[發(fā)明專利]自動(dòng)推薦內(nèi)容

有效

• 申請?zhí)枺?/td>: 201380017911.9
• 申請日: 2013-02-21
• 公開（公告）號(hào): CN104247441B
• 公開（公告）日: 2018-01-09
• 發(fā)明（設(shè)計(jì)）人: 徐智晨;S·阿布厄海伽;黃磊;N·霍弗恩
• 申請（專利權(quán)）人: 歐亞拉股份有限公司
• 主分類號(hào): H04N21/25
• 分類號(hào): H04N21/25;H04N21/45
• 代理公司: 中國國際貿(mào)易促進(jìn)委員會(huì)專利商標(biāo)事務(wù)所11038
• 代理人: 宋海寧

技術(shù)領(lǐng)域

本發(fā)明涉及自動(dòng)推薦，更具體地，涉及一種用來向用戶自動(dòng)推薦內(nèi)容的系統(tǒng)。

背景技術(shù)

已經(jīng)日益常見的是，將諸如視頻資產(chǎn)之類的內(nèi)容在網(wǎng)絡(luò)上傳送給用戶。電影、電視劇、家庭視頻、做法視頻、及音樂視頻僅僅是視頻資產(chǎn)的類型的少量例子，這些視頻資產(chǎn)當(dāng)前在互聯(lián)網(wǎng)、電話網(wǎng)絡(luò)、內(nèi)部網(wǎng)絡(luò)、有線連接等上提供。在網(wǎng)絡(luò)上已經(jīng)得到的視頻資產(chǎn)可在整個(gè)視頻資產(chǎn)已經(jīng)下載之后或者隨著視頻資產(chǎn)正在傳送(傳輸)而播放。

鑒于適于消費(fèi)的視頻資產(chǎn)過多，已經(jīng)日益重要的是幫助用戶識(shí)別最可能使他們感興趣的那些視頻資產(chǎn)。例如，關(guān)于向用戶推薦用戶高度感興趣的十部視頻的系統(tǒng)，比關(guān)于僅僅提供在百萬較小興趣視頻中搜索這相同十部視頻的工具的系統(tǒng)，用戶將具有好得多的體驗(yàn)。

各種手段已經(jīng)用來向用戶推薦視頻資產(chǎn)，這些手段各自具有一定缺陷。例如，一種“趨勢”手段是保持跟蹤哪些視頻資產(chǎn)由整體的用戶人口最多地消費(fèi)，并且將那些消費(fèi)最多的視頻資產(chǎn)推薦給所有用戶。另一種趨勢手段是保持跟蹤那些視頻在整個(gè)用戶人口中當(dāng)前正經(jīng)歷一波興趣，并且將這些視頻推薦給所有用戶。這些“一只鞋子適合所有人”的趨勢手段，對于具有與平均用戶相對應(yīng)的興趣的用戶還可以，但不是對于所有用戶都適用。

“視頻到視頻(video-to-video)”手段是向每個(gè)用戶推薦與該用戶剛剛消費(fèi)的視頻資產(chǎn)共同具有某些內(nèi)容的視頻資產(chǎn)。例如，在用戶已經(jīng)消費(fèi)電影X之后，可以向用戶呈現(xiàn)：與電影X呈相同種類的、具有與電影X相同的主要演員的、具有與電影X相同的導(dǎo)演的、來自與電影X相同的時(shí)期的等等的電影的推薦?！耙曨l到視頻”手段當(dāng)用戶具有狹窄范圍的興趣時(shí)還可以，但當(dāng)用戶對于特定類型的視頻已經(jīng)變得滿足并且用戶現(xiàn)在想消費(fèi)不同的視頻時(shí)，不太適用。

用來推薦視頻資產(chǎn)的“用戶到視頻(user-to-video)”手段涉及相對于時(shí)間監(jiān)視用戶的資產(chǎn)消費(fèi)行為?；谟脩舻囊曨l消費(fèi)歷史，可以得出用戶的一般興趣。這些得出興趣然后可以用來識(shí)別用戶可能感興趣的其它視頻，這些其它視頻可以作為推薦而供給。用戶到視頻手段可以適用，只要用戶的消費(fèi)歷史準(zhǔn)確地反映用戶的當(dāng)前興趣。然而，如果用戶不具有充足的歷史，或者用戶當(dāng)前感興趣的是與用戶過去消費(fèi)的視頻不同的某些視頻，則基于用戶到視頻的推薦就不是特別有用。

本文中描述的手段是可實(shí)現(xiàn)的手段，但不一定是以前已經(jīng)想到或?qū)崿F(xiàn)的手段。因此，除非另外指示，否則不應(yīng)該假定：本文中描述的手段的任一種僅僅因?yàn)樗鼈冊诒静糠种斜幻枋龆醋鳜F(xiàn)有技術(shù)。

附圖說明

在附圖中：

圖1是根據(jù)本發(fā)明實(shí)施例的方塊圖，該方塊圖表明機(jī)器學(xué)習(xí)引擎如何可以用來預(yù)測對于視頻的興趣分?jǐn)?shù)；

圖2是根據(jù)本發(fā)明實(shí)施例的方塊圖，該方塊圖表明各種類型的元數(shù)據(jù)，這些元數(shù)據(jù)可以由推薦系統(tǒng)保持；

圖3是根據(jù)本發(fā)明實(shí)施例的方塊圖，該方塊圖表明對于模型調(diào)諧參數(shù)的不同值，多個(gè)分?jǐn)?shù)如何可以供給到機(jī)器學(xué)習(xí)引擎中；

圖4是根據(jù)本發(fā)明實(shí)施例的方塊圖，該方塊圖表明產(chǎn)生多個(gè)不同分?jǐn)?shù)分量、和基于目的而組合分量分?jǐn)?shù)；及

圖5是根據(jù)本發(fā)明實(shí)施例的計(jì)算機(jī)系統(tǒng)的方塊圖，該計(jì)算機(jī)系統(tǒng)可以用來實(shí)施視頻推薦系統(tǒng)。

具體實(shí)施方式

如下描述中，為了解釋的目的，敘述多個(gè)具體細(xì)節(jié)，以便提供本發(fā)明的徹底理解。然而，顯然，可以實(shí)踐本發(fā)明而不用這些具體細(xì)節(jié)。其它情況下，熟知結(jié)構(gòu)和裝置以方塊圖形式表示，以便避免不必要地使本發(fā)明模糊。

一般概要

提供向用戶推薦視頻資產(chǎn)的技術(shù)，其中對于每個(gè)候選視頻預(yù)測向用戶推薦該候選視頻可能滿足目的的程度。在所述目的是用戶約定的情況下，預(yù)測可以指示用戶可能對該候選視頻感興趣的程度。根據(jù)本發(fā)明的一個(gè)方面，訓(xùn)練機(jī)器學(xué)習(xí)引擎既供給有協(xié)作過濾(collaborative filtering,CF)參數(shù)值，又供給有基于內(nèi)容的過濾(content-based filtering,CBF)參數(shù)值?；谳斎?yún)?shù)值，機(jī)器學(xué)習(xí)引擎產(chǎn)生機(jī)器-學(xué)習(xí)分?jǐn)?shù)(“ML分?jǐn)?shù)”)，該機(jī)器-學(xué)習(xí)分?jǐn)?shù)反映向用戶推薦特定視頻將滿足特定目的的程度。在所述目的是滿足用戶的觀看興趣的情況下，ML分?jǐn)?shù)是特定用戶可能對觀看視頻多么感興趣的預(yù)測。

為了解釋說明，對其產(chǎn)生ML分?jǐn)?shù)的用戶這里稱作“目標(biāo)用戶”，并且對其產(chǎn)生ML分?jǐn)?shù)的視頻這里稱作“目標(biāo)視頻”。在一個(gè)實(shí)施例中，對于在一組候選視頻中的每個(gè)視頻產(chǎn)生的ML分?jǐn)?shù)，作為從候選視頻中選擇哪些視頻推薦給目標(biāo)用戶的基礎(chǔ)。