TW201914305A

TW201914305A - 個人化影音資料評分綜合加權資訊之系統與方法

Info

Publication number: TW201914305A
Application number: TW106129136A
Authority: TW
Inventors: 張沛強
Original assignee: 中華電信股份有限公司
Priority date: 2017-08-28
Filing date: 2017-08-28
Publication date: 2019-04-01
Also published as: TWI626847B

Abstract

一種個人化影音資料評分綜合加權資訊之系統與方法，係包括：客戶端評分紀錄整合伺服器，係用以取得一使用者針對一影音之影音評分資料，以將該使用者的資料及該影音評分資料整合成客戶端評分資料；詮釋資料蒐集伺服器，係用以連接外部複數個機構以取得該複數個機構對於該影音之評分資料，以將該影音之評分資料整合成影音詮釋資料；以及評分與加權分析計算伺服器，係用以接收該客戶端評分資料及該影音詮釋資料，以透過一關係因子差異加權分析演算法計算取得影音評分結果與影音排序推薦。

Description

個人化影音資料評分綜合加權資訊之系統與方法

本發明係有關一種影音資料評分技術，尤指一種個人化影音資料評分綜合加權資訊之系統與方法。

近年來網際網路的快速發展，讓人們要踏入電影院前或於線上影視選擇欲觀賞影音的同時，往往會根據影評或電影評分機構所給予之評價左右花錢購票或訂閱的意願，也因此越來越多提供影音介紹、評論或評分服務的網站也隨之興起，如歐美發展較久且較具指標性的網路電影資料庫(英語：Internet Movie Database，簡稱IMDb)、較偏向觀眾喜好的Rotten Potato(爛蕃茄指數)、中國大陸地區用戶較常駐的豆辦網站以及臺灣網友愛用之Yahoo！奇摩電影等，皆有各自的評價單位與計算分析方式。

然而，當使用者在參考上述影音介紹評分網站的同時，往往可能會因為單位計算之問題，像是最常見的網站使用百分制或十分制、甚至有的使用五分制的評分來做為影音評價之指標。此舉容易讓使用者混亂，對於心中衡量拿捏標準會不準確，不易由評價的參考來做選擇。另一方面，各評分網站組成的主要盛行的區域、評分者因生活文化背景產生的喜好感受程度之不同，有時會造成口味偏好的落差，造成使用者無法發掘可能被隱藏的好片。

除此之外，目前線上提供隨選影音訂閱之服務，往往也僅透過單一評分機構之分數做排序推薦給使用的消費者，並無將各大機構之評分整合做個人化的綜合加權排序之展現，故消費者不容易認知不同機構口味、類型與自身差異之問題，而可能導致服務內真正適合該消費者之優質影音訂閱率不高，對於服務提供商或消費者皆是一個雙輸的局面。

因此，如何能透過各大機構評分之整合並根據消費者之喜好與習性，利用此進行智慧化之差異分析，找出適合消費者的優質影音內容之個人化排序推薦，以達到觀賞影片滿意度之提升與營收的最大效益，即為本申請所要解決之技術問題。

為克服習知技術之缺失，本發明係提供一種個人化影音資料評分綜合加權資訊之系統，係包括：客戶端裝置，包含一客戶端評分模組及一客戶端顯示模組，該客戶端評分模組用以接收一使用者針對一影音之影音評分資料；客戶端評分紀錄整合伺服器，係用以接收該客戶端裝置之該影音評分資料，以將該使用者的資料及該影音評分資料整合成客戶端評分資料；詮釋資料蒐集伺服器，係用以連接複數個機構以取得該複數個機構對於該影音之評分資料，以將該影音之評分資料整合成影音詮釋資料；以及評分與加權分析計算伺服器，係用以接收該客戶端評分資料及該影音詮釋資料，以透過一對應有關係因子之種類之關係因子差異加權分析演算法計算取得對應該影音之影音評分結果與影音排序推薦，俾提供該客戶端顯示模組讀取該影音評分結果與影音排序推薦以顯示該影音評分結果與影音排序推薦。

本發明提供一種個人化影音資料評分綜合加權資訊之方法，係包括：取得一使用者針對一影音之影音評分資料，以將該使用者的資料及該影音評分資料整合成客戶端評分資料；將該客戶端評分資料與一由複數個機構對該影音之評分資料所整合之影音詮釋資料透過一對應有關係因子之種類之關係因子差異加權分析演算法計算取得該複數個機構所對應之差異權重；以及將該複數個機構所對應之該差異權重依據該關係因子之種類而輸出為一個人化關係因子權重表。

由上述可得知，本發明由複數個機構對該影音之評分資料所整合之影音詮釋資料及個人化關係因子權重進行評分計算，可得到對每部影音之個人化的影音評分結果，並將該影音評分結果進行排序，以產生個人化的影音排序推薦，因此，本發明解決了使用者往往只能透過單一機構之評分來做選擇參考的問題，更可藉此呈現出自身與不同評分機構口味與類型之差異，進而取得最佳之排序推薦。

100‧‧‧詮釋資料蒐集伺服器

110‧‧‧機構評分資料擷取模組

120‧‧‧資料轉換標準化模組

130‧‧‧資料整合配對模組

140‧‧‧儲存單元

141‧‧‧影音詮釋資料

142‧‧‧伺服器日誌

150‧‧‧儲存單元存取介面

200‧‧‧客戶端評分紀錄整合伺服器

210‧‧‧客戶端評分資料整合交換模組

220‧‧‧儲存單元

221‧‧‧客戶端評分資料

222‧‧‧伺服器日誌

230‧‧‧資料交換傳遞模組

300‧‧‧評分與加權分析計算伺服器

310‧‧‧第一資料交換傳遞模組

320‧‧‧權重分配計算模組

330‧‧‧儲存單元

331‧‧‧個人化關係因子權重表

332‧‧‧影音評分結果

333‧‧‧影音排序推薦

334‧‧‧伺服器日誌

340‧‧‧加權評分計算模組

350‧‧‧第二資料交換傳遞模組

360‧‧‧影音詮釋資料存取介面

400‧‧‧客戶端裝置

401‧‧‧輸入單元

402‧‧‧客戶端評分模組

403‧‧‧隨選(VOD)影音評分模組

404‧‧‧電視頻道影音評分模組

405‧‧‧資料交換傳遞介面

406‧‧‧客戶端顯示模組

第1圖為本發明之個人化影音資料評分綜合加權資訊系統之架構圖；第2圖為本發明之詮釋資料蒐集伺服器的架構圖；第3圖為本發明之客戶端評分紀錄整合伺服器的架構圖；第4圖為本發明之評分與加權分析計算伺服器的架構圖；第5圖為本發明之個人化影音資料評分綜合加權資訊方法之流程圖；第6圖為本發明之新影音上架或頻道影音首播時之初始評分運算之方法的流程圖。

以下藉由特定的具體實施例說明本發明之實施方式，熟悉此技藝之人士可由本說明書所揭示之內容輕易地瞭解本發明之其他優點及功效。

須知，本說明書所附圖式所繪示之結構、比例、大小等，均僅用以配合說明書所揭示之內容，以供熟悉此技藝之人士之瞭解與閱讀，並非用以限定本發明可實施之限定條件，故不具技術上之實質意義，任何結構之修飾、比例關係之改變或大小之調整，在不影響本發明所能產生之功效及所能達成之目的下，均應仍落在本發明所揭示之技術內容得能涵蓋之範圍內。同時，本說明書中所引用之如「上」、「第一」、「第二」、「第三」及「一」等之用語，亦僅為便於敘述之明瞭，而非用以限定本發明可實施之範圍，其相對關係之改變或調整，在無實質變更技術內容下，當視為本發明可實施之範疇。

本發明所述之單元係可為硬體結構，而本發明所述之模組則可為供處理器運行之程式碼，例如為韌體(firmware)或儲存在記憶體或硬碟中的軟體程式。

請參閱第1圖所示，係本發明之個人化影音資料評分綜合加權資訊系統之架構圖，係包括：客戶端裝置400，包含一輸入單元401，包含用以接收一使用者針對一影音之影音評分資料，以將該影音評分資料傳送至該客戶端評分模組402；客戶端評分模組402，係用以接收該使用者透過輸入單元401針對一影音之影音評分資料，區分該使用者所針對之該影音的類型為隨選(Video on Demand，VOD)影音或電視頻道影音；隨選影音評分模組403，當該影音的類型為隨選影音時，由隨選(VOD)影音評分模組403處理該影音評分資料；電視頻道影音評分模組404，當該影音的類型為電視頻道影音時，由電視頻道影音評分模組404處理該影音評分資料；資料交換傳遞介面405，用以存取該影音評分資料、評分與加權分析計算伺服器300所算出的影音評分結果332及影音排序推薦333；一客戶端顯示模組406，係包含隨選影音之服務區或該電視頻道影音之資訊頁，該些資訊頁用以顯示資料交換傳遞介面405讀取的影音評分結果332及影音排序推薦333。

於一實施例中，該輸入單元401為遙控器或智慧型手機之APP。該客戶端顯示模組406則是用以顯示在一顯示器上的軟體介面，例如隨選影音之服務區或該電視頻道影音之資訊頁等軟體介面，以供使用者觀看操作使用。

詮釋資料蒐集伺服器100，係連接外部複數個機構之伺服器以取得複數個機構對於影音的評分資料，以將該影音的評分資料標準化轉換成該系統所須的評分資料，再將該標準化後的該各機構相同影音的評分資料整合成影音詮釋資料141。

在本實施例中，所謂的外部複數個機構之伺服器，係指現有的影評或電影評分機構而言，例如網路電影資料庫(IMDb)、較偏向觀眾喜好的Rotten Potato(爛蕃茄指數)、中國大陸地區用戶較常駐的豆辦網站以及臺灣網友愛用之Yahoo！奇摩電影等等，但本發明並不以此為限。

客戶端評分紀錄整合伺服器200，係用以接收該客戶端裝置400之該影音評分資料，以將該使用者的資料及該影音評分資料整合成客戶端評分資料221。

評分與加權分析計算伺服器300，係用以接收該客戶端評分資料221及該影音詮釋資料141，以透過一對應有關係因子之種類之關係因子差異加權分析演算法計算取得對應該影音之影音評分結果332與影音排序推薦333，俾提供該客戶端顯示模組406讀取該影音評分結果332與影音排序推薦333以顯示該影音評分結果332與影音排序推薦333。

於一實施例中，上述客戶端裝置400與詮釋資料蒐集伺服器100、客戶端評分紀錄整合伺服器200或評分與加權分析計算伺服器300之間的連接，可透過有線網路或例如為WiFi、3G/4G、藍芽等無線網路來彼此相互連接。

於一實施例中，由隨選影音評分模組403處理該影音評分資料時，隨選影音評分模組403判斷該使用者是否對該影音有輸入該影音評分資料，若無，該隨選影音評分模組係以該複數個機構對該影音之該評分資料之平均值作為該使用者針對該影音之該影音評分資料。

於一實施例中，由電視頻道影音評分模組404處理該影音評分資料時，將該使用者針對該影音所輸入之該影音評分資料之時間點對應至頻道節目表或電影播放之時間區間，以將所對應之頻道節目或電影作為該影音之該影音評分資料。

請參閱第2圖所示，第2圖為第1圖中的詮釋資料蒐集伺服器100的架構圖，該詮釋資料蒐集伺服器100係包括：機構評分資料擷取模組110、資料轉換標準化模組120、資料整合配對模組130、儲存單元140以及儲存單元存取介面150。

在本實施例中，該機構評分資料擷取模組110係定期連接外部各機構之伺服器以取得各機構對於影音的評分資料，所謂定期係例如一天一次、一小時一次等利用排程自動進行。

資料轉換標準化模組120，係用以將該影音的評分資料標準化轉換成該系統所須的評分資料，例如將各機構對於該影音之不同格式之評分資料重新編排為與本系統相同格式之評分資料。

資料整合配對模組130，係用以接收該標準化後的評分資料，以將該標準化後的該各機構相同影音的評分資料整合成影音詮釋資料141。

儲存單元140係用以儲存該影音詮釋資料141及伺服器日誌142，其中該伺服器日誌142為記錄該各機構擷取與標準化之歷史記錄(history log)。此外，儲存單元存取介面150，係提供系統內其他伺服器、模組或單元存取該影音詮釋資料141。

請參閱第3圖所示，第3圖為第1圖中的客戶端評分紀錄整合伺服器200的架構圖，該客戶端評分紀錄整合伺服器200包括：客戶端評分資料整合交換模組210、儲存單元220以及資料交換傳遞模組230。

該客戶端評分資料整合交換模組210係用以接收該客戶端裝置400之該影音評分資料，以將該使用者的資料及其所輸入的影音評分資料整合成客戶端評分資料221。

該儲存單元220係用以儲存該客戶端評分資料221及伺服器日誌222，其中該伺服器日誌222係儲存為與客戶端裝置400交換資料之記錄及客戶端評分資料221的存取紀錄；資料交換傳遞模組230，係提供系統內其他伺服器、模組或單元存取該客戶端評分資料221。

請參閱第4圖所示，第4圖為第1圖中的評分與加權分析計算伺服器300的架構圖，該評分與加權分析計算伺服器300係包括：第一資料交換傳遞模組310、權重分配計算模組320、儲存單元330、加權評分計算模組340、第二資料交換傳遞模組350以及影音詮釋資料存取介面360。

該第一資料交換傳遞模組310係與客戶端評分紀錄整合伺服器200中的資料交換傳遞模組230交換資料以取得該客戶端評分資料221；影音詮釋資料存取介面360，係與詮釋資料蒐集伺服器100中的儲存單元儲存介面150交換資料以取得該影音詮釋資料141。

權重分配計算模組320係將該客戶端評分資料221及該影音詮釋資料141進行一對應有關係因子之種類之關係因子差異加權分析演算法計算以取得一個人化關係因子權重表331，該關係因子之種類係為該影音的類型、分級、導演、演員、語系、年份及發行地之一者或其組合。加權評分計算模組340係將該個人化關係因子權重表331與該影音詮釋資料141進行加權評分計算得到影音評分結果332，該加權評分計算模組340依據各個影音的該影音評分結果332進行排序，以產生該影音排序推薦333。

儲存單元330係用以儲存該客戶端權重資料331、該影音評分結果332、該影音排序推薦333及伺服器日誌334，其中該伺服器日誌334為紀錄該客戶端權重資料331、該影音評分結果332及該影音排序推薦333被存取的紀錄；第二資料交換傳遞模組350，係提供客戶端裝置400讀取該影音評分結果332、該影音排序推薦333。

於一實施例中，評分與加權分析計算伺服器300未建立個人化關係因子權重表331，且使用者第一次完成影音評分時，該權重分配計算模組320所利用之該關係因子差異加權分析演算法，係先計算該客戶端評分資料221及該影音詮釋資料141之間的各該複數個機構之分數差，根據該分數差之絕對值大小給定各該複數個機構之差異程度配分，以根據各該複數個機構之該差異程度配分計算出對應該客戶端評分資料221之各該複數個機構之該差異權重，並將該複數個機構所對應之該差異權重依據該關係因子之種類而輸出一個人化關係因子權重表331。

於一實施例中，評分與加權分析計算伺服器300已建立個人化關係因子權重表331，且使用者再次完成影音評分時，該權重分配計算模組320利用該關係因子差異加權分析演算法計算取得新的該複數個機構所對應之該差異權重，並將該複數個機構所對應之該差異權重輸出更新至該個人化關係因子權重表331，以產生新的個人化關係因子權重表331。

於一實施例中，評分與加權分析計算伺服器300已建立個人化關係因子權重表331，且使用者未觀賞影音及未針對該未觀賞影音評分時，該未觀賞影音為新影音或舊影音任一，該加權評分計算模組340在該詮釋資料蒐集伺服器100產生新的影音詮釋資料141時，係根據該個人化關係因子權重表331及該新的影音詮釋資料141作評分計算，以產生新的影音評分結果332。

於一實施例中，上述儲存單元140、220、330可為硬碟、軟碟、隨身碟或光碟等，但本發明並不以此為限。

請參閱第5、6圖所示，係關於本發明一種個人化影音資料評分綜合加權資訊之方法，係可為第5圖之一種個人化影音資料評分綜合加權方法S100，或由第5圖所示之個人化影音資料評分綜合加權方法S100及第6圖之影音評分運算之方法S200所組成。

具體而言，一種個人化影音資料評分綜合加權方法S100包括：

(S110)：取得使用者針對一影音之影音評分資料，其中由客戶端裝置400中的輸入單元401接收使用者針對一影音之影音評分資料。

(S111)：區分該影音評分資訊之影音的類型，其中由客戶端評分模組402區分該使用者所針對之該影音的類型為隨選影音或電視頻道影音。

(S121)：隨選(VOD)影音評分，其中當該影音的類型為隨選影音時，由隨選影音評分模組403處理該影音評分資料。

(S122)：電視頻道影音評分，其中當該影音的類型為電視頻道影音時，由電視頻道影音評分模組404處理該影音評分資料。

(S130)：是否評分，其中隨選(VOD)影音評分單元412判斷使用者是否有進行隨選(VOD)影音評分。若有評分，則進至步驟S142，若無評分，則進至步驟S141。

(S141)：由訂閱之影音，令其給為中立分數(其他機構之平均)。亦即，隨選(VOD)影音評分模組403判斷使用者是否對該影音有輸入該影音評分資料，若無，該隨選影音評分模組403係以該複數個機構對該影音之該評分資料之平均值作為該使用者針對該影音之該影音評分資料。

(S142)：無論訂閱與否，皆可在介紹頁、播放時各階段進行評分。

(S143)：對應該頻道節目表，在影音播放之各個時間點進行評分，其中係由電視頻道影音評分模組404處理將該使用者針對該影音所輸入之該影音評分資料之時間點對應至頻道節目表或電影播放之時間區間，以將所對應之頻道節目或電影作為該影音之該影音評分資料。

(S150)：由給出之評分進行關係因子差異加權分析計算，其中評分與加權分析計算伺服器300向客戶端評分紀錄整合伺服器200讀取客戶端評分資料221及向詮釋資料蒐集伺服器100讀取由複數個機構對該影音評分的影音詮釋資料141，並由權重分配計算模組320將讀取到的影音詮釋資料141與該客戶端評分資料221進行關係因子差異加權分析計算，以取得該複數個機構所對應之差異權重。

(S160)：輸出一個人化關係因子權重表，其中權重分配計算模組320將該複數個機構所對應之該差異權重依據該關係因子之種類而輸出為一個人化關係因子權重表331並儲存在儲存單元330內。

上述(S150)步驟中，該關係因子之種類係為該影音的類型、分級、導演、演員、語系、年份及發行地之一者或其組合。

上述(S160)步驟中，更包括取得新的該複數個機構所對應之該差異權重時，更新該個人化關係因子權重表331之步驟。

此外，上述一種個人化影音資料評分綜合加權方法S100，於一新影音上架或頻道影音首播時進一步進行影音評分運算之方法S200，包括以下步驟：

(S210)當新影音上架或頻道影音首播。

(S220)擷取新影音之詮釋資料，其中加權評分計算模組340藉由影音詮釋資料存取介面360向儲存單元存取介面150讀取新影音或頻道影音首播之影音詮釋資料141。

(S230)取出個人化關係因子權重，其中加權評分計算模組340向儲存單元330取出個人化關係因子權重表331。

(S240)根據影音詮釋資料之各機構評分計算個人化加權分數，其中加權評分計算模組340將該個人化關係因子權重表331與該影音詮釋資料141進行評分計算，以取得該影音評分結果332。

(S250)產生影音排序推薦，其中加權評分計算模組340依據該影音評分結果332進行排序，以產生該影音之影音排序推薦333。

(S260)顯示影音評分結果及影音排序推薦，其中客戶端顯示模組402向評分與加權分析計算伺服器讀取影音評分結果332及影音排序推薦333，並顯示於客戶端顯示模組402中的隨選影音之服務區或電視頻道影音之資訊頁中。

上述方法S200進一步包含針對使用者未觀賞及未評分的舊有影音執行評分計算及產生影音排序推薦，即方法S200中的新影音處理步驟改為針對舊影音處理步驟。

在本發明一種個人化影音資料評分綜合加權資訊之方法之另一實施例中，當評分與加權分析計算伺服器300已建立個人化關係因子權重表331，且使用者再次完成影音評分時，執行步驟S150、S160、S200計算出個人化關係因子權重表331、影音評分結果332及影音排序推薦333。

例如，此次使用者對一部影音給予8.7的影音評分資料，而該已建立個人化關係因子權重表331係由使用者於先前進行9次的影音評分並透過步驟S150~S160計算取得，該已建立個人化關係因子權重表331如下表1所示。

甲、乙、丙以及丁係為差異比較之評分機構，a、b、c、d及e係為關係因子種類。

首先，依據此次使用者的影音評分資料進行步驟S150中的關係因子差異加權分析演算法計算，該演算法中的符號及變數代表意義如下所述：

GR^K,n是機構的數量。

接著，計算使用者本次評分與該影音在各機構之分數差(Difference，D _u)之絕對值。

D_u(M,O)=｜R_u(M)-R_o(M)｜,m是R_u(M)的數量

評分與加權分析計算伺服器300的影音詮釋資料存取介面360向詮釋資料蒐集伺服器100中的儲存單元存取介面150讀取本次使用者評分之影音於各機構之評分的影音詮釋資料141，該影音詮釋資料如下所示：R _甲(a,b,d)=8.5、R _乙(a,b,d)=9.0、R _丙(a,b,d)=8.3、R _丁(a,b,d)=8.2

故各機構與本次使用者評分之分數差為：D _u(M，甲)=0.2、D _u(M，乙)=0.3、D _u(M，丙)=0.4、D _u(M，丁)=0.5

再根據上述分數差之絕對值大小，給定其差異程度之配分：則每個機構之差異程度配分如下：P _甲(D _u)=7、P _乙(D _u)=7、P _丙(D _u)=5、P _丁(D _u)=5並由配分分別算出該影音於本次評分於各機構之差異權重則每個機構之差異權重如下：

最後，根據使用者於各關係因子(類型)之影音評分計算出各機構之最終綜合權重：其中，可依需求設定threshold以使用者評分次數之門檻值。

加入本次評分後，新產生之個人化關係因子權重表331如下表2：

以上述個人化關係因子權重表331中的W_甲(a)=0.254 之計算說明如下：

其中0.25係為表1中W_甲(a)之值，9為表1中個人化關係因子權重表331先前已計算之次數，係為上述W _甲(M)之差異權重，10為加入本次評分後的總計算次數。

若系統未建立差異權重表時，則由上述差異權重W _甲(M)、W _乙(M)、W _丙(M)、W _丁(M)依據關係因子建立出個人化關係因子權重表331。

以上述計算方法所分析之結果，取得對應各機構的個人化關係因子權重表331後，未來當影音新上架或頻道影音首播時，執行S200方法，加權評分計算模組340藉由影音詮釋資料存取介面360向詮釋資料蒐集伺服器100中的儲存單元存取介面150讀取對應新影音或頻道影音首播時的影音詮釋資料141，加權評分計算模組340將所讀取到的影音詮釋資料141與上述表2中的個人化關係因子權重表331進行評分計算，評分計算如下所示：

新影音上架或頻道影音首播之個人化加權評分生成過程，若有一片(該片分類為 a , c , e 類型)於四機構評分取得的影音詮釋資料141如下： R _甲(a,c,e)=6.5、R _乙(a,c,e)=7.6、R _丙(a,c,e)=8.2、R _丁(a,c,e)=8.0

則依據各影音所含關係因子之機構權重做計算新影音評分結果R_new(a,c,e)為：

最後，各新上架或頻道首播影音皆會有一評分為新計算出來之R _new(M)，並由加權評分計算模組340將此新影音評分結果進行排序，此一排序即為依據每個使用者個人之於各機構與其關係因子所加權產生出的影音排序推薦333結果。

由上述可得知，本發明由複數個機構對該影音之評分資料所整合之影音詮釋資料及個人化關係因子權重表進行評分計算，可得到對每部影音之個人化的影音評分結果，並將該影音評分結果進行排序，以產生個人化的影音排序推薦，因此，本發明解決了使用者往往只能透過單一機構之評分來做選擇參考的問題，更可藉此呈現出自身與不同評分機構口味與類型之差異，進而取得最佳之排序推薦。

上述實施例係用以例示性說明本發明之原理及其功效，而非用於限制本發明。任何熟習此項技藝之人士均可在不違背本發明之精神及範疇下，對上述實施例進行修改。因此本發明之權利保護範圍，應如後述之申請專利範圍所列。

Claims

一種個人化影音資料評分綜合加權資訊之系統，係包括：客戶端裝置，包含一客戶端評分模組及一客戶端顯示模組，該客戶端評分模組用以接收一使用者針對一影音之影音評分資料；客戶端評分紀錄整合伺服器，係用以接收該客戶端裝置之該影音評分資料，以將該使用者的資料及該影音評分資料整合成客戶端評分資料；詮釋資料蒐集伺服器，係用以連接複數個機構以取得該複數個機構對於該影音之評分資料，以將該影音之評分資料整合成影音詮釋資料；以及評分與加權分析計算伺服器，係用以接收該客戶端評分資料及該影音詮釋資料，以透過一對應有關係因子之種類之關係因子差異加權分析演算法計算取得對應該影音之影音評分結果與影音排序推薦，俾提供該客戶端顯示模組讀取該影音評分結果與影音排序推薦以顯示該影音評分結果與影音排序推薦。
如申請專利範圍第1項所述之系統，其中，該評分與加權分析計算伺服器更包括：權重分配計算模組，係利用該關係因子差異加權分析演算法計算取得該複數個機構所對應之差異權重，以將該複數個機構所對應之該差異權重依據該關係因子之種類而輸出一個人化關係因子權重表；以及加權評分計算模組，係用以將該個人化關係因子權重與該影音詮釋資料進行評分計算，以取得該影音評分結果，再將該影音評分結果進行排序，俾產生該影音排序推薦。
如申請專利範圍第2項所述之系統，其中，該客戶端評分模組更用以區分該使用者所針對之該影音的類型為隨選影音或電視頻道影音，且該客戶端裝置更包括：輸入單元，包含用以接收該影音評分資料，以將該影音評分資料傳送至該客戶端評分模組；隨選影音評分模組，當該影音的類型為隨選影音時，判斷該使用者是否對該影音有輸入該影音評分資料，若無，該隨選影音評分模組係以該複數個機構對該影音之該評分資料之平均值作為該使用者針對該影音之該影音評分資料；電視頻道影音評分模組，當該影音的類型為電視頻道影音時，將該使用者針對該影音所輸入之該影音評分資料之時間點對應至頻道節目表或電影播放之時間區間，以將所對應之頻道節目或電影作為該影音之該影音評分資料；以及資料交換傳遞介面，用以存取該影音評分資料、該影音評分結果及該影音排序推薦。
如申請專利範圍第2項所述之系統，其中，該權重分配計算模組用以在取得新的該複數個機構所對應之該差異權重時，更新該個人化關係因子權重表。
如申請專利範圍第2項所述之系統，其中，該權重分配計算模組所利用之該關係因子差異加權分析演算法，係先計算該客戶端評分資料及該影音詮釋資料之間的各該複數個機構之分數差，根據該分數差之絕對值給定各該複數個機構之差異程度配分，以根據各該複數個機構之該差異程度配分計算出對應該客戶端評分資料之各該複數個機構之該差異權重。
如申請專利範圍第2項所述之系統，其中，該加權評分計算模組在該詮釋資料蒐集伺服器產生新的影音詮釋資料時，係根據該個人化關係因子權重表及該新的影音詮釋資料作評分計算，以產生新的影音評分結果。
一種個人化影音資料評分綜合加權資訊之方法，包括：取得一使用者針對一影音之影音評分資料，以將該使用者的資料及該影音評分資料整合成客戶端評分資料；將該客戶端評分資料與一由複數個機構對該影音之評分資料所整合之影音詮釋資料透過一對應有關係因子之種類之關係因子差異加權分析演算法計算取得該複數個機構所對應之差異權重；以及將該複數個機構所對應之該差異權重依據該關係因子之種類而輸出為一個人化關係因子權重表。
如申請專利範圍第7項所述之方法，更包括取得新的該複數個機構所對應之該差異權重時，更新該個人化關係因子權重表之步驟。
如申請專利範圍第7項所述之方法，其中，該關係因子差異加權分析演算法更包括下列計算步驟：計算該客戶端評分資料及該影音詮釋資料之間的各該複數個機構之分數差；根據該分數差之絕對值給定各該複數個機構之差異程度配分；以及根據各該複數個機構之該差異程度配分計算出對應該客戶端評分資料之各該複數個機構之差異權重。
如申請專利範圍第7項所述之方法，其中，在取得該個人化關係因子權重表之後，更包括下列步驟：將該個人化關係因子權重表及該影音詮釋資料進行評分計算，以產生影音評分結果；以及依據該影音評分結果進行排序，以產生該影音之影音排序推薦。