CN105245958A - 一种直播电视节目推荐方法和装置 - Google Patents
一种直播电视节目推荐方法和装置 Download PDFInfo
- Publication number
- CN105245958A CN105245958A CN201510768326.3A CN201510768326A CN105245958A CN 105245958 A CN105245958 A CN 105245958A CN 201510768326 A CN201510768326 A CN 201510768326A CN 105245958 A CN105245958 A CN 105245958A
- Authority
- CN
- China
- Prior art keywords
- television
- programme
- television terminal
- relative importance
- recommending
- 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.)
- Granted
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]
- H04N21/40—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
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- 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
- H04N21/462—Content or additional data management, e.g. creating a master electronic program guide from data received from the Internet and a Head-end, controlling the complexity of a video stream by scaling the resolution or bit-rate based on the client capabilities
-
- 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
-
- 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
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4755—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for defining user preferences, e.g. favourite actors or genre
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种直播电视节目推荐方法,包括:获取每个电视终端的历史播放数据,以及直播电视节目数据;根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度;对每个电视终端的推荐电视节目进行去重排序生成推荐列表;根据所述推荐列表向对应的电视终端推荐电视节目。本发明可以适应直播电视节目针对同一电视终端可能存在的用户群体使用的推荐要求,提高推荐的精度。
Description
技术领域
本发明属于智能电视领域,尤其涉及一种直播电视节目推荐方法和装置。
背景技术
随着网络视频的大众化,人们可以通过更为自主的方式选择所需要的视频进行播放,但是由于电视的高清和直播性质非网络视频所能替代,观众使用电视看直播视频才能获得较佳的体验。但是,电视观众可能不会去了解每个频道的节目单,来确定哪个节目是自己喜欢的,因而需要根据用户的喜好进行智能的电视节目的推荐。
目前常用的推荐算法大致可以分为以下三大类:
第一类是基于用户的协同过滤(user-based,UserCF),即为用户推荐与其相似的用户购买过的物品;
第二类是基于物品的协同过滤(item-based,ItemCF),即为用户推荐与其购买过物品相似的品;
第三种是基于用户特征提取的算法,即提取用户特征,为用户推荐符合其用户特征的物品。
上述推荐算法已经在电子商务领域,电子阅读,在线音乐和在线视频方面有许多成熟的实现,但是由于直播视频推荐所要推荐的物品和这些成熟的领域所要推荐的物品有明显的不同,直播的节目大部分不是已有的,不能回看,并且电视节目面对的群体不只针对一个用户进行推荐,这些领域的推荐算法实现无法在电视节目推荐时有效的保证电视节目的推荐精度。
发明内容
本发明的目的在于提供一种直播电视节目推荐方法,以解决现有技术的推荐算法应用于电视节目推荐时,不能保证电视节目推荐精度的问题。
第一方面,本发明实施例提供了一种直播电视节目推荐方法,所述方法包括:
获取每个电视终端的历史播放数据,以及直播电视节目数据;
根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度;
对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表;
根据所述推荐列表向对应的电视终端推荐电视节目。
第二方面,本发明实施例提供了一种直播电视节目推荐装置,所述装置包括:
数据获取单元,用于获取每个电视终端的历史播放数据,以及直播电视节目数据;
推荐电视节目确定单元,用于根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度;
排序单元,用于对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表;
第一推荐单元,用于根据所述推荐列表向对应的电视终端推荐电视节目。
在本发明中,通过获取每个电视终端的历史播放数据和直播电视节目数据,并根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据确定每个电视终端的用户偶然性因素、用户规律性因素所推荐的节目,根据推荐的电视节目的优先度进行去重和排序后生成推荐列表进行推荐,从而使得本发明可以适应直播电视节目针对同一电视终端可能存在的用户群体使用的推荐要求,提高推荐的精度。
附图说明
图1是本发明实施例提供的直播电视节目推荐方法的实现流程图;
图2是本发明实施例提供的确定用户规律性因素的推荐电视节目方法的实现流程图;
图3为本发明实施例提供的确定用户偶然性因素的推荐电视节目方法的实现流程图;
图4是本发明实施例提供的直播电视节目推荐装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要目的在于提供一种可以针对直播电视节目提供更为精确的电视节目推荐的算法,从而克服现有技术中采用的协同过滤推荐方法等不能有效的适应直播电视的推荐要求的缺陷,这是因为现有技术中的推荐方法常表现在以下方面的不足:
1.协同过滤一类算法会为用户推荐已有的物品,但是直播的节目大部分并不是已有的,每一个节目都可以看作是一个未出现的新物品,所以协同算法不合适,直播推荐更像一个预测问题。
2.现成的推荐算法基本上都是注重用户自身的特性,为用户推荐满足用户特性的物品,这种方法对于在线视频推荐上特别有效,这是因为在线视频特别多,能够找到满足用户特性的物品,但是直播频道是有限的,每个时间点能推荐的内容就只有当前频道正在播放的内容,而当前用播放的内容不一定有适合观众特性的节目。
3.电视节目不可回看,这就导致不能因为这个节目满足观众的兴趣就为观众推荐已经播放了好几集的连续剧,不像在线视频推荐如果节目满足用户兴趣,可以直接为用户推荐电视剧的第一集。
4.电视是一个家庭用品,不像传统的推荐算法只针对一个用户进行推荐,直播推荐需要考虑群体因素。
5.电视内置的CPU运算能力普遍较低,电视使用过程中也不一定会连接网络,并且电视直播推荐的加载缓慢会相当影响观众使用直播功能的体验,这需要一种不同于网络节目推荐的常用数据库查询的方式,用来处理直播推荐。
基于上述理由,为了更为有效的提高推荐精度,本发明提出了一种直播电视节目推荐方法,下面结合附图具体进行说明。
图1示出了本发明实施例提供的直播电视节目推荐方法的实现流程,详述如下:
在步骤S101中,获取每个电视终端的历史播放数据,以及直播电视节目数据。
具体的,本发明实施例中所述的历史播放数据,是指在推荐时间之前的电视终端所播放的电视节目数据。所述电视终端可以为当前需要推荐电视节目的电视终端,出于推荐精度的考虑,还可以包括所有的电视终端的历史播放数据。在本发明实施例中一种优选的实施方式中,所述历史播放数据可以为推荐时间之前的播放周期内的播放数据。所述播放周期一般为7天。
所述历史播放数据中,可以包括每个电视节目的播放时间、用户的播放时间、电视终端的ID,以及各个电视节目对应的标签信息。
所述标签信息可以通过标签服务器获取,对于新的电视节目,可以根据电视节目的预先信息,比如电视节目的剧情说明,或者电视节目的名称信息,使新的电视节目与标签信息对应。比如常见的标签信息可以包括电视剧、电影、宫廷剧、爱情、综艺、警匪等。
所述直播电视数据,是指电视终端中可观看的电视节目的节目预告信息,可以预先存储或者在节目预告服务器中获取。
所述直播电视数据,可以包括直播的电视节目的播放时间以及电视节目对应的标签信息。
在步骤S102中,根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度。
对于直播的电视节目的推荐,可以看作是对用户群体进行推荐,群体观看行为包含两种因素,个人因素和群体因素,个人和群体因素又包含规律性因素和偶然因素。所以可以用以下式子表示:
群体行为因素=个人规律因素+个人偶然因素+群体规律因素+群体偶然因素
针对直播推荐,对上式右边的因子需要进行单独的分析。
首先,对于个人规律因素:
个人规律因素需要结合电视节目播放的规律进行分析,如果建立一个假设,电视终端在一个规律性的时间点经常处于开机状态,可以认为有“一个人”(这里的一个人只是示意性说明,当然也可以为一群人)经常在这个时间点观看(例如:在同一个家庭中,老年人早上8点到10点看电视,小孩在16:00到17:00看电视,全家人在19:00到21:00一起看电视),通过以上假设,如果某个电视终端在某个时间点处于开机状态,可以认为此时观看电视的人和之前同一时间点观看这个电视终端是同一个人。结合电视频道规律进行分析:
1)、电视节目的播放具有连续性。
例如:今天12:00湖南卫视播放《还珠格格》,在明天12:00湖南卫视还很有可能播放《还珠格格》。
2)、电视节目的播放具有周期性,这种周期性长度为7天。
例如:这个星期五21:00浙江卫视播放《中国好声音》,下个星期五21:00浙江卫视很有可能播放《中国好声音》。
3)、电视频道在某一个时段会在一段时间内持续播放同一类型的节目。
例如:中央一台会在14:00到16:00这段时间内播放电视剧。
4)、电视频道在某一个时段内周期性的播放同一个类型的节目,周期性的长度为7天。
例如:深圳卫视会在一佩段时间内的周五19:00播放综艺节目。
通过结合以上几点,可以看出,电视频道本身具有较强的规律性,所以面对规律性推荐的时候都可以使用到电视频道的规律性。针对个体规律因素在某个时间点的直播推荐,可以是一天前在这个时间点观看过的频道,可以是七天前在这个时间点观看过的频道,也可以是一段时间内这个时间点这个电视终端播放过最频繁的频道。
其次,对于个人偶然因素:
个人偶然因素虽然有不确定性,但是这种不确定性中,包含了一部分观众喜好导致的偶然性(例如:观众A喜欢看动作电影),结合个人规律因素的假设,对个体偶然因素在某个时间点的直播推荐,可以是电视终端这个时间点正在播放且与此终端一段时间内这个时间点的观众喜好最接近的节目的频道,来增加个人偶然情况的命中率。
再次,对于群体规律因素:
如果不能事先知道某个时间点是一个群体,那么难以从某个时间点出发得到群体规律,但是通过对一个较长时间段的平均情况,能够淡化在这个时间段中个体因素的影响,结合上上述提到的频道较强的规律性,针对群体规律因素在某个时间点的直播推荐,可以是电视终端在一段时间内平均观看最频繁的频道。
另外,对于群体偶然因素:
群体偶然因素可以结合群体规律因素和个人偶然因素的特点,在一个较长的时间内,平均出一个群体的喜好(例如:家庭A喜欢看亲情剧),针对群体偶然因素在某个时间点的直播推荐,可以是电视终端这个时间点播放的且与群体喜好最接近的节目的频道,来增加群体偶然因素的命中率。
针对上述分析,对于用户偶然性因素以及用户规律性因素的推荐电视节目及其优先度具体介绍如下:
首先,对于确定用户规律性因素的推荐电视节目及对应的优先度步骤,可以包括如图2所示的以下步骤中的一个或者多个(其中,下述计算步骤的先后顺序也可以根据需要灵活变换):
在步骤201中,统计每个电视终端在不同频道的观看时长,根据所述观看时长生成频道对应的优先度;
可选的,可以统计每个电视终端id观看时长最长的频道,将该频道在直播电视节目数据program_list的全部节目信息和电视终端id保存到第一电视节目推荐列表tmp_recommend_list中,可设置优先度为40。(例如:要生成2015-08-17的推荐表,如果电视终端id观看频道A最多,则将2015-08-17program_list中频道A的所有节目信息和电视终端id保存到tmp_recommend_list中,优先度设置为40)。
在步骤202中,统计每个电视终端在不同频道的观看频率,根据所述观看频率生成频道对应的优先度,所述观看频率包括观看时段信息;
可选的,可以统计每个电视终端id每个时段观看最频繁的频道,将每个时间段在program_list中对应频道的节目信息和电视终端id保存到tmp_recommend_list中,可设置优先度为60(例如:要生成2015-08-17的推荐表,如果电视终端id在19:00观看最频繁的频道A,则将program_list中频道A19:00播放的节目信息和电视终端id保存到tmp_recommend_list中,优先度设置为60)。
在步骤203中,获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息,并配置预设的优先度,所述M为节目播放周期。
可选的,所述节目播放周期可以为七天,那么,可将program_list中与电视终端id在当前推荐时间点之前的第七天的观看记录,对应时间对应频道的节目信息和电视终端id保存到tmp_recommend_list中,可设置优先度为80(例如:要生成2015-08-17的推荐表,如果电视终端在2015-08-1219:00观看了频道A,则将program_list中频道A19:00的节目信息和电视终端id保存到tmp_recommend_list中,优先度设置为80)。
在步骤204中,获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息,并配置预设的优先度;
可选的,可将program_list中与电视终端id在推荐时间之前的第一天的观看记录,对应时间对应频道的节目信息和电视终端id保存到tmp_recommend_list中,可设置优先度为100(例如:要生成2015-08-17的推荐表,如果电视终端在2015-08-1619:00观看了频道A,则将program_list中频道A19:00的节目信息和电视终端id保存到tmp_recommend_list中,优先度设置为100)。
也即,通过步骤S201、S202、S203、S204得到需要推荐的电视节目,优先度依次增加。
对于确定用户偶然性因素的推荐电视节目及对应的优先度步骤,可以包括如图3所示的以下步骤中的一个或者多个(其中,下述计算步骤的先后顺序也可以根据需要灵活变换):
在步骤S301中,统计每个电视终端在所有频道观看的电视节目的时长,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度。
可选的,可统计每个电视终端id所有观看节目中,累计观看时长最长的前N个标签(N为自然数),查找出每个时段在program_list中与N个标签相似度最高的节目信息和电视终端id,保存到兴趣节目列表tmp_interest_list中,优先度设置为30(例如:要生成2015-08-17的推荐表,如果电视终端id观看最多的标签是{宫廷剧、爱情、综艺},在program_list19:00的节目中节目A计算相似度最大,则将节目A的节目信息和电视终端id保存到兴趣节目列表tmp_interest_list中,优先度设置为30)。
在步骤S302中,统计每个电视终端在不同频道观看电视节目的频率,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度。
可选的,可统计每个电视终端id每个时段观看最频繁的前N个标签,获取每个时段在program_list中与该时段N个标签相似度最高的节目信息和电视终端id,保存到兴趣节目列表tmp_interest_list中,优先度可设置为50(例如:要生成2015-08-17的推荐表,如果电视终端id在19:00观看最多的标签是{宫廷剧、爱情、综艺},在program_list19:00的节目中节目A计算相似度最大,则将节目A的节目信息和电视终端id保存到兴趣节目列表tmp_interest_list中,优先度设置为50)
在步骤S303中,获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度,所述M为节目播放周期。
可选的,可根据电视终端id在推荐时间之前的第七天观看记录的时间点,获取每个时间点program_list中的节目和观看记录的节目相关性,将计算结果最大的节目信息和电视终端id保存到兴趣节目列表tmp_interest_list中,设置优先度为70(例如:要生成2015-08-17的推荐表,如果电视终端在2015-08-1219:00观看了的节目标签是{宫廷剧、爱情、综艺},在program_list19:00的节目中节目A计算相似度最大,则将节目A的节目信息和电视终端id保存到兴趣节目列表tmp_interest_list中,优先度设置为70)。
在步骤S304中,获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度。
可选的,可根据电视终端id在推荐时间之前的第一天观看记录的时间点,获取每个时间点program_list中的节目和观看记录的节目相关性,将计算结果最大的节目信息和电视终端id保存到兴趣节目列表tmp_interest_list中,设置优先度为90(例如:要生成2015-08-17的推荐表,如果电视终端在2015-08-1619:00观看了的节目标签是{宫廷剧、爱情、综艺},在program_list19:00的节目中节目A计算相似度最大,则将节目A的节目信息和电视终端id保存到兴趣节目列表tmp_interest_list中,优先度设置为90)。
其中,所述根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目步骤包括:
根据公式R=|L1∩L2|/|L1∪L2|确定所述电视节目与标签信息的相似度R,所述L1为电视终端对应的标签信息,所述L2为待查找的电视节目对应的标签信息。
比如,电视终端对应的标签信息包括电视剧、电影、宫廷剧、爱情、综艺,电视节目A的标签包括电影、警匪和爱情,那么根据公式:
R=|{电视剧、电影、宫廷剧、爱情、综艺}∩{电影、警匪、爱情}|/|{电视剧、电影、宫廷剧、爱情、综艺}∪{电影、警匪、爱情}|=1/3。
在步骤S103中,对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表。
具体的,本发明实施例中所述对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表步骤包括:
获取所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目;
查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目的优先度相加去除重复电视节目,根据去除重复后的电视节目排序生成推荐列表;
或者,查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目选择优先度较高的值作为重复的电视节目的优先度,并对电视节目排序生成推荐列表。
比如,对于推荐的电视节目中,包括重复的电视节目A,并且两次计算的优先度分别为30和70,那么有两种确定电视节目A的优先度的方式,即可以确定节目A的优先度为100,也可以确定节目A的优先度为70,可以根据用户的要求,灵活选择。
作为本发明优选的一种实施方式中,在所述对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表步骤之前,所述方法还包括:
获取所有电视终端在推荐时间点之前的第一天和/或第M天所对应的推荐时间点时,所选择观看的电视节目的电视终端个数因素推荐电视节目,并根据所述电视终端个数生成电视节目相应的优先度;
比如,可以使用电历史播放数据device_history中的推荐时间点之前的第一天和第七天这两天的数据,将这两天数据中,每个时段最受欢迎的N个频道在program_list节目信息存储到第二节目推荐列表recommend_list中,可设置优先度为10(例如:要生成2015-08-17的推荐表,如果2015-08-16和2015-08-10两天19:00最受欢迎的频道是频道A,则将program_list中频道A19:00的节目信息保存到recommend_list中,优先度设置为10)。
所述对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表步骤具体为:
对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目、选择观看的电视节目的电视终端个数因素推荐电视节目,以及对应的优先度进行去重排序生成推荐列表。这样可以进一步提高优先度排序的精确性。
在步骤S104中,根据所述推荐列表向对应的电视终端推荐电视节目。
作为本发明优选的实施方式,所述根据所述推荐列表向对应的电视终端推荐电视节目步骤包括:
将所述推荐列表发送至所述电视终端,所述电视终端根据当前的时间在所述推荐列表中查找对应的节目推荐至用户。
相较于传统的推荐算法,每次推荐都从服务器获取推荐结果,本发明将推荐结果提前发送终端,推荐代码直接在电视终端执行,从电视终端直接提取出推荐结果,避免由于网络问题带来的推荐延迟。当电视终端需要进行推荐的时候,只需要从传送到终端的节目推荐列表tmp_recommend_list和兴趣推荐列表tmp_interest_list中取出推荐时间点正在播放的节目和短时间内将要播放的节目,推荐内容按照设置的优先度和节目的开始播放时间进行排序。
作为本发明又一优先的实施方式,所述方法还可包括:
判断电视终端是否为新的电视终端,或者电视终端未使用时长超过预设的时长;
如果电视终端为新的电视终端,或者电视终端未使用时长超过预设的时长,则根据所有电视终端在当前推荐时间点之前的第一天,和/或当前推荐时间点之前的第M天的观看次数,推荐对应的电视节目至所述电视终端。所述M可以电视播放周期,比如可以为7天。
通过结合所有电视终端的历史播放数据,可以适应新的电视终端或者超过一定时长未播放的电视终端的电视节目推荐要求,所述预设的未播放时长可以为一个月,或者一个星期等。
图4示出了本发明第二实施例提供的直播电视节目推荐装置的结构示意图,详述如下:
本发明实施例中所述的直播电视节目推荐装置,包括:
数据获取单元401,用于获取每个电视终端的历史播放数据,以及直播电视节目数据;
推荐电视节目确定单元402,用于根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度;
排序单元403,用于对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表;
第一推荐单元404,用于根据所述推荐列表向对应的电视终端推荐电视节目。
优选的,所述推荐电视节目确定单元包括:
第一统计子单元,用于统计每个电视终端在不同频道的观看时长,根据所述观看时长生成频道对应的优先度;
和/或,第二统计子单元,用于统计每个电视终端在不同频道的观看频率,根据所述观看频率生成频道对应的优先度,所述观看频率包括观看时段信息;
和/或,第一获取子单元,用于获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息,并配置预设的优先度;
和/或,第二获取子单元,用于获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息,并配置预设的优先度,所述M为节目播放周期。
优选的,所述推荐电视节目确定单元包括:
第三统计子单元,用于统计每个电视终端在所有频道观看的电视节目的时长,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,第四统计子单元,用于统计每个电视终端在不同频道观看电视节目的频率,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,第三获取子单元,用于获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,第四获取子单元,用于获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度,所述M为节目播放周期。
优选的,所述装置还包括:
节目观看信息获取单元,用于获取所有电视终端在推荐时间点之前的第一天和/或第M天所对应的推荐时间点时,所选择观看的电视节目的电视终端个数因素推荐电视节目,并根据所述电视终端个数生成电视节目相应的优先度;
所述排序单元具体用于:
对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目、选择观看的电视节目的电视终端个数因素推荐电视节目,以及对应的优先度进行去重排序生成推荐列表。
优选的,所述排序单元包括:
推荐电视节目获取子单元,用于获取所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目;
去重子单元,用于查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目的优先度相加去除重复电视节目,根据去除重复后的电视节目排序生成推荐列表;
或者,查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目选择优先度较高的值作为重复的电视节目的优先度,并对电视节目排序生成推荐列表。
优选的,所述装置还包括:
电视终端判断单元,用于判断电视终端是否为新的电视终端,或者电视终端未使用时长超过预设的时长;
第二推荐单元,用于如果电视终端为新的电视终端,或者电视终端未使用时长超过预设的时长,则根据所有电视终端在当前推荐时间点之前的第一天,和/或当前推荐时间点之前的第M天的观看次数,推荐对应的电视节目至所述电视终端。
优选的,所述第一推荐单元具体用于:
将所述推荐列表发送至所述电视终端,所述电视终端根据当前的时间在所述推荐列表中查找对应的节目推荐至用户。
图4所述的直播电视节目推荐装置与图1-3所述的直播电视节目推荐方法相对应,在此不作重复赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种直播电视节目推荐方法,其特征在于,所述方法包括:
获取每个电视终端的历史播放数据,以及直播电视节目数据;
根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度;
对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表;
根据所述推荐列表向对应的电视终端推荐电视节目。
2.根据权利要求1所述方法,其特征在于,所述根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定用户规律性因素的推荐电视节目及对应的优先度步骤包括:
统计每个电视终端在不同频道的观看时长,根据所述观看时长生成频道对应的优先度;
和/或,统计每个电视终端在不同频道的观看频率,根据所述观看频率生成频道对应的优先度,所述观看频率包括观看时段信息;
和/或,获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息,并配置预设的优先度;
和/或,获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息,并配置预设的优先度,所述M为节目播放周期。
3.根据权利要求1或2所述方法,其特征在于,所述根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素以及对应的优先度步骤包括:
统计每个电视终端在所有频道观看的电视节目的时长,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,统计每个电视终端在不同频道观看电视节目的频率,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度,所述M为节目播放周期。
4.根据权利要求3所述方法,其特征在于,所述根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目步骤包括:
根据公式R=|L1∩L2|/|L1∪L2|确定所述电视节目与标签信息的相似度R,所述L1为电视终端对应的标签信息,所述L2为待查找的电视节目对应的标签信息。
5.根据权利要求1所述方法,其特征在于,在所述对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表步骤之前,所述方法还包括:
获取所有电视终端在推荐时间点之前的第一天和/或第M天所对应的推荐时间点时,所选择观看的电视节目的电视终端个数因素推荐电视节目,并根据所述电视终端个数生成电视节目相应的优先度;
所述对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表步骤具体为:
对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目、选择观看的电视节目的电视终端个数因素推荐电视节目,以及对应的优先度进行去重排序生成推荐列表。
6.根据权利要求1所述方法,其特征在于,所述对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表步骤包括:
获取所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目;
查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目的优先度相加去除重复电视节目,根据去除重复后的电视节目排序生成推荐列表;
或者,查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目选择优先度较高的值作为重复的电视节目的优先度,并对电视节目排序生成推荐列表。
7.根据权利要求1所述方法,其特征在于,所述方法还包括:
判断电视终端是否为新的电视终端,或者电视终端未使用时长超过预设的时长;
如果电视终端为新的电视终端,或者电视终端未使用时长超过预设的时长,则根据所有电视终端在当前推荐时间点之前的第一天,和/或当前推荐时间点之前的第M天的观看次数,推荐对应的电视节目至所述电视终端。
8.一种直播电视节目推荐装置,其特征在于,所述装置包括:
数据获取单元,用于获取每个电视终端的历史播放数据,以及直播电视节目数据;
推荐电视节目确定单元,用于根据历史播放数据、电视节目的连续性、周期性,结合直播电视节目数据,确定每个电视终端的用户偶然性因素、用户规律性因素的推荐电视节目以及对应的优先度;
排序单元,用于对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目以及对应的优先度进行去重排序生成推荐列表;
第一推荐单元,用于根据所述推荐列表向对应的电视终端推荐电视节目。
9.根据权利要求8所述装置,其特征在于,所述推荐电视节目确定单元包括:
第一统计子单元,用于统计每个电视终端在不同频道的观看时长,根据所述观看时长生成频道对应的优先度;
和/或,第二统计子单元,用于统计每个电视终端在不同频道的观看频率,根据所述观看频率生成频道对应的优先度,所述观看频率包括观看时段信息;
和/或,第一获取子单元,用于获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息,并配置预设的优先度;
和/或,第二获取子单元,用于获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息,并配置预设的优先度,所述M为节目播放周期。
10.根据权利要求8或9所述装置,其特征在于,所述推荐电视节目确定单元包括:
第三统计子单元,用于统计每个电视终端在所有频道观看的电视节目的时长,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,第四统计子单元,用于统计每个电视终端在不同频道观看电视节目的频率,确定每个电视终端对应标签信息,根据与所述标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,第三获取子单元,用于获取每个电视终端在推荐时间点之前的第一天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度;
和/或,第四获取子单元,用于获取每个电视终端在推荐时间点之前的第M天的对应时间点,所观看的频道的节目信息的标签信息,根据与所述的标签信息的相似度,在直播电视节目数据中查找电视节目,并根据相似度生成对应的优先度,所述M为节目播放周期。
11.根据权利要求8所述装置,其特征在于,所述装置还包括:
节目观看信息获取单元,用于获取所有电视终端在推荐时间点之前的第一天和/或第M天所对应的推荐时间点时,所选择观看的电视节目的电视终端个数因素推荐电视节目,并根据所述电视终端个数生成电视节目相应的优先度;
所述排序单元具体用于:
对每个电视终端的所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目、选择观看的电视节目的电视终端个数因素推荐电视节目,以及对应的优先度进行去重排序生成推荐列表。
12.根据权利要求8所述装置,其特征在于,所述排序单元包括:
推荐电视节目获取子单元,用于获取所述用户偶然性因素的推荐电视节目、用户规律性因素的推荐电视节目;
去重子单元,用于查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目的优先度相加去除重复电视节目,根据去除重复后的电视节目排序生成推荐列表;
或者,查找推荐的电视节目中的重复的电视节目,对所述重复的电视节目选择优先度较高的值作为重复的电视节目的优先度,并对电视节目排序生成推荐列表。
13.根据权利要求8所述装置,其特征在于,所述装置还包括:
电视终端判断单元,用于判断电视终端是否为新的电视终端,或者电视终端未使用时长超过预设的时长;
第二推荐单元,用于如果电视终端为新的电视终端,或者电视终端未使用时长超过预设的时长,则根据所有电视终端在当前推荐时间点之前的第一天,和/或当前推荐时间点之前的第M天的观看次数,推荐对应的电视节目至所述电视终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510768326.3A CN105245958B (zh) | 2015-11-11 | 2015-11-11 | 一种直播电视节目推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510768326.3A CN105245958B (zh) | 2015-11-11 | 2015-11-11 | 一种直播电视节目推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105245958A true CN105245958A (zh) | 2016-01-13 |
CN105245958B CN105245958B (zh) | 2020-03-24 |
Family
ID=55043397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510768326.3A Active CN105245958B (zh) | 2015-11-11 | 2015-11-11 | 一种直播电视节目推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105245958B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106060590A (zh) * | 2016-07-07 | 2016-10-26 | 青岛海信电器股份有限公司 | 推荐信息的显示方法、装置及*** |
CN106126634A (zh) * | 2016-06-22 | 2016-11-16 | 武汉斗鱼网络科技有限公司 | 一种基于直播行业的主数据去重处理方法及*** |
CN106294564A (zh) * | 2016-07-27 | 2017-01-04 | 乐视控股(北京)有限公司 | 一种视频推荐方法及装置 |
CN106561054A (zh) * | 2016-06-29 | 2017-04-12 | 武汉斗鱼网络科技有限公司 | 一种用于直播网站的直播房间推荐方法及*** |
CN106658086A (zh) * | 2016-09-22 | 2017-05-10 | 广州华多网络科技有限公司 | 一种直播间切换方法及装置 |
CN106993202A (zh) * | 2017-03-31 | 2017-07-28 | 武汉斗鱼网络科技有限公司 | 首页推荐方法及装置 |
CN107613394A (zh) * | 2017-09-27 | 2018-01-19 | 北京小米移动软件有限公司 | 多用户智能电视管理方法及装置 |
CN107864234A (zh) * | 2017-12-18 | 2018-03-30 | 广东省电信规划设计院有限公司 | 地址续约时间的获取方法及装置 |
CN108491527A (zh) * | 2018-03-28 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息推荐方法、装置和电子设备 |
CN108989894A (zh) * | 2018-08-28 | 2018-12-11 | 三星电子(中国)研发中心 | 用于播放电视节目的方法和装置 |
CN109729432A (zh) * | 2019-01-28 | 2019-05-07 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置及服务器 |
CN110175291A (zh) * | 2019-05-24 | 2019-08-27 | 武汉斗鱼网络科技有限公司 | 基于相似度计算的手游推荐方法、存储介质、设备及*** |
CN111683290A (zh) * | 2020-06-17 | 2020-09-18 | 未来电视有限公司 | 节目播放的方法及装置、智能终端、可读存储介质 |
CN112423123A (zh) * | 2020-11-20 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 视频加载方法及装置 |
CN112533066A (zh) * | 2019-09-18 | 2021-03-19 | 深圳Tcl新技术有限公司 | 一种智能电视节目推荐方法、***及存储介质 |
CN112565838A (zh) * | 2020-11-12 | 2021-03-26 | 深圳市易平方网络科技有限公司 | 基于电视的开机处理方法、装置、终端及介质 |
WO2021169435A1 (zh) * | 2020-02-25 | 2021-09-02 | 海信视像科技股份有限公司 | 信息联动***、终端装置管理服务器、订阅者管理服务器 |
CN114286123A (zh) * | 2021-12-23 | 2022-04-05 | 海宁奕斯伟集成电路设计有限公司 | 电视节目的直播方法及装置 |
CN114302182A (zh) * | 2021-12-28 | 2022-04-08 | 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 |
CN114615524A (zh) * | 2022-02-18 | 2022-06-10 | 聚好看科技股份有限公司 | 服务器、媒资推荐网络的训练方法及媒资推荐方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103491441A (zh) * | 2013-09-09 | 2014-01-01 | 东软集团股份有限公司 | 直播电视节目推荐方法及*** |
CN104219576A (zh) * | 2014-08-18 | 2014-12-17 | 四川长虹电器股份有限公司 | 一种基于智能电视的播放节目推荐方法 |
CN104935970A (zh) * | 2015-07-09 | 2015-09-23 | 三星电子(中国)研发中心 | 进行电视内容推荐的方法及电视客户端 |
-
2015
- 2015-11-11 CN CN201510768326.3A patent/CN105245958B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103491441A (zh) * | 2013-09-09 | 2014-01-01 | 东软集团股份有限公司 | 直播电视节目推荐方法及*** |
CN104219576A (zh) * | 2014-08-18 | 2014-12-17 | 四川长虹电器股份有限公司 | 一种基于智能电视的播放节目推荐方法 |
CN104935970A (zh) * | 2015-07-09 | 2015-09-23 | 三星电子(中国)研发中心 | 进行电视内容推荐的方法及电视客户端 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126634B (zh) * | 2016-06-22 | 2019-11-05 | 武汉斗鱼网络科技有限公司 | 一种基于直播行业的主数据去重处理方法及*** |
CN106126634A (zh) * | 2016-06-22 | 2016-11-16 | 武汉斗鱼网络科技有限公司 | 一种基于直播行业的主数据去重处理方法及*** |
CN106561054A (zh) * | 2016-06-29 | 2017-04-12 | 武汉斗鱼网络科技有限公司 | 一种用于直播网站的直播房间推荐方法及*** |
CN106060590A (zh) * | 2016-07-07 | 2016-10-26 | 青岛海信电器股份有限公司 | 推荐信息的显示方法、装置及*** |
CN106294564A (zh) * | 2016-07-27 | 2017-01-04 | 乐视控股(北京)有限公司 | 一种视频推荐方法及装置 |
CN106658086A (zh) * | 2016-09-22 | 2017-05-10 | 广州华多网络科技有限公司 | 一种直播间切换方法及装置 |
CN106658086B (zh) * | 2016-09-22 | 2020-05-19 | 广州华多网络科技有限公司 | 一种直播间切换方法及装置 |
CN106993202A (zh) * | 2017-03-31 | 2017-07-28 | 武汉斗鱼网络科技有限公司 | 首页推荐方法及装置 |
CN106993202B (zh) * | 2017-03-31 | 2020-06-16 | 武汉斗鱼网络科技有限公司 | 首页推荐方法及装置 |
CN107613394A (zh) * | 2017-09-27 | 2018-01-19 | 北京小米移动软件有限公司 | 多用户智能电视管理方法及装置 |
CN107864234A (zh) * | 2017-12-18 | 2018-03-30 | 广东省电信规划设计院有限公司 | 地址续约时间的获取方法及装置 |
CN107864234B (zh) * | 2017-12-18 | 2020-12-11 | 广东省电信规划设计院有限公司 | 地址续约时间的获取方法及装置 |
CN108491527A (zh) * | 2018-03-28 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 信息推荐方法、装置和电子设备 |
CN108491527B (zh) * | 2018-03-28 | 2022-02-25 | 百度在线网络技术(北京)有限公司 | 信息推荐方法、装置和电子设备 |
CN108989894A (zh) * | 2018-08-28 | 2018-12-11 | 三星电子(中国)研发中心 | 用于播放电视节目的方法和装置 |
CN108989894B (zh) * | 2018-08-28 | 2021-04-13 | 三星电子(中国)研发中心 | 用于播放电视节目的方法和装置 |
CN109729432A (zh) * | 2019-01-28 | 2019-05-07 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置及服务器 |
CN110175291B (zh) * | 2019-05-24 | 2021-09-07 | 武汉斗鱼网络科技有限公司 | 基于相似度计算的手游推荐方法、存储介质、设备及*** |
CN110175291A (zh) * | 2019-05-24 | 2019-08-27 | 武汉斗鱼网络科技有限公司 | 基于相似度计算的手游推荐方法、存储介质、设备及*** |
CN112533066B (zh) * | 2019-09-18 | 2023-03-10 | 深圳Tcl新技术有限公司 | 一种智能电视节目推荐方法、***及存储介质 |
CN112533066A (zh) * | 2019-09-18 | 2021-03-19 | 深圳Tcl新技术有限公司 | 一种智能电视节目推荐方法、***及存储介质 |
WO2021169435A1 (zh) * | 2020-02-25 | 2021-09-02 | 海信视像科技股份有限公司 | 信息联动***、终端装置管理服务器、订阅者管理服务器 |
CN111683290A (zh) * | 2020-06-17 | 2020-09-18 | 未来电视有限公司 | 节目播放的方法及装置、智能终端、可读存储介质 |
CN112565838A (zh) * | 2020-11-12 | 2021-03-26 | 深圳市易平方网络科技有限公司 | 基于电视的开机处理方法、装置、终端及介质 |
CN112423123A (zh) * | 2020-11-20 | 2021-02-26 | 上海哔哩哔哩科技有限公司 | 视频加载方法及装置 |
CN114286123A (zh) * | 2021-12-23 | 2022-04-05 | 海宁奕斯伟集成电路设计有限公司 | 电视节目的直播方法及装置 |
CN114302182A (zh) * | 2021-12-28 | 2022-04-08 | 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 |
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 |
CN114615524A (zh) * | 2022-02-18 | 2022-06-10 | 聚好看科技股份有限公司 | 服务器、媒资推荐网络的训练方法及媒资推荐方法 |
CN114615524B (zh) * | 2022-02-18 | 2023-10-24 | 聚好看科技股份有限公司 | 服务器、媒资推荐网络的训练方法及媒资推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105245958B (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105245958A (zh) | 一种直播电视节目推荐方法和装置 | |
US11709888B2 (en) | User interface for viewing targeted segments of multimedia content based on time-based metadata search criteria | |
CN100377150C (zh) | 信息处理器和信息处理方法 | |
CN103747343B (zh) | 资源分时段推荐的方法和装置 | |
CN101517550B (zh) | 大众传媒的社会性和交互式应用 | |
CN101578862B (zh) | 具有集成的内容搜索的媒体*** | |
CN102414665B (zh) | 具有基于团体的分级的分层标签 | |
US9166714B2 (en) | Method of and system for presenting enriched video viewing analytics | |
JP4636147B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
CN101521796B (zh) | 内容推荐装置及内容推荐方法 | |
CN103329559B (zh) | 用于检测非动力摄录放像装置的方法和*** | |
US20110113444A1 (en) | Index of video objects | |
Nixon et al. | AI for audience prediction and profiling to power innovative TV content recommendation services | |
CN101479687A (zh) | 用于在机顶盒的用户对话中设置广告的方法和设备 | |
CN103563275B (zh) | 确定媒体资源的使用的方法和装置 | |
CN105230035A (zh) | 用于选择的时移多媒体内容的社交媒体的处理 | |
CN103491441A (zh) | 直播电视节目推荐方法及*** | |
CN106131703A (zh) | 一种视频推荐的方法和终端 | |
CN102917269A (zh) | 一种电视节目推荐***及方法 | |
CN103686231A (zh) | 影片的集成管理、失效替换与续播的方法及*** | |
CN103618920A (zh) | 一种广告插播方法及播放器 | |
CN104506894A (zh) | 多媒体资源评估方法及其装置 | |
CN103369408A (zh) | 用于使用用户反馈的内容频道的方法和装置 | |
US20150134668A1 (en) | Index of Video Objects | |
CN103442270A (zh) | 一种采集用户的收视数据的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |