CN117177014A - 基于iptv的儿童防沉迷预警方法、存储介质及服务器 - Google Patents
基于iptv的儿童防沉迷预警方法、存储介质及服务器 Download PDFInfo
- Publication number
- CN117177014A CN117177014A CN202311456094.9A CN202311456094A CN117177014A CN 117177014 A CN117177014 A CN 117177014A CN 202311456094 A CN202311456094 A CN 202311456094A CN 117177014 A CN117177014 A CN 117177014A
- Authority
- CN
- China
- Prior art keywords
- media asset
- addiction
- characteristic value
- child
- feature values
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 206010012335 Dependence Diseases 0.000 title claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 230000002265 prevention Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 23
- 238000013136 deep learning model Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种基于IPTV的儿童防沉迷预警方法、存储介质及服务器,通过获取IPTV节目操作数据(揭示上次退出播放到本次点播的操作信息,包含本次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据);对IPTV节目操作数据进行特征提取,确定出输入特征(包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值);将输入特征输入至预设的儿童用户智能识别模型中,得到儿童用户识别结果,以便进行儿童防沉迷监测预警。这样可以便捷可靠地识别是否是儿童在观看电视,进行儿童防沉迷监测预警。
Description
技术领域
本申请涉及IPTV技术领域,具体而言,涉及一种基于IPTV的儿童防沉迷预警方法、存储介质及服务器。
背景技术
假期期间,家长不在家,儿童看电视缺乏约束,观影时长过长,容易引起家长的不满,进而导致家长退订甚至销户。
对于此类问题,目前行业里大部分厂商做法主要有2种:
(1)通过额外装一个摄像头进行人脸识别确认儿童用户是否在观看电视。
(2)使用儿童手表的红外无线通讯技术确认儿童用户是否在观看电视,通过家长的移动设备,儿童用户的电话手表和智能电视的交互来对儿童用户观看电视时长进行监测和管控。
但这样的方式需借助额外的设备,如安装摄像头或者绑定儿童电话手表,具有很大的局限性,且需要增加额外的成本,用户接受度不高。
发明内容
本申请实施例的目的在于提供一种基于IPTV的儿童防沉迷预警方法、存储介质及服务器,以便捷可靠的方式识别是否是儿童在观看电视,以便进行儿童防沉迷监测预警,使家长更放心,有效减少儿童观看电视时长过长引起家长不满的情况,降低家长退订、销户的比例。
为了实现上述目的,本申请的实施例通过如下方式实现:
第一方面,本申请实施例提供一种基于IPTV的儿童防沉迷预警方法,包括:获取IPTV节目操作数据,其中,IPTV节目操作数据揭示上次退出播放到本次点播的操作信息,包含本次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据,户主定位数据用于揭示本次点播时户主的定位;对IPTV节目操作数据进行特征提取,确定出输入特征,其中,输入特征包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值;将输入特征输入至预设的儿童用户智能识别模型中,得到儿童用户识别结果;在儿童用户识别结果揭示当前用户为儿童时,进行儿童防沉迷监测预警。
结合第一方面,在第一方面的第一种可能的实现方式中,儿童用户智能识别模型的构建过程包括以下步骤:获取历史数据集,其中,历史数据集中的每条历史数据来源于儿童模式持续时长与总开机时长的比值不低于设定值的家庭用户,每条历史数据揭示前一次退出播放到当次点播之间的操作信息,包含当次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据,以及用于揭示该条历史数据是否属于儿童模式的标签;针对每条历史数据,对历史数据进行特征提取,确定出历史特征,其中,历史特征包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,以及,每个历史特征对应一个标签;将所有历史数据对应的历史特征按照设定比例划分为训练集和测试集;构建深度学习模型,并利用训练集和测试集对深度学习模型进行训练和测试,得到训练好的儿童用户智能识别模型。
结合第一方面的第一种可能的实现方式,在第一方面的第二种可能的实现方式中,对历史数据进行特征提取,确定出历史特征,包括:基于当次点播的媒资类型,确定出媒资类型特征值;基于当次点播的媒资标签,确定出媒资标签特征值;基于当次点播的媒资所属产品包,确定出媒资所属产品包特征值;基于当次点播的媒资入口,确定出媒资入口特征值;基于当次点播的操作时间戳所属的观看时段,确定出观看时段特征值和节假日特征值;基于当次点播的户主定位数据,确定出户主定位特征值;基于当次点播的媒资点播操作过程,确定出操作过程特征值;基于媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,确定出历史特征。
结合第一方面的第二种可能的实现方式,在第一方面的第三种可能的实现方式中,基于当次点播的户主定位数据,确定出户主定位特征值,包括:基于户主定位数据判断该家庭用户的户主是否在家,其中,户主定位数据与其家庭住址数据距离不超过设定距离的,视为户主在家;基于户主是否在家的判断结果,确定出相应的数值作为户主定位特征值。
结合第一方面的第二种可能的实现方式,在第一方面的第四种可能的实现方式中,媒资点播操作过程包括前一次退出播放到当次点播之间的操作次数和相邻两次操作的间隔时长,基于当次点播的媒资点播操作过程,确定出操作过程特征值,包括:
采用以下公式计算操作过程特征值:
,
其中,T为操作过程特征值,d为该条历史数据中相邻两次操作的间隔时长平均值,D为该条历史数据所属家庭用户的相邻两次操作的间隔时长平均值,n为该条历史数据中的操作次数,N为所有历史数据的操作次数平均值。
结合第一方面的第一种可能的实现方式,在第一方面的第五种可能的实现方式中,构建深度学习模型时,选用分类决策树模型、随机森林模型或支持向量机模型。
结合第一方面,在第一方面的第六种可能的实现方式中,在儿童用户识别结果揭示当前用户为儿童时,进行儿童防沉迷监测预警,包括:在儿童用户识别结果揭示当前用户为儿童时,确定当前是否已开启防沉迷监测;若未开启防沉迷监测,则以本次点播的时间戳为起点,开启防沉迷监测;若已开启防沉迷监测,则判断当前时间点与防沉迷监测的起点之间的时间间隔是否达到设定时长;若达到设定时长,进行防沉迷预警;若未达到设定时长,则继续防沉迷监测。
结合第一方面的第六种可能的实现方式,在第一方面的第七种可能的实现方式中,进行防沉迷预警,包括:向此家庭用户的户主手机发送提示信息,用于提示户主家中儿童的观影时长;以及,用于接收户主手机反馈的操作信息,并基于操作信息,控制户主家中的电视进行锁屏或播放。
第二方面,本申请实施例提供一种存储介质,所述存储介质设置在设备内,包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行第一方面或第一方面的可能的实现方式中任意一项所述的基于IPTV的儿童防沉迷预警方法。
第三方面,本申请实施例提供一种服务器,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,所述程序指令被处理器加载并执行时实现第一方面或第一方面的可能的实现方式中任意一项所述的基于IPTV的儿童防沉迷预警方法的步骤。
有益效果:
1.本方案采用人工智能的方式,构建儿童用户智能识别模型,筛选开启过儿童模式且儿童模式持续时长大于总开机时长设定比例(例如,初始设置为20%,后续根据模型实际效果反馈进行调整)的家庭用户,以这些用户产生的数据,作为儿童用户智能识别模型的训练基础。此类用户可确认家庭中包含儿童成员,儿童成员观看时开启儿童模式的频率高,以此为基础训练模型,可以提高模型的正确率,降低数据噪声对模型的影响。而训练完模型后,在实际应用中,不需要安装额外的装置,根据点播时操作的行为特征,偏好的节目类型,观看电影时户主是否在家等多种因素,智能化地识别观看电视的是否是儿童,从而确定是否需要进行儿童防沉迷监测预警,能够使家长更放心,有效减少儿童观看电视时长过长引起家长不满的情况,降低家长退订、销户的比例。
2.训练模型时,针对历史数据集中的每条历史数据进行特征提取,确定出历史特征,包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,以及,每个历史特征对应一个标签,然后将所有历史数据对应的历史特征按照设定比例划分为训练集和测试集,构建深度学习模型,并利用训练集和测试集对深度学习模型进行训练和测试。而在特征值的确定过程中,不仅考虑媒资类型、媒资标签、媒资所属产品包、媒资入口(例如推荐进入、搜索进入或者历史记录进入等)、观看时段、节假日等能够明显反映儿童观看电视行为的特征,还考虑户主是否在家的场景(对应设计了户主定位特征值),以及,考虑了儿童的操作行为特征(绝大部分的儿童目的性强,点播前浏览记录较少,操作迅速),设计了操作过程特征(设计的是一个复合型的特征)来反映这个方面的特点,能够有效提升识别儿童观看电视的准确性。
3.在儿童用户识别结果揭示当前用户为儿童时,可以进行儿童防沉迷监测预警,监测儿童的观影时长,达到阈值时可以向户主发送提示信息,还能够基于户主的操作信息,控制户主家中的电视进行锁屏或播放,给户主更可靠的控制权,从而有效减少因儿童不自觉看电视时间过长引起的矛盾而导致退订或销户的情况。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为构建儿童用户智能识别模型的流程图。
图2为本申请实施例提供的一种基于IPTV的儿童防沉迷预警方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
本方案的基于IPTV的儿童防沉迷预警方法,是利用儿童用户智能识别模型来进行识别,因此,此处先对儿童用户智能识别模型的构建进行介绍。
首先,为了挑选出更具有反映能力的特征,在构建模型之前,对大量的儿童模式和非儿童模式下的数据(为了减少数据噪声影响,选用开启过儿童模式且儿童模式持续时长大于总开机时长设定比例的家庭用户产生的数据,设定比例例如20%,这样的数据,儿童使用儿童模式,非儿童成员使用非儿童模式,遵守此操作事项的概率较高,数据噪声小,分析结论更具备可信度)进行了数据分析,发现儿童用户观看行为包含这些特点:时间段集中(主要集中在工作日下班后、寒暑假、节假日);媒资类型集中在少儿、动漫;媒资标签集中在少儿、儿童、动画、搞笑、益智早教、玩具等;媒资所属产品包主要分布在少儿权益包;绑定的户主手机位置判定家长不在附近;主要通过历史记录进入和推荐位进入,搜索使用极少;目的性强,点播前浏览记录较少(经过数据对比,儿童用户点播前操作比成年人操作少45%)。基于数据分析的结论,以下开始构建儿童用户智能识别模型。
请参阅图1,图1为构建儿童用户智能识别模型的流程图。
构建儿童用户智能识别模型的过程可以包括步骤S11、步骤S12、步骤S13和步骤S14。
首先,可以执行步骤S11。
步骤S11:获取历史数据集,其中,历史数据集中的每条历史数据来源于儿童模式持续时长与总开机时长的比值不低于设定值的家庭用户,每条历史数据揭示前一次退出播放到当次点播之间的操作信息,包含当次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据,以及用于揭示该条历史数据是否属于儿童模式的标签。
在本实施例中,可以获取历史数据集。为了降低数据噪声对模型的影响,提高模型的准确率,可以筛选开启过儿童模式且儿童模式持续时长大于总开机时长设定比例(例如,初始设置为20%,后续根据模型实际效果反馈进行调整)的家庭用户,以这些用户产生的数据,确定出历史数据。每条历史数据揭示前一次退出播放到当次点播之间的操作信息(若当次点播为开机后的第一次点播,则将开机节点作为前一次退出播放的节点),每条历史数据包含当次点播的媒资类型(例如少儿、动漫、惊悚、动作等类型)、媒资标签(如少儿、儿童、动画、搞笑、益智早教、玩具、动物、解密、战争、谍战等标签)、媒资所属产品包(例如少儿权益包、家庭包等)、媒资入口(如推荐进入、搜索进入或者历史记录进入等多种方式的入口)、媒资点播操作过程(主要揭示操作次数和操作间隔)、操作时间戳(每次操作的时间节点)和户主定位数据(揭示户主的定位信息),以及用于揭示该条历史数据是否属于儿童模式的标签(揭示此条历史数据是否是儿童模式下产生的数据)。由此可以得到历史数据集(来源于多个家庭的数据)。
得到历史数据集后,可以执行步骤S12。
步骤S12:针对每条历史数据,对历史数据进行特征提取,确定出历史特征,其中,历史特征包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,以及,每个历史特征对应一个标签。
针对每条历史数据:
可以对历史数据进行特征提取,确定出历史特征,历史特征可以包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,以及,每个历史特征对应一个标签。
示例性的,基于当次点播的媒资类型,确定出媒资类型特征值。具体的,对于媒资类型特征值的确定,可以基于历史数据中当次点播的媒资的唯一ID,匹配媒资数据库中的媒资数据,获取媒资的类型,进一步判断媒资是否属于少儿、动漫类型,若属于,则媒资类型特征值赋值为1;若不属于,媒资类型特征值赋值为0。
示例性的,基于当次点播的媒资标签,确定出媒资标签特征值。具体的,媒资标签特征值的确定,可以根据历史数据中当次点播的媒资的唯一ID,匹配媒资数据库中的媒资数据,获取媒资的标签,判断媒资标签中是否包含少儿、儿童、动画、搞笑、益智早教、玩具标签(满足其一即可),包含则媒资标签特征值为1(甚至,包含多项满足条件的标签时,可以根据满足的标签项数进行差异化赋值);不包含则特征值为0。
示例性的,基于当次点播的媒资所属产品包,确定出媒资所属产品包特征值。具体的,媒资所属产品包特征值的确定,可以根据历史数据中当次点播的媒资的唯一ID,匹配媒资数据库中的媒资产品包关联数据,获取该媒资所属产品包,判断该产品包类型是否属于少儿,属于则媒资所属产品包特征值为1(如该媒资分属多个产品包,则只需要其中一个产品包类型为少儿即可);不属于则媒资所属产品包特征值为0。
示例性的,基于当次点播的媒资入口,确定出媒资入口特征值。具体的,媒资入口特征值的确定,可以根据历史数据中当次点播前的浏览记录(或者操作页面记录)判断用户的点播方式,对于搜索进入的方式,媒资入口特征值赋值为0;对于历史记录进入的方式,媒资入口特征值赋值为1;对于推荐位进入的方式,媒资入口特征值赋值为2。
示例性的,基于当次点播的操作时间戳所属的观看时段,确定出观看时段特征值和节假日特征值。具体的,观看时段特征值的确定,可以将历史数据中用户观看时间区域划分为以下几个分区进行相应的赋值:00:00~07:00(不含)赋值为0;07:00~09:00(不含)赋值为1;09:00~11:00(不含)赋值为2;11:00~13:00(不含)赋值为3;13:00~18:00(不含)赋值为4;18:00~22:00(不含)赋值为5;22:00~24:00(不含)赋值为6。
示例性的,基于当次点播的户主定位数据,确定出户主定位特征值。具体的,节假日特征值的确定,可以根据历史数据中当前点播的日期判断是否属于节假日,如不属于则特征值为0;属于则特征值为1。或者,为了更加细致地进行区分节假日与平常周末的差异,可以判断历史数据中当前点播的日期属于节假日、周末还是工作日,若属于工作日,则节假日特征值赋值为0;若属于周末,则节假日特征值赋值为1;若属于节假日,则节假日特征值赋值为2。
示例性的,基于当次点播的户主定位数据,确定出户主定位特征值。具体的,户主定位特征值的确定,可以基于户主定位数据(可以通过户主手机号查询户主当前GPS所在位置)判断该家庭用户的户主是否在家,其中,户主定位数据与其家庭住址数据距离不超过设定距离(例如100米)的,视为户主在家;超过设定距离的视为户主不在家。然后基于户主是否在家的判断结果,确定出相应的数值作为户主定位特征值。例如,户主在家,则户主定位特征值为0;户主不在家,户主定位特征值为1。
示例性的,基于当次点播的媒资点播操作过程(包括前一次退出播放到当次点播之间的操作次数和相邻两次操作的间隔时长),确定出操作过程特征值。具体的,对于操作过程特征值的确定,可以采用以下公式计算操作过程特征值:
,
其中,T为操作过程特征值,d为该条历史数据中相邻两次操作的间隔时长平均值,D为该条历史数据所属家庭用户的相邻两次操作的间隔时长平均值,n为该条历史数据中的操作次数,N为所有历史数据的操作次数平均值(在模型训练好后,实际应用时,还可以扩展到所有用户数据的操作次数平均值,但需要进行一定的适应,或者在实际应用前,使用实时数据进行验证,以便模型适应这项数据的变化,确定出更优的参数;当然,也可以继续沿用历史数据的操作次数平均值,定期筛选数据进行模型的参数调优,以保持模型的准确性)。
确定出媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值后,可以据此形成历史特征(例如,形成一个向量),历史特征会关联其对应的历史数据的标签(揭示该条历史数据是否属于儿童模式)。
确定出每条历史数据对应的历史特征后,可以执行步骤S13。
步骤S13:将所有历史数据对应的历史特征按照设定比例划分为训练集和测试集。
在本实施例中,可以将所有历史数据对应的历史特征,按照设定比例划分为训练集和测试集。例如,按照7:3的比例划分为训练集和测试集。
得到训练集和测试集后,可以执行步骤S14。
步骤S14:构建深度学习模型,并利用训练集和测试集对深度学习模型进行训练和测试,得到训练好的儿童用户智能识别模型。
在本实施例中,可以构建深度学习模型,例如,可以选用分类决策树模型、随机森林模型或支持向量机模型。本实施例以分类决策树模型构建深度学习模型为例(例如采用ID3算法用信息增益来选择特征,相当于用极大似然法进行概率模型的选择),构建好深度学习模型后,可以利用训练集和测试集对深度学习模型进行训练和测试。利用训练集对深度学习模型训练达标(例如准确率达到95%以上)后,利用测试集对训练后的深度学习模型进行测试,测试后可以将识别错误的历史特征更正后加入到训练集中,进行二次训练,直到二次训练达标(例如准确率达到95%以上)后,得到训练好的儿童用户智能识别模型。
得到训练好的儿童用户智能识别模型后,可以部署在服务器内,以便利用服务器,运行基于IPTV的儿童防沉迷预警方法,无需附加设备或装置,即可判断观看电视的是否是儿童,以便实现防沉迷预警。
请参阅图2,图2为本申请实施例提供的一种基于IPTV的儿童防沉迷预警方法的流程图。
在本实施例中,基于IPTV的儿童防沉迷预警方法可以包括步骤S21、步骤S22、步骤S23和步骤S24。
在用户观看电视时,会对电视机顶盒进行(遥控)操作,以实现对电视节目的点播,从而播放电视节目。为了实现监测,服务器可以运行步骤S21。
步骤S21:获取IPTV节目操作数据,其中,IPTV节目操作数据揭示上次退出播放到本次点播的操作信息,包含本次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据,户主定位数据用于揭示本次点播时户主的定位。
在本实施例中,服务器可以获取IPTV节目操作数据,IPTV节目操作数据揭示上次退出播放到本次点播的操作信息,包含本次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据(户主定位数据用于揭示本次点播时户主的定位)。
得到IPTV节目操作数据后,服务器可以运行步骤S22。
步骤S22:对IPTV节目操作数据进行特征提取,确定出输入特征,其中,输入特征包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值。
在本实施例中,服务器可以对IPTV节目操作数据进行特征提取,具体的提取过程可以参阅前文中对历史数据的特征提取方式,此处不再赘述。由此可以提取出IPTV节目操作数据对应的媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,以形成输入特征。
得到输入特征后,服务器可以运行步骤S23。
步骤S23:将输入特征输入至预设的儿童用户智能识别模型中,得到儿童用户识别结果。
服务器可以将输入特征输入至训练好的儿童用户智能识别模型中,利用儿童用户智能识别模型对输入特征进行分类,最终判断当前观看电视节目的用户是否是儿童,得到儿童用户识别结果并输出。
确定出儿童用户识别结果后,服务器可以运行步骤S24。
步骤S24:在儿童用户识别结果揭示当前用户为儿童时,进行儿童防沉迷监测预警。
在儿童用户识别结果揭示当前用户为儿童时,服务器可以进行儿童防沉迷监测预警。
示例性的,在儿童用户识别结果揭示当前用户为儿童时,服务器可以确定当前是否已开启防沉迷监测。
若未开启防沉迷监测,则以本次点播的时间戳为起点,开启防沉迷监测。
若已开启防沉迷监测,则判断当前时间点与防沉迷监测的起点之间的时间间隔是否达到设定时长。
在达到设定时长时,进行防沉迷预警,例如,向此家庭用户的户主手机发送提示信息,用于提示户主家中儿童的观影时长。以及,服务器可以接收户主手机反馈的操作信息,并基于操作信息,控制户主家中的电视进行锁屏或播放。操作信息如锁屏操作或者继续播放操作,又或者,可以设置约定观看时长,达到约定时长时自动锁屏。
而在未达到设定时长时,服务器则继续防沉迷监测。
本实施例还提供一种存储介质,所述存储介质设置在设备内,包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行本实施例中的基于IPTV的儿童防沉迷预警方法。
以及,本实施例还提供一种服务器,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,所述程序指令被处理器加载并执行时实现本实施例中的基于IPTV的儿童防沉迷预警方法的步骤。
综上所述,本申请实施例提供一种基于IPTV的儿童防沉迷预警方法、存储介质及服务器,采用人工智能的方式,构建儿童用户智能识别模型,筛选开启过儿童模式且儿童模式持续时长大于总开机时长设定比例(例如,初始设置为20%,后续根据模型实际效果反馈进行调整)的家庭用户,以这些用户产生的数据,作为儿童用户智能识别模型的训练基础。此类用户可确认家庭中包含儿童成员,儿童成员观看时开启儿童模式的频率高,以此为基础训练模型,可以提高模型的正确率,降低数据噪声对模型的影响。而训练完模型后,在实际应用中,不需要安装额外的装置,根据点播时操作的行为特征,偏好的节目类型,观看电影时户主是否在家等多种因素,智能化地识别观看电视的是否是儿童,从而确定是否需要进行儿童防沉迷监测预警,能够使家长更放心,有效减少儿童观看电视时长过长引起家长不满的情况,降低家长退订、销户的比例。
训练模型时,针对历史数据集中的每条历史数据进行特征提取,确定出历史特征,包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,以及,每个历史特征对应一个标签,然后将所有历史数据对应的历史特征按照设定比例划分为训练集和测试集,构建深度学习模型,并利用训练集和测试集对深度学习模型进行训练和测试。而在特征值的确定过程中,不仅考虑媒资类型、媒资标签、媒资所属产品包、媒资入口(例如推荐进入、搜索进入或者历史记录进入等)、观看时段、节假日等能够明显反映儿童观看电视行为的特征,还考虑户主是否在家的场景(对应设计了户主定位特征值),以及,考虑了儿童的操作行为特征(绝大部分的儿童目的性强,点播前浏览记录较少,操作迅速),设计了操作过程特征(设计的是一个复合型的特征)来反映这个方面的特点,能够有效提升识别儿童观看电视的准确性。
在儿童用户识别结果揭示当前用户为儿童时,可以进行儿童防沉迷监测预警,监测儿童的观影时长,达到阈值时可以向户主发送提示信息,还能够基于户主的操作信息,控制户主家中的电视进行锁屏或播放,给户主更可靠的控制权,从而有效减少因儿童不自觉看电视时间过长引起的矛盾而导致退订或销户的情况。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于IPTV的儿童防沉迷预警方法,其特征在于,包括:
获取IPTV节目操作数据,其中,IPTV节目操作数据揭示上次退出播放到本次点播的操作信息,包含本次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据,户主定位数据用于揭示本次点播时户主的定位;
对IPTV节目操作数据进行特征提取,确定出输入特征,其中,输入特征包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值;
将输入特征输入至预设的儿童用户智能识别模型中,得到儿童用户识别结果;
在儿童用户识别结果揭示当前用户为儿童时,进行儿童防沉迷监测预警。
2.根据权利要求1所述的基于IPTV的儿童防沉迷预警方法,其特征在于,儿童用户智能识别模型的构建过程包括以下步骤:
获取历史数据集,其中,历史数据集中的每条历史数据来源于儿童模式持续时长与总开机时长的比值不低于设定值的家庭用户,每条历史数据揭示前一次退出播放到当次点播之间的操作信息,包含当次点播的媒资类型、媒资标签、媒资所属产品包、媒资入口、媒资点播操作过程、操作时间戳和户主定位数据,以及用于揭示该条历史数据是否属于儿童模式的标签;
针对每条历史数据,对历史数据进行特征提取,确定出历史特征,其中,历史特征包含媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,以及,每个历史特征对应一个标签;
将所有历史数据对应的历史特征按照设定比例划分为训练集和测试集;
构建深度学习模型,并利用训练集和测试集对深度学习模型进行训练和测试,得到训练好的儿童用户智能识别模型。
3.根据权利要求2所述的基于IPTV的儿童防沉迷预警方法,其特征在于,对历史数据进行特征提取,确定出历史特征,包括:
基于当次点播的媒资类型,确定出媒资类型特征值;
基于当次点播的媒资标签,确定出媒资标签特征值;
基于当次点播的媒资所属产品包,确定出媒资所属产品包特征值;
基于当次点播的媒资入口,确定出媒资入口特征值;
基于当次点播的操作时间戳所属的观看时段,确定出观看时段特征值和节假日特征值;
基于当次点播的户主定位数据,确定出户主定位特征值;
基于当次点播的媒资点播操作过程,确定出操作过程特征值;
基于媒资类型特征值、媒资标签特征值、媒资所属产品包特征值、媒资入口特征值、观看时段特征值、节假日特征值、户主定位特征值、操作过程特征值,确定出历史特征。
4.根据权利要求3所述的基于IPTV的儿童防沉迷预警方法,其特征在于,基于当次点播的户主定位数据,确定出户主定位特征值,包括:
基于户主定位数据判断该家庭用户的户主是否在家,其中,户主定位数据与其家庭住址数据距离不超过设定距离的,视为户主在家;
基于户主是否在家的判断结果,确定出相应的数值作为户主定位特征值。
5.根据权利要求3所述的基于IPTV的儿童防沉迷预警方法,其特征在于,媒资点播操作过程包括前一次退出播放到当次点播之间的操作次数和相邻两次操作的间隔时长,基于当次点播的媒资点播操作过程,确定出操作过程特征值,包括:
采用以下公式计算操作过程特征值:
,
其中,T为操作过程特征值,d为该条历史数据中相邻两次操作的间隔时长平均值,D为该条历史数据所属家庭用户的相邻两次操作的间隔时长平均值,n为该条历史数据中的操作次数,N为所有历史数据的操作次数平均值。
6.根据权利要求2所述的基于IPTV的儿童防沉迷预警方法,其特征在于,构建深度学习模型时,选用分类决策树模型、随机森林模型或支持向量机模型。
7.根据权利要求1所述的基于IPTV的儿童防沉迷预警方法,其特征在于,在儿童用户识别结果揭示当前用户为儿童时,进行儿童防沉迷监测预警,包括:
在儿童用户识别结果揭示当前用户为儿童时,确定当前是否已开启防沉迷监测;
若未开启防沉迷监测,则以本次点播的时间戳为起点,开启防沉迷监测;
若已开启防沉迷监测,则判断当前时间点与防沉迷监测的起点之间的时间间隔是否达到设定时长;
若达到设定时长,进行防沉迷预警;
若未达到设定时长,则继续防沉迷监测。
8.根据权利要求7所述的基于IPTV的儿童防沉迷预警方法,其特征在于,进行防沉迷预警,包括:
向此家庭用户的户主手机发送提示信息,用于提示户主家中儿童的观影时长;
以及,用于接收户主手机反馈的操作信息,并基于操作信息,控制户主家中的电视进行锁屏或播放。
9.一种存储介质,其特征在于,所述存储介质设置在设备内,包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任意一项所述的基于IPTV的儿童防沉迷预警方法。
10.一种服务器,包括存储器和处理器,所述存储器用于存储包括程序指令的信息,所述处理器用于控制程序指令的执行,其特征在于:所述程序指令被处理器加载并执行时实现权利要求1至8中任意一项所述的基于IPTV的儿童防沉迷预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311456094.9A CN117177014B (zh) | 2023-11-03 | 2023-11-03 | 基于iptv的儿童防沉迷预警方法、存储介质及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311456094.9A CN117177014B (zh) | 2023-11-03 | 2023-11-03 | 基于iptv的儿童防沉迷预警方法、存储介质及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117177014A true CN117177014A (zh) | 2023-12-05 |
CN117177014B CN117177014B (zh) | 2024-01-30 |
Family
ID=88930263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311456094.9A Active CN117177014B (zh) | 2023-11-03 | 2023-11-03 | 基于iptv的儿童防沉迷预警方法、存储介质及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117177014B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104754413A (zh) * | 2013-12-30 | 2015-07-01 | 北京三星通信技术研究有限公司 | 基于图像搜索识别电视信号并推荐信息的方法和设备 |
CN106993223A (zh) * | 2017-03-29 | 2017-07-28 | 深圳市九洲电器有限公司 | 儿童电视使用管理方法及*** |
CN108521606A (zh) * | 2018-04-25 | 2018-09-11 | 上海与德科技有限公司 | 一种观看电视的监控方法、装置、存储介质及智能电视 |
CN108965967A (zh) * | 2018-05-25 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 电视控制方法及装置、计算机可读存储介质、终端 |
CN110009127A (zh) * | 2019-01-24 | 2019-07-12 | 平安科技(深圳)有限公司 | 沉迷游戏风险识别方法、装置、计算机设备和存储介质 |
CN110309641A (zh) * | 2019-07-05 | 2019-10-08 | 北京安云世纪科技有限公司 | 防沉迷方法、装置、存储介质及终端设备 |
US20200193288A1 (en) * | 2017-08-29 | 2020-06-18 | Sky Cp Limited | System and Method for Content Discovery |
CN111866261A (zh) * | 2019-04-26 | 2020-10-30 | 北京安云世纪科技有限公司 | 验证方法、装置、计算机设备及存储介质 |
US10848791B1 (en) * | 2018-10-30 | 2020-11-24 | Amazon Technologies, Inc. | Determining portions of video content based on artificial intelligence model |
CN112218124A (zh) * | 2020-10-14 | 2021-01-12 | 广州欢网科技有限责任公司 | Tv模式匹配方法、装置、设备和*** |
CN112333545A (zh) * | 2019-07-31 | 2021-02-05 | Tcl集团股份有限公司 | 一种电视内容推荐方法、***、存储介质和智能电视 |
WO2021031528A1 (zh) * | 2019-08-21 | 2021-02-25 | 创新先进技术有限公司 | 一种操作用户识别方法、装置及设备 |
CN113613084A (zh) * | 2021-07-19 | 2021-11-05 | 深圳创维-Rgb电子有限公司 | 基于节目信息的儿童模式处理方法、装置、设备及介质 |
US20220046301A1 (en) * | 2020-08-04 | 2022-02-10 | Samsung Electronics Company, Ltd. | User classification based on user content viewed |
WO2023103499A1 (zh) * | 2021-12-07 | 2023-06-15 | 荣耀终端有限公司 | 一种应用程序的运行方法及电子设备 |
-
2023
- 2023-11-03 CN CN202311456094.9A patent/CN117177014B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104754413A (zh) * | 2013-12-30 | 2015-07-01 | 北京三星通信技术研究有限公司 | 基于图像搜索识别电视信号并推荐信息的方法和设备 |
CN106993223A (zh) * | 2017-03-29 | 2017-07-28 | 深圳市九洲电器有限公司 | 儿童电视使用管理方法及*** |
US20200193288A1 (en) * | 2017-08-29 | 2020-06-18 | Sky Cp Limited | System and Method for Content Discovery |
CN108521606A (zh) * | 2018-04-25 | 2018-09-11 | 上海与德科技有限公司 | 一种观看电视的监控方法、装置、存储介质及智能电视 |
CN108965967A (zh) * | 2018-05-25 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 电视控制方法及装置、计算机可读存储介质、终端 |
US10848791B1 (en) * | 2018-10-30 | 2020-11-24 | Amazon Technologies, Inc. | Determining portions of video content based on artificial intelligence model |
CN110009127A (zh) * | 2019-01-24 | 2019-07-12 | 平安科技(深圳)有限公司 | 沉迷游戏风险识别方法、装置、计算机设备和存储介质 |
CN111866261A (zh) * | 2019-04-26 | 2020-10-30 | 北京安云世纪科技有限公司 | 验证方法、装置、计算机设备及存储介质 |
CN110309641A (zh) * | 2019-07-05 | 2019-10-08 | 北京安云世纪科技有限公司 | 防沉迷方法、装置、存储介质及终端设备 |
CN112333545A (zh) * | 2019-07-31 | 2021-02-05 | Tcl集团股份有限公司 | 一种电视内容推荐方法、***、存储介质和智能电视 |
WO2021031528A1 (zh) * | 2019-08-21 | 2021-02-25 | 创新先进技术有限公司 | 一种操作用户识别方法、装置及设备 |
US20220046301A1 (en) * | 2020-08-04 | 2022-02-10 | Samsung Electronics Company, Ltd. | User classification based on user content viewed |
CN112218124A (zh) * | 2020-10-14 | 2021-01-12 | 广州欢网科技有限责任公司 | Tv模式匹配方法、装置、设备和*** |
CN113613084A (zh) * | 2021-07-19 | 2021-11-05 | 深圳创维-Rgb电子有限公司 | 基于节目信息的儿童模式处理方法、装置、设备及介质 |
WO2023103499A1 (zh) * | 2021-12-07 | 2023-06-15 | 荣耀终端有限公司 | 一种应用程序的运行方法及电子设备 |
Non-Patent Citations (3)
Title |
---|
何荣华: "智能云电视的用户识别***设计与实现", 大连理工大学硕士论文 * |
杨一涛;陈骏;蔡洁;孙国梓;: "基于进程行为的防沉迷模型", 南昌大学学报(理科版), no. 03 * |
罗莉;苗方;吴敏;: "融合媒体下视频内容关联聚合的研究", 电视技术, no. 22 * |
Also Published As
Publication number | Publication date |
---|---|
CN117177014B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10885093B2 (en) | Global recommendation systems for overlapping media catalogs | |
CN104247441B (zh) | 自动推荐内容 | |
JP5421469B2 (ja) | 対象を定めたテレビ番組配信のためのシステム、プリファレンスエンジン、機械可読媒体およびテレビ視聴習慣を判断する方法 | |
EP2541963B1 (en) | Method for identifying video segments and displaying contextually targeted content on a connected television | |
CN1659882B (zh) | 用于完成个人资料档案的内容补充的方法和*** | |
CN101094335B (zh) | 电视节目推荐设备和电视节目推荐方法 | |
CN109299724B (zh) | 基于深度学习的智能家居用户操控习惯挖掘与推荐方法 | |
CN104935970A (zh) | 进行电视内容推荐的方法及电视客户端 | |
CN105635824A (zh) | 个性化频道推荐方法和*** | |
JP2007272451A (ja) | 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム | |
US20110106809A1 (en) | Information presentation apparatus and mobile terminal | |
US20090100094A1 (en) | Recommendation system and method for multimedia content | |
US8386413B2 (en) | System for generating a media playlist | |
CN110430476A (zh) | 直播间搜索方法、***、计算机设备和存储介质 | |
KR102536202B1 (ko) | 서버 장치, 그 제어 방법 및 컴퓨터 판독가능 기록 매체 | |
CN114466210B (zh) | 直播质量检测处理方法及其装置、设备、介质 | |
CN111861550B (zh) | 一种基于ott设备的家庭画像构建方法及*** | |
CN111125429A (zh) | 一种视频推送方法、装置和计算机可读存储介质 | |
WO2005067295A1 (en) | Method and apparatus for content recommendation | |
CN101180633A (zh) | 用于检测内容项目边界的方法和设备 | |
CN117177014B (zh) | 基于iptv的儿童防沉迷预警方法、存储介质及服务器 | |
JP5013161B2 (ja) | 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム | |
US11172257B2 (en) | Managing audio and video content blocking | |
US10133537B2 (en) | Method of integrating a home entertainment system with life style systems which include searching and playing music using voice commands based upon humming or singing | |
CN113535939A (zh) | 文本处理方法和装置、电子设备以及计算机可读存储介质 |
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 |