CN113949931A - 一种iptv节目推荐方法及*** - Google Patents
一种iptv节目推荐方法及*** Download PDFInfo
- Publication number
- CN113949931A CN113949931A CN202111194521.1A CN202111194521A CN113949931A CN 113949931 A CN113949931 A CN 113949931A CN 202111194521 A CN202111194521 A CN 202111194521A CN 113949931 A CN113949931 A CN 113949931A
- Authority
- CN
- China
- Prior art keywords
- programs
- program
- user
- recommended
- viewing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 230000001502 supplementing effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 102400000011 Cytochrome b-c1 complex subunit 9 Human genes 0.000 description 1
- 101800000778 Cytochrome b-c1 complex subunit 9 Proteins 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Images
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
- H04N21/43—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
- H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
- H04N21/4415—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card using biometric characteristics of the user, e.g. by voice recognition or fingerprint scanning
-
- 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
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, 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]
- H04N21/40—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
- H04N21/482—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
-
- 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]
- H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client
- H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
- H04N21/643—Communication protocols
- H04N21/64322—IP
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请涉及一种IPTV节目推荐方法及***;其中,IPTV节目推荐方法包括在用户进入观影页面前,对用户进行身份识别;在对用户进行身份识别后,采集所述用户的第一观影特征节目单;依据所述第一观影特征节目单匹配若干相似用户;采集每一所述相似用户的第二观影特征节目单;依据若干所述第二观影特征节目单及所述第一观影特征节目单得到待推荐节目集;对所述待推荐节目集中的节目进行量化评分得到待推荐节目集中的所述节目的评分;按照评分由大到小的顺序对所述待推荐节目集中的节目进行排序;以及,采集位于预设次序之前的节目,在观影页面中进行展示。本申请具有推荐出符合用户兴趣的节目,提高用户的使用体验感的效果。
Description
技术领域
本申请涉及多媒体数据处理的领域,尤其是涉及一种IPTV节目推荐方法及***。
背景技术
随着互联网和广播电视网络的不断发展,IPTV即具有互动点播功能的网络电视逐渐走进了人们的生活。IPTV将数字技术、计算机技术、互联网技术与广播电视技术有机地结合在一个平台,向用户提供了数字广播电视、交互式娱乐平台、资讯平台以及电子商务等多种网络服务。
伴随着互联网科技的发展,海量的节目引入IPTV。传统的按照电视台预先设置的节目播放表进行节目播放的方式已经不能满足用户的使用需求,无法为用户推荐符合用户兴趣的节目。
发明内容
为了推荐出符合用户兴趣的节目,提高用户的使用体验感,本申请提供一种IPTV节目推荐方法及***。
第一方面,本申请提供一种IPTV节目推荐方法,采用如下的技术方案:
一种IPTV节目推荐方法,包括:
在用户进入观影页面前,对用户进行身份识别;
在对用户进行身份识别后,采集所述用户的第一观影特征节目单;
依据所述第一观影特征节目单匹配若干相似用户;
采集每一所述相似用户的第二观影特征节目单;
依据若干所述第二观影特征节目单及所述第一观影特征节目单得到待推荐节目集;
对所述待推荐节目集中的节目进行量化评分得到待推荐节目集中的所述节目的评分;
按照评分由大到小的顺序对所述待推荐节目集中的节目进行排序;以及,
采集位于预设次序之前的节目,在观影页面中进行展示。
通过采用上述技术方案,相似用户和使用本申请的用户在观影习惯上具有很大的相似性,相似用户播放的节目较大概率是符合用户兴趣的节目,通过相似用户所观看的节目为使用本申请的用户进行节目推荐,能够提高推荐的节目符合用户兴趣的可能性,同时对待推荐节目集中的节目进行量化评分,按照评分由大到小的顺序对所述待推荐节目集中的节目进行排序;采集位于预设次序之前的节目,在观影页面中进行展示,从而推荐出符合用户兴趣的节目,提高用户的使用体验感。
可选的,所述的采集用户的第一观影特征节目单包括以下步骤:
按照时间先后顺序由后向先依次采集用户的观影记录中属于预设时间段内的节目;所述预设时间段的时长固定,所述预设时间段的其中一个端点为当前时刻;以及,
判断在所述预设时间段内采集的节目数量是否达到第一预设个数a;如果是,则按照时间先后顺序由后向先采集第一预设个数a个节目,生成第一观影特征节目单;如果否,则从服务器中补充采集预设时间段内播放量最高的若干节目,直至采集的节目数量达到第一预设个数a,并将采集的节目生成第一观影特征节目单。
通过采用上述技术方案,通过采集用户在预设时间段内观看的节目,能够更加清楚地了解用户近期的节目喜好;对预设时间段内采集的节目数量进行判定,避免由于采集的节目数量过少,从而减少为用户推荐的节目不符合用户的需求的可能性;预设时间段内播放量最高的若干节目较大概率是用户喜欢的节目,通过补充采集预设时间段内播放量最高的若干节目,对第一观影特征节目单中的节目数据进行补充,使得生成的第一观影特征节目单更符合用户喜好。
可选的,所述的依据所述第一观影特征节目单匹配若干相似用户包括以下步骤:
采集服务器中储存的其他用户的观影记录,并按照时间先后顺序由后向先采集其他用户的观影记录中的a个节目,作为待判定节目集;
判断所述第一观影特征节目单与所述待判定节目集中相同的节目个数是否达到第二预设个数b;如果是,则将该用户记为相似用户;以及,
判断相似用户的个数是否达到第三预设个数c;如果是,则停止采集服务器中储存的其他用户的观影记录。
通过采用上述技术方案,相似用户和使用本申请的用户在观影习惯上具有很大的相似性,通过匹配若干相似用户能够更加准确地为用户推荐节目。
可选的,所述的得到待推荐节目集,包括以下步骤:
依据若干所述第二观影特征节目单得到若干第二观影特征节目单中的所有节目;以及,
滤除所有节目中与第一观影特征节目单相重合的节目,并保留所有节目中同一节目相重合的部分中的一个,得到所述待推荐节目集。
通过采用上述技术方案,。相似用户播放的节目较大概率是符合用户兴趣的节目;依据若干第二观影特征节目单得到若干第二观影特征节目单中的所有节目,上述的所有节目包含与待判定节目集中重合的部分,同时也包含着多个节目相重合的情况,滤除这部分节目能够避免将重复的节目推荐给用户。
可选的,所述的对所述待推荐节目集中的节目进行量化评分得到待推荐节目集中的节目的评分,包括以下步骤:
采集若干相似用户对待推荐节目集中的同一节目的总播放时长;
基于所述总播放时长得到所述的同一节目的平均播放时长;
基于所述平均播放时长与所述的同一节目的总时长得到平均播放时长在总时长中的占比;以及,
基于所述占比得到所述节目的第一评分。
通过采用上述技术方案,在相似用户播放节目的过程中,容易出现点击某个节目,但是该节目并非其感兴趣的节目,在用户退出节目的播放界面后,该节目的播放时长在总时长的占比会比用户对该节目感兴趣时的占比小,通过同一节目的平均播放时与同一节目中的总时长得到第一评分,将第一评分作为量化评分的一部分,从而能够更好地判别节目是否是用户喜爱的。
可选的,所述的量化评分方法还包括:
依据当前时刻所处的时间段将当前时刻归类于早上时间段、下午时间段及晚上时间段中的其中一个;以及,
基于不同相似用户对同一节目的播放的时间段与当前时刻所处的时间段得到所述同一节目的第二评分。
通过采用上述技术方案,用户在不同时间段喜好的节目是不一样的,根据节目的播放时间能够更好地为用户推荐节目。
可选的,所述的对用户进行身份识别,包括:对用户的账号进行验证和/或通过身份识别装置对用户身份进行识别。
第二方面,本申请提供一种IPTV节目推荐***,采用如下的技术方案。
一种IPTV节目推荐***,包括:
身份识别模块,用于在用户进入观影页面前,对用户进行身份识别;
第一采集模块,用于采集用户的第一观影特征节目单;
相似用户匹配模块,用于依据所述第一观影特征节目单匹配若干相似用户;
第二采集模块,用于采集每一所述相似用户的第二观影特征节目单;
待推荐节目集生成模块,用于依据若干所述第二观影特征节目单及用户的所述第一观影特征节目单得到待推荐节目集;
量化评分模块,用于对所述待推荐节目集中的节目进行量化评分得到待推荐节目集中的节目的评分;
排序模块,按照评分由大到小的顺序对待推荐节目集中的节目进行排序;以及,
展示模块,用于采集位于预设次序之前的节目,在观影页面中进行展示。。
可选的,所述第一采集模块包括:
第一采集子单元,用于按照时间先后顺序由后向先依次采集用户的观影记录中属于预设时间段内的节目;
第一判断子单元,用于判断在所述预设时间段内采集的节目数量是否达到第一预设个数a;
第二采集子单元,用于在所述预设时间段内采集的节目数量达到第一预设个数a时,采集第一预设个数a个节目生成第一观影特征节目单;以及,
第三采集子单元,用于在所述预设时间段内采集的节目数量未达到第一预设个数a时,从服务器中补充采集预设时间段内播放量最高的若干节目,直至采集的节目数量达到第一预设个数a,并将采集的节目生成第一观影特征节目单。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器上存储有被处理器加载并执行的上述任一方法的计算机程序。
附图说明
图1是本申请其中一实施例的一种IPTV节目推荐方法的流程图。
图2是本申请其中一实施例的一种IPTV节目推荐***的***框图。
图3是本申请其中一实施例的第一采集模块的框图。
附图标记说明:1、身份识别模块;2、第一采集模块;3、相似用户匹配模块;4、第二采集模块;5、待推荐节目集生成模块;6、量化评分模块;7、排序模块;8、展示模块;9、第一采集子单元;10、第一判断子单元;11、第二采集子单元;12、第三采集子单元。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图1-3及实施例,对本申请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用以解释本申请,并不用于限定本申请。
本申请实施例公开一种IPTV节目推荐方法。
参照图1,作为一种IPTV节目推荐方法的一种实施方式,一种IPTV节目推荐方法包括以下步骤:
步骤S101、在用户进入观影页面前,对用户进行身份识别。
具体的,上述的在用户进入观影页面前,可以是在IPTV通电启动后,也可以是用户在IPTV中点击进入观影页面的按钮后。上述的观影界面为供用户选择某一节目进行播放的界面。对用户进行身份识别包括对用户的账号进行验证和/或通过身份识别装置对用户身份进行识别。上述的身份识别装置可以是IPTV自带的,也可以是外设的。身份识别装置可以是人脸识别装置,也可以是指纹识别装置,此处不作具体限定。
步骤S102、在对用户进行身份识别后,采集用户的第一观影特征节目单。
步骤S103、依据第一观影特征节目单匹配若干相似用户。
步骤S104、采集每一相似用户的第二观影特征节目单。
步骤S105、依据若干第二观影特征节目单及第一观影特征节目单得到待推荐节目集。
步骤S106、对待推荐节目集中的节目进行量化评分得到待推荐节目集中的节目的评分。
步骤S107、按照评分由大到小的顺序对待推荐节目集中的节目进行排序。
步骤S108、采集位于预设次序之前的节目,在观影页面中进行展示。
具体的,相似用户和使用本申请的用户在观影习惯上具有很大的相似性,相似用户播放的节目较大概率是符合用户兴趣的节目,通过相似用户所观看的节目为使用本申请的用户进行节目推荐,能够提高推荐的节目符合用户兴趣的可能性。
作为一种IPTV节目推荐方法的其中一种实施方式,步骤S102中采集用户的第一观影特征节目单可以包括以下步骤:
步骤S1021、按照时间先后顺序由后向先依次采集用户的观影记录中属于预设时间段内的节目;预设时间段的时长固定,预设时间段的其中一个端点为当前时刻。
具体的,以当前时刻为其中一个端点,通过该端点加上固定的时长得到另一个端点;按照时间先后顺序,当前时刻的端点位于另一端点的后方,上述两个端点之间的时间段即为预设时间段。例如,当前时刻为2021年9月24日17:19,固定的时长为14天,则预设时间段为2021年9月10日17:19-2021年9月24日17:19。在预设时间段确定后,按照时间先后顺序由后向先依次采集用户观影记录中属于预设时间段内的节目。通过采集用户在预设时间段内观看的节目,能够更加清楚地了解用户近期的节目喜好,从而为用户推荐更加符合用户需求的节目。
步骤S1022、判断在预设时间段内采集的节目数量是否达到第一预设个数a;如果是,则执行步骤S1023;如果否,则执行S1024。
具体的,由于用户可能是第一次使用IPTV或者用户在最近一段时间内使用IPTV观看的节目次数较少,对预设时间段内采集的节目数量进行判定,避免由于采集的节目数量过少,从而减少为用户推荐的节目不符合用户的需求的可能性。
步骤S1023、按照时间先后顺序由后向先,采集第一预设个数a个节目生成第一观影特征节目单。
具体的,如果在预设时间段的采集的节目数量达到第一预设个数a,则按照时间先后顺序由后向先采集位于前列的第一预设个数a个节目,并生成观影特征节目单。
步骤S1024、从服务器中补充采集预设时间段内播放量最高的若干节目,直至采集的节目数量达到第一预设个数a,并将采集的节目生成第一观影特征节目单。
具体的,如果在预设时间段内采集的节目数量未达到第一预设个数a,则采集的节目样本数偏少,容易出现推荐的节目不符合用户的需求。预设时间段内播放量最高的若干节目较大概率是用户喜欢的节目,通过补充采集预设时间段内播放量最高的若干节目,对第一观影特征节目单中的节目数据进行补充,使得生成的第一观影特征节目单更符合用户喜好。
步骤S1025、采集第一观影特征节目单。
作为一种IPTV节目推荐方法的另一种实施方式,步骤S103中依据第一观影特征节目单匹配若干相似用户包括以下步骤:
步骤S1031、采集服务器中储存的其他用户的观影记录,并按照时间先后顺序由后向先采集其他用户的观影记录中的a个节目,作为待判定节目集。
步骤S1032、判断第一观影特征节目单与待判定节目集中相同的节目个数是否达到第二预设个数b;如果是,则将该用户记为相似用户。
步骤S1033、判断相似用户的个数是否达到第三预设个数c;如果是,则停止采集服务器中储存的其他用户的观影记录。
具体的,待判定节目集中的节目的播放时间靠近当前时刻能够更加准确地反映当前时刻用户喜爱的节目。第一观影特征节目单与待判定节目集中所包含的节目个数相同,当第一观影特征节目单与待判定节目集中相同的节目个数是否达到第二预设个数b时,说明从服务器采集的用户与使用本***的用户在喜爱的节目上相似度较高,相似用户和使用本申请的用户在观影习惯上具有很大的相似性,通过匹配若干相似用户能够更加准确地为用户推荐节目。
作为一种IPTV节目推荐方法的其中一种实施方式,步骤S105中,得到待推荐节目集包括以下步骤:
步骤S1051、依据若干第二观影特征节目单得到若干第二观影特征节目单中的所有节目。
步骤S1052、滤除所有节目中与第一观影特征节目单相重合的节目,并保留在所有节目中同一节目相重合的部分中的一个,得到待推荐节目集。
具体的,依据若干第二观影特征节目单得到若干第二观影特征节目单中的所有节目,上述的所有节目包含与待判定节目集中重合的部分,同时也包含着多个节目相重合的情况,滤除这部分节目能够避免将重复的节目推荐给用户。相似用户播放的节目较大概率是符合用户兴趣的节目。
作为一种IPTV节目推荐方法的其中一种实施方式,步骤S106中对待推荐节目集中的节目进行量化评分得到待推荐节目集中的节目的评分,包括以下步骤:
步骤S1061、采集若干相似用户对待推荐节目集中的同一节目的总播放时长。
步骤S1062、基于总播放时长得到同一节目的平均播放时长。
步骤S1063、基于平均播放时长与同一节目的总时长得到平均播放时长在总时长中的占比;以及,
步骤S1064、基于占比得到节目的第一评分。
具体的,在相似用户播放节目的过程中,容易出现点击某个节目,但是该节目并非其感兴趣的节目,在用户退出节目的播放界面后,该节目的播放时长在总时长的占比会比用户对该节目感兴趣时的占比小,通过同一节目的平均播放时与同一节目中的总时长得到第一评分,将第一评分作为量化评分的一部分。
量化评分方法还包括:
依据当前时刻所处的时间段将当前时刻归类于早上时间段、下午时间段及晚上时间段中的其中一个;
基于不同相似用户对同一节目的播放的时间段与当前时刻所处的时间段得到同一节目的第二评分。
具体的,用户在不同时间段喜好的节目是不一样的,根据节目的播放时间能够更好地为用户推荐节目。
基于上述IPTV节目推荐方法,本申请还提供了一种IPTV节目推荐***。
一种IPTV节目推荐***,包括:
身份识别模块1,用于在用户进入观影页面前,对用户进行身份识别;
第一采集模块2,用于采集用户的第一观影特征节目单;
相似用户匹配模块3,用于依据第一观影特征节目单匹配若干相似用户;
第二采集模块4,用于采集每一相似用户的第二观影特征节目单;
待推荐节目集生成模块5,用于依据若干第二观影特征节目单及用户的第一观影特征节目单得到待推荐节目集;
量化评分模块6,用于对待推荐节目集中的节目进行量化评分得到待推荐节目集中的节目的评分;
排序模块7,按照评分由大到小的顺序对待推荐节目集中的节目进行排序;以及,
展示模块8,用于采集位于预设次序之前的节目,在观影页面中进行展示。
作为第一采集模块2的其中一种实施方式,第一采集模块2包括:
第一采集子单元9,用于按照时间先后顺序由后向先依次采集用户的观影记录中属于预设时间段内的节目;
第一判断子单元10,用于判断在预设时间段内采集的节目数量是否达到第一预设个数a;
第二采集子单元11,用于在预设时间段内采集的节目数量达到第一预设个数a时,采集第一预设个数a个节目生成第一观影特征节目单;以及,
第三采集子单元12,用于在预设时间段内采集的节目数量未达到第一预设个数a时,从服务器中补充采集预设时间段内播放量最高的若干节目,直至采集的节目数量达到第一预设个数a,并将采集的节目生成第一观影特征节目单。
本申请实施例还公开一种计算机设备。
具体来说,该计算机设备包括存储器和处理器,存储器上存储有能够被处理器加载并执行上述任意方法的计算机程序。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目替代特征加以替换。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。
Claims (10)
1.一种IPTV节目推荐方法,其特征在于:包括:
在用户进入观影页面前,对用户进行身份识别;
在对用户进行身份识别后,采集所述用户的第一观影特征节目单;
依据所述第一观影特征节目单匹配若干相似用户;
采集每一所述相似用户的第二观影特征节目单;
依据若干所述第二观影特征节目单及所述第一观影特征节目单得到待推荐节目集;
对所述待推荐节目集中的节目进行量化评分得到待推荐节目集中的所述节目的评分;
按照评分由大到小的顺序对所述待推荐节目集中的节目进行排序;以及,
采集位于预设次序之前的节目,在观影页面中进行展示。
2.根据权利要求1所述的IPTV节目推荐方法,其特征在于:所述的采集用户的第一观影特征节目单包括以下步骤:
按照时间先后顺序由后向先依次采集用户的观影记录中属于预设时间段内的节目;所述预设时间段的时长固定,所述预设时间段的其中一个端点为当前时刻;以及,
判断在所述预设时间段内采集的节目数量是否达到第一预设个数a;如果是,则按照时间先后顺序由后向先采集第一预设个数a个节目,生成第一观影特征节目单;如果否,则从服务器中补充采集预设时间段内播放量最高的若干节目,直至采集的节目数量达到第一预设个数a,并将采集的节目生成第一观影特征节目单。
3.根据权利要求2所述的IPTV节目推荐方法,其特征在于,所述的依据所述第一观影特征节目单匹配若干相似用户包括以下步骤:
采集服务器中储存的其他用户的观影记录,并按照时间先后顺序由后向先采集其他用户的观影记录中的a个节目,作为待判定节目集;
判断所述第一观影特征节目单与所述待判定节目集中相同的节目个数是否达到第二预设个数b;如果是,则将该用户记为相似用户;以及,
判断相似用户的个数是否达到第三预设个数c;如果是,则停止采集服务器中储存的其他用户的观影记录。
4.根据权利要求3所述的IPTV节目推荐方法,其特征在于,所述的得到待推荐节目集,包括以下步骤:
依据若干所述第二观影特征节目单得到若干第二观影特征节目单中的所有节目;以及,
滤除所有节目中与第一观影特征节目单相重合的节目,并保留所有节目中同一节目相重合的部分中的一个,得到所述待推荐节目集。
5.根据权利要求4所述的IPTV节目推荐方法,其特征在于,所述的对所述待推荐节目集中的节目进行量化评分得到待推荐节目集中的节目的评分,包括以下步骤:
采集若干相似用户对待推荐节目集中的同一节目的总播放时长;
基于所述总播放时长得到所述的同一节目的平均播放时长;
基于所述平均播放时长与所述的同一节目的总时长得到平均播放时长在总时长中的占比;以及,
基于所述占比得到所述节目的第一评分。
6.根据权利要求5所述的IPTV节目推荐方法,其特征在于,所述的量化评分方法还包括:
依据当前时刻所处的时间段将当前时刻归类于早上时间段、下午时间段及晚上时间段中的其中一个;以及,
基于不同相似用户对同一节目的播放的时间段与当前时刻所处的时间段得到所述同一节目的第二评分。
7.根据权利要求1所述的IPTV节目推荐方法,其特征在于,所述的对用户进行身份识别,包括:对用户的账号进行验证和/或通过身份识别装置对用户身份进行识别。
8.一种IPTV节目推荐***,基于权利要求6所述的方法,其特征在于,包括:
身份识别模块(1),用于在用户进入观影页面前,对用户进行身份识别;
第一采集模块(2),用于采集用户的第一观影特征节目单;
相似用户匹配模块(3),用于依据所述第一观影特征节目单匹配若干相似用户;
第二采集模块(4),用于采集每一所述相似用户的第二观影特征节目单;
待推荐节目集生成模块(5),用于依据若干所述第二观影特征节目单及用户的所述第一观影特征节目单得到待推荐节目集;
量化评分模块(6),用于对所述待推荐节目集中的节目进行量化评分得到待推荐节目集中的节目的评分;
排序模块(7),按照评分由大到小的顺序对待推荐节目集中的节目进行排序;以及,
展示模块(8),用于采集位于预设次序之前的节目,在观影页面中进行展示。
9.根据权利要求8所述的IPTV节目推荐***,其特征在于,所述第一采集模块(2)包括:
第一采集子单元(9),用于按照时间先后顺序由后向先依次采集用户的观影记录中属于预设时间段内的节目;
第一判断子单元(10),用于判断在所述预设时间段内采集的节目数量是否达到第一预设个数a;
第二采集子单元(11),用于在所述预设时间段内采集的节目数量达到第一预设个数a时,采集第一预设个数a个节目生成第一观影特征节目单;以及,
第三采集子单元(12),用于在所述预设时间段内采集的节目数量未达到第一预设个数a时,从服务器中补充采集预设时间段内播放量最高的若干节目,直至采集的节目数量达到第一预设个数a,并将采集的节目生成第一观影特征节目单。
10.一种计算机设备,其特征在于:包括存储器和处理器,所述存储器上存储有被处理器加载并执行的如权利要求1-6中任一IPTV节目推荐方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111194521.1A CN113949931A (zh) | 2021-10-13 | 2021-10-13 | 一种iptv节目推荐方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111194521.1A CN113949931A (zh) | 2021-10-13 | 2021-10-13 | 一种iptv节目推荐方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113949931A true CN113949931A (zh) | 2022-01-18 |
Family
ID=79329715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111194521.1A Pending CN113949931A (zh) | 2021-10-13 | 2021-10-13 | 一种iptv节目推荐方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113949931A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1624684A (zh) * | 2003-12-02 | 2005-06-08 | 索尼株式会社 | 信息处理器、信息处理方法和计算机程序 |
CN101069184A (zh) * | 2005-09-28 | 2007-11-07 | 索尼株式会社 | 信息处理装置和方法、及程序 |
CN101764661A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐*** |
CN102917269A (zh) * | 2012-09-29 | 2013-02-06 | 青岛海信电器股份有限公司 | 一种电视节目推荐***及方法 |
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
US20130263168A1 (en) * | 2010-07-02 | 2013-10-03 | Joong-in Choi | Cooperative Filtering Algorithm-Based Personal Preference Program Recommendation System for IPTV |
CN107657004A (zh) * | 2017-09-21 | 2018-02-02 | 广州华多网络科技有限公司 | 视频推荐方法、***及设备 |
CN107948755A (zh) * | 2017-12-06 | 2018-04-20 | 绵阳欢网科技有限责任公司 | 一种结合用户观看时长的视频内容推荐方法及*** |
CN111090774A (zh) * | 2019-11-07 | 2020-05-01 | 北京科技大学 | 一种边缘计算环境下的视频热度预测方法 |
CN112312215A (zh) * | 2019-07-31 | 2021-02-02 | Tcl集团股份有限公司 | 基于用户识别的开机内容推荐方法、智能电视及存储介质 |
-
2021
- 2021-10-13 CN CN202111194521.1A patent/CN113949931A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1624684A (zh) * | 2003-12-02 | 2005-06-08 | 索尼株式会社 | 信息处理器、信息处理方法和计算机程序 |
CN101069184A (zh) * | 2005-09-28 | 2007-11-07 | 索尼株式会社 | 信息处理装置和方法、及程序 |
CN101764661A (zh) * | 2008-12-23 | 2010-06-30 | 未序网络科技(上海)有限公司 | 基于数据融合的视频节目推荐*** |
US20130263168A1 (en) * | 2010-07-02 | 2013-10-03 | Joong-in Choi | Cooperative Filtering Algorithm-Based Personal Preference Program Recommendation System for IPTV |
CN102917269A (zh) * | 2012-09-29 | 2013-02-06 | 青岛海信电器股份有限公司 | 一种电视节目推荐***及方法 |
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
CN107657004A (zh) * | 2017-09-21 | 2018-02-02 | 广州华多网络科技有限公司 | 视频推荐方法、***及设备 |
CN107948755A (zh) * | 2017-12-06 | 2018-04-20 | 绵阳欢网科技有限责任公司 | 一种结合用户观看时长的视频内容推荐方法及*** |
CN112312215A (zh) * | 2019-07-31 | 2021-02-02 | Tcl集团股份有限公司 | 基于用户识别的开机内容推荐方法、智能电视及存储介质 |
CN111090774A (zh) * | 2019-11-07 | 2020-05-01 | 北京科技大学 | 一种边缘计算环境下的视频热度预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189951B (zh) | 一种多媒体资源推荐方法、设备及存储介质 | |
CN106331779B (zh) | 在播放视频过程中基于用户喜好推送主播的方法及*** | |
CN104798346B (zh) | 用于补充与广播媒体相关的电子消息的方法和计算*** | |
CN112364202B (zh) | 视频推荐方法、装置及电子设备 | |
CN111918085A (zh) | 直播处理方法、装置、电子设备及计算机可读存储介质 | |
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 | |
US20200221181A1 (en) | Content Recommendation System and Method-Based Implicit Ratings | |
CN105868259A (zh) | 一种基于人脸识别的视频推荐方法和装置 | |
US20120072546A1 (en) | Psychographic device fingerprinting | |
CN109511015B (zh) | 多媒体资源推荐方法、装置、存储介质及设备 | |
CN110909205A (zh) | 一种视频封面确定方法、装置、电子设备及可读存储介质 | |
EP1606754A2 (en) | Generating audience analytics | |
CN101517550A (zh) | 大众传媒的社会性和交互式应用 | |
JP2012533109A (ja) | マルチメディアコンテンツを分析するための方法および機構 | |
KR20070098407A (ko) | 전자 장치, 그 정보 열람 방법 및 정보 열람 프로그램을기록한 컴퓨터 판독가능한 기록 매체 | |
JP2008542870A (ja) | コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置 | |
CN103034508A (zh) | 软件推荐方法和*** | |
CN113643070A (zh) | 一种基于大数据的智能信息推送方法及*** | |
CN111767430B (zh) | 视频资源推送方法、视频资源推送装置及存储介质 | |
US9325754B2 (en) | Information processing device and information processing method | |
CN109462765B (zh) | 一种推荐页面下发和显示的方法及装置 | |
CN111046292A (zh) | 直播推荐方法、装置、计算机可读存储介质及电子设备 | |
CN112702631A (zh) | 一种网络培训的运营管理***及方法 | |
CN108205551B (zh) | 一种歌曲推荐方法和歌曲推荐*** | |
CN103023923A (zh) | 一种传输信息的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220118 |