专利名称：一种内容推荐方法和装置的制作方法
背景技术：
本发明涉及内容推荐装置和方法，特别涉及更准确地向用户推荐内容的技术。
随着现代通信技术的发展，人们随时可以获取大量信息。然而信息量的急剧增加使人们往往无所适从，人们迫切需要有一种工具可以帮助他们快速找到真正感兴趣的内容，即个性化的容推荐装置。
在现有的推荐系统中，每个内容可包含至少一个内容特征，同类型的内容特征组成内容特征类型。例如，对于电视节目，特征类型可以是演员，相应的内容特征是Tom Hanks，Brad Pitt等。特征类型还可以是节目类型，相应的内容特征是文艺片、爱情片、恐怖片等。特征类型还可以是导演，相应的内容特征是张艺谋、冯小刚等。这些内容特征可以来自广播、电视或者互联网络等信息源，最具代表性的就是通过数字电视电子节目指南(Electric Program Guide，EPG)随节目一起发送给用户。
为了满足不断变化的用户兴趣，内容推荐装置中的用户档案(UserProfile)中存储该用户对节目中的内容特征的喜好程度(Like_degree)及权重(Weight)等信息，并不断对用户档案进行更新。
推荐装置一般根据用户观看的历史(例如，用户观看了什么节目)或用户观看的行为(例如，用户观看了多长时间)来修改用户档案，通常是先获得用户观看某特定节目的时间长度并减去一个预设的阈值，再由所得到的差值与该特定节目预定播放的时间长度的比值，来得出用户对该节目的兴趣度，以用来修正用户档案。
一般来说，如果用户长时间观看具有某一内容特定的内容，内容推荐装置就认定用户喜欢具有该内容特征的内容并推荐更多该类节目。现有的内容推荐装置的结构图如图1所示，该内容推荐装置100包括一个内容接收装置101，用于接收有特定内容特征的内容；一个用户档案102，用于存储用户观看历史；一个筛选装置103，用于根据用户观看的历史向用户推荐节目。
例如，在美国专利申请10/066453(申请日2002年1月31日，公开号20030145326，
公开日
2003年7月31日，受让人为皇家飞利浦电子股份有限公司)公开了一种推荐装置，该系统跟踪用户观看的所有节目并生成标识所观看的特定节目频率的用户档案。随后，向用户提供基于存储在用户档案中的观看习惯的多种预定方案，这样用户可以根据他的兴趣来选择付费节目。
传统推荐装置的一个缺点是只考虑了用户的实际观看量而未考虑一定类型的内容的可用量。由于用户只能观看播放的节目，如果用户非常喜欢的内容非常少播放，即使他观看了所有这种类型的内容，由于观看的总时间还是不长，在他的档案中也不能强烈地表现出他对该类型内容的喜爱。这样，用户非常喜欢的节目可能并不出现在推荐中，导致向用户推荐的节目并不是非常准确。例如，一个用户在一个星期内观看了3个电视剧和观看了1个记录片，传统的推荐装置更新了用户档案，其中3次提高了该用户对电视剧的喜好程度和提高了对纪录片的喜欢程度1次。但事实上，这个星期可能总共播出了15个电视剧和而只播出了1个纪录片。因为他观看了播出的所有的纪录片，这个用户很可能更喜欢看纪录片，应当将用户档案中对纪录片的喜欢程度更多的提高才能正确反映用户的喜好。
发明内容
本发明的目的之一是解决上述问题，提供一种准确性更高的内容推荐装置。
根据本发明的第一个方面，提供一种内容推荐方法，首先，接收关于内容的信息，该信息包括至少一个该内容的内容特征；然后，获取具有该内容特征的内容的可用量并获取一个用户对具有该内容特征的内容的观看量；最后，根据该可用量与该观看量的关系，决定是否推荐该内容给该用户。
本发明的一个实施例是，所接收的内容是一个节目，该可用量是在一个预定的时间段内具有该内容特征的节目的可用量，该预定的时间段的长度大于至少一个具有该内容特征的节目的长度；该观看量是在该预定的时间段内一个用户对具有该内容特征的节目的观看量。
本发明的另一个实施例是，获得针对该预定的时间段的一个节目推荐列表；对该节目推荐列表上具有该内容特征的节目进行统计，从而得到该可用量；并对该用户在该预定的时间段内观看该节目推荐列表上所推荐的的节目进行统计，从而得到该观看量。这样，可以评估用户实际观看了所推荐的节目的比例，从而校正推荐的内容，提供推荐的准确程度。
本发明的又一个实施例是，在用户档案中包含一个用户对该内容特征的喜好程度，根据该可用量与该观看量的关系，调整该喜好程度；根据该调整后的喜好程度，决定是否推荐该节目给该用户。
本发明中，可用量是在预定的时间段内具有该内容特征的节目的总的播放时间，观看量是在预定的时间段内用户观看具有该内容特征的节目的总时间。
本发明中，可用量还可以是在预定的时间段内具有该内容特征的节目的个数，观看量可以是在预定的时间段内用户观看具有该内容特征的节目的次数。
本发明中，可用量还可以是在预定的时间段内具有该内容特征的节目总量与在该预定的时间段内所有节目总量的比值，观看量是在预定的时间段内用户观看具有该内容特征的节目总量与在预定的时间段内该用户所有观看节目总量的比值。
根据本发明的另一个方面，提供一种内容推荐系统，它带有一个接收装置，用于接收关于内容的信息，该信息包括至少一个该内容的内容特征；一个可用量获取装置，用于获取具有该内容特征的节目的可用量；一个观看量获取装置，用于获取一个用户对具有该内容特征的内容的观看量；和一个决定装置，用于根据该可用量与该观看量的关系，决定是否推荐该内容给该用户。
通过参照结合附图所进行的如下描述和权利要求，本发明的其它目的和成就将是显而易见的，并对本发明也会有更为全面的理解。
本发明通过实例的方式，参照附图进行详尽的解释，其中图1是现有的内容推荐装置的结构方框图；图2是本发明的内容推荐装置的一个实施例的结构方框图；图3是本发明的内容推荐装置的另一个实施例的结构方框图；
图4是本发明的内容推荐装置的一个实施例所执行的流程图；图5是本发明的内容推荐装置的另一个实施例所执行的流程图；图6是用模糊逻辑实现本发明的内容推荐时模糊成员函数的输入示意图。
图7是用模糊逻辑实现本发明的内容推荐时模糊成员函数的输出示意图。
在所有的附图中，相同的参照数字表示相似的或相同的特征和功能。
具体实施例方式
图2中示出了本发明的内容推荐装置的一个实施例的结构方框图。该内容推荐装置200包括一个接收装置210，一个可用量获取装置220，一个观看量获取装置230和一个决定装置240。该内容推荐装置200还可以包括一个用户档案250，可用量获取装置220还可以带有一个统计装置260。
接收装置210用于接收关于内容的信息，该信息包括至少一个内容的内容特征。内容可以来自广播、电视台或者互联网络等任何信息源。例如，内容可以是电视节目，内容的信息可以是EPG，其中的一个内容特征类型是“演员”，该内容特征类型中的一个内容特征是“BradPitt”和另一个内容特征是“Tom Hanks”。这些内容特征可来自于EPG。
可用量获取装置220用于获取具有该内容特征的节目的可用量。节目供应商可以统计在一个预定的时间段内具有该内容特征的内容的可用量，将该可用量存储在EPG中，并将该可用量信息随EPG一起发送给推荐装置。这样，可用量获取装置220可以直接从EPG中具有该内容特征的内容的可用量。如果节目供应商并未在EPG中提供各种类型的节目的可用量，可用量获取装置220通过一个统计装置260对接收的EPG中具有该内容特征的节目进行统计，从而得到具有该内容特征的节目的可用量。
观看量获取装置230用于获取一个用户对具有该内容特征的内容的观看量。观看量获取装置230可以通过监控机顶盒获得用户观看历史，对用户观看历史进行统计可以获取具有该内容特征的节目的观看量。
决定装置240从可用量获取装置220和观看量获取装置230接收可用量和观看量，并根据可用量和观看量的关系决定是否推荐该内容或将该内容加入推荐列表。可用量和观看量的关系可以是比例关系，例如，当该比例高过预定值时，则向用户推荐该节目。可用量和观看量的关系还可以通过，例如，以下将要说明的模糊逻辑等方式进行计算。当符合预定关系时，则推荐该节目。
本发明的推荐装置还可以带有一个用户档案250，其中存储与用户观看节目相关的各种信息，例如，当前的EPG和以前的EPG以及由节目供应商或推荐装置统计EPG而所得到的各种节目的可用量。用户档案250还可以存储该用户对各种节目的喜好程度及权重，以及对各种节目的观看历史以及对各种节目的实际观看量等信息。这样，可用量获取装置220和观看量获取装置230可以直接从用户档案250中获取节目的可用量和用户的观看量。
图3中示出了本发明的内容推荐装置的另一个实施例的结构方框图。内容推荐装置300的接收装置210，可用量获取装置220，观看量获取装置230，用户档案250和统计装置260与图2中的实施例相同。在本实施例中，内容推荐装置300的决定装置310中带有一个用户档案修正装置320。用户档案修正装置320根据节目的可用量和观看量的关系对用户档案中针对该内容特征的喜好程度进行修正。例如，当观看量和可用量的比例超过预定值则提高用户档案中该内容特征的喜好程度。反之，当观看量和可用量的比例低于预定值则降低用户档案中该内容特征的喜好程度。此外，根据可用量和观看量的关系修改用户对内容特征的喜欢程度还可以通过，例如，以下将要说明的模糊逻辑的方式计算。
决定装置310在收到从接收装置210得到的节目信息后，从用户档案中获得针对该内容特征的喜欢程度，如果喜欢程度高于预定值，则向用户推荐该节目。
图4是图2所示的内容推荐装置所执行的流程图。以下结合图4详细描述本发明的内容推荐方法的一个实施例。
在步骤S410接收关于内容的信息，该信息包括至少一个该内容的内容特征。该内容可以来自广播、电视台或者互联网络等任何信息源。例如，内容可以是电视节目，内容的信息可以是EPG，内容的一个内容特征类型是“演员”，该内容特征类型中的一个内容特征是“BradPitt”和另一个内容特征是“Tom Hanks”。
在步骤S420获取具有该内容特征的内容的可用量。对于EPG，可以统计在一个预定的时间段内具有某种内容特征的节目的播出量。该预定的时间段可以是一个月、一个星期或其它时间。预定的时间段可以由机顶盒的制造商设定或推荐装置的制造商设定。该时间段也可以由用户设定或修改。此外，该预定的时间段的长度不能比具有该内容特征的节目中最短的节目还短，也就是时间段的长度应大于至少一个具有该内容特征的节目的长度。
具有一个内容特征的内容的可用量可以通过多种方式获得。例如，可以由节目供应商统计并存储在EPG中，并随EPG一起发送到推荐装置。如果EPG中没有提供内容的可用量，则可以在接收到EPG时对EPG进行统计，而得到具有一个内容特征的内容的可用量。此外，内容的可用量还可以从用户档案中获得。例如，用户档案中可以保存有内容供应商提供的具有一个内容特征的内容的可用量。这样，内容的可用量可以直接从用户档案中读取。另一种可能的情况是用户档案中保存当前的EPG和以前的EPG。这样，节目的可用量可以通过读取用户档案中保存的EPG，通过统计的方式获得。
假设在上一个星期内，共播出了5个喜剧片，共10小时，其中一个2小时的喜剧片由Brad Pitt主演，一个2小时的喜剧片由Tom Hanks主演。该星期内还播出了3个纪录片，共3小时；10个电视剧；2个恐怖片，共3小时，其中的一个1.5小时的恐怖片由Jenifer Aniston主演以及其他节目。
这样，对于同类型的内容的可用量进行分析后，产生一个各个类型内容的可用量表。例如，对播出时间进行统计，产生以下的表1(收集的各种内容的播出时间)。
表1.收集的各种内容的播出时间
这些内容特征可以是基于TV-Anytime的字段。当创建这个表时，系统应当过滤重复的内容特征。
在步骤S430获取一个用户对具有该内容特征的内容的观看量。这可以通过统计用户在该预定的时间段内实际观看的各类型的节目的时间来获得。观看量的统计时间段与节目的可用量的统计时间断是相同的。
用户的观看量可以由多种方式获得。例如，推荐装置通过监控机顶盒而获得用户的观看历史，对用户的观看历史进行统计得到用户对具有该内容特征的内容的实际观看量。或者，用户档案记录有用户的观看历史，推荐系统统计用户的观看历史就可以得到该用户对具有各种内容特征的内容的观看量。
例如，一个用户在上个星期观看了其中的3个喜剧片、3个纪录片、2个恐怖片和1个电视剧以及其他节目。对于用户在一个星期内的实际观看量进行分析，建立表2(用户实际观看的具有各种内容特征的节目的时间)。
表2.用户实际观看的具有各种内容特征的节目的时间
在步骤S440检查可用量与观看量是否符合预定关系，如果是，则在步骤S450推荐该内容给该用户，否则，在步骤S460不推荐该内容。可用量和观看量的关系可以是比例关系，当该比例高过预定值时，则向用户推荐该节目。例如，推荐系统可以设定当观看量和可用量的比例超过50％时向用户推荐具有相同内容特征的节目。这样，上一个星期纪录片的可用量是3小时，而用户观看了3小时的纪录片，也就是观看量为3小时。观看量和可用量的比例是100％，超过了预定值。推荐系统则将当前EPG中的纪录片推荐给该用户或将当前EPG中的纪录片加入推荐列表，由用户根据推荐列表进行选择。
此外，可用量和观看量的关系还可以通过，例如，以下将要说明的模糊逻辑的方式计算。
根据本发明的一个可选实施例，步骤S420中内容的可用量还可以用内容的个数来表示，对播出的具有相同内容特征的内容的个数进行统计，产生以下的表3(EPG中各种内容特征的播出的个数)。
表3.EPG中各种内容特征的播出的个数。
同样，步骤S430中对于用户的实际观看量进行分析可以是对实际观看的内容的个数进行统计，产生以下的表4(用户实际观看的具有各种内容特征的节目的个数)。
表4.用户实际观看的具有各种内容特征的节目的个数
根据本发明另一个可选实施例，步骤S420中的内容的可用量的表示可以是具有该内容特征的内容在内容总量中的比例。这样，表中的可用量一栏则用百分比表示，如表5(EPG中各种内容特征的播出的百分比)所示。
表5.EPG中内容特征的播出的百分比
这样，步骤S430中的用户的观看量是用户观看具有该内容特征的内容的时间与他的总观看时间的比例，如表6(用户观看一个内容特征的时间与他的总观看时间的比例)所示。
表6.用户观看一个内容特征的时间与他的总观看时间的比例
根据本发明的另一个可选实施例，可用量和观看量的收集可以不是在EPG的全部节目中进行。例如，可以从用户档案中获得针对该预定的时间段的一个节目推荐列表；对该节目推荐列表上具有该内容特征的节目进行统计，从而得到该可用量。根据用户档案中的记录，对该用户在该预定的时间段内观看该节目推荐列表上所推荐的的节目进行统计，从而得到该观看量。采用这种方式进行统计可以评估用户实际观看了所推荐的节目的比例，从而校正推荐的内容，提供推荐的准确程度。
为了满足不断变化的用户兴趣，内容推荐系统中的用户档案也需要不断地改变。因此按照用户的兴趣(喜好)，动态地修正推荐系统中的用户档案，以向用户推荐用户真正感兴趣的内容，可以提高推荐的准确性。为此，图5示出了本发明的推荐方法的另一个实施例。该实施例中，推荐装置根据用户档案中的喜欢程度来推荐节目。图5中步骤S410-S430与图4中的步骤S410-S430相同。
在步骤S540根据该可用量与该观看量的关系，调整用户档案中该内容特征的喜好程度。例如，当观看量与可用量的比例超过预定值时，增加用户档案中对该内容特征的喜欢程度，反之，当观看量与可用量的比例低于预定值时，降低用户档案中对该内容特征的喜欢程度。这样，使得用户档案中对该内容特征的喜欢程度更准确。对于上面给出的实例，假设推荐系统设定当观看量和可用量的比例超过50％时就增加用户档案中该内容特征的喜欢程度10％。这样，上一个星期纪录片的可用量是3小时，而用户观看了3小时的纪录片，也就是观看量为3小时。观看量和可用量的比例是100％，超过了预定值。则推荐系统将用户档案中纪录片的喜欢程度由原来的50％提供到60％。
用户的观看量和节目的可用量之间的关系还可以用以下将要说明的模糊逻辑的方式计算。
接下来，在步骤S550中，推荐装置收到关于内容的信息后，该信息包括至少一个该内容的内容特征，将从用户档案中获得该用户对该内容特征的喜欢程度，并判断该喜欢程度是否符合预定值。如果是，则在步骤S560中向用户推荐该内容。如果不是，则在步骤S570，不推荐该内容。对应于上面的实例，当推荐装置接收到EPG后，判断其中一个节目是纪录片，则从用户档案中获取该用户对纪录片的喜欢程度为60％，超过预定值50％，则向该用户推荐这个纪录片。
在本发明中，根据用户观看量与节目的可用量的关系向用户推荐节目或调整用户档案中的喜欢程度Like_degree可以采用多种方式，除了上述的比例关系外，还可以采用以下方式。
基本方式在这种方式中，设W是一个内容特征的观看量与可用量的百分比，如果W值高，则增加该内容特征的Like_degree；如果该值低则减小Like_degree。对Like_degree的调节最好是平滑的，这样，经过一段时间，对Like_degree的校正更新将是一个连续的趋势线，使得用户的一次非典型的变化不会对推荐的内容产生不利的影响。
·设BL为下限，当W低于该下限时，则减小Like_degree；·设BH为上限，当W高于该上限时，则增加Like_degree；·BL和BH之间的W值则不影响Like_degree，使得Like_degree的不会过于频繁地波动。
·设S为缩放系数，即每次更新Like_degree的最大变化。
例如，S＝20％表示Like_degree每次最多只能增加或减少20％。这将使Like_degree的变化较为平滑，避免不具有代表性的突变。
计算Like_degree的步骤如下首先计算两个值WL和WH·如果W＜BL则WL＝W，否则WL＝0·如果W＞BH则WH＝W，否则WH＝0接下来计算Like_degree的差值·ΔL＝(WL/BL)×S 即降低Like_degree的百分比；·ΔH＝(WH/BH)×S 即增加Like_degree的百分比计算实际更新Like_degree的量·ΔLike_degree＝Like_degree×(100-ΔL)/100+Like_degree×(100+ΔH)/100最后，得到新的Like_degree·Like_degree＝Like_degree+ΔLike_degree其中，在任何情况下ΔL和ΔH中最多只有一个是非零值。
这样，如果每个星期作评估，经过一段时间，Like_degree将不经过任何突变收敛到正确的值。
可选地，上述可用量可以不是对一段时间内播出的节目的统计，而是在给该用户的推荐的内容中进行统计。这样就可以分析用户实际观看了系统推荐给他的节目的比例。根据这个比例再调整Like_degree的值，使Like_degree经过一段时间后收敛到正确的值，从而更准确地推荐内容。
模糊逻辑方式为用户推荐内容还可以采用模糊逻辑的方式实现。采用模糊逻辑方式的优点在于提高内容推荐装置的鲁棒性，并使内容推荐装置更加智能化。
例如，本申请人的另一个申请(中国专利申请第200310123354.7号，申请人为皇家飞利浦电子股份有限公司，发明人为施笑畏，申请日为2003年12月15日)建议将用户档案存储为一个向量或三元数组，每个向量的输入项表示内容特征之一(例如某种节目类型)和相关的Like_degree(即用户喜欢该内容特征的程度)以及权重Weight(该内容特征在内容推荐装置中的重要程度)。一般来说，权重对相同的内容特征类型的所有内容特征来说是相同的(例如，对于所有节目类型或所有演员来说权重是相同的)。该用户档案向量可以用以下的表7(使用Like-degree和Weight用于存储用户档案的数据结构)来表示。
表7使用Like-degree和Weight用于存储用户档案的数据结构
这样，采用模糊逻辑的方式更新Like_degree的方式如下对于第k个节目，它属于内容特征类型t，相关的内容特征参数fi可以按如下公式更新Weighti′＝Weightt′＝Weightt+Δ Weightt(1)Like_degreei′＝Like_degreei+ΔLike_degreei(2)其中，Weightt为内容特征类型t的权重，属于相同类型的内容特征具有相同的权重，例如节目类型的权重，演员的权重等等；Weightt′为更新后的Weightt；Like_degreei为fi的Like-degree；Like_degreei′为更新后的Like_degreei；ΔWeightt为Weightt的更新幅度，更新幅度；ΔLike_degreei为Like_degreei的更新幅度如果内容特征是新的，将Like_degreei置为0，即Like_degreei＝0，其Weighti与属于该类型的其他内容特征相同。
如果Weightt′高于它的上限，则Weightt′置为上限，即Weight′t＝higher_boundary；如果Weightt′低于它的下限，则Weightt′置为下限，即Weight′t＝lower_boundary；如果Like_degreei′高于它的上限，则Like_degree′i置为上限，即Like_degree′i＝higher_boundary；如果Like_degreei′低于它的下限，则Like_degreei′置为下限，即Like_degree′i＝lower_boundary。
之后，对用户档案的变化通过模糊推理理论进行评估以模拟人类智能。
本发明的模糊逻辑方法基于内容推荐装置中的知识库，该知识库来自存储器中存储的可用量available_time(％)和实际观看量watched_time(％)的分析数据。
为了对ΔLike_degreei进行模糊逻辑运算，执行以下步骤1>选择输入变量和输出变量并进行模糊化。
基于上述分析，available_time(％)和watched_time(％)作为输入变量和ΔLike_degreei作为输出变量。
模糊化参数available_time(％)和watched_time(％)由清晰值映射为模糊值。对于不同的问题模糊隶属函数可以有不同的形状和位置。这里，假设e1＝available_time(％)，e2＝watch_time(％)，对应的模糊值可以如图6所示。
模糊输出变量ΔLike_degreei可以用图7表示。
2>通过以下模糊逻辑推理规则得到输出变量ΔLike_degreei的模糊值
I.如果e1为“大”并且e2为“大”，则ΔLike_degreei为“中”；II.如果e1为“大”并且e2为“中”，则ΔLike_degreei为“小”；III.如果e1为“大”并且e2为“小”，则ΔLike_degreei为“更小”；IV.如果e1为“中”并且e2为“大”，则ΔLike_degreei为“大”；V.如果e1为“中”并且e2为“中”，则ΔLike_degreei为“中”；VI.如果e1为“中”并且e2为“小”，则ΔLike_degreei为“小”；VII.如果e1为“小”并且e2为“大”，则ΔLike_degreei为“更大”；VIII.如果e1为“小”并且e2为“中”，则ΔLike_degreei为“大”；IX.如果e1为“小”并且e2为“小”，则ΔLike_degreei为“中”.
3>去模糊将模糊输出变量ΔLike_degreei变换为清晰值.最传统的去模糊方法是“去重心”法和“最大值平均”法。“去重心”法考虑了更多的有用系数，因此，采用该方法计算Like_degree。“重心”法如公式(3)所示ΔLike_degreei=Σl=1mμ[l]yl/Σl=1mμ[l]---(3)]]>其中，μ[l]是第1个规则的输出区的高度；yl是第1个规则的输出区的重力水平坐标；m是规则的个数。
对于内容特征类型t，ΔWeightt可以按下式计算ΔWeightt=Σj=1p|Like_degreetj′|-Σj=1p|Like_degreetj|p---(4)]]>其中，p是某种类型的内容特征的个数。
通过模糊逻辑的方式进行Like_degree的更新的具体过程可以参考中国专利申请第200310123354.7号(申请人为皇家飞利浦电子股份有限公司，发明人为施笑畏，申请日为2003年12月15日)。
以上结合EPG系统对本发明的内容推荐装置和内容推荐方法进行了详细描述。但是本发明显然可以同样应用于其他领域的内容推荐，例如Internet搜索引擎。将搜索引擎的一个或多个关键字视为内容特征，则Internet搜索引擎中的内容与电视节目一样可以分成多个类型，具有多个内容特征。在给用户提供内容时，搜索引擎可以根据用户以前的搜索操作历史获得搜索引擎提供的内容总量和用户实际浏览量之间的关系，根据这个关系修改搜索结果，以提高搜索的命中率或向用户推荐用户更喜欢的内容。
本发明同样还可以进一步改进。例如，如果用户的设备是联网的，则每个用户可以将他的观看历史(他们观看某种类型的内容的时间量)的提供给服务器。基于这些信息的综合分析，服务器可以确定一个典型用户的用户档案。如果一个用户档案与该典型档案的区别很大，则表示该用户非常喜欢或不喜欢这种类型的节目。用户可以匿名提交他的观看历史以保护他的隐私。
虽然经过对本发明结合具体实施例进行描述，对于在本技术领域熟练的人士，根据上文的叙述作出的许多替代、修改和变化将是显而易见的。因此，当这样的替代、修改和变化落入附后的权利要求的精神和范围内时，应该被包括在本发明中。
权利要求
1.一种内容推荐方法，包含步骤(a).接收关于内容的信息，该信息包括至少一个该内容的内容特征；(b).获取具有该内容特征的内容的可用量；(c).获取一个用户对具有该内容特征的内容的观看量；和(d).根据该可用量与该观看量的关系，决定是否推荐该内容给该用户。
2.如权利要求1所述的方法，其中所述的内容是一个节目，所述可用量是在一个预定的时间段内具有该内容特征的节目的可用量，该预定的时间段的长度大于至少一个具有该内容特征的节目的长度；所述观看量是在该预定的时间段内一个用户对具有该内容特征的节目的观看量。
3.如权利要求2所述的方法，其中所述的信息是来自于一个电子节目指南，所述的步骤(b)包括步骤对该电子节目指南中在所述预定的时间段内具有该内容特征的节目进行统计，从而得到所述的可用量。
4.如权利要求2所述的方法，所述的步骤(b)包括步骤获得针对所述预定的时间段的一个节目推荐列表；对该节目推荐列表上具有所述内容特征的节目进行统计，从而得到所述的可用量。
5.如权利要求4所述的方法，所述的步骤(c)包括步骤对所述用户在所述预定的时间段内观看所述节目推荐列表上所推荐的的节目进行统计，从而得到所述的观看量。
6.如权利要求2所述的方法，其中所述的观看量是来自于一个用户档案。
7.如权利要求6所述的方法，其中所述的用户档案包含一个用户对所述内容特征的喜好程度，所述的步骤(d)包括步骤根据该可用量与该观看量的关系，调整该喜好程度；根据该调整后的喜好程度，决定是否推荐该节目给该用户。
8.如权利要求2的方法，其中所述的可用量是在所述预定的时间段内具有该内容特征的节目的总的播放时间，所述的观看量是在所述预定的时间段内用户观看具有该内容特征的节目的总时间。
9.如权利要求2的方法，其中所述的可用量是在所述预定的时间段内具有该内容特征的节目的个数，所述的观看量是在所述预定的时间段内用户观看具有该内容特征的节目的次数。
10.如权利要求2的方法，其中所述的可用量是在所述预定的时间段内具有该内容特征的节目总量与在该预定的时间段内所有节目总量的比值，所述的观看量是在所述预定的时间段内用户观看具有该内容特征的节目总量与在预定的时间段内该用户所有观看节目总量的比值。
11.如权利要求2所述的方法，所述的步骤(d)包括步骤当该可用量与该观看量的比值大于一个预定值时，决定推荐该节目给该用户。
12.一种内容推荐系统，包含一个接收装置，用于接收关于内容的信息，该信息包括至少一个该内容的内容特征；一个可用量获取装置，用于获取具有该内容特征的节目的可用量；一个观看量获取装置，用于获取一个用户对具有该内容特征的内容的观看量；和一个决定装置，用于根据该可用量与该观看量的关系，决定是否推荐该内容给该用户。
13.如权利要求12所述的方法，其中所述的内容是一个节目，所述可用量是在一个预定的时间段内具有该内容特征的节目的可用量，该预定的时间段的长度大于至少一个具有该内容特征的节目的长度；所述观看量是在该预定的时间段内一个用户对具有该内容特征的节目的观看量。
14.如权利要求13所述的装置，其中所述的信息是来自于一个电子节目指南，所述的可用量获取装置包括一个统计装置，用于对该电子节目指南中在所述预定的时间段内具有该内容特征的节目进行统计，从而得到所述的可用量。
15.如权利要求13所述的装置，其中所述的观看量是来自于一个用户档案。
16.如权利要求15所述的方法，其中所述的用户档案包含一个用户对所述内容特征的喜欢程度，所述的决定装置包括一个用户档案修正装置，用于根据该可用量与该观看量的关系，调整该喜欢程度。
17.如权利要求13的装置，其中所述的可用量是在所述预定的时间段内具有该内容特征的节目的总的播放时间，所述的观看量是在所述预定的时间段内用户观看具有该内容特征的节目的总时间。
18.如权利要求13的装置，其中所述的可用量是在所述预定的时间段内具有该内容特征的节目的个数，所述的观看量是在所述预定的时间段内用户观看具有该内容特征的节目的次数。
全文摘要
本发明涉及内容推荐方法和装置，以提高向用户推荐内容的准确性。根据本发明的内容推荐方法，首先，接收关于内容的信息，该信息包括至少一个该内容的内容特征；然后获取具有该内容特征的内容的可用量和获取一个用户对具有该内容特征的内容的观看量；最后根据该可用量与该观看量的关系，决定是否推荐该内容给该用户。
文档编号H04N7/16GK101088288SQ200580044531
公开日2007年12月12日 申请日期2005年12月7日 优先权日2004年12月23日
发明者D·P·凯利, 施笑畏 申请人:皇家飞利浦电子股份有限公司