多媒体资源推荐方法及装置制造方法
【专利摘要】本发明是关于一种多媒体资源推荐方法及装置，属于多媒体【技术领域】。方法包括：获取待推荐多媒体资源在试播范围内的用户观看数据；对用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据；根据待推荐多媒体资源对应的用户行为数据，计算待推荐多媒体资源的第一用户喜好度分值；获取多个已推荐多媒体资源的第二用户喜好度分值；根据第一用户喜好度分值和第二用户喜好度分值，对待推荐多媒体资源进行推荐。由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值进行推荐时，推荐精准率较高。
【专利说明】多媒体资源推荐方法及装置
【技术领域】
[0001]本公开涉及多媒体【技术领域】，特别涉及一种多媒体资源推荐方法及装置。
【背景技术】
[0002]在信息时代，当用户在访问网络、观看视频节目等过程中，若向用户推荐其感兴趣的多媒体资源，则不但便于用户进行相关产品的浏览、关注等操作，进而达到增强用户体验度的目的；还可使多媒体资源的制造商对该多媒体资源的受关注程度作出评价。因此，如何将多媒体资源推荐给精准的人群，成为了本领域技术人员较为关注的一个问题。
[0003]相关技术中，通常采取下述方式进行多媒体资源推荐。首先对待推荐多媒体资源进行喜好度的打分，进而根据待推荐多媒体资源的分值进行推荐。在进行喜好度的打分时，采取下述方式:首先根据该待推荐多媒体资源的类别确定与该多媒体资源相似的多媒体资源；根据该相似的多媒体资源的用户喜好度分值，确定该待推荐多媒体资源的用户喜好度分值；该相似的多媒体资源的用户喜好度分值通过如下方式得到:在该相似的多媒体资源的多个播放设备上投放该相似的多媒体资源，并在多个播放设备上或多个播放设备附近安装传感器，通过该传感器统计经过多个播放设备的用户量和用户停留时间，基于用户量和用户停留时间，计算该相似的多媒体资源的用户喜好度分值。
[0004]在实现本公开的过程中，发明人发现相关技术至少存在以下问题:
[0005]由于是基于获取到的简单用户数据(包括用户量、用户停留时间)对多媒体资源进行推荐，所以该种推荐方式存在精准率不高的缺陷。
【发明内容】
[0006]为克服相关技术中存在的问题，本公开提供一种多媒体资源推荐方法及装置。
[0007]根据本公开实施例的第一方面，提供一种多媒体资源推荐方法，所述方法包括:
[0008]获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据；
[0009]对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据；
[0010]根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值；
[0011]获取多个已推荐多媒体资源的第二用户喜好度分值；
[0012]根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
[0013]可选地，所述根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值，包括:
[0014]对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为；
[0015]查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值；
[0016]根据每一个用户行为的持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值；
[0017]根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
[0018]可选地，所述查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值之前，所述方法还包括:
[0019]对于每一个用户行为，预先为所述用户行为设置用户喜好值；
[0020]将用户行为与用户喜好值之间的对应关系进行存储。
[0021]可选地，所述根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐，包括:
[0022]在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值；
[0023]根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户；
[0024]将所述待推荐多媒体资源发送至所述接收用户的播放设备；
[0025]其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
[0026]可选地，所述根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户，包括:
[0027]在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；
[0028]将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
[0029]可选地，所述将所述待推荐多媒体资源发送至所述接收用户的播放设备之后，所述方法还包括:
[0030]获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
[0031]对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据；
[0032]根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值；
[0033]根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
[0034]可选地，所述用户观看数据由第一传感器收集得到，所述第一传感器安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。
[0035]根据本公开实施例的第二方面，提供一种多媒体资源推荐装置，所述装置包括:
[0036]用户观看数据获取模块，用于获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据；
[0037]用户行为数据获取模块，用于对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据；
[0038]用户喜好度分值计算模块，用于根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值；
[0039]用户喜好度分值获取模块，用于获取多个已推荐多媒体资源的第二用户喜好度分值；
[0040]多媒体资源推荐模块，用于根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
[0041]可选地，用户喜好度分值计算模块，包括:
[0042]用户行为确定单元，用于对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为；
[0043]用户喜好值获取单元，用于查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值；
[0044]权重值确定单元，用于根据每一个用户行为的持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值；
[0045]用户喜好度分值计算模块，用于根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
[0046]可选地，所述装置还包括:
[0047]用户喜好值设置模块，用于对于每一个用户行为，预先为所述用户行为设置用户喜好值；
[0048]存储模块，用于将用户行为与用户喜好值之间的对应关系进行存储。
[0049]可选地，所述多媒体资源推荐模块，包括:
[0050]用户喜好度分值确定单元，用于在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值；
[0051]接收用户确定单元，用于根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户；
[0052]多媒体资源发送模块，用于将所述待推荐多媒体资源发送至所述接收用户的播放设备；
[0053]其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
[0054]可选地，所述接收用户确定单元，用于在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
[0055]可选地，所述装置还包括:
[0056]传感器数据获取模块，用于获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
[0057]所述用户行为模块，用于数据对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据；
[0058]用户喜好度分值更新模块，用于根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值；
[0059]有效性确定模块，用于根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
[0060]可选地，所述用户观看数据由第一传感器收集得到，所述第一传感器安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。[0061]本公开的实施例提供的技术方案可以包括以下有益效果:
[0062]在对待推荐多媒体资源在试播范围内的用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据后，根据该用户行为数据计算待推荐多媒体资源的第一用户喜好度分值，之后根据第一用户喜好度分值和多个已推荐多媒体资源的第二用户喜好度分值，对待推荐多媒体资源进行推荐，由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值和已推荐多媒体资源的用户喜好度分值对待推荐多媒体资源进行推荐时，推荐精准率较高。
[0063]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【专利附图】
【附图说明】
[0064]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0065]图1是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。
[0066]图2是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。
[0067]图3是根据一示例性实施例示出的一种多媒体资源推荐装置的示意图。
[0068]图4是根据一示例性实施例示出的一种服务器的框图。
【具体实施方式】
[0069]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
[0070]图1是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图，如图1所示，该多媒体资源推荐方法用于服务器中，包括以下步骤。
[0071]在步骤101中，获取待推荐多媒体资源在试播范围内的用户观看数据，该用户观看数据至少包括用户音视频数据和用户视频深度数据。
[0072]在步骤102中，对用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据。
[0073]在步骤103中，根据待推荐多媒体资源对应的用户行为数据，计算待推荐多媒体资源的第一用户喜好度分值。
[0074]在步骤104中，获取多个已推荐多媒体资源的第二用户喜好度分值。
[0075]在步骤105中，根据第一用户喜好度分值和第二用户喜好度分值，对待推荐多媒体资源进行推荐。
[0076]本公开实施例提供的方法，在对待推荐多媒体资源在试播范围内的用户观看数据进行分析处理，得到待推荐多媒体资源对应的用户行为数据后，根据该用户行为数据计算待推荐多媒体资源的第一用户喜好度分值，之后根据第一用户喜好度分值和多个已推荐多媒体资源的第二用户喜好度分值，对待推荐多媒体资源进行推荐，由于待推荐多媒体资源的用户喜好度分值根据待推荐多媒体资源对应的用户行为数据计算得到，而用户行为数据可以反应用户对多媒体资源的真实喜好程度，所以在根据待推荐多媒体资源的用户喜好度分值和已推荐多媒体资源的用户喜好度分值对待推荐多媒体资源进行推荐时，推荐精准率较闻。
[0077]可选地，根据待推荐多媒体资源对应的用户行为数据，计算待推荐多媒体资源的第一用户喜好度分值，包括:
[0078]对于每一个用户行为数据，确定用户行为数据包括的至少一个用户行为；
[0079]查询预先存储的用户行为与用户喜好值之间的对应关系，得到至少一个用户行为对应的用户喜好值；
[0080]根据每一个用户行为的持续时间占已推荐多媒体资源的播放时长比例，确定每一个用户行为对应的权重值；
[0081]根据每一个用户行为对应的用户喜好值和权重值，计算待推荐多媒体资源的第一用户喜好度分值。
[0082]可选地，查询预先存储的用户行为与用户喜好值之间的对应关系，得到至少一个用户行为对应的用户喜好值之前，该方法还包括:
[0083]对于每一个用户行为，预先为用户行为设置用户喜好值；
[0084]将用户行为与用户喜好值之间的对应关系进行存储。
[0085]可选地，根据第一用户喜好度分值和第二用户喜好度分值，对待推荐多媒体资源进行推荐，包括:
[0086]在第二用户喜好度分值中，确定与第一用户喜好度分值相似的第三用户喜好度分值；
[0087]根据第三用户喜好度分值，确定待推荐多媒体资源的接收用户；
[0088]将待推荐多媒体资源发送至接收用户的播放设备；
[0089]其中，第二用户喜好度分值根据第二传感器收集到的数据计算得到，第二传感器安装在多个已推荐多媒体资源对应的播放设备上或播放设备附近。
[0090]可选地，根据第三用户喜好度分值，确定待推荐多媒体资源的接收用户，包括:
[0091]在第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；
[0092]将大于预设阈值的用户喜好度分值对应的用户，确定为待推荐多媒体资源的接收用户。
[0093]可选地，将待推荐多媒体资源发送至接收用户的播放设备之后，该方法还包括:
[0094]获取待推荐多媒体资源对应的第三传感器收集到的用户观看数据；
[0095]对第三传感器收集到的用户观看数据进行分析处理，得到待推荐多媒体资源对应的多个用户行为数据；
[0096]根据每一个用户行为数据，更新待推荐多媒体资源的用户喜好度分值；
[0097]根据更新后的用户喜好度分值，确定待推荐多媒体资源的有效性。
[0098]可选地，用户观看数据由第一传感器收集得到，第一传感器安装在试播范围内的多个播放设备上或多个播放设备附近。
[0099]上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再
--赘述。[0100]图2是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图，如图2所示，该多媒体资源推荐方法用于服务器中，包括以下步骤。
[0101]在步骤201中，获取待推荐多媒体资源在试播范围内的用户观看数据，用户观看数据由第一传感器收集得到，第一传感器安装在试播范围内的多个播放设备上或多个播放设备附近。
[0102]其中，试播范围指代对待推荐多媒体资源进行试播放的一个小范围。比如，若待推荐多媒体资源的制造商欲面对全国进行待推荐多媒体资源的投放，则试播放范围便可能为全国中的一个省或一个市；若待推荐多媒体资源的制造商欲面对全市进行待推荐多媒体资源的投放，则试播放范围便可能为市里的一个区。
[0103]此外，用户观看数据至少包括传感器获取到的位于其覆盖范围内的用户音视频数据和用户视频深度信息。通过该用户观看数据可获取处于传感器覆盖范围内的用户数量、每个用户的身份、每个用户的特定属性(性别、大概年龄)、每个用户的特定行为等等。
[0104]在本公开实施例中，对于待多媒体资源来说，其对应一个身份标识(ID)，该身份标识可唯一对该待推荐多媒体资源进行标识。在本公开实施例中，为了对数据众多的多媒体资源进行识别和区分，本公开实施例为每一个多媒体资源分别设置了一个身份标识。其中，该身份标识可为由数字或字符组成，或由数字和字符组成，本公开实施例对身份标识的形式不进行具体限定。
[0105]此外，对于任一个多媒体资源来说，除包括一个身份标识外，还可包括其他属性信息。比如，多媒体资源的所属类别、多媒体资源的播放形式、多媒体资源的不同版本、多媒体资源的播放时间、多媒体资源的播放时长、多媒体资源的播放设备等等。其中，多媒体资源的类别可包括家电、食品、服装、体育用品、鞋帽等等；多媒体资源的播放形式可分为视频、图片、音频等等；多媒体资源的播放时间指代多媒体资源在那个特定时间范围内的特定时间播放；多媒体资源的播放时长可等于多媒体资源的自身时长，也可大于多媒体资源的自身时长；多媒体资源的播放设备可包括公共区域的多媒体播放设备还可包括私家的多媒体播放设备。
[0106]在本公开实施例中，待推荐多媒体资源试播范围内的多个播放设备上或多个播放设备附近设置有第一传感器。其中，第一传感器指代至少一个传感器，仅以第一传感器这个名词对已推荐多媒体资源对应的传感器进行命名而已。其中，对于智能电视或智能计算机这类播放设备而言，其除了内置摄像头外，还一般内置传感器，或内置具有传感功能的摄像头，针对这类设备来说，传感器就在播放设备上；对于普通电视或公共区域的多媒体资源展示位这类播放设备而言，由于没有内置的传感器，所以就要在播放设备上或播放设备附近安装传感器，已根据传感器收集用户观看数据。其中，传感器可包括麦克风、摄像头、带有深度信息的视觉传感器、发射近红外光的传感器、距离传感器及光传感器等，本公开实施例对传感器的类型不作具体限定。
[0107]在步骤202中，对该待推荐多媒体资源的用户观看数据进行分析处理，得到该待推荐多媒体资源对应的用户行为数据。
[0108]在本公开实施例中，该待推荐多媒体资源试播范围内的多个播放设备在一段时间内可能会播放几十甚至几百个多媒体资源，进而置于多个播放设备上或多个播放设备附近的第一传感器便会收集到几十甚至几百个多媒体资源对应的用户观看数据，而这些用户观看数据全部掺杂在一起，所以需要在海量的用户观看数据中获取该待推荐多媒体资源的用户观看数据。在获取该待推荐多媒体资源的用户观看数据时，具体可采取下述方式实现:
[0109]获取该待推荐多媒体资源的播放时间，根据该播放时间从海量用户观看数据中获取位于该播放时间所处时间段内的用户观看数据，并将获取到的用户观看数据作为该待推荐多媒体资源的用户观看数据。
[0110]当然，除了采取上述获取该待推荐多媒体资源的方式外，还可采取其他获取方式，本公开实施例对此不作具体限定。在获取到该待推荐多媒体资源的用户观看数据后，通过对该用户观看数据进行分析处理便可得到该待推荐多媒体资源对应的多个用户行为数据。其中，根据用户观看数据得到用户行为数据的具体实现方式属于现有成熟技术，通过特定算法便可实现，具体参考现有技术，此处不再赘述。其中一个用户对应一个用户行为数据，该用户行为数据至少涵盖一个用户行为。其中，用户行为可包括进入或离开第一传感器的覆盖范围、注视该待推荐多媒体资源的播放设备、说话、大笑、大的手势动作、大的躯体动作、睡觉、坐、走动等等，本公开实施例对用户行为包括的内容不作具体限定。
[0111]在步骤203中，对于每一个用户行为数据，确定用户行为数据包括的至少一个用户行为；查询预先存储的用户行为与用户喜好值之间的对应关系，得到至少一个用户行为对应的用户喜好值。
[0112]其中，一个用户的用户行为数据可包括一个或一个以上的用户行为。比如，对于一个用户来说，在观看该待推荐多媒体资源时可能大笑并有大的手势动作(鼓掌)。用户喜好值用于表征用户对该待推荐多媒体资源的喜好程度。在本公开实施例中，在得到至少一个用户行为对应的用户喜好值之前，还包括建立用户行为和用户喜好值之间的对应关系的过程，详细如下:
[0113]对于每一个用户行为，预先为用户行为设置用户喜好值；将用户行为与用户喜好值之间的对应关系进行存储。
[0114]在预先为用户行为设置用户喜好值时，具体可采取下述两种方式实现:
[0115]第一种方式、根据经验值，直接为不同用户行为指定不同的用户喜好值。
[0116]在用户观看多媒体资源的过程中，如果大笑或发生大的肢体动作，那么很显然该用户对该多媒体资源较为喜爱；如果处于睡觉状态或直接离开，则显然该用户对该多媒体资源较为方案。第一种方式即基于这种经验值对不同用户行为指定用户喜好值。当然，针对第一种方式而言，用户喜好值设置精度较差。
[0117]第二种方式、采用机器学习的方式，收集大量的用户行为数据，对大量的用户行为数据进行分析和统计，根据分析统计结果为不同用户行为指定不同的用户喜好值。
[0118]针对第二种方式而言，由于采取机器学习的方式对大量的用户行为数据加以分析，所以在对不同用户行为设置用户喜好值时，设置精度也较高。
[0119]在步骤204中，根据每一个用户行为的持续时间占待推荐多媒体资源的播放时长比例，为每一个用户行为设置权重值。
[0120]在本公开实施例中，针对一个用户来说，在该待推荐多媒体资源的初始播放时刻，该用户可能被其炫目的开头所吸引，大笑并逐步向该待推荐多媒体资源的播放设备走近；在开头过后，该用户可能突然对该待推荐多媒体资源的表达主题或推荐产品失去兴趣，直接离开。针对这种情况，为了较精准地确定多个用户对该待推荐多媒体资源的喜好程度，本公开实施例还包括为为每一个用户行为设置权重值的步骤。
[0121]在为每一个用户行为设置权重值时，可依据每一个用户行为的持续时间占待推荐多媒体资源的播放时长比例进行设置。对于一个用户行为来说，其持续时间占该待推荐多媒体资源的播放时长比例越大，对应的权重值越大。假设该待推荐多媒体资源的播放时长为30秒，在此期间某一用户首先产生大的手势动作(激烈鼓掌)，而后同他人交谈不再观看该待推荐多媒体资源，但是大的手势动作的持续时间仅为5秒，所占该待推荐多媒体资源的播放时长比例为1/6 ;而同他人交谈不再观看该待推荐多媒体资源的持续时间为25秒，所占该待推荐多媒体资源的播放时长比例为5/6，所以在对上述两个用户行为设置权重值，后者的权重值要远远大于前者的权重值。
[0122]在步骤205中，根据每一个用户行为对应的用户喜好值和权重值，计算多个用户对该待推荐多媒体资源的第一用户喜好度分值。
[0123]在本公开实施例中，在根据上述步骤203和步骤204得到每一个用户行为对应的用户喜好值和权重值后，根据下述公式(I)便可得到多个用户对该已播放对媒体资源的第一用户喜好度分值。
【权利要求】
1.一种多媒体资源推荐方法，其特征在于，所述方法包括: 获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据； 对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据； 根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值； 获取多个已推荐多媒体资源的第二用户喜好度分值； 根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值，包括: 对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为； 查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值； 根据每一个用户行为的 持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值； 根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
3.根据权利要求2所述的方法，其特征在于，所述查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值之前，所述方法还包括: 对于每一个用户行为，预先为所述用户行为设置用户喜好值； 将用户行为与用户喜好值之间的对应关系进行存储。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐，包括: 在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值； 根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户； 将所述待推荐多媒体资源发送至所述接收用户的播放设备； 其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户，包括: 在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值； 将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
6.根据权利要求4所述的方法，其特征在于，所述将所述待推荐多媒体资源发送至所述接收用户的播放设备之后，所述方法还包括:获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据； 对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据； 根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值； 根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
7.根据权利要求1所述的方法，其特征在于，所述用户观看数据由第一传感器收集得到，所述第一传感器安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。
8.一种多媒体资源推荐装置，其特征在于，所述装置包括: 用户观看数据获取模块，用于获取待推荐多媒体资源在试播范围内的用户观看数据，所述用户观看数据至少包括用户音视频数据和用户视频深度数据； 用户行为数据获取模块，用于对所述用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的用户行为数据； 用户喜好度分值计算模块，用于根据所述待推荐多媒体资源对应的用户行为数据，计算所述待推荐多媒体资源的第一用户喜好度分值； 用户喜好度分值获取模块，用于获取多个已推荐多媒体资源的第二用户喜好度分值；多媒体资源推荐模块， 用于根据所述第一用户喜好度分值和所述第二用户喜好度分值，对所述待推荐多媒体资源进行推荐。
9.根据权利要求8所述的装置，其特征在于，用户喜好度分值计算模块，包括: 用户行为确定单元，用于对于每一个用户行为数据，确定所述用户行为数据包括的至少一个用户行为； 用户喜好值获取单元，用于查询预先存储的用户行为与用户喜好值之间的对应关系，得到所述至少一个用户行为对应的用户喜好值； 权重值确定单元，用于根据每一个用户行为的持续时间占所述已推荐多媒体资源的播放时长比例，确定所述每一个用户行为对应的权重值； 用户喜好度分值计算模块，用于根据所述每一个用户行为对应的用户喜好值和权重值，计算所述待推荐多媒体资源的第一用户喜好度分值。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括: 用户喜好值设置模块，用于对于每一个用户行为，预先为所述用户行为设置用户喜好值； 存储模块，用于将用户行为与用户喜好值之间的对应关系进行存储。
11.根据权利要求8所述的装置，其特征在于，所述多媒体资源推荐模块，包括: 用户喜好度分值确定单元，用于在所述第二用户喜好度分值中，确定与所述第一用户喜好度分值相似的第三用户喜好度分值； 接收用户确定单元，用于根据所述第三用户喜好度分值，确定所述待推荐多媒体资源的接收用户； 多媒体资源发送模块，用于将所述待推荐多媒体资源发送至所述接收用户的播放设备; 其中，所述第二用户喜好度分值根据第二传感器收集到的数据计算得到，所述第二传感器安装在所述多个已推荐多媒体资源对应的播放设备上或所述播放设备附近。
12.根据权利要求11所述的装置，其特征在于，所述接收用户确定单元，用于在所述第三用户喜好度分值中，确定大于预设阈值的用户喜好度分值；将大于所述预设阈值的用户喜好度分值对应的用户，确定为所述待推荐多媒体资源的接收用户。
13.根据权利要求11所述的装置，其特征在于，所述装置还包括: 传感器数据获取模块，用于获取所述待推荐多媒体资源对应的第三传感器收集到的用户观看数据； 所述用户行为模块，用于数据对所述第三传感器收集到的用户观看数据进行分析处理，得到所述待推荐多媒体资源对应的多个用户行为数据； 用户喜好度分值更新模块，用于根据每一个用户行为数据，更新所述待推荐多媒体资源的用户喜好度分值； 有效性确定模块，用于根据更新后的用户喜好度分值，确定所述待推荐多媒体资源的有效性。
14.根据权利要求8所述的装置，其特征在于，所述用户观看数据由第一传感器收集得到，所述第一传感器 安装在所述试播范围内的多个播放设备上或所述多个播放设备附近。
【文档编号】G06F17/30GK104035982SQ201410230541
【公开日】2014年9月10日 申请日期:2014年5月28日 优先权日:2014年5月28日
【发明者】林斌, 张波 申请人:小米科技有限责任公司