CN1606746A - 具有确定时变条件概率的间歇式简档的电视节目推荐 - Google Patents

具有确定时变条件概率的间歇式简档的电视节目推荐 Download PDF

Info

Publication number
CN1606746A
CN1606746A CNA018070396A CN01807039A CN1606746A CN 1606746 A CN1606746 A CN 1606746A CN A018070396 A CNA018070396 A CN A018070396A CN 01807039 A CN01807039 A CN 01807039A CN 1606746 A CN1606746 A CN 1606746A
Authority
CN
China
Prior art keywords
mentioned
feature
frequency
program
watch
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
Application number
CNA018070396A
Other languages
English (en)
Inventor
J·D·谢弗
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1606746A publication Critical patent/CN1606746A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/35—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users
    • H04H60/46—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users for recognising users' 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
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)

Abstract

本发明公开了一种根据观众的时间窗口式收看史产生电视节目推荐的方法和装置。能够自动识别收看喜好的改变。按照一系列收看史窗口保存收看史简档。还能固定或改变各独立窗口的长度和整个收看史本身的总长度(也就是这种小收看窗口的数量)。可以从观众简档中识别出能够删除的不明显或非重复出现的特征而又不丢失重要信息。如果一个特征所对应的频率计数在预定时间周期内不能超过一个最小阈值，就能从观众简档中删除这个特征。本发明的电视节目推荐适合按照收看喜好的改变产生电视节目推荐。按照时间的函数计算一个特征的条件概率(在观众所收看的这一级节目中出现该特征的可能性)。对于周期性改变的收看喜好，所述的电视节目推荐就调节一种属性的条件概率，使其更精确地反映一或多个类似的早先周期。对于收看喜好的倾向或永久性改变，电视节目推荐能够用收看史的最近窗口产生电视节目推荐，能够更客观地反映这种倾向(目前的收看喜好)，或者根据识别出的倾向推算出一个值。

Description

具有确定时变条件概率的间歇式简档的电视节目推荐
发明领域
本发明涉及到电视节目推荐，特别涉及到产生电视节目推荐的方法和装置。
发明背景
随着电视观众可收看的频道数量不断增加，加之在这种频道上可以获得节目内容的多样性，要识别电视观众感兴趣的节目变得越来越复杂。以往，电视观众是通过分析印刷的电视节目指南来识别感兴趣的节目。这种印刷的电视节目指南包含按时间和日期，频道及名称提供的电视节目的方格目录。随着电视节目数量不断增加，用这种印刷的指南越来越难以有效地识别电视节目。
近来已经能以电子格式获得电视节目指南，往往称其为电子节目指南(EPG)。和印刷的电视节目指南一样，EPG包含按时间和日期，频道及名称提供的电视节目的方格目录。然而，这种EPG允许电视观众按照个人喜好分类或检索提供的电视节目。另外，EPG还能在屏幕上显示提供的电视节目。
尽管EPG允许观众比普通的印刷指南更有效地识别所需的节目，仍然存在一定的限制，如果能克服这些限制，就能进一步提高观众识别所需节目的能力。例如，许多观众对某一类节目例如是戏剧节目或体育节目有特殊倾向的嗜好或偏向。这样就能将观众偏好提供给EPG而获得一组特定观众可能会感兴趣的推荐节目。
已经有人提出或建议了许多推荐电视节目的工具。例如，由加州Sunnyvals的Tivo，Inc.提供的商用TivoTM***就允许观众用“ThumbsUp and Thumbs Down”特征快速显示，分别指示出观众喜欢和不喜欢的节目。然后，Tivo接收机将记录的观众喜好和接收的节目数据例如是EPG相匹配，为各个观众提供特制的建议。尽管这种现行有效的电视节目建议有助于观众识别感兴趣的电视节目，仍然存在一定的限制，如果能克服这些限制，就能大大改善传输建议的性能。
例如，这种电视节目推荐往往以观众简档的形式记录观众的以往收看史，包括许多节目特征和该特征在观众所收看(还有不收看的)节目中对应的出现次数。一个特征在观众所收看(还有不收看的)节目中出现的次数通常被称为“特征计数”。这样，象普通的工具随时收集收看史一样，保存收看史信息的特征次数随着在观众所收看的节目中识别到新的特征而逐渐增加。然而，某些识别出的特征在观众收看的其他节目中根本不会出现。因此，这些不必要的节目特征往往在观众简档中被保存的时间过长。然而，目前还没有办法确定能否从收看史中删除某个特征而又不会丢失有用的信息。
另外，按照这种电视节目推荐，观众看电视习惯中被称为“非稳定收看喜好”的改变是不易识别的。事实上，特征计数在观众简档中的集合特性会掩盖收看史中的任何短暂图形。
这样就需要有一种方法和装置来产生能够识别改变的观众喜好的电视节目推荐。还需要有一种产生电视节目推荐的方法和装置，让电视节目推荐能够适应改变的收看喜好。在电视节目推荐中还需要有一种工具以更加有效的方式保存收看史。
发明概述
本发明主要涉及到一种根据观众的以往收看史产生电视节目推荐的方法和装置。按照本发明的一方面，自动识别收看喜好的改变。按照本发明的另一方面，按照一系列收看史窗口保存收看史，例如是一系列周期性连续的收看史窗口。本发明还能改变各个窗口的长度和整个收看史窗口本身的总长度(也就是这种小收看窗口的数量)。
本发明的另一方面是从观众简档中识别出能够从观众简档中删除的不明显或非重复出现的特征而又不丢失重要信息。一般来说，如果一个特征所对应的频率计数在预定时间周期内不能超过一个最小阈值，就能从观众简档中删除这个特征(即一个属性-值对)。
一旦识别到改变的收看喜好，本发明的电视节目推荐就能按这种收看喜好的改变适当地产生电视节目推荐。特别是本发明还能按照时间的函数计算一个特征的条件概率(在观众所收看(或没有收看)的这一级节目中出现该特征的可能性或概率)。对于周期性改变的收看喜好，例如是对应着一天时间或一年时间的重复性改变，电视节目推荐就调节一种属性的条件概率，使其更精确地反映一或多个类似的早先周期.类似地，对于收看喜好的倾向或永久性改变，例如是对一个节目的偏爱或越来越感兴趣，电视节目推荐就能用收看史的最近窗口产生电视节目推荐，能够更客观地反映倾向(目前的收看喜好)。或者是用根据强烈倾向推算的值产生电视节目推荐。
参照以下的详细说明和附图就能更完整地理解本发明及其进一步的特征和优点。
附图简介
图1表示按照本发明的电视节目推荐；
图2表示按照本发明对时间窗口的收看史的保存；
图3是来自图1的节目数据库的一个采样表；
图4是来自图1的观众简档的一个采样表；
图5是一个流程图，用来解释体现本发明原理的一例观众简档估算程序；
图6是一个流程图，用来解释体现本发明原理的一例观众简档保存程序；
图7A和7B集中提供了一个例子，利用本发明的线性倾向测试和推算技术来确定最大可能性估算；以及
图8是一个流程图，用来解释包括本发明特征的一例简档窗口保存子程序。
具体说明
图1表示按照本发明的电视节目推荐100。如图1所示，电视节目推荐100估算电子节目指南(EPG)中的各个节目，从中识别出特定用户感兴趣的节目。可以用机定盒终端/电视机150为用户显示一组推荐节目，例如是采用公知的屏幕显示技术。电视节目推荐100根据以下要参照图2具体解释的观众的以往收看史200来识别观众可能会喜欢的节目。
按照以下要参照图2具体解释的本发明的一个特征，电视节目推荐100按照一系列收看史窗口保存收看史200，能够识别出非稳定收看喜好。例如，电视节目推荐100能够按照一系列连续的周期性收看史窗口例如是按月为间隔保存整个收看史200。按照一个实施例，各独立窗口的长度和整个收看史窗口本身的总长度(也就是这种小收看窗口的数量)。尽管本文所讨论的电视节目推荐100的实施例设想的是连续，相邻的等时间不重叠收看史窗口，在本发明的范围内还能有许多改变，这对于本领域的技术人员是显而易见的。
如上所述，观众简档指示出许多节目属性在观众看过或没有看过(或是二者)的节目中出现的次数。这样，象普通的推荐工具随时积累收看史一样，保存了收看史信息的属性数量逐渐增加。本发明的另一特征是识别不明显或非重复出现的特征并且据此控制观众简档的增长。按照本发明的一个实施例，如果一个特征所对应的频率计数在预定时间周期内不能超过一个最小阈值例如是估算的噪声电平，就能从观众简档中删除这个特征。
按照本发明的另一特征，一旦识别到改变的收看喜好，电视节目推荐100就能按这种收看喜好的改变适当地产生电视节目推荐.特别是本发明还能按照时间的函数计算一个特征的条件概率(在观众所收看(或没有收看)的这一级节目中出现该特征的可能性或概率)。
对于周期性改变的收看喜好，例如是对应着一天时间或一年时间的重复性改变，电视节目推荐100就调节一种特征的条件概率，使它更精确地对应该周期中当前点上的预期值。本发明的益处还有，针对收看史的这种时间史方案能减少对那些不包含一定特征的那种节目的负面影响，在此后的不同时间间隔中不采用该特征(例如是过时的体育节目)。
类似地，对于收看喜好的倾向或永久性改变，例如是对一个节目的偏爱或越来越感兴趣，电视节目推荐100就能用收看史200的最近窗口产生电视节目推荐，能够更客观地反映倾向(目前的收看喜好)，或者是用根据倾向预测的值来调节条件概率。
例如，许多观众的收看习惯在秋季会随着新电视季度的开始或在一项体育运动的决赛期间暂时改变。同样，给定观众的收看习惯在早晨和晚上也可能是不同的。本发明是通过检测收看史200中的暂时图形来改善电视节目推荐100的性能。
如图1所示，电视节目推荐100包含收看史200，节目数据库300和观众简档400，以下要分别参照图2到4具体解释。一般来说，收看史200能识别观众在一定时间周期内收看(和/或不收看)的节目。节目数据库300记录在给定时间间隔内有用的各个节目的信息。观众简档400根据收看图形指示出现众对各个对应的节目特征感兴趣的相对等级。
电视节目推荐100还包括观众简档估算程序500，观众简档保存程序600和简档窗口保存子程序800，以下要分别参照图5，6和8具体解释。观众简档估算程序500对观众简档400的条件概率执行统计分析，并且识别收看史中的暂时图形(例如是倾向或周期性习惯)。按照本发明，一旦用观众简档估算程序500识别出暂时图形，就能考虑到非稳定的收看喜好适当地调节相应的统计概率值.观众简档保存程序600从观众简档400中识别并删除不明显特征。简档窗口保存子程序800提供了一种程序，适当地随时产生和删除观众简档400中的时间窗口。
电视节目推荐100可以体现为任何计算机设备，例如是具有处理器120和存储器130的个人计算机或工作站。另外，电视节目推荐100也可以体现为2000年2月4日提交的名为“Bayesian TV ShowRecommender”的09/498,271号(代理卷号700690)美国专利申请中所述的电视节目推荐，经修改后可以获得本发明的特征和功能。
图2从概念上表示了按照本发明的收看史200的处理过程。如图2所示，按照一系列收看窗口VHN保存收看史200，例如是以月为间隔。如图2所示，收看史200可以保存在一个小缓冲器或存储栈中，直至产生或更新相应的观众简档400。换句话说，如下文中参照图4所述，仅仅需要保存观众所收看(或没有收看)的实际节目目录，直至为观众简档400确定相应的条件概率。
在一个实施例中，各个窗口的长度和整个收看史窗口本身的总长度(也就是这种小收看窗口的数量)是可以改变的。图2中所示的收看史窗口VH1和VHk分别对应着观众在时间跨度T1和Tk期间收看的各组显示。所示的收看史分组VH1和VHk所对应的时间跨度比收看史200覆盖的整个时间周期要小。如果观众改变了他或她从时间跨度T1到时间跨度Tk的收看习惯，在时间跨度Tk中就能显示出对应着新习惯的节目。
图3是来自图1的节目数据库300的一个采样表，数据库记录了在给时间跨度内可以使用的各节目的信息。如图3所示，节目数据库300包含记录305到记录320等许多记录，各自和一个给定的节目相联系。对于每个节目，节目数据库300在场340和345中分别指示出日期/时间和该节目有关的频道。另外，在场350和355中指示出各节目的名称和类型。此外，在节目数据库300中还可以包括演员，持续时间和节目说明等公知的属性(未示出)。
按照本发明的一个特征，节目数据库300还能在场370中记录电视节目推荐100分配给各个节目的推荐记分。这样就能用按照数字记分分类的电子节目指南为用户显示数字记分，并且/或是让用户能直接快速找到感兴趣的节目，或是绘制成彩色图谱或其他视觉提示。
图4是用来表示观众简档400的一个表。如图4所示，观众简档400包含各自与一个不同的节目特征相联系的许多记录405-413。观众简档400还按N个不同的时间窗口在栏440中为每个说明的特征提供了该特征在观众所收看(和没有收看)的节目中相应的出现次数(正、负计数)。在栏445至470中分别表示了N个不同时间窗口各自的正、负计数。在栏465和470中表示最旧时间窗口1的正、负计数，而在栏445和450中表示最新时间窗口N的正、负计数。每当为观众简档400增加一个新窗口(N+1)时，在栏465和470中表示的最旧窗口(1)就被“放弃”或是存储在图中没有表示的历史性收看史数据库中。
例如，如果一个观众在最新时间窗口(N)中的傍晚在频道2上看过一个给定的体育节目，就在观众简档400中将与这一特征相联系的正计数增10，而负计数是0(零)。在本实施例中，观众简档400具有N个连续，相邻且不重叠的等时间段收看史窗口，例如是按月为间隔。整个收看史的总长度(即小收看窗口的数量N)可以按经验确定或是由用户来编排。窗口间隔的大小和窗口数量对能够有效识别的暂时图形有限制。这些参数还与观众收看电视节目的频率有相互的关系。以下要讨论的图8提供了观众简档400的保存子程序的一个例子。
图5是一个流程图，用来解释体现本发明原理的一例观众简档估算程序500。如上所述，观众简档估算程序500对观众简档400中的条件概率执行统计分析，并且识别出收看史(即倾向或周期性习惯)中的暂时图形。一旦用观众简档估算程序500识别出暂时图形，按照本发明就能根据非稳定收看喜好适当修改相应的条件概率值。
如图5所示，观众简档估算程序500在步510检索观众简档400。然后，观众简档估算程序500在步520对每个特征的条件概率执行统计分析。在步530执行测试，以确定任何倾向或周期性收看***均值计算条件概率。
换句话说，条件概率CP在步535中是按以下计算的：
然而，如果在步530确定在观众简档400中有倾向或周期性收看习惯，就在步540执行进一步的测试，在倾向或周期性收看习惯之间加以区别。如果在步540中确定收看习惯包括一或多种倾向，就在步550将这些对应特征的条件概率当作该倾向的条件概率的最大可能性估算值来计算。下述的图7A和7B提供了一个例子，表示在步550中(如下所述还有步560中)用线性倾向测试和推算技术来确定最大可能性估算。
然而，如果在步540确定收看习惯包括一或多种周期性倾向，就在步560将这些对应特征的条件概率当作给定周期性模型的条件概率的最大可能性估算值来计算(以便更接近于对应着早先时间周期的模型)。例如，如果一个特定观众倾向于在World Series(世界职业棒球大赛)期间收看大量棒球比赛，每当World Series开赛的时期就要以加分方式调节相应的条件概率。同样，在World Series停赛的时期应该以减分方式调节相应的条件概率以减少在不同的稍后时间段(例如是棒球停赛季节)对不包含这些相应特征的节目的负面影响。程序控制在步580结束。
图6是一个流程图，用来解释体现本发明原理的一例观众简档保存程序600。如上所述，观众简档保存程序600从观众简档400中识别并删除不明显属性。如图6所示，观众简档保存程序600在步610初步检索观众简档400。
在步620执行一个测试以确定简档400所包含的任何特征的频率计数在预定的连续数量的窗口中是否落到了一个预定或动态确定的噪声阈值以下。例如可以通过分析随机采样的负样品的频率计数来确定噪声阈值。如果在步620确定一或多个特征的频率计数在预定的连续数量的窗口中落到了一个预定的噪声阈值以下，就在步630从观众简档400中删除这种不明显特征。
例如图4所示，特征“早期下午节目”代表的是在观众没有收看的节目中用随机采样的指示的一个特征。如果观众简档400中的窗口大小是一个月，而收看史中总共保存了N个月，最早的那一月就会被删除，而特征“早期下午节目”也可以从观众简档400的所有月中被删除，因为对观众的当前兴趣没有作用。在步640结束程序控制。
线性倾向测试和推断技术
图7A和7B集中提供了一个例子，利用本线性倾向测试和推算技术来确定在步550和560中采用的最大可能性估算。图7A表示一例观众简档700的一部分。如图7A所示，观众简档700包含指示出节目总数的多个记录705-707，分别为五个不同的时间窗口代表特征和对应的估算条件概率的特征计数。注意到在记录707中说明的估算条件概率是仅仅为对的例子计算的。然而，在图示的例子中没有错的例子的倾向，而估算的条件概率是零。
图7B表示为图7A所示的五个采样提供最佳适配的衰退线770。图7B还表示用线性倾向的推算预测第六(或任何未来的)采样780。如图7B所示，用公知技术对采样数据761-765执行线性衰退分析以识别出具有最小均方差的衰退线770。只要获得了衰退线770就能用公知技术推算出下一(以及任何后续)间隔的条件概率780。按照公知的方式，衰退线770一般是用它的斜率(m)和交叉点(b)来代表的。如果获得了m和b值，就能按下式预测出任何未来值：
y＝mx+b
值得注意的是，由于要处理的是概率值，为预测一个特征采样780所执行的推断必须被限制在零(0)到(1)的范围之间。尽管上文结合着图7A和7B所述的例子表示存在线性倾向时对最大可能性估算的确定，同样的基本原理也可以应用于其他倾向，例如是振荡(循环式行为)，这对于本领域的普通技术人员是显而易见的。还应该注意到线性倾向或循环/周期性收看行为的组合例如是本例中所描述的上升振荡也是可能的。尽管需要大量数据来表示这种行为的特征，本文所描述的技术也能应用于这些更加复杂的模型，在本文所描述的基础上，这对于本领域的普通技术人员是显而易见的。
图8是一个流程图，用来解释用于观众简档400的一例简档窗口保存子程序800。如图8所示，简档窗口保存子程序800最初在步810中检测观众收看的节目。然后简档窗口保存子程序800在步820中执行测试，确定当前时间是否在当前窗口内。换句话说，在步820中执行的测试要确定在简档400中是不是应该产生一个新的窗口。
如果在步820确定当前时间不是在当前窗口内，就在步830将当前窗口指针增值，在步840将当前窗口内的所有频率计数置零，并且在步850中执行结合图6所述的观众简档保存程序600(删除不明显特征)。然后，程序控制进到步860。
然而，如果在步820中确定当前时间是在当前窗口内，就在步860中在与该节目有关的所有特征的当前窗口中将频率计数增值。然后结束程序控制。按照类似的方式处理负计数。
应该认识到本文中描述的实施例和变更仅仅是为了解释本发明的原理，本领域的技术人员无需脱离本发明的范围就能实现各种各样的修改。例如，尽管本发明是按照电视节目推荐的内容来描述的，本发明也可以应用于其他种类的用户简档，例如是基于购买记录的简档。本发明从普遍意义上可以应用于那些监视重复性行为的任何简档。

Claims (23)

1.一种管理用户简档(400)存储的方法包括：
观察上述用户随时间的行为；并且
按照多个收看史窗口(VHK)保存上述用户简档(400)，每个上述收看史窗口(VHK)对应着一个不同的时间间隔。
2.按照权利要求1的方法，其特征是上述用户简档(400)和一个电视节目推荐(100)相关联。
3.按照权利要求1的方法，其特征是上述行为是用户所收看过的一组节目。
4.按照权利要求1的方法，其特征是上述行为是用户的一组购买记录。
5.按照权利要求1的方法，其特征是上述行为指示出用户可能喜欢和/或可能不喜欢的内容。
6.按照权利要求1的方法，其特征是上述多个收看史窗口(VHK)各自的长度是可以改变的。
7.按照权利要求1的方法，其特征是可以按照给定的节目特征单独改变上述多个收看史窗口(VHK)。
8.按照权利要求1的方法，其特征是还包括以下步骤：
获得一种行为记录(200)，它指示出上述用户在多个不同时间间隔内执行的行为的多种预定特征的发生次数；并且
根据上述用户简档(400)确定发生次数在预定数量的上述时间间隔内低于一个阈值的任何上述特征。
9.按照权利要求8的方法，其特征是上述阈值是动态确定的。
10.按照权利要求8的方法，其特征是上述用户简档(400)进一步包括，各自在上述多个不同时间间隔中，多个特征在上述观众没有收看的至少一部分节目中的发生次数。
11.按照权利要求10的方法，其特征是上述阈值是通过分析多个特征各自在上述多个不同时间间隔中在上述观众没有收看的至少一部分节目中的发生次数而获得的。
12.按照权利要求8的方法，其特征是还包括以下步骤：
分析上述特征的发生次数，从中识别上述收看行为的倾向。
13.按照权利要求12的方法，其特征是还包括以下步骤：用最近时间间隔内的上述发生次数调节呈现出一种倾向的任何特征的条件概率。
14.按照权利要求12的方法，其特征是还包括以下步骤：推断呈现出一种倾向的任何特征的条件概率值，从中估算未来时间周期内的条件概率值。
15.按照权利要求12的方法，其特征是还包括以下步骤：
分析上述特征的上述发生次数，从中识别上述收看行为中明显的呈周期性的行为。
16.按照权利要求15的方法，其特征是还包括以下步骤：用早先类似时间间隔内的上述发生次数调节呈现出周期性行为的任何特征的条件概率。
17.一种在电视节目推荐(100)中管理用户简档(400)存储的***，包括：
存储计算机可读代码的存储器(130)；以及
操作耦合到上述存储器(130)的处理器(120)，上述处理器(120)被配置成：
获得指示出用户所收看的一组节目的收看史(200)；以及
按照多个收看史窗口(VHK)保存上述收看简档(400)，每个上述收看史窗口(VHK)对应着一个不同的时间间隔。
18.按照权利要求17的***，其特征是上述处理器(120)还被配置成：
获得一个收看史(200)，它指示出观众在多个不同时间间隔中收看的节目中的多个特征的发生次数；并且
从上述观众简档(400)中删除发生次数在预定数量的上述时间间隔内落在一个阈值以下的任何上述特征。
19.按照权利要求18的***，其特征是上述观众简档(400)进一步包括：各自在上述多个不同时间间隔中，多个特征在上述观众没有收看的至少一部分节目中的发生次数。
20.按照权利要求19的***，其特征是上述阈值是通过分析多个特征各自在上述多个不同时间间隔中在上述观众没有收看的至少一部分节目中的发生次数而获得的。
21.按照权利要求18的***，其特征是上述处理器(120)还被配置成：
分析上述特征的发生次数，从中识别上述收看行为的倾向。
22.按照权利要求21的***，其特征是上述处理器(120)还被配置成推断呈现出一种倾向的任何特征的条件概率值，从中估算未来时间周期的条件概率值。
23.按照权利要求21的***，其特征是上述处理器(120)还被配置成：
分析上述特征的上述发生次数，从上述收看行为中识别出明显的周期性行为。
CNA018070396A 2000-11-22 2001-11-16 具有确定时变条件概率的间歇式简档的电视节目推荐 Pending CN1606746A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US71825600A 2000-11-22 2000-11-22
US09/718,256 2000-11-22

Publications (1)

Publication Number Publication Date
CN1606746A true CN1606746A (zh) 2005-04-13

Family

ID=24885404

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA018070396A Pending CN1606746A (zh) 2000-11-22 2001-11-16 具有确定时变条件概率的间歇式简档的电视节目推荐

Country Status (5)

Country Link
EP (1) EP1340179A2 (zh)
JP (1) JP2004515145A (zh)
KR (1) KR20020070496A (zh)
CN (1) CN1606746A (zh)
WO (1) WO2002042959A2 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101383942B (zh) * 2008-08-01 2010-06-09 深圳市天威视讯股份有限公司 一种隐性用户特征提取方法和电视节目推荐方法和***
CN101677376B (zh) * 2008-09-18 2012-10-10 三菱电机株式会社 节目推荐装置
CN102957969A (zh) * 2012-05-18 2013-03-06 华东师范大学 为iptv终端用户推荐节目的装置及方法
CN103329559A (zh) * 2011-04-06 2013-09-25 兰屈克有限公司 用于检测非动力摄录放像装置的方法和***
CN103647800A (zh) * 2013-11-19 2014-03-19 乐视致新电子科技（天津）有限公司 推荐应用资源的方法及***
CN103686236A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及***
CN103957434A (zh) * 2014-04-03 2014-07-30 三星电子（中国）研发中心 推荐节目的方法和设备
CN104506892A (zh) * 2014-12-11 2015-04-08 北京国双科技有限公司 数据调整方法及装置
WO2016101302A1 (zh) * 2014-12-25 2016-06-30 广东电子工业研究院有限公司 基于用户日志和实体关联图库的个性化推荐***及其推荐方法
CN106412700A (zh) * 2016-10-26 2017-02-15 四川长虹电器股份有限公司 智能电视开机频道推荐的方法
CN114827728A (zh) * 2022-06-23 2022-07-29 中国传媒大学 节目数据推荐方法及***

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040003391A1 (en) * 2002-06-27 2004-01-01 Koninklijke Philips Electronics N.V. Method, system and program product for locally analyzing viewing behavior
JP2004206679A (ja) * 2002-12-12 2004-07-22 Sony Corp 情報処理装置および方法、記録媒体、並びにプログラム
CN1635498A (zh) 2003-12-29 2005-07-06 皇家飞利浦电子股份有限公司 一种内容推荐方法及***
KR100597399B1 (ko) * 2004-01-12 2006-07-06 삼성전자주식회사 사용자가 선호하는 채널을 동적으로 관리하는 장치 및관리 방법
JP4270037B2 (ja) 2004-06-16 2009-05-27 ソニー株式会社 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム
KR100663491B1 (ko) 2005-03-04 2007-01-02 삼성전자주식회사 휴대단말기의 멀티미디어 방송 관련 이벤트 처리 장치 및방법
JP2006285383A (ja) * 2005-03-31 2006-10-19 Nec Corp 流行情報通知システムおよび流行情報通知方法
US9015736B2 (en) 2005-12-29 2015-04-21 Rovi Guides, Inc. Systems and methods for episode tracking in an interactive media environment
CA2635201C (en) * 2005-12-29 2018-11-13 United Video Properties, Inc. Systems and methods for episode tracking in an interactive media environment
JP4730619B2 (ja) 2007-03-02 2011-07-20 ソニー株式会社 情報処理装置および方法、並びにプログラム
US8474002B2 (en) * 2007-10-31 2013-06-25 Cisco Technology, Inc. Method and system for adaptive disk management
US8694396B1 (en) 2007-12-26 2014-04-08 Rovi Guides, Inc. Systems and methods for episodic advertisement tracking
KR101802332B1 (ko) 2010-11-25 2017-12-29 삼성전자주식회사 컨텐츠 제공 방법 및 그 시스템
US20140100952A1 (en) * 2012-10-04 2014-04-10 Palo Alto Research Center Incorporated Method and apparatus for optimizing message delivery in recommender systems
US9264656B2 (en) 2014-02-26 2016-02-16 Rovi Guides, Inc. Systems and methods for managing storage space
CN103888810B (zh) * 2014-03-19 2017-11-07 深圳市九洲电器有限公司 一种电视节目排布方法及***
US11985385B1 (en) * 2023-02-09 2024-05-14 Roku, Inc. Dynamic control of media-content presentation based on user presence and/or user profile

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101383942B (zh) * 2008-08-01 2010-06-09 深圳市天威视讯股份有限公司 一种隐性用户特征提取方法和电视节目推荐方法和***
CN101677376B (zh) * 2008-09-18 2012-10-10 三菱电机株式会社 节目推荐装置
CN104581209A (zh) * 2011-04-06 2015-04-29 兰屈克有限公司 用于检测非动力摄录放像装置的方法和***
CN103329559A (zh) * 2011-04-06 2013-09-25 兰屈克有限公司 用于检测非动力摄录放像装置的方法和***
CN104581209B (zh) * 2011-04-06 2017-07-04 兰屈克有限公司 用于检测非动力摄录放像装置的方法和***
CN103329559B (zh) * 2011-04-06 2016-11-16 兰屈克有限公司 用于检测非动力摄录放像装置的方法和***
CN102957969A (zh) * 2012-05-18 2013-03-06 华东师范大学 为iptv终端用户推荐节目的装置及方法
CN103647800A (zh) * 2013-11-19 2014-03-19 乐视致新电子科技（天津）有限公司 推荐应用资源的方法及***
CN103686236A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及***
CN103647800B (zh) * 2013-11-19 2017-12-12 乐视致新电子科技（天津）有限公司 推荐应用资源的方法及***
CN103957434A (zh) * 2014-04-03 2014-07-30 三星电子（中国）研发中心 推荐节目的方法和设备
CN103957434B (zh) * 2014-04-03 2017-05-10 三星电子（中国）研发中心 推荐节目的方法和设备
CN104506892A (zh) * 2014-12-11 2015-04-08 北京国双科技有限公司 数据调整方法及装置
CN104506892B (zh) * 2014-12-11 2018-02-23 北京国双科技有限公司 数据调整方法及装置
WO2016101302A1 (zh) * 2014-12-25 2016-06-30 广东电子工业研究院有限公司 基于用户日志和实体关联图库的个性化推荐***及其推荐方法
CN106412700A (zh) * 2016-10-26 2017-02-15 四川长虹电器股份有限公司 智能电视开机频道推荐的方法
CN114827728A (zh) * 2022-06-23 2022-07-29 中国传媒大学 节目数据推荐方法及***
CN114827728B (zh) * 2022-06-23 2022-09-13 中国传媒大学 节目数据推荐方法及***

Also Published As

Publication number Publication date
JP2004515145A (ja) 2004-05-20
WO2002042959A8 (en) 2002-07-25
WO2002042959A2 (en) 2002-05-30
EP1340179A2 (en) 2003-09-03
KR20020070496A (ko) 2002-09-09

Similar Documents

Publication Publication Date Title
CN1606746A (zh) 具有确定时变条件概率的间歇式简档的电视节目推荐
CN1199465C (zh) 根据选择一致性产生推荐的方法和装置
US7509662B2 (en) Method and apparatus for generation of a preferred broadcasted programs list
US7451151B2 (en) Training, inference and user interface for guiding the caching of media content on local stores
US7757250B1 (en) Time-centric training, inference and user interface for personalized media program guides
KR100858639B1 (ko) 유사성 메트릭에 기초한 텔레비전 프로그램 추천들을 생성하는 방법 및 장치
KR100891444B1 (ko) 사용자 프로파일의 선택적 갱신을 위한 방법 및 장치
CN102917269B (zh) 一种电视节目推荐***及方法
CN109040795B (zh) 一种视频推荐方法及***
US20140068676A1 (en) Method and system for video collection management, invalid video replacement and continuous video replay
KR20040033037A (ko) 협동 필터링을 포함하는 4-웨이 추천 방법 및 시스템
WO2002025939A2 (en) Television program recommender with automatic identification of changing viewer preferences
WO2002037851A2 (en) Method and apparatus for generating television program recommendations based on prior queries
KR20010105404A (ko) 적응형 ｔｖ 프로그램 추천기
CN1586077A (zh) 用于基于选择的第三方偏好来推荐感兴趣项目的方法和设备
EP1878221A2 (en) Method and apparatus for recommending contents
JP2008521315A (ja) ユーザープロファイルを更新するための装置および方法
EP1891588A1 (en) Method and apparatus for estimating total interest of a group of users directing to a content
CN1756336A (zh) 电视频道推荐***及推荐方法
EP1634442B1 (en) Transformation of recommender scores depending upon the viewed status of tv shows
CN1761968A (zh) 根据将在其间存储节目项的时间段来选择节目项
KR100480027B1 (ko) 디지털 티브이의 프로그램 추천 방법 및 장치
CN115455305A (zh) 信息推荐方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
ASS Succession or assignment of patent right

Owner name: PACE MICRO TECHNOLOGY CO., LTD.

Free format text: FORMER OWNER: ROYAL PHILIPS ELECTRONICS CO., LTD.

Effective date: 20080801

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20080801

Address after: West Yorkshire

Applicant after: Koninkl Philips Electronics NV

Address before: Holland Ian Deho Finn

Applicant before: Koninklike Philips Electronics N. V.

C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication