CN104796734B - 实时交互的智能电视节目组合推荐***及方法 - Google Patents
实时交互的智能电视节目组合推荐***及方法 Download PDFInfo
- Publication number
- CN104796734B CN104796734B CN201510124674.7A CN201510124674A CN104796734B CN 104796734 B CN104796734 B CN 104796734B CN 201510124674 A CN201510124674 A CN 201510124674A CN 104796734 B CN104796734 B CN 104796734B
- Authority
- CN
- China
- Prior art keywords
- time
- program
- real
- smart television
- real time
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种实时交互的智能电视节目组合推荐***及方法,实时交互的智能电视节目组合推荐***包括智能电视数据采集模块、云端主要包括分布式实时处理***、终端管理***以及EPG管理***,此外还包括数据管理接口模块,分布式实时处理***主要包含离线计算模块和在线计算模块。本发明面向海量批处理和实时处理的大数据技术已发展成熟和完善,实时采集用户播放节目数据,快速计算推荐结果和离线批处理计算相结合的方式,不仅带来个性化的体验,还能做到实时更新推荐结果,为用户带来更快捷的智能化体验。
Description
技术领域
本发明涉及智能电视技术领域,具体涉及一种实时交互的智能电视节目组合推荐***及方法。
背景技术
随着智能电视的普及,用户交互体验和智能化程度成为了品牌差异化的主要方式;数字广播电视是广大家庭观看电视节目的主要途径,与传统用户只能繁琐的翻动EPG(即电子节目指南,是英文Electrnic Program Guide的缩写)菜单来选取适合自己的节目的方式不同的是,智能电视节目推荐***能够追踪电视终端播放节目行为数据,然后通过机器学习深度挖潜用户偏好进行个性化推荐,给用户带来更个性的智能体验。但是,传统的推荐方式一般是离线计算更新(每天/小时更新推荐列表),在用户观看电视节目过程中,推荐列表不能做到实时更新,这给用户带来的个性化体验比较生硬。MAC(Media AccessControl),介质访问控制它定义了数据帧怎样在介质上进行传输。在共享同一个带宽的链路中,对连接介质的访问是“先来先服务”的。物理寻址在此处被定义,逻辑拓扑(信号通过物理拓扑的路径)也在此处被定义。线路控制、出错通知(不纠正)、帧的传递顺序和可选择的流量控制也在这一子层实现。
发明内容
本发明克服了现有技术的不足,提供解决。
为解决上述的技术问题,本发明采用以下技术方案:
一种实时交互的智能电视节目组合推荐***,它包括智能电视数据采集模块,实时采集用户正在播放的节目信息,并通过网络写入分布式消息中间件中;
云端分布式实时处理***,所述云端分布式实时处理***包括实时节目收视统计模块和推荐算法处理模块;
终端管理***:管理所有激活的智能电视终端及历史播放节目数据;
EPG管理***:对接广电内容牌照商,导入、更新和修改电子节目菜单,添加属性标签;
所述智能电视数据采集模块通过所述消息中间件与所述云端分布式实时处理***连接;所述云端分布式实时处理***与所述EPG管理***连接;所述云端分布式实时处理***与所述终端管理***连接。
更进一步的技术方案是推荐算法处理模块包括离线计算模块和在线计算模块,所述离线计算模块与所述终端管理***连接;所述在线计算模块分别与所述实时节目收视统计模块、EPG管理***和离线计算模块连接。
更进一步的技术方案是实时交互的智能电视节目组合推荐***还包括推荐数据接口管理模块,所述推荐数据接口管理模块与所述云端分布式实时处理***连接,用于将在线计算模块和离线计算模块产生的推荐列表进行合并和筛选。
更进一步的技术方案是提供一种实时交互的智能电视节目组合推荐方法,所述的方法包括以下步骤:
1)、智能电视数据采集模块实时采集用户正在播放的节目信息,并通过网络写入分布式消息中间件中;
EPG管理***对接广电内容牌照商接口,导入、更新和修改电子节目菜单,添加属性标签;
2)、实时节目收视统计模块首先从EPG管理***中读取当前时刻及未来一段时间的EPG信息,并写入内存数据库中;
3)、云端分布式实时处理***间隔从消息中间件中读取电视终端当前时刻播放的节目数据,抽取频道和节目ID并与内存数据库中的EPG信息进行匹配,获取电视终端播放节目的属性标签,并统计每个节目观看的频次;将用户观看节目数据写入终端管理***数据库中;
4)、离线计算模块定期从终端管理***中读取电视终端播放节目数据,使用神经网络学习用户兴趣偏好,采用协同过滤算法计算产生推荐列表;
5)、在线计算模块实时从云端分布式处理***实时节目收视统计模块中获取当前终端播放的节目最多的若干属性标签,从EPG管理***中筛选出当前时刻正在播放的同属性标签的节目,形成推荐列表;
6)、推荐接口数据管理模块合并在线计算模块和离线计算模块两部分的推荐列表,并进行筛选出最终推荐列表。
更进一步的技术方案是步骤3)中云端分布式实时处理***每间隔10秒从消息中间件中读取电视终端当前时刻之前30分钟播放的节目数据。
更进一步的技术方案是步骤2)中实时节目收视统计模块首先从EPG管理***中读取当前时刻及未来一小时的EPG信息,并写入内存数据库中。
更进一步的技术方案是步骤3)中还包括:云端分布式实时处理***分别将电视终端MAC、节目ID、属性标签,统计次数、统计时间发送至在线计算模块,并写入终端管理***数据库中。
更进一步的技术方案是步骤3)中还包括:云端分布式实时处理***分别将电视终端MAC、节目ID、属性标签,统计次数、统计时间发送至在线计算模块,并写入终端管理***数据库中。
更进一步的技术方案是步骤4)中所述离线推荐计算模块定期从终端管理***中加载每个MAC最近一个星期的历史观看记录,采用三层神经网络学习用户偏好,建立用户兴趣模型,将模型作为输入,采用协同过滤算法计算产生推荐列表。
更进一步的技术方案是智能电视数据采集模块内置在智能电视中。
与现有技术相比,本发明的有益效果是:本发明面向海量批处理和实时处理的大数据技术已发展成熟和完善,实时采集用户播放节目数据,快速计算推荐结果和离线批处理计算相结合的方式,不仅带来个性化的体验,还能做到实时更新推荐结果,为用户带来更快捷的智能化体验。
附图说明
图1为本发明一个实施例的结构框图。
图2为本发明一个实施例的***数据流程图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
下面结合附图及实施例对本发明的具体实施方式进行详细描述。
实施例1
如图1所示,根据本发明的一个实施例,本实施例公开一种实时交互的智能电视节目组合推荐***,其包括智能电视数据采集模块,云端分布式实时处理***、终端管理***、EPG管理***、还包括推荐数据接口管理模块,推荐数据接口管理模块与云端分布式实时处理***连接,用于将在线计算模块和离线计算模块产生的推荐列表进行合并和筛选。本实施例中智能电视数据采集模块内置在智能电视中,智能电视数据采集模块用于实时采集用户正在播放的节目信息,并通过网络写入分布式消息中间件中;智能电视数据采集模块在电视机出厂前已封板,当电视开机激活后,自动启动后台进程,在用户观看电视节目时候实时采集当前播放的节目数据流,并按照规定数据格式上报到分布式消息中间件中。
本实施例中云端分布式实时处理***包括实时节目收视统计模块和推荐算法处理模块;实时节目收视统计模块负责从分布式消息中间件中读取当前时间窗口内所有电视终端播放的节目详细数据,经过规范化处理和IP解析后得到如下数据(省份、市名、MAC、频道ID、节目ID,开始时间、结束时间,当前状态等),然后以滑动时间窗口计算的方式统计在一个窗口周期内每一个mac观看同一个频道和节目的频次和播放时长。将这些数据作为下一步推荐算法模块中实时推荐算法的输入数据源,同时转发到终端管理***数据库存储,作为离线推荐算法的输入数据源。
终端管理***管理所有激活的智能电视终端及历史播放节目数据;EPG管理***对接广电内容牌照商,导入、更新和修改电子节目菜单,添加属性标签;能电视数据采集模块通过消息中间件与云端分布式实时处理***连接;云端分布式实时处理***与EPG管理***连接;云端分布式实时处理***与终端管理***连接。
进一步的,本实施例中推荐算法处理模块包括离线计算模块和在线计算模块,离线计算模块与终端管理***连接;在线计算模块分别与实时节目收视统计模块、EPG管理***和离线计算模块连接。离线计算模块定期从终端管理***中批量导入所有终端播放节目数据,采用神经网络算法为基础的机器学习算法深度学习用户偏好,然后采用基于分布式的协同过滤算法批量计算出每个终端用户的推荐结果。在线计算模块实时从云端分布式处理***实时节目收视统计模块中获取当前终端播放的节目最多的属性标签,然后从EPG管理***中筛选出当前时刻正在播放的同属性标签的节目,最后合并离线和在线两部分的推荐结果,推送到电视终端。
实施例2
如图2所示,根据本发明的另一个实施例,本实施例公开一种实时交互的智能电视节目组合推荐方法,包括以下步骤:
步骤一、智能电视数据采集模块实时采集用户正在播放的节目信息,并通过网络写入分布式消息中间件中;
EPG管理***对接广电内容牌照商接口,导入、更新和修改电子节目菜单,添加属性标签;
步骤二、实时节目收视统计模块首先从EPG管理***中读取当前时刻及未来一段时间的EPG信息,并写入内存数据库中;
步骤三、云端分布式实时处理***间隔从消息中间件中读取电视终端当前时刻播放的节目数据,抽取频道和节目ID并与内存数据库中的EPG信息进行匹配,获取电视终端播放节目的属性标签,并统计每个节目观看的频次;将用户观看节目数据写入终端管理***数据库中;
步骤四、离线计算模块定期从终端管理***中读取电视终端播放节目数据,使用神经网络学习用户兴趣偏好,采用协同过滤算法计算产生推荐列表;
步骤五、在线计算模块实时从云端分布式处理***实时节目收视统计模块中获取当前终端播放的节目最多的若干属性标签,从EPG管理***中筛选出当前时刻正在播放的同属性标签的节目,形成推荐列表;
步骤六、推荐接口数据管理模块合并在线计算模块和离线计算模块两部分的推荐列表,并进行筛选出最终推荐列表。
具体的,本实施例中智能电视数据采集模块内置在智能电视中,当电视开机激活后,自动启动后台进程,在用户观看电视节目时候实时采集当前播放的节目数据流,并按照规定数据格式上报到分布式消息中间件中,该消息中间件存储了所有当前正在观看电视的节目信息和终端识别信息(如MAC、IP、节目ID、频道ID、开始播放时间、结束播放时间等)。
EPG管理模块负责对接广电内容牌照商接口,每天定时更新第二天的节目列表,并写入高速内存数据库里。
实时节目收视统计模块:首先从EPG管理***中读取当前时刻及未来1小时的EPG信息,并写入内存数据库中;然后,实时处理***每间隔10秒从消息中间件中读取所有电视终端当前时刻之前时间周期内(30分钟)播放的节目数据,抽取频道和节目ID并与内存数据库中的EPG信息进行匹配,提取出每个电视终端播放节目的属性标签,并统计在一个时间窗口内观看同一节目的次数,根据次数从高到底排序,最后分别将电视终端MAC、节目ID、属性标签,统计次数、统计时间下发至推荐算法处理模块中在线计算模块,并写入终端管理***数据库中。
在线推荐计算模块在每个时间窗口内,根据每个mac观看某个节目的ID去内存数据库中匹配,提取出节目的属性标签分类,统计其在这一时间窗口内观看某一属性标签最多的前2个标签,然后,在内存数据库中提取出当前时刻正在播放与此同类型属性标签的频道,并将频道ID和节目ID,按照规定的格式作为在线推荐列表下发至推荐数据接口管理模块。
离线推荐计算模块定时每天0点从终端管理***中加载每个MAC最近一个星期的历史观看记录,采用三层神经网络学习用户偏好,建立用户兴趣模型,将模型作为输入,采用基于分布式的协同过滤算法计算每个用户的推荐列表,并将结果下发至推荐数据接口管理模块。
推荐数据接口管理模块负责将在线推荐列表和离线推荐列表与内存数据库中的EPG数据行过滤筛选出当前正在播放或即将播放的节目列表推送到电视终端。
在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”、等,指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说,结合任一个实施例描述一个具体特征、结构或者特点时,所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
尽管这里参照发明的多个解释性实施例对本发明进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外,对于本领域技术人员来说,其他的用途也将是明显的。
Claims (7)
1.一种实时交互的智能电视节目组合推荐方法,其特征在于所述的方法包括以下步骤:
1)、智能电视数据采集模块实时采集用户正在播放的节目信息,并通过网络写入分布式消息中间件中;
EPG管理***对接广电内容牌照商接口,导入、更新和修改电子节目菜单,添加属性标签;
2)、实时节目收视统计模块首先从EPG管理***中读取当前时刻及未来一段时间的EPG信息,并写入内存数据库中;
3)、云端分布式实时处理***间隔从消息中间件中读取电视终端当前时刻播放的节目数据,抽取频道和节目ID并与内存数据库中的EPG信息进行匹配,获取电视终端播放节目的属性标签,并统计每个节目观看的频次;将用户观看节目数据写入终端管理***数据库中;
4)、离线计算模块定期从终端管理***中读取电视终端播放节目数据,使用神经网络学习用户兴趣偏好,采用协同过滤算法计算产生推荐列表;
5)、在线计算模块实时从云端分布式处理***实时节目收视统计模块中获取当前终端播放的节目最多的若干属性标签,从EPG管理***中筛选出当前时刻正在播放的同属性标签的节目,形成推荐列表;
6)、推荐接口数据管理模块合并在线计算模块和离线计算模块两部分的推荐列表,并进行筛选出最终推荐列表。
2.根据权利要求1所述的实时交互的智能电视节目组合推荐方法,其特征在于所述的步骤3)中云端分布式实时处理***每间隔10秒从消息中间件中读取电视终端当前时刻之前30分钟播放的节目数据。
3.根据权利要求1所述的实时交互的智能电视节目组合推荐方法,其特征在于所述的步骤2)中实时节目收视统计模块首先从EPG管理***中读取当前时刻及未来一小时的EPG信息,并写入内存数据库中。
4.根据权利要求1所述的实时交互的智能电视节目组合推荐方法,其特征在于所述的步骤3)中还包括:云端分布式实时处理***分别将电视终端MAC、节目ID、属性标签,统计次数、统计时间发送至在线计算模块,并写入终端管理***数据库中。
5.根据权利要求1所述的实时交互的智能电视节目组合推荐方法,其特征在于所述的步骤5)中所述在线计算模块实时从云端分布式处理***实时节目收视统计模块中获取当前终端播放的节目最多的两个属性标签。
6.根据权利要求1所述的实时交互的智能电视节目组合推荐方法,其特征在于所述的步骤4)中所述离线计算模块定期从终端管理***中加载每个MAC最近一个星期的历史观看记录,采用三层神经网络学习用户偏好,建立用户兴趣模型,将模型作为输入,采用协同过滤算法计算产生推荐列表。
7.根据权利要求1所述的实时交互的智能电视节目组合推荐方法,其特征在于所述的智能电视数据采集模块内置在智能电视中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510124674.7A CN104796734B (zh) | 2015-03-20 | 2015-03-20 | 实时交互的智能电视节目组合推荐***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510124674.7A CN104796734B (zh) | 2015-03-20 | 2015-03-20 | 实时交互的智能电视节目组合推荐***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104796734A CN104796734A (zh) | 2015-07-22 |
CN104796734B true CN104796734B (zh) | 2018-05-01 |
Family
ID=53561189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510124674.7A Active CN104796734B (zh) | 2015-03-20 | 2015-03-20 | 实时交互的智能电视节目组合推荐***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104796734B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108736998B (zh) * | 2017-04-13 | 2020-02-18 | ***通信有限公司研究院 | 一种节目播放方法、装置及终端 |
CN108093304A (zh) * | 2017-12-29 | 2018-05-29 | 东莞市纽格力信息技术有限公司 | 一种基于用户习惯的智能推荐方法和*** |
CN108831548B (zh) * | 2018-06-21 | 2021-07-06 | 中国联合网络通信集团有限公司 | 远程智能医疗的优化方法、装置及*** |
CN110730385A (zh) * | 2018-07-16 | 2020-01-24 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、装置、服务器及存储介质 |
CN115407867B (zh) * | 2022-07-20 | 2023-10-24 | 夏前明 | 一种基于多传感器的智能交互*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780920A (zh) * | 2011-07-05 | 2012-11-14 | 上海奂讯通信安装工程有限公司 | 电视节目推荐方法及*** |
CN103475910A (zh) * | 2013-08-27 | 2013-12-25 | 四川长虹电器股份有限公司 | 一种用于智能电视端的机顶盒节目推荐方法及*** |
CN103546773A (zh) * | 2013-08-15 | 2014-01-29 | Tcl集团股份有限公司 | 电视节目的推荐方法及其*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6536041B1 (en) * | 1998-06-16 | 2003-03-18 | United Video Properties, Inc. | Program guide system with real-time data sources |
-
2015
- 2015-03-20 CN CN201510124674.7A patent/CN104796734B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102780920A (zh) * | 2011-07-05 | 2012-11-14 | 上海奂讯通信安装工程有限公司 | 电视节目推荐方法及*** |
CN103546773A (zh) * | 2013-08-15 | 2014-01-29 | Tcl集团股份有限公司 | 电视节目的推荐方法及其*** |
CN103475910A (zh) * | 2013-08-27 | 2013-12-25 | 四川长虹电器股份有限公司 | 一种用于智能电视端的机顶盒节目推荐方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN104796734A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104796734B (zh) | 实时交互的智能电视节目组合推荐***及方法 | |
CN105915949A (zh) | 一种视频内容推荐方法、设备和*** | |
CN107852252B (zh) | 通过自动内容辨识指纹匹配来检测频道改变 | |
CN103442262B (zh) | 基于电视终端视频节目的用户收视行为分析方法及*** | |
CN103458275A (zh) | 实时交互的数字电视资讯推荐***及方法 | |
CN109429103B (zh) | 推荐信息的方法、装置及计算机可读存储介质、终端设备 | |
CN101383942B (zh) | 一种隐性用户特征提取方法和电视节目推荐方法和*** | |
CN103475910B (zh) | 一种用于智能电视端的机顶盒节目推荐方法及*** | |
CN105095508A (zh) | 一种多媒体内容推荐方法和多媒体内容推荐装置 | |
CN104504059A (zh) | 多媒体资源推荐方法 | |
CN103546773A (zh) | 电视节目的推荐方法及其*** | |
CN103442290A (zh) | 基于电视终端用户及语音的信息提供方法及*** | |
CN101764661A (zh) | 基于数据融合的视频节目推荐*** | |
CN102656898A (zh) | 在线社交网络上的自动媒体资产更新 | |
CN103500215A (zh) | 一种多媒体文件推荐方法及装置 | |
CN101763351A (zh) | 基于数据融合的视频节目推荐方法 | |
CN103475913A (zh) | 基于电视终端位置及实时节目的区域信息提供方法及*** | |
CN102890950A (zh) | 媒体自动剪辑装置、方法、媒体播送方法与其播送*** | |
CN106851349A (zh) | 基于海量跨屏收视行为数据的直播推荐方法 | |
CN103475911B (zh) | 基于视频特征的电视信息提供方法及*** | |
CN110035302A (zh) | 信息推荐及模型训练方法和装置、计算设备、存储介质 | |
CN106802913A (zh) | 一种播放内容推荐方法及其装置 | |
CN105005908A (zh) | 一种海选平台交互***及其方法 | |
CN103634622A (zh) | 一种基于用户分类的节目管理*** | |
CN104883627A (zh) | 一种情节影视及其播映装置与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |