一種視頻內容推薦方法、設備和系統(tǒng)的制作方法
【專利摘要】本發(fā)明實施例提供一種視頻內容推薦方法、設備和系統(tǒng)，視頻內容推薦設備對用戶歷史觀看數(shù)據(jù)進行分析，得到各種個性化喜好參數(shù)；根據(jù)各種個性化喜好參數(shù)和用戶個體特性信息，對用戶歷史觀看數(shù)據(jù)進行整理和交叉，得到按照個性化喜好參數(shù)和用戶個體特性信息的分組觀看數(shù)據(jù)；根據(jù)表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣對分組觀看數(shù)據(jù)進行處理；基于處理結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù)；按一定的比例折算成推薦權重系數(shù)Wi；根據(jù)不同的權重系數(shù)Wi進行對應視頻內容的推薦。通過本發(fā)明的視頻內容推薦方法、設備和系統(tǒng)，可以對不同頻道進行精細的視頻內容推薦。
【專利說明】
_種視頻內容推薦方法、設備和系統(tǒng)
技術領域
[0001]本發(fā)明實施例涉及視頻技術領域，尤其涉及一種視頻內容推薦方法、設備和系統(tǒng)。
【背景技術】
[0002]近幾年，互聯(lián)網(wǎng)、網(wǎng)絡視頻、IT、家電甚至于消費類電子產品等企業(yè)紛紛通過多種跨界(如，跨屏、跨平臺、跨網(wǎng)絡、跨生態(tài)鏈等)向傳統(tǒng)廣電領域滲透。
[0003]隨著上述企業(yè)不斷的“攻城掠地”，無論是用戶群體還是其市場份額，傳統(tǒng)廣電機構終于意識到危機的來臨，部分地區(qū)的廣電機構“領頭羊”們開始緊盯著全球科技的新趨勢、新技術，也想借此機會在云計算、大數(shù)據(jù)、云存儲、3D、全息影像等方面發(fā)力。
[0004]隨著互聯(lián)網(wǎng)特別是社會化網(wǎng)絡的快速發(fā)展，我們正處于信息過載的時代。用戶面對過量的信息很難找到自己真正感興趣的內容，而內容提供商也很難把優(yōu)質的內容準確推送給感興趣的用戶。推薦系統(tǒng)被認為是解決這些問題的有效方法，它對用戶的歷史行為進行挖掘，對用戶興趣進行建模，并對用戶未來的行為進行預測，從而建立了用戶和內容的關系O
[0005]視頻網(wǎng)站同樣也面臨著信息過載的問題，比如YouTube目前有數(shù)十億視頻條目，而且每分鐘都有近1500分鐘時長的視頻被上傳，而專業(yè)視頻網(wǎng)站Hulu也有近20萬的高質量視頻，用戶也很難從中找到自己真正感興趣的內容；同時提高用戶的觀看和停留時間也非常重要，所以推薦系統(tǒng)對于視頻網(wǎng)站來說是有必要的。
[0006]目前視頻網(wǎng)站主要分為兩種，一種是以用戶產生內容為主的網(wǎng)站(UGC網(wǎng)站)，比如國外的YouTube和國內的優(yōu)酷、土豆等；另一種是專業(yè)視頻內容為主的網(wǎng)站，比如國外的Hulu、Netflix和國內的奇藝、新浪大片、搜狐視頻等。為了獲得廣告商和資本市場的青睞，國內UGC視頻網(wǎng)站比如優(yōu)酷和土豆也紛紛轉型為兩者兼?zhèn)涞哪Ｊ?。這兩種視頻網(wǎng)站的內容和用戶行為都是不一樣的，從而會導致相應的推薦系統(tǒng)的設計也會有一定差別。
[0007]相比較而言，UGC網(wǎng)站的視頻數(shù)量多，內容比較豐富，但是質量良莠不齊，以短視頻居多，而且沒很好的內容數(shù)據(jù)。一般的推薦是基于單個視頻的，而且會對視頻質量做一定過濾(比如去重和限制最少觀看次等);UGC內容生命周期比較短，所以推薦系統(tǒng)的設計比較強調時效性，把最新的視頻推薦給用戶，保持推薦的新鮮性；同時UGC網(wǎng)站的內容比較多樣化并且用戶一般沒有很強的目的性，所以推薦要盡量多樣化并且和用戶最近的行為相關。
[0008]對于專業(yè)視頻網(wǎng)站，內容一般有很好的結構化內容數(shù)據(jù)，基本上都是按照電視劇或者電影來統(tǒng)一組織視頻，所以推薦一般都是基于劇集而不是單個視頻;劇集按照現(xiàn)在是否在播又分為首播劇(On-airshow)和重播劇(Library show)，相比較而言首播劇一般比較熱門，用戶獲知的渠道很多并對其有明確的追看(Catch-up)需求，而過往劇集更適合推薦；視頻的長度一般比較長而且劇集中有很多視頻，用戶的接受成本相對比較高，推薦的時機也是專業(yè)視頻網(wǎng)站需要考慮的問題，比如周末或者節(jié)假日用戶比較空閑而且一般沒有首播劇，適合推薦一些較長的連續(xù)劇等。
[0009]當然除了這些不同點外，一般認為視頻網(wǎng)站的推薦系統(tǒng)設計還應遵循一些基本的原則，比如系統(tǒng)能給出合理的推薦贏得用戶的信任;系統(tǒng)能對用戶的行為作出即時的反應；推薦的邏輯對用戶透明；在適當時機鼓勵用戶積極參與和反饋;推薦的結果要提供足夠的信息等。
[0010]從推薦產品形態(tài)上來看，目前在視頻網(wǎng)站中使用的推薦有以下幾類:相關推薦、個性化推薦以及個性化電視頻道等。
[0011]相關推薦就是把用戶正在觀看或者瀏覽的視頻的相關視頻推薦給用戶，也就是“喜歡這個視頻的用戶還喜歡”，結果展示出視頻的重要信息(標題、縮略圖、平均打分、類型、年代、時長、簡介、導演、演員等)，并且提供打分或者不感興趣的選項來收集用戶反饋。
[0012]個性化推薦是根據(jù)用戶所有的歷史行為推斷出用戶的興趣，并以此推薦用戶最可能感興趣的視頻列表。與相關推薦相比，個性化推薦綜合使用了用戶的所有歷史行為，包括打分、觀看、訂閱、搜索、標注標簽、分享和評論等，而不僅僅是當前的單個瀏覽或觀看行為，所以更準確反映出用戶的興趣。從歷史行為中反映的用戶興趣也可能會多樣化，所以一般個性化推薦展示結果會按照相對獨立的興趣點(比如類型等)進行聚合。例如個性化推薦的展示形式:我們按照推薦視頻的類型對結果進行聚合，用戶也可以切換自己感興趣的類型；結果有很詳細的視頻內容信息以及最有用的用戶評論信息;推薦結果有解釋；用戶可以直接對推薦結果進行“已經看過”或者“感興趣與否”的反饋，如果感興趣還可以進一步收藏推薦結果或者直接進入觀看頁面等。
[0013]用戶可以創(chuàng)建自己的頻道，或者推薦系統(tǒng)根據(jù)用戶的歷史行為自動創(chuàng)建符合用戶興趣的視頻節(jié)目頻道。用戶可以不間斷地觀看頻道里面的視頻，播放的過程中系統(tǒng)不斷收集用戶對視頻的反饋(喜歡、不喜歡、跳過、看完等)實時調整推薦列表，讓用戶看到越來越滿意的結果。
[0014]個性化推薦系統(tǒng)具有良好的發(fā)展和應用前景。目前，幾乎所有的大型電子商務系統(tǒng)，如AmazorueBay等不同程度的使用了各種形式的推薦系統(tǒng)。國內方面，知名購物網(wǎng)站麥包包、凡客誠品、庫巴網(wǎng)、紅孩子等都率先選擇了本土最先進的百分點推薦引擎系統(tǒng)構建個性化推薦服務系統(tǒng)。在日趨激烈的競爭環(huán)境下，個性化推薦系統(tǒng)能有效的保留客戶，提高電子商務系統(tǒng)的服務能力。成功的推薦系統(tǒng)會帶來巨大的效益。另一方面，各種提供個性化服務的Web站點也需要推薦系統(tǒng)的大力支持，國內推薦系統(tǒng)領航者百分點科技就Web站點個性化內容推薦方面也做出了貢獻，在信息爆棚的今天，實施個性化閱讀勢在必行。
[0015]—般認為推薦系統(tǒng)的方法可以按照數(shù)據(jù)和模型兩個維度進行分類。從使用的數(shù)據(jù)上來看，推薦系統(tǒng)可以分為協(xié)同過濾系統(tǒng)、內容過濾系統(tǒng)和社會化過濾系統(tǒng)等;從使用的模型來看可分為基于鄰域的模型、矩陣分解模型和圖模型等。
[0016]協(xié)同過濾是推薦系統(tǒng)中最著名的方法，它主要通過用戶的歷史行為分析出用戶的興趣并給用戶做出推薦。協(xié)同過濾有很多算法，比較常見的有鄰域算法(User CF和I tem CF等)、矩陣分解算法(或Latent Factor Model，如RSVD和SVD++等)和圖算法等。目前視頻網(wǎng)站中比較常用的協(xié)同過濾算法是Item CF，它的基本假設就是用戶會喜歡跟自己之前喜歡視頻比較類似的視頻。因此在給這個用戶做推薦的時候，需要先從用戶的歷史行為中得到他喜歡的視頻列表，然后從剩下的視頻中找到和用戶之前喜歡列表最相似的視頻推薦給他。可見這個方法最核心的就是怎樣合理計算兩個視頻的相似度，比較常用的有余弦相似度或者皮爾遜相關系數(shù)等，實際使用的時候需要根據(jù)具體情況進行修正。一般認為Item CF算法比較簡單、容易擴展，準確度比較高，能實時更新而且可以解釋，可以處理顯式(打分或者感興趣)或者隱式反饋(其他如觀看等行為)，所以在實際的視頻推薦系統(tǒng)中如Netflix、Hulu和YouTube都使用了它。協(xié)同過濾方法的一個重要缺點是不能冷啟動，也就是對于新加入的視頻或者用戶都不能做出推薦，一般需要混合其他推薦方法(比如內容過濾等)來處理這個問題。
[0017]內容過濾的基本思想是給用戶推薦和他們之前喜歡的視頻在內容上相似的其他視頻。比如用戶喜歡看《兩桿大煙槍》，那么內容過濾系統(tǒng)就會推薦蓋.里奇的其他類似內容作品如《偷拐搶騙》等;如果用戶喜歡《火影忍者》，系統(tǒng)就會推薦《火影忍者疾風傳》或者其他熱血類的日本動畫。因此內容過濾的核心是怎樣計算兩個視頻之間的內容相似度。一般情況下，計算視頻的內容相似度是從視頻內容(比如標題、類型、地區(qū)、出品公司、年代、導演、演員、劇情簡介、用戶標簽、評論等)中抽取出關鍵詞，然后確定這些關鍵詞的權重，這樣得到了這個視頻的向量模型，再計算兩個視頻向量模型的相似度。隨著專家標注系統(tǒng)Pandora在音樂推薦領域的大獲成功，目前在視頻領域也出現(xiàn)了類似的網(wǎng)站比如Jinni，它定義了描述電影基因的900多個標簽(類型、劇情、類別、年代、地點、心情、適合的觀影人群、好評、風格、態(tài)度、畫面等)，然后電影專家會給每部電影標注這些標簽，從而可以得到每部電影的專家標注的向量空間并以此做出推薦。由于專家標注的工作量非常大又沒有公認的收益，目前在實際中并沒有大規(guī)模使用，一般視頻網(wǎng)站還是使用比較傳統(tǒng)的方法，結合視頻的內容和用戶的標簽進行內容過濾。
[0018]社會化過濾的思想是用戶的喜好可能會受他在社會網(wǎng)絡中的好友影響。隨著SNS網(wǎng)絡的興起，社會化網(wǎng)絡的推薦越來越受到關注，比如視頻搜索網(wǎng)站Clicker就利用Facebook的好友關系做出推薦；當然利用Facebook的另外一個好處是視頻網(wǎng)站可以得到用戶的更多信息，特別是一些站外的Like信息，這些也會幫助改善推薦質量。
[0019]視頻推薦系統(tǒng)主要工作是從用戶的歷史行為中分析出用戶的興趣然后找出符合其興趣的視頻展示給用戶。因此一個完整的推薦系統(tǒng)，至少包括日志系統(tǒng)、推薦引擎和展示界面設計等部分。
[0020]日志系統(tǒng)主要收集用戶的行為和對推薦系統(tǒng)的反饋。推薦引擎也分離線和在線兩部分:離線系統(tǒng)主要負責生成視頻相關矩陣，存儲在數(shù)據(jù)庫中，供在線系統(tǒng)實時查詢和調用;在線系統(tǒng)負責實時響應用戶的請求，在線提取和分析用戶行為并生成最終推薦結果。
[0021]推薦引擎離線部分利用收集到的用戶行為日志:計算出一系列的關聯(lián)矩陣(比如視頻之間的兩兩相似度、電影主題和視頻的之間關聯(lián)等)；計算全局或者某些群體用戶的對推薦系統(tǒng)反饋(比如用戶行為的權重、推薦算法的權重等)。
[0022]在進行視頻內容推薦時，面對的往往是在成千上萬個小時的海量視頻中大海撈針，傳統(tǒng)上須要投入的人力和時間，簡直讓人不敢想象，也很不現(xiàn)實。因此，如何通過從海量視頻中搜索特定目標并推薦給用戶，已經成為當前視頻內容推薦迫切須要解決的問題。
[0023]目前各種人工進行視頻內容推薦篩選，無法對不同頻道進行精細的視頻內容推薦。

【發(fā)明內容】

[0024]本發(fā)明實施例提供一種視頻內容推薦方法、設備和系統(tǒng)，用以解決現(xiàn)有技術中用戶無法對不同頻道進行精細的視頻內容推薦的缺陷。
[0025]本發(fā)明的一方面提供一種視頻內容推薦方法，包括:對用戶歷史觀看數(shù)據(jù)進行分析，得到各種個性化喜好參數(shù);根據(jù)各種個性化喜好參數(shù)和用戶個體特性信息，對用戶歷史觀看數(shù)據(jù)進行整理和交叉，得到按照個性化喜好參數(shù)和用戶個體特性信息的分組觀看數(shù)據(jù);根據(jù)表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣對分組觀看數(shù)據(jù)進行處理;基于處理結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù);按一定的比例將頻道作為自變量得到對應的系數(shù)折算成推薦權重系數(shù)1;根據(jù)不同的權重系數(shù)W1進行對應視頻內容的推薦。
[0026]本發(fā)明的另一方面提供一種視頻內容推薦設備，包括:處理器、發(fā)送器、接收器；
[0027]接收器，用于接收用戶觀看數(shù)據(jù)；
[0028]處理器用于對用戶歷史觀看數(shù)據(jù)進行分析，得到各種個性化喜好參數(shù);根據(jù)各種個性化喜好參數(shù)和用戶個體特性信息，對用戶歷史觀看數(shù)據(jù)進行整理和交叉，得到按照個性化喜好參數(shù)和用戶個體特性信息的分組觀看數(shù)據(jù);根據(jù)表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣對分組觀看數(shù)據(jù)進行處理;基于處理結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù);按一定的比例將頻道作為自變量得到對應的系數(shù)折算成推薦權重系數(shù)W1;根據(jù)不同的權重系數(shù)Wi確定對應的推薦視頻內容；
[0029]發(fā)送器，用于發(fā)送推薦視頻內容。
[0030]本發(fā)明的再另一方面提供一種視頻內容推薦系統(tǒng)，包括網(wǎng)絡傳輸系統(tǒng)和上述的視頻內容推薦設備。
[0031]本發(fā)明實施例提供的一種視頻內容推薦方法，設備和系統(tǒng)，可以對不同頻道進行精細的視頻內容推薦。
【附圖說明】
[0032]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0033]圖1為本發(fā)明一實施例的一種數(shù)字有線電視廣播系統(tǒng)結構示意圖；
[0034]圖2為本發(fā)明另一實施例的一種UMTS通信系統(tǒng)結構示意圖；
[0035]圖3為本發(fā)明另一實施例中的一種視頻內容推薦設備的結構示意圖；
[0036]圖4為本發(fā)明另一實施例的一種視頻內容推薦方法的流程示意圖。
【具體實施方式】
[0037]為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0038]本文中描述的視頻內容推薦方法及設備可用于各種視頻系統(tǒng)，例如有線電視系統(tǒng)，視頻網(wǎng)站，電子商務網(wǎng)站等等。
[0039]本文中描述的視頻內容推薦方法及設備可以通過各種終端實現(xiàn)，例如電腦，電視劇和具有視頻播放系統(tǒng)的無線終端。
[0040]其中，具有視頻播放系統(tǒng)的無線終端，可以是指向用戶提供語音和數(shù)據(jù)連通性的設備，具有無線連接功能的手持式設備、或連接到無線調制解調器的其他處理設備。具有視頻播放系統(tǒng)的無線終端可以經無線接入網(wǎng)(例如，RAN，Rad1 Access Network)與一個或多個核心網(wǎng)進行通信，具有視頻播放系統(tǒng)的無線終端可以是移動終端，如移動電話和具有移動終端的計算機，例如，可以是便攜式、袖珍式、手持式、計算機內置的或者車載的具有視頻播放系統(tǒng)的移動裝置，它們與無線接入網(wǎng)交換語言和/或數(shù)據(jù)。例如，具有視頻播放系統(tǒng)的個人通信業(yè)務(PCS，Personal Communicat1n Service)電話、無繩電話、會話發(fā)起協(xié)議(SIP)話機、無線本地環(huán)路(WLL,Wireless Local Loop)站、個人數(shù)字助理(PDA，PersonalDigital Assistant)等設備。具有視頻播放系統(tǒng)的無線終端也可以稱為系統(tǒng)、訂戶單元、訂戶站，移動站、移動臺、遠程站、接入點、遠程終端、接入終端、用戶終端、用戶代理、用戶設備或用戶裝備。
[0041]另外，本文中術語“系統(tǒng)”和“網(wǎng)絡”在本文中常被可互換使用。本文中術語“和/或”，僅僅是一種描述關聯(lián)對象的關聯(lián)關系，表示可以存在三種關系，例如，A和/或B，可以表示:單獨存在A，同時存在A和B，單獨存在B這三種情況。另外，本文中字符，一般表示前后關聯(lián)對象是一種“或”的關系。
[0042]本發(fā)明實施例的視頻內容推薦設備為一種視頻內容提供設備或視頻內容提供服務器，所示視頻內容提供設備或視頻內容提供服務器通過數(shù)字有線電視廣播系統(tǒng)或無線網(wǎng)絡通信系統(tǒng)給用戶終端提供視頻內容，用戶終端可以是電腦，PDA，電視機，移動手機電視，車載移動電視等等。
[0043]模擬電視有NTSC、PAL和SECAM三種標準。目前，數(shù)字電視在美國、歐洲和日本各自形成三種不同的數(shù)字電視標準。美國的標準是先進電視制式委員會(AT SC ,AdvancedTelevis1n System Committee)標準;歐洲的標準是數(shù)字視頻廣播(DVB，Digital VideoBroadcasting)標準；日本的標準是綜合業(yè)務數(shù)字廣播(ISDB，Integrated ServicesDigital Broadcasting)標準。我國也制定了相關的標準:中國移動多媒體廣播(CMMB，China Mobile Multimedia Broadcasting)標準，數(shù)字多媒體移動廣播(DMB，DigitalMultimedia Broadcasting)標準。DVB傳輸系統(tǒng)涉及衛(wèi)星、有線電視、地面、SMATV、MMDS等所有傳輸媒體。它們對應的DVB標準為:數(shù)字衛(wèi)星廣播系統(tǒng)標準(DVB-S)、數(shù)字有線電視廣播系統(tǒng)標準(DVB-C)、數(shù)字地面電視廣播系統(tǒng)標準(DVB-T)。
[0044]例如，如圖1所示，為本發(fā)明一實施例的一種數(shù)字有線電視廣播系統(tǒng)結構示意圖，數(shù)字有線電視廣播系統(tǒng)包括視頻內容提供服務器10、前端系統(tǒng)11、網(wǎng)絡系統(tǒng)12和用戶終端13，其中，視頻內容提供服務器10用于提供視頻內容，前端系統(tǒng)11是整個數(shù)字有線電視系統(tǒng)的核心，網(wǎng)絡系統(tǒng)12是系統(tǒng)的基礎平臺，用戶終端13是實現(xiàn)最終的結果。
[0045]前端系統(tǒng)11是有線電視網(wǎng)絡的信息源、交換中心，一般由數(shù)字衛(wèi)星接收機、視頻服務器、編解碼器、復用器、QAM調制器、各種管理服務器以及控制網(wǎng)絡部分等設備組成。數(shù)字電視前端系統(tǒng)11一般可分為四個主要部分:信號輸入部分、信號處理部分、信號輸出部分和系統(tǒng)管理部分，每一個部分都有其特定的功能，最終組成完整的數(shù)字電視前端系統(tǒng)。
[0046]輸入部分，接收來自不同網(wǎng)絡的許多節(jié)目，如衛(wèi)星、開路接收等各種接入方式，也有的是本地的模擬電視節(jié)目經編碼壓縮以及視頻服務器形成的，將接收的信號轉換為統(tǒng)一的格式送入信號處理部分。
[0047]信號處理部分包括:解擾、復用、SI處理等，它是數(shù)字前端的核心。信號處理部分主要完成的是對所有節(jié)目進行解擾、截取、復用等處理。服務信息隨時更新，以保證正確地引導機頂盒的正常工作，并且所有的應用數(shù)據(jù)均能正確地插入。另外，信號處理部分的管理，須采用集成的管理系統(tǒng)，在所有的前端處理部分，均以異步串行接口(ASI ,AsynchronousSerial Interface)作為標準接口，這樣以后就能容易增加任何廠商所提供的設備，具有良好的兼容性。
[0048]信號輸出部分接收信號處理部分已經處理的信息后，把它變成傳輸網(wǎng)絡所需的信號格式，典型的64QAM調制器用于有線電視網(wǎng)。在調制器的使用中，對輸出電平和頻率的設置調試非常重要。
[0049]系統(tǒng)管理部分的各種管理服務器主要完成一些用戶信息管理和計費工作，以及影視材料的管理工作和安全保密等?？刂凭W(wǎng)絡部分主要完成各種服務器中的各種信息傳遞工作及后臺的影視材料和數(shù)據(jù)的交換。
[0050]網(wǎng)絡部分12包括各種光發(fā)射機，各種光發(fā)射機組成的拓樸結構一般有星型結構、樹型結構和星樹型混合結構、以及兩級光鏈路級聯(lián)的雙星型結構。
[0051]用戶終端13，可以由數(shù)字機頂盒(STB)和顯示器組成，或者由網(wǎng)絡終端和顯示器組成，利用有線電視網(wǎng)絡作為傳輸平臺，使用戶享受數(shù)字電視、數(shù)據(jù)廣播等全方位的信息服務。
[0052]視頻內容提供設備或視頻內容提供服務器不僅可以和數(shù)字有線電視廣播系統(tǒng)結合，還可以和各種通信系統(tǒng)結合，用于向用戶提供數(shù)字電視、數(shù)據(jù)廣播等全方位的信息服務。
[0053 ]各種通信系統(tǒng)，例如當前2 G，3 G通信系統(tǒng)和下一代通信系統(tǒng)，例如全球移動通信(GSM,Global System for Mobile communicat1n)系統(tǒng)，碼分多址(CDMA，Code Divis1nMultiple Access)系統(tǒng)，時分多址(TDMA，Time Divis1n Multiple Access)系統(tǒng)，寬帶碼分多址(WCDMA，Wideband Code Divis1n Multiple Access Wireless)系統(tǒng)，頻分多址(FDMA,Frequency Divis1n Multiple Access)系統(tǒng)，正交頻分多址(0FDMA，0rthogonalFrequency-Divis1n Multiple Access)系統(tǒng)，通用分組無線業(yè)務(GPRS，General PacketRad1 Service)系統(tǒng)，通用移動通信UMTS(Universal Mobile Telecommunicat1ns)系統(tǒng)，長期演進(LTE，Long Term Evolut1n)系統(tǒng)，以及其他此類通信系統(tǒng)。
[0054]例如，以UMTS網(wǎng)絡為例，如圖2所示，為本發(fā)明另一實施例的一種UMTS通信系統(tǒng)結構示意圖。UMTS通信系統(tǒng)包括:相互通信的接入網(wǎng)和核心網(wǎng)，其中，接入網(wǎng)包括多個基站21和多個無線網(wǎng)絡控制器22，核心網(wǎng)分為電路域(CS domain)和分組域(PS domain)，CS域主要是話音業(yè)務，由相互連接的移動交換中心(MSC，Mobile Switching Center)服務器和媒體網(wǎng)關(MGff ,Media Gateway)組成，其中MSC服務器包括相互連接的訪問移動交換中心(VMSC,Visited Mobile-services Switching Centre)23和網(wǎng)關移動交換中心(GMSC，Gateway Mobile Switching CenterdPS域主要是移動數(shù)據(jù)業(yè)務，主要由相互連接的服務GPRS支持節(jié)點(SGSN，Serving GPRS Support Node)26和網(wǎng)關GPRS支持節(jié)點(GGSN，Gateway GPRS Support Node)27組成。MGW25還連接(PSTN，Public Switched TelephoneNetwork) 28等。GGSN27通過因特網(wǎng)29連接視頻內容提供服務器20。
[0055]視頻內容提供服務器20用于提供視頻內容，通過UMTS通信系統(tǒng)給用戶終端提供視頻內容。
[0056]視頻內容提供服務器10和20具有相同的結構，視頻內容提供服務器10和20還可以作為一種視頻內容推薦設備，例如，如圖3所示，為本發(fā)明另一實施例中的一種視頻內容提供設備的結構示意圖，其具體結構和工作過程如下。
[°°57] 視頻內容推薦設備包括處理器(processor) 301、發(fā)送器(transmitter) 302、接收器303、通信接口(Communicat1ns Interface)304、存儲器(memory)305和通信總線306 ；其中，處理器301、發(fā)送器302、接收器303、通信接口 304和存儲器305通過通信總線306完成相互間的通信。
[0058]處理器301可能是一個中央處理器CPU，或者是特定集成電路ASIC(Applicati0nSpecific Integrated Circuit)，或者是被配置成實施本發(fā)明實施例的一個或多個集成電路。
[0059]存儲器305用于存放程序代碼，程序代碼包括計算機操作指令。存儲器305可能包含高速RAM存儲器，也可能還包括非易失性存儲器(non-volatile memory)，例如至少一個磁盤存儲器。
[0060]通信接口304，用于實現(xiàn)這些裝置之間的連接通信。
[0061]接收器303，用于接收用戶觀看數(shù)據(jù)。
[0062]處理器301用于執(zhí)行程序代碼，用于對用戶歷史觀看數(shù)據(jù)進行分析，得到各種個性化喜好參數(shù);根據(jù)各種個性化喜好參數(shù)和用戶個體特性信息，對用戶歷史觀看數(shù)據(jù)進行整理和交叉，得到按照個性化喜好參數(shù)和用戶個體特性信息的分組觀看數(shù)據(jù);根據(jù)表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣對分組觀看數(shù)據(jù)進行處理;基于處理結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù);按一定的比例將頻道作為自變量得到對應的系數(shù)折算成推薦權重系數(shù)Wi;根據(jù)不同的權重系數(shù)Wi確定對應的推薦視頻內容。
[0063]發(fā)送器302，用于發(fā)送推薦視頻內容。
[0064]處理器301用于根據(jù)表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣對分組觀看數(shù)據(jù)進行處理具體包括:處理器301用于將表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣置于混合效應模型公式(I)，并根據(jù)混合效應模型公式(I)對分組觀看數(shù)據(jù)進行運算。
[0065]在本發(fā)明的另一實施例中，所有權重系數(shù)Wi序列之和是100%。
[0066]混合效應模型，簡稱混合模型，亦稱混合方差分量模型、方差分析模型m，既包含固定效應(Fixed Effect)模型，又包含隨機效應(Random Effect)的統(tǒng)計模型。
[0067]固定效應類似于標準回歸系數(shù)，直接有歷史數(shù)據(jù)回歸估計得到。
[0068]隨機效應不是直接估計(盡管它可能取自事后估計)，而是從它們的方差和協(xié)方差估計值中總結而來。隨機效應以隨機截距或者隨機系數(shù)的形式呈現(xiàn)，數(shù)據(jù)的組織結構可能包括嵌套分組的多重水平。這樣，在文獻中，混合效應模型還被稱為多水平模型和分層模型。用于擬合反應分布之變異的混合效應模型的混合效應命令以符合正態(tài)分布的隨機效應為條件。
[0069]混合效應模型的復雜性和全面性能夠有效捕捉數(shù)據(jù)的穩(wěn)定特征(固定效應)和隨機變化的特征(機效應)。
[0070]處理器301采用如下的混合效應模型公式(I)進行數(shù)據(jù)運算。
[0071]Yi = XiP+Zibi+ei 公式(I)
[0072]其中，X1= Z1K1是已知的(m Xp)協(xié)方差矩陣。任何相關的參數(shù)都會根據(jù)實際情況定義。其中，β表示固定效應，bi表示隨機效應，其中，β和bi為頻道作為自變量得到對應的系數(shù);其中￥工表示因變量矩陣，表示分組觀看數(shù)據(jù)，例如對于某個用戶看過的視頻組(要細分到不同類型屬性視頻)41表示自變量矩陣，表示用戶個體特性信息，例如一個用戶的用戶個體特性信息(例如，年齡，性別，收入等)；^表示誤差項矩陣，是混合效應模型自帶生成，不需要人工定義J1表示另一系列屬性區(qū)別于X1的自變量矩陣，例如用戶歷史觀看數(shù)據(jù);K1表示一個權重系數(shù)，經過一系列事前設定滿足X1 = Z1K15IU表示η個樣本里第i個;P表示實際的矩陣運算結果反應的參數(shù)，不需要人工定義；i表示第i個樣本中的序數(shù)i，為正整數(shù)，i =I，2，3，...，i0
[0073]其中，混合效應模型公式(I)還需要滿足如下要求:
[0074]bi ?N(0，D)
[0075]ε? ?Ν(0，Σ?)
[0076]cov(bi,b2,...,bi；ei,e2,...,εΝ)=0
[0077]其中，bi?N(0，D)表示b服從標準正態(tài)分布，其中N(0，D)表示標準正態(tài)分布。
[0078]ei?N(0，Xi)表示ε服從標準正態(tài)分布，其中ε??Ν(0，Xi)表示對應的標準正太分布，Si表示加和運算。
[0079]cov(bi,b2,...，bi; ，ε2，...，￡ν) =0表不協(xié)方差矩陣，cov表不協(xié)方差。
[0080]在本發(fā)明的另一方面，混合效應模型公式(I)的模型結果還參考因變量Yi的密度方程，定義為公式(2):
[0081]f (yi) = Jf (yi I bi)f (bi)dbi 公式(2)
[0082]其中，f(yi)表示密度方程表達式符號，yi表示因變量Yi里的元素，Hy1Ib1)表示用b來表達f (y)的密度方程，f (bi)表不b的密度方程，d表不微分符號。
[0083]本發(fā)明的另一實施例還提供一種視頻內容推薦方法，由視頻內容提供服務器(也即視頻內容推薦設備)執(zhí)行，如圖4所示，為本發(fā)明另一實施例的一種視頻內容推薦方法的流程示意圖。
[0084]步驟401，對用戶歷史觀看數(shù)據(jù)進行分析，得到各種個性化喜好參數(shù)。
[0085]例如，視頻內容提供服務器對用戶歷史觀看數(shù)據(jù)進行分析，得到用戶偏好的視頻所屬類型，以及各種類型所喜歡觀看的時間分布等。
[0086]步驟402，根據(jù)各種個性化喜好參數(shù)和用戶個體特性信息，對用戶歷史觀看數(shù)據(jù)進行整理和交叉，得到按照個性化喜好參數(shù)和用戶個體特性信息的分組觀看數(shù)據(jù)。
[0087]例如，視頻內容提供服務器根據(jù)得到的各種個性化喜好參數(shù)，結合用戶個體特性信息對對用戶歷史觀看數(shù)據(jù)進行整理和交叉得到對應分組，例如，用戶個體特性信息包括用戶年齡、收入、社交平臺活動的歷史等數(shù)據(jù)，例如觀看時間以及搭配的視頻類型/長短，不同年齡收入甚至教育程度用戶偏向的關鍵元素數(shù)據(jù)(例如演員，語種，視頻流版本等)。
[0088]步驟403，根據(jù)表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣對分組觀看數(shù)據(jù)進行處理。
[0089]例如，將表示歷史觀看數(shù)據(jù)的自變量矩陣、表示用戶個體特性信息的自變量矩陣和表示分組觀看數(shù)據(jù)的因變量矩陣置于混合效應模型公式(I)，并根據(jù)混合效應模型公式
(I)對分組觀看數(shù)據(jù)進行運算，其中，混合效應模型公式(I)參考前文。
[0090]步驟404，基于處理結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù)。
[0091]例如，基于混合效應模型公式(I)的運算結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù)，頻道作為自變量得到對應的系數(shù)為混合效應模型公式(I)中的β和bi，其中，β表示固定效應，bi表示隨機效應。
[0092]步驟405，按一定的比例將頻道作為自變量得到對應的系數(shù)折算成推薦權重系數(shù)
W1
[0093]權重系數(shù)Wi是經過一些列計算方法合成的有關于Yi = XiiHZibAei里面β和bi的數(shù)學組合，所有權重系數(shù)Wi序列之和是100%。
[0094]步驟406，根據(jù)不同的權重系數(shù)W1進行對應視頻內容的推薦。
[0095]在上述視頻內容推薦方法的運用中，步驟402-405的操作細節(jié)和制定規(guī)則都是獨立。根據(jù)不同的用戶特征和內容庫內容進行符合行業(yè)規(guī)則的分組。最后統(tǒng)一按照自定的映射規(guī)則換算成加和為100%的權重系數(shù)Wi序列，按照權重數(shù)值Wi序行實時的視頻內容組合推薦。
[0096]所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能模塊的劃分進行舉例說明，實際應用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將裝置的內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。
[0097]在本申請所提供的幾個實施例中，應該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模塊或單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。
[0098]以上所描述的裝置實施例僅僅是示意性的，所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。
[0099]另外，在本申請各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。
[0100]所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中?；谶@樣的理解，本申請的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)或處理器(processor)執(zhí)行本申請各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括:U盤、移動硬盤、只讀存儲器(ROM，Read-0nly Memory)、隨機存取存儲器(RAM,Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。
[0101]最后應說明的是:以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制;盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解:其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍。
【主權項】
1.一種視頻內容推薦方法，其特征在于，包括: 對用戶歷史觀看數(shù)據(jù)進行分析，得到各種個性化喜好參數(shù)； 根據(jù)所述各種個性化喜好參數(shù)和用戶個體特性信息，對所述用戶歷史觀看數(shù)據(jù)進行整理和交叉，得到按照所述個性化喜好參數(shù)和所述用戶個體特性信息的分組觀看數(shù)據(jù);根據(jù)表示所述歷史觀看數(shù)據(jù)的自變量矩陣、表示所述用戶個體特性信息的自變量矩陣和表示所述分組觀看數(shù)據(jù)的因變量矩陣對所述分組觀看數(shù)據(jù)進行處理； 基于所述處理結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù)； 按一定的比例將所述頻道作為自變量得到對應的所述系數(shù)折算成推薦權重系數(shù)W1; 根據(jù)不同的權重系數(shù)W1進行對應視頻內容的推薦。2.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)表示所述歷史觀看數(shù)據(jù)的自變量矩陣、表示所述用戶個體特性信息的自變量矩陣和表示所述分組觀看數(shù)據(jù)的因變量矩陣對所述分組觀看數(shù)據(jù)進行處理具體包括: 將表示所述歷史觀看數(shù)據(jù)的自變量矩陣、表示所述用戶個體特性信息的自變量矩陣和表示所述分組觀看數(shù)據(jù)的因變量矩陣置于混合效應模型公式(I)，并根據(jù)所述混合效應模型公式(I)對所述分組觀看數(shù)據(jù)進行運算； 其中，所述混合效應模型公式(I)為:Yi = Xi^+Zibi+￡i 其中，β表示固定效應，bi表示隨機效應，其中，所述β和bi為所述頻道作為自變量得到對應的系數(shù);其中Yi表示因變量矩陣，表示分組觀看數(shù)據(jù);Xi表示自變量矩陣，表示所述用戶個體特性信息；表示誤差項矩陣，是混合效應模型自帶生成;Z1表示另一系列屬性區(qū)別于X1的自變量矩陣，表示所述歷史觀看數(shù)據(jù);K1表示一個權重系數(shù)，經過一系列事前設定滿足X1= ZiKi ,Xi = ZiKi是已知的(m X P)協(xié)方差矩陣;m表示η個樣本里第i個;P表示實際的矩陣運算結果反應的參數(shù);i表示第i個樣本中的序數(shù)i，為正整數(shù)，i = l，2，3「_，i。3.根據(jù)權利要求2所述的方法，其特征在于，所述混合效應模型公式(I)還需要滿足如下要求: bi ?N(0，D) Ei?Ν(0，Σ?)cov(bi,b2,...,bi；ei,e2,...,εΝ)=0 其中，bi?N(0，D)表不b服從標準正態(tài)分布，其中N(0，D)表不標準正態(tài)分布； ?Ν(0, Σ i)表不ε服從標準正態(tài)分布，其中ε??N(0，Σ i)表不對應的標準正太分布，Si表示加和運算； cov(bi,b2,...,bi； ει, ε2,...，ε〃)=O表不協(xié)方差矩陣，cov表不協(xié)方差。4.根據(jù)權利要求2或3所述的方法，其特征在于，所述混合效應模型公式(I)的模型結果還參考因變量Yi的密度方程: f(yi)=Jf(yi|bi)f(bi)dbi 其中，f(yi)表示密度方程表達式符號，yi表示因變量Yi里的元素，f (Y1Ib1)表示用b來表達f (y)的密度方程，f (bi)表不b的密度方程，d表不微分符號。5.根據(jù)權利要求1-3任意一項所述的方法，其特征在于，所有所述權重系數(shù)1序列之和是 100%。6.一種視頻內容推薦設備，其特征在于，包括:處理器、發(fā)送器、接收器； 所述接收器，用于接收用戶觀看數(shù)據(jù)； 所述處理器用于對用戶歷史觀看數(shù)據(jù)進行分析，得到各種個性化喜好參數(shù);根據(jù)所述各種個性化喜好參數(shù)和用戶個體特性信息，對所述用戶歷史觀看數(shù)據(jù)進行整理和交叉，得到按照所述個性化喜好參數(shù)和所述用戶個體特性信息的分組觀看數(shù)據(jù);根據(jù)表示所述歷史觀看數(shù)據(jù)的自變量矩陣、表示所述用戶個體特性信息的自變量矩陣和表示所述分組觀看數(shù)據(jù)的因變量矩陣對所述分組觀看數(shù)據(jù)進行處理;基于所述處理結果，將各個視頻內容對應的頻道作為自變量得到對應的系數(shù);按一定的比例將所述頻道作為自變量得到對應的所述系數(shù)折算成推薦權重系數(shù)W1;根據(jù)不同的權重系數(shù)W1確定對應的推薦視頻內容； 所述發(fā)送器，用于發(fā)送所述推薦視頻內容。7.根據(jù)權利要求6所述的設備，其特征在于，所述處理器用于根據(jù)表示所述歷史觀看數(shù)據(jù)的自變量矩陣、表示所述用戶個體特性信息的自變量矩陣和表示所述分組觀看數(shù)據(jù)的因變量矩陣對所述分組觀看數(shù)據(jù)進行處理具體包括: 所述處理器用于將表示所述歷史觀看數(shù)據(jù)的自變量矩陣、表示所述用戶個體特性信息的自變量矩陣和表示所述分組觀看數(shù)據(jù)的因變量矩陣置于混合效應模型公式(I)，并根據(jù)所述混合效應模型公式(I)對所述分組觀看數(shù)據(jù)進行運算； 其中，所述混合效應模型公式(I)為:Yi = Xi^+Zibi+￡i 其中，β表示固定效應，bi表示隨機效應，其中，所述β和bi為所述頻道作為自變量得到對應的系數(shù);其中Yi表示因變量矩陣，表示分組觀看數(shù)據(jù);Xi表示自變量矩陣，表示所述用戶個體特性信息；表示誤差項矩陣，是混合效應模型自帶生成;Z1表示另一系列屬性區(qū)別于X1的自變量矩陣，表示所述歷史觀看數(shù)據(jù);K1表示一個權重系數(shù)，經過一系列事前設定滿足X1= ZiKi ,Xi = ZiKi是已知的(m X P)協(xié)方差矩陣;m表示η個樣本里第i個;P表示實際的矩陣運算結果反應的參數(shù);i表示第i個樣本中的序數(shù)i，為正整數(shù)，i = l，2，3「_，i。8.根據(jù)權利要求7所述的設備，其特征在于，所述處理器還用于根據(jù)所述混合效應模型公式(I)的如下要求進行運算: bi ?N(0，D) Ei?Ν(0，Σ?)cov(bi,b2,...,bi；ei,e2,...,εΝ)=0 其中，bi?N(0，D)表不b服從標準正態(tài)分布，其中N(0，D)表不標準正態(tài)分布； ?Ν(0, Σ i)表不ε服從標準正態(tài)分布，其中ε??N(0，Σ i)表不對應的標準正太分布，Si表示加和運算； cov(bi,b2,...,bi； ει, ε2,...，ε〃)=O表不協(xié)方差矩陣，cov表不協(xié)方差。9.根據(jù)權利要求7或8所述的設備，其特征在于，所述處理器還用于運算所述混合效應模型公式(I)的模型結果還參考因變量Yi的密度方程: f(yi)=Jf(yi|bi)f(bi)dbi 其中，f(yi)表示密度方程表達式符號，yi表示因變量Yi里的元素，f (Y1Ib1)表示用b來表達f (y)的密度方程，f (bi)表不b的密度方程，d表不微分符號。10.—種視頻內容推薦系統(tǒng)，其特征在于，包括網(wǎng)絡傳輸系統(tǒng)和根據(jù)權利要求6-9任意一項所述的視頻內容推薦設備。
【文檔編號】H04N21/466GK105915949SQ201510980566
【公開日】2016年8月31日
【申請日】2015年12月23日
【發(fā)明人】張雨薇
【申請人】樂視網(wǎng)信息技術（北京）股份有限公司