TW201822540A - 焦點式個人化電視節目及隨選影片推薦系統及其方法 - Google Patents

Abstract

本發明係提供一種焦點式個人化電視節目及隨選影片推薦系統及其方法。前述系統通訊連接外部之內容提供端以及外部一個或複數個之機上盒裝置，以對內容提供端所提供之內容資料建立屬性資料，並經由機上盒裝置取得使用端之操作紀錄資料以及觀看內容屬性資料。系統接著依據內容建立屬性資料、操作紀錄資料、觀看內容屬性資料進行分析其偏好，以依據偏好並從內容資料中過濾挑選推薦候選內容，並使連線機上盒裝置之顯示裝置於顯示區之一部顯示推薦候選內容。

Description

焦點式個人化電視節目及隨選影片推薦系統及其方法

本發明係一種電視節目及隨選影片推薦系統及其方法，尤指一種具備焦點式個人化電視節目及隨選影片推薦系統及其方法。

隨著媒體數量不斷的增加，在電視上能選擇的頻道及隨選影片亦呈現爆炸性的成長，而觀眾動不動就得面對上百個頻道，及上千部影片的選擇，因此想要在茫茫片海中尋找自己想看的內容，不僅困擾著觀眾，也是電視平台提供者所要面對的重大課題。

因此，平台業者若能夠得知觀眾的興趣，並能透過簡單的操作介面，精準地推薦收視內容給觀眾，讓觀賞者不用花費很多的時間便能夠觀看自己想看的節目內容，達成良好的操作體驗，對於平台提供者顯得十分的重要。

綜上所述，如何提供一種可解決前述問題之方案乃本領域亟需解決之技術問題。

為解決前揭之問題，本發明之目的係提供一種具備焦點式個人化電視節目及隨選影片推薦之技術方案。

為達上述目的，本發明提出一種焦點式個人化電視節目及隨選影片推薦系統之系統方塊圖。前述系統包含通訊模組、內容屬性模組、 使用端紀錄模組、偏好分析模組、以及推薦模組。通訊模組連接外部之內容提供端以及外部一個或複數個之機上盒裝置。內容屬性模組連接通訊模組，以對內容提供端所提供之內容資料建立屬性資料。使用端紀錄模組連接通訊模組，以經由機上盒裝置取得使用端之操作紀錄資料以及觀看內容屬性資料。偏好分析模組連接內容屬性模組以及使用端紀錄模組，偏好分析模組係依據內容建立屬性資料、操作紀錄資料、觀看內容屬性資料其中至少一或擇二以上之組合進行分析，以依據使用端偏好並從內容資料中過濾挑選推薦候選內容。推薦模組配置機上盒裝置，以使連線機上盒裝置之顯示裝置於顯示區之一部顯示推薦候選內容。

為達上述目的，本發明提出一種焦點式個人化電視節目及隨選影片推薦方法。前述方法應用於平台管理系統，包含下列步驟：令平台管理系統連接外部之內容提供端以及外部一個或複數個之機上盒裝置。接著令平台管理系統內容提供端所提供之內容資料建立屬性資料。再者，令平台管理系統經由機上盒裝置取得使用端之操作紀錄資料以及觀看內容屬性資料。又令平台管理系統依據內容建立屬性資料、操作紀錄資料、觀看內容屬性資料其中至少一或擇二以上之組合進行分析，以依據使用端偏好並從內容資料中過濾挑選推薦候選內容。最後令平台管理系統配置機上盒裝置，以使連線機上盒裝置之顯示裝置於顯示區之一部顯示推薦候選內容。

綜上所述，本發明之焦點式個人化電視節目及隨選影片推薦系統及其方法藉由內容屬性、使用端之操作紀錄以及觀看內容屬性作為挑選與推薦之依據，而能為使用者推薦更為適切的影音內容。

1‧‧‧焦點式個人化電視節目及隨選影片推薦系統

11‧‧‧通訊模組

12‧‧‧內容屬性模組

13‧‧‧使用端紀錄模組

14‧‧‧偏好分析模組

15‧‧‧推薦模組

2‧‧‧內容提供端

3‧‧‧機上盒裝置

31‧‧‧顯示裝置

32‧‧‧機上盒控制器

圖1為本發明第一實施例焦點式個人化電視節目及隨選影片推薦系統之系統方塊圖。

圖2為本發明第一實施例焦點式個人化電視節目及隨選影片推薦方法之流程圖。

圖3及圖4為本發明一實施範例之細部操作流程圖。

以下將描述具體之實施例以說明本發明之實施態樣，惟其並非用以限制本發明所欲保護之範疇。

請參閱圖1，其為本發明第一實施例焦點式個人化電視節目及隨選影片推薦系統1之系統方塊圖。前述系統包含通訊模組11、內容屬性模組12、使用端紀錄模組13、偏好分析模組14、以及推薦模組15。通訊模組11連接外部之內容提供端2以及外部一個或複數個之機上盒裝置3。內容屬性模組12連接通訊模組11，以對內容提供端2所提供之內容資料建立屬性資料。使用端紀錄模組13連接通訊模組11，以經由機上盒裝置3取得使用端之操作紀錄資料以及觀看內容屬性資料。偏好分析模組14連接內容屬性模組12以及使用端紀錄模組13，偏好分析模組14係依據內容建立屬性資料、操作紀錄資料、觀看內容屬性資料其中至少一或擇二以上之組合進行分析，以依據使用端偏好並從內容資料中過濾挑選推薦候選內容。推薦模組15配置機上盒裝置3，以使連線機上盒裝置3之顯示裝置31於顯示區之一部顯示推薦候選內容。

前述之顯示裝置31可選擇的為電視機、投影機、電腦螢幕…等顯示器。

於另一實施例中，前述推薦模組15係使顯示裝置31顯示對應推薦候選內容之區塊影片。於另一實施例中，前述操作紀錄資料進一步包含觀看時間資料及觀看次數資料。於另一實施例中，前述偏好分析模組14係計算觀看時間資料及觀看次數資料之度量值，以選取度量值高之屬性。於另一實施例中，前述內容資料進一步包含頻道節目、隨選影片、或互動應用內容其中至少一。於另一實施例中，前述偏好分析模組14係針對相同或類似屬性之使用端過濾挑選推薦候選內容。

請參閱圖2，其為本發明第二實施例焦點式個人化電視節目及隨選影片推薦方法之流程圖。前述方法應用於平台管理系統，包含下列步驟：

S101：令平台管理系統連接外部之內容提供端2以及外部一個或複數個之機上盒裝置3。

S102：令平台管理系統內容提供端2所提供之內容資料建立屬性資料。

S103：令平台管理系統經由機上盒裝置3取得使用端之操作紀錄資料以及觀看內容屬性資料。

S104：令平台管理系統依據內容建立屬性資料、操作紀錄資料、觀看內容屬性資料其中至少一或擇二以上之組合進行分析，以依據使用端偏好並從內容資料中過濾挑選推薦候選內容。

S105：令平台管理系統配置機上盒裝置3，以使連線機上盒裝置3之顯示裝置31於顯示區之一部顯示推薦候選內容。

於另一實施例中，前述方法係使顯示裝置31顯示對應推薦候選內容之區塊影片。於另一實施例中，前述方法之操作紀錄資料進一步包含觀看時間資料及觀看次數資料。於另一實施例中，前述方法係計算觀看時間資料及觀看次數資料之度量值，以選取度量值高之屬性。於另一實施例中，前述方法之內容資料進一步包含頻道節目、隨選影片、或互動應用內容其中至少一。於另一實施例中，前述方法係針對相同或類似屬性之使用端過濾挑選推薦候選內容

以下本發明茲以第一實施例焦點式個人化電視節目及隨選影片推薦系統1進行範例說明，惟第二實施例焦點式個人化電視節目及隨選影片推薦方法亦可達到相同或相似之技術功效。

於此實施範例中，焦點式個人化電視節目及隨選影片推薦系統1係運行於寬頻電視平台，可藉由蒐集用戶操作機上盒之行為，配合節目及影片之屬性，分析出用戶之偏好，再加上協同式過濾之結果，進行符合用戶個人偏好之電視節目及隨選影片推薦。而當目前有符合用戶偏好之節目或影片出現時，可讓電視平台提供端在顯示器的呈現介面上以小區域畫面的方式，提示給用戶推薦其最可能想看之節目及影片，而非一個推薦功能的畫面，以一整個推薦頁面讓用戶瀏覽選取，進而降低用戶操作的複雜度。

於系統運行時，內容屬性模組12將內容提供端2所提供之內容加上屬性並儲存，例如：節目播放之時間、長度、頻道類型、影片類型(動作片、愛情片...)、互動功能類型(購物、算命...)、男女主角、IMDB評分等等。使用行為紀錄模組則用機上盒控制器32操作機上盒裝置3之紀 錄，用來得知用戶收視之行為，例如：所收看之節目、收視時間點及長度、訂閱之隨選影片、使用過之互動功能…等。

偏好分析模組14利用用戶之使用行為紀錄及內容屬性模組12所設定之屬性，找出用戶之屬性偏好，產生偏好推薦候選內容。由使用行為紀錄模組中，利用協同式過濾之方式，產生協同式過濾推薦候選內容。而推薦模組15融合偏好推薦候選內容及協同式過濾推薦候選內容，產生出整合推薦，在多筆的情形下採取輪播或一次多筆之播放方式，最後以小區塊呈現在顯示裝置31上。

請接著參閱參考圖3，其為本實施範例之細部操作流程圖， 步驟說明如下：

S201：建立內容屬性。

S202：紀錄用戶使用行為。

S203：建立用戶屬性偏好。

S204：產生偏好推薦候選內容。

S205：用戶使用行為同式過濾。

S206：產生協同式過濾推薦候選內容。

S207：融合合併推薦候選內容。

S208：用戶端推薦呈現。

於步驟S201建立內容屬性之中，內容屬性模組12將內容提供端2所提供之內容屬性儲存於屬性表中；屬性表中的屬性影音內容之描述，例如：影片類型(動作片、愛情片…)、互動功能類型(購物、算命…)、主角/主持人、電影的IMDB評分等。其結構為「內容名稱」+「屬性值」二 個欄位，當一個內容有多個屬性值時，則建立多筆，如下列表1的資料被拆解為表2。

於步驟S202紀錄用戶使用行為程序中，系統利用機上盒裝置3蒐集用戶之操作紀錄，記錄用戶觀看之內容，及觀看之時間點和觀看之時間長度。

接著在步驟S203建立用戶屬性偏好程序中，結合步驟S201及S202的用戶之操作紀錄及內容屬性這兩項資料，建立屬性之偏好分數。偏好分數之計算是以度量值之加總計分，度量值以是時間長度(亦可是觀賞次數等)作為用戶行為值。結合用戶操作紀錄及內容屬性的方式是將一筆用戶操作紀錄取出，以該紀錄用戶所觀賞的內容名稱去對應步驟S201所建立 之內容屬性表，對應出該內容之屬性，若內容名稱有多屬性，則該筆紀錄會變為多筆，每筆的內容為：用戶識別、內容名稱、屬性、度量值。如此重覆對應，將用戶之所有使用紀錄皆對應出屬性值，並以屬性值做分類加總計算，計算出該屬性之度量分數，並將度量值由高至低排序，取度量值最高之屬性為用戶之偏好屬性。

用戶對某一屬性之偏好值之計算方式為：給定C={c1,c2,...,cn}為所有內容；T={tc1,tc2,...,tcw}觀看內容的度量值(像是時間或次數等)，例如：若度量值為時間，則tc1為觀看c1內容的時間；K={k1,k2,...,kv}為所有屬性。而某位使用端對某屬性kv之興趣偏好值。

接著在步驟S204產生偏好推薦候選內容中，以步驟S203中計算出度量值最高之偏好屬性，對應於步驟S201中所建立之內容屬性表，找出符合度量值最高屬性且用戶尚未看過之內容，建立偏好推薦候選內容，偏好推薦候選內容包含內容名稱及偏好值。

在步驟S205用戶使用行為協同式過濾中，將所有步驟S202所紀錄之用戶使用行為，以資料探勘協同式過濾之方法，計算出用戶對各項內容之喜愛程度。

協同式過濾之輸入資料為用戶對於內容有無觀看之紀錄，若有觀看則紀錄為1，若無則為空值，形成一個如表3所示之二維矩陣，並以此為協同式過濾演算法之輸入。

經過協同式過濾方法計算後，會產生一份用戶對各項內容之評分資料。上述所提及之協同式過濾方法，可選擇使用user-based、item-based或matrix factorization…等方法。

在步驟S206產生協同式過濾推薦候選內容中，將步驟S205中計算出評分最高且用戶尚未看過之內容挑選出來，建立協同推薦候選內容，協同推薦候選內容包含內容名稱及評分。

在步驟S207融合合併推薦候選內容中，合併步驟S204偏好推薦候選內容及步驟S206協同式過濾推薦候選內容之結果，整合為一份整體推薦候選結果。

請參考圖4，其為步驟S207融合合併推薦候選內容詳細流程圖，在步驟S2071中首先將偏好推薦與協同式過濾之結果合併，假設最後想要出現推薦數是Z個，而偏好推薦之結果為X個，協同式過濾推薦結果為Y個，則會有以下兩種情況(步驟S2072)：

在X+Y<=Z的情況時，則直接合併推薦結果並輸出，若是X+Y>Z的情況，則需要融合合併推薦結果。由於協同式過濾產生之評分是一個介於0到1之間的數值，而偏好推薦之偏好值不是，故兩者需要 做一融合，融合的方式為將偏好推薦之偏好值作一轉換。在步驟S2073將偏好推薦之偏好值做轉換，將其轉換成一個介於0到1之間的數值。轉換方式如下： 若某位使用端對某內容之興趣偏好轉換過後之值 ，例如：若是度量值是以觀看內容之時間以小時來計算，而某位 使用端對某內容之興趣偏好值1200(分鐘)，則除以其總度量值(總觀看時間)2400(分鐘)，得到轉換過後的偏好值為1200/2400=0.5。而其他如正規化、機率化等方法皆可視為等效實施。接下來，在步驟S2074將偏好推薦之轉換值與協同式過濾評分做排序，便可將協同式過濾產生之評分及偏好推薦之轉換後的偏好值由大至小排序，並在步驟S2075取數直最高的前Z個推薦內容作為合併後之結果，最後由步驟S2076輸出結果。

在步驟S203及S204使用屬性偏好去產生推薦，但若遇到某個內容無屬性資料或是屬性資料不足時，便不易被計算偏好，也無法被推薦。

而步驟S205及S206使用協同式過濾去產生推薦，協同式過濾是利用一群用戶對已觀看內容的行為，找出觀看行為相似的用戶對彼此有觀看的內容作為推薦，倘若有一全新的內容上架，沒有任何用戶對它有觀看紀錄，協同式過濾的方式便無法對此內容做出推薦。本發明整合這兩個方法，截長補短，在屬性偏好不足時用協同式過濾去彌補；而以屬性偏好去輔助全新內容上架不會被推薦到的缺點。

本發明結合屬性偏好推薦及協同式過濾，可在屬性資料不足的狀況下，藉由協同式過濾之結果輔助做出個人化推薦。反之，更在一個 全新內容出現時，協同式過濾無法處理，屬性偏好推薦可補其不足，而達成自動化推薦之功效。

最後，在步驟S208用戶端推薦呈現中，將步驟S207的推薦候選內容，在用戶端以小區塊方示呈現。請參考附件1及附件2，其出現之位置可以是如附件1之主功能頁的一角，或是如附件2之伴隨頻道節目之節目訊息畫面出現。而候選內容為多個時，可以利用輪播或是切割(如附件1，切割為三塊)的方式呈現。

因最終只取Z個結果，因此個數有限，用小區域畫面即可呈現，因而達成本發明次要目的之功效。本發明可以達成節省寶貴的畫面空間，並依平台所推薦快速連結到用戶想要看的內容，帶給用戶良好的操作體驗之功效。

以下將以寬頻電視平台上所提供之影音內容進行範例說明(表4)：

內容屬性模組12首先於步驟S201建立內容屬性，將表4之內容建立屬性表，原本在表4中多屬性的內容被拆解成多筆，例如：「哇！陳怡如」這個節目有「偶像劇」及「愛情」兩個屬性，便會被拆成兩筆，如表5。

當某位使用端觀看電視時，使用行為紀錄模組將其使用行為透過機上盒記錄下來，並於步驟S202中記錄如下表6：

而偏好分析模組14接下來在步驟S203去建立用戶屬性偏好，利用表5與表6可以建立出內容、觀看時間與屬性之資料，如表7所示：

以屬性彙整並加總觀看時間，並排序後可以得到表8：

由表5可知，某位使用端花在「愛情」類之內容的時間最多，故此為其偏好。接著在步驟S204產生符合屬性偏好之候選內容中，用表5的資料找出「愛情」類，在過濾已經觀看過的影片後，得到如同表9之推薦候選內容「攝影娘」。

在步驟S205中，利用用戶之觀看紀錄，運用協同式過濾的方法可以建立某位使用端對所有內容之偏好評分，例如下表10，某位使用端看過的內容數值為1，其他未看過的內容，利用協同式過濾可計算出偏好評分。在步驟S206中，取得某位使用端之較高之偏好評分內容作為推薦候選，例如：在表10中，某位使用端最高之偏好分數為影片「青田街2號」，便 取其作為推薦候選。而取較高偏好分數之作法，可以是取最高值，或是大於某個門檻值。

推薦模組15在步驟S207融合合併推薦候選內容中，將步驟S204與步驟S206之推薦候選內容清單合併，若欲得到之推薦數量為1個，在此例中，兩種方法合併加總之推薦數量是2個，故需做排序篩選。將「攝影娘」之偏好值做轉換，其原始偏好值為370，觀賞總時數為480，所以轉換過後之值為370/480=0.77。將「青田街2號」(偏好評分=0.9)與「攝影娘」(轉換後偏好值=0.77)排序由大至小取第1個的結果為「青田街2號」。

最後，在步驟S208用戶端推薦呈現中，將「青田街2號」在電視平台之小區域推薦畫面上呈現，機上盒裝置3傳送畫面至顯示裝置31上，使用者看到後利用機上盒控制器32可以點選便直接連到所點選的內容。

上列詳細說明係針對本發明之一可行實施例之具體說明，惟該實施例並非用以限制本發明之專利範圍，凡未脫離本發明技藝精神所為之等效實施或變更，均應包含於本發明之專利範圍中。

Claims (10)

1. 一種焦點式個人化電視節目及隨選影片推薦系統，包含：通訊模組，連接外部之內容提供端以及外部一個或複數個之機上盒裝置；內容屬性模組，連接該通訊模組，以對該內容提供端所提供之內容資料建立屬性資料；使用端紀錄模組，連接該通訊模組，以經由該機上盒裝置取得一個或多個使用端之操作紀錄資料以及觀看內容屬性資料；偏好分析模組，連接該內容屬性模組以及該使用端紀錄模組，該偏好分析模組係依據該內容建立屬性資料、該操作紀錄資料、該觀看內容屬性資料其中至少一或擇二以上之組合進行分析，以依據使用端偏好並從該內容資料中過濾挑選推薦候選內容；以及推薦模組，配置該機上盒裝置，以使連線該機上盒裝置之顯示裝置於顯示區之一部顯示該推薦候選內容。
2. 如請求項1所述之焦點式個人化電視節目及隨選影片推薦系統，其中該推薦模組係使該顯示裝置顯示該對應推薦候選內容之區塊影片。
3. 如請求項1所述之焦點式個人化電視節目及隨選影片推薦系統，其中該操作紀錄資料進一步包含觀看時間資料及觀看次數資料。
4. 如請求項3所述之焦點式個人化電視節目及隨選影片推薦系統，其中該偏好分析模組係計算該觀看時間資料及該觀看次數資料之度量值，以選取度量值高之屬性。
5. 如請求項1所述之焦點式個人化電視節目及隨選影片推薦系統，其中該偏好分析模組係針對相同或類似屬性之該使用端過濾挑選推薦候選內容。
6. 一種焦點式個人化電視節目及隨選影片推薦方法，應用於平台管理系統，包含：令該平台管理系統連接外部之內容提供端以及外部一個或複數個之機上盒裝置；令該平台管理系統該內容提供端所提供之內容資料建立屬性資料；令該平台管理系統經由該機上盒裝置取得使用端之操作紀錄資料以及觀看內容屬性資料；令該平台管理系統依據該內容建立屬性資料、該操作紀錄資料、該觀看內容屬性資料其中至少一或擇二以上之組合進行分析，以依據使用端偏好並從該內容資料中過濾挑選推薦候選內容；以及令該平台管理系統配置該機上盒裝置，以使連線該機上盒裝置之顯示裝置於顯示區之一部顯示該推薦候選內容。
7. 如請求項6所述之焦點式個人化電視節目及隨選影片推薦方法，係使該顯示裝置顯示該對應推薦候選內容之區塊影片。
8. 如請求項6所述之焦點式個人化電視節目及隨選影片推薦方法，其中該操作紀錄資料進一步包含觀看時間資料及觀看次數資料。
9. 如請求項8所述之焦點式個人化電視節目及隨選影片推薦方法，係計算該觀看時間資料及該觀看次數資料之度量值，以選取度量值高之屬性。
10. 如請求項6所述之焦點式個人化電視節目及隨選影片推薦方法，係針對相同或類似屬性之該使用端過濾挑選推薦候選內容。