专利名称：用于执行基于简档的协同过滤的装置和方法
技术领域：
本发明通常涉及用于向用户推荐感兴趣的项目的方法和装置，更具体地，涉及一种用于基于其他用户的简档(profile)向用户推荐项目的系统和方法。
背景技术：
推荐系统基于已知的关于用户或者偏好既往史或者用户消费的属性，预测用户的偏好。例如，由于用户事先指出喜欢其他的诗史电影，诸如“夺宝奇兵”或者“2001太空漫游”，因此推荐系统可以预测用户将喜欢电影“星球大战”。
该系统归于两个广泛的类别，隐式推荐装置和显式推荐装置。隐式推荐装置基于得自观众/消费者的偏好既往史的数据，以非强迫方式生成推荐。在电视观看的情况中，可以使用传统的隐式电视节目推荐装置生成观众简档。隐式观众简档得自观看历史，指出给定观众喜欢或不喜欢每个节目。
另一方面，显式推荐装置在节目编制环境中明确地询问观众他们的偏好，诸如标题、类别、演员、频道和日期/时间，以得到观众简档并生成推荐。显式观众简档由观众调查生成，其例如，使用同“厌恶”和“喜爱”之间的不同的兴趣等级相对应的数值比例，提供了关于每个节目属性的观看率。
尽管上文讨论的隐式和显式推荐系统协助用户识别感兴趣的项目，但是他们受到多种限制的困扰。例如，为了详尽，显式推荐工具的启动是非常乏味的，需要每个新的用户响应非常详细的调查，其以粗糙的粒度级指出了他们的偏好。尽管隐式推荐系统通过，例如观察观看行为，不明显地得到了简档，但是它们需要长的时间以变得准确。此外，该隐式推荐系统至少需要最少量的观看/购买历史，以开始进行任何推荐。因此，该隐式系统不能够在推荐系统最初使用时进行任何推荐。
基于协同过滤技术的其他的推荐系统，诸如由Amazon.com使用的用于向用户推荐音乐和书籍的系统，基于这样的前提，即用户将具有同其他用户相似的音乐或文学品味，该用户同他们共享共有的购买品。然而，诸如Amazon的系统的协同系统，常常受到影响，推荐同用户品味稍有关联的项目。该“离题”效应通常应归于品味不同于用户品味的大群人，除了小的重叠区域中的人。Amazon的系统的另一缺陷是，没有能力将所购项目识别为未代表购买者的项目。为其他人购买的礼物可能不正确地“欺骗”该协同系统，使之曲解了用户的品味。最后，尽管购买是用户品味的良好指征，但是在Amazon的系统中，在他们以前未进行购买的区域中，不能探察个人偏好。消费者常常喜欢他们未购买的音乐和/或书籍，而通过协同过滤未捕获该偏好数据。
因此，存在对这样一种方法和装置的需要，其能够在可利用足够的个性化观看或购买历史之前，不明显地推荐项目。随着前面提及的需要而来的结果是，对一种用于基于第三方的简档生成关于给定用户的节目或购买推荐的方法和装置的需要。
发明内容
本发明涉及用于基于其他用户的观看偏好向受建议者推荐感兴趣的项目的不同的实施例，诸如电视节目推荐。
目前的推荐系统基于地理区域中其他用户所观看或购买的项目向受建议者推荐节目、购买品等，而不考虑其他用户的人群数据，其导致不准确的推荐。根据本发明的原理，通过考虑该人群数据可以获得受建议者观看或购买偏好的更加准确的度量。因此，相比于现有技术，其他用户具有同受建议者一样的至少一个人群特征，其中其他用户的偏好用于进行针对受建议者的推荐。该至少一个人群特征可以是任何人群特征，诸如，年龄、收入、性别、职业、教育及其组合。
根据本发明的一个方面，在可利用新用户的观看或购买历史之前，基于受建议者的观看或购买偏好，生成推荐。然而，应当注意，本发明适用于已确定的用户，其已确定向系统提供观看或购买历史。
根据一个实施例，用于推荐项目的方法，包括动作接收来自受建议者的关于推荐一个或多个项目的推荐请求；过滤一般用户人群以识别同受建议者共享至少一个共有的人群特征的亚用户人群；计算同亚人群中的每个用户相关联的偏好数据与同受建议者相关联的偏好数据和简档数据中的一个之间的接近度的度量；从具有最低的关于受建议者的计算接近度度量的所述亚人群中选择同N个用户相关联的偏好数据，其中N是正的整数值，等于或者大于1；以及，使用所选偏好数据向受建议者推荐项目。
根据另一实施例，用于推荐项目的方法，包括动作接收来自受建议者的关于推荐一个或多个项目的推荐请求；过滤一般用户人群以识别同受建议者共享至少一个共有的人群特征的亚用户人群；计算同亚人群中的每个用户相关联的简档数据与同受建议者相关联的偏好数据和简档数据中的一个之间的接近度的度量；从具有最低的关于受建议者的计算接近度度量的所述亚人群中选择同N个用户相关联的偏好数据，其中N是正的整数值，等于或者大于1；以及，使用所选简档数据向受建议者推荐项目。
根据另一实施例，用于推荐项目的方法，包括动作接收来自受建议者的关于推荐一个或多个项目的推荐请求；过滤一般用户人群以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；由同所述亚用户人群相关联的偏好数据生成一个或多个平均简档；计算一个或多个平均简档与同所述受建议者相关联的简档数据之间的距离度量；选择N个平均简档，其计算距离度量被确定为最低的，其中N是正的整数值，等于或者大于1；以及，使用N个所选平均简档向受建议者推荐所述项目。
在另一方面，本发明涉及用于推荐项目的装置，其包括处理器；存储器，其连接到处理器，并且在其中存储计算机可执行指令；其中处理器响应指令的执行接收来自受建议者的关于推荐一个或多个项目的推荐请求；过滤一般用户人群以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；计算同所述亚用户人群中的每个用户相关联的偏好数据与同所述受建议者相关联的偏好数据和简档数据中的一个之间的接近度的度量；从计算接近度度量被确定为最高的所述亚人群中至少选择同用户相关联的偏好数据；并且，使用所选偏好数据向受建议者推荐所述一个或多个项目。
在另一方面，本发明涉及一种制造产品，根据一个实施例，其具有体现于其上的，用于接收来自受建议者的关于推荐一个或多个项目的推荐请求的计算机可读程序装置；用于过滤一般用户人群以识别同受建议者共享至少一个共有的人群特征的亚用户人群的计算机可读程序装置；用于计算同亚人群中的每个用户相关联的偏好数据与同受建议者相关联的偏好数据和简档数据中的一个之间的接近度的度量的计算机可读程序装置；用于从具有最低的关于受建议者的计算接近度度量的所述亚人群中选择同N个用户相关联的偏好数据的计算机可读程序装置，其中N是正的整数值，等于或者大于1；以及，用于使用所选偏好数据向受建议者推荐项目的计算机可读程序装置。
在附属的权利要求中详细地指出了本发明。通过结合附图参考下面的描述，可以更好地理解本发明的上述及其他优点，在附图中图1a、1b和1c是根据本发明的装置的不同实施例的电视节目推荐装置的示意性框图；图2是来自图1的示例性节目数据库的样本表格；图3是描述了本发明的方法的一个实施例的流程图；图4说明了来自由本发明的推荐系统使用的第三方观众的观看历史的样本表格；图5是描述了本发明的方法的另一个实施例的流程图；图6说明了来自由本发明的推荐系统使用的第三方观众的简档的样本表格；图7是描述了本发明的方法的另一个实施例的流程图。
具体实施例方式
公开了用于基于其他用户的观看/购买简档/偏好，向用户推荐感兴趣的项目，诸如电视节目和购买推荐的方法和系统。提出了下面的描述，以使得本领域的任何技术人员能够获得并使用本发明。为了解释目的，提出了特定的术语，以提供对本发明的全面的理解。特定应用的描述仅作为示例而被提供。在不偏离本发明的精神和范围的前提下，针对优选实施例的不同的修改对于本领域的技术人员是显而易见的，并且此处定义的一般原理可以应用于其他的实施例和应用。因此，本发明的目的不在于限制于所示出的实施例，而是符合同此处公开的原理和特征相一致的最广泛的范围。
本发明可以通过硬件、软件或硬件和软件组合实现。任意类型的计算机系统或其他装置适于执行此处描述的方法。典型的硬件和软件的组合可以是具有计算机程序的通用计算机系统，当加载并执行该计算机程序时，其控制计算机系统，由此其执行此处描述的方法。本发明还可以嵌入在计算机程序产品中，其包括能够实现此处描述的方法的全部特征，并且其在加载到计算机系统中时能够执行这些方法。
现将在电视观看推荐服务的环境中来描述本发明的不同特征和方法，包括三个具体的实现方案，即用于推荐电视观看偏好。如本领域的技术人员所将认识到的，所公开的方法还可用于推荐其他类型的项目，包括非有形项目。借助于示例并且无限制地，所公开的方法还可以推荐作者、艺术家、题目类别或群组、Web站点、聊天组、电影、电视演出、可下载内容、餐馆和其他用户。
为了方便，该说明书的剩余部分将使用术语“用户”、“受建议者”和“新用户”来指代系统的单一用户以及“复合用户”。
图1a说明了根据本发明的一个实施例的电视节目推荐装置100。如图1所示，示例性电视节目编制推荐装置100评估节目数据库200中的节目，其在下文中结合图2进行讨论，以识别特定观众感兴趣的节目。例如，利用使用了公知屏显技术的机顶盒终端/电视(未示出)，可以将所推荐的节目组呈现给观众。尽管此处在电视节目编制推荐的环境中说明了本发明，但是本发明可以应用于基于用户行为评估，诸如观看历史或购买历史的任何自动生成的推荐。根据本发明的一个特征，电视节目编制推荐装置100可以在新用户的观看或购买历史140可利用之前生成电视节目推荐，诸如在用户首次获得电视节目编制推荐装置100时。
电视节目推荐装置100可以体现为任何计算设备，诸如个人电脑或工作站，其包含处理器115，诸如中央处理单元(CPU)115，以及存储器120，诸如RAM和/或ROM。电视节目推荐装置100还可以体现为例如机顶盒终端或显示器(未示出)中的专用集成电路(ASIC)。此外，电视节目编制推荐装置100可以体现为任何可利用的电视节目推荐装置，诸如来自Sunnyvale，California的Tivo，Inc.的商用TivoTM系统，或者在1999年12月17日提交的题为“Method andApparatus for Recommending Television Programming UsingDecision Trees”的美国专利申请Serial No.09/466,406、在2000年2月4日提交的题为“Bayesian TV Show Recommender”的美国专利申请Serial No.09/498,271、在2000年7月27日提交的题为“Three-Way Media Recommendation Method and System”的美国专利申请Serial No.09/627,139中描述的电视节目推荐装置或其任何组合，每个专利申请在此处并入列为参考，在此处进行修改以执行本发明的特征和功能。
A.第一实施例第一实施例利用协同过滤(collaborative filteting)的原理。存在关于用于协同过滤的方法的数个专利。美国专利No.5,790,426、No.5,867,799和No.6,092,049提出了用于基于用户针对项目给出的评定来推荐项目的方法和装置。
如图1a所示，并且如下文结合图3和4进行的进一步讨论，在一个实施例中，电视节目编制推荐装置100包括节目数据库200、人群特征过滤(demographic filter)程序300和观众偏好处理400。
通常，节目数据库200可以体现为公知的电子节目指南，并且记录关于在给定的时间间隔中可获得的每个节目的数据。人群特征过滤程序300处理一般第三方用户人群，以从一般人群中识别出那些第三方用户，其与受建议者共享至少一个人群特征，在此处被称为第三方用户的“亚人群”。观众偏好处理400识别关于经人群特征过滤的亚人群中每个第三方用户的观看偏好。接近度程序600评估每个第三方观众的偏好数据同受建议者提供的偏好数据的接近度。
图2是来自图1的节目数据库(EPG)200的样本表格。如前面所指出的，节目数据库200记录了关于在给定的时间间隔中可获得的每个节目的数据。如图2所示，节目数据库200包含多个记录，诸如记录205～220，每个记录同给定的节目相关联。对于每个电视节目，节目数据库200分别在字段240和245中指出了同电视节目相关联的日期/时间和频道。此外，在字段250、255和270中分别识别了关于每个节目的题目、类别和演员。附加的公知特征(未示出)，诸如节目的时长和描述，也可以包括在节目数据库200中。
现在参考图3，以流程图的形式示出了用于基于第三方用户的观看偏好向受建议者推荐感兴趣的项目，诸如电视节目推荐的第一示例性方法30。根据本发明的原理，感兴趣的第三方用户是那些同受建议者共享一个或多个共有人群特征的用户。
在动作301中，处理开始。
在动作302中，如图1a所示的人群特征过滤程序300过滤了较大的第三方观众人群，以识别并选择同受建议者共享至少一个共有人群特征的第三方观众的亚人群。该至少一个人群特征可以是任何人群特征，例如，诸如年龄、兴趣、收入、性别、职业和教育或其组合。作为一个示例，如果已知受建议者是男性，则该人口特征可被选择为由人群特征过滤程序300使用的“过滤器”，用于过滤一般用户人群，以识别那些男性亚人群中的第三方观众。
在动作304中，由人群特征过滤程序300调用偏好处理程序400，以生成关于(在动作302中)识别的人群特征相容的第三方亚用户人群中每个观众或成员的第三方观众偏好数据140。
图4说明了示例性的第三方观众偏好数据130。所示的第三方观众偏好数据400表示典型地由观众调查生成的数据，其提供关于每个节目特征的评定。如图4所示，第三方观众偏好数据400包含多个记录，诸如记录405～420，每个记录同给定的节目相关联。对于每个电视节目，第三方观众偏好数据400分别在字段440和445中指出了同电视节目相关联的日期/时间和频道。此外，在字段450、455和470中分别识别关于每个节目的题目、类别和演员。附加的公知特征(未示出)，诸如节目的时长和描述，也可以包括在第三方观众偏好数据400中。
在动作306中，由偏好处理程序400调用接近度程序600，以评估每个第三方观众的偏好数据130与受建议者提供的偏好数据140的接近度。即，在动作304获得的观众偏好数据同受建议者的观众偏好数据比较。应当注意，在受建议者具有可用于使用的预先存在的简档数据的情况中，简档数据将在该步骤中取代偏好数据。而且，如果受建议者通过系统建立了一段时间周期的简档140，则简档140可以在该步骤中取代受建议者的偏好数据140。
在动作308中，被确定为同受建议者的偏好数据140最接近的亚人群中的第三方观众的偏好数据130，将被用于为受建议者制作节目推荐150。在一个实施例中，最接近的N个第三方观众，其偏好数据被确定为同受建议者提供的偏好数据140最接近，可被用于为受建议者制作节目推荐150。例如，动作308识别亚人群中的哪些第三方观众具有同受建议者的最小距离，如动作306中所比较的，并且使用所识别的第三方观众向受建议者推荐观看偏好。变量N可被提供为输入参数，或者可被提供为系统缺省值(例如，N＝1或N＝2或N＝3等)。
在动作310中，该处理终止。
B.第二实施例如图1b所示，并且如下文结合图5和6进行的进一步讨论，电视节目编制推荐装置100包括节目数据库200、人群特征过滤程序300、观众偏好处理400、简档处理500和接近度程序600。
现在参考图5，以流程图的形式示出了用于基于第三方观众的观看简档来向受建议者推荐感兴趣的项目，诸如电视节目推荐的第二示例性方法50。根据本发明的原理，第三方观众同受建议者共享一个或多个共有的人群特征。
在动作502中，处理开始。
在动作504中，如图1b所示的人群特征过滤程序300过滤较大的第三方观众人群，以识别并选择同受建议者共享一个或多个共有的预选人群特征的第三方观众的亚人群。该人群特征可以是任何人群特征，诸如例如，年龄、兴趣、收入、性别、职业和教育或其组合。
在动作506中，由人群特征过滤程序300调用观众偏好处理400，以生成关于(在动作504中)识别的人群特征相容的亚人群中每个观众的第三方观众偏好数据140。
在步骤508中，由观众处理400调用简档处理500，以生成关于(在动作504中)识别的人群特征相容的亚人群中每个观众的第三方观众简档数据150。简档处理500(隐式或显式)可以根据1999年12月17日提交的题为“Method and Apparatus for RecommendingTelevision Programming Using Decision Trees”的美国专利申请Serial No.09/466,406来执行，其整体内容在此处并入列为参考。
图6说明了示例性的第三方观众简档数据60。所示的第三方观众简档数据表示典型地由观众偏好数据构建的数据，诸如图4中示出的。
在动作510中，由简档处理500调用接近度程序600，以评估每个第三方观众的简档数据140与受建议者提供的偏好数据的接近度。例如，动作510识别亚人群中的哪些第三方观众具有同受建议者的偏好数据的最小简档距离。应当注意，在新用户具有可用于使用的预先存在的简档数据的情况中，简档数据将在该步骤中取代偏好数据。
在动作512中，(在动作510中)被识别或被确定为同受建议者提供的偏好数据140最接近的亚人群中的一个或多个第三方观众的简档数据160将被用于为受建议者制作节目推荐150。在一个实施例中，最接近的N个第三方观众，其简档数据被确定为同受建议者提供的偏好数据140最接近(或者是可利用的简档数据160)，可被用于为受建议者制作节目推荐150。变量N可被提供为输入参数，或者可被提供为系统缺省值(例如，N＝1或N＝2或N＝3等)。
在动作514中，该处理终止。
C.第三实施例如图1c所示，并且如下文结合图6进行的进一步讨论，电视节目编制推荐装置100包括节目数据库200、地理特征过滤程序300、偏好处理程序400、简档处理程序500、群集(clustering)程序650、平均简档创建程序700和距离计算程序800。
现在参考图7，以流程图的形式示出了用于基于第三方观众的观看简档向受建议者推荐感兴趣的项目，诸如电视节目推荐的第三示例性方法70。根据本发明的原理，第三方观众同受建议者共享一个或多个共有的人群特征。
在动作702中，处理开始。
在动作704中，人群特征过滤程序300过滤较大的第三方观众人群，以识别并选择同受建议者共享一个或多个共有的人群特征的第三方观众的亚人群。该人群特征可以是任何人群特征，诸如例如，年龄、兴趣、收入、性别、职业和教育或其组合。
在动作706中，由人群特征过滤程序300调用偏好处理程序400，以生成关于(在动作704中)识别的人群特征相容的亚人群中每个观众的第三方观众偏好数据140。
在动作708中，由偏好处理程序400调用简档处理程序500，以由观众偏好数据生成关于所识别的人群特征相容的亚人群中每个观众的第三方观众简档数据150。
在动作710中，由简档处理程序500调用群集程序650，以由动作708中识别的第三方观众简档数据生成一个或者多个群集170。任意种方法可被用于执行群集。群集动作可以使用任何本领域中所知的群集方法，诸如K-means来执行。在2001年11月11日提交的题为“Method and Apparatus For Generating A Stereotypical ProfileFor Recommending Items of Interest Using Item-basedClustering”的Ser.No.10/014192中描述了可以使用的一个群集方法，其整体内容在此处并入列为参考。
在动作712中，由群集程序650调用平均简档创建程序700，以由动作710中创建的群集、或者对应于动作710中创建的群集来生成一个或多个平均简档180。
在动作714中，由平均简档创建程序调用距离计算程序800，以评估评估一个或多个平均简档与受建议者提供的偏好数据140的接近度。应当注意，在受建议者具有可用于使用的预先存在的简档数据160的情况中，在该步骤中将使用该简档数据取代受建议者提供的偏好数据140。
在动作716中，来自被确定为同受建议者提供的偏好数据140最接近的一个或多个平均简档中的那些平均简档，将被用于为受建议者制作节目推荐150。在一个实施例中，最接近的N个第三方观众，其偏好数据被确定为同受建议者提供的偏好数据140最接近(如果简档数据160可利用，则同简档数据160最接近)，可被用于为受建议者制作节目推荐150。变量N可被提供为输入参数，或者可被提供为系统缺省值(例如，N＝1或N＝2或N＝3等)。
在动作718中，该处理终止。
前文所述将仅被构建为本发明的说明性实施例。在不偏离本发明的基础原理或范围的前提下，本领域的技术人员可以容易地构想可替换的配置，其提供了同本实施例相似的功能。
在解释附属权利要求时，应当理解a)词“包括”未排除给出的权利要求中列出的以外的其他或动作的存在；
b)元素前面的词“一个”未排除多个该元素的存在；c)权利要求中的任何参考符号未限制它们的范围；d)数个“装置”可由相同的项目或者硬件或软件实现的结构或功能表示；并且e)每个公开元素可以包括硬件部分(例如，分立的电子电路)、软件部分(例如，计算机编程)或其任何组合。
权利要求
1.一种用于推荐项目(150)的方法，包括动作(a)接收来自受建议者的推荐请求；(b)过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；(c)计算同亚人群中每个用户相关联的偏好数据(130)与同所述受建议者相关联的偏好(140)和简档数据(160)中的一个之间的接近度的度量(600)；(d)从具有关于受建议者的最低计算的接近度度量(600)的所述亚人群中，选择同N个用户相关联的偏好数据，其中N是正的整数值，等于或者大于1；以及(e)使用在所述步骤(d)中选择的偏好数据向受建议者推荐所述项目(150)。
2.权利要求1的方法，其中N被提供为用户提供的输入值和系统缺省值其中之一。
3.权利要求1的方法，进一步包括在所述动作(c)之前的积累偏好数据的动作，其中从提供了项目特征评定的一个或多个观众调查中积累所述偏好数据。
4.权利要求1的方法，其中所述项目是获得自电子节目指南的电视节目。
5.权利要求1的方法，其中所述偏好数据由隐式和显式节目推荐装置中的一个提供的。
6.权利要求1的方法，其中所述偏好数据由协同节目推荐装置提供。
7.权利要求1的方法，其中该至少一个人群特征被提供为系统缺省值和输入参数其中之一。
8.一种用于推荐项目(150)的方法，包括动作(a)接收来自受建议者的推荐请求；(b)过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；(c)计算同所述亚人群中每个用户相关联的简档数据与同所述受建议者相关联的偏好(140)和简档数据(160)中的一个之间的接近度的度量(600)；(d)从所计算的接近度度量最低的所述亚人群中选择同N个用户相关联的简档数据，其中N是正的整数值，等于或者大于1；以及(e)使用在所述步骤(d)中选择的简档数据，向受建议者推荐所述项目(150)。
9.权利要求8的方法，在所述动作(c)之前进一步包括动作由提供了关于节目特征评定的一个或多个观众调查来生成关于所述亚用户人群的偏好数据(130)；和由所述生成的偏好数据(130)生成简档数据(160)。
10.权利要求8的方法，其中所述一个或多个项目的列表是获得自电子节目指南的节目。
11.权利要求8的方法，其中所述偏好数据由隐式和显式节目推荐装置中的一个提供。
12.权利要求8的方法，其中所述偏好数据由协同节目推荐装置提供。
13.权利要求8的方法，其中该至少一个人群特征被提供为输入参数和系统缺省值其中之一。
14.一种用于推荐项目(150)的方法，包括动作(a)接收来自受建议者的推荐请求；(b)过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；(c)由同所述亚用户人群相关联的偏好数据生成平均简档(700)；(d)计算N个平均简档与同所述受建议者相关联的简档数据之间的距离度量(800)；(e)选择N个平均简档，其所计算的距离度量(800)被确定为最低的，其中N是正的整数值，等于或者大于1；以及(f)使用N个所选平均简档来向受建议者推荐所述项目(150)。
15.权利要求14的方法，其中生成平均简档的动作进一步包括动作由提供了关于节目特征评定的一个或多个观众调查来积累关于所述亚用户人群的偏好数据(130)；和由所述积累的偏好数据生成简档数据(500)；由所述偏好数据生成至少一个群集(650)；和生成对应于所述至少一个群集的平均简档。
16.权利要求14的方法，其中所述一个或多个项目是获得自电子节目指南的电视节目。
17.权利要求14的方法，其中所述偏好数据由隐式和显式节目推荐装置中的一个提供。
18.权利要求14的方法，其中该至少一个人群特征被提供为输入参数和系统缺省值其中之一。
19.一种用于推荐项目(150)的计算机实现的装置，该装置包括处理器(115)；存储器(120)，其连接到处理器(115)，并且在其中存储计算机可执行指令；其中处理器(115)响应指令的执行接收来自受建议者的推荐请求；过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；计算同亚人群中的每个用户相关联的偏好数据(130)与同所述受建议者相关联的偏好(140)和简档数据(160)中的一个之间的接近度的度量(600)；从具有关于受建议者的最低计算的接近度度量的所述亚人群中选择同N个用户相关联的偏好数据，其中N是正的整数值，等于或者大于1；并且使用选择的偏好数据向受建议者推荐所述项目(150)。
20.一种用于推荐项目(150)的计算机实现的装置，该装置包括处理器(115)；存储器(120)，其连接到处理器(115)，并且在其中存储计算机可执行指令；其中处理器(115)响应指令的执行接收来自受建议者的推荐请求；过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；计算同所述亚人群中的每个用户相关联的简档数据与同所述受建议者相关联的偏好(140)和简档数据(160)中的一个之间的接近度的度量(600)；选择同所计算的接近度度量最低的N个用户相关联的简档数据，其中N是正的整数值，等于或者大于1；并且使用选择的简档数据向受建议者推荐所述项目(150)。
21.一种用于推荐项目(150)的计算机实现的装置，该装置包括处理器(115)；存储器(120)，其连接到处理器(115)，并且在其中存储计算机可执行指令；其中处理器(115)响应指令的执行接收来自受建议者的推荐请求；过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；由同所述亚用户人群相关联的偏好数据生成平均简档；计算N个平均简档与同所述受建议者相关联的简档数据之间的距离度量；选择N个平均简档，其所计算的距离度量被确定为最低的；并且使用N个所选平均简档向受建议者推荐所述项目(150)。
22.一种用于推荐项目(150)的制造产品，包括计算机可读介质，其具有体现于其中的计算机可读代码装置，所述计算机可读程序代码装置包括接收来自受建议者的推荐请求的动作；过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群的动作；计算同亚人群中的每个用户相关联的偏好数据(130)与同所述受建议者相关联的偏好(140)和简档数据(160)中的一个之间的接近度的度量(600)的动作；从具有关于受建议者的最低计算的接近度度量的所述亚人群中选择同N个用户相关联的偏好数据的动作，其中N是正的整数值，等于或者大于1；以及使用选择的偏好数据向受建议者推荐所述项目的动作。
23.一种用于推荐项目(150)的制造产品，包括计算机可读介质，其具有体现于其中的计算机可读代码装置，所述计算机可读程序代码装置包括接收来自受建议者对于所述项目推荐的推荐请求的动作；过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群的动作；计算同所述亚人群中的每个用户相关联的简档数据与同所述受建议者相关联的偏好(140)和简档数据(160)中的一个之间的接近度的度量的动作；选择同所计算的接近度度量最低的N个用户相关联的简档数据的动作，其中N是正的整数值，等于或者大于1；以及使用选择的简档数据向受建议者推荐所述项目的动作。
24.一种用于推荐项目(150)的制造产品，包括计算机可读介质，其具有体现于其中的计算机可读代码装置，所述计算机可读程序代码装置包括接收来自受建议者的推荐请求的动作；过滤一般用户人群(300)，以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群的动作；由同所述亚用户人群相关联的偏好数据生成平均简档(700)的动作；计算平均简档与同所述受建议者相关联的简档数据之间的距离度量(800)的动作；选择所计算的距离度量被确定为最低的N个平均简档的动作，其中N是正的整数值，等于或者大于1；以及使用N个所选平均简档向受建议者推荐所述项目(150)的动作。
全文摘要
公开了基于其他用户的观看偏好(140)或简档(160)，用于为受建议者推荐项目(150)诸如电视节目推荐的各种实施例的方法和装置。根据一个实施例，用于推荐项目的方法包括接收来自受建议者对于所述项目推荐的推荐请求；过滤一般用户人群以识别同所述受建议者共享至少一个共有的人群特征的亚用户人群；计算同亚人群中每个用户相关联的偏好数据(130)与同所述受建议者相关联的偏好(140)和简档数据(160)中的一个之间的接近度的度量；从具有关于受建议者的最低计算的接近度度量的所述亚人群中，选择同N个用户相关联的偏好数据，其中N是正的整数值，等于或者大于1；使用所选择的偏好数据向受建议者推荐所述项目。
文档编号G06Q30/00GK1788280SQ200480012840
公开日2006年6月14日 申请日期2004年5月6日 优先权日2003年5月12日
发明者S·古塔 申请人:皇家飞利浦电子股份有限公司