JP2015012574A - Video content recommend device, method and program - Google Patents

Video content recommend device, method and program Download PDF

Info

Publication number
JP2015012574A
JP2015012574A JP2013138999A JP2013138999A JP2015012574A JP 2015012574 A JP2015012574 A JP 2015012574A JP 2013138999 A JP2013138999 A JP 2013138999A JP 2013138999 A JP2013138999 A JP 2013138999A JP 2015012574 A JP2015012574 A JP 2015012574A
Authority
JP
Japan
Prior art keywords
video content
gap
recommendation
value
storage means
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
JP2013138999A
Other languages
Japanese (ja)
Inventor
史弥 小林
Fumiya Kobayashi
史弥 小林
増田　征貴
Masataka Masuda
征貴 増田
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.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2013138999A priority Critical patent/JP2015012574A/en
Publication of JP2015012574A publication Critical patent/JP2015012574A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

PROBLEM TO BE SOLVED: To recommend video contents that satisfy a viewer, by analyzing evaluations of an expectation degree and an experience point.SOLUTION: A video content recommend device comprises storage means for storing an expectation degree and an experience point for each of video contents as viewer properties. The expectation degree is a degree of expecting interest of the video contents evaluated by a viewer before viewing the video contents, and the experience point is a degree of interest based on a viewing experience of the video contents evaluated by the viewer after viewing the video contents. Average values of the expectation degrees and the experience points stored in the storage means are calculated, and a gap value is calculated by subtracting the average value of the expectation degrees from the average value of the experience points, and stored in gap list storage means. On the basis of a result of comparing the gap values in recommend list storage means in which gap values of video contents recommended until the previous time are stored, and that in the gap list storage means, video contents to be recommended are determined.

Description

本発明は、レコメンド技術に関し、特に、映像コンテンツ配信サービスにおいて、映像コンテンツをサービス利用者に対してレコメンドするための映像コンテンツレコメンド装置及び方法及びプログラムに関する。   The present invention relates to recommendation technology, and more particularly, to a video content recommendation device, method, and program for recommending video content to a service user in a video content distribution service.

映像コンテンツ配信サービスでは、視聴者の満足度が高い映像コンテンツを提供することが重要である。しかし、映像コンテンツが多数存在する映像コンテンツ配信サービスでは、視聴者自らが満足度の高い映像コンテンツを発見することが困難である。故に、視聴者が満足度の高い映像コンテンツに容易に辿り着けるように、レコメンド技術が必要とされている。   In video content distribution services, it is important to provide video content with high viewer satisfaction. However, in a video content distribution service in which a large number of video contents exist, it is difficult for viewers themselves to find video content with high satisfaction. Therefore, recommendation technology is required so that viewers can easily reach video content with high satisfaction.

例えば、視聴率が高い映像コンテンツは一般に人気があると捉え、視聴率が高い映像コンテンツをレコメンドするサービスが考えられる(例えば、非特許文献1参照)。また、映像コンテンツごとにジャンル（具体的には、スポーツ、ドラマ、バラエティなど）などのメタデータを付与する技術が存在する(例えば、非特許文献２参照)。この技術を用い、ジャンルに基づいて映像コンテンツを分類し、各視聴者の各分類に対する嗜好を考慮して映像コンテンツをレコメンドするサービスが考えられる。さらに、映像コンテンツに付与されるメタデータ(具体的には、映像コンテンツの説明文など)と、視聴者のライフログ（具体的には、過去に視聴した映像コンテンツの映像コンテンツ名と出演者名、滞在地履歴、ウェブサイト閲覧履歴など）に含まれる文字列を突き合わせ、一致回数の多い映像コンテンツをレコメンドする技術が確立されている（例えば、非特許文献３参照）。   For example, video content with a high audience rating is generally regarded as popular, and a service for recommending video content with a high audience rating can be considered (for example, see Non-Patent Document 1). In addition, there is a technique for adding metadata such as a genre (specifically, sports, drama, variety, etc.) for each video content (see, for example, Non-Patent Document 2). A service that uses this technology to classify video content based on genre and recommends video content in consideration of each viewer's preference for each category is conceivable. In addition, metadata given to video content (specifically, description of video content, etc.) and viewer's life log (specifically, video content name and performer name of video content viewed in the past) A technology has been established that matches character strings included in a stay history, a website browsing history, and the like, and recommends video content having a high number of matches (see Non-Patent Document 3, for example).

一方、視聴者に映像コンテンツに対する満足度を評価させ、高い満足度が付けられた映像コンテンツを、視聴者特性が類似する（即ち、同一の映像コンテンツに対し、同程度の評価値を付ける）他の視聴者にレコメンドする技術が存在する（例えば、特許文献１参照）。   On the other hand, let viewers evaluate satisfaction with video content, and video content with high satisfaction has similar viewer characteristics (that is, give the same evaluation value to the same video content) There is a technique for recommending to viewers (see, for example, Patent Document 1).

特開2012-242844号公報JP 2012-242844

株式会社ビデオリサーチ，"視聴率がよくわかるブックTVRATINGGUIDEBOOK,"Nov.2011.Video Research Inc., “TVRATINGGUIDEBOOK,“ Nov.2011. 柴田 正啓，"MPEG-7の標準化動向，" 映像情報メディア学会誌，映像情報メディアVol. 55 No. 3, pp. 337-343, Mar. 2001.Masahiro Shibata, "MPEG-7 standardization trend," Journal of the Institute of Image Information and Television Engineers, Image Information Media Vol. 55 No. 3, pp. 337-343, Mar. 2001. 伊藤達明，中村幸博，手塚博久，武藤伸洋，阿部匡伸，"ライフログに基づくTV番組レコメンド方式の検討，"信学技報， LOIS2009-32,IE2009-73, pp. 81-86, Sep. 2009.Tatsuaki Ito, Yukihiro Nakamura, Hirohisa Tezuka, Nobuhiro Muto, Yasunobu Abe, "Examination of TV program recommendation method based on life log," IEICE Technical Report, LOIS2009-32, IE2009-73, pp. 81-86, Sep. 2009 .

しかし、上記従来の技術では、レコメンドの効果と効率が十分ではなかった。   However, the above-mentioned conventional technique has not been sufficient in the effect and efficiency of the recommendation.

効果の観点では、視聴率は広告戦略などの影響を受けるため、視聴率が高いからといって必ずしも視聴者の満足度が高い映像コンテンツであるとは限らない。また、ジャンルは、利用者の好みのジャンルであっても必ずしも満足度が高いとは限らないことが明らかになっている（例えば、非特許文献４：小林史弥，増田征貴，"コンテンツ依存性を考慮したユーザ満足度の解析手法，"電子情報通信学会ソ大，B-11-1，Sep.2012.）。視聴者の映像コンテンツの配信サービスに対する満足度は、映像コンテンツの視聴後の、映像コンテンツに対する満足度（以下、「経験値」と記す）に加え、映像コンテンツ視聴前の期待度に基づいて決定される（非特許文献４、非特許文献５（A. Parasuraman, V.A. Zeithaml, and L. L. Valarie," SERVQUAL: A Multiple-item Scale for Measuring Consumer Perceptions of Service Quality, "Journal of Retailing, vol. 64(1), pp. 12-40, 1988.）。故に、従来の経験値のみを捉えた満足度に基づくレコメンドでは、視聴者の映像コンテンツ配信サービスに対する満足度（期待度と経験値を踏まえた満足度）を捉えきれていない。   From the standpoint of effectiveness, the audience rating is affected by advertising strategies and the like, and a high audience rating does not necessarily mean that the video content has high viewer satisfaction. Further, it has been clarified that even if the genre is a user's favorite genre, satisfaction is not always high (for example, Non-Patent Document 4: Fumiya Kobayashi, Yuki Masuda, “Content Dependency”). Analysis method of user satisfaction taking into account, "The Institute of Electronics, Information and Communication Engineers Sodai, B-11-1, Sep. 2012." The satisfaction level of the viewer for the video content distribution service is determined based on the satisfaction level of the video content after viewing the video content (hereinafter referred to as “experience value”) and the expectation level before viewing the video content. (Non-Patent Document 4, Non-Patent Document 5 (A. Parasuraman, VA Zeithaml, and LL Valarie, “SERVQUAL: A Multiple-item Scale for Measuring Consumer Perceptions of Service Quality,“ Journal of Retailing, vol. 64 (1) , pp. 12-40, 1988.) Therefore, in the recommendation based on the satisfaction level that only captured the experience value, the satisfaction level of the viewer for the video content distribution service (satisfaction level based on the expectation level and experience level) Is not captured.

一方、効率の観点では、ライフログに基づくレコメンドは、映像コンテンツ名や滞在地名などの膨大な定性データを解析する必要があり、データ解析にかかる処理負荷が大きい。   On the other hand, from the viewpoint of efficiency, a recommendation based on a life log needs to analyze a huge amount of qualitative data such as a video content name and a staying place name, and the processing load for data analysis is large.

本発明は上記の点に鑑みなされたもので、期待度と経験値の評価を解析し、視聴者を満足させる映像コンテンツをレコメンドすることが可能な映像コンテンツレコメンド装置及び方法及びプログラムを提供することを目的とする。   The present invention has been made in view of the above points, and provides a video content recommendation device, method, and program capable of analyzing the evaluation of expectation and experience values and recommending video content that satisfies viewers. With the goal.

一態様によれば、映像コンテンツに対する視聴者特性に応じて映像コンテンツをレコメンドするための映像コンテンツレコメンド装置であって、
前記視聴者特性として、映像コンテンツごとに、映像コンテンツ視聴前に視聴者によって評価された該映像コンテンツの面白さに対して期待する度合いである期待度、該映像コンテンツ視聴後に該視聴者によって評価された該映像コンテンツ視聴経験による面白さの度合いである経験値を格納する記憶手段と、
前記記憶手段に格納されている前記期待度と前記経験値の平均値を求め、該経験値の平均値から該期待度の平均値を減算してギャップ値を求め、ギャップリスト記憶手段に格納するギャップリスト更新手段と、
前回までにレコメンドした映像コンテンツのギャップ値が格納されているレコメンドリスト記憶手段と前記ギャップリスト記憶手段のギャップ値の比較結果に基づいてレコメンドする映像コンテンツを決定するレコメンド手段と、を有する映像コンテンツレコメンド装置が提供される。 According to one aspect, a video content recommendation device for recommending video content according to viewer characteristics for the video content,
As the viewer characteristics, for each video content, an expectation degree which is a degree expected for the interestingness of the video content evaluated by the viewer before viewing the video content, and evaluated by the viewer after viewing the video content Storage means for storing an experience value which is a degree of fun of the video content viewing experience;
An average value of the expectation degree and the experience value stored in the storage means is obtained, a gap value is obtained by subtracting the average value of the expectation degree from the average value of the experience value, and stored in the gap list storage means Gap list updating means;
A video content recommendation comprising: a recommendation list storage means storing a gap value of video content recommended so far, and a recommendation means for determining video content to be recommended based on a comparison result of the gap values of the gap list storage means. An apparatus is provided.

一態様によれば、視聴者によって評価される期待度と経験値を考慮することで、映像コンテンツ配信サービスに対する満足度に即した映像コンテンツのレコメンドが実現できる。また、多数の映像コンテンツ、多数の視聴者が存在する映像コンテンツ配信サービスにおいても、少数の定量データ(すなわち、期待度と経験値に対する評価値)の解析によってレコメンドすべき映像コンテンツの抽出を実現でき、レコメンド装置にかかるデータ解析の負荷を低減できる。   According to one aspect, by considering the expectation degree and experience value evaluated by the viewer, it is possible to realize recommendation of video content in accordance with satisfaction with the video content distribution service. In addition, even in video content distribution services where there are a large number of video content and a large number of viewers, it is possible to extract video content to be recommended by analyzing a small amount of quantitative data (i.e., evaluation values for expectation and experience). The data analysis load on the recommendation device can be reduced.

本発明の一実施の形態における映像コンテンツ配信サービスシステムの構成例である。1 is a configuration example of a video content distribution service system in an embodiment of the present invention. 本発明の一実施の形態におけるレコメンド装置の構成例である。It is an example of composition of a recommendation device in one embodiment of the present invention. 本発明の一実施の形態におけるレコメンド装置の処理のフローチャートである。It is a flowchart of the process of the recommendation apparatus in one embodiment of this invention. 本発明の一実施の形態における期待度と経験値の評価情報の例（入力情報）である。It is an example (input information) of the evaluation information of expectation degree and experience value in an embodiment of the present invention. 本発明の一実施の形態における評価値リストの一例である。It is an example of the evaluation value list in one embodiment of the present invention. 本発明の一実施の形態における更新されたギャップリストの例である。It is an example of the updated gap list in one embodiment of the present invention. 本発明の一実施の形態におけるレコメンドリストの例である。It is an example of the recommendation list in one embodiment of the present invention.

以下、図面と共に本発明の実施の形態を説明する。   Hereinafter, embodiments of the present invention will be described with reference to the drawings.

まず、本実施の形態における以下の用語を定義する。   First, the following terms in the present embodiment are defined.

・期待度：映像コンテンツ視聴前に視聴者によって評価される、その映像コンテンツの面白さなどに対して期待する度合い。   Expectation: The degree of expectation of the video content that is evaluated by the viewer before viewing the video content.

・経験値：映像コンテンツ視聴後に視聴者によって評価される、その映像コンテンツの面白さなどに対して経験した度合い。   ・ Experience value: Degree of experience with respect to the interestingness of the video content, which is evaluated by the viewer after viewing the video content.

図１は、本発明の一実施の形態における映像コンテンツ配信サービスシステムの構成例である。   FIG. 1 is a configuration example of a video content distribution service system according to an embodiment of the present invention.

以下の本実施の形態で例示する映像コンテンツ配信サービスは、図１に示すように、IP(Internet Protocol)網２０を介して、映像コンテンツ配信装置１０と映像コンテンツ受信端末（例えば、PC）３０とが接続され、当該映像コンテンツ受信端末３０には、映像コンテンツ表示端末（例えば、PC用液晶モニタ）４０が接続されている。映像コンテンツ配信装置１０には、視聴者の映像コンテンツに対する期待度と経験値に基づき映像コンテンツをレコメンドするレコメンド装置１００が接続されている。なお、レコメンド装置１００は、図１に示すように、映像コンテンツ配信装置１０の外部装置として実現してもよいし、映像コンテンツ配信装置１０に組み込んでもよい。   As shown in FIG. 1, the video content distribution service exemplified in the present embodiment below includes a video content distribution device 10 and a video content receiving terminal (for example, PC) 30 via an IP (Internet Protocol) network 20. And a video content display terminal (for example, a liquid crystal monitor for PC) 40 is connected to the video content receiving terminal 30. The video content distribution device 10 is connected to a recommendation device 100 that recommends video content based on the expectation level and experience value of the viewer for the video content. As shown in FIG. 1, the recommendation device 100 may be realized as an external device of the video content distribution device 10 or may be incorporated in the video content distribution device 10.

図２は、本発明の一実施の形態におけるレコメンド装置の構成例を示す。   FIG. 2 shows a configuration example of a recommendation device according to an embodiment of the present invention.

同図に示すレコメンド装置１００は、取得した各映像コンテンツに対する期待度と経験値の評点を解析し、その解析結果に基づいて視聴者を満足させる映像コンテンツをレコメンドするものであり、評価値リスト記憶部１０１、ギャップリスト記憶部１０２、レコメンドリスト記憶部１０３、評価値リスト更新部１１０、ギャップリスト更新部１２０、レコメンド部１３０を有する。   The recommendation apparatus 100 shown in the figure analyzes the degree of expectation and the experience value for each acquired video content, and recommends video content satisfying the viewer based on the analysis result, and stores an evaluation value list. Unit 101, gap list storage unit 102, recommendation list storage unit 103, evaluation value list update unit 110, gap list update unit 120, and recommendation unit 130.

評価値リスト記憶部１０１は、評価日時、視聴者ID、映像コンテンツID(またはファイル名)、期待度、経験値を項目とする評価値リストを格納する。   The evaluation value list storage unit 101 stores an evaluation value list whose items are evaluation date / time, viewer ID, video content ID (or file name), expectation degree, and experience value.

ギャップリスト記憶部１０２は、映像コンテンツID（またはファイル名）、期待度、経験値、ギャップ値を項目とするギャップリストを格納する。   The gap list storage unit 102 stores a gap list having items of video content ID (or file name), expectation level, experience value, and gap value.

レコメンドリスト記憶部１０３は、映像コンテンツID(またはファイル名)、ギャップ値、判断結果を項目とするレコメンドリストを格納する。   The recommendation list storage unit 103 stores a recommendation list whose items are a video content ID (or file name), a gap value, and a determination result.

評価値リスト更新部１１０は、映像コンテンツ配信装置１０を介して映像コンテンツ受信端末３０から取得した評価日時、視聴者ID、映像コンテンツID、期待度、経験値からなる評価情報を評価値リストに設定し、評価値リスト記憶部１０１に格納する。   The evaluation value list update unit 110 sets evaluation information including evaluation date and time, viewer ID, video content ID, expectation level, and experience value acquired from the video content receiving terminal 30 via the video content distribution device 10 in the evaluation value list. And stored in the evaluation value list storage unit 101.

ギャップリスト更新部１２０は、評価値リスト記憶部１０１の評価値リストの各映像コンテンツに対する期待度と経験値の平均値及び、経験値の平均値から期待度の平均値を減算した値（以下、「ギャップ値」と記す）を計算し、計算結果を映像コンテンツIDごとに、期待度、経験値と共にギャップリストに設定して、ギャップリスト記憶部１０２に格納する。   The gap list updating unit 120 subtracts the average value of the expectation level from the average value of the expectation level and the experience value for each video content in the evaluation value list of the evaluation value list storage unit 101 and the average value of the experience value (hereinafter, The calculation result is set in the gap list together with the degree of expectation and the experience value for each video content ID, and stored in the gap list storage unit 102.

レコメンド部１３０は、ギャップリスト記憶部１０２のギャップリストと前回までのレコメンド結果が格納されているレコメンドリストをレコメンドリスト記憶部１０３から読み込んで、レコメンドする映像コンテンツを判断し、判断結果をレコメンドリストに設定して、レコメンドリスト記憶部１０３に格納する。詳しくは、ギャップリスト記憶部１０２の更新されたギャップリストのギャップ値をレコメンドリストに設定し、すべての映像コンテンツのギャップ値の平均値を計算し、全ての映像コンテンツのギャップ値の標準偏差を計算する。計算したギャップ値の平均値に、計算したギャップ値の標準偏差を加算した値をしきい値として算出する。そして、ギャップ値がしきい値以上の映像コンテンツをレコメンド対象として判断結果を、算出されたギャップ値の平均値と標準偏差、しきい値と共にレコメンドリストに設定し、レコメンドリスト記憶部１０３に格納する。レコメンド対象と判断された映像コンテンツの中から、視聴者ごとに未視聴の映像コンテンツをレコメンド対象として映像コンテンツ配信装置１０に通知する。   The recommendation unit 130 reads the recommendation list in which the gap list in the gap list storage unit 102 and the previous recommendation results are stored from the recommendation list storage unit 103, determines the video content to be recommended, and stores the determination result in the recommendation list. It is set and stored in the recommendation list storage unit 103. Specifically, the gap value of the updated gap list in the gap list storage unit 102 is set in the recommendation list, the average value of the gap values of all video contents is calculated, and the standard deviation of the gap values of all video contents is calculated. To do. A value obtained by adding the standard deviation of the calculated gap value to the average value of the calculated gap values is calculated as a threshold value. Then, the video content having the gap value equal to or larger than the threshold value is set as a recommendation target, and the determination result is set in the recommendation list together with the average value, standard deviation, and threshold value of the calculated gap value, and stored in the recommendation list storage unit 103. . From the video content determined as the recommendation target, the video content distribution apparatus 10 is notified of the unviewed video content for each viewer as the recommendation target.

次に、上記の構成における処理を説明する。   Next, processing in the above configuration will be described.

図３は、本発明の一実施の形態におけるレコメンド装置の処理のフローチャートである。   FIG. 3 is a flowchart of processing of the recommendation device according to the embodiment of the present invention.

ステップ１００） 評価値リスト更新部１１０は、以下のステップ１０１、１０２の手順により、取得した評価情報を評価値リスト記憶部１０１に反映させる。   Step 100) The evaluation value list update unit 110 reflects the acquired evaluation information in the evaluation value list storage unit 101 according to the following steps 101 and 102.

ステップ１０１）評価値リスト更新部１１０は、図４に示すような、評価日時、視聴者（ID）、映像コンテンツ（IＤ）、期待度と経験値の評価値を取得する。同図に示す値は、アンケート調査法などによって評価された値を用いる。ここでは、モバイル映像サービスにおいて約60秒のコンテンツを視聴したときの、期待度と経験値に対する評価値をそれぞれ5段階尺度により求め、入力データとして用いる。このときの5段階尺度とは、期待度に対する評価値においては、例えば、
５：期待している；
４：どちらかといえば期待している；
３：どちらともいえない；
２：どちらかといえば期待していない；
１：期待していない；
のような尺度を設ける。 Step 101) The evaluation value list update unit 110 acquires evaluation values of evaluation date and time, viewer (ID), video content (ID), expectation level and experience value as shown in FIG. The values shown in the figure are values evaluated by a questionnaire survey method or the like. Here, when the content of about 60 seconds is viewed in the mobile video service, the evaluation values for the expectation level and the experience value are obtained on a 5-step scale and used as input data. The five-level scale at this time is, for example, in the evaluation value for the expectation,
5: Expected;
4: I would rather expect;
3: Neither can be said;
2: If anything, do not expect;
1: Not expecting;
A scale such as

また、経験値に対する評価値には、例えば、
５：面白かった；
４：どちらかといえば面白かった；
３：どちらともいえない；
２：どちらかといえば面白くなかった；
１：面白くなかった；
のような尺度を設ける。 The evaluation value for the experience value is, for example,
5: Interesting;
4: It was rather interesting;
3: Neither can be said;
2: If anything, it was not interesting;
1: not interesting;
A scale such as

ステップ１０２） ステップ１０１で取得した評価情報の入力レコード(評価日時、視聴者ID、映像コンテンツID、期待度、経験値)を、評価値リストとして図５に示すように、評価値リスト記憶部１０１に追加書き込みする。   Step 102) As shown in FIG. 5, the evaluation value list storage unit 101 shows the evaluation information input record (evaluation date, viewer ID, video content ID, expectation level, experience value) acquired in step 101 as an evaluation value list. Write additional to.

ステップ１１０） ギャップリスト更新部１２０は、以下のステップ１１１〜１１３の手順で、更新された評価値リストの経験値の平均値、期待度の平均値を求め、それらのギャップ値を求め、ギャップリストに設定し、ギャップリスト記憶部１０２を更新する。   Step 110) The gap list update unit 120 obtains the average value of the experience values and the average value of the expectation values in the updated evaluation value list, obtains the gap values thereof, and the gap list in the procedure of Steps 111 to 113 below. And the gap list storage unit 102 is updated.

ステップ１１１） ギャップリスト更新部１２０は、評価値リスト記憶部１０１の評価値リストに基づいて、期待度が更新された映像コンテンツについて、当該映像コンテンツに対して期待度が評価された回数を分母、当該映像コンテンツに対して評価された期待度の評価値の合計値を分子とする除算を行い、求められた値をその映像コンテンツに対する期待度の平均値とする。     Step 111) Based on the evaluation value list in the evaluation value list storage unit 101, the gap list update unit 120 sets the denominator as to the number of times that the expectation degree is evaluated for the video content, with respect to the updated video content. Division is performed with the total value of the evaluation values of the degree of expectation evaluated for the video content as a numerator, and the obtained value is set as an average value of the expectation degree for the video content.

同様に、経験値が更新された映像コンテンツについて、当該映像コンテンツに対して経験値が評価された回数を分母、当該映像コンテンツに対して評価された経験値の評価値の合計を分子とする除算を実行し、出力された値をその映像のコンテンツに対する経験値の平均値とする。図６は図５の評価値リストに従い、期待度と経験値が新しく評価された映像コンテンツ"(3)"について期待度と経験値の平均値を計算したものである。   Similarly, for video content whose experience values have been updated, a division in which the denominator is the number of times experience values have been evaluated for the video content, and the numerator is the sum of the evaluation values of the experience values evaluated for the video content And the output value is set as the average value of the experience values for the content of the video. FIG. 6 shows an average value of the expectation level and the experience value calculated for the video content “(3)” in which the expectation level and the experience value are newly evaluated according to the evaluation value list of FIG.

ステップ１１２） 計算した経験値の平均値から期待度の平均値を減算し、求められた値を、ギャップ値と定義する。     Step 112) The average value of the degree of expectation is subtracted from the calculated average value of the experience values, and the obtained value is defined as the gap value.

ステップ１１３） 計算した期待度と経験値の平均値及びギャップ値を、ギャップリストに設定する。図６の例では、期待度と経験値が更新された映像コンテンツ"(3)"について計算された期待度の平均値(3.46), 経験値(3.50)の平均値及びそのギャップ値(0.04)のレコードが更新されたことを示している。これらの値をギャップリストに設定し、ギャップリスト記憶部１０２に格納する。     Step 113) The calculated expectation level, the average value of the experience values, and the gap value are set in the gap list. In the example of FIG. 6, the average value (3.46), the average value of the experience value (3.50) and the gap value (0.04) of the expected value calculated for the video content “(3)” with the updated expectation value and experience value. Indicates that the record has been updated. These values are set in the gap list and stored in the gap list storage unit 102.

ステップ１２０） レコメンド部１３０は、以下のステップ１２１〜１２７の手順でレコメンドリスト記憶部１０３のレコメンドリストを更新し、レコメンドする映像コンテンツを映像コンテンツ配信装置１０に通知する。   Step 120) The recommendation unit 130 updates the recommendation list in the recommendation list storage unit 103 in the following steps 121 to 127, and notifies the video content distribution apparatus 10 of the recommended video content.

ステップ１２１） レコメンド部１３０は、ギャップリスト記憶部１０２から取得したギャップリストとレコメンドリスト記憶部１０３のレコメンドリストを突き合せ、ギャップ値が異なる映像コンテンツを、ギャップ値が更新された映像コンテンツであると判別し、更新されたギャップ値をレコメンドリストに設定する。ここでは、図７の『更新ａ』に示すように、図６に従い、映像コンテンツ"(3)"のギャップ値をレコメンドリストに設定する。     Step 121) The recommendation unit 130 matches the gap list acquired from the gap list storage unit 102 with the recommendation list of the recommendation list storage unit 103, and the video content having a different gap value is the video content with the updated gap value. Determine and set the updated gap value in the recommendation list. Here, as shown in “Update a” in FIG. 7, the gap value of the video content “(3)” is set in the recommendation list according to FIG.

ステップ１２２） レコメンド部１３０は、全ての映像コンテンツのギャップ値の平均値を計算し、レコメンドリストに反映する。その例を図７の『更新b』に示す。     Step 122) The recommendation unit 130 calculates the average value of the gap values of all the video contents and reflects it in the recommendation list. An example of this is shown in “Update b” in FIG.

ステップ１２３） レコメンド部１３０は、全ての映像コンテンツのギャップ値の標準偏差を計算し、レコメンドリストに反映させる。計算結果をレコメンドリストに反映させた例を図７の『更新c』に示す。     Step 123) The recommendation unit 130 calculates the standard deviation of the gap values of all the video contents and reflects it in the recommendation list. An example in which the calculation result is reflected in the recommendation list is shown in “update c” in FIG.

ステップ１２３） レコメンド部１３０は、ギャップ値の平均値に標準偏差を加算した値をしきい値として計算し、レコメンドリストに反映させる。計算結果をレコメンドリストに反映させた例を図７の『更新d』に示す。     Step 123) The recommendation unit 130 calculates a value obtained by adding the standard deviation to the average value of the gap values as a threshold value, and reflects it in the recommendation list. An example in which the calculation result is reflected in the recommendation list is shown in “update d” in FIG.

ステップ１２４） レコメンド部１３０は、各映像コンテンツのギャップ値をステップ１２３で求められたしきい値と比較し、ギャップ値がしきい値以上の映像コンテンツは"○"、しきい値未満の映像コンテンツは"×"をレコメンドリストに設定する。この例を図７の『更新e』に示す。なお、しきい値とギャップ値の比較の結果として、○、×を用いているが、これに限定されることなく、１，０などのフラグを用いても良い。     Step 124) The recommendation unit 130 compares the gap value of each video content with the threshold value obtained in Step 123. Video content whose gap value is equal to or greater than the threshold value is “◯”, and video content whose threshold value is less than the threshold value. Sets "x" to the recommendation list. An example of this is shown in “Update e” in FIG. As a result of the comparison between the threshold value and the gap value, ◯ and X are used.

ステップ１２５） 上記で求められたギャップ値の平均値、標準偏差、しきい値、判断結果（○／×）をレコメンドリストに設定する。     Step 125) The average value, the standard deviation, the threshold value, and the judgment result (O / X) of the gap value obtained above are set in the recommendation list.

ステップ１２６） ギャップ値がしきい値以上の映像コンテンツ（ステップ１２４において、"○"となったもの）の中から、視聴者ごとに、未視聴の映像コンテンツをレコメンドする。評価値リストを検索し、評価値が入力されていない映像コンテンツを未視聴の映像コンテンツとして検出してもよいし、他の方法によって未視聴の映像コンテンツを判別してもよい。ギャップ値がしきい値以上かつ未視聴の映像コンテンツが複数ある場合、ギャップ値が大きい順にレコメンドする。ギャップ値が同点の場合は、映像ファイルのファイル名やID等の昇順にレコメンドする。但し、優先順位はこの例に限定されることなく、他の優先順位付けを行ってもよい。     Step 126) Unviewed video content is recommended for each viewer from video content whose gap value is equal to or greater than a threshold value (those that have become “◯” in Step 124). An evaluation value list may be searched to detect video content for which no evaluation value is input as unviewed video content, or unviewed video content may be determined by other methods. When there are a plurality of unviewed video contents whose gap value is equal to or greater than the threshold value, recommendations are made in descending order of the gap value. If the gap value is the same, the recommendation is in ascending order of the file name, ID, etc. of the video file. However, the priority is not limited to this example, and other priorities may be assigned.

なお、レコメンドする映像コンテンツを決定する方法として、ギャップリスト記憶部１０２のギャップリストを参照して、ギャップ値の大きい順に映像コンテンツをレコメンドしてもよい。   Note that as a method of determining video content to be recommended, video content may be recommended in descending order of gap value with reference to the gap list in the gap list storage unit 102.

ステップ１２７） レコメンドするＮ（Ｎ≧１）件の映像コンテンツの（ファイル名またはID）を映像コンテンツ配信装置１０に通知する。     Step 127) The video content distribution apparatus 10 is notified of (file names or IDs) of N (N ≧ 1) video contents to be recommended.

なお、上記の図２に示すレコメンド装置の各構成要素の動作をプログラムとして構築し、レコメンド装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。   Note that the operation of each component of the recommendation device shown in FIG. 2 can be constructed as a program, installed in a computer used as the recommendation device, executed, or distributed via a network.

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。   The present invention is not limited to the above-described embodiments, and various modifications and applications can be made within the scope of the claims.

１０ 映像コンテンツ配信装置
２０ ＩＰ網
３０ 映像コンテンツ受信端末
４０ 映像コンテンツ表示端末
１００ レコメンド装置
１０１ 評価値リスト記憶部
１０２ ギャップリスト記憶部
１０３ レコメンドリスト記憶部
１１０ 評価値リスト更新部
１２０ ギャップリスト更新部
１３０ レコメンド部 DESCRIPTION OF SYMBOLS 10 Video content distribution apparatus 20 IP network 30 Video content receiving terminal 40 Video content display terminal 100 Recommendation apparatus 101 Evaluation value list memory | storage part 102 Gap list memory | storage part 103 Recommendation list memory | storage part 110 Evaluation value list update part 120 Gap list update part 130 Recommendation Part

Claims (5)

映像コンテンツに対する視聴者特性に応じて映像コンテンツをレコメンドするための映像コンテンツレコメンド装置であって、
前記視聴者特性として、映像コンテンツごとに、映像コンテンツ視聴前に視聴者によって評価された該映像コンテンツの面白さに対して期待する度合いである期待度、該映像コンテンツ視聴後に該視聴者によって評価された該映像コンテンツ視聴経験による面白さの度合いである経験値を格納する記憶手段と、
前記記憶手段に格納されている前記期待度と前記経験値の平均値を求め、該経験値の平均値から該期待度の平均値を減算してギャップ値を求め、ギャップリスト記憶手段に格納するギャップリスト更新手段と、
前回までにレコメンドした映像コンテンツのギャップ値が格納されているレコメンドリスト記憶手段と前記ギャップリスト記憶手段のギャップ値の比較結果に基づいてレコメンドする映像コンテンツを決定するレコメンド手段と、
を有することを特徴とする映像コンテンツレコメンド装置。 A video content recommendation device for recommending video content according to viewer characteristics for the video content,
As the viewer characteristics, for each video content, an expectation degree which is a degree expected for the interestingness of the video content evaluated by the viewer before viewing the video content, and evaluated by the viewer after viewing the video content Storage means for storing an experience value which is a degree of fun of the video content viewing experience;
An average value of the expectation degree and the experience value stored in the storage means is obtained, a gap value is obtained by subtracting the average value of the expectation degree from the average value of the experience value, and stored in the gap list storage means Gap list updating means;
Recommendation list storage means storing a gap value of video content recommended up to the previous time, and recommendation means for determining video content to be recommended based on a comparison result of gap values of the gap list storage means;
A video content recommendation device comprising: 前記レコメンド手段は、
前記レコメンドリスト記憶手段の全ての映像コンテンツのギャップ値の平均値を求める平均値算出手段と、
前記レコメンドリスト記憶手段の全ての映像コンテンツのギャップ値の標準偏差を求める標準偏差算出手段と、
前記ギャップ値の平均値に前記ギャップ値の標準偏差を加算した値をしきい値とするしきい値算出手段と、
前記レコメンドリスト記憶手段のギャップ値が前記しきい値以上の映像コンテンツをレコメンド対象として、前記レコメンドリスト記憶手段に記録するレコメンドリスト記録手段と、
前記レコメンド対象の映像コンテンツの中から視聴者ごとに未視聴の映像コンテンツを選択し、レコメンドするレコメンド映像コンテンツ決定手段と、
を含む請求項1記載の映像コンテンツレコメンド装置。 The recommendation means is:
An average value calculating means for calculating an average value of gap values of all video contents in the recommendation list storage means;
Standard deviation calculating means for obtaining standard deviations of gap values of all video contents in the recommendation list storage means;
A threshold value calculation means using a value obtained by adding a standard deviation of the gap value to the average value of the gap values;
A recommendation list recording means for recording video content whose gap value of the recommendation list storage means is equal to or more than the threshold value as a recommendation target, in the recommendation list storage means;
Selecting unviewed video content for each viewer from the recommended video content, and recommending video content determining means to recommend,
2. The video content recommendation device according to claim 1, comprising: 映像コンテンツに対する視聴者特性に応じて映像コンテンツをレコメンドするための映像コンテンツレコメンド方法であって、
前記視聴者特性として、映像コンテンツごとに、映像コンテンツ視聴前に視聴者によって評価された該映像コンテンツの面白さに対して期待する度合いである期待度、該映像コンテンツ視聴後に該視聴者によって評価された該映像コンテンツ視聴経験による面白さの度合いである経験値を格納する記憶手段と、
前回までにレコメンドした映像コンテンツのギャップ値が格納されているレコメンドリスト記憶手段と、
ギャップリスト更新手段と、レコメンド手段と、を有する装置において、
前記ギャップリスト更新手段が、前記記憶手段に格納されている前記期待度と前記経験値の平均値を求め、該経験値の平均値から該期待度の平均値を減算してギャップ値を求め、ギャップリスト記憶手段に格納するギャップリスト更新ステップと、
前記レコメンド手段が、前記レコメンドリスト記憶手段と前記ギャップリスト記憶手段のギャップ値の比較結果に基づいてレコメンドする映像コンテンツを決定するレコメンドステップと、
を行うことを特徴とする映像コンテンツレコメンド方法。 A video content recommendation method for recommending video content according to viewer characteristics for the video content,
As the viewer characteristics, for each video content, an expectation degree which is a degree expected for the interestingness of the video content evaluated by the viewer before viewing the video content, and evaluated by the viewer after viewing the video content Storage means for storing an experience value which is a degree of fun of the video content viewing experience;
A recommendation list storage means for storing gap values of video contents recommended up to the previous time;
In an apparatus having gap list updating means and recommendation means,
The gap list update unit obtains an average value of the expectation level and the experience value stored in the storage unit, and subtracts the average value of the expectation level from the average value of the experience value to obtain a gap value, A gap list update step to be stored in the gap list storage means;
A recommendation step in which the recommendation means determines video content to be recommended based on a comparison result of the gap values of the recommendation list storage means and the gap list storage means;
A video content recommendation method characterized by: 前記レコメンドステップにおいて、
前記レコメンドリスト記憶手段の全ての映像コンテンツのギャップ値の平均値を求め、
前記レコメンドリスト記憶手段の全ての映像コンテンツのギャップ値の標準偏差を求め、
前記ギャップ値の平均値に前記ギャップ値の標準偏差を加算した値をしきい値とし、
前記レコメンドリスト記憶手段のギャップ値が前記しきい値以上の映像コンテンツをレコメンド対象として、前記レコメンドリスト記憶手段に記録し、
前記レコメンド対象の映像コンテンツの中から視聴者ごとに未視聴の映像コンテンツを選択し、レコメンドする
請求項３記載の映像コンテンツレコメンド方法。 In the recommendation step,
Obtaining an average value of gap values of all video contents in the recommendation list storage means;
Obtaining a standard deviation of gap values of all video contents in the recommendation list storage means;
A value obtained by adding the standard deviation of the gap value to the average value of the gap value is used as a threshold value.
Video content whose gap value of the recommendation list storage means is equal to or greater than the threshold value is recorded as a recommendation target in the recommendation list storage means,
4. The video content recommendation method according to claim 3, wherein unviewed video content is selected for each viewer from the recommended video content and recommended. コンピュータを、
請求項１または２に記載の映像コンテンツレコメンド装置の各手段として機能させるための映像コンテンツレコメンドプログラム。 Computer
The video content recommendation program for functioning as each means of the video content recommendation apparatus of Claim 1 or 2.
JP2013138999A 2013-07-02 2013-07-02 Video content recommend device, method and program Pending JP2015012574A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013138999A JP2015012574A (en) 2013-07-02 2013-07-02 Video content recommend device, method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013138999A JP2015012574A (en) 2013-07-02 2013-07-02 Video content recommend device, method and program

Publications (1)

Publication Number Publication Date
JP2015012574A true JP2015012574A (en) 2015-01-19

Family

ID=52305325

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013138999A Pending JP2015012574A (en) 2013-07-02 2013-07-02 Video content recommend device, method and program

Country Status (1)

Country Link
JP (1) JP2015012574A (en)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156351A (en) * 2016-07-26 2016-11-23 合网络技术（北京）有限公司 Multimedia resource recommendation information generates method and device
CN106488267A (en) * 2016-11-21 2017-03-08 武汉斗鱼网络科技有限公司 A kind of appraisal procedure of direct broadcasting room Generalization bounds, user equipment server system
CN106604044A (en) * 2016-11-21 2017-04-26 武汉斗鱼网络科技有限公司 Direct broadcast room recommendation strategy assessment method, user equipment, and server system
CN106658074A (en) * 2016-11-21 2017-05-10 武汉斗鱼网络科技有限公司 Method for evaluating live broadcasting room recommendation strategy, user equipment (UE) and server system
CN108550046A (en) * 2018-03-07 2018-09-18 阿里巴巴集团控股有限公司 A kind of resource and market recommendation method, apparatus and electronic equipment
CN108563680A (en) * 2018-03-07 2018-09-21 阿里巴巴集团控股有限公司 Resource recommendation method and device
CN109151608A (en) * 2018-09-06 2019-01-04 武汉斗鱼网络科技有限公司 A kind of method and terminal of the sequence of face value list
JP2019532584A (en) * 2016-10-14 2019-11-07 ロヴィ ガイズ， インコーポレイテッド System and method for providing a normal speed video stream and a slow motion video stream in response to event detection

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106156351A (en) * 2016-07-26 2016-11-23 合网络技术（北京）有限公司 Multimedia resource recommendation information generates method and device
CN106156351B (en) * 2016-07-26 2019-07-23 合一网络技术(北京)有限公司 Multimedia resource recommendation information generation method and device
US11490136B2 (en) 2016-10-14 2022-11-01 Rovi Guides, Inc. Systems and methods for providing a slow motion video stream concurrently with a normal-speed video stream upon detection of an event
JP7098610B2 (en) 2016-10-14 2022-07-11 ロヴィ ガイズ， インコーポレイテッド Systems and methods for providing slow motion video streams at the same time as normal speed video streams in response to event detection
US11197039B2 (en) 2016-10-14 2021-12-07 Rovi Guides, Inc. Systems and methods for providing a slow motion video stream concurrently with a normal-speed video stream upon detection of an event
JP2019532584A (en) * 2016-10-14 2019-11-07 ロヴィ ガイズ， インコーポレイテッド System and method for providing a normal speed video stream and a slow motion video stream in response to event detection
CN106488267A (en) * 2016-11-21 2017-03-08 武汉斗鱼网络科技有限公司 A kind of appraisal procedure of direct broadcasting room Generalization bounds, user equipment server system
CN106604044A (en) * 2016-11-21 2017-04-26 武汉斗鱼网络科技有限公司 Direct broadcast room recommendation strategy assessment method, user equipment, and server system
CN106658074A (en) * 2016-11-21 2017-05-10 武汉斗鱼网络科技有限公司 Method for evaluating live broadcasting room recommendation strategy, user equipment (UE) and server system
CN108550046B (en) * 2018-03-07 2021-03-02 创新先进技术有限公司 Resource and marketing recommendation method and device and electronic equipment
CN108563680A (en) * 2018-03-07 2018-09-21 阿里巴巴集团控股有限公司 Resource recommendation method and device
CN108550046A (en) * 2018-03-07 2018-09-18 阿里巴巴集团控股有限公司 A kind of resource and market recommendation method, apparatus and electronic equipment
CN109151608A (en) * 2018-09-06 2019-01-04 武汉斗鱼网络科技有限公司 A kind of method and terminal of the sequence of face value list

Similar Documents

Publication Publication Date Title
JP2015012574A (en) Video content recommend device, method and program
US20170169341A1 (en) Method for intelligent recommendation
US11172253B2 (en) Methods and systems for determining user engagement based on user interactions during different time intervals
US20190306549A1 (en) Methods and systems for providing media asset recommendations based on distributed blockchain analysis
US9235574B2 (en) Systems and methods for providing media recommendations
EP3675014B1 (en) System and method for optimizing videos
US10575057B2 (en) Systems and methods for improving accuracy in media asset recommendation models
US20130332521A1 (en) Systems and methods for compiling media information based on privacy and reliability metrics
US20170251258A1 (en) Techniques for context aware video recommendation
US10289733B2 (en) Systems and methods for filtering techniques using metadata and usage data analysis
US20160112761A1 (en) Systems and methods for generating media asset recommendations using a neural network generated based on consumption information
US10051326B2 (en) Methods and systems for determining user engagement based on user interactions during different advertisement slots
US20140006150A1 (en) Systems and methods for targeting advertisements based on product lifetimes
CN111741336A (en) Video content recommendation method, device, equipment and storage medium
US20180189856A1 (en) Systems and methods for recommending an electronic device to a user based on a user's device profile
US20160314410A1 (en) Systems and methods for improving accuracy in media asset recommendations based on data from one data space
US10003836B2 (en) Systems and methods for improving accuracy in media asset recommendation models based on users' levels of enjoyment with respect to media assets
US20180130075A1 (en) Analysis of media consumption for new media production
CN109255035B (en) Method and device for constructing knowledge graph
AU2016252645A1 (en) Systems and methods for improving accuracy in media asset recommendation models
US20160314404A1 (en) Systems and methods for improving accuracy in media asset recommendations based on data from multiple data spaces
JP5627002B2 (en) Similar video output method, similar video output device, and similar video output program
US10877982B1 (en) Detection of popular content with narrow appeal
US20100205041A1 (en) Determining the interest of individual entities based on a general interest
US20180109827A1 (en) User affinity for video content and video content recommendations