-22 2018-05-01 Oath Inc. Content recommendations
US11763173B2 (en) 2014-07-28 2023-09-19 Iris.Tv, Inc. Ensemble-based multimedia asset recommendation system
US10268702B2 (en) * 2014-08-15 2019-04-23 Sydney Nicole Epstein Iterative image search algorithm informed by continuous human-machine input feedback
US9495694B1 (en) * 2016-02-29 2016-11-15 International Business Machines Corporation Product recommendations based on analysis of social experiences
US10387431B2 (en) 2015-08-24 2019-08-20 Google Llc Video recommendation based on video titles
US10191990B2 (en) * 2016-11-21 2019-01-29 Comcast Cable Communications, Llc Content recommendation system with weighted metadata annotations

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2600541C2 (ru) * 2009-06-16 2016-10-20 Майкрософт Корпорейшн Служба рекомендации медиаресурсов
US9098511B1 (en) * 2012-10-02 2015-08-04 Google Inc. Watch time based ranking
US20140279751A1 (en) * 2013-03-13 2014-09-18 Deja.io, Inc. Aggregation and analysis of media content information
US20160002920A1 (en) * 2014-07-07 2016-01-07 Composite Technologies Corporation Compression transfer member

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2721474C1 (ru) * 2018-10-17 2020-05-19 Алибаба Груп Холдинг Лимитед Совместное использование секретов с доверенным инициализатором
US10672058B2 (en) 2018-10-17 2020-06-02 Alibaba Group Holding Limited Secret sharing with a trusted initializer
US10789377B2 (en) 2018-10-17 2020-09-29 Alibaba Group Holding Limited Secret sharing with no trusted initializer
US11386212B2 (en) 2018-10-17 2022-07-12 Advanced New Technologies Co., Ltd. Secure multi-party computation with no trusted initializer
CN111177452A (zh) * 2019-12-31 2020-05-19 腾讯科技（深圳）有限公司 一种媒体内容推荐方法及装置
CN111177452B (zh) * 2019-12-31 2024-03-15 腾讯科技（深圳）有限公司 一种媒体内容推荐方法及装置
RU2809340C1 (ru) * 2020-09-29 2023-12-11 Биго Текнолоджи Пте. Лтд. Способ, устройство и электронное устройство для рекомендации видео и носитель данных
US12026166B2 (en) 2020-11-30 2024-07-02 Direct Cursus Technology L.L.C Method and system for determining rank positions of elements by a ranking system
CN113051476A (zh) * 2021-03-25 2021-06-29 北京百度网讯科技有限公司 用于消息发送的方法和装置
CN113051476B (zh) * 2021-03-25 2023-06-13 北京百度网讯科技有限公司 用于消息发送的方法和装置
US12086149B2 (en) 2021-04-09 2024-09-10 Y.E. Hub Armenia LLC Method and system for determining rank positions of content elements by a ranking system

Also Published As

Publication number Publication date
US10706100B2 (en) 2020-07-07
US20190042585A1 (en) 2019-02-07

Similar Documents

Publication Publication Date Title
RU2666336C1 (ru) Способ и система для рекомендации медиаобъектов
RU2720899C2 (ru) Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации
US10387115B2 (en) Method and apparatus for generating a recommended set of items
RU2720952C2 (ru) Способ и система для создания рекомендации цифрового содержимого
US8595375B1 (en) Segmenting video based on timestamps in comments
CN108090111B (zh) 用于搜索结果的动画摘录
RU2725659C2 (ru) Способ и система для оценивания данных о взаимодействиях пользователь-элемент
US11748408B2 (en) Analyzing user searches of verbal media content
US8806000B1 (en) Identifying viral videos
RU2731335C2 (ru) Способ и система для формирования рекомендаций цифрового контента
WO2015196910A1 (zh) 基于搜索引擎的摘要信息提取方法、装置以及搜索引擎
US20120124034A1 (en) Co-selected image classification
US10452731B2 (en) Method and apparatus for generating a recommended set of items for a user
US8856125B1 (en) Non-text content item search
RU2714594C1 (ru) Способ и система определения параметра релевантность для элементов содержимого
TW201214173A (en) Methods and apparatus for displaying content
JP2019522852A (ja) 文脈情報を提供するためのシステムおよび方法
US11989755B1 (en) Expansion of high performing placement criteria
US10146849B2 (en) Triggering answer boxes
CN107430614B (zh) 到对应资源的应用局部深度链接
US9959322B1 (en) Ranking channels in search
US9990425B1 (en) Presenting secondary music search result links
WO2021053391A1 (en) Multilingual search queries and results
US10445326B2 (en) Searching based on application usage
RU2828354C2 (ru) Способ и сервер для формирования модели машинного обучения