CN109309847A - 一种影视实体热度综合评估方法 - Google Patents
一种影视实体热度综合评估方法 Download PDFInfo
- Publication number
- CN109309847A CN109309847A CN201811058266.6A CN201811058266A CN109309847A CN 109309847 A CN109309847 A CN 109309847A CN 201811058266 A CN201811058266 A CN 201811058266A CN 109309847 A CN109309847 A CN 109309847A
- Authority
- CN
- China
- Prior art keywords
- video display
- index
- entity
- temperature
- display entity
- 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
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
-
- 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
- H04N21/26258—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 for generating a list of items to be played back in a given order, e.g. playlist, or scheduling item distribution according to such list
-
- 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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
-
- 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
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种影视实体热度综合评估方法,包括以下步骤:A.从数据源获取影视实体数据及电视节目表数据;B.对收集的实体数据进行数据清理,提取出衡量各类实体热度的主要指标,并对各热度指标值进行规范化处理;C.基于特征值法,计算得到各热度指标的权重;D.利用所述热度指标值及其权重,计算影视实体的初始热度值;E.结合时间流逝及电视剧重播对影视实体热度的显著影响,计算影视的最终热度值。本发明的方法能够将影视实体的热度进行量化,综合评估各影视实体的热度,便于更好地对用户搜索的影视实体进行排序,提升用户的使用体验。
Description
技术领域
本发明涉及大数据处理技术领域,特别涉及一种影视实体热度综合评估方法。
背景技术
随着互联网技术与影视产业的飞速发展,几乎每天都有新的影视剧上架,这使得人们可从电视上搜索到大量的影视资源,如人们可通过导演、演员、片名等信息搜索影视资源,但搜索得到的结果往往只是相应作品的简单罗列,或者仅简单地根据作品的评分、历史播放量等参考指标的加权平均进行热度排序,而这往往难以满足用户的需求。如何用一种有效地方式对影视实体进行热度排序,以帮助用户快速找到其心仪的影视剧,成为了一个重要的需求。
一般大型影视站点为了便于用户的交流、展现用户对影视的评价及方便用户搜索,提供了影视实体的评分、评分人数、评论量、浏览量等信息,基于这些参考指标可采用相应的算法计算得到各影视实体的热度评分。这些参考指标所表现出来的热度只是该影视实体处于某个阶段的热度,例如某些电影,在其上映后的一段时间内,其热度值一直处于很高的状态,但是随着时间的流逝,在一定时间后仍将该影片排在热度排名较高的地方就明显不合理了。
事实上,影视实体的热度值在其上映一段时间后应该随着时间的流逝而逐渐冷却,使得老影视剧排名逐渐靠后,而近期热播的影视剧排名靠前。在考虑到时间流逝对热度的影响的基础上,又产生了一个新的问题,即某些老电视剧虽然其上映年代较为久远,随着时间流逝其热度在当前理应冷却至很低,但由于电视台时有重播,这些老电视剧的热度值仍处于较高的一个状态。本发明主要是针对影视实体热度计算的上述问题,提出了一种更好地评估影视实体热度的方法。
发明内容
本发明的目的是基于上述背景技术,提供一种影视实体热度综合评估方法,针对影视实体搜索结果排序不合理的问题,公开一种有效的方法来评估各影视实体的热度,可更人性化地向用户展示搜索结果。
为了达到上述的技术效果,本发明采取以下技术方案:
一种影视实体热度综合评估方法,其特征在于,包括以下步骤:
A.从数据源获取影视实体数据及电视节目表数据,具体可从影视站点获取影视实体数据;从电视端获取电视节目表;
B.对收集的实体数据进行数据清理,提取出衡量各类实体热度的主要指标,并对各热度指标值进行规范化处理;由于不同指标的量纲和数量级很可能会不同,为了消除这种差异对热度排序结果的影响,因此需要对各指标值进行规范化处理;
C.基于特征值法,计算得到各热度指标的权重;
D.利用所述热度指标值及其权重,计算影视实体的初始热度值;
E.结合时间流逝及电视剧重播对影视实体热度的显著影响,计算影视的最终热度值。
进一步地,所述步骤A中电视节目表数据包括最近十年主要电视频道的节目信息。
进一步地,所述步骤B中,提取出的衡量各类实体热度的主要指标包括:评分、评分人数、评论数、想看或看过人数、词条浏览量。
进一步地,所述步骤B中对各热度指标值进行规范化处理的算法具体为:
其中,xij表示实体i的指标j的值,m表示实体数,yij表示规范化处理后的指标值。
进一步地,所述步骤C中,计算得到各热度指标的权重时具体采用比例标度法来对各热度指标之间的相对重要性进行定量化。
进一步地,所述比例标度法为AHP1—9标度法,即使用1~9之间的九个数及其倒数来标度指标之间的相对重要性大小;
其中,设有n个指标{a1,a2,...,an},令aij表示αi和αj的相对重要性,通过各指标间的两两比较得到如下判断矩阵:
其中,αii=1,αji=1/αij;
设λ是A的特征值,Z是A的对应于特征值λ的特征向量,则有AZ=λZ;令|A-λE|=0可求得特征值λ,将λ代入AZ=λZ计算得到判断矩阵A的特征向量Z,最后对特征向量Z进行归一化处理,即可得到指标的权重W={w1,w2,...,wn}。
进一步地,由于客观事物的复杂性和对事物认识的主观性及片面性,上述方法构造的判断矩阵可能并不是一致性矩阵,因此需要对其进行一致性检验,所述步骤C中还包括对判断矩阵进行一致性检验的步骤,所述判断矩阵的一致性检验公式如下:
其中,λmax表示最大特征根,λmax=∑(AW)i/(mWi);n为矩阵阶数即指标个数;C.I.表示一致性指标;R.I.表示平均随机一致性指标是一个常量,具体可从平均随机一致性指标量表中查询得到,C.R.表示随机一致性比率,仅当C.R.<0.1时,所述判断矩阵才通过一致性检验,才可进行后续的热度指标的权重的计算;即只有当C.R.<0.1时,判断矩阵才是保持一致性的;否则,则需要对判断矩阵进行调整。
进一步地,所述步骤D中影视实体的初始热度值的计算方法如下:将指标权重与步骤B中规范化处理后的热度指标值进行加权,得到各实体的初始热度值H0:
其中,n为指标数,yi为某实体的第i个指标的指标值,wi为第i个指标的权重。
进一步地,所述步骤E中计算影视的最终热度值的计算方式为:
其中,wi表示指标i的权重,yi表示实体e的指标i规范化处理后的指标值,α表示实体热度随时间流逝的冷却系数,代表了热度随时间的衰减速度,且不同的影视实体类别,可取不同冷却系数;
t0表示冷却时间;λ表示重播对于热度的正面影响因子,此处仅考虑主要电视台在07:00到24:00之间的重播记录,若某一年重播过,则记为一次重播,若一年内重播过多次,则仅考虑该年最近一次重播,若重播时间段跨越了两年,则仅计为一次,k表示重播次数;tj表示第j次重播完结日期距离当前的天数;
考虑到在影视剧上映或播放完结后,其热度会随着时间的流逝逐渐降低,虽然某些影视剧各项指标都很高,但由于其上映时间早,随着时间的流逝其热度值会逐渐降低,此外,一些经典电视剧由于几乎每年都有电视台重播,虽其首播的时间较为久远,但其热度值仍保持较高的状态,因此,综合考虑时间流逝对实体热度的负面影响,以及电视剧重播对热度的正面影响。
进一步地,所述影视实体类别至少分为电影、电视剧、综艺、纪录片,且若影视实体类别为电影,则t0表示影片上映半个月的日期距离当前日期的天数;若影视实体类别为电视剧、综艺、纪录片,则t0表示该剧播放结束的日期距离当前的天数;且若实体为非电视剧,则λ为0;
本发明与现有技术相比,具有以下的有益效果:
本发明的一种影视实体热度综合评估方法,针对影视实体搜索结果排序不合理的问题,提供了一种有效的方法来评估各影视实体的热度,将影视实体的热度进行量化,综合评估各影视实体的热度,便于更好地对用户搜索的影视实体进行排序,可更人性化地向用户展示搜索结果,提升用户的使用体验。
附图说明
图1是本发明的影视实体热度综合评估方法的流程示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例一:
一种影视实体热度综合评估方法,具体包括以下步骤:
(1)从不同数据源收集所需的数据:从影视站点获取影视实体数据;从电视端获取电视节目表;
(2)对收集的实体数据进行数据清理,提取出衡量各类实体热度的主要指标,并对各指标值进行规范化处理;
(3)基于特征值法,计算得到各热度指标的权重;
(4)利用规范化处理后的热度指标值及其权重,计算影视实体的初始热度值;
(5)结合时间流逝及电视剧重播对影视实体热度的显著影响,计算影视的最终热度值。
具体的,上述步骤(1)中,获取的电视节目表数据包括最近十年主要电视频道的节目信息。
在步骤(2)中,提取出的衡量实体热度的主要指标包括:评分、评分人数、评论数、想看/看过人数、词条浏览量。
由于不同指标的量纲和数量级很可能会不同,为了消除这种差异对热度排序结果的影响,需要对各指标值进行规范化处理。假设m个实体的n个指标的初始数据矩阵为X={xij}m×n,经过规范化处理后的数据矩阵为Y={yij}m×n,则
其中,xij表示第i个实体的第j个指标的值,yij表示规范化处理后的指标值。
具体的,上述步骤(3)中,计算得到各热度指标的相对权重的方法如下:
采用比例标度法来对各热度指标之间的相对重要性进行定量化,为了更精确地量化,此处采用1~9标度法,即使用1~9之间的九个数(及其倒数)来标度指标之间的相对重要性大小。设有n个指标{a1,a2,...,an},令aij表示ai和aj的相对重要性,通过各指标间的两两比较得到如下判断矩阵:
其中,aii=1,aji=1/aij。
设λ是A的特征值,Z是A的对应于特征值λ的特征向量,则有AZ=λZ。令|A-λE|=0可求得特征值λ,将λ代入AZ=λZ计算得到判断矩阵A的特征向量Z,最后对特征向量Z进行归一化处理,即可得到指标的权重W={w1,w2,...,wn}。
由于客观事物的复杂性和对事物认识的主观性及片面性,上述方法构造的判断矩阵可能并不是一致性矩阵,因此需要对其进行一致性检验,检验公式如下:
其中,λmax表示最大特征根,λmax=∑(AW)i/(nWi);n为矩阵阶数(即指标个数);C.I.表示一致性指标;R.I.表示平均随机一致性指标,其是一个常量,可从平均随机一致性指标量表中查询得到;C.R.表示随机一致性比率。
只有当C.R.<0.1时,判断矩阵是保持一致性的;反之,需要对判断矩阵进行调整。
具体的,上述步骤(4)中,影视实体初始热度计算方法如下:将指标权重与步骤(3)中规范化处理后的指标值进行加权,得到各实体的初始热度值H0:
其中,n为指标数,yi为某实体的第i个指标的指标值,wi为第i个指标的权重。
具体的,上述步骤(5)中,考虑到在影视剧上映或播放完结后,其热度会随着时间的流逝逐渐降低,虽然某些影视剧各项指标都很高,但由于其上映时间早,随着时间的流逝其热度值会逐渐降低。此外,如西游记、还珠格格等部分经典电视剧,由于几乎每年都有电视台重播,虽其首播的时间较为久远,但其热度值仍保持较高的状态。
因此,综合考虑时间流逝对实体热度的负面影响,以及电视剧重播对热度的正面影响,在步骤(4)得到的初始热度H0的基础上,增加影响因子,得到新的实体热度He:
其中,α表示实体热度随时间流逝的冷却系数,代表了热度随时间的衰减速度,不同的影视实体类别(如电影或电视剧),可取不同冷却系数。若实体为电影,则t0表示影片上映半个月的日期距离当前日期的天数;若实体为电视剧、综艺、纪录片等,则t0表示该剧播放结束的日期距离当前的天数。λ表示重播对于热度的正面影响因子,若实体为非电视剧,则λ为0。此处仅考虑主要电视台在07:00到24:00之间的重播记录,若某一年重播过,则记为一次重播,若一年内重播过多次,则仅考虑该年最近一次重播,若重播时间段跨越了两年,则仅计为一次。k表示重播次数。tj表示第j次重播完结日期距离当前的天数。
实施例二:
如图1所示,一种影视实体热度综合评估方法,具体包括以下步骤:
步骤一:数据的收集:
从影视站点和百度百科获取不同类别的影视实体数据:类别包括电影、电视剧、综艺、动画、纪录片等,影视实体的基本信息包括影视名、上映/首播日期、评论数、评分、评分人数、评论数、浏览量、想看/看过人数。从电视端获取近十年来主要电视频道的电视节目表。
步骤二:数据预处理:
对收集的数据进行简单清洗:包括繁体转换为简体、特殊字符处理、日期格式统一。如获取到的数据中影视剧的上映/首播日期可能包括以下形式:{“上映时间”:”2018-7-25”}、{“首播时间”:”2018年8月25日”}、{”issue”:”2018/7/25”}等,利用正则表达式”\d{4}[年\-—/\.]\d{1,2}[月\-—/\.]\d{1,2}[日号]?”提取出日期信息,再转换为统一形式,即统一处理为{“issue”:”1991-01-12”}格式的日期。
步骤三:热度指标提取及权重计算:
从实体的基本信息中提取出用以计算热度的主要指标,本实施例中影视实体的热度指标包括:评分、评分人数、评论数、想看/看过人数、浏览数。
采用1~9标度作为判断定量化的依据,设有6个热度衡量指标:评分、评分人数、评论量、浏览量、想看人数、看过人数。建立如表1的判断矩阵:
表1:判断矩阵列表
设λ是A的特征值,Z是A的对应于特征值λ的特征向量,则有AZ=λZ。令|A-λE|=0可求得特征值λ,将λ代入AZ=λZ计算得到判断矩阵A的特征向量Z,最后对特征向量Z进行归一化处理,即可得到指标的权重W={w1,w2,...,wn}。
则基于上述计算方式及建立的判断矩阵,求得最大特征根及对应的特征向量和权向量如下:最大特征根=6.1206,对应的特征向量=[-0.0736 -0.1843 -0.2787 -0.8273-0.4235 -0.1384],各指标的权重向量=[0.0382 0.0957 0.1447 0.4295 0.21990.0718]。
对建立的判断矩阵进行一致性检验:具体检验公式如下:
其中,λmax表示最大特征根,λmax=∑(AW)i/(nWi);n为矩阵阶数(即指标个数);C.I.表示一致性指标;R.I.表示平均随机一致性指标,其是一个常量,可从量表中查询得到;C.R.表示随机一致性比率。
则计算得到最大的特征值=6.1206,CI=(最大特征根-维度)/(维度-1)=0.0241,由于该判断矩阵维度为6,从平均随机一致性指标量表中查询得该矩阵在一致性检测时采用的RI=1.24,CR=CI/RI=0.0194<0.1,所以通过一致性检验。
根据前述内容中计算结果将各指标权重列表表示,具体如表2所示:
表2:热度指标权重值列表:
指标 | A<sub>1</sub>(评分) | A<sub>2</sub>(评分人数) | A<sub>3</sub>(评论) | A<sub>4</sub>(浏览) | A<sub>5</sub>(想看) | A<sub>6</sub>(看过) |
权重 | 0.0382 | 0.0957 | 0.1447 | 0.4295 | 0.2199 | 0.0718 |
步骤四:计算实体的初始热度:
利用步骤2中的公式对各项热度指标值进行规范化处理,将规范化处理后的指标值与上面得到的指标权重进行加权,得到各实体的初始热度值H0:
其中,n为指标数,yi为某实体的第i个指标的指标值,wi为第i个指标的权重。
步骤五:计算实体的综合热度:
考虑到时间流逝及电视剧重播对热度的影响,利用如下式子计算实体e的综合热度He:
其中α表示实体热度随时间流逝的冷却因子,若实体为电视剧,取α=0.0019,若实体为其他影视实体,则取α=0.0125。λ表示重播对于热度的正面影响因子,若实体为电视剧,取λ=0.2,若实体为非电视剧,则λ为0。
下面将以表3中的影视为例,根据上述公式计算表3中各实体的热度并将实体热度由高至低排序后得到表4;
表3各影视实体的热度指标值列表:
表4排序后的实体热度列表:
片名 | 热度值 |
我不是某某 | 0.43987 |
某摇 | 0.12402 |
某某传 | 0.11011 |
某某志 | 0.06194 |
某某榜 | 0.05857 |
某某记(86版) | 0.03969 |
一起来看某某 | 0.02074 |
某某 | 0.00109 |
变某某5 | 0.00070 |
某某江湖(01版) | 0.00028 |
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种影视实体热度综合评估方法,其特征在于,包括以下步骤:
A.从数据源获取影视实体数据及电视节目表数据;
B.对收集的实体数据进行数据清理,提取出衡量各类实体热度的主要指标,并对各热度指标值进行规范化处理;
C.基于特征值法,计算得到各热度指标的权重;
D.利用所述热度指标值及其权重,计算影视实体的初始热度值;
E.结合时间流逝及电视剧重播对影视实体热度的显著影响,计算影视的最终热度值。
2.根据权利要求1所述的一种影视实体热度综合评估方法,其特征在于,所述步骤A中电视节目表数据包括最近十年主要电视频道的节目信息。
3.根据权利要求1所述的一种影视实体热度综合评估方法,其特征在于,所述步骤B中,提取出的衡量各类实体热度的主要指标包括:评分、评分人数、评论数、想看或看过人数、词条浏览量。
4.根据权利要求1所述的一种影视实体热度综合评估方法,其特征在于,所述步骤B中对各热度指标值进行规范化处理的算法具体为:
其中,xij表示实体i的指标j的值,m表示实体数,yij表示规范化处理后的指标值。
5.根据权利要求1所述的一种影视实体热度综合评估方法,其特征在于,所述步骤C中,计算得到各热度指标的权重时具体采用比例标度法来对各热度指标之间的相对重要性进行定量化。
6.根据权利要求5所述的一种影视实体热度综合评估方法,其特征在于,所述比例标度法为AHP1—9标度法,即使用1~9之间的九个数及其倒数来标度指标之间的相对重要性大小;
其中,设有n个指标{a1,a2,...,an},令aij表示ai和aj的相对重要性,通过各指标间的两两比较得到如下判断矩阵:
其中,aii=1,aji=1/aij;
设λ是A的特征值,Z是A的对应于特征值λ的特征向量,则有AZ=λZ;
令|A-λE|=0可求得特征值λ,将λ代入AZ=λZ计算得到判断矩阵A的特征向量Z,最后对特征向量Z进行归一化处理,即可得到指标的权重W={w1,w2,...,wn}。
7.根据权利要求6所述的一种影视实体热度综合评估方法,其特征在于,所述步骤C中还包括对判断矩阵进行一致性检验的步骤,所述判断矩阵的一致性检验公式如下:
其中,λmax表示最大特征根,λmax=∑(AW)i/(nWi);n为矩阵阶数即指标个数;C.I.表示一致性指标;R.I.表示平均随机一致性指标,C.R.表示随机一致性比率,仅当C.R.<0.1时,所述判断矩阵才通过一致性检验,才可进行后续的热度指标的权重的计算。
8.根据权利要求6所述的一种影视实体热度综合评估方法,其特征在于,所述步骤D中影视实体的初始热度值的计算方法如下:将指标权重与步骤B中规范化处理后的热度指标值进行加权,得到各实体的初始热度值H0:
其中,n为指标数,yi为某实体的第i个指标的指标值,wi为第i个指标的权重。
9.根据权利要求8所述的一种影视实体热度综合评估方法,其特征在于,所述步骤E中计算影视的最终热度值的计算方式为:
其中,wi表示指标i的权重,yi表示实体e的指标i规范化处理后的指标值,α表示实体热度随时间流逝的冷却系数,代表了热度随时间的衰减速度,且不同的影视实体类别,可取不同冷却系数;
t0表示冷却时间;λ表示重播对于热度的正面影响因子,k表示重播次数;tj表示第j次重播完结日期距离当前的天数。
10.根据权利要求9所述的一种影视实体热度综合评估方法,其特征在于,所述影视实体类别至少分为电影、电视剧、综艺、纪录片,且若影视实体类别为电影,则t0表示影片上映半个月的日期距离当前日期的天数;若影视实体类别为电视剧、综艺、纪录片,则t0表示该剧播放结束的日期距离当前的天数;且若实体为非电视剧,则λ为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811058266.6A CN109309847A (zh) | 2018-09-11 | 2018-09-11 | 一种影视实体热度综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811058266.6A CN109309847A (zh) | 2018-09-11 | 2018-09-11 | 一种影视实体热度综合评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109309847A true CN109309847A (zh) | 2019-02-05 |
Family
ID=65224750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811058266.6A Pending CN109309847A (zh) | 2018-09-11 | 2018-09-11 | 一种影视实体热度综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109309847A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225407A (zh) * | 2019-04-23 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 一种播放数据的获取方法和装置及计算机可读存储介质 |
CN110334265A (zh) * | 2019-07-10 | 2019-10-15 | 杭州二更网络科技有限公司 | 一种新型视频评分方法与装置 |
CN111026997A (zh) * | 2019-12-17 | 2020-04-17 | 上饶市中科院云计算中心大数据研究院 | 一种热点事件热度量化方法及装置 |
CN111475688A (zh) * | 2020-04-07 | 2020-07-31 | 西安影视数据评估中心有限公司 | 一种电影热度的计算方法 |
CN112365447A (zh) * | 2020-10-20 | 2021-02-12 | 四川长虹电器股份有限公司 | 一种多维度影视评分方法 |
CN113127743A (zh) * | 2021-05-06 | 2021-07-16 | 数库(上海)科技有限公司 | 新闻主体热度计算及排序方法、装置、设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101163196A (zh) * | 2007-11-20 | 2008-04-16 | 腾讯科技(深圳)有限公司 | 一种向电视用户推荐节目的方法、***及设备 |
CN104504124A (zh) * | 2014-12-31 | 2015-04-08 | 合一网络技术(北京)有限公司 | 通过视频搜索和播放行为表现出实体热度的方法 |
CN104572969A (zh) * | 2014-12-31 | 2015-04-29 | 乐视致新电子科技(天津)有限公司 | 跨应用的关联资源信息获取的方法和装置 |
CN105138838A (zh) * | 2015-08-21 | 2015-12-09 | 浙江工业大学 | 基于ahp和专家排序赋权的指标权重分配方法 |
CN105335517A (zh) * | 2015-11-06 | 2016-02-17 | 努比亚技术有限公司 | 选择热度多媒体的方法及终端 |
CN106658087A (zh) * | 2016-09-23 | 2017-05-10 | 东软集团股份有限公司 | 基于新媒体的电视台影响力指数计算方法及装置 |
CN108228598A (zh) * | 2016-12-14 | 2018-06-29 | 腾讯科技(北京)有限公司 | 媒体信息排序方法、服务器和*** |
US10032145B1 (en) * | 2011-09-29 | 2018-07-24 | Google Llc | Video revenue sharing program |
-
2018
- 2018-09-11 CN CN201811058266.6A patent/CN109309847A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101163196A (zh) * | 2007-11-20 | 2008-04-16 | 腾讯科技(深圳)有限公司 | 一种向电视用户推荐节目的方法、***及设备 |
US10032145B1 (en) * | 2011-09-29 | 2018-07-24 | Google Llc | Video revenue sharing program |
CN104504124A (zh) * | 2014-12-31 | 2015-04-08 | 合一网络技术(北京)有限公司 | 通过视频搜索和播放行为表现出实体热度的方法 |
CN104572969A (zh) * | 2014-12-31 | 2015-04-29 | 乐视致新电子科技(天津)有限公司 | 跨应用的关联资源信息获取的方法和装置 |
CN105138838A (zh) * | 2015-08-21 | 2015-12-09 | 浙江工业大学 | 基于ahp和专家排序赋权的指标权重分配方法 |
CN105335517A (zh) * | 2015-11-06 | 2016-02-17 | 努比亚技术有限公司 | 选择热度多媒体的方法及终端 |
CN106658087A (zh) * | 2016-09-23 | 2017-05-10 | 东软集团股份有限公司 | 基于新媒体的电视台影响力指数计算方法及装置 |
CN108228598A (zh) * | 2016-12-14 | 2018-06-29 | 腾讯科技(北京)有限公司 | 媒体信息排序方法、服务器和*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225407A (zh) * | 2019-04-23 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 一种播放数据的获取方法和装置及计算机可读存储介质 |
CN110225407B (zh) * | 2019-04-23 | 2021-09-03 | 北京奇艺世纪科技有限公司 | 一种播放数据的获取方法和装置及计算机可读存储介质 |
CN110334265A (zh) * | 2019-07-10 | 2019-10-15 | 杭州二更网络科技有限公司 | 一种新型视频评分方法与装置 |
CN111026997A (zh) * | 2019-12-17 | 2020-04-17 | 上饶市中科院云计算中心大数据研究院 | 一种热点事件热度量化方法及装置 |
CN111026997B (zh) * | 2019-12-17 | 2023-04-25 | 上饶市中科院云计算中心大数据研究院 | 一种热点事件热度量化方法及装置 |
CN111475688A (zh) * | 2020-04-07 | 2020-07-31 | 西安影视数据评估中心有限公司 | 一种电影热度的计算方法 |
CN112365447A (zh) * | 2020-10-20 | 2021-02-12 | 四川长虹电器股份有限公司 | 一种多维度影视评分方法 |
CN113127743A (zh) * | 2021-05-06 | 2021-07-16 | 数库(上海)科技有限公司 | 新闻主体热度计算及排序方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109309847A (zh) | 一种影视实体热度综合评估方法 | |
CN104935963B (zh) | 一种基于时序数据挖掘的视频推荐方法 | |
Odic et al. | Relevant context in a movie recommender system: Users’ opinion vs. statistical detection | |
Chung et al. | A general consumer preference model for experience products: application to internet recommendation services | |
CN101634996A (zh) | 基于综合考量的个性化视频排序方法 | |
CN112800097A (zh) | 基于深度兴趣网络的专题推荐方法及装置 | |
CN107403092A (zh) | 一种手机app隐私风险量化评估方法 | |
CN106980646A (zh) | 基于流行度对用户兴趣的影响机制分析及其在推荐算法中应用的方法 | |
Yamasaki et al. | Social popularity score: Predicting numbers of views, comments, and favorites of social photos using only annotations | |
WO2020135642A1 (zh) | 一种基于生成对抗网络的模型训练方法及设备 | |
Su | Chinese online unemployment-related searches and macroeconomic indicators | |
CN103337028A (zh) | 一种推荐方法、装置 | |
CN116541607A (zh) | 基于商品检索数据分析的智能推荐方法 | |
CN107545457B (zh) | 汽车竞品车型确定方法及装置 | |
CN116629983B (zh) | 基于用户偏好的跨领域商品推荐方法及*** | |
Liu et al. | Filter pruning by quantifying feature similarity and entropy of feature maps | |
Song et al. | Determining user expertise for improving recommendation performance | |
CN103294795A (zh) | 一种利用用户性格调节电影推荐多样性的方法 | |
CN106708939A (zh) | 一种对目标人物进行评分及推送的方法、装置、*** | |
Li et al. | A personalized recommendation algorithm for college books based on user interest | |
Wang et al. | Valuing outdoor recreation activities using a meta-analysis model in China: an empirical study | |
CN111191707B (zh) | 融合时间衰减因子的lfm训练样本构建方法 | |
CN112118486B (zh) | 内容项投放方法、装置、计算机设备及存储介质 | |
Mao et al. | An improved similarity measure method in collaborative filtering recommendation algorithm | |
CN112148994A (zh) | 信息推送效果评估方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190205 |
|
RJ01 | Rejection of invention patent application after publication |