TWI712315B - 影音推荐方法及系統 - Google Patents
影音推荐方法及系統 Download PDFInfo
- Publication number
- TWI712315B TWI712315B TW108138696A TW108138696A TWI712315B TW I712315 B TWI712315 B TW I712315B TW 108138696 A TW108138696 A TW 108138696A TW 108138696 A TW108138696 A TW 108138696A TW I712315 B TWI712315 B TW I712315B
- Authority
- TW
- Taiwan
- Prior art keywords
- user
- video
- audio
- preference
- similarity
- Prior art date
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本發明提供一種影音推荐方法及系統。所述方法包括:基於第一用戶的偏好、歷史觀看記錄及個人身分從多個既有用戶中找出多個第一用戶分群,其中各第一用戶分群包括多個第一候選用戶;取得各第一候選用戶所觀看過的多個第一影音;估計各第一候選用戶的各第一影音與第一用戶的第一相似度,並據以產生第一影音推荐清單;反應於判定前述第一候選用戶的其中之一所觀看的新影音不屬於第一影音推荐清單,依據新影音將第一影音推荐清單更新為第二影音推荐清單,並透過前端設備提供予第一用戶。
Description
本發明是有關於一種多媒體檔案派送機制,且特別是有關於一種影音推荐方法及系統。
隨著隨選視訊服務(Video on Demand,VoD)不斷地擴展,片庫系統內的影片持續大量增加。因此,對於本領域技術人員而言,如何藉由優化派片策略來將用戶可能最感興趣的影音推荐予用戶觀賞實為一項重要的議題。
有鑑於此,本發明提供一種影音推荐方法及系統,其可用於優化派片系統的派片策略,以向用戶推荐最適合的影音。
本發明提供一種影音推荐方法,包括:基於一第一用戶的一偏好、一歷史觀看記錄及一個人身分從多個既有用戶中找出多個第一用戶分群,其中各第一用戶分群包括多個第一候選用戶;取得各第一候選用戶所觀看過的多個第一影音;估計各第一候選
用戶的各第一影音與第一用戶的一第一相似度,並據以產生一第一影音推荐清單;反應於判定前述第一候選用戶的其中之一所觀看的一新影音不屬於第一影音推荐清單,依據新影音將第一影音推荐清單更新為一第二影音推荐清單,並透過一前端設備提供予第一用戶。
本發明提供一種影音推荐系統,包括前端設備及後端設備。前端設備屬於一第一用戶。後端設備經配置以:基於第一用戶的一偏好、一歷史觀看記錄及一個人身分從多個既有用戶中找出多個第一用戶分群,其中各第一用戶分群包括多個第一候選用戶;取得各第一候選用戶所觀看過的多個第一影音;估計各第一候選用戶的各第一影音與第一用戶的一第一相似度,並據以產生一第一影音推荐清單;反應於判定前述第一候選用戶的其中之一所觀看的一新影音不屬於第一影音推荐清單,依據新影音將第一影音推荐清單更新為一第二影音推荐清單,並透過前端設備提供予第一用戶。
基於上述,本發明的方法及系統可令呈現予第一用戶的第一/第二影音推荐清單更為適合第一用戶,從而讓第一用戶可較輕易地從第一/第二影音推荐清單中找到有興趣的影音進行觀賞。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
100:影音推荐系統
110:前端設備
120:後端設備
S210~S240:步驟
圖1是依據本發明之一實施例繪示的影音推荐系統示意圖。
圖2是依據本發明之一實施例繪示的影音推荐方法流程圖。
請參照圖1,其是依據本發明之一實施例繪示的影音推荐系統示意圖。如圖1所示,影音推荐系統100包括前端設備110及後端設備120。在不同的實施例中,前端設備110例如是佈建於一般用戶家庭或其他類似場所內的VOD裝置,其可用以控制相關電視、投影機等裝置向用戶呈現用戶所選的影音介面或內容,但可不限於此。此外,後端設備120可連接於前端設備110,並可以是用於提供VOD影音服務的影音平台伺服器。一般而言,前端設備110的用戶可透過遙控器或其他控制裝置在前端設備110所提供的使用者介面中選擇所欲觀看的影音(例如電影、節目等),而後端設備120即可相應地將用戶所選的影音內容發送至前端設備110,以由前端設備110透過電視、投影機等裝置將上述影音內容呈現予用戶觀賞。
在本發明的實施例中,後端設備120可用於執行本發明提出的影音推荐方法,以下將作詳細說明。
請參照圖2,其是依據本發明之一實施例繪示的影音推荐方法流程圖。本實施例的方法可由圖1的後端設備120執行,以下即搭配圖1所示的元件說明圖2各步驟的細節。
首先,在步驟S210中,後端設備120可基於第一用戶的偏好、歷史觀看記錄及個人身分從多個既有用戶中找出多個第一用戶分群,其中各第一用戶分群包括多個第一候選用戶。在本發明的實施例中,上述第一用戶例如是前端設備110所對應的用戶,而既有用戶則例如是使用後端設備120所提供服務的所有用戶,但可不限於此。
在第一實施例中,上述第一用戶分群中對應於第一用戶偏好的一者可略稱為偏好分群,而後端設備120找出屬於偏好分群的多個第一候選用戶的手段可例示如下。
在第一實施例中,後端設備120可取得第一用戶的網路瀏覽記錄,並基於網路瀏覽記錄所包括的多個網頁取得多個偏好關鍵子。上述網路瀏覽記錄例如是第一用戶所使用的網頁瀏覽器的搜尋記錄、我的最愛、cookie、書籤或是可用爬蟲方式所取得的社群網路的相關登錄資訊等,但不限於此。之後,後端設備120可將各筆網路瀏覽記錄中與影音相關的關鍵子作為偏好關鍵子,例如「科技」、「美國」等,但不限於此。
之後,後端設備120可取得各偏好關鍵子所對應的檔案數量及檔案時間,並據以估計各偏好關鍵子的一偏好分數。舉例而言,在一實施例中,假設某偏好關鍵子出現於某網頁內容中,則後端設備120可計算此偏好關鍵子在此網頁內容(或網頁檔案)中的出現次數,並將此出現次數除以網頁內容的總字數,以得到此偏好關鍵子的詞頻。另外,若所考慮的偏好關鍵子為英文,則
可先去除其中的介係詞再進行上述操作,但可不限於此。接著,後端設備120可針對上述網頁內容相關的時間(例如搜尋時間、檔案時間等)對此網頁內容分配一檔案時間權重值(其可由設計者依需求而定)。例如,若上述網頁內容的時間點在三個月內,即可例示地設定為1.0,但可不限於此。
基此,第一用戶對於某偏好關鍵子的偏好分數可概略表徵為「(AVG(詞頻/檔案數)+檔案時間權重值+協同推荐權重值」,其中AVG代表取平均的運算子,而協同推荐權重值的定義將在之後詳述,此處可暫時理解為0。基此,在一實施例中,對於第一用戶而言,偏好關鍵子「科技」的偏好分數例如是「0.6+1.0+0.0=1.6」。
之後,後端設備120可估計各既有用戶對於各偏好關鍵子的參考偏好分數,而其作法可參照先前實施例的教示。舉例而言,對於一既有用戶B,其對於偏好關鍵子「科技」的參考偏好分數例如是「0.33+1.0+0.0=1.33」。舉另一例而言,對於一既有用戶C,其對於偏好關鍵子「科技」的參考偏好分數例如是「0.4+1.0+0.0=1.4」。在一實施例中,第一用戶、既有用戶B及C對於「科技」、「美國」等偏好關鍵子的偏好分數/參考偏好分數可例示如下表1。
之後,後端設備120可基於第一用戶的各偏好關鍵子的偏好分數與各既有用戶對於各偏好關鍵子的參考偏好分數估計第一用戶與各既有用戶之間的第一偏好相似度。在第一實施例中,後端設備120例如可基於歐式距離、餘弦公式、k-means演算法等手段來計算上述第一偏好相似度。舉例而言,假設所採用的是餘弦公式,則第一用戶與既有用戶B之間的第一偏好相似度可計算為:「」。基此,後端設備120可取得第一用戶與各既有用戶之間的第一偏好相似度,但本發明可不限於此。
接著,後端設備120可基於各既有用戶對應的第一偏好相似度排序前述既有用戶,並將排序在前的預設數量個既有用戶歸類至偏好分群,以作為偏好分群中的前述第一候選用戶。為便於說明,本發明各實施例中所提及的預設數量皆以N代稱,但在不同的情境中,各實施例所考慮的預設數量可以不同。基此,此處技術手段可概略理解為將既有用戶中具有較高第一偏好相似度的N者歸類至偏好分群中,以作為偏好分群中的第一候選用戶。
在第二實施例中,上述第一用戶分群中對應於第一用戶歷史觀看記錄的一者可略稱為觀看分群,而後端設備120找出屬於觀看分群的多個第一候選用戶的手段可例示如下。
在第二實施例中,第一用戶的歷史觀看記錄可包括第一用戶觀看過的多個歷史影音(例如曾使用前端設備110向後端設備120存取過的電影)。在此情況下,後端設備120可取得前述歷史影音所屬的多個影音分類,並統計前述歷史影音在各影音分類中的一歷史影音數量。舉例而言,假設在第一用戶看過的歷史影音中,有7部屬於「冒險動作片」,而其中3部屬於「經典冒險動作片」的影音分類,有1部屬於「動作喜劇」的影音分類,有3部屬於「動作驚悚片」的影音分類。在此情況下,「經典冒險動作片」、「動作喜劇」及「動作驚悚片」等影音分類所對應的歷史影音數量可分別例如是3、1、3。
之後,後端設備120可取得各既有用戶所觀看過的多個參考影音,並累計各既有用戶的前述參考影音在各影音分類中的一參考影音數量。舉例而言,假設在既有用戶B看過的參考影音中,有10部屬於「冒險動作片」,而其中2部屬於「經典冒險動作片」的影音分類,有4部屬於「動作喜劇」的影音分類,有4部屬於「動作驚悚片」的影音分類。在此情況下,「經典冒險動作片」、「動作喜劇」及「動作驚悚片」等影音分類所對應的參考影音數量可分別例如是2、4、4。在第二實施例中,第一用戶、既有用戶B及C對於「冒險動作片」、「動作喜劇」及「動作驚悚片」等影音分類的歷史影音數量/參考影音數量可例示如下表2。
之後,後端設備120可基於前述歷史影音在各影音分類中的歷史影音數量及各既有用戶的前述參考影音在各影音分類中的參考影音數量估計第一用戶與各既有用戶之間的一第一分類相似度。在第二實施例中,後端設備120同樣可於歐式距離、餘弦公式、k-means演算法等手段來計算上述第一分類相似度。舉例而言,假設所採用的是餘弦公式,則第一用戶與既有用戶B之間的第一分類相似度可計算為:「第一分類相似度(第一用戶,既有用戶B)=」。基此,後端設備120可取得第一用戶與各既有用戶之間的第一分類相似度,但本發明可不限於此。
接著,後端設備120可基於各既有用戶對應的第一分類相似度排序前述既有用戶,並將排序在前的預設數量個既有用戶歸類至觀看分群,以作為觀看分群中的前述第一候選用戶。基此,此處技術手段可概略理解為將既有用戶中具有較高第一分類相似度的N者歸類至觀看分群中,以作為觀看分群中的第一候選用戶。
在第三實施例中,上述第一用戶分群中對應於第一用戶個人身分的一者可略稱為身分分群,而後端設備120找出屬於身
分分群的多個第一候選用戶的手段可例示如下。
在第三實施例中,第一用戶的個人身分包括可多個第一用戶資料,包括但不限於身高、體重等。在此情況下,後端設備120可取得各既有用戶的多個參考用戶資料,其中前述參考用戶資料對應於前述第一用戶資料。亦即,後端設備120可取得各既有用戶的身體、體重等資料,但不限於此。在第三實施例中,第一用戶的第一用戶資料,以及既有用戶B、既有用戶C的參考用戶資料可例示如下表3。
之後,後端設備120可基於第一用戶的前述第一用戶資料及各既有用戶的前述參考用戶資料估計第一用戶與各既有用戶之間的一第一身分相似度。在第三實施例中,後端設備120計算第一用戶與各既有用戶之間的第一身分相似度的方式可參考第一、第二實施例中所教示的手段,於此不另贅述。
接著,後端設備120可基於各既有用戶對應的第一身分相似度排序前述既有用戶,並將排序在前的預設數量個既有用戶歸類至身分分群,以作為身分分群中的前述第一候選用戶。基此,
此處技術手段可概略理解為將既有用戶中具有較高第一身分相似度的N者歸類至身分分群中,以作為身分分群中的第一候選用戶。
由第一、第二及第三實施例可知,偏好分群、觀看分群及身分分群可個別包括N個第一候選用戶(亦,共有3×N個第一候選用戶),而所述3×N個第一候選用戶可概略理解為在既有用戶中與所考慮的第一用戶最為相似的一部分用戶,但其僅用以舉例,並非用以限定本發明可能的實施方式。
在取得偏好分群、觀看分群及身分分群個別的N個第一候選用戶之後,在步驟S220中,後端設備120可取得各第一候選用戶所觀看過的多個第一影音。亦即,後端設備120可取得與第一用戶最相似的一部分用戶所觀看過的所有影音。
之後,在步驟S230中,後端設備120可估計各第一候選用戶的各第一影音與第一用戶的第一相似度,並據以產生第一影音推荐清單。
在第一實施例中,後端設備120可取得各第一影音對應於各偏好關鍵子(例如「科技」、「美國」)的一第一影音偏好分數。為便於說明,以下將以「夏洛克」及「犯罪現場調查」作為既有用戶C曾觀看過的第一影音的例子,而其個別的第一影音偏好分數可例示如下表4。
此外,依據表1的內容可知,第一用戶對應「科技」、「美國」等偏好關鍵子的偏好分數分別是1.6、1。在此情況下,後端設備120可基於各第一影音對應於各偏好關鍵子的第一影音偏好分數及第一用戶對應各偏好關鍵子的偏好分數估計第一用戶與各第一影音之間的第一相似度。在第一實施例中,假設所採用的是餘弦公式,則第一用戶與第一影音「夏洛克」之間的第一相似度可表徵為:「」。另外,第一用戶與第一影音「犯罪現場調查」之間的第一相似度可表徵為:「」,但本發明可不限於此。
之後,後端設備120可依據各第一影音對應的第一相似度排序前述第一影音,並基於前述第一影音中排序在前的預設數量個第一影音產生第一影音推荐清單。亦即,後端設備120可將第一實施例中具較高第一相似度的N個第一影音歸類至第一影音推荐清單中。
此外,在第二實施例中,後端設備120可統計前述歷史影音的多個特定關鍵子個別的一第一關鍵子次數。為便於說明,以下假設所考慮的特定關鍵子為「推理」及「喜劇」。在此情況下,假設第一用戶所觀賞過的歷史影音中共有4個對應於特定關鍵子
「推理」的影音,並共有3個對應於特定關鍵子「喜劇」的影音。在此情況下,對於第一用戶而言,前述特定關鍵子個別的第一關鍵子次數可例示如下表5。
之後,後端設備120可取得各第一影音(例如「夏洛克」、「犯罪現場調查」)對應於各特定關鍵子(例如,「推理」及「喜劇」)的第二關鍵子次數。在第二實施例中,各第一影音對應於各特定關鍵子的第二關鍵子次數可例示如下表6。
接著,後端設備120可基於前述歷史影音的前述特定關鍵子個別的第一關鍵子次數及各第一影音對應於各特定關鍵子的第二關鍵子次數估計第一用戶與各第一影音的第一相似度。。在第二實施例中,假設所採用的是餘弦公式,則第一用戶與第一影音「夏洛克」之間的第一相似度可表徵為:「」。另外,第一用戶與第一影音「犯罪現場調查」之間的第一相似度可表徵為:
「」,但本發明可不限於此。
之後,後端設備120可依據各第一影音對應的第一相似度排序前述第一影音,並基於前述第一影音中排序在前的預設數量個第一影音產生第一影音推荐清單。亦即,後端設備120可將第二實施例中具較高第一相似度的N個第一影音歸類至第一影音推荐清單中。
此外,在第三實施例中,後端設備120可將身分分群中的第一候選用戶中與第一用戶最為相似的一或多者所觀看過的N個第一影音歸類至第一影音推荐清單中。
由上可概略看出,第一影音推荐清單中可包括由第一、第二、第三實施例所個別得出的N個第一影音,故第一影音推荐清單中共可包括3×N個第一影音。在一實施例中,後端設備120還可進一步從所述3×N個第一影音取出與第一用戶最為相關的N者,並將其餘的第一影音從第一影音推荐清單移除,但可不限於此。
在依據以上教示產生第一影音推荐清單之後,在步驟S240中,反應於判定前述第一候選用戶的其中之一所觀看的新影音不屬於第一影音推荐清單,後端設備120可依據新影音將第一影音推荐清單更新為第二影音推荐清單,並透過前端設備110提供予第一用戶。
在一實施例中,後端設備120可取得新影音的多個新關
鍵子。之後,反應於判定前述新關鍵子的第一新關鍵子對應於前述偏好關鍵的第一偏好關鍵子,修正第一偏好關鍵子的偏好分數。
為便於說明,以下假設所述新影音為「超人」,而其所對應的新關鍵子例如包括「科技」,但可不限於此。在此情況下,由於新關鍵子「科技」對應於表1中的偏好關鍵子「科技」,故後端設備120可相應地修正偏好關鍵子的偏好分數。
具體而言,由第一實施例中的教示可知,偏好關鍵子「科技」的偏好分數原本為1.6,而其是基於「(AVG(詞頻/檔案數)+檔案時間權重值+協同推荐權重值」而得出。基此,當後端設備120欲修正偏好關鍵子「科技」的偏好分數時,可藉由調整上式中的「協同推荐權重值」而為之。舉例而言,後端設備120可將偏好關鍵子「科技」的「協同推荐權重值」由0調整為0.1。在此情況下,偏好關鍵子「科技」的偏好分數將從1.6被修正為1.7,但本發明可不限於此。
此外,反應於判定新影音屬於前述影音分類中的第一影音分類,後端設備120還可累加第一影音分類的歷史影音數量。承上例,在新影音為「超人」的情況下,其可經判定為屬於表2中的「經典冒險動作片」。因此,後端設備120可將「經典冒險動作片」的歷史影音數量由3累加為4,但本發明可不限於此。
之後,後端設備120可依據第一偏好關鍵子(例如「科技」)修正後的偏好分數(例如1.7)及第一影音分類(例如「經
典冒險動作片」)累加後的歷史影音數量(例如4)重新產生偏好分群、觀看分群及身分分群,其中偏好分群、觀看分群及身分分群個別包括多個第二候選用戶。
概略而言,後端設備120可基於第一、第二及第三實施例先前的教示內容而再次從既有用戶中取得偏好分群、觀看分群及身分分群,惟所考慮的第一偏好關鍵子(例如「科技」)的偏好分數係修正後的分數,且第一影音分類(例如「經典冒險動作片」)的歷史影音數量是累加後的數值。
具體來說,後端設備120可基於第一用戶的各偏好關鍵子的(修正後)偏好分數與各既有用戶對於各偏好關鍵子的參考偏好分數估計第一用戶與各既有用戶之間的第二偏好相似度。第二偏好相似度可參照先前計算第一偏好相似度的方式,於此不另贅述。
之後,後端設備120可基於各既有用戶對應的第二偏好相似度排序前述既有用戶,並將排序在前的預設數量個既有用戶歸類至偏好分群,以作為偏好分群中的前述第二候選用戶。基此,此處技術手段可概略理解為將既有用戶中具有較高第二偏好相似度的N者歸類至偏好分群中,以作為(更新後)偏好分群中的第二候選用戶。
另外,後端設備120可基於前述歷史影音在各影音分類中的(累加後)歷史影音數量及各既有用戶的前述參考影音在各影音分類中的參考影音數量估計第一用戶與各既有用戶之間的一
第二分類相似度。第二分類相似度可參照先前計算第一分類相似度的方式,於此不另贅述。
之後,後端設備120可基於各既有用戶對應的第二分類相似度排序前述既有用戶,並將排序在前的預設數量個既有用戶歸類至觀看分群,以作為觀看分群中的前述第二候選用戶。基此,此處技術手段可概略理解為將既有用戶中具有較高第二分類相似度的N者歸類至觀看分群中,以作為(更新後)觀看分群中的第二候選用戶。
在重新產生偏好分群、觀看分群及身分分群(其個別可包括N個第二候選用戶)之後,後端設備120可取得各第二候選用戶所觀看過的多個第二影音。接著,後端設備120可估計各第二候選用戶的各第二影音與第一用戶的一第二相似度,並據以產生第二影音推荐清單。
概略而言,後端設備120可採用先前估計各第一候選用戶的各第一影音與第一用戶的第一相似度的方式來估計各第二候選用戶的各第二影音與第一用戶的第二相似度。
具體來說,在第一實施例中,後端設備120可取得各第二影音對應於各偏好關鍵子的第二影音偏好分數,並基於各第二影音對應於各偏好關鍵子的第二影音偏好分數及第一用戶對應各偏好關鍵子的偏好分數估計第一用戶與各第二影音之間的第二相似度。相關細節可參照先前第一實施例中取得第一相似度的說明,於此不另贅述。
之後,後端設備120可依據各第二影音對應的第二相似度排序前述第二影音,並基於前述第二影音中排序在前的預設數量個第二影音產生第二影音推荐清單。亦即,後端設備120可將第一實施例中具較高第二相似度的N個第二影音歸類至第二影音推荐清單中。
另外,在第二實施例中,後端設備120可取得各第二影音對應於各特定關鍵子的一第三關鍵子次數,並基於前述歷史影音的前述特定關鍵子個別的第一關鍵子次數及各第二影音對應於各特定關鍵子的第三關鍵子次數估計第一用戶與各第二影音的第二相似度。相關細節可參照先前第二實施例中取得第一相似度的說明,於此不另贅述。
之後,後端設備120可依據各第二影音對應的第二相似度排序前述第二影音,並基於前述第二影音中排序在前的預設數量個第二影音產生第二影音推荐清單。亦即,後端設備120可將第二實施例中具較高第二相似度的N個第二影音歸類至第二影音推荐清單中。
此外,在第三實施例中,後端設備120可將(重新產生的)身分分群中的第二候選用戶中與第一用戶最為相似的一或多者所觀看過的N個第二影音歸類至第二影音推荐清單中。
由上可概略看出,第二影音推荐清單中可包括由第一、第二、第三實施例所個別得出的N個第二影音,故第二影音推荐清單中共可包括3×N個第二影音。在一實施例中,後端設備120
還可進一步從所述3×N個第二影音取出與第一用戶最為相關的N者,並將其餘的第二影音從第二影音推荐清單移除,但可不限於此。
在依據上述教示取得第二影音推荐清單之後,後端設備120可將第二影音推荐清單提供予前端設備110,以透過前端設備110將第二影音推荐清單呈現予第一用戶參考。藉此,可令第一用戶查看與自身偏好/習慣/身分較為適配的第二影音推荐清單,從而可較輕易地從中找到有興趣的影音進行觀賞。從另一觀點而言,本發明還可理解為避免將第一用戶較不感興趣的影音推荐予第一用戶,從而可改善第一用戶的用戶體驗。
在一實施例中,若所考慮的第一用戶為影音推荐系統100的新用戶(亦即未有相關的歷史觀看記錄),則後端設備120可僅基於第一、第三實施例的教示來產生第一、第二影音推荐清單,但本發明可不限於此。
綜上所述,本發明可概略理解為包括兩個階段。在第一個階段中,本發明的方法及系統可先依據第一用戶的偏好、歷史觀看記錄及個人身分從既有用戶中找出與第一用戶較為相似的偏好分群、觀看分群及身分分群,再依據這些分群中各第一候選用戶所觀看過的第一影音產生第一影音推荐清單。之後,若判定某第一候選用戶所觀看的新影音不屬於第一影音推荐清單,則第二個階段可相應地被觸發。
在第二個階段中,本發明的方法可依據新影音修正對應
的偏好關鍵子的偏好分數及/或累加對應的影音分類的歷史影音數量,並據以產生新的偏好分群、觀看分群及身分分群。之後,可再依據這些分群中各第二候選用戶所觀看過的第二影音產生第二影音推荐清單。
如此一來,可令呈現予第一用戶的第一/第二影音推荐清單更為適合第一用戶。因此,當本發明應用於後端設備所提供的影音平台時,針對動輒數十萬部以上的影音,除了能夠進行有效過濾之外,還可自動學習用戶有興趣的影音,從而進行推荐。並且,本發明還可解決新用戶一開始沒有歷史觀看記錄時的推荐問題,並結合既有用戶,提供一個整合式的影音推荐清單。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S210~S240:步驟
Claims (11)
- 一種影音推荐方法,包括: 基於一第一用戶的一偏好、一歷史觀看記錄及一個人身分從多個既有用戶中找出多個第一用戶分群,其中各該第一用戶分群包括多個第一候選用戶; 取得各該第一候選用戶所觀看過的多個第一影音; 估計各該第一候選用戶的各該第一影音與該第一用戶的一第一相似度,並據以產生一第一影音推荐清單; 反應於判定該些第一候選用戶的其中之一所觀看的一新影音不屬於該第一影音推荐清單,依據該新影音將該第一影音推荐清單更新為一第二影音推荐清單,並透過一前端設備提供予該第一用戶。
- 如申請專利範圍第1項所述的方法,其中該些第一用戶分群包括對應於該第一用戶的該偏好的一偏好分群,且所述方法包括: 取得該第一用戶的一網路瀏覽記錄,並基於該網路瀏覽記錄所包括的多個網頁取得多個偏好關鍵子; 取得各該偏好關鍵子所對應的檔案數量及檔案時間,並據以估計各該偏好關鍵子的一偏好分數; 估計各該既有用戶對於各該偏好關鍵子的一參考偏好分數; 基於該第一用戶的各該偏好關鍵子的該偏好分數與各該既有用戶對於各該偏好關鍵子的該參考偏好分數估計該第一用戶與各該既有用戶之間的一第一偏好相似度; 基於各該既有用戶對應的該第一偏好相似度排序該些既有用戶,並將排序在前的預設數量個既有用戶歸類至該偏好分群,以作為該偏好分群中的該些第一候選用戶。
- 如申請專利範圍第2項所述的方法,其中估計各該第一候選用戶的各該第一影音與該第一用戶的該第一相似度,並據以產生該第一影音推荐清單的步驟包括: 取得各該第一影音對應於各該偏好關鍵子的一第一影音偏好分數; 基於各該第一影音對應於各該偏好關鍵子的該第一影音偏好分數及該第一用戶對應各該偏好關鍵子的該偏好分數估計該第一用戶與各該第一影音之間的該第一相似度; 依據各該第一影音對應的該第一相似度排序該些第一影音,並基於該些第一影音中排序在前的預設數量個第一影音產生該第一影音推荐清單。
- 如申請專利範圍第2項所述的方法,其中該第一用戶的該歷史觀看記錄包括該第一用戶觀看過的多個歷史影音,且該些第一用戶分群包括對應於該歷史觀看記錄的一觀看分群,且所述方法包括: 取得該些歷史影音所屬的多個影音分類,並統計該些歷史影音在各該影音分類中的一歷史影音數量; 取得各該既有用戶所觀看過的多個參考影音,並累計各該既有用戶的該些參考影音在各該影音分類中的一參考影音數量; 基於該些歷史影音在各該影音分類中的該歷史影音數量及各該既有用戶的該些參考影音在各該影音分類中的該參考影音數量估計該第一用戶與各該既有用戶之間的一第一分類相似度; 基於各該既有用戶對應的該第一分類相似度排序該些既有用戶,並將排序在前的預設數量個既有用戶歸類至該觀看分群,以作為該觀看分群中的該些第一候選用戶。
- 如申請專利範圍第4項所述的方法,其中估計各該第一候選用戶的各該第一影音與該第一用戶的該第一相似度,並據以產生該第一影音推荐清單的步驟包括: 統計該些歷史影音的多個特定關鍵子個別的一第一關鍵子次數; 取得各該第一影音對應於各該特定關鍵子的一第二關鍵子次數; 基於該些歷史影音的該些特定關鍵子個別的該第一關鍵子次數及各該第一影音對應於各該特定關鍵子的該第二關鍵子次數估計該第一用戶與各該第一影音的該第一相似度; 依據各該第一影音對應的該第一相似度排序該些第一影音,並基於該些第一影音中排序在前的預設數量個第一影音產生該第一影音推荐清單。
- 如申請專利範圍第4項所述的方法,其中該第一用戶的該個人身分包括多個第一用戶資料,且所述方法包括: 取得各該既有用戶的多個參考用戶資料,其中該些參考用戶資料對應於該些第一用戶資料; 基於該第一用戶的該些第一用戶資料及各該既有用戶的該些參考用戶資料估計該第一用戶與各該既有用戶之間的一第一身分相似度; 基於各該既有用戶對應的該第一身分相似度排序該些既有用戶,並將排序在前的預設數量個既有用戶歸類至該身分分群,以作為該身分分群中的該些第一候選用戶。
- 如申請專利範圍第4項所述的方法,其中依據該新影音將該第一影音推荐清單更新為該第二影音推荐清單的步驟包括: 取得該新影音的多個新關鍵子; 反應於判定該些新關鍵子的一第一新關鍵子對應於該些偏好關鍵的一第一偏好關鍵子,修正該第一偏好關鍵子的該偏好分數; 反應於判定該新影音屬於該些影音分類中的一第一影音分類,累加該第一影音分類的該歷史影音數量; 依據該第一偏好關鍵子修正後的該偏好分數及該第一影音分類累加後的該歷史影音數量重新產生該偏好分群、該觀看分群及該身分分群,其中該偏好分群、該觀看分群及該身分分群個別包括多個第二候選用戶; 取得各該第二候選用戶所觀看過的多個第二影音; 估計各該第二候選用戶的各該第二影音與該第一用戶的一第二相似度,並據以產生該第二影音推荐清單。
- 如申請專利範圍第7項所述的方法,其中依據該第一偏好關鍵子修正後的該偏好分數及該第一影音分類累加後的該歷史影音數量重新產生該偏好分群、該觀看分群及該身分分群的步驟包括: 基於該第一用戶的各該偏好關鍵子的該偏好分數與各該既有用戶對於各該偏好關鍵子的該參考偏好分數估計該第一用戶與各該既有用戶之間的一第二偏好相似度; 基於各該既有用戶對應的該第二偏好相似度排序該些既有用戶,並將排序在前的預設數量個既有用戶歸類至該偏好分群,以作為該偏好分群中的該些第二候選用戶; 基於該些歷史影音在各該影音分類中的該歷史影音數量及各該既有用戶的該些參考影音在各該影音分類中的該參考影音數量估計該第一用戶與各該既有用戶之間的一第二分類相似度; 基於各該既有用戶對應的該第二分類相似度排序該些既有用戶,並將排序在前的預設數量個既有用戶歸類至該觀看分群,以作為該觀看分群中的該些第二候選用戶。
- 如申請專利範圍第8項所述的方法,其中估計各該第二候選用戶的各該第二影音與該第一用戶的該第二相似度,並據以產生該第二影音推荐清單的步驟包括: 取得各該第二影音對應於各該偏好關鍵子的一第二影音偏好分數; 基於各該第二影音對應於各該偏好關鍵子的該第二影音偏好分數及該第一用戶對應各該偏好關鍵子的該偏好分數估計該第一用戶與各該第二影音之間的該第二相似度; 依據各該第二影音對應的該第二相似度排序該些第二影音,並基於該些第二影音中排序在前的預設數量個第二影音產生該第二影音推荐清單。
- 如申請專利範圍第8項所述的方法,其中估計各該第二候選用戶的各該第二影音與該第一用戶的該第二相似度,並據以產生該第二影音推荐清單的步驟包括: 取得各該第二影音對應於各該特定關鍵子的一第三關鍵子次數; 基於該些歷史影音的該些特定關鍵子個別的該第一關鍵子次數及各該第二影音對應於各該特定關鍵子的該第三關鍵子次數估計該第一用戶與各該第二影音的該第二相似度; 依據各該第二影音對應的該第二相似度排序該些第二影音,並基於該些第二影音中排序在前的預設數量個第二影音產生該第二影音推荐清單。
- 一種影音推荐系統,包括: 一前端設備,其屬於一第一用戶; 一後端設備,其經配置以: 基於該第一用戶的一偏好、一歷史觀看記錄及一個人身分從多個既有用戶中找出多個第一用戶分群,其中各該第一用戶分群包括多個第一候選用戶; 取得各該第一候選用戶所觀看過的多個第一影音; 估計各該第一候選用戶的各該第一影音與該第一用戶的一第一相似度,並據以產生一第一影音推荐清單; 反應於判定該些第一候選用戶的其中之一所觀看的一新影音不屬於該第一影音推荐清單,依據該新影音將該第一影音推荐清單更新為一第二影音推荐清單,並透過該前端設備提供予該第一用戶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108138696A TWI712315B (zh) | 2019-10-25 | 2019-10-25 | 影音推荐方法及系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108138696A TWI712315B (zh) | 2019-10-25 | 2019-10-25 | 影音推荐方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI712315B true TWI712315B (zh) | 2020-12-01 |
TW202118305A TW202118305A (zh) | 2021-05-01 |
Family
ID=74669879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108138696A TWI712315B (zh) | 2019-10-25 | 2019-10-25 | 影音推荐方法及系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI712315B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037355A1 (en) * | 2004-12-29 | 2009-02-05 | Scott Brave | Method and Apparatus for Context-Based Content Recommendation |
US7849092B2 (en) * | 2007-08-13 | 2010-12-07 | Yahoo! Inc. | System and method for identifying similar media objects |
US20110153663A1 (en) * | 2009-12-21 | 2011-06-23 | At&T Intellectual Property I, L.P. | Recommendation engine using implicit feedback observations |
US20120036523A1 (en) * | 2009-01-01 | 2012-02-09 | Orca Interactive Ltd. | Adaptive Blending of Recommendation Engines |
US9230212B2 (en) * | 2012-02-02 | 2016-01-05 | Peel Technologies, Inc. | Content based recommendation system |
US20160328409A1 (en) * | 2014-03-03 | 2016-11-10 | Spotify Ab | Systems, apparatuses, methods and computer-readable medium for automatically generating playlists based on taste profiles |
-
2019
- 2019-10-25 TW TW108138696A patent/TWI712315B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037355A1 (en) * | 2004-12-29 | 2009-02-05 | Scott Brave | Method and Apparatus for Context-Based Content Recommendation |
US7849092B2 (en) * | 2007-08-13 | 2010-12-07 | Yahoo! Inc. | System and method for identifying similar media objects |
US20120036523A1 (en) * | 2009-01-01 | 2012-02-09 | Orca Interactive Ltd. | Adaptive Blending of Recommendation Engines |
US20110153663A1 (en) * | 2009-12-21 | 2011-06-23 | At&T Intellectual Property I, L.P. | Recommendation engine using implicit feedback observations |
US9230212B2 (en) * | 2012-02-02 | 2016-01-05 | Peel Technologies, Inc. | Content based recommendation system |
US20160328409A1 (en) * | 2014-03-03 | 2016-11-10 | Spotify Ab | Systems, apparatuses, methods and computer-readable medium for automatically generating playlists based on taste profiles |
Also Published As
Publication number | Publication date |
---|---|
TW202118305A (zh) | 2021-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240202455A1 (en) | Identifying multimedia asset similarity using blended semantic and latent feature analysis | |
US10250933B2 (en) | Remote device activity and source metadata processor | |
US9317468B2 (en) | Personal content streams based on user-topic profiles | |
CN104317835B (zh) | 视频终端的新用户推荐方法 | |
US8200689B2 (en) | Apparatus, method and computer program for content recommendation and recording medium | |
US8214318B2 (en) | Apparatus, method and computer program for content recommendation and recording medium | |
US20130283303A1 (en) | Apparatus and method for recommending content based on user's emotion | |
US9235574B2 (en) | Systems and methods for providing media recommendations | |
US10380649B2 (en) | System and method for logistic matrix factorization of implicit feedback data, and application to media environments | |
US20140351234A1 (en) | System and Method for Enhancing User Search Results by Determining a Streaming Media Program Currently Being Displayed in Proximity to an Electronic Device | |
US20180103293A1 (en) | Systems and methods for identifying non-canonical sessions | |
JP2018530847A (ja) | 広告配信のための動画使用情報処理 | |
WO2009006234A2 (en) | Automatic video recommendation | |
US20180167678A1 (en) | Interactive media system | |
WO2016172306A1 (en) | Systems and methods for improving accuracy in media asset recommendation models | |
US9432477B2 (en) | Identifying matching video content | |
TWI712315B (zh) | 影音推荐方法及系統 | |
CN106462618B (zh) | 用于第二设备的动态当前结果 | |
Clement et al. | Impact of recommendation engine on video-sharing platform-YouTube | |
CN110719280B (zh) | 基于大数据的用户隐私保护的推荐***及方法 | |
Friedrich et al. | User preference-based probability spreading for tag-aware content recommendation | |
EP2884405A1 (en) | Method and apparatus for classifying a multimedia file | |
Bambini et al. | Recommender systems for interactive TV |