[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112650883B - 一种多维度分析多个用户的视频推荐方法 - Google Patents

一种多维度分析多个用户的视频推荐方法 Download PDF

Info

Publication number
CN112650883B
CN112650883B CN202011464288.XA CN202011464288A CN112650883B CN 112650883 B CN112650883 B CN 112650883B CN 202011464288 A CN202011464288 A CN 202011464288A CN 112650883 B CN112650883 B CN 112650883B
Authority
CN
China
Prior art keywords
dimensional user
dimensional
video
user
data
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.)
Active
Application number
CN202011464288.XA
Other languages
English (en)
Other versions
CN112650883A (zh
Inventor
刘长军
张丽梅
明严
穆立源
张楠
赵博男
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.)
Juyuan Zhongshi Tianjin Information Technology Co ltd
Original Assignee
Juyuan Zhongshi Tianjin Information Technology Co ltd
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 Juyuan Zhongshi Tianjin Information Technology Co ltd filed Critical Juyuan Zhongshi Tianjin Information Technology Co ltd
Priority to CN202011464288.XA priority Critical patent/CN112650883B/zh
Publication of CN112650883A publication Critical patent/CN112650883A/zh
Application granted granted Critical
Publication of CN112650883B publication Critical patent/CN112650883B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • 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
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, 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
    • 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)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种多维度分析多个用户的视频推荐方法，包括设置本账户的用户数量；采集所观看视频的标签数据、范围数据、人物数据以及观看时段数据与观看时间数据以及非视频行为数据；根据观看时段数据与非视频行为分别生成与所设置的用户数量相同的多维度用户画像并存储于该用户的用户数据库内；生成新多维度用户画像并逐一与原始多维度用户画像进行判断，实现对多维度用户画像进行更新并生成视频推荐播单；向用户推荐该视频推荐播单的视频。本发明实现了对同一账户下多个用户创建多维度用户画像，并且会对多维度用户画像进行分析判断与更新，解决了一个账户供多个用户使用的情况，导致视频分析系统会出现分析混乱，影响用户的观看体验的问题。

Description

一种多维度分析多个用户的视频推荐方法
技术领域
本发明涉及视频处理技术领域，具体涉及一种多维度分析多个用户的视频推荐方法。
背景技术
随着广电网络公司后平移时代的到来，数字电视业务发展日益成熟，现有技术中的视频处理系统普遍对该账户的整体观看内容进行分析，但以目前的实际生活过程中，普遍出现一个账户供一家人使用的情况，现有技术中的视频分析系统会出现分析混乱，影响用户的观看体验。
发明内容
有鉴于此，本发明要解决的问题是提供一种多维度分析多个用户的视频推荐方法。
为解决上述技术问题，本发明采用的技术方案是：一种多维度分析多个用户的视频推荐方法，包括步骤S1：设置本账户的所需用户数量；
步骤S2：采集多维度数据；
步骤S3：生成所需用户数量的多维度用户画像并存储于该账户的用户数据库内；
步骤S4：将多维度用户画像分别与视频库相匹配，生成各自的视频推荐播单；
步骤S5：提取视频推荐播单，按照观看时间信息向用户推荐与该视频推荐播单内的视频；
步骤S6：对多维度用户画像进行更新；
所述步骤S2中，所述多维度数据包括所观看视频的标签数据、范围数据、人物数据以及观看时段数据与观看时间数据以及非视频行为。
所述步骤S3包括：
步骤S3-1：将采集到的多维度数据根据观看时段数据与非视频行为分别创建有与所需用户数量相同个数的多维度用户画像；
步骤S3-2：将得到的与所需用户数量相同个数的多维度用户画像进行逐一编号后存储于该账户的用户数据库内。
所述步骤S6包括：
步骤S6-1：采集多维度数据；
步骤S6-2：根据观看时段数据与非视频行为创建新多维度用户画像；
所述步骤S6还包括：
步骤S6-3：将该新多维度用户画像与用户数据库中的原始多维度用户画像逐一进行数据匹配：
若匹配度>90％，则判断该新多维度用户画像为该编号下的用户，将新多维度用户画像与该编号下的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在用户数据库内的该编号下；
若60％<匹配度<90％，则判断该新多维度用户画像为该编号下的疑似用户，继续采集该疑似用户的多维度数据信息并创建新多维度用户画像，继续对该编号的原始多维度用户画像进行匹配；
若匹配度<60％，则判断该新多维度用户画像为访客用户，并将该多维度用户画像存储进该账户的访客数据库中。
还包括步骤S7：对访客数据库内的多维度用户画像进行更新；
所述步骤S7包括：
步骤S7-1：将步骤S5中被判断为访客用户的多维度用户画像进行与访客数据库中的原始多维度用户画像进行数据匹配；
步骤S7-2：得出匹配度。
所述步骤S7还包括：
步骤S7-3：若匹配度>80％，则判断该多维度用户画像为该访客用户，将该多维度用户画像与该访客用户的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在该账户的访客数据库中；
若匹配度<80％，则判断该多维度用户画像为新访客用户，将该多维度用户画像存储在该账户的访客数据库中。
还包括步骤S8：当得出判断结果后，提取该视频推荐播单目前用户的多维度用户画像与视频库相匹配生成的视频推荐播单，并向用户推荐与该视频推荐播单内的视频。
本发明具有的优点和积极效果是：
本发明的方法提供了一种多维度分析多个用户的视频推荐方法，实现了对同一账户下多个用户创建多维度用户画像，并且会对多维度用户画像进行分析判断与更新，解决了现有技术中，一个账户供多个用户使用的情况，导致视频分析系统会出现分析混乱，影响用户的观看体验的问题。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的一种多维度分析多个用户的视频推荐方法的步骤S1-S8的流程示意图；
图2是本发明的一种多维度分析多个用户的视频推荐方法的步骤S3的流程示意图；
图3是本发明的一种多维度分析多个用户的视频推荐方法的步骤S6至步骤S8的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本发明提供一种多维度分析多个用户的视频推荐方法，包括步骤S1：设置本账户的所需用户数量；
步骤S2：采集多维度数据；
步骤S3：生成所需用户数量的多维度用户画像并存储于该账户的用户数据库内；
步骤S4：将多维度用户画像分别与视频库相匹配，生成各自的视频推荐播单；
步骤S5：提取视频推荐播单，按照观看时间信息向用户推荐与该视频推荐播单内的视频；
步骤S6：对多维度用户画像进行更新。
进一步地，所述步骤S2中，所述多维度数据包括所观看视频的标签数据、范围数据、人物数据以及观看时段数据与观看时间数据以及非视频行为。
进一步地，如图2所示，所述步骤S3包括：
步骤S3-1：将采集到的多维度数据根据观看时段数据与非视频行为分别创建有与所需用户数量相同个数的多维度用户画像；
进一步地，步骤S3-2：将得到的与所需用户数量相同个数的多维度用户画像进行逐一编号后存储于该账户的用户数据库内。
具体的，设置本账户的用户数量；采集所观看视频的标签数据、范围数据、人物数据以及观看时段数据与观看时间数据以及非视频行为数据；根据观看时段数据与非视频行为分别生成与所设置的用户数量相同的多维度用户画像并存储于该用户的用户数据库内；生成新多维度用户画像并逐一与原始多维度用户画像进行判断，实现对多维度用户画像进行更新；将多维度用户画像分别与视频库相匹配，生成各自的视频推荐播单；提取视频推荐播单，按照观看时间信息向用户推荐与该视频推荐播单内的视频。
进一步地，如图3所示，所述步骤S6包括：
步骤S6-1：采集多维度数据；
步骤S6-2：根据观看时段数据与非视频行为创建新多维度用户画像；
进一步地，所述步骤S6还包括：
步骤S6-3：将该新多维度用户画像与用户数据库中的原始多维度用户画像逐一进行数据匹配：
若匹配度>90％，则判断该新多维度用户画像为该编号下的用户，将新多维度用户画像与该编号下的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在用户数据库内的该编号下；
若60％<匹配度<90％，则判断该新多维度用户画像为该编号下的疑似用户，继续采集该疑似用户的多维度数据信息并创建新多维度用户画像，继续对该编号的原始多维度用户画像进行匹配；
若匹配度<60％，则判断该新多维度用户画像为访客用户，并将该多维度用户画像存储进该账户的访客数据库中。
进一步地，如图3所示，还包括步骤S7：对访客数据库内的多维度用户画像进行更新；
所述步骤S7包括：
步骤S7-1：将步骤S5中被判断为访客用户的多维度用户画像进行与访客数据库中的原始多维度用户画像进行数据匹配；
步骤S7-2：得出匹配度。
进一步地，所述步骤S7还包括：
步骤S7-3：若匹配度>80％，则判断该多维度用户画像为该访客用户，将该多维度用户画像与该访客用户的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在该账户的访客数据库中；
若匹配度<80％，则判断该多维度用户画像为新访客用户，将该多维度用户画像存储在该账户的访客数据库中。
进一步地，如图1所示，还包括步骤S8：当得出判断结果后，提取该视频推荐播单目前用户的多维度用户画像与视频库相匹配生成的视频推荐播单，并向用户推荐与该视频推荐播单内的视频。
本发明的工作原理和工作过程如下：
设置本账户的用户数量；
采集所观看视频的标签数据、范围数据、人物数据以及观看时段数据与观看时间数据以及非视频行为数据；
根据观看时段数据与非视频行为分别生成与所设置的用户数量相同的多维度用户画像并存储于该用户的用户数据库内；
采集多维度数据并根据观看时段数据与非视频行为创建新多维度用户画像；
将该新多维度用户画像与用户数据库中的原始多维度用户画像逐一进行数据匹配：
若匹配度>90％，则判断该新多维度用户画像为该编号下的用户，将新多维度用户画像与该编号下的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在用户数据库内的该编号下；
若60％<匹配度<90％，则判断该新多维度用户画像为该编号下的疑似用户，继续采集该疑似用户的多维度数据信息并创建新多维度用户画像，继续对该编号的原始多维度用户画像进行匹配；
若匹配度<60％，则判断该新多维度用户画像为访客用户，并将该多维度用户画像存储进该账户的访客数据库中。
将上述被判断为访客用户的多维度用户画像进行与访客数据库中的原始多维度用户画像进行数据匹配；
若匹配度>80％，则判断该多维度用户画像为该访客用户，将该多维度用户画像与该访客用户的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在该账户的访客数据库中；
若匹配度<80％，则判断该多维度用户画像为新访客用户，将该多维度用户画像存储在该账户的访客数据库中。
当得出判断结果后，提取该视频推荐播单目前用户的多维度用户画像与视频库相匹配生成的视频推荐播单，并向用户推荐与该视频推荐播单内的视频。
本发明的特点在于：提供了一种多维度分析多个用户的视频推荐方法，实现了对同一账户下多个用户创建多维度用户画像，并且会对多维度用户画像进行分析判断与更新，解决了现有技术中，一个账户供多个用户使用的情况，导致视频分析系统会出现分析混乱，影响用户的观看体验的问题。
以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明范围所作的均等变化与该进等，均应仍归属于本专利涵盖范围之内。

Claims (8)

1.一种多维度分析多个用户的视频推荐方法，其特征在于，包括以下步骤：
步骤S1：设置本账户的所需用户数量；
步骤S2：采集多维度数据，所述多维度数据包括所观看视频的标签数据、范围数据、人物数据以及观看时段数据与观看时间数据以及非视频行为数据；
步骤S3：生成所需用户数量的多维度用户画像并存储于该账户的用户数据库内；
步骤S4：将多维度用户画像分别与视频库相匹配，生成各自的视频推荐播单；
步骤S5：提取视频推荐播单，按照观看时间信息向用户推荐与该视频推荐播单内的视频；
所述步骤S3包括：
步骤S3-1：将采集到的多维度数据根据观看时段数据与非视频行为分别创建有与所需用户数量相同个数的多维度用户画像；
步骤S3-2：将得到的与所需用户数量相同个数的多维度用户画像进行逐一编号后存储于该账户的用户数据库内。
2.根据权利要求1所述的一种多维度分析多个用户的视频推荐方法，其特征在于，还包括步骤S6：对多维度用户画像进行更新。
3.根据权利要求2所述的一种多维度分析多个用户的视频推荐方法，其特征在于，所述步骤S6包括：
步骤S6-1：采集多维度数据；
步骤S6-2：根据观看时段数据与非视频行为创建新多维度用户画像。
4.根据权利要求3所述的一种多维度分析多个用户的视频推荐方法，其特征在于，所述步骤S6还包括：
步骤S6-3：将该新多维度用户画像与用户数据库中的原始多维度用户画像逐一进行数据匹配：
若匹配度>90％，则判断该新多维度用户画像为该编号下的用户，将新多维度用户画像与该编号下的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在用户数据库内的该编号下；
若60％<匹配度<90％，则判断该新多维度用户画像为该编号下的疑似用户，继续采集该疑似用户的多维度数据信息并创建新多维度用户画像，继续对该编号的原始多维度用户画像进行匹配；
若匹配度<60％，则判断该新多维度用户画像为访客用户，并将该多维度用户画像存储进该账户的访客数据库中。
5.根据权利要求4所述的一种多维度分析多个用户的视频推荐方法，其特征在于，还包括步骤S7：对访客数据库内的多维度用户画像进行更新。
6.根据权利要求5所述的一种多维度分析多个用户的视频推荐方法，其特征在于，所述步骤S7包括：
步骤S7-1：将步骤S5中被判断为访客用户的多维度用户画像进行与访客数据库中的原始多维度用户画像进行数据匹配；
步骤S7-2：得出匹配度。
7.根据权利要求6所述的一种多维度分析多个用户的视频推荐方法，其特征在于，所述步骤S7还包括：
步骤S7-3：若匹配度>80％，则判断该多维度用户画像为该访客用户，将该多维度用户画像与该访客用户的原始多维度用户画像进行融合，得到新的多维度用户画像并存储在该账户的访客数据库中；
若匹配度<80％，则判断该多维度用户画像为新访客用户，将该多维度用户画像存储在该账户的访客数据库中。
8.根据权利要求7所述的一种多维度分析多个用户的视频推荐方法，其特征在于，还包括步骤S8：当得出判断结果后，提取该视频推荐播单目前用户的多维度用户画像与视频库相匹配生成的视频推荐播单，并向用户推荐与该视频推荐播单内的视频。
CN202011464288.XA 2020-12-10 2020-12-10 一种多维度分析多个用户的视频推荐方法 Active CN112650883B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011464288.XA CN112650883B (zh) 2020-12-10 2020-12-10 一种多维度分析多个用户的视频推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011464288.XA CN112650883B (zh) 2020-12-10 2020-12-10 一种多维度分析多个用户的视频推荐方法

Publications (2)

Publication Number Publication Date
CN112650883A CN112650883A (zh) 2021-04-13
CN112650883B true CN112650883B (zh) 2022-11-22

Family

ID=75353872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011464288.XA Active CN112650883B (zh) 2020-12-10 2020-12-10 一种多维度分析多个用户的视频推荐方法

Country Status (1)

Country Link
CN (1) CN112650883B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102970587A (zh) * 2012-12-02 2013-03-13 北京中科大洋科技发展股份有限公司 一种适用于ott互联网电视的多用户账号实现方法
US9055343B1 (en) * 2013-06-07 2015-06-09 Google Inc. Recommending content based on probability that a user has interest in viewing the content again
CN105872619A (zh) * 2015-12-15 2016-08-17 乐视网信息技术（北京）股份有限公司 一种视频播放记录的匹配方法及匹配装置
CN107578272A (zh) * 2017-08-10 2018-01-12 上海斐讯数据通信技术有限公司 一种为家庭成员画像的方法及装置
CN108959634A (zh) * 2018-07-25 2018-12-07 南京创维信息技术研究院有限公司 视频推荐方法、装置、设备及存储介质
CN109033149A (zh) * 2018-06-12 2018-12-18 北京奇艺世纪科技有限公司 信息推荐方法、装置、服务器及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110132884A (ko) * 2010-06-03 2011-12-09 한국전자통신연구원 다중 동영상 색인 및 검색이 가능한 지능형 영상 정보 검색 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102970587A (zh) * 2012-12-02 2013-03-13 北京中科大洋科技发展股份有限公司 一种适用于ott互联网电视的多用户账号实现方法
US9055343B1 (en) * 2013-06-07 2015-06-09 Google Inc. Recommending content based on probability that a user has interest in viewing the content again
CN105872619A (zh) * 2015-12-15 2016-08-17 乐视网信息技术（北京）股份有限公司 一种视频播放记录的匹配方法及匹配装置
CN107578272A (zh) * 2017-08-10 2018-01-12 上海斐讯数据通信技术有限公司 一种为家庭成员画像的方法及装置
CN109033149A (zh) * 2018-06-12 2018-12-18 北京奇艺世纪科技有限公司 信息推荐方法、装置、服务器及存储介质
CN108959634A (zh) * 2018-07-25 2018-12-07 南京创维信息技术研究院有限公司 视频推荐方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112650883A (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
JP4625610B2 (ja) 重要な属性の寄与の強さを示す示標と共に番組推奨を表示する方法及び装置
US9510050B2 (en) Method and system for context-aware recommendation
CN108108491B (zh) 一种多媒体数据的推荐方法及装置
CN106202475B (zh) 一种视频推荐列表的推送方法及装置
US20140052696A1 (en) Systems and methods for visual categorization of multimedia data
CN103763585B (zh) 一种用户特征信息获取方法、装置和终端设备
CN109429103B (zh) 推荐信息的方法、装置及计算机可读存储介质、终端设备
CN107608990B (zh) 一种直播个性化推荐方法
KR20090119670A (ko) 오락 시스템의 사용자의 얼굴 인식 학습 방법 및 시스템
CN103686344A (zh) 增强视频系统及方法
CN110769283A (zh) 一种视频推送方法、装置、计算机设备和存储介质
US20120042041A1 (en) Information processing apparatus, information processing system, information processing method, and program
CN102890950B (zh) 媒体自动剪辑装置、方法、媒体播送方法与其播送系统
CN105163142A (zh) 一种用户偏好确定方法、视频推荐方法和系统
CN110598047A (zh) 一种影视信息推荐方法、装置、电子设备及存储介质
CN104933135A (zh) 一种多媒体数据的聚类方法及装置
CN107301245B (zh) 一种电力信息视频搜索系统
CN106998502B (zh) 基于霍克斯过程的节目质量评价方法
CN106162348A (zh) 一种个性化节目推荐方法及装置
WO2019001153A1 (zh) 多观众电视节目推荐方法及系统
CN103530301A (zh) 虚拟社群建立系统及方法
CN115190357B (zh) 一种视频摘要生成方法和装置
CN112650883B (zh) 一种多维度分析多个用户的视频推荐方法
CN105338379B (zh) 一种软广数据监测与挖掘系统及其方法
CN104349186A (zh) 电子节目菜单的管理方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant