专利名称:使用隐含和显式观看偏爱而产生推荐评价的方法和装置的制作方法
技术领域:
本发明涉及用于推荐电视节目的方法和装置,尤其涉及使用隐含和显式观看偏爱而产生推荐评价的技术。
随着电视观众可用频道数量的增加,以及在这种频道上可供节目的多样性,对于电视观众来说,标识感兴趣的电视节目正逐渐成为紧迫要求。以往,电视观众通过分析印刷的电视节目指南来标识感兴趣的电视节目。通常,这种印刷的电视节目指南包括表格清单,按时间和日期、频道及标题列出可供的电视节目。随着电视节目数量的增加,愈加难于使用这种印刷的指南来有效地标识所需的电视节目。
最近,已经能以电子形式得到电视节目指南,时常称作电子节目指南(EPG)。像印刷的电视节目指南那样,EPG包括表格清单,按时间和日期、频道及标题列出可供的电视节目。但是某些EPG允许电视观众根据个性化偏爱来分类或搜索可得到的电视节目。此外,EPG实现了可供电视节目的屏幕显示。
虽然EPG允许观众比传统印刷的指南更有效率地标识所需的节目,但是观众将受到数目的局限性,如果克服该局限性,将能够进一步增强观众标识所需节目的能力。例如,许多观众具有对确定节目类别的特别偏爱或抵制,例如基于表演动作的节目或体育节目。所以,该观众的偏爱能够被用于该EPG,以便获得一组推荐的节目,对一个特定观众来说可能是感兴趣的。
所以,已经提出或建议了若干用于推荐电视节目的工具。例如,可由Tivo公司(在加利福尼亚州的Sunnyvale)商业提供的TivoTM系统,允许观众应用"赞成和否定"特征来评定显示内容,并且因此分别表明观众爱好和厌恶的节目。其后,该TiVo接收机将以接收的节目数据,例如一个EPG,匹配该记录器的观众,以便实现对每一观众的定制推荐。
以非强迫方式,隐含的电视节目推荐程序根据从该观众的观看历史获得信息产生电视节目推荐。
图1示出使用传统的隐含电视节目推荐程序160产生观众配置文件140的情况。该隐含的观众配置文件140是从观看历史125获得的,该观看历史125表明一个给定的观众是否爱好或嫌恶每一节目的情况。如图1所示,该隐含的电视节目推荐程序160以一个已知方式处理该观看历史125,以得到一个隐含的观众配置文件140,包括表征该观众偏爱的一套推知规律。所以,一个隐含的电视节目推荐程序160试图根据观众对于节目组的好恶来得到该观众的观看习惯。
另一方面,显式的电视节目推荐程序明确地询问观众有关其对节目属性的偏爱,比如标题、种类、演员、频道以及日期/时间,以便得到观众配置文件并且产生推荐。图2示出使用传统的显式电视节目推荐程序260产生观众配置文件240的情况。该显式观众配置文件140从一个观众调查225产生,该观众调查225提供每一节目属性的评定,例如有关根据数字尺度的评定,映射在"憎恶"和"爱好"之间的各种等级,指示一个给定观众是否好恶每个节目。如图2所示,该显式电视节目推荐程序260以一个已知方式处理该观看调查125,以便产生一个显式观众配置文件240,包括实施该观众偏爱的一套规律。
虽然这种电视节目推荐程序标识了对于一个给定观众可能感兴趣的节目,但是该推荐程序有它的局限性,如果克服该局限性,将能够进一步改进该产生的节目推荐的质量。例如,显式电视节目推荐程序通常不适于演化一个观众的偏爱选择。相反,该产生的节目推荐是基于静态的调查响应。此外,为了易于理解,显式电视节目推荐程序要求每一用户对非常详细的调查做回答。例如,假设有180个不同可能的喜爱"种类"属性,而该用户只说明他或她的"五个种类的"爱好",则获得不了该用户对于其它175个可能种类的选择信息。类似地,隐含的电视节目推荐程序就常常容易地通过该观众显式标识的一个观众的观看习惯作出错误的假设。
因此,需要一种根据隐含和显式的观众选择而产生节目推荐的方法和装置。进一步需要用于产生属于是节目属性或特征说明的节目推荐的方法和装置。
总的来说,公开了一种电视节目推荐程序,其根据组合的隐含/显式节目推荐评价而产生电视节目推荐。所以,该公开的电视节目推荐程序把该显式观众偏爱与其电视观看行为组合(隐含偏爱),以便产生节目推荐。
例如,显式观看偏爱通过观众评定其对于各种节目属性的偏爱而获得,包括例如日期和观看次数、频道、演员和电视节目的分类(种类)。显式观看偏爱则被利用来产生一个显式推荐评价E,用于一个即将到来的电视节目。
同样,例如通过监视一个用户的观看历史并且分析由用户实际收看的节目(肯定实例)以及不被用户收看的显示(否定实例),来获得隐含的观看选择。隐含的观看偏爱则被利用来产生一个隐含的推荐评价I,用于一个即将到来的电视节目。
本发明根据显式评价E和隐含评价I来计算一个组合的推荐评价C。在一个实施方案中,能够使用一个加权的线性映射计算该组合的推荐评价C。由于该显式推荐评价E表示该观众已经明确指定的兴趣,所以该组合的推荐评价C能够有选择地偏向该显式推荐评价E。
参考下面的详细描述和附图将获得的本发明、以及本发明的进一步特征和优点的更完全的理解。
图1示出使用传统的隐含电视节目推荐程序产生一个隐含配置文件的情况;图2示出使用传统显式电视节目推荐程序产生的显式配置文件的情况;图3是根据本发明的电视节目推荐程序的示意框图;图4是说明一个示例性显式观众配置文件的表格;图5是说明一个示例性隐含观众配置文件的表格;以及图6是一个流程图,描述的实现本发明原理的图3的节目推荐产生处理。
图3示出根据本发明的电视节目推荐程序300。如图3所示,电视节目推荐程序300评估在一个电子节目指南(EPG)310中的每一个节目,以便标识一个特定观众感兴趣的节目。例如,使用一机顶终端/电视(没示出),利用熟知的屏幕显示技术,把推荐的节目组展现给观众。
根据本发明的一个特征,该电视节目推荐程序300根据组合的隐含/显式节目推荐评价而产生电视节目推荐。所以,本发明把该显式观众偏爱与其电视观看行为(隐含偏爱)组合,以便产生节目推荐。例如,每个观众针对各种节目属性最初评定其偏爱选择,包括例如日期和观看次数、频道、演员和电视节目的类别(种类)。
如图3所示,针对每一观众使用一个显式配置文件400,该显式配置文件400将在下面结合图4进一步讨论并且以一个熟知和传统的方式产生。随后针对EPG 310中指示的一个即将到来的电视节目产生下面讨论的一个显式推荐评价E。同样,针对每一观众使用一个隐含配置文件500,该隐含的配置文件500将在下面结合图5进一步讨论并且以一个熟知和传统的方式产生。还针对EPG 310中指示的一个即将到来的电视节目产生下面讨论的一个隐含推荐评价I。
本发明根据E和I来计算一个组合的推荐评价C。在一个实施方案中,由于该显式推荐评价E表示该观众已经明确指定的兴趣,所以该组合的推荐评价C被偏向该显式推荐评价E。
如图3所示,该电视节目推荐程序300包括将在下面分别结合图4和图5进一步讨论的显式观众配置文件400、隐含观看配置文件500,和一个将在下面结合图6进一步讨论的节目推荐产生处理程序。通常,根据本发明,该节目推荐产生处理程序600处理该显式和隐含观众配置文件400、500,并且计算该组合的推荐评价。注意,在显式和隐含观众配置文件400、500中使用的数值尺度可以不相同,并且该节目推荐产生处理程序600可被要求把一个或两个尺度转换为一个共同的表示方式。
电视节目推荐程序300可以作为任何计算装置实现,例如作为个人计算机或工作站实现,包含处理器315,例如中央处理单元(CPU),以及存储器320,例如RAM和R0M。此外,电视节目推荐程序300可以作为任何可得到的电视节目推荐程序实现,例如可从Tivo公司(加利福尼亚州的Sunnyvale)得到的TivoTM系统,或1999年12月17日提交的美国专利申请序,该申请的序列号是09/466,406、标题是"使用判定树状推荐电视节目的方法和装置"(代理人卷号700772),以及2000年2月4日提交的美国专利申请序,该申请的序列号是09/498,271、标题是"Bayesian电视显示推荐程序"(代理人卷号700690),或这些申请的任何组合,其中做相应的修改,以便执行本发明的特征与功能。
图4是说明一个示例性显式观众配置文件400的表格。如图4所示,该显式观众配置文件400包括与一个不同节目属性相关的多个记录405-413。另外,针对列440中的每一属性设置,观众配置文件400在列450中一个数值表示,指示在该对应于属性中该观众兴趣的相关等级。如下面讨论的那样,在图4所示说明性的显式观众配置文件400中,使用在1("憎恶")和7("爱好")之间的数值尺度。例如,该显式观众配置文件400在图4中已经设置的数值表示该用户特别喜欢体育频道上、以及傍晚的节目。
在一个最佳实施例中,该显式观众配置文件400中的数值表示包括一个强度尺度,例如数字 描述1 恨2 不喜欢3 适量否定4 中性5 适量肯定6 喜欢7 热爱根据显式观众配置文件400中阐明的属性值产生显式推荐评价E。该显式推荐评价E能够被标准化,例如标准化为1.0。每一加权系数的值能够实验地确定,即根据由特定观看给出的真实情况的基础上通过训验一套加权而确定。
图5是一个表格,示出一个示例性隐含观众配置文件500,对应于上述讨论到的显式观众配置文件400相同的观众。如图5所示,该隐含的观众配置文件500包括与一个不同节目属性相关的多个记录505-513。此外,针对列540中提到的每一属性,该隐含观众配置文件500以一个已知方式在列545和550中分别提供相应的肯定和否定的计数,分别表示该观众观看的和没有观看具有每个属性的节目的次数。针对每个肯定和否定节目实例(即观看和没观看的节目),在用户配置文件500中分类若干节目属性。例如,假设一个给定观众在傍晚在频道2上观看一个给定的体育节目十次,则与该隐含观众配置文件500中的此特征相关的肯定的计数将被增加10,而该否定计数将是0(零)。由于该隐含观众配置文件500是以用户观看历史为基础,所以包含在配置文件500中的该数据将随着观看历史的增长而随时间被修正。
图6是一个流程图,描述的实现本发明原理的节目推荐产生处理600。根据本发明,该节目推荐产生处理程序600处理该显式和隐含观众配置文件400、500,并且计算该组合的推荐评价。
如图6所示,节目推荐产生处理过程600在步骤610过程中初始地获得针对感兴趣的时间周期的电子节目指南(EPG)310。随后,在步骤615中获得用于该观众的显式和隐含观众配置文件400、500。如果有必要,在步骤620中,该节目推荐产生处理过程600随即把来自该显式或隐含观众配置文件400、500的每一属性的数值分级转换为相同的数值尺度。
在步骤630中,针对感兴趣周期的EPG 310中标识的每一节目,该节目推荐产生处理过程600获得(即计算)该显式推荐评价E和隐含推荐评价I。在一个实施例中,由一个通常的显式电视节目推荐程序提供该显式推荐评价E,而由一个通常隐含电视节目推荐程序提供该隐含推荐评价I。在另一实施例中,该节目推荐产生处理过程600能够直接地计算该隐含推荐评价I,其方式如序列号为09/466,406的美国专利(1999年12月17日提交,标题是"使用判定树的推荐电视节目的方法和装置",代理人卷号为700772)或序列号为09/498,271的美国专利(2000年2月4日提交,标题是"Bayesian电视显示推荐程序",代理人卷号为700690)所描述的方式,这两个申请的每一个都指定到本发明的受让人并且结合在本申请中作为参考。
在步骤640中,该节目推荐产生处理过程600随即针对每一个节目计算组合的推荐评价C。在一个说明性的实施方案中,该节目推荐产生处理过程600按照两个部件计算该组合推荐评价C,在第一部分中用仅以正在计算的用户显式配置文件为基础的一个评价计算,然后把该显式和隐含推荐评价组合,以便给出用于一个节目的总的组合评价C。
每一显示的特征在于一个显示矢量S,该矢量S提供用于每一属性的值,比如<日期/时间(dt)时隙,频道(ch),种类[1..k],描述>。在一个显式配置文件500中,观众通常仅评定该日期/时间时隙、频道和种类。因此,在显示矢量S中仅保持那些特征。所以,该显示矢量S变成<dt,ch,g1,g2,..gK>。
在用户显式配置文件500中,能够针对S中的这些特征的每一个找到一个评定。因此,一个评定矢量与每一S相关,称为RR=<r-dt,r-ch,r1,r2,...rK>
该显式推荐程序评价E被计算为R的一个函数。所以,E=f(R)该评定[1..7]被映射表在一个[-1..1]定标上。能够定义满足确定边界条件的一个多项式,例如R等于1映射到-1,R等于4映射0而R等于7映射到+1。
一旦定义了该映射多项式,E能够被定义为该节目特征的分别评定的一个加权平均。假设W_dt、W_ch、W_g分别表示日期/时间时隙、频道和种类的加权。注意,在该说明性实施例中,针对所有的种类只定义一个加权,意味着各个种类将相同地提供,并且如果有K个种类,则每一种类将加权W_g/K。E=W_dt×r_dt+W_ch×r_ch+(W_g/K)×Σj=1kr_j]]>但是应该注意,每一分别的种类能够有不同加权W_g_j。例如,已经看到,在种类列表中指定到一个给定节目的第一类型是用于该节目的主分类,而在该列表中的随后种类与该节目的相关性递减。为了说明的目的,假设一个给定的节目被分类为作为第一种类的"喜剧",随后按顺序是"形势"和"家庭"作为附加种类。所以,在上述的最终加权评价计算E(显式推荐评价)中,该种类"喜剧"的加权重于种类"形势"的加权,而"形势"的加权重于种类"家庭"的加权。
返回到该说明性的实施例,其中所有的种类被相同地加权,在该显式程序推荐评价E计算被之前确定针对该加权的数值。能够实验地、即根据观察实现这种加权,或通过来自该用户的配置文件的特征输入规定这种加权。
在计算该显式节目推荐评价E之后,针对一个节目计算组合的推荐评价C,该组合推荐评价C既取决于评价E(显式)又取决于评价I(隐含)。
C=g(E,I).
在一个实施例中,函数g()可能是一个加权的线性映射。所以,C={W_e*E+W_i*I}/{W_e+W_i}其中"W_e"和"W_i"是说明E和I对总体评价贡献多少的加权。W_e和W_i能够根据下面的考虑计算-当该隐含和显式评价大体相同时W_e=W_i=0.5-相等加权(即可能稍偏向W)。
-当E>>1时,该用户的显式兴趣指示该显示是此人所感兴趣的,同时该隐含配置文件指示该显示是此人不感兴趣的。假设该显式信息是更精确的信息,则组合的评价C将更多地取决E而不是I。因此,W_e>>W_i。
-E<<I的情况类似于上述的情况。组合评价C将更反映E而不是I。因此,同样是W_e>>W_i。
上述考虑表明,随着显式和隐含评价之间的差异增加,该显式评价E将被更重地加权。
最终,在感兴趣时期中针对每一节目的组合推荐评价能够在步骤650期间展现给该用户,例如在步骤660期间的节目控制终止之前使用屏幕编程技术展现给该用户。
应该理解的是,在此示出和描述的实施例和变量仅是为了说明本发明原理,并且本领域技术人员在不背离本发明范围和精神的条件下可以实现各种修改。
权利要求
1.用于推荐电视节目的一种方法,包括步骤-获得一个或者多个节目的清单(310);-针对所说的一个或多个节目获得一个显式推荐评价E(310);-针对所说的一个或多个节目获得一个隐含的推荐评价I(310);和-根据所说的显式评价E和隐含评价I而产生一个组合的推荐评价C。
2.权利要求1的方法,其中所说的一个或多个节目的清单(310)是从一个电子节目指南获得的。
3.权利要求1的方法,其中所说的显式推荐评价E被定义为节目特征的各个分类的加权平均。
4.权利要求1的方法,其中所说的组合推荐评价C是使用所说的显式推荐评价E和所说的隐含推荐评价I的加权线性映射计算的。
5.权利要求1的方法,其中所说的组合推荐评价C偏向所说的显式推荐评价E。
6.权利要求1的方法,进一步包括步骤把针对所说的一个或多个节目(310)的每一个的所说的组合推荐评价C展现给一个用户。
7.用于获得针对用户的电视节目的一个推荐的系统(300),所说的节目具有属性,该系统(300)包括-存储器(320),对于存储计算机可读码;和-处理器(315),操作地耦合到所说的存储器(320),所说的处理器(315)构成用于-获得一个或者多个节目(310)的清单;-针对所说的一个或多个节目(310)获得一个显式推荐评价E;-针对所说的一个或多个节目(310)获得一个隐含推荐评价I;和-根据所说的显式评价E和隐含评价I而产生一个组合的推荐评价C。
8.权利要求7的系统(300),其中所说的一个或多个节目(310)的清单是从一个电子节目指南获得的。
9.权利要求7的系统(300),其中所说的显式推荐评价E被定义为节目特征的各个分类的加权平均。
10.权利要求7的系统(300),其中所说的组合推荐评价C是使用所说的显式推荐评价E和所说的隐含推荐评价I的加权线性映射计算的。
11.权利要求7的系统(300),其中所说的组合推荐评价C偏向所说的显式推荐评价E。
12.权利要求7的系统(300),其中所说的处理器(315)是进一步用于把针对所说的一个或多个节目(310)的每一个的组合的推荐评价C展现给一个用户。
全文摘要
公开了一种电视节目推荐程序,其根据组合的隐含/显式节目推荐评价而产生电视节目推荐。公开的电视节目推荐程序把该显式观众偏爱与其电视观看行为组合(隐含偏爱),以便产生节目推荐。可以通过观众评定其针对各种节目属性的偏爱获得显式观看偏爱。显式观看偏爱随即被利用来产生一个显式推荐评价E,用于一个即将到来的电视节目。通过监视器一个用户的观看历史并且分析由用户实际收看的节目(肯定实例)以及不被用户收看的显示(否定实例),来获得隐含的观看选择。隐含观看偏爱随即被利用来产生一个隐含推荐评价I,用于一个即将到来的电视节目。根据显式评价E和隐含评价I来计算一个组合的推荐评价C。在一个实施方案中,能够使用一个加权的线性映射计算该组合的推荐评价C。
文档编号H04N7/16GK1428044SQ01803702
公开日2003年7月2日 申请日期2001年9月6日 优先权日2000年9月20日
发明者K·库拉帕蒂, J·D·沙菲尔, S·古塔 申请人:皇家菲利浦电子有限公司