WO2014180224A1 - 一种业务推荐方法及装置 - Google Patents

一种业务推荐方法及装置 Download PDF

Info

Publication number
WO2014180224A1
WO2014180224A1 PCT/CN2014/075374 CN2014075374W WO2014180224A1 WO 2014180224 A1 WO2014180224 A1 WO 2014180224A1 CN 2014075374 W CN2014075374 W CN 2014075374W WO 2014180224 A1 WO2014180224 A1 WO 2014180224A1
Authority
WO
WIPO (PCT)
Prior art keywords
program
programs
cluster
preference
historical
Prior art date
Application number
PCT/CN2014/075374
Other languages
English (en)
French (fr)
Inventor
文韬
Original Assignee
中兴通讯股份有限公司
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 中兴通讯股份有限公司 filed Critical 中兴通讯股份有限公司
Publication of WO2014180224A1 publication Critical patent/WO2014180224A1/zh

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/654—Transmission by server directed to the client
    • H04N21/6543—Transmission by server directed to the client for forcing some client operations, e.g. recording

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种业务推荐方法及装置，涉及交互式网络电视领域。方法包括：获取用户端近期在当前时段播放过的历史节目；从该历史节目所在的节目聚簇中选出推荐节目，并向用户端推送该推荐节目的信息；其中，节目聚簇是利用节目的静态特征将已有节目进行划分得到的；和/或向用户端推送广告；其中，所述广告至少与该历史节目所在的节目聚簇中的一个节目具有关联性。本发明的方案所推荐的广告和节目能够与用户端播放的节目具有关联性和相似性，因此更加合理；进一步地，节目聚簇设置让查找待推荐的广告和节目更具有目的性，因此提高了推荐速度。

Description

一种业务推荐方法及装置 技术领域 本发明涉及交互式网络电视领域， 特别是一种业务推荐方法及装置。 背景技术 近年来， 国际国内 IPTV商用规模不断扩大， 影响力也不断提高。 同时， 随着人 们对数字化、网络化、流媒体化娱乐媒体认知度的提高和需求品质的上升。伴随着 IPTV 业务的快速发展， "信息过载"和 "信息迷航"现象也逐渐突出。 用户往往纠结在大量 节目中如何找到真正符合自己兴趣爱好的节目， 因此推荐系统的作用日益凸显。 传统 的推荐系统往往采用 "硬"关联方式， 向当前用户提供的推荐结果一般基于其他用户 对资源的平均评价， 或者基于访问排行， 或者基于编辑推荐。 这种推荐技术独立于各 个用户， 每个用户得到的推荐都是相同的， 没有充分挖掘用户的个性化特征， 推荐结 果比较狭窄； 此外， 广告业务的推荐也未在互联网电视这样的平台做到精确投放。 发明内容 本发明实施例要解决的技术问题提供一种业务推荐方法， 能够优化 IPTV的推荐 速度和精确度。 为解决上述技术问题， 本发明的实施例提供一种业务推荐方法， 包括： 获取用户端近期在当前时段播放过的历史节目； 从该历史节目所在的节目聚簇中选出推荐节目， 并向所述用户端推送该推荐节目 的信息； 其中， 所述节目聚簇是利用节目的静态特征将已有节目进行划分得到的； 和 /或向用户端推送广告； 其中， 所述广告至少与该历史节目所在的节目聚簇中的 一个节目具有关联性。 其中， 所述节目聚簇是通过下述步骤得到的： 从已有节目中随机选取 K个节目对应作为 K类节目聚簇的中心节目； 利用节目的静态特征计算出剩下的节目与该 K个中心节目的度量值; 将剩下的节目划分至对应度量值最小的节目聚簇中； 重新计算各节目聚簇的中心节目； 其中， 所述中心节目为其与所在节目聚簇中所 有节目的度量值之和最小的节目； 若每个节目聚簇的中心节目在重新计算后均未发生改变， 则划分结束； 否则根据 重新得到的 K个中心节目将其余节目重新划分至节目聚簇中， 直至每个节目聚簇的中 心节目在下次计算后均未发生改变。
其中， 节目之间的度量值 d( Y) =-∑= i 0(Xi;YI); X、 Y分别表示节目； ζ表示节目的静态特征的类别集合； i表示节目的静态特征 类别， 3(Xi, ¾T) 表示节目 X的 i类静态特征与节目 Y的 i类静态特征进行比较， 当 =Yi时， { i,
Figure imgf000003_0001
c 其中， 从所述历史节目所在的节目聚簇中选出推荐节目包括： 确定所述用户端在不同时段播放不同节目的偏好评分； 根据所述偏好评分计算每个节目聚簇中的各节目之间的偏好相似度； 其中， 只有 属于同一节目聚簇且同一时段播放的节目之间存在偏好相似度； 若所述历史节目与其它节目之间存在偏好相似度， 则在该历史节目所在的节目聚 簇中选取一个或多个能够与其存在偏好相似度的节目作为评分基准， 并对该历史节目 所在节目聚簇剩下的且用户端未播放的节目进行预测评分； 将所述预测评分最高的一个或多个节目作为推荐节目。 其中， 确定所述用户端在各个时段播放不同节目的偏好评分包括： 根据所述用户端的历史话单确定出所述用户端在不同时段播放的所有节目， 并根 据所述客户端播放节目的时间占该节目总时长的权重计算出所述用户端播放节目的偏 好评分 W(ut,p*); 其中， u表示用户端， t表示时段， p*表示节目； 其中， 根据所述偏好评分计算每个节目聚簇中的各节目之间的偏好相似度的步骤 包括：
根据公式
Figure imgf000004_0001
节目之间的偏好相似度； 其中， p和 q表示属于同一节目聚簇且同一时段播放的两个不同节目； f表示所有
其中， 在所述历史节目所在的节目聚簇中选取一个或多个能够与其存在偏好相似 度的节目作为评分基准， 并对该历史节目所在节目聚簇剩下的且用户端未播放的节目 进行预测评分包括： 在该历史节目所在的节目聚簇中选取 N个能够与其存在偏好相似度的节目作为评 分基准；
根据公式 Estimate 1 ut, b ) = 目聚簇剩下的且
Figure imgf000004_0002
用户端未播放的节目进行预测评分； 其中， N为正整数且 1， 为其中一个与该历史节目存在偏好相似度的节目。 其中， 向所述用户端推送广告包括： 若所述历史节目与其它节目之间存在偏好相似度， 则使所述用户端推荐与该其它 节目相关联的广告。 本发明的实施例还提供一种业务推荐装置， 包括： 获取模块， 设置为获取所述用户端近期在当前时段播放过的历史节目； 节目推荐模块， 设置为从该历史节目所在的节目聚簇中选出推荐节目， 并向所述 用户端推送该推荐节目的信息； 其中， 所述节目聚簇是利用节目的静态特征将已有节 目进行划分得到的； 和 /或广告体检模块， 设置为向用户端推送广告； 其中， 所述广告至少与该历史节 目所在的节目聚簇中的一个节目具有关联性。 其中， 所述节目聚簇是通过下述装置得到的： 选取子模块，设置为从已有节目中随机选取 K个节目对应作为 K类节目聚簇的中 心节目； 计算子模块， 设置为利用节目的静态特征计算出剩下的节目与该 K个中心节目的 度量值； 划分子模块， 将剩下的节目划分至对应度量值最小的节目聚簇中； 重选取子模块， 设置为重新计算各节目聚簇的中心节目； 其中， 所述中心节目为 其与所在节目聚簇中所有节目的度量值之和最小的节目； 重划分子模块， 设置为若每个节目聚簇的中心节目在重新计算后均未发生改变， 则划分结束； 否则根据重新得到的 κ个中心节目将其余节目重新划分至节目聚簇中， 直至每个节目聚簇的中心节目在下次计算后均未发生改变。 其中， 所述节目推荐模块包括： 评分子模块， 设置为确定所述用户端在不同时段播放不同节目的偏好评分； 相似度计算子模块， 设置为根据所述偏好评分计算每个节目聚簇中的各节目之间 的偏好相似度； 其中， 只有属于同一节目聚簇且同一时段播放的节目之间存在偏好相 似度； 预测评分子模块， 设置为若所述历史节目与其它节目之间存在偏好相似度， 则在 该历史节目所在的节目聚簇中选取一个或多个能够与其存在偏好相似度的节目作为评 分基准， 并对其所在节目聚簇剩下的且用户端未播放的节目进行预测评分； 节目推荐子模块， 设置为将所述预测评分最高的一个或多个节目作为用户端的推 荐节目。 其中， 所述评分子模块设置为: 根据所述用户端的历史话单确定出所述用户端在不同时段播放的所有节目， 并根 据所述客户端播放节目的时间占该节目总时长的权重计算出所述用户端播放节目的偏 好评分 W(ut,p*); 其中， u表示用户端， t表示时段， p*表示节目； 其中， 所述相似度计算子模块设置为:
根据公式 计算每个节目聚簇中的各
Figure imgf000006_0001
节目之间的偏好相似度； 其中， p和 q表示属于同一节目聚簇且同一时段播放的两个不同节目； f表示所有 ：: SL ^ ' t .p ―一 Ht
时段的集合； = 其中， 所述预测评分子模块设置为： 选取单元， 设置为在所述历史节目所在的节目聚簇中选取 N个能够与其存在偏好 相似度的节目作为评分基准；
预测评分单元， 设置为根据公式 Estimate i utsb ) = ;:— d 对 该节目聚簇剩下的且用户端未播放的节目进行预测评分； 其中， Ν为正整数且 1， 为其中一个与所述历史节目存在偏好相似度的节目。 其中， 所述广告推荐模块设置为： 若该历史节目与其它节目之间存在偏好相似度， 则使所述用户端推荐与该其它节 目相关联的广告。 本发明实施例的上述方案具有如下有益效果： 本发明实施例的方案根据用户端近期在当前时段内播放的节目， 在对应的节目聚 簇中为用户端挑选出推荐节目以及广告，由于节目聚簇中是根据静态特征进行划分的， 因此本方法所推荐的广告和节目能够与用户端播放的节目具有关联性和相似性， 推荐 质量更好也更易被认可； 进一步地， 节目聚簇设置让查找待推荐的广告和节目更具有 目的性， 因此提高了推荐速度。 附图说明 图 1为本发明实施例中业务推荐方法的步骤示意图； 图 2为实施本发明实施例中业务推荐方法的示意图； 图 3为本发明实施例中业务推荐装置的结构示意图。 具体实施方式 为使本发明要解决的技术问题、 技术方案和优点更加清楚， 下面将结合附图及具 体实施例进行详细描述。 如图 1所示， 一种业务推荐方法， 包括： 步骤 11， 获取用户端近期在当前时段播放过的历史节目； 步骤 12， 从该历史节目所在的节目聚簇中选出推荐节目， 并向用户端推送该推荐 节目的信息； 其中， 节目聚簇是利用节目的静态特征将已有节目进行划分得到的； 步骤 13， 和 /或向用户端推送广告； 其中， 所述广告至少与该历史节目所在的节目 聚簇中的一个节目具有关联性。 本方法根据用户端近期在当前时段内播放的节目， 在对应的节目聚簇中为用户端 挑选出推荐节目以及广告， 由于节目聚簇中是根据静态特征进行划分的， 因此本方法 所推荐的广告和节目能够与用户端播放的节目具有关联性和相似性， 推荐质量更好也 更易被认可； 进一步地， 节目聚簇设置让查找待推荐的广告和节目更具有目的性， 因 此提高了推荐速度。 优选地， 在本发明的上述实施例中， 所述节目聚簇是通过下述步骤得到的： 步骤 A， 从已有节目中随机选取 K个节目对应作为 K类节目聚簇的中心节目； 步骤 B， 利用节目的静态特征计算出剩下的节目与该 K个中心节目的度量值； 步骤 C， 将剩下的节目划分至对应度量值最小的节目聚簇中； 步骤 D， 重新计算各节目聚簇的中心节目； 其中， 中心节目为其与所在节目聚簇 中所有节目的度量值之和最小的节目； 步骤 E， 若每个节目聚簇的中心节目在重新计算后均未发生改变， 则划分结束； 否则根据重新得到的 K个中心节目将其余节目重新划分至节目聚簇中， 直至每个节目 聚簇的中心节目在下次计算后均未发生改变。 下面对节目聚簇的划分原理进行详细介绍： 假设需要将所有节目划分成 K类节目聚簇， 那么首先随便选出 K个节目作为 K 个不同的节目聚簇， 这 κ个节目都可看作是各自节目聚簇的参考， 即本文所述中心节 目。 之后根据静态特征计算出剩下的节目与该 κ个中心节目的度量值， 静态特征可以 包括有节目的主题、 导演、 演员、 主持人、 类型、 地区、 年代等， 两个节目的静态特 征相同的越多则说明这两个节目相似度越高且度量值越小。 在计算完成后， 将剩下的 每个节目放入与其最相似的中心节目所在的节目聚簇中。 由于第一次划分并不准确， 所以重新计算每个节目聚簇的中心节目， 即对每个节目聚簇中的各个节目之间都要计 算一遍度量值， 并根据度量值挑选一个节目聚簇的中心节目， 其中， 一个节目聚簇的 中心节目应与该节目聚簇中的其余节目的度量值之和最小。 之后以新的中心节目为参 考， 再次进行划分， 直到所有节目聚簇的中心节目不再发生变化为止。 综上所述， 本 实施例在初步划分完成之后， 每进行一次重新划分都可以看成是对所有节目聚簇进行 一次修正。 优选地， 本发明实施例还提供一种度量值机计算方法， 即
节目之间的度量值 d(X, Y) = I^= t d ^ t Yi) - 其中， X、 Y分别表示节目； z表示节目的静态特征的类别集合； i表示节目的静 态特征类别， 3(Xi,Yi) 表示节目 X的 i类静态特征与节目 γ的 i类静态特征进行比 较， 当 xi=Yi时, (Xi,
Figure imgf000008_0001
c 需要说明的是， 上述度量值的计算方法并不唯一， 凡是以静态特征来反映出两个 节目之间相似程度的方法都应属于本发明实施例的保护范围。 此外， 在本发明的上述实施例中， 步骤 12包括： 步骤 121， 确定用户端在不同时段播放不同节目的偏好评分； 步骤 122， 根据偏好评分计算每个节目聚簇中的各节目之间的偏好相似度； 其中， 只有属于同一节目聚簇且同一时段播放的节目之间存在偏好相似度； 步骤 123， 若该历史节目与其它节目之间存在偏好相似度， 则在该历史节目所在 的节目聚簇中选取一个或多个能够与其存在偏好相似度的节目作为评分基准， 并对其 所在节目聚簇剩下的且用户端未播放的节目进行预测评分； 将预测评分最高的一个或多个节目作为用户端的推荐节目。 本实施例引入评分机制， 同过存在偏好评分的节目 （即已经观看过的节目） 对没 有观看过的节目进行预测评分， 并根据预测评分的结果择优选出推荐节目， 因此具有 极高的推荐质量； 此外， 由于本实施例的推荐节目在时间上具有关联性 （即同一时段 播放的节目之间才可能存在偏好相似度），且家庭成员观看节目的作息时间普遍具有规 律性， 因此本实施还成功解决了 "到底是谁在掌握遥控器" 的问题。 优选地， 在本发明的上述实施例中， 步骤 121包括： 根据用户端的历史话单确定出用户端在各个时段内所播放的节目， 并根据客户端 播放节目的时间占该节目总时长的权重计算出用户端播放节目的偏好评分 W(ut,p*); 其中， u表示用户端， t表示时段， p*表示节目； 优选地， 在本发明的上述实施例中， 步骤 122包括：
根据公式 目聚簇中的各
Figure imgf000009_0001
节目之间的偏好相似度; 其中， p和 q表示属于同一节目聚簇且同一时段播放的两个不同节目； f表示所有
∑!_., w ∑ _., w
时段的集合； q = 本实施例计算偏好相似度的公式是由 pearson 相关系数计算公式演变而来的, Pearson相关系数用来衡量两个数据的线性关系， 即可以反映出两个数据的关联性。 优选地， 在本发明的上述实施例中， 步骤 123包括: 步骤 1231，在该历史节目所对应的节目聚簇中选取 N个能够与其存在偏好相似度 的节目作为评分基准；
步骤 1232，根据公式 Estimate i ot,b ) = —： ^ .. 对该节目聚簇 剩下的且用户端未播放的节目进行预测评分； 其中， Ν为正整数且 1， 为其中一个与该历史节目存在偏好相似度的节目。 此外， 为进一步保证广告推送的精确度， 步骤 13包括： 若该历史节目与其它节目之间存在偏好相似度， 则使用户端推荐与该其它节目相 关联的广告。 如图 2所示， 下面对上述业务推荐方法的具体实施进行介绍：
〈一〉节目的偏好评分的积累过程以及节目聚簇的划分 假设本方法的实施主体为后台服务器， 在 IPTV系统中， 用户通过遥控器控制机 顶盒 （对应于本文的用户端） 观看节目， 机顶盒会将相应请求发送后台服务器， 后台 服务器根据请求向机顶盒发送节目数据， 并生成此次机顶盒播发该节目的历史话单， 通过历史话单隐式计算并记录该节目的偏好评分， 通过时间的推进， 从而形成针对该 机顶盒播放节目的偏好评分积累。 其中， 偏好评分可看成是 <用户端 -时段 -节目 >的三 维度立方体 Cube(u,t,p)。 Cubeu,t,p表示用户端 u在时段 t观看了节目 p给予的偏好评 分 （本实施例的用户端即为机顶盒）。 为进行简化， 将立方体 Cube (u,t,p)降维得到 W(ut,p)， 并在后续的分析过程中不断进行更新。 优选地， 如果用户端 u在相应时间段 t内累积播放该节目 p的时间不超过节目时长的 1/5则打 0分， [1/5,2/5)打 1分， [2/5,3/5 ) 打 2分， [3/5,4/5 )打 3分， [4/5,1 )打 4分， 累积观看超过节目时长打 5分。 举例来说， 若用户端 u 播放一个完整的节目 P 横贯了时段 ^和 t2， 则记录的偏好评分数据为 W(ut!,p)=5, W(ut2,p)=5。 对于时间段 t的可以灵活地进行划分， 如将周一到周五每天 17:00-23:00， 以及周六周日每天 8:00-24:00划分成以 30分钟为单位的各个时段。 除此之外， 后台服务器将本地节目库中保存的所有节目划分成各个节目聚簇， 其 具体方法已在上文中进行了详细描述， 在此不再赘述； 之后可根据公式 目聚簇中的各节目之间的偏
Figure imgf000011_0001
好相似度， 得到各个节目聚簇所对应的偏好相似度的集合 SIM , SIM2， . . . SIMKO
<二>业务的推荐过程 首先用户通过遥控器向机顶盒发出想要得到推荐节目的命令； 机顶盒在收到命令 后请求后台服务器， 后台服务器根据请求时段和机顶盒信息获取机顶盒在此时段最近 5次的点播节目 pl,p2,p3,p4,p5， 依次定位到各自对应的偏好相似度集合 Simj (j G K)， 在 Simj中找到与节目 pi具有偏好相似度最高的 10个节目 ql,q2,... ,ql0作为评分基准。 利用评分基准对节目聚类中机顶盒尚未点播过的节目 b进行 Estimate预测评分， 优选 的， 节目 b可以是机顶盒在请求时段从未播放的节目。 并将预测评分最高的 3个节目 的 信 息 加 入 " 推 荐 列 表 " RecommandList 。 预 测 评 分 计 算 公 式
为： Estimate ( lit, b ) = 了 .？ ； 之后根据预测评分的大小对
RecommandList中的 15个推荐节目进行排序， 并推送至机顶盒， 机顶盒将推荐节目的 信息呈现至用户。 此外， 后台服务器将 ql,q2,... ,ql0的主演加入集合 ActorSet中；在 ActorSet构造 完毕后， 从其中任意随机抽取一名主演， 挑选该主演最近代言的广告， 并在广告时间 主动将主演最近代言的广告推送至机顶盒， 使机顶盒将后台服务器推送的广告呈现至 用户。 综上所述本发明实施例的方法解决了 IPTV节目个性化推荐中重要问题 "谁在掌 握遥控器"， 并且优化了推荐系统的反应速度和精确度， 可以有效提升 IPTV系统的用 户体验， 挖掘长尾效应； 此外， 能够充分利用用户对节目的爱好， 推荐其喜好的演员 所代言的广告， 提高了广告的推送精度。 如图 3所示， 本发明实施例还提供一种业务推荐装置， 包括： 获取模块， 设置为获取用户端近期在当前时段播放过的历史节目； 节目推荐模块， 设置为从该历史节目所在的节目聚簇中选出推荐节目， 并向用户 端推送该推荐节目的信息； 其中， 节目聚簇是利用节目的静态特征将已有节目进行划 分得到的； 和 /或广告体检模块， 设置为向用户端推送广告； 其中， 所述广告至少与该历史节 目所在的节目聚簇中的一个节目具有关联性。 其中， 所述节目聚簇是通过下述装置得到的： 选取子模块，设置为从已有节目中随机选取 K个节目对应作为 K类节目聚簇的中 心节目； 计算子模块， 设置为利用节目的静态特征计算出剩下的节目与该 K个中心节目的 度量值； 划分子模块， 将剩下的节目划分至对应度量值最小的节目聚簇中； 重选取子模块， 设置为重新计算各节目聚簇的中心节目； 其中， 中心节目为其与 所在节目聚簇中所有节目的度量值之和最小的节目； 重划分子模块， 设置为若每个节目聚簇的中心节目在重新计算后均未发生改变， 则划分结束； 否则根据重新得到的 κ个中心节目将其余节目重新划分至节目聚簇中， 直至每个节目聚簇的中心节目在下次计算后均未发生改变。 其中， 所述节目推荐模块包括： 评分子模块， 设置为确定用户端在不同时段播放不同节目的偏好评分； 相似度计算子模块， 设置为根据偏好评分计算每个节目聚簇中的各节目之间的偏 好相似度；其中，只有属于同一节目聚簇且同一时段播放的节目之间存在偏好相似度； 预测评分子模块， 设置为若该历史节目与其它节目之间存在偏好相似度， 则在该 历史节目所在的节目聚簇中选取一个或多个能够与其存在偏好相似度的节目作为评分 基准， 并对其所在节目聚簇剩下的且用户端未播放的节目进行预测评分； 节目推荐子模块， 设置为将预测评分最高的一个或多个节目作为用户端的推荐节 目。 其中， 所述评分子模块设置为： 根据用户端的历史话单确定出用户端在不同时段播放的所有节目， 并根据客户端 播放节目的时间占该节目总时长的权重计算出用户端播放节目的偏好评分 W(ut,p*); 其中， u表示用户端， t表示时段， p*表示节目； 其中， 所述相似度计算子模块设置为:
根据公式 目聚簇中的各
Figure imgf000013_0001
节目之间的偏好相似度； 其中， p和 q表示属于同一节目聚簇且同一时段播放的两个不同节目； f表示所有 时段隨合; = ， ^ 。 其中， 所述预测评分子模块设置为： 选取单元， 设置为在该历史节目所在的节目聚簇中选取 N个能够与其存在偏好相 似度的节目作为评分基准；
预测评分单元， 设置为根据公式 Estimate = ' ， 对 该节目聚簇剩下的且用户端未播放的节目进行预测评分； 其中， N为正整数且 1， 为其中一个与该历史节目存在偏好相似度的节目。 其中， 所述广告推荐模块设置为： 若该历史节目与其它节目之间存在偏好相似度， 则使用户端推荐与该其它节目相 关联的广告。 显然以上装置与本发明实施例中的业务推荐方法相对应， 该方法能够达到的技术 效果， 本装置同样也能达到。 此外， 以上装置是以功能划分为各种模块进行描述的， 因此， 在实施本发明时可以把各模块的功能在同一个或多个软件和 /或硬件中实现。 以上所述是本发明的优选实施方式， 应当指出， 对于本技术领域的普通技术人员 来说， 在不脱离本发明所述原理的前提下， 还可以作出若干改进和润饰， 这些改进和 润饰也应视为本发明的保护范围。 工业实用性 本发明实施例提供的技术方案可以应用于交互式网络电视领域， 节目聚簇设置让 查找待推荐的广告和节目更具有目的性， 因此提高了推荐速度。

Claims

权 利 要 求 书
1. 一种业务推荐方法， 包括：
获取用户端近期在当前时段播放过的历史节目；
从该历史节目所在的节目聚簇中选出推荐节目， 并向所述用户端推送该推 荐节目的信息； 其中， 所述节目聚簇是利用节目的静态特征将已有节目进行划 分得到的；
和 /或向所述用户端推送广告； 其中， 所述广告至少与所述历史节目所在的 节目聚簇中的一个节目具有关联性。
2. 根据权利要求 1所述的业务推荐方法， 其中， 所述节目聚簇是通过下述步骤得 到的：
从已有节目中随机选取 K个节目对应作为 K类节目聚簇的中心节目； 利用节目的静态特征计算出剩下的节目与该 K个中心节目的度量值； 将剩下的节目划分至对应度量值最小的节目聚簇中；
重新计算各节目聚簇的中心节目； 其中， 所述中心节目为其与所在节目聚 簇中所有节目的度量值之和最小的节目；
若每个节目聚簇的中心节目在重新计算后均未发生改变， 则划分结束； 否 则根据重新得到的 K个中心节目将其余节目重新划分至所述节目聚簇中，直至 每个节目聚簇的中心节目在下次计算后均未发生改变。
3. 根据权利要求 2所述的业务推荐方法， 其中： 节目之间的度量值 d(XfY) = E^^C i.YI) ; 其中， x、 Y分别表示节目； z表示节目的静态特征的类别集合； i表示节 目的静态特征类别， (X Yi) 表示节目 X的 i类静态特征与节目 Y的 i类静
态特征进行比较， 当 xi=Yi时,
Figure imgf000015_0001
4. 根据权利要求 2所述的业务推荐方法， 其中， 从所述历史节目所在的节目聚簇 中选出推荐节目的步骤包括：
确定所述用户端在不同时段播放不同节目的偏好评分；
根据所述偏好评分计算每个节目聚簇中的各节目之间的偏好相似度;其中， 只有属于同一节目聚簇且同一时段播放的节目之间存在偏好相似度；
若所述历史节目与其它节目之间存在偏好相似度， 则在该历史节目所在的 节目聚簇中选取一个或多个能够与其存在偏好相似度的节目作为评分基准， 并 对该历史节目所在节目聚簇剩下的且用户端未播放的节目进行预测评分；
将所述预测评分最高的一个或多个节目作为所述推荐节目。
5. 根据权利要求 4所述的业务推荐方法， 其中， 确定所述用户端在各个时段播放 不同节目的偏好评分的步骤包括：
根据所述用户端的历史话单确定出用户端在不同时段播放的所有节目， 并 根据所述客户端播放节目的时间占该节目总时长的权重计算出用户端播放节目 的所述偏好评分 W(ut,p*); 其中， u表示用户端， t表示时段， p*表示节目。
6. 根据权利要求 5所述的业务推荐方法， 其中， 根据所述偏好评分计算每个节目 聚簇中的各节目之间的偏好相似度的步骤包括： 根据公式 目聚族
Figure imgf000016_0001
中的各节目之间的偏好相似度；
其中， p 和 q表示属于同一节目聚簇且同一时段播放的两个不同节目； f 表示所有时段随合; = 3Λ ， = ¾^ 。
7. 根据权利要求 6所述的业务推荐方法， 其中， 在所述历史节目所在的节目聚簇 中选取一个或多个能够与其存在偏好相似度的节目作为评分基准， 并对该历史 节目所在节目聚簇剩下的且用户端未播放的节目进行预测评分的步骤包括： 在所述历史节目所在的节目聚簇中选取 N个能够与其存在偏好相似度的节 目作为评分基准； 根据公式 Estimate ( t, b ) = ^=^^: ' 对所述节目聚簇 剩下的且用户端未播放的节目进行预测评分；
其中， N为正整数且 1， 为其中一个与所述历史节目存在偏好相似度的 节目。
8. 根据权利要求 4所述的业务推荐方法， 其中， 向所述用户端推送广告的步骤包 括：
若所述历史节目与其它节目之间存在偏好相似度， 则使所述用户端推荐与 该其它节目相关联的广告。
9. 一种业务推荐装置， 包括：
获取模块， 设置为获取用户端近期在当前时段播放过的历史节目； 节目推荐模块， 设置为从该历史节目所在的节目聚簇中选出推荐节目， 并 向所述用户端推送该推荐节目的信息； 其中， 所述节目聚簇是利用节目的静态 特征将已有节目进行划分得到的；
和 /或广告体检模块， 设置为向所述用户端推送广告； 其中， 所述广告至少 与该历史节目所在的节目聚簇中的一个节目具有关联性。
10. 根据权利要求 9所述的业务推荐装置， 其中， 所述节目聚簇是通过下述装置得 到的：
选取子模块，设置为从已有节目中随机选取 κ个节目对应作为 K类节目聚 簇的中心节目；
计算子模块，设置为利用节目的静态特征计算出剩下的节目与该 κ个中心 节目的度量值；
划分子模块， 将剩下的节目划分至对应度量值最小的节目聚簇中； 重选取子模块， 设置为重新计算各节目聚簇的中心节目； 其中， 所述中心 节目为其与所在节目聚簇中所有节目的度量值之和最小的节目；
重划分子模块， 设置为若每个节目聚簇的中心节目在重新计算后均未发生 改变， 则划分结束； 否则根据重新得到的 κ个中心节目将其余节目重新划分至 节目聚簇中， 直至每个节目聚簇的中心节目在下次计算后均未发生改变。
11. 根据权利要求 10所述的业务推荐装置， 其中， 所述节目推荐模块包括： 评分子模块，设置为确定所述用户端在不同时段播放不同节目的偏好评分; 相似度计算子模块， 设置为根据所述偏好评分计算每个节目聚簇中的各节 目之间的偏好相似度； 其中， 只有属于同一节目聚簇且同一时段播放的节目之 间存在偏好相似度；
预测评分子模块，设置为若所述历史节目与其它节目之间存在偏好相似度， 则在该历史节目所在的节目聚簇中选取一个或多个能够与其存在偏好相似度的 节目作为评分基准， 并对该历史节目所在节目聚簇剩下的且用户端未播放的节 目进行预测评分；
节目推荐子模块， 设置为将预测评分最高的一个或多个节目作为用户端的 推荐节目。
12. 根据权利要求 11所述的业务推荐装置， 其中， 所述评分子模块设置为：
根据所述用户端的历史话单确定出所述用户端在不同时段播放的所有节 目， 并根据所述客户端播放节目的时间占该节目总时长的权重计算出所述用户 端播放节目的偏好评分 W(ut,p*); 其中， u表示用户端， t表示时段， p*表示节
13. 根据权利要求 12所述的业务推荐装置， 其中， 所述相似度计算子模块设置为:
根据公式 目聚簇
Figure imgf000018_0001
中的各节目之间的偏好相似度；
其中， p 和 q表示属于同一节目聚簇且同一时段播放的两个不同节目； f
W ― ― ¾ = ί^ΐί:Ε;.^
表示所有时段的集合； := ^=i
14. 根据权利要求 13所述的业务推荐装置， 其中， 所述预测评分子模块设置为： 选取单元，设置为在所述历史节目所在的节目聚簇中选取 N个能够与其存 在偏好相似度的节目作为评分基准； 预 测 评 分 单 元 ， 设 置 为 根 据 公 式
Estimate ( ut?b ) = ^=" ^^ , ^^对该节目聚簇剩下的且用户端 未播放的节目进行预测评分；
其中， N为正整数且 1， q为其中一个与该历史节目存在偏好相似度的节 目。 根据权利要求 11所述的业务推荐装置， 其中， 所述广告推荐模块设置为： 若所述历史节目与其它节目之间存在偏好相似度， 则使所述用户端推荐与 该其它节目相关联的广告。
PCT/CN2014/075374 2013-11-21 2014-04-15 一种业务推荐方法及装置 WO2014180224A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310593827.3A CN104661055A (zh) 2013-11-21 2013-11-21 一种业务推荐方法及装置
CN201310593827.3 2013-11-21

Publications (1)

Publication Number Publication Date
WO2014180224A1 true WO2014180224A1 (zh) 2014-11-13

Family

ID=51866694

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2014/075374 WO2014180224A1 (zh) 2013-11-21 2014-04-15 一种业务推荐方法及装置

Country Status (2)

Country Link
CN (1) CN104661055A (zh)
WO (1) WO2014180224A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105245922A (zh) * 2015-09-30 2016-01-13 北京酷云互动科技有限公司 一种获取品牌与节目的关联度的方法及系统
CN105430504B (zh) * 2015-11-27 2019-04-02 中国科学院深圳先进技术研究院 基于电视观看日志挖掘的家庭成员结构识别方法与系统
CN105677715B (zh) * 2015-12-29 2019-06-18 海信集团有限公司 一种基于多用户的视频推荐方法及装置
CN105681910A (zh) * 2015-12-29 2016-06-15 海信集团有限公司 一种基于多用户的视频推荐方法及装置
CN107306355B (zh) * 2016-04-20 2019-10-25 华为技术有限公司 一种内容推荐方法及服务器
CN106878768A (zh) * 2017-03-17 2017-06-20 山东浪潮商用系统有限公司 一种节目播放方法、机顶盒及系统
CN108073671A (zh) * 2017-04-12 2018-05-25 北京市商汤科技开发有限公司 业务对象推荐方法、装置和电子设备
CN109640176B (zh) * 2018-12-18 2021-01-22 北京字节跳动网络技术有限公司 用于生成信息的方法和装置
WO2020125781A1 (zh) 2018-12-20 2020-06-25 青岛海信电器股份有限公司 广播信号接收装置以及广播信号接收方法
CN110996156A (zh) * 2019-12-20 2020-04-10 杭州当虹科技股份有限公司 一种在视频播放过程中自动检测并推送广告的方法
CN111475671B (zh) * 2020-03-12 2023-09-26 支付宝(杭州)信息技术有限公司 语音文案处理方法、装置以及服务器
CN114302182B (zh) * 2021-12-28 2023-10-20 未来电视有限公司 电视节目的推送方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102207972A (zh) * 2011-06-15 2011-10-05 中山大学 一种数字电视的影视节目推荐方法及其装置
CN102289478A (zh) * 2011-08-01 2011-12-21 江苏广播电视大学 基于模糊聚类的视频点播推荐系统及方法
CN102572543A (zh) * 2012-02-29 2012-07-11 中山大学 一种数字电视节目推荐系统及方法
CN102595195A (zh) * 2010-12-23 2012-07-18 微软公司 电子节目指南（epg）亲和力聚类
CN103229169A (zh) * 2010-11-25 2013-07-31 三星电子株式会社 内容提供方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271559A (zh) * 2008-05-16 2008-09-24 华东师范大学 一种基于用户局部兴趣挖掘的协作推荐系统
CN101540874A (zh) * 2009-04-23 2009-09-23 中山大学 一种基于协同过滤的互动电视节目推荐方法
CN102063433A (zh) * 2009-11-16 2011-05-18 华为技术有限公司 相关项推荐方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103229169A (zh) * 2010-11-25 2013-07-31 三星电子株式会社 内容提供方法和系统
CN102595195A (zh) * 2010-12-23 2012-07-18 微软公司 电子节目指南（epg）亲和力聚类
CN102207972A (zh) * 2011-06-15 2011-10-05 中山大学 一种数字电视的影视节目推荐方法及其装置
CN102289478A (zh) * 2011-08-01 2011-12-21 江苏广播电视大学 基于模糊聚类的视频点播推荐系统及方法
CN102572543A (zh) * 2012-02-29 2012-07-11 中山大学 一种数字电视节目推荐系统及方法

Also Published As

Publication number Publication date
CN104661055A (zh) 2015-05-27

Similar Documents

Publication Publication Date Title
WO2014180224A1 (zh) 一种业务推荐方法及装置
US20120158527A1 (en) Systems, Methods and/or Computer Readable Storage Media Facilitating Aggregation and/or Personalized Sequencing of News Video Content
US8607276B2 (en) Systems and methods to select a keyword of a voice search request of an electronic program guide
US20150020106A1 (en) Personalized video content from media sources
US9032435B2 (en) Ad selection and next video recommendation in a video streaming system exclusive of user identity-based parameter
US20160295290A1 (en) Recommending video programs
US10397620B2 (en) Systems and methods for dynamic stitching of advertisements in live stream content
US9235574B2 (en) Systems and methods for providing media recommendations
US8307395B2 (en) Publishing key frames of a video content item being viewed by a first user to one or more second users
JP6364424B2 (ja) メディアアセットに関するコンテクスト上関係する情報を表示するための方法およびシステム
JP7284142B2 (ja) ストリーミングコンテンツの中に広告をつなぎ合わせるためのシステムおよび方法
US20150256885A1 (en) Method for determining content for a personal channel
US10515116B2 (en) Generation of video recommendations using connection networks
US20140259037A1 (en) Predicted video content aggregation
WO2013118198A1 (ja) お薦めコンテンツ提供装置、お薦めコンテンツ提供プログラムおよびお薦めコンテンツ提供方法
RU2641663C1 (ru) Способ рекомендации телевизионной программы и сервер
KR20190010396A (ko) 사용자 궤적에 기반한 미디어 콘텐츠의 추천
US11528515B2 (en) Systems and methods for dynamic stitching of advertisements in live stream content
CN111506746A (zh) 媒资个性化推荐方法、服务器及显示设备
US20200220940A1 (en) Streaming content based on skip histories
US12015814B2 (en) Generating media content keywords based on video-hosting website content
JP2009200918A (ja) 番組記録再生装置
US20210011943A1 (en) Systems and methods for recommending media assets based on objects captured in visual assets
US20240340496A1 (en) Method of managing storage of user data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14794580

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14794580

Country of ref document: EP

Kind code of ref document: A1