[發明專利]自動推薦內容

有效

• 申請號: 201380017911.9
• 申請日: 2013-02-21
• 公開（公告）號: CN104247441B
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 徐智晨;S·阿布厄海伽;黃磊;N·霍弗恩
• 申請（專利權）人: 歐亞拉股份有限公司
• 主分類號: H04N21/25
• 分類號: H04N21/25;H04N21/45
• 代理公司: 中國國際貿易促進委員會專利商標事務所11038
• 代理人: 宋海寧

1.一種用于推薦視頻的方法，包括：

對于候選視頻組中的每個視頻，通過將輸入饋送提供到機器學習引擎，產生多個機器學習ML分數；

其中對于候選視頻組中的一個特定視頻的輸入饋送至少包括：

一個或多個原始的協作過濾輸入，其至少部分地基于來自多個用戶的一個或多個度量；

協作過濾分數，其基于所述一個或多個原始的協作過濾輸入而產生；

一個或多個原始的基于內容的過濾輸入，其至少部分地基于視頻內容元數據；及

基于內容的過濾分數，其基于所述一個或多個原始的基于內容的過濾輸入而產生；

當產生對于所述特定視頻的ML分數時，機器學習引擎至少部分地基于被用于生成所述協作過濾分數的所述一個或多個原始的協作過濾輸入和被用于生成所述基于內容的過濾分數的所述一個或多個原始的基于內容的過濾輸入的相應的量，來確定分配給所述協作過濾分數和所述基于內容的過濾分數的權重；

至少部分地基于ML分數，從候選視頻組中選擇一個或多個視頻以推薦給所述多個用戶中的特定用戶；

其中所述方法由一個或多個計算裝置執行。

2.根據權利要求1所述的方法，其中：

對于特定視頻的輸入饋送包括：用于視頻對的視頻對-中心度量，所述視頻對包括所述特定視頻和比較視頻；

所述一個或多個原始的協作過濾輸入包括：用于所述視頻對的協作過濾度量；及

所述一個或多個原始的基于內容的過濾輸入包括：用于所述視頻對的基于內容的過濾度量。

3.根據權利要求2所述的方法，其中所述視頻對的協作過濾度量僅響應于檢測到關于所述視頻對中的一個或多個視頻的用戶興趣的新指示而更新。

4.根據權利要求2所述的方法，其中所述視頻對的基于內容的過濾度量僅響應于檢測到關于所述視頻對中的一個或多個視頻的視頻元數據的新變化而更新。

5.根據權利要求2所述的方法，其中：

視頻對的視頻對-中心度量包括：特定的度量組；并且

如果且僅如果所述視頻對滿足特定的配對試驗，才為所述視頻對保持所述特定的度量組。

6.根據權利要求5所述的方法，其中所述特定的度量組包括：視頻對-中心度量的全部。

7.根據權利要求5所述的方法，其中所述特定的度量組僅包括如下的一個：

所述視頻對的協作過濾度量；和

所述視頻對的基于內容的過濾度量。

8.根據權利要求7所述的方法，還包括使用與所述配對試驗不同的第二配對試驗，來確定是否為所述視頻對保持如下的另一個：

所述視頻對的協作過濾度量；和

所述視頻對的基于內容的過濾度量。

9.根據權利要求1所述的方法，其中：

對于所述特定視頻的輸入饋送包括多個協作過濾分數；并且

所述多個協作過濾分數的每個協作過濾分數是基于相同的原始的協作過濾輸入，但所述多個協作過濾分數具有彼此不同的衰減因數。

10.根據權利要求1所述的方法，其中：

對于所述特定視頻產生的ML分數是機器學習引擎為所述特定視頻產生的多個分量分數之一；并且

所述方法還包括，基于目標信息來組合所述多個分量分數，以對于所述特定視頻產生合成ML分數。

11.根據權利要求1所述的方法，其中：

對于所述特定視頻產生的ML分數是機器學習引擎為所述特定視頻產生的多個分量分數之一；并且

所述方法還包括，交替使用所述多個分量分數的分量分數作為選擇哪些視頻要推薦給特定用戶的基礎。

12.根據權利要求1所述的方法，還包括：

基于行為數據建立bloom過濾器，該行為數據指示用戶最近與之互動的視頻；和

通過使用bloom過濾器濾除與用戶最近與之互動的所述視頻不相關的協作過濾輸入和基于內容的過濾輸入，產生用于機器學習引擎的訓練輸入。

13.根據權利要求1所述的方法，還包括進行基于內容的過濾輸入與協作過濾輸入的非對稱聯合，從而僅將基于內容的過濾輸入與在一個閾值時間段內產生的協作過濾輸入相聯合。