在视频租借上的钱的数量的 更精确的预测。除了最终用户可能即将从在随后的服务期内提供的视频集租借的视频的数 量之外，租借数量预测器也可以估计最终用户可能即将租借哪些视频。该估计基于下述论 点：最终用户将根据相对于喜欢附加的排序来租借视频。最终用户可能租借具有最高喜欢 评级的视频。如果所以估计的、最终用户即将租借的视频的数量是"k"，则该最终用户可能 租借他的个人排序的前k个视频。
[0041] 本发明的一个重要特征是租借收入预测器，其估计给定的媒体集当在随后的服务 期期间被提供到一组最终用户时将产生的收入。所述租借收入预测器利用所述推荐系统 和所述租借数量预测器。因此，所述推荐系统和租借数量预测器可以被看作所述租借收入 预测器的子系统。考虑到所述推荐系统对于最终用户和视频集的每一个组合给出视频的排 序，并且考虑到所述租借数量预测器对于最终用户和视频集的每一个组合给出给定用户有 可能在随后的服务期中租借的电影的数量的估计，则容易计算该给定用户在随后的服务期 将花费在租借上的预期的钱的数量。可能考虑这个用户的租借历史。
[0042] 现在，可以仅通过下述方式来获得整体租借收入：在所有的用户上将每一个用户 在即将到来的时间段花费在租借上的预期的钱的数量求和。显然，替代地，也可以使用更高 级的概率模型来预测该总的租借收入。所述租借收入预测器的一个更高级的实施例也包括 考虑单独视频的普及度。例如，近期已经作为故事片发布并且吸引了在电影院中的许多观 众并且/或者已经在审查中得到好评的视频有可能吸引来自最终用户的更多的兴趣。包括 这些普及度的一种可能的方式与由所述推荐系统给出的估计的喜欢度作比较另外增大了 这些普及项目的喜欢评级。
[0043] 应当注意，确定新的视频的普及度不与确定用户特定的喜欢评级相同，并且，特定 视频多常被租借不与估计用户将租借的媒体内容项目的用户特定数量相同。
[0044] 另外，如果用于这些普及项目的结果产生的喜欢度对于给定的最终用户足够大， 则所述最终用户可能在即将到来的服务期中具有多少租借的估计对应地增大适当的部分。 可以以试验方式来确定该部分的精确值。因此，可以不利地影响例如接收到由媒体批评界 的负面评级的视频的喜欢评级。
[0045] 所述租借收入预测器可以被用作简单的工具，其中，运营商可以重复地指定视频 集和订户集作为输入，以对于这些指定的输入获得作为输出的来自的视频租借的预期收 入。替代地，所述租借收入预测器可以是大系统的一部分，其中，所述大系统自动地尝试通 过也考虑运营商必须对于给定的视频集支付的租借成本而优化净收入。在那种情况下，可 以产生视频集的不同组合，并且对于这些组合的每一个，可以计算估计的净收入。该大系统 可以简单地返回预期产生最大净租借收入的前n个组合。可以穷尽地考虑所有的组合，但 是这会是不切实际的。
[0046] 替代地，可以应用局部搜索手段以通过下述方式重复地尝试找出更好的解决方 案：尝试每当对于当前的组合增加或省略视频集时改善了整体的结果时那样进行。因此，在 结尾，运营商可以考虑到可能其他方面而选择这些组合之一，该其他方面例如是关于运营 商是否要投资在增长其订户基础的战略考虑。
[0047] 最后，上面的系统也可以用于估计订户的满意度。从估计被给定的最终用户租借 的视频的估计的喜欢评级，可以得出如何满足最终用户的估计。另外，如果用户的租借的估 计数量与在过去的服务期期间的租借的（评级）数量作比较增大或减少，则这可以被解释 为这个用户的满意度分别增加或减少的指示。
[0048] 本发明的一个优选实施例涉及一种用于有效地编译数据集的系统和/或方法，所 述数据集特别是多个媒体内容项目和/或数据的集或组，所述数据特别是关于所述媒体内 容项目的信息。所述媒体内容项目例如是数字的和/或非数字的项目，例如，DVD、CD、书籍、 电影文件、音乐文件和/或电子书籍文件等。所述数据被存储在诸如服务器或计算机的数 据库中。所述数据是用于提供媒体内容项目以例如经由网站、电话或适当的TV频道租借给 用户的媒体点播平台的一部分。而且，所述数据包括关于每一个用户的租借历史和/或用 于媒体内容项目的单独用户评级的数据。所述用户的租借历史包含关于特定媒体内容项目 的另外的信息数据，诸如标题、类别、演员、租借价格或发布日期等。所述信息作为元数据被 存储是用户数据库中，所述是是所述数据库的优选部分。所述系统和方法被配置为提供考 虑数据的另外的集或组，其中，所述另外的数据集包括至少一个媒体内容项目，并且所述考 虑的媒体内容项目被考虑被所述媒体点播平台提供、即呈现到特定的用户。为了提供、特别 是产生另外的数据集，在数据库中存储的媒体内容项目的元数据被提供，即被传送到推荐 系统，其中，所述推荐系统获取元数据或关于作为元数据被存储在用户数据库中的用户的 喜欢、不喜欢和/或消费者行为的信息，其中，项目的高的喜欢评级表示用户比具有较低喜 欢评级的媒体内容项目更喜欢特定媒体内容项目。结果，并且基于媒体内容项目的元数据 的获取，所述推荐系统通过确定每一个考虑的媒体内容项目的用户特定喜欢评级来产生另 外的数据集，特别是评级的媒体内容项目的评级组，其中，关于基于特定用户和/或媒体点 播平台的另一个代表性用户的租借历史的评估和/或估计产生确定的喜欢评级。而且，所 述系统和方法被配置为，通过租借数量预测器考虑到关于媒体点播平台的特定用户和/或 其他代表性用户的租借历史和评级的媒体内容项目的相应的喜欢评级的信息来估计或预 测所述媒体点播平台将在限定的时间段内从评级的媒体内容项目的评级组租借的用户特 定数量的媒体内容项目。此后，向媒体点播平台的运营商呈现估计的、平均的预测用户特定 数量，以调整在媒体点播平台中的多个媒体内容项目的存储。上述系统和方法提供了一种 改善的系统，用于提供数字（例如，内存存储器）和/或非数字存储器（例如，架子）空间 的更有效的利用，因为运营商一一使用上述的系统和方法一一能够估计对于未来的限定时 间段需要多少存储空间。例如，取代简单地主要提供大片和一般热门视频，优化所述存储空 间以提供更平衡的视频集以用于租借。
【附图说明】
[0049] 在下面，将参考附图在示例中描述本发明。在附图中：
[0050]图1描述了用于有效地编译媒体点播平台的媒体内容项目的选择器系统。
【具体实施方式】
[0051] 参见图1，提供了媒体点播平台10a，其包括向用户40提供的多个媒体内容项目 12。媒体内容项目12可以包括数字和/或非数字媒体内容项目。用户40可以根据如上所 述的租借模型来租借所提供的媒体内容项目12,该租借模型例如是每次观看支付或使用有 限或无限制数量的、用于租借的媒体内容项目12的每月认购。用户40的租借历史和用于 媒体内容项目12的单独用户评级被存储在用户数据库42中。用户40的租借历史可以包 括关于特定媒体内容项目12的信息，诸如标题、类型、演员、租借价格或发布日期登。而且， 由用户40租借的每一个媒体内容项目12的数量和个人用户特定数据可以被存储在用户数 据库42中。
[0052] 内容提供商30向媒体点播平台10a的运营商提供考虑的媒体内容项目12的媒体 组10b。替代地，可以建立多个内容提供商30。考虑的媒体内容项目12被进一步提供到选 择器系统14,以用于有效地编译用于媒体点播平台10a的媒体内容项目12。选择器系统14 包括推荐系统16、租借数量预测器18和金融评估器单元20。这些组件的每一个包括未示 出的数据处理器单元。
[0053] 向推荐系统16提供考虑的媒体内容项目12的元数据。推荐系统16从用户数据 库42获取关于用户40的喜欢、不喜欢和消费者行为的信息。另外，可以考虑多个其他来源 来用于确定用户40的喜欢和不喜欢，例如，销售数字或营销研宄等。随后，推荐系统16评 估所收集的信息以用于确定每一个考虑的媒体内容项目12的喜欢评级。在这一点，下面的 高的喜欢评级表示用户40比具有较低喜欢评级的媒体内容项目12更喜欢特定媒体内容项 目12。该范围可以例如从非常喜欢项目到非常不喜欢项目。结果，分别对于每一个单独的 用户40产生用户评级的媒体内容项目12的评级组10c。替代地，在这一点上可以仅考虑指 定组的用户40。
[0054] 例如，在必须使用媒体点播平台10a来愉悦某个目标组的可能的新用户的需要的 情况下，运营商也可以操纵喜欢评级。另外，推荐系统16可以通过喜欢评级的值来将评级 组l〇c的评级的媒体内容项目12分类。已经被用户40租借的评级的媒体内容项目12的 喜欢评级可以被推荐系统16自动减小，因为不大可能用户40再一次租借同一媒体内容项 目12。也可以建立在最后租借和当前时间之间的时间跨度，其中，相应的时间跨度越长，则 喜欢评级的减小越少。对于喜欢评级的减小替代地，推荐系统16可以从评级组10c去除相 应的评级的媒体内容项目12。而且，推荐系统16也可以从评级组10c去除具有小于指定 阈值的喜欢评级的评级的媒体内容项目12,例如用户40不喜欢的项目。租借数量预测器 18将来自用户数据库42的信息与评级组10c的评级的媒体内容项目12作比较，以确定用 户40可能在诸如一星期或一月的指定时间段内从评级的媒体内容项目12的评级组10c租 借的媒体内容项目的数量。由此，特别地考虑用户40的租借历史。如果用