CN106612442A - 收视行为特征分析方法和装置 - Google Patents
收视行为特征分析方法和装置 Download PDFInfo
- Publication number
- CN106612442A CN106612442A CN201510706417.4A CN201510706417A CN106612442A CN 106612442 A CN106612442 A CN 106612442A CN 201510706417 A CN201510706417 A CN 201510706417A CN 106612442 A CN106612442 A CN 106612442A
- Authority
- CN
- China
- Prior art keywords
- viewing
- type
- user
- program
- time period
- 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.)
- Pending
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]
- H04N21/20—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
- H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
-
- 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
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)
Abstract
本发明提供一种收视行为特征分析方法和装置,方法包括:获取用户的用户标识对应的收视数据;从收视数据中提取各个节目的类型、观看时间;根据各个节目的类型、观看时间,统计用户在各个时间段内观看各个类型节目的观看时间;根据用户在各个时间段内观看各个类型的节目的观看时间,计算用户在各个时间段内观看各个类型节目的特征。根据本发明的技术方案,计算出的不同时间段内的特征能够反映不同用户的观看节目的偏好,而基于不同用户偏好进行的推送业务显然会更加精准。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种收视行为特征分析方法和装置。
背景技术
收集IPTV(交互式网络电视)用户的收视行为数据,可以有效分析收视数据特征,研究用户的观看习惯和喜好等,进而以大数据的视角挖掘其中的商业价值。
目前的技术方案,主要是统一记录用户收视行为并进行用户收视行为分析。由于同一IPTV可能有多个观看用户,而用户之间在个体差异可能很大。则按目前的技术方案对用户收视行为进行分析,导致不能区分观看同一IPTV的不同用户,则会导致根据收视行为推送的广告达不到精准投放的效果。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的收视行为特征分析方法和装置。
依据本发明的一个方面,提供了一种收视行为特征分析方法,包括:获取用户的用户标识对应的收视数据;从所述收视数据中提取各个节目的类型、观看时间;根据各个节目的类型、观看时间,统计所述用户在各个时间段内观看所述各个类型节目的观看时间;根据所述用户在所述各个时间段内观看所述各个类型的节目的观看时间,计算所述用户在所述各个时间段内观看所述各个类型节目的特征。
可选地,前述的收视行为特征分析方法,计算所述用户在所述各个时间段内观看所述各个类型节目的特征,具体包括:计算所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数。
可选地,前述的收视行为特征分析方法,计算所述用户在所述各个时间段内观看所述各个类型节目的特征,还包括:按所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数的递减顺序,对所述各个类型节目进行排序。
可选地,前述的收视行为特征分析方法,还包括:选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择具有相同类型的待推送节目,以在所述指定时间段向所述用户推送。
可选地,前述的收视行为特征分析方法,还包括:选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择对应的待推送业务和/或广告,以在所述指定时间段向所述用户推送。
依据本发明的另一方面,还提供了一种收视行为特征分析装置,包括:收视数据获取模块,用于获取用户的用户标识对应的收视数据;提取模块,用于从所述收视数据中提取各个节目的类型、观看时间;统计模块,用于根据各个节目的类型、观看时间,统计所述用户在各个时间段内观看所述各个类型节目的观看时间;特征计算模块,用于根据所述用户在所述各个时间段内观看所述各个类型的节目的观看时间,计算所述用户在所述各个时间段内观看所述各个类型节目的特征。
可选地,前述的收视行为特征分析装置,所述特征计算模块计算所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数。
可选地,前述的收视行为特征分析装置,所述特征计算模块还按所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数的递减顺序,对所述各个类型节目进行排序。
可选地,前述的收视行为特征分析装置,还包括:第一推送模块,用于选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择具有相同类型的待推送节目,以在所述指定时间段向所述客户端推送。
可选地,前述的收视行为特征分析装置,还包括:第二推送模块,用于选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择对应的待推送业务和/或广告,以在所述指定时间段向所述客户端推送。
根据以上技术方案,本发明的收视行为特征分析方法和装置至少具有以下优点:
根据本发明的技术方案,因为对节目具有不同偏好的用户往往观看节目的时段有所不同,所以基于对各个时间段用户观看节目的时间进行分析,计算出的不同时间段内的特征能够反映不同用户的观看节目的偏好,而基于不同用户偏好进行的推送业务显然会更加精准。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明的一个实施例的收视行为特征分析方法的流程图;
图2示出了根据本发明的一个实施例的收视行为特征分析方法的流程图;
图3示出了根据本发明的一个实施例的收视行为特征分析装置的框图;
图4示出了根据本发明的一个实施例的收视行为特征分析装置的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明的一个实施例中提供了一种收视行为特征分析方法,包括:
步骤110,获取用户的用户标识对应的收视数据。在本实施例中,收视数据的来源可以是C3日志:其为IPTV内容运营平台与业务运营平台接口技术规范,IPTV部门从运营商处获得C3日志。在本实施例中,由于用户通过用户标识来登录客户端,按用户标识来收集收视数据的好处在于收视数据不局限于单个客户端(例如机顶盒),同一用户标识对应的用户数量更少,更适于针对用户进行分析。
步骤120,从收视数据中提取各个节目的类型、观看时间。
步骤130,根据各个节目的类型、观看时间,统计用户在各个时间段内观看各个类型节目的观看时间。在本实施例的技术方案中,在C3日志的contentviewlog日志中,记录了用户的观看行为。包括节目名称,观看时间等,可以在节目名称上后缀该节目的类别编号,以达到存储节目类别的目的。
步骤140,根据用户在各个时间段内观看各个类型的节目的观看时间,计算用户在各个时间段内观看各个类型节目的特征。根据本实施例的技术方案,因为对节目具有不同偏好的用户往往观看节目的时段有所不同,所以基于对各个时间段用户观看节目的时间进行分析,计算出的不同时间段内的特征能够反映不同用户的观看节目的偏好,而基于不同用户偏好进行的推送业务显然会更加精准。
如图2所示,本发明的一个实施例中提供了一种收视行为特征分析方法,包括:
步骤210,获取用户的用户标识对应的收视数据。
步骤220,从收视数据中提取各个节目的类型、观看时间。
步骤230,根据用户所观看的各个节目的类型、观看时间,统计用户在各个时间段内观看各个类型节目的观看时间。
步骤240,根据用户在各个时间段内观看各个类型的节目的观看时间,计算用户在各个时间段内观看各个类型节目的总时长和/或总次数。
步骤250,按用户在各个时间段内观看各个类型节目的总时长和/或总次数的递减顺序,对各个类型节目进行排序。在本实施例中,对该用户在每个时段中的所有类别的有效观看次数或总观看时长进行递减排序,类别排序越靠前说明该用户在这个时段对此类别的节目偏好程度越高。
步骤260,选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择具有相同类型的待推送节目,以在指定时间段向用户推送。在本实施例中,可以根据用户标识进行推送,这样即使用户在不同客户端(机顶盒)进行登录,也能够保证准确接收到推送的节目。在本实施例中,推送的节目实际上是用户偏好的节目,提升用户收视体验,增加用户黏性。
步骤270,选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择对应的待推送业务和/或广告,以在指定时间段向用户推送。在本实施例中,可以根据用户标识进行推送,这样即使用户在不同客户端(机顶盒)进行登录,也能够保证看到推送的业务或广告。在本实施例中,使不同种类的增值业务推荐和广告等更精准地推送到不同种类的收视人群中。
如图3所示,本发明的一个实施例中提供了一种收视行为特征分析装置,包括:
收视数据获取模块310,获取用户的用户标识对应的收视数据。在本实施例中,收视数据的来源可以是C3日志:其为IPTV内容运营平台与业务运营平台接口技术规范,IPTV部门从运营商处获得C3日志。在本实施例中,由于用户通过用户标识来登录客户端,按用户标识来收集收视数据的好处在于收视数据不局限于单个客户端(例如机顶盒),同一用户标识对应的用户数量更少,更适于针对用户进行分析。
提取模块320,从收视数据中提取各个节目的类型、观看时间。
统计模块330,根据各个节目的类型、观看时间,统计用户在各个时间段内观看各个类型节目的观看时间。在本实施例的技术方案中,在C3日志的contentviewlog日志中,记录了用户的观看行为。包括节目名称,观看时间等,可以在节目名称上后缀该节目的类别编号,以达到存储节目类别的目的。
特征计算模块340,根据用户在各个时间段内观看各个类型的节目的观看时间,计算用户在各个时间段内观看各个类型节目的特征。根据本实施例的技术方案,因为对节目具有不同偏好的用户往往观看节目的时段有所不同,所以基于对各个时间段用户观看节目的时间进行分析,计算出的不同时间段内的特征能够反映不同用户的观看节目的偏好,而基于不同用户偏好进行的推送业务显然会更加精准。
如图4所示,本发明的一个实施例中提供了一种收视行为特征分析装置,包括:
收视数据获取模块410,获取用户的用户标识对应的收视数据。
提取模块420,从收视数据中提取各个节目的类型、观看时间。
统计模块430,根据各个节目的类型、观看时间,统计用户在各个时间段内观看各个类型节目的观看时间。
特征计算模块440,根据用户在各个时间段内观看各个类型的节目的观看时间,计算用户在各个时间段内观看各个类型节目的总时长和/或总次数,以及按用户在各个时间段内观看各个类型节目的总时长和/或总次数的递减顺序,对各个类型节目进行排序。在本实施例中,对该用户在在每个时段中的所有类别的有效观看次数或总观看时长进行递减排序,类别排序越靠前说明该用户在这个时段对此类别的节目偏好程度越高。
第一推送模块450,选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择具有相同类型的待推送节目,以在指定时间段向用户推送。在本实施例中,可以根据用户标识进行推送,这样即使用户在不同客户端(机顶盒)进行登录,也能够保证准确接收到推送的节目。在本实施例中,推送的节目实际上是用户偏好的节目,提升用户收视体验,增加用户黏性。
第二推送模块460,选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择对应的待推送业务和/或广告,以在指定时间段向用户推送。在本实施例中,可以根据用户标识进行推送,这样即使用户在不同客户端(机顶盒)进行登录,也能够保证看到推送的业务或广告。在本实施例中,使不同种类的增值业务推荐和广告等更精准地推送到不同种类的收视人群中。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的收视行为特征分析装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种收视行为特征分析方法,其特征在于,包括:
获取用户的用户标识对应的收视数据;
从所述收视数据中提取各个节目的类型、观看时间;
根据所述各个节目的类型、观看时间,统计所述用户在各个时间段内观看所述各个类型节目的观看时间;
根据所述用户在所述各个时间段内观看所述各个类型的节目的观看时间,计算所述用户在所述各个时间段内观看所述各个类型节目的特征。
2.根据权利要求1所述的收视行为特征分析方法,其特征在于,计算所述用户在所述各个时间段内观看所述各个类型节目的特征,具体包括:
计算所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数。
3.根据权利要求2所述的收视行为特征分析方法,其特征在于,计算所述用户在所述各个时间段内观看所述各个类型节目的特征,还包括:
按所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数的递减顺序,对所述各个类型节目进行排序。
4.根据权利要求3所述的收视行为特征分析方法,其特征在于,还包括:
选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择具有相同类型的待推送节目,以在所述指定时间段向所述用户推送。
5.根据权利要求3所述的收视行为特征分析方法,其特征在于,还包括:
选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择对应的待推送业务和/或广告,以在所述指定时间段向所述用户推送。
6.一种收视行为特征分析装置,其特征在于,包括:
收视数据获取模块,用于获取用户的用户标识对应的收视数据;
提取模块,用于从所述收视数据中提取各个节目的类型、观看时间;
统计模块,用于根据各个节目的类型、观看时间,统计所述用户在各个时间段内观看所述各个类型节目的观看时间;
特征计算模块,用于根据所述用户在所述各个时间段内观看所述各个类型的节目的观看时间,计算所述用户在所述各个时间段内观看所述各个类型节目的特征。
7.根据权利要求6所述的收视行为特征分析装置,其特征在于,
所述特征计算模块计算所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数。
8.根据权利要求7所述的收视行为特征分析装置,其特征在于,
所述特征计算模块还按所述用户在所述各个时间段内观看所述各个类型节目的总时长和/或总次数的递减顺序,对所述各个类型节目进行排序。
9.根据权利要求8所述的收视行为特征分析装置,其特征在于,还包括:
第一推送模块,用于选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择具有相同类型的待推送节目,以在所述指定时间段向所述用户推送。
10.根据权利要求8所述的收视行为特征分析装置,其特征在于,还包括:
第二推送模块,用于选择指定时间段中排序最高的至少一个类型的节目,并按所选类型的节目选择对应的待推送业务和/或广告,以在所述指定时间段向所述用户推送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510706417.4A CN106612442A (zh) | 2015-10-27 | 2015-10-27 | 收视行为特征分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510706417.4A CN106612442A (zh) | 2015-10-27 | 2015-10-27 | 收视行为特征分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106612442A true CN106612442A (zh) | 2017-05-03 |
Family
ID=58614141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510706417.4A Pending CN106612442A (zh) | 2015-10-27 | 2015-10-27 | 收视行为特征分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106612442A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107395377A (zh) * | 2017-08-31 | 2017-11-24 | 江西博瑞彤芸科技有限公司 | 一种广播列表推送方法 |
CN108259976A (zh) * | 2018-03-07 | 2018-07-06 | 青岛海信电器股份有限公司 | 电视频道的排序方法及电视 |
CN108595492A (zh) * | 2018-03-15 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 内容的推送方法和装置、存储介质、电子装置 |
WO2019014834A1 (zh) * | 2017-07-18 | 2019-01-24 | 深圳市智晟达科技有限公司 | 统计观看时间的方法以及数字电视 |
CN109587525A (zh) * | 2017-09-29 | 2019-04-05 | 深圳市中兴微电子技术有限公司 | 业务推送方法与***、机顶盒、业务服务平台及存储介质 |
CN111190934A (zh) * | 2019-12-30 | 2020-05-22 | 青岛海尔科技有限公司 | 数据的推送方法及装置、存储介质和电子装置 |
CN112150186A (zh) * | 2019-06-27 | 2020-12-29 | 南宁富桂精密工业有限公司 | 广告投放方法、客户端装置、服务器及*** |
CN113301399A (zh) * | 2021-05-19 | 2021-08-24 | 中山亿联智能科技有限公司 | 一种应用于机顶盒的基于用户行为分析的广告投放方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1933592A (zh) * | 2005-09-12 | 2007-03-21 | 中兴通讯股份有限公司 | 一种电视节目推荐装置及其方法 |
CN101141619A (zh) * | 2007-09-05 | 2008-03-12 | 康佳集团股份有限公司 | 一种获取用户收看电视习惯的方法 |
CN102263999A (zh) * | 2011-08-03 | 2011-11-30 | Tcl集团股份有限公司 | 基于人脸识别对电视节目自动分类的方法及其*** |
CN103546778A (zh) * | 2013-07-17 | 2014-01-29 | Tcl集团股份有限公司 | 一种电视节目推荐方法、***及其实现方法 |
CN104333773A (zh) * | 2013-12-18 | 2015-02-04 | 乐视网信息技术(北京)股份有限公司 | 一种视频推荐方法及服务器 |
-
2015
- 2015-10-27 CN CN201510706417.4A patent/CN106612442A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1933592A (zh) * | 2005-09-12 | 2007-03-21 | 中兴通讯股份有限公司 | 一种电视节目推荐装置及其方法 |
CN101141619A (zh) * | 2007-09-05 | 2008-03-12 | 康佳集团股份有限公司 | 一种获取用户收看电视习惯的方法 |
CN102263999A (zh) * | 2011-08-03 | 2011-11-30 | Tcl集团股份有限公司 | 基于人脸识别对电视节目自动分类的方法及其*** |
CN103546778A (zh) * | 2013-07-17 | 2014-01-29 | Tcl集团股份有限公司 | 一种电视节目推荐方法、***及其实现方法 |
CN104333773A (zh) * | 2013-12-18 | 2015-02-04 | 乐视网信息技术(北京)股份有限公司 | 一种视频推荐方法及服务器 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019014834A1 (zh) * | 2017-07-18 | 2019-01-24 | 深圳市智晟达科技有限公司 | 统计观看时间的方法以及数字电视 |
CN107395377A (zh) * | 2017-08-31 | 2017-11-24 | 江西博瑞彤芸科技有限公司 | 一种广播列表推送方法 |
CN109587525A (zh) * | 2017-09-29 | 2019-04-05 | 深圳市中兴微电子技术有限公司 | 业务推送方法与***、机顶盒、业务服务平台及存储介质 |
CN108259976A (zh) * | 2018-03-07 | 2018-07-06 | 青岛海信电器股份有限公司 | 电视频道的排序方法及电视 |
CN108259976B (zh) * | 2018-03-07 | 2021-02-26 | 海信视像科技股份有限公司 | 电视频道的排序方法及电视 |
CN108595492A (zh) * | 2018-03-15 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 内容的推送方法和装置、存储介质、电子装置 |
CN112150186A (zh) * | 2019-06-27 | 2020-12-29 | 南宁富桂精密工业有限公司 | 广告投放方法、客户端装置、服务器及*** |
CN111190934A (zh) * | 2019-12-30 | 2020-05-22 | 青岛海尔科技有限公司 | 数据的推送方法及装置、存储介质和电子装置 |
CN113301399A (zh) * | 2021-05-19 | 2021-08-24 | 中山亿联智能科技有限公司 | 一种应用于机顶盒的基于用户行为分析的广告投放方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106612442A (zh) | 收视行为特征分析方法和装置 | |
KR102111223B1 (ko) | 푸시 정보 대략 선택 정렬 방법, 디바이스 및 컴퓨터 저장 매체 | |
CN104881803B (zh) | 一种分析广告点击链接的方法及装置 | |
US9454528B2 (en) | Method and system for creating ordered reading lists from unstructured document sets | |
US10089358B2 (en) | Methods and apparatus to partition data | |
CN110896488B (zh) | 一种直播间的推荐方法以及相关设备 | |
EP2899989A1 (en) | Data analysis apparatus, method and program | |
CN107093091B (zh) | 一种数据处理方法和装置 | |
CN106570013A (zh) | 页面访问数据的处理方法和装置 | |
KR102150660B1 (ko) | 검색 이력 기반 디지털 컨텐츠 추천 방법 및 그 장치 | |
CN107357764B (zh) | 数据分析方法、电子设备及计算机存储介质 | |
CN103402142A (zh) | 一种节目列表推送方法和装置 | |
CN108040265A (zh) | 一种对视频进行处理的方法和装置 | |
CN107273391A (zh) | 文书推荐方法和装置 | |
CN107959865A (zh) | 主播推送方法、装置及计算机设备 | |
CN105912546A (zh) | 一种推荐信息的处理方法及装置 | |
US11244014B2 (en) | System and method for enhancing exploration of data items | |
CN108153891A (zh) | 上网活跃时间统计方法及装置 | |
CN111858245A (zh) | 一种异常数据的分析方法、装置、电子设备及存储介质 | |
Del Ponte et al. | Evaluation of app-embedded disease scales for aiding visual severity estimation of Cercospora leaf spot of table beet | |
CN106452808A (zh) | 一种数据处理方法和装置 | |
CN107301158A (zh) | 数据稿件的自动处理方法和装置 | |
CN109543113B (zh) | 确定点击推荐词的方法、装置、存储介质及电子设备 | |
CN106933905B (zh) | 网页访问数据的监测方法和装置 | |
Vandersmissen et al. | The rise of mobile and social short-form video: an in-depth measurement study of vine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100083 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing Applicant after: Beijing Guoshuang Technology Co.,Ltd. Address before: 100086 Cuigong Hotel, 76 Zhichun Road, Shuangyushu District, Haidian District, Beijing Applicant before: Beijing Guoshuang Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170503 |