CN111209470A - 个性化内容推荐方法、装置及存储介质 - Google Patents

个性化内容推荐方法、装置及存储介质 Download PDF

Info

Publication number
CN111209470A
CN111209470A CN201811390538.2A CN201811390538A CN111209470A CN 111209470 A CN111209470 A CN 111209470A CN 201811390538 A CN201811390538 A CN 201811390538A CN 111209470 A CN111209470 A CN 111209470A
Authority
CN
China
Prior art keywords
user
program
recommended
programs
label
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
Application number
CN201811390538.2A
Other languages
English (en)
Other versions
CN111209470B (zh
Inventor
李婷婷
朱里越
欧阳峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Academy of Broadcasting Science of SAPPRFT
Original Assignee
Academy of Broadcasting Science of SAPPRFT
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 Academy of Broadcasting Science of SAPPRFT filed Critical Academy of Broadcasting Science of SAPPRFT
Priority to CN201811390538.2A priority Critical patent/CN111209470B/zh
Publication of CN111209470A publication Critical patent/CN111209470A/zh
Application granted granted Critical
Publication of CN111209470B publication Critical patent/CN111209470B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种个性化内容推荐方法、装置及存储介质。其中，所述方法包括：为影视库中的各节目生成节目标签；采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。本发明利用个性化标签和节目标签按照预设的打分规则进行打分，按照资源的得分为用户输出推荐资源，实现内容推荐的自动化及个性化，同时，使得推荐的结果更加准确，满足用户的喜好。

Description

个性化内容推荐方法、装置及存储介质
技术领域
本发明涉及互联网技术领域，尤其涉及一种个性化内容推荐方法、装置及存储介质。
背景技术
伴随网络业务的飞速发展，业务平台为用户提供了海量的内容资源和服务，推荐技术的应用领域也越来越多。例如，影音娱乐推荐、新闻推荐、商务推荐、娱乐推荐、学习推荐、购物推荐、决策支持等。推荐方法的创新性、实用性、实时性、简单性也越来越强。但由于受传统“广播式”业务模式思维和技术限制的影响，现有推荐更多是一种大众化的、无差别推荐，即使有部分个性化推荐的探索，但实际推荐效果在精准度上也不甚理想，缺乏精细化、差异化、个性化服务。现有的产品和服务与用户日益提升的个性化需求的矛盾突出。部分互联网业务通过人工方式对内容进行推荐，由于是人工推荐，人工参与运营往往受到参与者的个人倾向和思维定式限制，所推荐出的内容覆盖面有一定局限性，并不一定能满足所有消费者的需求，在服务强调差异化和个性化的今天，这无疑是产品的一个重大缺陷，且人工运营的不及时性也无力支撑产品的实时性要求，此外，人工运营需要消耗大量的人力资源，这无疑加重了企业的日常经营成本压力。
发明内容
本发明实施例提供一种个性化内容推荐方法、装置及存储介质，用以解决现有技术中存在的内容推荐不够准确的问题。
第一方面，本发明实施例提供一种个性化内容推荐方法，所述方法包括以下步骤：
为影视库中的各节目生成节目标签；
采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
可选的，为影视库中的各节目生成节目标签，具体包括：
确定节目中主要演员的顺序，按照所述主要演员的顺序为各主要演员配置对应的系数以生成主演标签；
依据节目的节目内容确定节目类型，并确定各节目类型分别占总节目类型的百分比，生成类型标签；
依据所述主演标签、类型标签和节目的原始评分生成节目标签。
可选的，所述采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签，具体包括：
确定观看时段并设定与各所述观看时段对应的用户的身份；
采集用户观看记录，根据各所述观看时段的观看记录确定各身份用户青睐的演员，并按照各身份用户对各演员的青睐程度为各演员设定青睐值；
根据各所述观看时段的观看记录确定各身份用户喜好的节目类型，并按照各身份用户对各节目类型的喜好程度为各节目类型设定喜好值；
依据所述各身份用户青睐的演员、青睐值、各身份用户喜好的节目类型及喜好值生成用户初始标签；
依据当前观看时间确定当前用户的身份，并将与当前用户的身份对应的用户初始标签作为用户当前标签。
可选的，所述依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目，具体包括：根据用户当前标签中的用户青睐的演员，从影视库中筛选出对应的节目，获得推荐节目。
可选的，利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值，具体包括：
依据所述节目标签中推荐节目对应的原始评分、所述主演标签中各主要演员的系数、各所述主要演员在用户当前标签中所对应的青睐值、推荐节目的节目类型的百分比以及所述节目类型在用户当前标签中所对应的喜好值进行加权积分计算，获得各推荐节目的推荐值。
可选的，所述将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示，具体包括：按照推荐值由低到高或由高到低的顺序对各节目进排序，并将排序后的节目向用户进行展示。
可选的，所述节目类型包括以下一种或几种：动作片、偶像片、奇幻片、爱情片、历史片、恐怖片、少儿片、教育片、家庭片和剧情片。
第二方面，本发明实施例提供一种个性化内容推荐装置，包括：
第一生成模块，用于为影视库中的各节目生成节目标签；
第二生成模块，采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
筛选模块，用于依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
计算模块，用于利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
展示模块，用于将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
第三方面，本发明实施例提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：
为影视库中的各节目生成节目标签；
采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
本发明实施例通过通过采集到的用户数据生成用户个性化标签，在通过媒体资源信息生成节目标签，根据用户的标签与节目标签比对进行节目的排序与筛选，最终为用户推荐媒体资源。本发明利用个性化标签和节目标签按照预设的打分规则进行打分，实现了将媒体资源与用户的匹配程度进行自动打分，按照资源的得分为用户输出推荐资源，实现内容推荐的自动化及个性化，同时，使得推荐的结果更加准确，满足用户的喜好。
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为本发明第一实施例的一种个性化内容推荐方法的流程图；
图2为本发明第二实施例的一种个性化内容推荐方法的流程图；
图3为本发明第二实施例的节目标签示意图；
图4为本发明第二实施例的用户身份设定的示意图；
图5为本发明第二实施例中的用户初始标签示意图；
图6为本发明第三实施例中的一种个性化内容推荐装置的结构框图。
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。
本发明第一实施例提供一种个性化内容推荐方法，如图1所示，包括以下具体步骤：
步骤S101，为影视库中的各节目生成节目标签；
步骤S102，采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
步骤S103，依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
步骤S104，利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
步骤S105，将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
本发明实施例通过采集到的用户数据生成用户个性化标签，在通过媒体资源信息生成节目标签，根据用户的标签与节目标签比对进行节目的排序与筛选，最终为用户推荐媒体资源。
本发明第二实施例提供一种个性化内容推荐方法，如图2所示，包括以下具体步骤：
步骤S201，确定节目中主要演员的顺序，按照所述主要演员的顺序为各主要演员配置对应的系数以生成主演标签；例如，确定某部电影中的主要演员依次为A、B、C和D四个人，则为A配置的系数为1.0，为B配置的系数为0.8，为C配置的系数为0.5，为D配置的系数为0.4，获得主演标签。
步骤S202，依据节目的节目内容确定节目类型，并确定各节目类型分别占总节目类型的百分比，生成类型标签；具体的，节目类型包括以下一种或几种：动作片、偶像片、奇幻片、爱情片、历史片、恐怖片、少儿片、教育片、家庭片和剧情片。例如该电影的节目类型为“爱情”、“奇幻”和“动作”，三者所占的百分比分别为“爱情”占30％，“奇幻”占40％，“动作”占30％。本实施例中可以根据标签类型的个数，平均分配标签的系数权重，同时还可以人工运营修改标签系数，以对不合理的标签系数做修改。
步骤S203，依据所述主演标签、类型标签和节目的原始评分生成节目标签。具体的该节目标签如图3所示。
步骤S204，确定观看时段并设定与各所述观看时段对应的用户的身份；具体的可以将观看时段划分为8:00-17:00，17:00-19:30，19:30-0:00和0:00-8:00四个时段，并将8:00-17:00观看节目的用户的身份设定为“退休族”，将17:00-19:30观看节目的用户的身份设定为“上学族”，将19:30-0:00观看节目的用户的身份设定为“上班族”，将0:00-8:00观看节目的用户的身份设定为“熬夜党”，具体如图4所示，本实施例中观看时段可以根据实际需要进行调整。
步骤S205，采集用户观看记录，根据各所述观看时段的观看记录确定各身份用户青睐的演员，并按照各身份用户对各演员的青睐程度为各演员设定青睐值；例如身份为“上班族”用户青睐的演员以此包括：E、A、F和D，对演员E的青睐值为6.7，其中，对演员A的青睐值为4.5，对演员F的青睐值为3.4，对演员D的青睐值为2.1。
步骤S206，根据各所述观看时段的观看记录确定各身份用户喜好的节目类型，并按照各身份用户对各节目类型的喜好程度为各节目类型设定喜好值；例如身份为“上班族”的用户喜好的节目类型包括：动作、偶像和历史，其中对动作类的节目的喜好值为3.2，对偶像类的节目的喜好值为2.5，对历史类的节目的喜好值为1.9。
步骤S207，依据所述各身份用户青睐的演员、青睐值、各身份用户喜好的节目类型及喜好值生成用户初始标签；用户初始标签具体的表示方式可如图5所示。
步骤S208，依据当前观看时间确定当前用户的身份，并将与当前用户的身份对应的用户初始标签作为用户当前标签；当前观看的时间为21:30，与步骤S204中设定的上班族的时间段对应，则确定当前用户的身份为“上班族”，则将上班族对应的用户的初始标签作为用户当前的标签，如图5所示。
步骤S209，根据用户当前标签中的用户青睐的演员，从影视库中筛选出对应的节目，获得推荐节目；例如用户当前标签中青睐的演员为A、E、F和D，则将A、E、F和D参演的节目筛选出来，获得推荐节目；
步骤S210，依据所述节目标签中推荐节目对应的原始评分、所述主演标签中各主要演员的系数、各所述主要演员在用户当前标签中所对应的青睐值、推荐节目的节目类型的百分比以及所述节目类型在用户当前标签中所对应的喜好值进行加权积分计算，获得各推荐节目的推荐值。例如筛选出来的某个推荐节目的节目标签为步骤S203中的节目标签，用户当前的标签为步骤S208中的用户当前标签，则该推荐节目的推荐值为：
{A(1.0×4.5)+D(0.4×2.1)+动作(30％x3.2)}×原始评分(7.9)＝49.77
步骤S211，按照推荐值由低到高的顺序对各节目进排序，并将排序后的节目向用户进行展示。
本发明实施例通过采集到的用户数据生成用户个性化标签，在通过媒体资源信息生成节目标签，根据用户的标签与节目标签比对进行节目的排序与筛选，最终为用户推荐媒体资源。本发明利用个性化标签和节目标签按照预设的打分规则进行打分，实现了将媒体资源与用户的匹配程度进行自动打分，按照资源的得分为用户输出推荐资源，实现内容推荐的自动化及个性化，满足给用户提供个性化、差异化的精准推荐业务需求。另外，通过实现业务活动的自动化，解决人工运营活动产生的人力资源成本问题，并从根本上确保服务的实时性。
本发明第三实施例提供一种个性化内容推荐装置，如图6所示，包括：
第一生成模块1，用于为影视库中的各节目生成节目标签；
第二生成模块2，采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
筛选模块3，用于依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
计算模块4，用于利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
展示模块5，用于将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
本发明实施例通过第二生成模块个性化的生成了用户当前标签，在通过第一生成模块根据媒体资源信息生成节目标签，最后利用计算模块对用户的标签与节目标签比对进行节目的推荐值的计算，最终为用户推荐媒体资源。
本发明第四实施例，提供一种提供存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：
步骤一、为影视库中的各节目生成节目标签；
步骤二、采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
步骤三、依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
步骤四、利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
步骤五、将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
上述方法步骤的具体实施例过程可参见第一、二实施例，本实施例在此不再重复赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种个性化内容推荐方法，其特征在于，所述方法包括以下步骤：
为影视库中的各节目生成节目标签；
采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
2.如权利要求1所述的个性化内容推荐方法，其特征在于，为影视库中的各节目生成节目标签，具体包括：
确定节目中主要演员的顺序，按照所述主要演员的顺序为各主要演员配置对应的系数以生成主演标签；
依据节目的节目内容确定节目类型，并确定各节目类型分别占总节目类型的百分比，生成类型标签；
依据所述主演标签、类型标签和节目的原始评分生成节目标签。
3.如权利要求2所述的个性化内容推荐方法，其特征在于，所述采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签，具体包括：
确定观看时段并设定与各所述观看时段对应的用户的身份；
采集用户观看记录，根据各所述观看时段的观看记录确定各身份用户青睐的演员，并按照各身份用户对各演员的青睐程度为各演员设定青睐值；
根据各所述观看时段的观看记录确定各身份用户喜好的节目类型，并按照各身份用户对各节目类型的喜好程度为各节目类型设定喜好值；
依据所述各身份用户青睐的演员、青睐值、各身份用户喜好的节目类型及喜好值生成用户初始标签；
依据当前观看时间确定当前用户的身份，并将与当前用户的身份对应的用户初始标签作为用户当前标签。
4.如权利要求3所述的个性化内容推荐方法，其特征在于，所述依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目，具体包括：根据用户当前标签中的用户青睐的演员，从影视库中筛选出对应的节目，获得推荐节目。
5.如权利要求3所述的个性化内容推荐方法，其特征在于，利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值，具体包括：
依据所述节目标签中推荐节目对应的原始评分、所述主演标签中各主要演员的系数、各所述主要演员在用户当前标签中所对应的青睐值、推荐节目的节目类型的百分比以及所述节目类型在用户当前标签中所对应的喜好值进行加权积分计算，获得各推荐节目的推荐值。
6.如权利要求1所述的个性化内容推荐方法，其特征在于，所述将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示，具体包括：按照推荐值由低到高或由高到低的顺序对各节目进排序，并将排序后的节目向用户进行展示。
7.如权利要求2所述的个性化内容推荐方法，其特征在于，所述节目类型包括以下一种或几种：动作片、偶像片、奇幻片、爱情片、历史片、恐怖片、少儿片、教育片、家庭片和剧情片。
8.一种个性化内容推荐装置，其特征在于，包括：
第一生成模块，用于为影视库中的各节目生成节目标签；
第二生成模块，采集用户行为数据，根据用户行为数据及当前观看时间生成用户当前标签；
筛选模块，用于依据所述用户当前标签对影视库中的节目进行筛选，获得若干推荐节目；
计算模块，用于利用所述用户当前标签和各推荐节目的节目标签对所述推荐节目进行加权积分计算，获得各推荐节目的推荐值；
展示模块，用于将各所述推荐节目和与各推荐节目对应的推荐值向用户进行展示。
9.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述个性化内容推荐方法的步骤。
CN201811390538.2A 2018-11-21 2018-11-21 个性化内容推荐方法、装置及存储介质 Active CN111209470B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811390538.2A CN111209470B (zh) 2018-11-21 2018-11-21 个性化内容推荐方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811390538.2A CN111209470B (zh) 2018-11-21 2018-11-21 个性化内容推荐方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111209470A true CN111209470A (zh) 2020-05-29
CN111209470B CN111209470B (zh) 2023-08-04

Family

ID=70785213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811390538.2A Active CN111209470B (zh) 2018-11-21 2018-11-21 个性化内容推荐方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111209470B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112423131A (zh) * 2020-11-20 2021-02-26 广州欢网科技有限责任公司 一种节目推荐方法、***、设备及存储介质
CN113434779A (zh) * 2021-07-22 2021-09-24 咪咕数字传媒有限公司 可智能推荐的互动阅读方法、装置、计算设备和存储介质
CN114554296A (zh) * 2022-01-26 2022-05-27 浙江原初数据科技有限公司 一种iptv用户家庭画像提取***及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006094018A (ja) * 2004-09-22 2006-04-06 Sharp Corp 番組推薦装置、番組推薦方法、プログラムおよびそのプログラムを記録した記録媒体
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***
CN104394471A (zh) * 2014-11-19 2015-03-04 四川长虹电器股份有限公司 一种智能推荐用户喜爱节目的方法
WO2015070807A1 (zh) * 2013-11-15 2015-05-21 乐视致新电子科技（天津）有限公司 一种智能电视的节目推荐方法及装置
CN105069049A (zh) * 2015-07-23 2015-11-18 四川长虹电器股份有限公司 点播影视库中相关节目的筛选与关联度排列的方法
CN105959735A (zh) * 2016-04-29 2016-09-21 乐视控股（北京）有限公司 一种在线节目推荐方法及服务器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006094018A (ja) * 2004-09-22 2006-04-06 Sharp Corp 番組推薦装置、番組推薦方法、プログラムおよびそのプログラムを記録した記録媒体
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***
WO2015070807A1 (zh) * 2013-11-15 2015-05-21 乐视致新电子科技（天津）有限公司 一种智能电视的节目推荐方法及装置
CN104394471A (zh) * 2014-11-19 2015-03-04 四川长虹电器股份有限公司 一种智能推荐用户喜爱节目的方法
CN105069049A (zh) * 2015-07-23 2015-11-18 四川长虹电器股份有限公司 点播影视库中相关节目的筛选与关联度排列的方法
CN105959735A (zh) * 2016-04-29 2016-09-21 乐视控股（北京）有限公司 一种在线节目推荐方法及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谌颃;: "使用分类改进标签推荐***准确度的研究" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112423131A (zh) * 2020-11-20 2021-02-26 广州欢网科技有限责任公司 一种节目推荐方法、***、设备及存储介质
CN112423131B (zh) * 2020-11-20 2022-09-30 广州欢网科技有限责任公司 一种节目推荐方法、***、设备及存储介质
CN113434779A (zh) * 2021-07-22 2021-09-24 咪咕数字传媒有限公司 可智能推荐的互动阅读方法、装置、计算设备和存储介质
CN113434779B (zh) * 2021-07-22 2023-01-03 咪咕数字传媒有限公司 可智能推荐的互动阅读方法、装置、计算设备和存储介质
CN114554296A (zh) * 2022-01-26 2022-05-27 浙江原初数据科技有限公司 一种iptv用户家庭画像提取***及方法
CN114554296B (zh) * 2022-01-26 2024-05-24 浙江原初数据科技有限公司 一种iptv用户家庭画像提取***及方法

Also Published As

Publication number Publication date
CN111209470B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
US20190068540A1 (en) Prioritizing Messages Within a Message Network
CN106547767B (zh) 确定视频封面图片的方法及装置
CN109982155B (zh) 一种播单推荐方法及***
US20120136861A1 (en) Content-providing method and system
CN110474944B (zh) 网络信息的处理方法、装置及存储介质
CN111209470A (zh) 个性化内容推荐方法、装置及存储介质
CN103686344A (zh) 增强视频***及方法
CN103686235A (zh) 将音频和/或图像与脸部特征和表情相关的***和方法
CN105095465B (zh) 一种信息推荐方法、***及装置
CN112070524A (zh) 广告业务推荐方法、装置
Abd Razak et al. The impacts of food vlog attributes on para-social interaction and customers’ response behaviours
CN112685637B (zh) 一种智能设备的智能交互方法及智能设备
CN110555135B (zh) 内容推荐方法、内容推荐装置和电子设备
CN110996177B (zh) 面向点播影院的视频推荐方法、装置及设备
CN113111197A (zh) 多媒体内容的推荐方法、装置、设备及存储介质
CN105120307A (zh) 一种基于iptv用户收视相似度的电子菜单展示方法
CN117651165B (zh) 基于客户数据的视频推荐方法及装置
CN110555157B (zh) 内容推荐方法、内容推荐装置和电子设备
CN113301401B (zh) 一种电子节目单的生成方法及装置
US20240187695A1 (en) Affinity profile system and method
EP2454710A1 (en) Automatic information selection based on involvement classification
WO2024115924A1 (en) Affinity profile system and method
Nurul Iman et al. The impacts of food vlog attributes on para-social interaction and customers' response behaviours.
CN116112710A (zh) 信息推荐方法、装置及服务器
CN117194685A (zh) 服务器、媒资推荐方法、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
GR01 Patent grant
GR01 Patent grant