CN1633808A - 推荐器计分的分层决策融合 - Google Patents
推荐器计分的分层决策融合 Download PDFInfo
- Publication number
- CN1633808A CN1633808A CNA028262972A CN02826297A CN1633808A CN 1633808 A CN1633808 A CN 1633808A CN A028262972 A CNA028262972 A CN A028262972A CN 02826297 A CN02826297 A CN 02826297A CN 1633808 A CN1633808 A CN 1633808A
- Authority
- CN
- China
- Prior art keywords
- decision
- making
- fusion
- fusion center
- level
- 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
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
- H04N21/45—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
-
- 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
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
-
- 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
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
- H04N21/44224—Monitoring of user activity on external systems, e.g. Internet browsing
-
- 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
- H04N21/454—Content or additional data filtering, e.g. blocking advertisements
-
- 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]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/81—Monomedia components thereof
- H04N21/8106—Monomedia components thereof involving special audio data, e.g. different tracks for different languages
- H04N21/8113—Monomedia components thereof involving special audio data, e.g. different tracks for different languages comprising music, e.g. song in MP3 format
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/16—Analogue secrecy systems; Analogue subscription systems
- H04N7/162—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing
- H04N7/163—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing by receiver means only
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Television Systems (AREA)
Abstract
一种用于提供推荐器计分的分层决策融合的方法和***,其中提供了至少两级融合。在该方法中,第一级的多个推荐器根据感兴趣的主题而被分组。多个第一级融合中心从预定数量的推荐器中接收多个输出。第一级融合中心输出第一增强决策,一系列第二级融合中心接收预定数量的第一增强决策,执行第二级融合步骤从而获得第二增强决策级。分组可以是阅读历史、音乐、收看历史、购物历史、和上述的混合,使得增强决策可以基于电影和音乐二者的分级来推荐电影。
Description
本发明涉及推荐器***以及以分层方式的推荐器计分融合。具体而言,本发明涉及一种对多个推荐代理的组合功能。
在现有技术中已知推荐器***被用于向用户提供一系列特定种类或者领域中的选择,用户已经表示了对这些种类或者领域的兴趣。例如,基于内容的推荐器***可以根据用户已选择的(或者忽略的)分级选项的启发式简档向一个或多个用户推荐文件、选项、和/或业务。存在一种文字标记***,其能够获得关于已选项的信息,基于前面已选项的信息与被推荐选项信息的相似性,使用信息来提供推荐。
由Raymond J.Mooney,Paul N.Bennett和Lorene Poy,关于学习文本分类化(1998)的AAAI-98/ICML-98专题研究组撰写的书《使用文本分类通过提取的信息进行推荐》(Recommending using textcategorization with extracted information )中公开了,推荐器***通常使用一种被称为协作过滤的计算机化匹配(matchmaking)形式进行推荐,以推荐音乐和电影。在这些***中,用户的爱好与那些同他们的偏爱紧密相关的其它用户相匹配。这些***保持的简档通常只是已选择(有时也是被拒绝的)选项的清单。
第二种推荐途径是仅使用一个指定用户的偏爱,不将它与其它用户的偏爱进行比较(因此不执行协作过滤)。对于关心其隐私的那些用户,这是一种优选的推荐执行方式。在该情况中,仅使用指定个人的收看/阅读/收听的历史,以便推断出将来的推荐。可以使用不同的技术来产生基于收看历史的推荐,例如贝叶斯规则,决策树和最近邻居(nearest neighbor)分类器。所有这些技术都提供一种根据推荐符合观众爱好的概率来进行分级的类型。
当多个推荐器(简档)中存在对相同项目有效的推荐时,可用单步融合方法,例如由Meuleman在《在分布式用户简档中的立体类型和角色模拟代理》(Stereotype and Role Model Agents in Distributed UserProfiles)中所公开的。现有技术中没有多步融合方案来集合多个推荐。
如果除了指定的选项集合(假设为TV演出)的多个简档之外,一个用户还可使用不同选项集合(假设为音乐记录)的多个简档,用户希望使用这些简档来增加/提炼第一组选项的推荐,那么需要一种不同于现有技术中的单步方法的融合操作;多步融合操作需要在每步应用不同的融合。
本发明利用三种事实:(1)最自然地是使用内容实例以及适于不同域的用户接口来建立不同内容域的用户简档,(2)在各个域之间存在有用的重叠,可以采用这些重叠来改进推荐,(3)在提供最终推荐时分层融合技术是最灵活的。
例如,一个关于TV演出的用户兴趣简档仅参考TV演出而自然地建立,类似地书和音乐(记录的、或者已由无线电或者因特网广播的)也如此建立。然而,例如,通常对传记TV演出表示不感兴趣的人将可能对于他近来购买的几本书的作者的演出有兴趣。这个方法的成功取决于这些不同域的元数据中存在的某些重要特征。在一个融合步骤中组合这些在整个域中的信息位是可能的。然而,可以使用分层的方法获得能够产生更高预测精确度的附加灵活性。
本发明是一种通过多个推荐器的分层融合来获得关于用户感兴趣的不同范围和/或者主题的推荐的方法和***。由Schaffer等申请的U.S.专利申请09/627139(2000年7月27日提交),(在此引入作为本申请的背景材料)公开了组合隐式(历史)简档、反馈简档和显式简档以产生新预测的三向媒体推荐方法和***,然后新预测通过例如加权平均进行组合。然而,本发明提供一种迄今为止在本领域中未知的分层融合。
一种提供推荐器计分的分层融合的方法,包括步骤:(a)在第一级提供多个推荐器,所述推荐器按照兴趣的主题被分到多个预定组中的至少一个组;
(b)提供预定数量的第一级融合中心,以从至少一个特殊组的每个所述推荐器接收一个输出;
(c)由在步骤(a)中被分组的所述多个推荐器的每一个向相应的第一级融合中心输出一个决策,其中每个决策提供一个推荐;
(d)每个相应的第一级融合中心通过所述至少一个特殊组中的所述推荐器执行在步骤(c)输出的决策的第一融合步骤;
(e)每个相应的第一级融合中心基于步骤(d)中执行的融合输出第一增强决策;
(f)提供多个第二级融合中心以接收从所述第一级融合中心的组中输出的第一增强决策;
(g)每个相应的第二级融合中心执行对从所述第一级融合中心的组中接收的第一增强决策的第二融合步骤;
(h)每个相应的第二级融合中心输出第二增强决策以及
(i)向用户输出一个从步骤(h)的增强决策中选择的最终增强决策。
本领域的普通技术人员可以理解本发明包括多于两级的融合,并且可以适用于不止一个的推荐。
图1A是一个依据本发明的方法和***的分层结构的概述。
图1B是另一种依据本发明的方法和***的分层结构实例。
图1C是一个有两层分级的本发明实施例的流程图。
图2是一个依据本发明的***的图解。
图1A示例了本发明分层结构的概述。如图1A所示,存在包括多个推荐器110(Ri至Rn)的层次。每个推荐器对于感兴趣的特定范围进行推荐。例如,推荐器R1、R2和R3可以是采用不同推荐机制的电视节目推荐器。
推荐器R1、R2和R3的决策被第一级融合中心120(F1_1)融合在一起。例如,第一级融合中心可以采用投票方案决定来自输入推荐R1、R2和R3的最终推荐。
与以上相似,推荐器R4和R5被另一个第一级融合中心130(F1_2)融合在一起。然而,与推荐器R1、R2和R3推荐的对于电视节目感兴趣的指定范围不同,推荐器R4和R5已经衍生为推荐诸如音乐的不同类型。***的最终推荐(在层次的最后一级)是TV节目推荐,***中将使用R4和R5来检测TV演出中更喜欢的音乐特征。它们可以被视为对TV演出的音乐部分进行分级。第一级融合中心130(F1_2)因此根据给定演出的用户音乐偏好的适当观察来提供TV演出的推荐,然而融合中心120根据用户的TV放映偏好的适当观察来提供电视推荐。融合中心130可以采用(并非投票方案)一种神经网络来执行推荐器R4和R5之间的融合。
第二级融合中心140(F2_1)组合来自融合中心120和130的决策,这将导致,例如增强的电视节目推荐。例如,增强可以是基于以下事实:音乐推荐器指示用户更喜欢二十世纪六十年代以来的摇滚音乐,而来自R1、R2和R3的其中一个电视节目与那个时代的特定摇滚乐团有关,或者其中一个演出具有同那个年代相关的背景音乐。因此,电视推荐器和音乐推荐器的融合因为附加信息的融合而提供了一种增强推荐。
此外,例如推荐器Rn-1,Rn-2,和Rn可以基于诸如用户的个人图书馆、图书购买情况和公共图书馆的借用情况来推荐电视节目。第一级融合中心150(F1_M)组合这些输出以得到增强的电视推荐。融合中心150可以通过使用投票进行操作。
此外,另一个第二级融合中心160(F2_P)将融合由融合中心150以及至少一个其它融合中心130所推荐的输出。第二级融合中心160将对于电视节目进行推荐,该推荐甚至还增强由例如融合中心150进行的推荐。
第二级融合中心140、160依次进一步增强推荐。第三级融合中心170、180将依次继续该层次结构。可以有n级融合中心,其中n是推荐***复杂性的预定值。随着融合中心分级数量的增加,***将更加复杂。
最后,第n级190(Fn_1)将是最高级的融合中心,其可以提供最高增强的电视推荐。在所有的情况下,分层不一定都必须利用直到第n级的结构。例如,如果一个推荐计分在更低一级的某个预定范围之内,(例如)第二级融合中心,可以向用户进行推荐,而不必利用与使用最高级融合中心提供推荐相关的***资源。当推荐器***在至少部分地重叠的时间内向多个用户进行推荐时,这种灵活性十分有利。
应当注意,没有一种必须或者应当使用的特殊融合方法。例如,加权平均、投票、神经网络和Dempter-Shaffer证据推理法仅是本领域普通技术人员公知的、能够被用在分层融合中的许多融合方法的其中几个方法。此外,预期用于从域B导出的推荐器来融合域A的推荐的方法与用于从域A导出的推荐器来融合域B的推荐的方法不同。因此,对于每个最终推荐域有不同的分层结构。
图1B举例说明本发明的另一个方面。在该情况中的最终推荐(F最终)将是音乐推荐。图1B中的分层类似于图1A中的分层,但在某种意义上又不相同,因为当最终推荐是不同类型(例如,音乐与TV)时,融合分层也会不同(并且通常是不同的)。例如,R1和R2已经被导出用于不同TV演出类型的推荐。该***的最终推荐是音乐推荐时,***基于TV收看历史使用R1和R2来推荐音乐。R1能够使用神经网络来提供那样的推荐,R2能够使用贝叶斯分类器提供推荐。R3,R4,R5和R6可以是不同的音乐推荐器。每个音乐推荐器可以基于不同的收听历史(例如,所收听的CD,收听收音机中的音乐)或者基于相同的历史但是使用不同的推荐机制(例如,贝叶斯规则,决策树,神经网络)。
本领域的普通技术人员能够理解感兴趣的不同选项的分类可以由,例如贝叶斯最佳分类器、线性分类器、二次方程式分类器、k-最近邻居分类器、人造神经网络等等进行分类。
根据商业价值进行对推荐进行加权也同样属于本发明的精神和范围。例如,在种类中更有利可图的选项可以被加权(例如,一本比在兴趣范围内的可比书具有更高标价的特定书),所以其在特殊种类中的相似产品/服务之前被售出。此外,来自货物或者服务生产者的付款可能还增加其权重和/或在确定最高推荐计分时给其优先权。
图1C的流程图举例说明了能够实现本发明方法的一种可能方式。本领域的普通技术人员理解为了解释的目的,在流程图中仅使用两个分层级数,但是多于两级的应用也在本发明的精神和附加的权利要求的范围之内。
在步骤105,在第一级提供多个推荐器。
在步骤110,提供预定数目的第一级融合中心。每个融合中心能够从根据感兴趣的范围/主题而被分组的推荐器中接收多个输出(被称为决策)。
在步骤115,第一级融合中心接收来自推荐器的输出。
在步骤120,执行融合步骤,融合来自推荐器的多于一个决策的推荐。
在步骤125,每个第一级融合中心基于在步骤120执行的融合而输出一个增强决策。
在步骤130,提供多个第二级融合中心以接收第一级增强的输出决策。
在步骤135,执行第二融合步骤,使得第一增强决策被有选择地融合在一起以形成第二增强决策。
在步骤140,每个第二级融合中心输出第二增强决策。
(同样,应当理解可能存在多于两级的融合)。
在步骤145,向用户输出最终的增强决策。
图2举例说明能够用于实现本发明的硬件。出于举例而不是限制的目的,本领域的普通技术人员理解尽管举例因为解释的目的被具体化为一种方式,但是还存在属于本发明的精神和附加权利要求的范围之内的举例的许多可能的变化。
图2显示的推荐器***200包括中央处理单元205,存储器210(典型地但不限于ROM、RAM、DRAM,等等)。在一个实施例中,可以想象推荐器***可以是一个服务器,尤其是其可以登记用户,管理用户组,允许种类评定并且提供过滤。协议可以是开放式的。此外,尽管示出了一个CPU,但是在本发明的精神和范围之内也可以采用并行处理技术沿着分层的不同范围在相同时间或者接近相同的时间融合感兴趣的不同主题。应当理解,整个推荐器***不仅可在计算机中,也可以在电视机中。
存储器210包含关于用户描述215的信息,例如地址、邮政编码、年龄、教育背景、职业和收入,对于电视节目特征和音乐特征的偏好,等等。这些信息被本地存储在存储器210中,或者该信息可以存储在通过因特网访问的服务器的数据库中,可以通过电话线、光纤线路、LAN/WAN访问该数据库。用户可以有识别码,其允许CPU访问用户简档。在因特网的情况中,用户硬件驱动器中可以有一个点心文件(cookie)。替换地,用户被要求提供一个预先已经登记的密码或者签名。只要存在一个装置使CPU能够基于标识符来检索用户描述和/或过去的历史,便可以使用任何已知的识别方案。
除用户描述之外,或者代替用户描述,CPU可以获得历史的数据和/或访问一个用户已选择的与多个主题相似和不相似的显式简档,例如,主题可以是电影、音乐、戏剧、艺术、运动、政治、传奇文学、财政、科技。
在图2中显示诸如收音机的收听历史220,光盘的收听历史221,阅读历史222,购物历史223,录像租借历史224和电视收看历史225的历史数据。这些历史数据可以是使用推荐器***对过去选择的编辑,或者它们可以是用户偏好的组合。此外,还可能获得客户清单。例如,用户在特殊书店的购买历史,在音像店的租借历史,用户拥有汽车的类型,这些都可以是组合中一部分。此外,甚至可能对由***进行的购买分类(例如由某个***公司采用被分类为购买类型的年终结算表的形式进行)。
推荐器使用历史记录进行推荐。例如,电视推荐器(#1)226和电视推荐器(#2)227检查电视收看历史225。然而,电视推荐器(#3)228检查录像租借历史224,但是电视推荐器230是显式的,意味着推荐是基于观众主动输入的偏好进行的。
此外,音乐推荐器(#1)231检查收音机的收听历史220,而音乐推荐器(#2)232检查光盘的收听历史221。阅读推荐器和购物推荐器同样检查历史,或者按照实际情况基于来自用户的显式偏好。
同样可以想象,一个推荐器模块235将包括能执行来自推荐器226、227、228、230、231、232,等等不同推荐主题的融合的软件。本领域的普通技术人员理解该模块可以包括神经网络,并分层地融合来自不同推荐器的决策。该模块适合于在任何已知的操作***下执行。
一个用户显示器240将接收来自推荐器***的推荐,显示器可以不是该***的一部分。例如,显示器可以是用户的个人计算机、或者是交互式电视屏幕、电话机、电子发报机,等等。显示器可以被远程控制。此外,用户显示器可以通过有线、无线、光纤、微波、RF、LAN/WAN和因特网与***200通信,上述仅指出了一些能够连接显示器的可能方式。推荐甚至不必显示给用户,而可以被用于驱动某些自动的动作,例如,自动地记录最希望的节目。
本领域的普通技术人员可以进行各种修改,它们属于本发明的精神和附加权利要求的范围。例如,可以根据实际需要来决定不同融合方法所使用的决策融合类型,以及不同选项所适用的值。
Claims (16)
1.一种提供推荐器计分的分层决策融合的方法,所述方法包括步骤:
(a)在第一级提供多个推荐器(105),所述推荐器被分到多个预定组中的至少一个组;
(b)提供预定数量的第一级融合中心(110),以从至少一个特殊组中的每个所述推荐器接收一个输出;
(c)由在步骤(a)中被分组的所述多个推荐器的每一个向相应的第一级融合中心输出一个决策(115),其中每个决策提供一个推荐;
(d)每个相应的第一级融合中心执行在步骤(c)由所述至少一个特殊组中的所述推荐器输出的决策的第一融合步骤(120);
(e)每个相应的第一级融合中心基于在步骤(d)中执行的融合而输出第一增强决策(125);
(f)提供多个第二级融合中心(130),以接收从所述第一级融合中心的组中输出的第一增强决策;
(g)每个相应的第二级融合中心对从所述第一级融合中心的组中接收的第一增强决策执行第二融合步骤(135);
(h)每个相应的第二级融合中心输出第二增强决策(140);以及
(i)向用户输出一个从步骤(h)的增强决策中选择的最终增强决策(145)。
2.如权利要求1所述的方法,其中在步骤(a)提供的多个推荐器具有重叠的感兴趣主题。
3.如权利要求2所述的方法,其中用户简档包括多个预先记录的偏好。
4.如权利要求3所述的方法,其中预先记录的偏好包括收看历史、收听历史和文学历史其中之一。
5.如权利要求1所述的方法,其中分别在步骤(d)和步骤(g)记载的第一融合步骤和第二融合步骤由加权平均、投票、神经网络和Dempster-Shaffer证据推理法其中之一执行。
6.如权利要求1所述的方法,其中步骤(h)还包括:(i)提供多个第三级融合中心,以从第二级融合中心接收第二增强决策,以及(ii)多个第三级融合中心中的每一个对预定数量的第二增强决策执行第三融合步骤。
7.如权利要求6所述的方法,其中步骤(h)还包括(iii)提供单个的第n级融合中心,所述第n级融合中心从所述第二级融合中心接收决策输出;以及(iv)根据第二增强决策提供第n级融合步骤。
8.如权利要求7所述的方法,其中第n级融合中心是第四级。
9.如权利要求6所述的方法,还包括提供单个的第n级融合中心,所述第n级融合中心从多个第n-1级融合中心接收决策,其中所述n-1级融合中心是比第三级融合中心更高的级别。
10.如权利要求8所述的方法,其中由加权平均、投票、神经网络和Dempster-Shaffer证据推理法其中之一执行第n级融合步骤。
11.如权利要求8所述的方法,其中通过有线通信、无线通信、光纤、LAN/WAN和因特网其中之一向用户输出最终的增强步骤。
12.一种推荐器计分的分层决策融合***,所述***包括:
中央处理单元(205);
与所述中央处理单元(205)通信的存储器(210);
一个推荐器模块(235),它包括用于融合预定数量的组的推荐的融合软件;
用于向用户输出(239)推荐的装置;
其中所述推荐模块提供至少两级融合,其中在第一级融合多个推荐以提供多个第一增强决策,在第二级融合所述多个第一增强决策以提供多个第二增强决策,该第二增强决策在数量上比所述第一增强决策少。
13.如权利要求12所述的***,其中所述中央处理单元包括一个网络服务器。
14.如权利要求12所述的***,其中所述向用户输出推荐的装置包括一个显示器(240)。
15.如权利要求12所述的***,其中所述***包括在用户的存储设备中存储点心文件的装置,所述点心文件包含在所述存储器中的用户简档的标识符。
16.如权利要求14所述的***,其中显示器位于远程控制器中。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/029,830 | 2001-12-27 | ||
US10/029,830 US20030126606A1 (en) | 2001-12-27 | 2001-12-27 | Hierarchical decision fusion of recommender scores |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1633808A true CN1633808A (zh) | 2005-06-29 |
Family
ID=21851114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA028262972A Pending CN1633808A (zh) | 2001-12-27 | 2002-12-09 | 推荐器计分的分层决策融合 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20030126606A1 (zh) |
EP (1) | EP1461949A1 (zh) |
JP (1) | JP2005513687A (zh) |
KR (1) | KR20040075036A (zh) |
CN (1) | CN1633808A (zh) |
AU (1) | AU2002367216A1 (zh) |
WO (1) | WO2003056824A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314913A (zh) * | 2010-07-02 | 2012-01-11 | 哈曼贝克自动***股份有限公司 | 媒体内容重放 |
CN102722532A (zh) * | 2012-05-18 | 2012-10-10 | 山东大学 | 一种基于内容和用户历史的音乐推荐算法 |
CN103412646A (zh) * | 2013-08-07 | 2013-11-27 | 南京师范大学 | 基于脑机交互的音乐情绪化推荐方法 |
US8869211B2 (en) | 2012-10-30 | 2014-10-21 | TCL Research America Inc. | Zoomable content recommendation system |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030051240A1 (en) * | 2001-09-10 | 2003-03-13 | Koninklijke Philips Electronics N.V. | Four-way recommendation method and system including collaborative filtering |
US20030229895A1 (en) * | 2002-06-10 | 2003-12-11 | Koninklijke Philips Electronics N. V. Corporation | Anticipatory content augmentation |
JP2004272662A (ja) * | 2003-03-10 | 2004-09-30 | Ricoh Co Ltd | コンテンツ管理装置、コンテンツ管理システム、コンテンツ管理方法、コンテンツ管理方法をコンピュータに実行させるプログラム、記録媒体、およびコンテンツデータ |
JP2006119921A (ja) * | 2004-10-21 | 2006-05-11 | Nec Corp | レンタルサービスサーバ、及びレンタルサービスシステム |
US7668821B1 (en) | 2005-11-17 | 2010-02-23 | Amazon Technologies, Inc. | Recommendations based on item tagging activities of users |
US20080244665A1 (en) * | 2007-04-02 | 2008-10-02 | At&T Knowledge Ventures, Lp | System and method of providing video content |
KR100829115B1 (ko) * | 2007-04-17 | 2008-05-16 | 삼성전자주식회사 | 이동통신 단말기의 콘텐츠 재생 방법 및 장치 |
US8260787B2 (en) * | 2007-06-29 | 2012-09-04 | Amazon Technologies, Inc. | Recommendation system with multiple integrated recommenders |
US8751507B2 (en) * | 2007-06-29 | 2014-06-10 | Amazon Technologies, Inc. | Recommendation system with multiple integrated recommenders |
US7949659B2 (en) * | 2007-06-29 | 2011-05-24 | Amazon Technologies, Inc. | Recommendation system with multiple integrated recommenders |
US7743067B2 (en) | 2007-09-18 | 2010-06-22 | Palo Alto Research Center Incorporated | Mixed-model recommender for leisure activities |
US20090100094A1 (en) * | 2007-10-15 | 2009-04-16 | Xavier Verdaguer | Recommendation system and method for multimedia content |
US7991757B2 (en) * | 2008-08-12 | 2011-08-02 | Amazon Technologies, Inc. | System for obtaining recommendations from multiple recommenders |
US7991650B2 (en) * | 2008-08-12 | 2011-08-02 | Amazon Technologies, Inc. | System for obtaining recommendations from multiple recommenders |
US8566274B2 (en) * | 2010-05-12 | 2013-10-22 | Salesforce.Com, Inc. | Methods and systems for implementing a compositional recommender framework |
JP5600501B2 (ja) * | 2010-07-05 | 2014-10-01 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | レコメンド装置、レコメンド方法、及びプログラム |
US8584167B2 (en) | 2011-05-31 | 2013-11-12 | Echostar Technologies L.L.C. | Electronic programming guides combining stored content information and content provider schedule information |
US8627349B2 (en) | 2011-08-23 | 2014-01-07 | Echostar Technologies L.L.C. | User interface |
US10776103B2 (en) | 2011-12-19 | 2020-09-15 | Majen Tech, LLC | System, method, and computer program product for coordination among multiple devices |
US9087303B2 (en) * | 2012-02-19 | 2015-07-21 | International Business Machines Corporation | Classification reliability prediction |
US9602875B2 (en) | 2013-03-15 | 2017-03-21 | Echostar Uk Holdings Limited | Broadcast content resume reminder |
US8973038B2 (en) | 2013-05-03 | 2015-03-03 | Echostar Technologies L.L.C. | Missed content access guide |
US9930404B2 (en) | 2013-06-17 | 2018-03-27 | Echostar Technologies L.L.C. | Event-based media playback |
US9848249B2 (en) | 2013-07-15 | 2017-12-19 | Echostar Technologies L.L.C. | Location based targeted advertising |
US9066156B2 (en) * | 2013-08-20 | 2015-06-23 | Echostar Technologies L.L.C. | Television receiver enhancement features |
US10297287B2 (en) | 2013-10-21 | 2019-05-21 | Thuuz, Inc. | Dynamic media recording |
US9860477B2 (en) | 2013-12-23 | 2018-01-02 | Echostar Technologies L.L.C. | Customized video mosaic |
US9420333B2 (en) | 2013-12-23 | 2016-08-16 | Echostar Technologies L.L.C. | Mosaic focus control |
US9514366B2 (en) * | 2014-02-03 | 2016-12-06 | Xerox Corporation | Vehicle detection method and system including irrelevant window elimination and/or window score degradation |
US9681196B2 (en) | 2014-08-27 | 2017-06-13 | Echostar Technologies L.L.C. | Television receiver-based network traffic control |
US9621959B2 (en) | 2014-08-27 | 2017-04-11 | Echostar Uk Holdings Limited | In-residence track and alert |
US9681176B2 (en) | 2014-08-27 | 2017-06-13 | Echostar Technologies L.L.C. | Provisioning preferred media content |
US9628861B2 (en) | 2014-08-27 | 2017-04-18 | Echostar Uk Holdings Limited | Source-linked electronic programming guide |
US9936248B2 (en) | 2014-08-27 | 2018-04-03 | Echostar Technologies L.L.C. | Media content output control |
US10223458B1 (en) * | 2014-09-16 | 2019-03-05 | Amazon Technologies, Inc. | Automatic magazine generator for web content |
US9565474B2 (en) | 2014-09-23 | 2017-02-07 | Echostar Technologies L.L.C. | Media content crowdsource |
US11863848B1 (en) | 2014-10-09 | 2024-01-02 | Stats Llc | User interface for interaction with customized highlight shows |
US10433030B2 (en) | 2014-10-09 | 2019-10-01 | Thuuz, Inc. | Generating a customized highlight sequence depicting multiple events |
US10536758B2 (en) | 2014-10-09 | 2020-01-14 | Thuuz, Inc. | Customized generation of highlight show with narrative component |
US10419830B2 (en) | 2014-10-09 | 2019-09-17 | Thuuz, Inc. | Generating a customized highlight sequence depicting an event |
US10432296B2 (en) | 2014-12-31 | 2019-10-01 | DISH Technologies L.L.C. | Inter-residence computing resource sharing |
US9800938B2 (en) | 2015-01-07 | 2017-10-24 | Echostar Technologies L.L.C. | Distraction bookmarks for live and recorded video |
US10397652B2 (en) | 2016-05-18 | 2019-08-27 | Rovi Guides, Inc. | Recommending a location based on quality of service at a location |
US10110959B2 (en) | 2016-05-18 | 2018-10-23 | Rovi Guides, Inc. | Recommending media content based on quality of service at a location |
US10165333B2 (en) * | 2016-05-18 | 2018-12-25 | Rovi Guide, Inc. | Recommending media content based on the trajectory of the user |
US10085062B2 (en) | 2016-05-18 | 2018-09-25 | Rovi Guides, Inc. | Presenting media guidance data based on the trajectory of the user |
US10015539B2 (en) | 2016-07-25 | 2018-07-03 | DISH Technologies L.L.C. | Provider-defined live multichannel viewing events |
US10021448B2 (en) | 2016-11-22 | 2018-07-10 | DISH Technologies L.L.C. | Sports bar mode automatic viewing determination |
KR20190065746A (ko) * | 2017-12-04 | 2019-06-12 | 삼성전자주식회사 | 전자 장치, 그 제어 방법 및 컴퓨터 판독가능 기록 매체 |
US11594028B2 (en) | 2018-05-18 | 2023-02-28 | Stats Llc | Video processing for enabling sports highlights generation |
US11264048B1 (en) | 2018-06-05 | 2022-03-01 | Stats Llc | Audio processing for detecting occurrences of loud sound characterized by brief audio bursts |
US11025985B2 (en) | 2018-06-05 | 2021-06-01 | Stats Llc | Audio processing for detecting occurrences of crowd noise in sporting event television programming |
CN112784171B (zh) * | 2021-01-21 | 2022-11-04 | 重庆邮电大学 | 一种基于上下文典型性的电影推荐方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5410344A (en) * | 1993-09-22 | 1995-04-25 | Arrowsmith Technologies, Inc. | Apparatus and method of selecting video programs based on viewers' preferences |
JPH08286922A (ja) * | 1995-04-12 | 1996-11-01 | Sharp Corp | ファジィ・ニューラルネットワーク装置 |
US6112186A (en) * | 1995-06-30 | 2000-08-29 | Microsoft Corporation | Distributed system for facilitating exchange of user information and opinion using automated collaborative filtering |
US6125194A (en) * | 1996-02-06 | 2000-09-26 | Caelum Research Corporation | Method and system for re-screening nodules in radiological images using multi-resolution processing, neural network, and image processing |
US6317722B1 (en) * | 1998-09-18 | 2001-11-13 | Amazon.Com, Inc. | Use of electronic shopping carts to generate personal recommendations |
GB2343073B (en) * | 1998-10-23 | 2003-01-22 | Sony Uk Ltd | Television receiving apparatus with remote control |
AU759014B2 (en) * | 1998-11-30 | 2003-04-03 | Rovi Guides, Inc. | Smart agent based on habit, statistical inference and psycho-demographic profiling |
AU6310500A (en) * | 1999-08-20 | 2001-03-19 | Singularis S.A. | Method and apparatus for creating recommendations from users profile built interactively |
KR100304482B1 (ko) * | 1999-09-22 | 2001-11-02 | 구자홍 | 다중 계층구조를 가지는 사용자 선호도 정보구조와 이를 이용한 멀티미디어 정보 서비스 방법 |
US7734680B1 (en) * | 1999-09-30 | 2010-06-08 | Koninklijke Philips Electronics N.V. | Method and apparatus for realizing personalized information from multiple information sources |
US6564213B1 (en) * | 2000-04-18 | 2003-05-13 | Amazon.Com, Inc. | Search query autocompletion |
EP1316208A1 (en) * | 2000-06-29 | 2003-06-04 | Woori Technology Inc. | Remote controller and broadcasting receiver having electronic program guide (epu) function and service system and method using same |
US7937725B1 (en) * | 2000-07-27 | 2011-05-03 | Koninklijke Philips Electronics N.V. | Three-way media recommendation method and system |
US20020083451A1 (en) * | 2000-12-21 | 2002-06-27 | Gill Komlika K. | User-friendly electronic program guide based on subscriber characterizations |
US6697504B2 (en) * | 2000-12-15 | 2004-02-24 | Institute For Information Industry | Method of multi-level facial image recognition and system using the same |
-
2001
- 2001-12-27 US US10/029,830 patent/US20030126606A1/en not_active Abandoned
-
2002
- 2002-12-09 WO PCT/IB2002/005279 patent/WO2003056824A1/en active Application Filing
- 2002-12-09 AU AU2002367216A patent/AU2002367216A1/en not_active Abandoned
- 2002-12-09 EP EP02805851A patent/EP1461949A1/en not_active Withdrawn
- 2002-12-09 CN CNA028262972A patent/CN1633808A/zh active Pending
- 2002-12-09 KR KR10-2004-7010115A patent/KR20040075036A/ko not_active Application Discontinuation
- 2002-12-09 JP JP2003557207A patent/JP2005513687A/ja active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314913A (zh) * | 2010-07-02 | 2012-01-11 | 哈曼贝克自动***股份有限公司 | 媒体内容重放 |
CN102722532A (zh) * | 2012-05-18 | 2012-10-10 | 山东大学 | 一种基于内容和用户历史的音乐推荐算法 |
CN102722532B (zh) * | 2012-05-18 | 2014-04-02 | 山东大学 | 一种基于内容和用户历史的音乐推荐算法 |
US8869211B2 (en) | 2012-10-30 | 2014-10-21 | TCL Research America Inc. | Zoomable content recommendation system |
CN103412646A (zh) * | 2013-08-07 | 2013-11-27 | 南京师范大学 | 基于脑机交互的音乐情绪化推荐方法 |
CN103412646B (zh) * | 2013-08-07 | 2016-03-30 | 南京师范大学 | 基于脑机交互的音乐情绪化推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
US20030126606A1 (en) | 2003-07-03 |
KR20040075036A (ko) | 2004-08-26 |
JP2005513687A (ja) | 2005-05-12 |
WO2003056824A1 (en) | 2003-07-10 |
EP1461949A1 (en) | 2004-09-29 |
AU2002367216A1 (en) | 2003-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1633808A (zh) | 推荐器计分的分层决策融合 | |
US7092914B1 (en) | Methods for matching, selecting, narrowcasting, and/or classifying based on rights management and/or other information | |
US6112181A (en) | Systems and methods for matching, selecting, narrowcasting, and/or classifying based on rights management and/or other information | |
US10078696B1 (en) | Relevant social searching and user centric data analysis via user and peer group parameters via a dynamic interface | |
Lucas et al. | A hybrid recommendation approach for a tourism system | |
Elahi et al. | Towards responsible media recommendation | |
CN111444428A (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
Nærland | Fictional entertainment and public connection: Audiences and the everyday use of TV-series | |
CN102446118A (zh) | 聚焦于上下文和任务的计算 | |
CN107862532B (zh) | 一种用户特征提取方法及相关装置 | |
WO2023231542A1 (zh) | 表示信息的确定方法、装置、设备及存储介质 | |
Kim et al. | Leveraging ideas from user innovation communities: using text‐mining and case‐based reasoning | |
de Assunção et al. | Evaluating user experience in music discovery on deezer and spotify | |
CN1714556A (zh) | 客户机-服务器协议 | |
Castro et al. | A big data semantic driven context aware recommendation method for question-answer items | |
Tang et al. | Mining implicit ratings for focused collaborative filtering for paper recommendations | |
Miller | Toward a personal recommender system | |
Govil et al. | Analyzing the behaviour of java–based movie recommendation system using machine learning | |
US20220309594A1 (en) | Social Network System with Diversity Settings | |
Schafer | MetaLens: A framework for multi-source recommendations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |