JP2004515145A - A TV program recommender that uses time-based profiles to determine time-varying conditional probabilities - Google Patents

A TV program recommender that uses time-based profiles to determine time-varying conditional probabilities Download PDF

Info

Publication number
JP2004515145A
JP2004515145A JP2002545412A JP2002545412A JP2004515145A JP 2004515145 A JP2004515145 A JP 2004515145A JP 2002545412 A JP2002545412 A JP 2002545412A JP 2002545412 A JP2002545412 A JP 2002545412A JP 2004515145 A JP2004515145 A JP 2004515145A
Authority
JP
Japan
Prior art keywords
occurrences
program
viewer
viewing
behavior
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
JP2002545412A
Other languages
Japanese (ja)
Inventor
シャッファー，ジェイムズ　ディー
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 JP2004515145A publication Critical patent/JP2004515145A/en
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

要約書なし。No abstract.

Description

【０００１】
［発明の技術分野］
本発明は、テレビ番組推奨器（ｒｅｃｏｍｍｅｎｄｅｒ）に関連し、特に、テレビ番組推奨を行う方法および装置に関連する。
【０００２】
［発明の背景］
テレビジョン視聴者に利用可能なチャネル数が増加するにつれて、そのようなチャネルで利用可能な番組内容の多様性により、テレビジョン視聴者が興味のあるテレビ番組を識別することが益々困難になりつつある。従来は、テレビジョン視聴者は、印刷されたテレビ番組案内を検討することによって、興味のあるテレビジョン番組を識別していた。概してそのような印刷されたテレビ番組案内は、時間及び日付、チャネル並びにタイトルによって、利用可能なテレビ番組を列挙する罫線（ｇｒｉｄ）を含んでいた。テレビ番組数が増加するにつれて、そのような印刷されたガイドを利用して、所望のテレビ番組を効果的に見出すことは益々困難になりつつある。
【０００３】
最近は、テレビ番組案内が電子形態で利用可能であり、これはしばしば電子番組ガイド（ＥＰＧ： ｅｌｅｃｔｒｏｎｉｃ ｐｒｏｇｒａｍ ｇｕｉｄｅ）として言及されている。印刷されたテレビ番組案内と同様に、ＥＰＧは、時間及び日付、チャネル並びにタイトルによって、利用可能なテレビ番組を列挙する罫線を含む。ところで、ＥＰＧのいくつかは、テレビジョン視聴者が、個別の趣向に従って利用可能なテレビ番組を並べ替え又は探索することを可能にする。更に、ＥＰＧは、利用可能なテレビ番組のスクリーン表示を可能にする。
【０００４】
ＥＰＧは視聴者が所望の番組を従来の印刷ガイドよりも効率的に見出すことを可能にするが、それには多数の制約があり、それらが克服されるならば、視聴者が所望の番組を特定する能力を更に強化することができるであろう。例えば、多くの視聴者は、アクション関係の番組またはスポーツ番組のような一定の番組カテゴリに対する特定の趣向または傾向を有する。その視聴者趣向をＥＰＧに応用し、特定の視聴者に関心のある１組の推奨された番組を得ることが可能である。
【０００５】
そして、テレビ番組を推奨するための多くのツールが提示され提案されている。例えば、ティボ（Ｔｉｖｏ（商標））システムは、カリフォルニア州サニーベイルのティボ・インコーポレーテッドより商業的に入手可能であり、「サム・アップおよびサム・ダウン」（Ｔｈｕｍｂｓ Ｕｐ ａｎｄ Ｔｈｕｍｂｓ ｄｏｗｎ）機能を利用して、視聴者が提示物を評価することを可能にし、これによりその視聴者が好むおよび好まない番組を区別する。そして、ティボ受信機は、記録された視聴者趣向と、ＥＰＧのような受信した番組データとを適合させ、各視聴者に追従した推奨を行う。このような現在利用可能なテレビ番組推奨器は、ユーザが感心のあるテレビ番組を識別することを支援するが、それには多くの制約があり、克服されるならば、行われる推奨の実効性を非常に増進することができるであろう。
【０００６】
例えば、そのようなテレビ番組推奨器は、一般に、視聴者プロファイルの形式で視聴者の過去の視聴履歴を記録し、それは多数の番組特徴（ｐｒｏｇｒａｍ ｆｅａｔｕｒｅ）と、その視聴者によって鑑賞された（および、選択的に、鑑賞されていない）番組の中でその特徴に関連する出現数とにより形成される。視聴者によって鑑賞された（および、選択的に、鑑賞されていない）番組における特徴の出現数は、しばしば「特徴カウント」（ｆｅａｔｕｒｅ ｃｏｕｎｔ）と呼ばれる。そのような従来のツールは時間に関する鑑賞履歴を蓄積するので、視聴者により鑑賞された番組の中で新たな特徴が識別されると、視聴履歴情報が増進されるところの特徴数は増加する。しかしながら、識別された特徴のいくつかは、視聴者により鑑賞される他の番組では決して生じないかもしれない。したがって、不要な番組特徴が、必要以上に長く視聴者プロファイルに維持されることもしばしばある。しかしながら、今のところは、重要な情報を失うことなしに、視聴履歴から特徴を除去するか否かを判定する何らの機構も存在しない。
【０００７】
更に、そのようなテレビ番組推奨器に関し、視聴者のテレビ鑑賞習慣の変化は、「非定常的（ｎｏｎ−ｓｔａｔｉｏｎａｒｙ）視聴趣向」として言及され、容易に見分けられない。つまり、視聴者プロファイルにおける特徴カウントの総計的な性質は、視聴履歴の一時的なパターンを隠してしまう虞がある。
【０００８】
したがって、視聴趣向の変化を見分け得るテレビ番組推奨を行う方法および装置が望まれている。更に、変化する視聴趣向に対してもテレビ番組推奨を適合し得るところのテレビ番組推奨を行う方法および装置が望まれている。更に、より効率的な手法で視聴履歴を維持するところのテレビ番組推奨器における手法が望まれている。
【０００９】
［発明の概要］
概して、視聴者の従前の視聴履歴に基づいてテレビ番組推奨を行う方法および装置が開示される。本発明の一形態にあっては、視聴する趣向の変化は自動的に識別される。本発明の他の形態にあっては、一連の連続的な周期的な視聴履歴ウインドウのような、一連の視聴履歴ウインドウとして視聴履歴が維持される。また、本発明は個々のウインドウの各々の長さおよび視聴履歴自体の全長（すなわち、より小さな視聴ウインドウの個数）が、変化することを許容する。
【００１０】
本発明の他の形態は、重要でない又は再度出現しない特徴を識別し、それは重要な情報を失うことなしに視聴プロファイルから削除され得る。概して、その特徴に関して対応する頻度数が所定の期間の間に最小閾値を超えなかった場合には、視聴プロファイルから特徴（すなわち、属性値対（ａｔｔｒｉｂｕｔｅ−ｖａｌｕｅ ｐａｉｒ））が削除され得る。
【００１１】
変化する視聴趣向が確認されると、本願により開示されるテレビ番組推奨器は、そのような視聴趣向の変化に対して、作成したテレビ番組推奨を適用することが可能である。特に、本発明は、特徴に関する条件付き確率（視聴者により鑑賞される（又は鑑賞されない）番組のクラスの中の番組が、その特徴を有するであろう確率または確からしさ）を、時間の関数として計算することを可能にする。日中の時間または年間の時間に対応する反復的な変化のような、視聴趣向における巡回的な又は周期的な変化に対して、テレビ番組推奨器は属性の条件付き確率を調整し、１つ又はそれ以上の類似する従前のサイクル又は周期を更に正確に反映するようにする。同様に、番組への興味の減退又は増加のような視聴趣向の傾向又は永続的な変化に対しては、テレビ番組推奨器は、視聴履歴中の最も最近のウインドウを利用してテレビ番組推奨を行うことが可能であり、それは（現在の視聴趣向の）傾向を一層適切に反映するものである。あるいは、テレビ番組推奨は、強い傾向から推定された値を利用して行われることも可能である。
【００１２】
以下の詳細な説明および図面を参照することによって、本発明の更なる特徴および利点に加えて、本発明を更に理解することが可能であろう。
【００１３】
［詳細な説明］
図１は、本発明によるテレビ番組推奨器１００を示す。図１に示されるように、テレビ番組推奨器１００は、電子番組ガイド（ＥＰＧ）１１０内の番組の各々を評価し、特定のユーザが関心を持つ番組を見分ける。１組の推奨される番組は、例えば周知のスクリーン表示技術を利用して、セット・トップ端末／テレビジョン１５０を利用してユーザに提示され得る。テレビ番組推奨器１００は、彼らの以前の視聴履歴２００に基づいて、視聴者が好むであろう番組を識別し、視聴履歴については図２に関連して更に説明される。
【００１４】
図２に関連して以下に説明される本発明の一形態によれば、テレビ番組推奨器１００は、視聴履歴２００を、非定常的な視聴趣向を識別可能にする一連の視聴履歴ウインドウとして維持する。例えば、テレビ番組推奨器１００は、視聴履歴２００全体を、１ヶ月間隔のような一連の周期的な視聴履歴ウインドウとして維持することが可能である。一実施例にあっては、個々のウインドウ各々の長さ、および視聴履歴自体の全長（すなわち、そのような小さな視聴ウインドウの個数）を、変化させることが可能である。ここに説明されるテレビ番組推奨器１００の実施例は、連続的で、隣接し、重複しない等間隔の視聴履歴を考察しているが、当業者に明らかであるように、本発明の範疇で他の多くの変形が可能である。
【００１５】
上述したように、視聴者プロファイルは、その視聴者により鑑賞された又は鑑賞されなかった（又は両方の）番組における多数の番組属性の各々の出現数を含む。従来の推奨器ツールが時間と共に視聴履歴を蓄積するように、視聴履歴情報が維持されるところの属性数は徐々に増加する。本発明の他の特徴は、重要でない又は再度登場しない属性を識別し、これにより視聴者プロファイルの成長を制御することである。一実施例にあっては、特徴に関して対応する頻度数が、所定の時間間隔の間に、推定されたノイズ・レベルのような所定の最小閾値を超えなかった場合には、本発明は視聴者プロファイルから所与の属性を除去する。
【００１６】
本発明の他の特徴によれば、視聴趣向の変化が確認されると、テレビ番組推奨器１００は、生成したテレビ番組推奨を、そのような視聴趣向の変化に適用することが可能である。特に、本発明は、特徴に関する条件付き確率（その視聴者により鑑賞された（又は鑑賞されなかった）番組のカテゴリに属する番組が、その特徴を有するであろう確からしさ）を、時間の関数として計算することを可能にする。
【００１７】
日中の時間又は年間の時間に対応する反復的変化のような視聴趣向の巡回的又は周期的な変化に対して、テレビ番組推奨器１００は特徴の条件付き確率を調整して、そのサイクルにおける現時点で、期待される値に一層正確に対応するようにする。特に有利なことに、本発明に従う視聴履歴に対する時間履歴手法は、特徴を包含しない番組への否定的な影響（ｎｅｇａｔｉｖｅ ｉｍｐａｃｔ）を減少させ、（例えば、スポーツのオフ・シーズンのような）以後の異なる時間間隔では適用しないようにする。
【００１８】
同様に、番組への関心の減退又は増加のような、視聴趣向の傾向又は映像区的な変化に関し、テレビ番組推奨器１００は、（現在の視聴趣向の）傾向を最も適切に反映するところの視聴履歴２００の最も最近のウインドウを利用してテレビ番組推奨を行い、またはその傾向によって予測される値に対応して条件付き確率を調整する。
【００１９】
例えば、多くの視聴者の視聴習慣は、新たなテレビ・シーズンの開始に関連した秋の季節の間に、または所与のスポーツのプレーオフの間に、一時的に変化し得る。同様に、所与の視聴者の視聴習慣は、夜に比べて朝の時間では異なり得る。本発明は、視聴履歴２００における暫定的なパターンを検出することによって、テレビ番組推奨器１００の実効性を改善する。
【００２０】
図１に示されるように、テレビ番組推奨器１００は、視聴履歴２００，プログラム・データベース３００および視聴者プロファイル４００を包含し、これら各々は以下のように図２ないし図４に関連して更に説明される。概して、視聴履歴２００は、ある時間間隔にわたって視聴者が鑑賞した（および／または鑑賞されなかった）番組を識別する。番組データベース３００は、所与の時間間隔の中で利用可能な番組の各々についての情報を記録する。視聴者プロファイル４００は、視聴パターンに基づいて、対応する番組特徴の各々における視聴者の関心の相対的レベルを示す。
【００２１】
更に、テレビ番組推奨器１００は、視聴者プロファイル評価処理５００、視聴者プロファイル・メンテナンス処理６００およびプロファイル・ウインドウ・メンテナンス・ルーチン８００を包含し、これらは図５，６，８に関連してそれぞれ更に説明される。視聴者プロファイル評価処理５００は、視聴者プロファイル４００における条件付き確率に関する統計的分析を実行し、視聴履歴における一時的なパターン（例えば、傾向（ｔｒｅｎｄ）又は周期的振る舞い）を見分ける。視聴者プロファイル評価処理５００によって一時的なパターンが確認されると、本発明に従って非定常的な視聴趣向を考慮するように、対応する条件付き確率の値が適切に調整される。視聴プロファイル・メンテナンス処理６００は、重要でない特徴を確認して視聴者プロファイル４００から削除する。プロファイル・ウインドウ・メンテナンス・ルーチン８００は、視聴者プロファイル４００における時間ウインドウを時間と共に適切に生成および削除するための模範的なプロセスを提供する。
【００２２】
テレビ番組推奨器１００は、プロセッサ１２０およびメモリ１３０を有する、パーソナル・コンピュータまたはワークステーションのような任意のコンピュータ装置として実現され得る。更に、テレビ番組推奨器１００は、例えば、本発明による特徴および機能を実行するように修正された、“Ｂａｙｅｓｉａｎ ＴＶ Ｓｈｏｗ Ｒｅｃｏｍｍｅｎｄｅｒ”と題する２０００年２月４日に出願された米国特許出願番号第０９／４９８，２７１（代理人管理番号７００６９０）に記載されているテレビ番組推奨器として実現され得る。
【００２３】
図２は、本発明による視聴履歴２００の処理を概念的に示す。図２に示されるように、視聴履歴２００は、一連の視聴ウインドウＶＨＮとして維持され、これは非定常的な視聴趣向を識別可能にする。例えば、テレビ番組推奨器１００は、１ヶ月間隔のような一連の連続的な周期的視聴ウインドウとして、視聴履歴２００全体を維持することが可能である。図２に示されるように、視聴履歴２００は、対応する視聴者プロファイル４００が生成又は更新されるまで、小さなバッファ又はメモリ位置に維持され得る。言い換えれば、その視聴者により鑑賞された（又は鑑賞されなかった）実際の番組のリストは、図４に関連して以下に説明されるように、対応する条件付き確率がその視聴者プロファイル４００に関して判定されるまで、維持される必要があるに過ぎない。
【００２４】
一実施例にあっては、各ウインドウ個々の長さ、および視聴履歴自体の全長（すなわち、そのようなより小さな視聴ウインドウの個数）は変動し得る。図２に示されるような視聴履歴ウインドウＶＨ１，ＶＨＫは、それぞれ時間間隔Ｔ１，ＴＫの間に視聴者が鑑賞した一組の番組に対応する。図示の視聴履歴の部分集合ＶＨ１，ＶＨＫは、視聴履歴２００により網羅される期間全体よりも短い時間間隔に対応する。視聴者が、時間間隔Ｔ１から時間間隔ＴＫまでに彼又は彼女の視聴趣向が変化したならば、新たな趣向に対応する番組が時間間隔ＴＫに登場する。
【００２５】
図３は、図１の番組データベースによるサンプル・テーブルであり、所与の時間間隔で利用可能な番組の各々についての情報を記録するものである。図３に示されるように、番組データベース３００は、レコード３０５ないし３２０のような複数のレコードを包含し、それぞれが所与の番組に関連付けられている。各番組に関し、番組データベース３００は、フィールド３４０，３４５のそれぞれに関連して日付／時間およびチャネルを示す。更に、番組各々のタイトルおよびジャンルがフィールド３５０，３５５に示される。俳優、継続期間および番組説明のような付加的な周知の属性（図示せず）も、番組データベース３００に包含され得る。
【００２６】
本発明の特徴によれば、番組データベース３００は、テレビ番組推奨器１００によってフィールド３７０に各番組に割り振られる推奨スコアに関する指標を記録することも可能である。このようにして、数値的スコアに従って並べ替えられた電子番組ガイドの中で、および／または直接的に各番組と共に数値的スコアをユーザに表示することが可能であり、あるいは関心のある番組をユーザが迅速に見出し得るように色分けその他の視覚的配列にマッピングすることが可能である。
【００２７】
図４は、例示的な視聴者プロファイル４００を示すテーブルである。図４に示されるように、視聴者プロファイル４００は、異なる番組特徴に各々関連付けられる複数のレコード４０５−４１３を包含する。更に、列４４０に列挙される各特徴について、視聴者プロファイル４００は、Ｎ個の異なる時間ウインドウに対して視聴者が鑑賞した（又は、選択的に、鑑賞しなかった）番組におけるその特徴に対応する出現数（肯定的および否定的カウント）を提供する。Ｎ個の異なる時間ウインドウの各々についての肯定的および否定的カウントは、列４４５ないし４７０のそれぞれに列挙される。最も古い時間ウインドウ１についての肯定的および否定的カウントは、列４６５および４７０に列挙され、最も最近の時間ウインドウＮについての肯定的および否定的カウントは、列４４５および４５０に列挙される。概して、新しいウインドウ（Ｎ＋１）が視聴者プロファイル４００に付加される場合に、列４６５，４７０に示される最も古いウインドウ（１）は「脱落」（ｆａｌｌ ｏｆｆ）し、視聴履歴データベース（図示せず）に格納され得る。
【００２８】
例えば、所与の視聴者が所与のスポーツ番組を最新の時間ウインドウ（Ｎ）で午後遅くに２チャンネルで１０回鑑賞したならば、視聴者プロファイル４００内でこの特徴に関する肯定的カウントが１０だけ増加され、否定的カウントは０（ゼロ）となる。図示の例では、視聴者プロファイル４００は、１ヶ月間隔のような、Ｎ個の連続的な隣接する重複しない等しい持続時間の視聴ウインドウを有する。視聴履歴全体の全長（すなわち、より小さな視聴ウインドウの数Ｎ）は、経験的に決定可能であり、またはユーザによりプログラム可能に設定され得る。ウインドウ間隔のサイズおよびウインドウ数は、効果的に確認され得る一時的なパターンの性質に制限を課する点に留意すべきである。また、これらのパラメータは、視聴者がテレビ番組を鑑賞する頻度にも影響する。以下に説明する図８は、視聴者プロファイル４００に対する例示的メンテナンス・ルーチンを与える。
【００２９】
図５は、本発明の原理を利用する、例示的な視聴者プロファイル評価プロセス５００を説明するフローチャートである。上述したように、視聴者プロファイル評価プロセス５００は、視聴者プロファイル４００における条件付き確率に関する統計的分析を実行し、視聴履歴内の一時的なパターン（例えば、傾向または周期的な挙動）を確認する。視聴者プロファイル評価プロセス５００によって一時的なパターンが確認されると、対応する条件付き確率の値は、本発明による非定常的な視聴趣向を考慮するために、適切に調整される。
【００３０】
図５に示されるように、視聴者プロファイル評価プロセス５００は、ステップ５１０において、最初に視聴者プロファイル４００を抽出する。その後に、視聴者プロファイル評価プロセス５００は、ステップ５２０において、各特徴に関する条件付き確率を統計的に分析する。ステップ５３０において、その統計的分析が何らかの傾向又は周期的な視聴挙動を示すか否かを判定するための検査が行われる。ステップ５３０において、視聴者プロファイル４００に包含される何らの傾向も周期的な視聴挙動も存在しないことが判定されると、プログラム制御がステップ５８０で終了する前に、ステップ５７０において、条件付き確率の集合の平均として条件付き確率が計算される。
【００３１】
すなわち、条件付き確率ＣＰはステップ５３５において次式により計算される：
【００３２】
【数１】

Figure 2004515145
しかしながら、ステップ５３０において、視聴者プロファイル４００に包含される傾向または周期的な視聴挙動が存在すると判定されたならば、ステップ５４０において、傾向および周期的な視聴挙動を区別するための更なる検査が実行される。ステップ５４０において、その視聴挙動が１つ又はそれ以上の傾向を包含していると判定されたならば、ステップ５５０において、対応する特徴に対する条件付き確率がその傾向を与える条件付き確率の最尤推定として計算される。以下に説明する図７Ａおよび７Ｂは、線形トレンド検査および外挿（ｅｘｔｒａｐｏｌａｔｉｏｎ）手法を利用して、ステップ５５０において（および以下に説明するステップ５６０において）適用される最尤推定の判定を示す例を与える。
【００３３】
ところで、ステップ５４０において、視聴挙動が１つ又はそれ以上の傾向を包含すると判定されたならば、ステップ５６０において、対応する特徴に関する条件付き確率は、（以前の対応する期間のうち、より一層密接に類似するものに対する）周期的モデルを与える条件付き確率の最尤推定として計算される。例えば、特定の視聴者がワールド・シリーズ（Ｗｏｒｌｄ Ｓｅｒｉｅｓ）の間に野球を沢山鑑賞する傾向にあるならば、対応する条件付き確率は、ワールド・シリーズが始まっている場合には、各時間間隔につき上昇気味に調整される。同様に、対応する条件付き確率は、ワールド・シリーズが終わっている場合には、各時間間隔につき下降気味に調整され、これにより、類似しない以降の時間間隔（例えば、野球のオフ・シーズン）の中でそのような対応する特徴を包含しない番組への否定的な影響を減少させる。
【００３４】
図６は、本発明の原理を利用する例示的な視聴者プロファイル・メンテナンス・プロセス６００を記述するフローチャートである。上述したように、視聴者プロファイル・メンテナンス・プロセス６００は、重要でない特徴を確認して視聴者プロファイル４００から削除する。図６に示されるように、視聴者プロファイル・メンテナンス・プロセス６００は、ステップ６１０において、最初に視聴者プロファイル４００を抽出する。
【００３５】
ステップ６２０において、プロファイル４００が、ウインドウの所定の連続的な数に関する予め定められる又は動的に定められるノイズ閾値を下回る頻度数を有するか否かを判定するための検査が実行される。ノイズ閾値は、例えば、ランダムにサンプリングされた否定的な例の頻度数を分析することによって、決定され得る。ステップ６２０において、１つ又はそれ以上の特徴が、予め設定された連続的なウインドウ数の所定のノイズ閾値を下回る頻度数を有すると判定されるならば、そのような重要でない特徴は、ステップ６３０において、視聴者プロファイル４００から削除される。
【００３６】
例えば、図４に示されるように、「午後の早期の番組」の特徴は、視聴者に鑑賞されなかった番組のランダム・サンプリングで一度確認された特徴を示す。鑑賞者プロファイル４００のウインドウ・サイズが１ヶ月であって、視聴履歴の中で全部でＮヶ月が維持されるとすると、最も古い月は削除され、および視聴者の現在の関心事に寄与しないので、視聴者プロファイル４００内の総ての月に対して「午後の早期の番組」の特徴も削除され得る。プログラム制御はステップ６４０で終了する。
【００３７】
［線形トレンド検査および推定手法］
図７Ａおよび７Ｂは、集合的に、線形トレンド検査および推定手法を利用して、ステップ５５０，５６０にて適用される最尤推定の判定例を示す。図７Ａは、例示的な視聴者プロファイル７００の部分を示す。図７Ａに示されるように、視聴者プロファイル７００は、複数の記録７０５−７０７を包含し、これらは、５つの異なる時間ウインドウに関して、それぞれ全プログラム数、代表的特徴に関する特徴カウントおよび対応する推定された条件付き確率を示す。レコード７０７に列挙されている推定された条件付き確率は、肯定的な例に対してのみ計算されている点に留意すべきである。しかしながら、図示の例では、否定的な例に関する傾向は存在しないので、推定される条件付き確率は０になる。
【００３８】
図７Ｂは、図７Ａに示される５つのサンプルに最も適合する回帰線（ｒｅｇｒｅｓｓｉｏｎ ｌｉｎｅ）７７０を示す。さらに、図７Ｂは、線形トレンドの推定（ｅｘｔｒａｐｏｌａｔｉｏｎ）を利用して、第６の（又は任意の将来的な）サンプル７８０の予測を示す。図７Ｂに示されるように、周知の手法を利用して、サンプル・データ７６１−７６５に線形回帰分析を行い、最小総和二乗誤差（ｌｏｗｅｓｔ ｓｕｍ−ｓｑｕａｒｅ ｅｒｒｏｒ）を有する回帰線７７０を見出す。回帰線７７０が得られると、既存の技術を利用して推定し、次の（および任意の以後の）期間に対する条件付き確率７８０を求めることが可能である。概して、回帰線７７０は、その傾斜（ｍ）および切片（ｂ）により周知の手法によって見出される。ｍおよびｂが得られると、任意の値ｙは次のようにして予測され得る：
ｙ＝ｍｘ＋ｂ。
【００３９】
我々は確率の値を取り扱っているので、将来的サンプル７８０を予測するために実行される推定は、ゼロ（０）および１の間に拘束される必要がある点に留意すべきである。図７Ａおよび７Ｂに関連して説明される上記の例は、線形傾向が存在する場合の最尤推定の判定を示すが、当業者に明白なように、同じ基本概念を、振動（ｏｓｃｉｌｌａｔｉｏｎ）（巡回的な挙動）のような他の傾向にも適用可能である。更に、上昇振動のような図示の実施例に説明される線形な傾向又は巡回的／周期的な視聴挙動の組合せも可能である点に留意すべきである。そのような挙動を特徴付けるために非常に多くのデータ量を必要とするが、当業者に明白であるように、本願の開示内容に基づいて、ここに開示した手法はそのような複雑なモデルに適用することが可能である。
【００４０】
図８は、視聴者プロファイル４００に関する例示的なプロファイル・ウインドウ・メンテナンス・ルーチン８００を示すフローチャートである。図８に示されるように、プロファイル・ウインドウ・メンテナンス・ルーチン８００は、ステップ８０１において、視聴者が鑑賞した番組を最初に検出する。その後に、プロファイル・ウインドウ・メンテナンス・ルーチン８００は、ステップ８２０において、現時点が目下のウインドウ内にあるか否かを判定する検査を実行する。すなわち、ステップ８２０で実行される検査は、プロファイル４００で新たなウインドウを形成する頃であるか否かを判定する。
【００４１】
ステップ８２０において、現時点が目下のウインドウ内でないと判定されるならば、ステップ８３０において現在のウインドウ・ポインタが増加され、ステップ８４０においてその目下のウインドウ内の総ての頻度数がゼロに設定され、ステップ８５０において図６に関連して説明した視聴者プロファイル・メンテナンス処理６００が実行される（そして、重要でない特徴を消去する。）。プログラム制御はステップ８６０で終了する。
【００４２】
しかしながら、ステップ８２０において、現時点が目下のウインドウ内にあると判定されるならば、ステップ８６０において、目下のウインドウにおけるその番組に関連する総ての特徴の頻度数が増加される。その後に、プログラム制御は終了する。否定的なカウントは同様な手法で処理される。
【００４３】
理解されるべきことは、ここに提示および説明した実施例および変形例は、本発明の原理の例示に過ぎず、本発明の範囲及び精神から逸脱することなしに様々な修正が当業者により実行され得ることである。例えば、本発明は、テレビ番組推奨器に関連して説明されたが、本発明は、購入履歴に基づくもののような他の種類のユーザ・プロファイルに適用することも可能である。概して本発明は反復的な振る舞いを監視する任意の性質（ｐｒｏｆｉｌｅ）に適用され得る。
【図面の簡単な説明】
【図１】
図１は、本発明によるテレビ番組推奨器を示す。
【図２】
図２は、本発明による時間枠視聴履歴のメンテナンスの様子を示す
【図３】
図３は、図１のプログラム・データベースによるサンプル・テーブルである。
【図４】
図４は、図１の視聴者プロファイルによるサンプル・テーブルである。
【図５】
図５は、本発明の原理を利用する例示的な視聴者プロファイル評価プロセスを記述するフローチャートである。
【図６】
図６は、本発明の原理を利用する例示的な視聴者プロファイル保守管理プロセスを記述するフローチャートである。
【図７Ａ】
図７Ａは、集合的に、本発明による線形トレンド検査および推定手法を利用して適用される最尤推定の判定例を示す。
【図７Ｂ】
図７Ｂは、集合的に、本発明による線形トレンド検査および推定手法を利用して適用される最尤推定の判定例を示す。
【図８】
図８は、本発明の特徴を利用する例示的なプロファイル・ウインドウ保守管理手順を記述するフローチャートである。[0001]
[Technical Field of the Invention]
The present invention relates to television program recommenders, and more particularly, to a method and apparatus for making television program recommendations.
[0002]
[Background of the Invention]
As the number of channels available to television viewers increases, the diversity of program content available on such channels has made it increasingly difficult for television viewers to identify television programs of interest. is there. Traditionally, television viewers have identified television programs of interest by reviewing printed television program guides. Generally, such printed television program guides included grids listing the available television programs by time and date, channel, and title. As the number of television programs has increased, it has become increasingly difficult to utilize such printed guides to effectively find the desired television program.
[0003]
Recently, television program guides are available in electronic form, which is often referred to as an electronic program guide (EPG). As with the printed television program guide, the EPG includes ruled lines that list available television programs by time and date, channel, and title. By the way, some EPGs allow television viewers to sort or search for available television programs according to their individual preferences. In addition, the EPG allows for a screen display of available television programs.
[0004]
While EPGs allow viewers to find desired programs more efficiently than traditional print guides, there are a number of limitations that, if they are overcome, allow viewers to identify desired programs. The ability to do so could be further enhanced. For example, many viewers have specific preferences or tendencies for certain program categories, such as action-related programs or sports programs. It is possible to apply that viewer preference to the EPG to obtain a set of recommended programs that are of interest to a particular viewer.
[0005]
Many tools for recommending television programs have been presented and proposed. For example, the Tivo (TM) system is commercially available from Tivo Inc. of Sunnyvale, CA and utilizes the "Thumbs Up and Thumbs down" feature. Allows the viewer to rate the presentation, thereby distinguishing between programs that the viewer likes and dislikes. Then, the Tivo receiver adapts the recorded viewer's preference to the received program data such as EPG, and makes recommendations that follow each viewer. While these currently available television program recommenders help users identify television programs of interest, they have many limitations and, if overcome, will make the effectiveness of the recommendations made. Could be greatly improved.
[0006]
For example, such a television program recommender typically records the viewer's past viewing history in the form of a viewer profile, which includes a number of program features and which have been viewed by that viewer (and (Optionally, not watched) in the program with the number of occurrences associated with that feature. The number of occurrences of a feature in a program watched (and, optionally, unwatched) by a viewer is often referred to as a "feature count". Such conventional tools accumulate viewing history over time, so that when new features are identified in a program watched by a viewer, the number of features where viewing history information is enhanced increases. However, some of the identified features may never occur in other programs watched by the viewer. Thus, unwanted program features are often maintained in the viewer profile longer than necessary. However, there is currently no mechanism to determine whether to remove features from the viewing history without losing important information.
[0007]
Further, with respect to such television program recommenders, changes in viewers' television viewing habits are referred to as "non-stationary viewing preferences" and are not easily discernable. In other words, the aggregate nature of the feature counts in the viewer profile may hide temporary patterns in the viewing history.
[0008]
Accordingly, there is a need for a method and apparatus for recommending television programs that can discern changes in viewing preferences. Further, there is a need for a TV program recommendation method and apparatus that can adapt TV program recommendations to changing viewing preferences. Further, there is a need for a method in a television program recommender that maintains a viewing history in a more efficient manner.
[0009]
[Summary of the Invention]
Generally, methods and apparatus for making television program recommendations based on a viewer's previous viewing history are disclosed. In one embodiment of the present invention, a change in viewing preference is automatically identified. In another aspect of the invention, the viewing history is maintained as a series of viewing history windows, such as a series of continuous periodic viewing history windows. The present invention also allows the length of each individual window and the total length of the viewing history itself (ie, the number of smaller viewing windows) to vary.
[0010]
Other aspects of the invention identify insignificant or non-reoccurring features, which can be removed from the viewing profile without losing important information. In general, a feature (i.e., attribute-value pair) may be removed from the viewing profile if the corresponding frequency for that feature has not exceeded the minimum threshold for a predetermined time period.
[0011]
When the changing viewing preference is confirmed, the TV program recommender disclosed by the present application can apply the created TV program recommendation to such a change in viewing preference. In particular, the present invention provides for the conditional probability of a feature (the probability or likelihood that a program in a class of programs watched (or not watched) by a viewer will have that feature) as a function of time. Allows you to calculate. For cyclical or periodic changes in viewing preferences, such as repetitive changes corresponding to daytime or yearly hours, the television program recommender adjusts the conditional probability of the attribute to one. Or more similar prior cycles or periods. Similarly, for trends or permanent changes in viewing preferences, such as diminishing or increasing interest in a program, the TV program recommender may utilize the most recent window in the viewing history to make TV program recommendations. Can be done, which better reflects trends (of current viewing preferences). Alternatively, the television program recommendation can be performed using a value estimated from a strong tendency.
[0012]
BRIEF DESCRIPTION OF THE DRAWINGS The invention, in addition to further features and advantages of the invention, will be understood by reference to the following detailed description and drawings.
[0013]
[Detailed description]
FIG. 1 shows a television program recommender 100 according to the present invention. As shown in FIG. 1, television program recommender 100 evaluates each of the programs in electronic program guide (EPG) 110 to identify programs of interest to a particular user. The set of recommended programs may be presented to the user using the set top terminal / television 150, for example, using well-known screen display techniques. The TV program recommender 100 identifies programs that the viewer will like based on their previous viewing history 200, which is further described in connection with FIG.
[0014]
In accordance with one aspect of the present invention described below in connection with FIG. 2, television program recommender 100 maintains viewing history 200 as a series of viewing history windows that allow for identification of non-stationary viewing preferences. I do. For example, the television program recommender 100 can maintain the entire viewing history 200 as a series of periodic viewing history windows, such as at monthly intervals. In one embodiment, the length of each individual window and the overall length of the viewing history itself (i.e., the number of such small viewing windows) can be varied. Although the embodiment of the television program recommender 100 described herein considers continuous, adjacent, non-overlapping, equally spaced viewing histories, as will be apparent to those skilled in the art, it is within the scope of the present invention. Many other variants are possible.
[0015]
As described above, the viewer profile includes the number of occurrences of each of a number of program attributes in programs that have been watched or not watched (or both) by that viewer. As the traditional recommender tool accumulates viewing history over time, the number of attributes where viewing history information is maintained gradually increases. Another feature of the present invention is to identify attributes that are not important or reappear and thereby control the growth of the audience profile. In one embodiment, if the corresponding frequency number for a feature does not exceed a predetermined minimum threshold, such as an estimated noise level, during a predetermined time interval, the present invention provides a method for controlling the viewer. Remove a given attribute from a profile.
[0016]
According to another feature of the present invention, when a change in viewing preferences is confirmed, television program recommender 100 can apply the generated television program recommendations to such changes in viewing preferences. In particular, the present invention provides for the conditional probability of a feature (the likelihood that a program belonging to the category of programs watched (or not watched) by that viewer will have that feature) as a function of time. Allows you to calculate.
[0017]
For cyclical or periodic changes in viewing preferences, such as repetitive changes corresponding to daytime or yearly hours, the television program recommender 100 adjusts the conditional probability of the feature so that At this point, it should correspond more precisely to the expected value. Particularly advantageously, the time history approach to viewing history in accordance with the present invention reduces the negative impact on programs that do not include features, and reduces subsequent impact (e.g., during off-season sports). Do not apply at different time intervals.
[0018]
Similarly, with respect to viewing preference trends or video segment changes, such as diminishing or increasing interest in a program, the television program recommender 100 may best reflect the trends (of the current viewing preferences). A TV program recommendation is made using the most recent window of the viewing history 200, or the conditional probability is adjusted according to a value predicted by the tendency.
[0019]
For example, the viewing habits of many viewers may temporarily change during the fall season associated with the start of a new television season, or during a given sport playoff. Similarly, the viewing habits of a given viewer may be different in the morning time than in the night. The present invention improves the effectiveness of television program recommender 100 by detecting provisional patterns in viewing history 200.
[0020]
As shown in FIG. 1, the television program recommender 100 includes a viewing history 200, a program database 300, and a viewer profile 400, each of which is further described below in connection with FIGS. Is done. In general, viewing history 200 identifies programs watched (and / or not watched) by a viewer over a time interval. The program database 300 records information about each of the available programs during a given time interval. Viewer profile 400 indicates a relative level of viewer interest in each of the corresponding program features based on the viewing pattern.
[0021]
In addition, the television program recommender 100 includes a viewer profile evaluation process 500, a viewer profile maintenance process 600, and a profile window maintenance routine 800, each of which is further described in connection with FIGS. Explained. The viewer profile evaluation process 500 performs a statistical analysis on the conditional probabilities in the viewer profile 400 to identify temporary patterns (eg, trend or periodic behavior) in the viewing history. When a temporary pattern is identified by the viewer profile evaluation process 500, the value of the corresponding conditional probability is appropriately adjusted to take into account the unsteady viewing preferences according to the present invention. The viewing profile maintenance processing 600 confirms unimportant features and deletes them from the viewer profile 400. The profile window maintenance routine 800 provides an exemplary process for properly creating and deleting time windows in the viewer profile 400 over time.
[0022]
Television program recommender 100 may be implemented as any computing device, such as a personal computer or workstation, having processor 120 and memory 130. In addition, the television program recommender 100 may be modified, for example, to perform the features and functions in accordance with the present invention, U.S. patent application Ser. / 498,271 (agent management number 700690).
[0023]
FIG. 2 conceptually shows the processing of the viewing history 200 according to the present invention. As shown in FIG. 2, the viewing history 200 includes a series of viewing windows VH. N , Which allows non-stationary viewing preferences to be identified. For example, the television program recommender 100 can maintain the entire viewing history 200 as a series of continuous periodic viewing windows, such as one month intervals. As shown in FIG. 2, the viewing history 200 may be maintained in a small buffer or memory location until the corresponding viewer profile 400 is created or updated. In other words, the list of actual programs watched (or not watched) by the viewer will have a corresponding conditional probability associated with the viewer profile 400, as described below in connection with FIG. It only needs to be maintained until determined.
[0024]
In one embodiment, the length of each window individually, and the overall length of the viewing history itself (ie, the number of such smaller viewing windows) can vary. Viewing history window VH as shown in FIG. 1 , VH K Is the time interval T 1 , T K Correspond to a set of programs watched by the viewer during the period. Subset VH of viewing history shown 1 , VH K Corresponds to a time interval shorter than the entire period covered by the viewing history 200. If the viewer sets the time interval 1 Time interval T from K If his or her viewing preferences have changed by then, the program corresponding to the new preferences will have a time interval T K Appear in.
[0025]
FIG. 3 is a sample table from the program database of FIG. 1, which records information about each of the programs available at a given time interval. As shown in FIG. 3, program database 300 includes a plurality of records, such as records 305-320, each associated with a given program. For each program, the program database 300 indicates the date / time and channel associated with each of the fields 340, 345. Further, the title and genre of each program are shown in fields 350 and 355. Additional well-known attributes (not shown), such as actors, durations and program descriptions, may also be included in program database 300.
[0026]
According to a feature of the present invention, the program database 300 may also record indices relating to recommended scores assigned to each program in the field 370 by the television program recommender 100. In this way, the numerical score can be displayed to the user in the electronic program guide, sorted according to the numerical score, and / or directly with each program, or the program of interest can be displayed to the user. Can be mapped to color-coded or other visual arrangements so that they can be found quickly.
[0027]
FIG. 4 is a table showing an exemplary audience profile 400. As shown in FIG. 4, viewer profile 400 includes a plurality of records 405-413 each associated with a different program feature. Further, for each feature listed in column 440, viewer profile 400 corresponds to that feature in the program that the viewer has watched (or, optionally, did not watch) for N different time windows. Provides the number of occurrences (positive and negative counts) to be made. Positive and negative counts for each of the N different time windows are listed in each of columns 445-470. The positive and negative counts for the oldest time window 1 are listed in columns 465 and 470, and the positive and negative counts for the latest time window N are listed in columns 445 and 450. Generally, when a new window (N + 1) is added to the viewer profile 400, the oldest window (1) shown in columns 465, 470 "falls off" and a viewing history database (not shown). Can be stored.
[0028]
For example, if a given viewer has watched a given sports program ten times on two channels late in the afternoon in the latest time window (N), the positive count for this feature in the viewer profile 400 is only ten. It is incremented and the negative count goes to zero. In the illustrated example, the viewer profile 400 has N consecutive adjacent non-overlapping equal duration viewing windows, such as one month intervals. The total length of the entire viewing history (ie, the number N of smaller viewing windows) can be determined empirically or can be set to be programmable by the user. It should be noted that the size of the window interval and the number of windows impose restrictions on the nature of the temporary pattern that can be effectively identified. These parameters also affect the frequency with which viewers watch television programs. FIG. 8, described below, provides an exemplary maintenance routine for the audience profile 400.
[0029]
FIG. 5 is a flowchart illustrating an exemplary viewer profile evaluation process 500 that utilizes the principles of the present invention. As described above, the viewer profile evaluation process 500 performs a statistical analysis on conditional probabilities in the viewer profile 400 to identify temporal patterns (eg, trends or periodic behavior) in the viewing history. . Once the temporary pattern is identified by the viewer profile evaluation process 500, the corresponding conditional probability values are adjusted appropriately to account for the non-stationary viewing preferences according to the present invention.
[0030]
As shown in FIG. 5, the viewer profile evaluation process 500 first extracts a viewer profile 400 at step 510. Thereafter, the viewer profile evaluation process 500 statistically analyzes at step 520 the conditional probabilities for each feature. At step 530, a test is performed to determine if the statistical analysis indicates any trend or periodic viewing behavior. If it is determined in step 530 that there is no trend or periodic viewing behavior included in the viewer profile 400, the program proceeds to step 570 before the program control ends in step 580. The conditional probability is calculated as the average of the set.
[0031]
That is, the conditional probability CP is calculated in step 535 by:
[0032]
(Equation 1)
Figure 2004515145
However, if it is determined in step 530 that there is a trend or periodic viewing behavior that is included in the viewer profile 400, then in step 540, further testing to distinguish between the trend and the periodic viewing behavior is performed. Be executed. If it is determined in step 540 that the viewing behavior includes one or more trends, then in step 550 the conditional probability for the corresponding feature is the maximum likelihood estimate of the conditional probability that gives the trend. Is calculated as FIGS. 7A and 7B, described below, are examples showing the determination of the maximum likelihood estimation applied at step 550 (and at step 560 described below) using linear trend checking and extrapolation techniques. give.
[0033]
By the way, if it is determined in step 540 that the viewing behavior includes one or more trends, then in step 560, the conditional probabilities for the corresponding features are (closer among the previous corresponding periods). Calculated as the maximum likelihood estimate of the conditional probability giving a periodic model (for those analogous to). For example, if a particular viewer tends to watch a lot of baseball during the World Series, the corresponding conditional probability will be for each time interval if the World Series has begun. Adjusted to a rising trend. Similarly, the corresponding conditional probabilities are adjusted downward for each time interval if the world series is over, thereby reducing the dissimilarity of subsequent time intervals (eg, baseball off-season). The negative impact on programs that do not include such corresponding features in them.
[0034]
FIG. 6 is a flowchart describing an exemplary viewer profile maintenance process 600 that utilizes the principles of the present invention. As described above, the viewer profile maintenance process 600 identifies and removes insignificant features from the viewer profile 400. As shown in FIG. 6, the viewer profile maintenance process 600 first extracts the viewer profile 400 at step 610.
[0035]
At step 620, a check is performed to determine whether the profile 400 has a frequency number below a predetermined or dynamically defined noise threshold for a predetermined continuous number of windows. The noise threshold may be determined, for example, by analyzing the frequency of negatively sampled negative examples. If one or more features are determined in step 620 to have a frequency below a predetermined noise threshold for a preset number of consecutive windows, then such insignificant features are determined in step 630. Is deleted from the viewer profile 400.
[0036]
For example, as shown in FIG. 4, the feature of "Early afternoon program" indicates a feature that was once confirmed by random sampling of a program that was not watched by the viewer. Assuming that the window size of the viewer profile 400 is one month and that a total of N months are maintained in the viewing history, the oldest month is deleted and does not contribute to the viewer's current interests. The "Early afternoon program" feature for all months in the viewer profile 400 may also be deleted. Program control ends at step 640.
[0037]
[Linear trend inspection and estimation method]
7A and 7B collectively show examples of determination of maximum likelihood estimation applied in steps 550 and 560 using a linear trend check and estimation technique. FIG. 7A shows portions of an exemplary viewer profile 700. As shown in FIG. 7A, the viewer profile 700 includes a plurality of records 705-707, each of which has a total program number, a feature count for a representative feature, and a corresponding estimated count for five different time windows. Shows the conditional probability It should be noted that the estimated conditional probabilities listed in record 707 have been calculated only for positive examples. However, in the example shown, there is no tendency for negative examples, so the estimated conditional probability is zero.
[0038]
FIG. 7B shows a regression line 770 that best fits the five samples shown in FIG. 7A. Further, FIG. 7B illustrates the prediction of a sixth (or any future) sample 780 using linear trend extrapolation. As shown in FIG. 7B, a linear regression analysis is performed on the sample data 761-765 using a well-known technique to find a regression line 770 having a lowest sum-square error. Once the regression line 770 is obtained, it can be estimated using existing techniques to determine a conditional probability 780 for the next (and any subsequent) period. Generally, the regression line 770 is found by techniques well known by its slope (m) and intercept (b). Given m and b, any value y can be predicted as follows:
y = mx + b.
[0039]
It should be noted that since we are dealing with probability values, the estimation performed to predict future samples 780 needs to be constrained between zero (0) and one. The above example described in connection with FIGS. 7A and 7B shows the determination of the maximum likelihood estimation in the presence of a linear trend, but as will be apparent to those skilled in the art, the same basic concept is applied to oscillation ( It is applicable to other trends such as cyclic behavior. Furthermore, it should be noted that a combination of linear trends or cyclic / periodic viewing behaviors as described in the illustrated embodiment, such as ascending oscillations, is also possible. While requiring a very large amount of data to characterize such behavior, as will be apparent to those skilled in the art, based on the disclosure of the present application, the methods disclosed herein allow for such complex models. It is possible to apply.
[0040]
FIG. 8 is a flowchart illustrating an exemplary profile window maintenance routine 800 for the audience profile 400. As shown in FIG. 8, the profile window maintenance routine 800 first detects a program watched by a viewer in step 801. Thereafter, the profile window maintenance routine 800 performs a check at step 820 to determine whether the current time is within the current window. That is, the inspection performed in step 820 determines whether it is about time to form a new window in the profile 400.
[0041]
If it is determined in step 820 that the current time is not in the current window, the current window pointer is incremented in step 830, and in step 840 all frequency numbers in the current window are set to zero, At step 850, the viewer profile maintenance process 600 described in connection with FIG. 6 is performed (and erases non-essential features). Program control ends at step 860.
[0042]
However, if it is determined at step 820 that the current time is within the current window, then at step 860 the frequency of all features associated with the program in the current window is increased. Thereafter, the program control ends. Negative counts are handled in a similar manner.
[0043]
It is to be understood that the embodiments and variations presented and described herein are merely illustrative of the principles of the present invention, and that various modifications may be made by those skilled in the art without departing from the scope and spirit of the invention. It can be done. For example, although the invention has been described in connection with a television program recommender, the invention may be applied to other types of user profiles, such as those based on purchase history. In general, the invention can be applied to any profile that monitors repetitive behavior.
[Brief description of the drawings]
FIG.
FIG. 1 shows a television program recommender according to the invention.
FIG. 2
FIG. 2 shows the maintenance of the time frame viewing history according to the present invention.
FIG. 3
FIG. 3 is a sample table based on the program database of FIG.
FIG. 4
FIG. 4 is a sample table based on the viewer profile of FIG.
FIG. 5
FIG. 5 is a flowchart describing an exemplary viewer profile evaluation process utilizing the principles of the present invention.
FIG. 6
FIG. 6 is a flowchart describing an exemplary viewer profile maintenance process utilizing the principles of the present invention.
FIG. 7A
FIG. 7A collectively shows a determination example of maximum likelihood estimation applied using the linear trend check and estimation method according to the present invention.
FIG. 7B
FIG. 7B collectively shows a determination example of maximum likelihood estimation applied using the linear trend check and estimation method according to the present invention.
FIG. 8
FIG. 8 is a flowchart describing an exemplary profile window maintenance procedure utilizing features of the present invention.

Claims (23)

ユーザのプロファイルの記憶を管理する方法であって：
前記ユーザの挙動を時間に関連して監視するステップ；および
前記ユーザのプロファイルを複数の視聴履歴ウインドウとして維持し、前記視聴履歴ウインドウの各々は、異なる時間間隔に対応するところのステップ；
より成ることを特徴とする方法。A way to manage the storage of a user's profile, including:
Monitoring the user's behavior with respect to time; and maintaining the user's profile as a plurality of viewing history windows, each of the viewing history windows corresponding to a different time interval;
A method comprising: 請求項１記載の方法において、前記ユーザのプロファイルがテレビ番組推奨器に関連付けられることを特徴とする方法。The method of claim 1, wherein the user's profile is associated with a television program recommender. 請求項１記載の方法において、前記挙動が、ユーザにより鑑賞される一組の番組に関するものであることを特徴とする方法。The method of claim 1, wherein the behavior is for a set of programs watched by a user. 請求項１記載の方法において、前記挙動が、ユーザによる買い物であることを特徴とする方法。The method of claim 1, wherein the behavior is shopping by a user. 請求項１記載の方法において、前記挙動が、ユーザに好まれる内容および／または好まれない内容を示すことを特徴とする方法。The method of claim 1, wherein the behavior indicates what the user likes and / or does not like. 請求項１記載の方法において、前記複数の視聴履歴ウインドウの各々が、可変的な長さを有することを特徴とする方法。The method of claim 1, wherein each of the plurality of viewing history windows has a variable length. 請求項１記載の方法において、前記複数の視聴履歴ウインドウの各々が、所与の番組特徴に関して変化することを特徴とする方法。The method of claim 1, wherein each of the plurality of viewing history windows changes for a given program feature. 請求項１記載の方法において、更に：
複数の時間間隔に対して、前記ユーザにより実行される挙動の所定の複数の特徴の出現数を示す挙動履歴を取得するステップ；および
所定数の時間間隔の間に閾値を下回る出現数を有する特徴を前記ユーザのプロファイルから削除するステップ
より成ることを特徴とする方法。The method of claim 1, further comprising:
Obtaining a behavior history indicating a number of occurrences of a plurality of predetermined features of a behavior performed by the user for a plurality of time intervals; and a feature having a number of occurrences below a threshold during the predetermined number of time intervals. From the user's profile. 請求項８記載の方法において、前記閾値が動的に決定されることを特徴とする方法。9. The method of claim 8, wherein the threshold is determined dynamically. 請求項８記載の方法において、前記ユーザのプロファイルが、更に、複数の時間間隔の各々について、前記視聴者により鑑賞されなかった番組の少なくとも一部の中における複数の特徴の出現数を包含することを特徴とする方法。9. The method of claim 8, wherein the user's profile further includes, for each of a plurality of time intervals, a number of occurrences of a plurality of features in at least a portion of the program that was not watched by the viewer. The method characterized by the above. 請求項１０記載の方法において、複数の時間間隔の各々について、前記視聴者により鑑賞されなかった番組の少なくとも一部の中における複数の特徴の出現数を分析することによって、前記閾値が取得されることを特徴とする方法。11. The method of claim 10, wherein the threshold is obtained by analyzing, for each of a plurality of time intervals, a number of occurrences of a plurality of features in at least a portion of a program that was not watched by the viewer. A method comprising: 請求項８記載の方法において、更に：
前記特徴に関する出現数を分析し、前記視聴挙動における傾向を識別するステップより成ることを特徴とする方法。9. The method of claim 8, further comprising:
Analyzing the number of occurrences for the feature to identify trends in the viewing behavior. 請求項１２記載の方法において、更に、一層最近の時間間隔に関する出現数を利用して、傾向を示す特徴の条件付き確率を調整するステップより成ることを特徴とする方法。13. The method of claim 12, further comprising the step of adjusting the conditional probability of the trending feature using a number of occurrences for a more recent time interval. 請求項１２記載の方法において、更に、傾向を示す条件付き確率値を推定し、将来的な期間に対する条件付き確率値を推定するステップより成ることを特徴とする方法。13. The method of claim 12, further comprising estimating a conditional probability value indicative of a trend and estimating a conditional probability value for a future time period. 請求項１２記載の方法において、更に：
前記特徴の出現数を分析し、前記視聴挙動における実質的に周期的な挙動を識別するステップより成ることを特徴とする方法。13. The method of claim 12, further comprising:
Analyzing the number of occurrences of the feature to identify a substantially periodic behavior in the viewing behavior. 請求項１５記載の方法において、更に、以前の類似する期間に対する出現数を利用して、周期的な挙動を示す特徴の条件付き確率を調整するステップより成ることを特徴とする方法。The method of claim 15, further comprising the step of utilizing the number of occurrences for a previous similar time period to adjust the conditional probability of the feature exhibiting periodic behavior. テレビ番組推奨器における視聴者プロファイルの記憶を管理するシステムであって：
コンピュータ読み取り可能なコードを格納するメモリ；および
前記メモリに動作可能に結合されるプロセッサ
より成り、前記プロセッサが：
ユーザにより鑑賞された一組の番組を示す視聴履歴を取得し；および
前記視聴プロファイルを複数の視聴履歴ウインドウとして維持するよう形成され、前記視聴履歴ウインドウの各々が異なる時間間隔に対応することを特徴とするシステム。A system for managing the storage of viewer profiles in a television program recommender, comprising:
A memory for storing computer readable code; and a processor operably coupled to the memory, wherein the processor comprises:
Acquiring a viewing history indicating a set of programs watched by the user; and maintaining the viewing profile as a plurality of viewing history windows, each of the viewing history windows corresponding to a different time interval. And the system. 請求項１７記載のシステムにおいて、前記プロセッサが、更に：
複数の異なる時間間隔の間に、視聴者により鑑賞された番組における複数の特徴の出現数を示す視聴履歴を取得し；および
所定数の時間間隔の間に閾値を下回る出現数を有する特徴を前記視聴者プロファイルから削除するよう形成されることを特徴とするシステム。18. The system of claim 17, wherein the processor further comprises:
Obtaining a viewing history indicating a number of occurrences of a plurality of features in a program watched by a viewer during a plurality of different time intervals; and retrieving a feature having a number of occurrences below a threshold during a predetermined number of time intervals. A system configured to be deleted from a viewer profile. 請求項１８記載のシステムにおいて、前記視聴者プロファイルが、更に、複数の時間間隔の各々について、前記視聴者により鑑賞されなかった番組の少なくとも一部において、複数の特徴の出現数を包含することを特徴とするシステム。19. The system of claim 18, wherein the viewer profile further includes, for each of a plurality of time intervals, a number of occurrences of a plurality of features in at least a portion of a program that was not watched by the viewer. Features system. 請求項１９記載のシステムにおいて、複数の時間間隔の各々について、前記視聴者により鑑賞されなかった番組の少なくとも一部において、複数の特徴の出現数を分析することによって、前記閾値が取得されることを特徴とするシステム。20. The system of claim 19, wherein for each of a plurality of time intervals, the threshold is obtained by analyzing a number of occurrences of a plurality of features in at least a portion of a program that has not been watched by the viewer. A system characterized by the following. 請求項１８記載のシステムにおいて、前記プロセッサが、更に：
前記特徴に関する出現数を分析し、前記視聴挙動における傾向を識別するよう形成されることを特徴とするシステム。19. The system of claim 18, wherein the processor further comprises:
A system configured to analyze occurrences for the feature and identify trends in the viewing behavior. 請求項２１記載のシステムにおいて、前記プロセッサが、更に、傾向を示す特徴の条件付き確率を推定し、将来的な期間に関する条件付き確率の値を推定するよう形成されることを特徴とするシステム。22. The system of claim 21, wherein the processor is further configured to estimate a conditional probability of the trending feature and estimate a value of the conditional probability for a future time period. 請求項２１記載のシステムにおいて、前記プロセッサが、更に：
前記特徴に関する出現数を分析し、視聴挙動における実質的に周期的な挙動を識別するよう形成されることを特徴とするシステム。22. The system of claim 21, wherein the processor further comprises:
A system configured to analyze a number of occurrences for the feature and identify a substantially periodic behavior in viewing behavior.
JP2002545412A 2000-11-22 2001-11-16 A TV program recommender that uses time-based profiles to determine time-varying conditional probabilities Pending JP2004515145A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US71825600A 2000-11-22 2000-11-22
PCT/EP2001/013418 WO2002042959A2 (en) 2000-11-22 2001-11-16 Television program recommender with interval-based profiles for determining time-varying conditional probabilities

Publications (1)

Publication Number Publication Date
JP2004515145A true JP2004515145A (en) 2004-05-20

Family

ID=24885404

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002545412A Pending JP2004515145A (en) 2000-11-22 2001-11-16 A TV program recommender that uses time-based profiles to determine time-varying conditional probabilities

Country Status (5)

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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008217312A (en) * 2007-03-02 2008-09-18 Sony Corp Information processing apparatus, method and program
WO2012070880A3 (en) * 2010-11-25 2012-10-04 Samsung Electronics Co., Ltd. Content-providing method and system

Families Citing this family (26)

* 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 (en) * 2002-12-12 2004-07-22 Sony Corp Information processing device and method, recording medium and program
CN1635498A (en) 2003-12-29 2005-07-06 皇家飞利浦电子股份有限公司 Content recommendation method and system
KR100597399B1 (en) * 2004-01-12 2006-07-06 삼성전자주식회사 Apparatus and method for managing user's preference channel dynamically
JP4270037B2 (en) 2004-06-16 2009-05-27 ソニー株式会社 Information processing apparatus, information processing method, and computer program
KR100663491B1 (en) 2005-03-04 2007-01-02 삼성전자주식회사 Device and method for processing multimedia broadcasting-related event in wireless terminal
JP2006285383A (en) * 2005-03-31 2006-10-19 Nec Corp Trend information report system and trend information report method
DK3169062T3 (en) * 2005-12-29 2019-09-16 Rovi Guides Inc EPISODE TRACKING SYSTEMS AND PROCEDURES IN AN INTERACTIVE MEDIA ENVIRONMENT
US9015736B2 (en) 2005-12-29 2015-04-21 Rovi Guides, Inc. Systems and methods for episode tracking in an interactive media environment
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
CN101383942B (en) * 2008-08-01 2010-06-09 深圳市天威视讯股份有限公司 Hidden customer characteristic extracting method and television program recommendation method and system
JP5322550B2 (en) * 2008-09-18 2013-10-23 三菱電機株式会社 Program recommendation device
US8863166B2 (en) * 2011-04-06 2014-10-14 Rentrak Corporation Method and system for detecting non-powered video playback devices
CN102957969A (en) * 2012-05-18 2013-03-06 华东师范大学 Device and method for recommending program to IPTV (Internet protocol television) terminal user
US20140100952A1 (en) * 2012-10-04 2014-04-10 Palo Alto Research Center Incorporated Method and apparatus for optimizing message delivery in recommender systems
CN103647800B (en) * 2013-11-19 2017-12-12 乐视致新电子科技（天津）有限公司 Recommend the method and system of application resource
CN103686236A (en) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 Method and system for recommending video resource
US9264656B2 (en) 2014-02-26 2016-02-16 Rovi Guides, Inc. Systems and methods for managing storage space
CN103888810B (en) * 2014-03-19 2017-11-07 深圳市九洲电器有限公司 A kind of TV programme arrangement method and system
CN103957434B (en) * 2014-04-03 2017-05-10 三星电子（中国）研发中心 Method and device for recommending programs
CN104506892B (en) * 2014-12-11 2018-02-23 北京国双科技有限公司 Data adjustment method and device
CN104462560B (en) * 2014-12-25 2018-01-05 广东电子工业研究院有限公司 A kind of recommendation method of personalized recommendation system
CN106412700A (en) * 2016-10-26 2017-02-15 四川长虹电器股份有限公司 Intelligent television power-on channel recommendation method
CN114827728B (en) * 2022-06-23 2022-09-13 中国传媒大学 Program data recommendation method and system
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 (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008217312A (en) * 2007-03-02 2008-09-18 Sony Corp Information processing apparatus, method and program
JP4730619B2 (en) * 2007-03-02 2011-07-20 ソニー株式会社 Information processing apparatus and method, and program
US8812463B2 (en) 2007-03-02 2014-08-19 Sony Corporation Apparatus and method for presenting contents in relation to a search axis
WO2012070880A3 (en) * 2010-11-25 2012-10-04 Samsung Electronics Co., Ltd. Content-providing method and system
US9465863B2 (en) 2010-11-25 2016-10-11 Samsung Electronics Co., Ltd. Content-providing method and system

Also Published As

Publication number Publication date
CN1606746A (en) 2005-04-13
KR20020070496A (en) 2002-09-09
WO2002042959A2 (en) 2002-05-30
EP1340179A2 (en) 2003-09-03
WO2002042959A8 (en) 2002-07-25

Similar Documents

Publication Publication Date Title
JP2004515145A (en) A TV program recommender that uses time-based profiles to determine time-varying conditional probabilities
KR100852869B1 (en) Television program recommender with automatic identification of changing viewer preferences
KR100891444B1 (en) Method and apparatus for selective updating of a user profile
US7509662B2 (en) Method and apparatus for generation of a preferred broadcasted programs list
EP1337914B1 (en) Method and apparatus for obtaining auditory and gestural feedback in a recommendation system
CN104935970B (en) Carry out the method and Television clients of television content recommendation
US6766525B1 (en) Method and apparatus for evaluating television program recommenders
US20020075320A1 (en) Method and apparatus for generating recommendations based on consistency of selection
KR20010105404A (en) Adaptive TV program recommender
JP2004515128A (en) Method and apparatus for generating recommendations based on a user's current mood
KR20060022671A (en) Ascertaining show priority for recording of tv shows depending upon their viewed status
WO2002037851A2 (en) Method and apparatus for generating television program recommendations based on prior queries
KR20050011754A (en) Method and apparatus for an adaptive stereotypical profile for recommending items representing a user's interest
JP2008525875A (en) Method and apparatus for recommending content
EP1634442B1 (en) Transformation of recommender scores depending upon the viewed status of tv shows
CN117979119A (en) Film fragment positioning method, device and terminal based on user operation behaviors

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20041115

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20041115

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20070206

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20070426

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20070508

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20071009