專利名稱：一種音視頻節(jié)目推薦方法
技術(shù)領(lǐng)域：
本發(fā)明涉及網(wǎng)絡(luò)及音視頻技術(shù)領(lǐng)域，尤其涉及ー種音視頻節(jié)目推薦方法。
背景技術(shù)：
隨著網(wǎng)絡(luò)技術(shù)、影視數(shù)字化技術(shù)以及硬盤存儲技術(shù)的發(fā)展，各類的網(wǎng)絡(luò)影視系統(tǒng)逐漸興起。按照用戶觀影屏的不同，現(xiàn)有的網(wǎng)絡(luò)影視系統(tǒng)可以分為三類基于電腦屏的互聯(lián)網(wǎng)影視系統(tǒng)、基于手機或平板電腦的移動影視系統(tǒng)以及基于包廂投影屏觀看的視聽館影視系統(tǒng)。
當前每ー個主流的影視系統(tǒng)基本上都擁有著海量的影視節(jié)目庫。在傳統(tǒng)的電影院市場里，由于同一時間上檔的電影數(shù)量非常少，用戶總是可以很快瀏覽完所有節(jié)目并挑選喜愛的電影購買觀看。但如今網(wǎng)絡(luò)上的用戶則不同，由于是海量節(jié)目庫，絕大部分的用戶都不會也不能花費大量的精力來遍歷影視系統(tǒng)上的所有影視節(jié)目，因此每個影視系統(tǒng)的影視節(jié)目推薦及檢索功能就顯得相當重要。一般來說，網(wǎng)絡(luò)影視系統(tǒng)的用戶可以分為兩類目的型用戶和漫游型用戶。前者有明確的觀影需求，知道要觀看哪些節(jié)目，通常使用影視系統(tǒng)的捜索功能來找到要觀看的影視節(jié)目；后者通常只是隨便逛逛，只有遇到感興趣的節(jié)目才可能會觀看。從當前數(shù)據(jù)來說，后者要占據(jù)更大的比重。后者里很大的一部分是會員用戶，這批(收費或免費的)會員用戶多次訪問影視系統(tǒng)后，原有的明確觀影需求基本都得到了滿足而逐漸轉(zhuǎn)為漫游型用戶。如何提高漫游型用戶的瀏覽觀看率是每ー個影視系統(tǒng)都需要考慮的重要問題。對于互聯(lián)網(wǎng)影視系統(tǒng)來說，由于電腦的顯示屏幕較大，故通常會采用多種推薦方法(如首頁大屏、各類排行榜、編輯推薦、專題等)、以及更多分類檢索(地區(qū)、類型、年份等)手段來滿足漫游型用戶的檢索需求。但這種千篇一律且不根據(jù)用戶來區(qū)分，對所有用戶都完全一致的顯示內(nèi)容，只對初次訪問的用戶會有較大的作用，而對于那些會員用戶(一般都會是多次訪問的忠實用戶)來說，推薦位置或分類頁上排先的節(jié)目不少都已經(jīng)是觀看過或是不想觀看的，但卻偏偏仍都排在顯著位置，既無法提高觀看率，也浪費了會員的注意力。對于移動影視系統(tǒng)來說，由于手機屏幕和平板屏幕更加窄小，推薦顯示的內(nèi)容就更需要精確，否則漫游型的用戶很容易就失去繼續(xù)瀏覽的興趣。視聽館是ー種全新的影視產(chǎn)品，它結(jié)合了互聯(lián)網(wǎng)海量影視以及傳統(tǒng)電影院視聽體驗兩方面優(yōu)點。用戶經(jīng)選片、付費后即可到包廂內(nèi)享受影院級的視聽體驗。由于每一次的影片觀看都會給視聽館帶來實際的經(jīng)濟效益，故提高用戶的瀏覽觀看率對視聽館影視系統(tǒng)來說顯得尤為重要。另ー方面，影視系統(tǒng)由于擁有著海量的影視節(jié)目，某些節(jié)目可能會因為多種原因，總是排列在后，這容易導致長時間都無人能夠發(fā)現(xiàn)它，更不用說進一歩選擇觀看。如何能夠更有利的輪換顯示非熱門節(jié)目，充分挖掘長尾經(jīng)濟效益，也是所有影視系統(tǒng)需要考慮的重要問題。不僅影視系統(tǒng)存在海量數(shù)據(jù)無法有效呈現(xiàn)給用戶的問題，實際上，音視頻領(lǐng)域都存在這相應(yīng)的問題。因而，如何將海量的音視頻節(jié)目中用戶喜好的內(nèi)容及時呈現(xiàn)給用戶，是亟需解決的問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出ー種音視頻節(jié)目推薦方法，用以解決現(xiàn)有技術(shù)中海量音視頻節(jié)目無法有效呈現(xiàn)給用戶，無法有效挖掘海量音視頻數(shù)據(jù)的長尾效益的問題。為達此目的，本發(fā)明采用以下技術(shù)方案ー種音視頻節(jié)目推薦方法，該方法包括收集用戶瀏覽音視頻節(jié)目的節(jié)目信息和用戶行為數(shù)據(jù)； 根據(jù)所述節(jié)目信息和用戶行為數(shù)據(jù)，生成用戶對應(yīng)的音視頻節(jié)目推薦快照；所述音視頻節(jié)目推薦快照中包括推薦給用戶的音視頻節(jié)目信息；根據(jù)所述音視頻節(jié)目推薦快照，為用戶推薦音視頻節(jié)目。所述音視頻節(jié)目推薦快照包括本次快照和下次快照；所述本次快照用于用戶本次訪問會話，本次快照內(nèi)的節(jié)目及排序在用戶本次訪問期間不會變更；所述下次快照是準備用于用戶下次訪問會話，會根據(jù)用戶本次訪問會話間的行為及全局其它用戶的行為不斷地完善變更。該方法進ー步包括為每個音視頻節(jié)目設(shè)定推薦指數(shù)，推薦指數(shù)高的節(jié)目在所述音視頻節(jié)目推薦快照中的排序靠前。所述節(jié)目信息包括節(jié)目自身的分類、演員、導演、年份和所屬系列信息；所述用戶行為數(shù)據(jù)包括用戶瀏覽節(jié)目的歷史信息、瀏覽行為和全局其它用戶瀏覽行為信息，包括用戶瀏覽單個節(jié)目行為數(shù)據(jù)以及同時瀏覽多個節(jié)目行為數(shù)據(jù)。用戶已經(jīng)觀看過的音視頻節(jié)目在所述推薦快照最后顯示。全局其它用戶近期內(nèi)觀看過的音視頻節(jié)目，或全局所有用戶觀看的總排行榜里的熱門音視頻節(jié)目，在所述推薦快照中排前顯示。用戶已經(jīng)觀看過的音視頻節(jié)目所屬分類內(nèi)的其它節(jié)目，或已經(jīng)觀看過的音視頻節(jié)目的演員或?qū)а菹嚓P(guān)的節(jié)目，在所述推薦快照中排前顯示。最近年份的音視頻節(jié)目在所述推薦快照中排前顯示。如果用戶已經(jīng)觀看過的音視頻節(jié)目屬于某系列節(jié)目之一，則該節(jié)目的前繼及后續(xù)系列節(jié)目在所述推薦快照中排前顯示。用戶已經(jīng)瀏覽過的音視頻節(jié)目在所述推薦快照中排后顯示。采用了本發(fā)明的技術(shù)方案，通過對用戶瀏覽音視頻節(jié)目的節(jié)目信息和用戶行為數(shù)據(jù)的收集和分析，進而得到音視頻節(jié)目推薦快照，其中包括了用戶可能感興趣的音視頻節(jié)目信息，從而準確的命中用戶的興趣點，極大的提高用戶的體驗。進而能針對每ー個用戶提供根據(jù)其行為喜好智能分析后得到的“推薦快照”，大大改善用戶檢索體驗以及提高會員瀏覽觀看率。進ー步的，良好的非熱門音視頻節(jié)目輪換推薦算法能夠讓每一部音視頻節(jié)目都有機會給所有用戶“看”到，充分挖掘每一部音視頻節(jié)目的效益，提高整體長尾經(jīng)濟效益。


圖I是本發(fā)明具體實施方式
中音視頻節(jié)目推薦犯法的原理流程圖。圖2是本發(fā)明具體實施方式
中節(jié)目推薦指數(shù)模型示意圖。圖3是本發(fā)明具體實施方式
中用戶行為采集和分析過程示意圖。圖4是本發(fā)明具體實施方式
中智能推薦快照引用數(shù)據(jù)示意圖。圖5是本發(fā)明具體實施方式
中智能推薦系統(tǒng)結(jié)構(gòu)示意圖。
具體實施方式

下面結(jié)合附圖并通過具體實施方式
來進ー步說明本發(fā)明的技術(shù)方案。本發(fā)明技術(shù)方案的主要思想在于提出ー種可用于各音視頻系統(tǒng)的智能推薦方法，能夠根據(jù)每ー個用戶的歷史行為特征以及音視頻節(jié)目本身信息之間的關(guān)聯(lián)特性來集中分析得到海量音視頻節(jié)目庫中最可能被對應(yīng)用戶觀看的排列順序，不僅可以大大提高了用戶的選片觀看效率，也能更充分地挖掘海量片庫的長尾經(jīng)濟效益。這里，為了敘述方便，本發(fā)明中的用戶包括一般的用戶以及需要注冊而產(chǎn)生的會員用戶。以下各個實施例中，均采用影視節(jié)目為例，來說明本發(fā)明的原理，實際上，本發(fā)明可以應(yīng)用于各種音視頻節(jié)目中。如圖I所示，為本發(fā)明提出的音視頻節(jié)目推薦方法原理流程圖，其中，步驟10，收集用戶瀏覽音視頻節(jié)目的節(jié)目信息和用戶行為數(shù)據(jù)。這里，用戶瀏覽音視頻節(jié)目的節(jié)目信息包括節(jié)目自身的分類、演員、導演、年份和所屬系列等信息。用戶行為數(shù)據(jù)包括用戶瀏覽節(jié)目的歷史信息、瀏覽行為和全局其它用戶瀏覽行為等信息，還包括了用戶瀏覽單個節(jié)目行為數(shù)據(jù)以及同時瀏覽多個節(jié)目行為數(shù)據(jù)。步驟20，根據(jù)節(jié)目信息和用戶行為數(shù)據(jù)，生成用戶對應(yīng)的音視頻節(jié)目推薦快照。這里的音視頻節(jié)目推薦快照中包括推薦給用戶的音視頻節(jié)目信息，也就是經(jīng)過分析后得到的用戶可能感興趣的節(jié)目信息。為便于各音視頻系統(tǒng)理解及引用，本發(fā)明提出“推薦快照”及“推薦指數(shù)”兩個概念。每ー個用戶都會有兩個“推薦快照”:“本次快照”和“下次快照”。“本次快照”用于用戶本次訪問會話，快照內(nèi)的節(jié)目及排序在用戶本次訪問期間不會有任何變更?！跋麓慰煺铡笔菧蕚溆糜谟脩粝麓卧L問會話，會根據(jù)用戶本次訪問會話間的行為及全局用戶的行為不斷地完善變更。每個“推薦快照”內(nèi)都包括一系列的音視頻節(jié)目，其中的每個音視頻節(jié)目都會有不同的“推薦指數(shù)”，音視頻節(jié)目的“推薦指數(shù)”越高表示該節(jié)目越有可能被該用戶選擇觀看。各音視頻系統(tǒng)使用時只需要根據(jù)用戶選取當次會話的“推薦快照”，再根據(jù)“推薦快照”內(nèi)各音視頻節(jié)目的“推薦指數(shù)”排序顯示即可。顯然，節(jié)目快照中的節(jié)目信息是經(jīng)過排序的，排序的規(guī)則遵照各個節(jié)目的推薦指數(shù)來進行。推薦指數(shù)高的節(jié)目在音視頻節(jié)目推薦快照中的排序靠前。影響節(jié)目推薦指數(shù)的因素主要包括以下幾種( I)該用戶已經(jīng)觀看過的音視頻節(jié)目的“推薦指數(shù)”會作很大的降權(quán)處理；(2)別的用戶近期觀看過的熱門音視頻節(jié)目的“推薦指數(shù)”會作加權(quán)處理；(3)所有用戶總排行榜上的熱門音視頻節(jié)目的“推薦指數(shù)”會作加權(quán)處理；(4)該用戶已觀看過的音視頻節(jié)目所屬分類內(nèi)的其它音視頻節(jié)目的“推薦指數(shù)”作加權(quán)處理；(5)該用戶已觀看過的音視頻節(jié)目的演員、導演相關(guān)的其它音視頻節(jié)目的“推薦指數(shù)”會作加權(quán)處理；(6)年份越近的音視頻節(jié)目的“推薦指數(shù)”會有越多的加權(quán)處理；(7)如果該用戶觀看過的音視頻節(jié)目屬于某系列節(jié)目之一，則其后續(xù)系列節(jié)目的“推薦指數(shù)”會作較多加權(quán)處理；其前繼系列節(jié)目的“推薦指數(shù)”則作少量加權(quán)處理；(8)該用戶詳細瀏覽過的音視頻節(jié)目的“推薦指數(shù)”會作較大的降權(quán)處理；(9)該用戶粗略瀏覽過的音視頻節(jié)目的“推薦指數(shù)”會作降權(quán)處理。步驟30，根據(jù)音視頻節(jié)目推薦快照，為用戶推薦音視頻節(jié)目。
這里，也就是將音視頻節(jié)目推薦快照發(fā)送給各個需要調(diào)用的音視頻系統(tǒng)，各音視頻系統(tǒng)調(diào)用該推薦快照反饋給用戶終端進行呈現(xiàn)。如圖2所示，為本發(fā)明實施例中節(jié)目推薦指數(shù)模型示意圖。此推薦指數(shù)模型要素可以在實際使用中不斷類似添加。本發(fā)明中不同的模型要素將會采用不同的指數(shù)量化公式來計算得到加權(quán)或降權(quán)的指數(shù)值，所有要素的量化指數(shù)值疊加即為該節(jié)目的推薦指數(shù)。如圖3所示，為本發(fā)明提供的一個實施例中影視節(jié)目用戶A觀看了影視節(jié)目B的用戶行為采集和分析過程示意圖。各“影視系統(tǒng)”通過規(guī)定的接ロ(如HTTP、WebService之類的)向“智能推薦系統(tǒng)”發(fā)送行為數(shù)據(jù)“會員A觀看了節(jié)目B”(如圖中D1)?！爸悄芡扑]系統(tǒng)”先將該行為數(shù)據(jù)存檔(如圖中D2)。“智能推薦系統(tǒng)”接著進行分析，先同時獲取會員A的歷史行為數(shù)據(jù)(如圖中D3.1)，以及節(jié)目B (分類、演員、導演、系列等)相關(guān)的各節(jié)目信息(如圖中D3.2)。然后“智能推薦系統(tǒng)”會首先更新會員A中的節(jié)目B的推薦指數(shù)模型要素值(如圖I模型中的A、C要素，D4. I. I),接著更新會員A中與節(jié)目B相關(guān)的其它節(jié)目(如BI、B2、B3…等)的推薦指數(shù)模型的要素值(如圖I模型中的F、G、H、J要素，D4. I. 2)，最后更新其它會員中的節(jié)目B的推薦指數(shù)模型要素值(如圖I模型中的B、C要素)。“智能推薦系統(tǒng)”在完成各會員各節(jié)目的推薦指數(shù)模型要素值更新后，會再繼續(xù)根據(jù)各要素的指數(shù)量化計算方法重新計算會員A及其它會員的各節(jié)目的推薦指數(shù)值，然后根據(jù)推薦指數(shù)值排序得到各會員的下次訪問會話要用到的“推薦快照”(如D4.2. 1，D4.2.2)。會員的單個瀏覽及批量瀏覽行為數(shù)據(jù)的采集及分析流圖同上所述，但瀏覽行為不會影響其它會員的指數(shù)模型，所以只需要考慮對會員A的推薦指數(shù)模型及“推薦快照”作更新及計算即可。如圖4所示，為本發(fā)明一個實施例中“影視系統(tǒng)”引用使用“智能推薦系統(tǒng)”上的“推薦快照”過程示意圖。其中，“影視系統(tǒng)”通過規(guī)定的接ロ(如HTTP，WebService)向“智能推薦系統(tǒng)”發(fā)送請求得到“會員A的推薦快照”(如D1)。“智能推薦系統(tǒng)”查看“所有會員會話表”(如D2)，發(fā)現(xiàn)會員A最近會話在一定時間之內(nèi)(如2個小時)，則先更新會員A的會話信息(如D3)，然后從“會員推薦快照”庫中讀取會員A的“本次快照”(如D5)，并按照規(guī)定的接ロ(如HTTPjebService)等向各“影視系統(tǒng)”返回快照信息(如D6)?！爸悄芡扑]系統(tǒng)”如果查詢到會員A的最近會話不存在或是已經(jīng)過期，則會先寫入會員A的最新會話信息 (如D3)，然后復制會員A的“下次快照”替換會員A的“本次快照”(如D4)，接著讀取會員A的“本次快照”(如D5)，并按照規(guī)定的接ロ(如HTTP，WebService)等向各“影視系統(tǒng)”返回快照信息(如D6)。顯然，如果會員A同時通過多個子系統(tǒng)(如會員A同時使用視聽館的柜式選片子系統(tǒng)、平板選片子系統(tǒng)等)來訪問，則會員A看到的“推薦快照”內(nèi)容是一致的，這也符合本發(fā)明的設(shè)計思想。如圖5所示，為本發(fā)明提供的智能推薦系統(tǒng)結(jié)構(gòu)示意圖，其中包括會員歷史行為模塊、影視節(jié)目信息模塊以及會員推薦快照模塊。其中，會員歷史行為和影視節(jié)目信息經(jīng)過行為采集和智能分析后，得到會員推薦快照并存儲在會員推薦快照模塊中。經(jīng)過快照輸出的環(huán)節(jié)輸出給影視系統(tǒng)使用。會員在使用影視系統(tǒng)觀看影片的過程中，又經(jīng)過行為采集而得到會員行為數(shù)據(jù)，存儲在會員歷史行為中。綜上所述，本發(fā)明提供的各個實施例中，通過對用戶瀏覽音視頻節(jié)目的節(jié)目信息和用戶行為數(shù)據(jù)的收集和分析，進而得v到音視頻節(jié)目推薦快照，其中包括了用戶可能感興趣的音視頻節(jié)目信息，從而準確的命中用戶的興趣點，極大的提高用戶的體驗。進而能針對每ー個用戶提供根據(jù)其行為喜好智能分析后得到的“推薦快照”，大大改善用戶檢索體驗以及提高會員瀏覽觀看率。進ー步的，良好的非熱門音視頻節(jié)目輪換推薦算法能夠讓每一部音視頻節(jié)目都有機會給所有用戶“看”到，充分挖掘每一部音視頻節(jié)目的效益，提高整體長尾經(jīng)濟效益。以上所述，僅為本發(fā)明較佳的具體實施方式
，但本發(fā)明的保護范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求的保護范圍為準。
權(quán)利要求
1.一種音視頻節(jié)目推薦方法，其特征在于，該方法包括 收集用戶瀏覽音視頻節(jié)目的節(jié)目信息和用戶行為數(shù)據(jù)； 根據(jù)所述節(jié)目信息和用戶行為數(shù)據(jù)，生成用戶對應(yīng)的音視頻節(jié)目推薦快照；所述音視頻節(jié)目推薦快照中包括推薦給用戶的音視頻節(jié)目信息； 根據(jù)所述音視頻節(jié)目推薦快照，為用戶推薦音視頻節(jié)目。
2.如權(quán)利要求I所述的方法，其特征在于，所述音視頻節(jié)目推薦快照包括本次快照和下次快照； 所述本次快照用于用戶本次訪問會話，本次快照內(nèi)的節(jié)目及排序在用戶本次訪問期間不會變更； 所述下次快照是準備用于用戶下次訪問會話，會根據(jù)用戶本次訪問會話間的行為及全局其它用戶的行為不斷地完善變更。
3.如權(quán)利要求I所述的方法，其特征在于，該方法進一步包括 為每個音視頻節(jié)目設(shè)定推薦指數(shù)，推薦指數(shù)高的節(jié)目在所述音視頻節(jié)目推薦快照中的排序靠前。
4.如權(quán)利要求I所述的方法，其特征在于，所述節(jié)目信息包括節(jié)目自身的分類、演員、導演、年份和所屬系列信息； 所述用戶行為數(shù)據(jù)包括用戶瀏覽節(jié)目的歷史信息、瀏覽行為和全局其它用戶瀏覽行為信息，包括用戶瀏覽單個節(jié)目行為數(shù)據(jù)以及同時瀏覽多個節(jié)目行為數(shù)據(jù)。
5.如權(quán)利要求I所述的方法，其特征在于，用戶已經(jīng)觀看過的音視頻節(jié)目在所述推薦快照最后顯示。
6.如權(quán)利要求I所述的方法，其特征在于，全局其它用戶近期內(nèi)觀看過的音視頻節(jié)目，或全局所有用戶觀看的總排行榜里的熱門音視頻節(jié)目，在所述推薦快照中排前顯示。
7.如權(quán)利要求I所述的方法，其特征在于，用戶已經(jīng)觀看過的音視頻節(jié)目所屬分類內(nèi)的其它節(jié)目，或已經(jīng)觀看過的音視頻節(jié)目的演員或?qū)а菹嚓P(guān)的節(jié)目，在所述推薦快照中排前顯示。
8.如權(quán)利要求I所述的方法，其特征在于，最近年份的音視頻節(jié)目在所述推薦快照中排前顯示。
9.如權(quán)利要求I所述的方法，其特征在于，如果用戶已經(jīng)觀看過的音視頻節(jié)目屬于某系列節(jié)目之一，則該節(jié)目的前繼及后續(xù)系列節(jié)目在所述推薦快照中排前顯示。
10.如權(quán)利要求I所述的方法，其特征在于，用戶已經(jīng)瀏覽過的音視頻節(jié)目在所述推薦快照中排后顯示。
全文摘要
本發(fā)明公開了一種音視頻節(jié)目推薦方法，包括收集用戶瀏覽音視頻節(jié)目的節(jié)目信息和用戶行為數(shù)據(jù)；根據(jù)所述節(jié)目信息和用戶行為數(shù)據(jù)，生成用戶對應(yīng)的音視頻節(jié)目推薦快照；根據(jù)所述音視頻節(jié)目推薦快照，為用戶推薦音視頻節(jié)目。采用了本發(fā)明的技術(shù)方案，能夠準確的命中用戶的興趣點，極大的提高用戶的體驗。進而能針對每一個用戶提供根據(jù)其行為喜好智能分析后得到的“推薦快照”，大大改善用戶檢索體驗以及提高會員瀏覽觀看率。
文檔編號H04N21/262GK102685566SQ20121016957
公開日2012年9月19日 申請日期2012年5月28日 優(yōu)先權(quán)日2012年5月28日
發(fā)明者黎鋒 申請人:北京網(wǎng)尚數(shù)字電影院線有限公司