内容评级向用户推荐媒体内容。2. 根据权利要求1所述的计算机实现的方法，进一步包括： 根据第一角色在媒体内容中的在屏时间来计算多个角色中的第一角色的第一突显值； 以及 根据第一角色在媒体内容中的在屏时间来计算多个角色中的第一角色的第二突显值。3. 根据权利要求2所述的计算机实现的方法，进一步包括： 确定总在屏时间值，其中通过至少对第一角色在媒体内容中的在屏时间以及第二角色 在媒体内容中的在屏时间进行求和来确定总在屏时间值； 通过利用第一角色的在屏时间除以所确定的总在屏时间值来计算多个角色中的第一 角色的第一突显值；以及 通过利用第二角色的在屏时间除以所确定的总在屏时间值来计算多个角色中的第二 角色的第二突显值。4. 根据权利要求1所述的计算机实现的方法，进一步包括： 部分地通过下述步骤来确定第一角色模型： 识别与第一角色相关的文本内容，文本内容包含在电子源中； 从文本内容中汇集与第一角色关联的多个属性项； 将多个属性项中的至少一些映射至多个属性中的至少一些；以及 根据多个属性项来更新第一角色的属性值。5. 根据权利要求4所述的计算机实现的方法，其中 多个属性项中的所述至少一些中的每一个都与相应强度值关联；以及 根据相应强度值来更新第一角色的属性值。6. 根据权利要求4所述的计算机实现的方法，进一步包括： 在数据库中将第一角色的更新的属性值存储为矢量，该矢量与第一角色关联。7. 根据权利要求1所述的计算机实现的方法，进一步包括： 访问最小内容评级值； 比较媒体内容评级与最小内容评级值，其中媒体内容评级是用数字表示的，而且最小 内容评级值是用数字表示的；以及 确定媒体内容评级大于最小内容评级值。8. 根据权利要求1所述的计算机实现的方法，其中： 角色偏好函数是用于将多个偏好系数中的至少一个与多个属性中的两个或更多关注 属性进行关联的二阶函数； 计算第一角色的第一角色评级还包括确定多个偏好系数的所述至少一个与多个属性 中的所述两个或更多关注属性的第一属性值组中的每个属性值的乘积；以及 计算第二角色的第二角色评级还包括确定多个偏好系数的所述至少一个与多个属性 中的所述两个或更多关注属性的第二属性值组中的每个属性值的乘积。9. 一种非易失性计算机可读存储介质，包括用于推荐媒体内容的计算机可执行指令， 计算机可执行指令包括用于下述步骤的指令： 访问针对媒体内容中出现的多个角色的一组突显值，该组突显值与媒体内容关联； 访问用户的角色偏好函数，角色偏好函数包括识别多个偏好系数的信息，多个偏好系 数的每个偏好系数与多个属性中的至少一个关注属性关联； 访问第一角色模型，第一角色模型包括识别多个角色中的第一角色的多个属性的第一 属性值组的信息； 其中第一角色与该组突显值的第一突显值关联； 访问第二角色模型，第二角色模型包括识别多个角色中的第二角色的多个属性的第二 属性值组的信息； 其中第二角色与该组突显值的第二突显值关联； 通过执行多个偏好系数与第一属性值组的乘积的求和来计算第一角色的第一角色评 级； 通过执行多个偏好系数与第二属性值组的乘积的求和来计算第二角色的第二角色评 级； 计算媒体内容评级，其中媒体内容评级是根据第一突显值、第二突显值、第一角色评级 和第二角色评级计算的；以及 根据媒体内容评级向用户推荐媒体内容。10. 根据权利要求9所述的非易失性计算机可读存储介质，还包括用于下述步骤的指 令： 根据第一角色在媒体内容中的在屏时间来计算多个角色中的第一角色的第一突显值； 以及 根据第一角色在媒体内容中的在屏时间来计算多个角色中的第一角色的第二突显值。11. 根据权利要求10所述的非易失性计算机可读存储介质，还包括用于下述步骤的指 令： 确定总在屏时间值，其中通过至少对第一角色在媒体内容中的在屏时间以及第二角色 在媒体内容中的在屏时间进行求和来确定总在屏时间值； 通过利用第一角色的在屏时间除以所确定的总在屏时间值来计算多个角色中的第一 角色的第一突显值；以及 通过利用第二角色的在屏时间除以所确定的总在屏时间值来计算多个角色中的第二 角色的第二突显值。12. 根据权利要求9所述的非易失性计算机可读存储介质，还包括用于下述步骤的指 令： 部分地通过下述步骤来确定第一角色模型： 识别与第一角色相关的文本内容，文本内容包含在电子源中； 从文本内容中汇集与第一角色关联的多个属性项； 将多个属性项中的至少一些映射至多个属性中的至少一些；以及 根据多个属性项来更新第一角色的属性值。13. 根据权利要求12所述的非易失性计算机可读存储介质，其中 多个属性项中的所述至少一些中的每一个都与相应强度值关联；以及 根据相应强度值来更新第一角色的属性值。14. 根据权利要求12所述的非易失性计算机可读存储介质，还包括用于下述步骤的指 令： 在数据库中将第一角色的更新的属性值存储为矢量，该矢量与第一角色关联。15. 根据权利要求9所述的非易失性计算机可读存储介质，还包括用于下述步骤的指 令： 访问最小内容评级值； 比较媒体内容评级与最小内容评级值，其中媒体内容评级是用数字表示的，而且最小 内容评级值是用数字表示的；以及 确定媒体内容评级大于最小内容评级值。16. 根据权利要求9所述的非易失性计算机可读存储介质，其中： 角色偏好函数是用于将多个偏好系数中的至少一个与多个属性中的两个或更多关注 属性进行关联的二阶函数； 计算第一角色的第一角色评级还包括确定多个偏好系数的所述至少一个与多个属性 中的所述两个或更多关注属性的第一属性值组中的每个属性值的乘积；以及 计算第二角色的第二角色评级还包括确定多个偏好系数的所述至少一个与多个属性 中的所述两个或更多关注属性的第二属性值组中的每个属性值的乘积。17. -种用于推荐媒体内容的设备，所述设备包括： 存储器，其被配置成用户的角色偏好函数；以及 一个或多个处理器，其被配置成： 访问针对媒体内容中出现的多个角色的一组突显值，该组突显值与媒体内容关联； 访问用户的角色偏好函数，角色偏好函数包括识别多个偏好系数的信息，多个偏好系 数的每个偏好系数与多个属性中的至少一个关注属性关联； 访问第一角色模型，第一角色模型包括识别多个角色中的第一角色的多个属性的第一 属性值组的信息； 其中第一角色与该组突显值的第一突显值关联； 访问第二角色模型，第二角色模型包括识别多个角色中的第二角色的多个属性的第二 属性值组的信息； 其中第二角色与该组突显值的第二突显值关联； 通过执行多个偏好系数与第一属性值组的乘积的求和来计算第一角色的第一角色评 级； 通过执行多个偏好系数与第二属性值组的乘积的求和来计算第二角色的第二角色评 级； 计算媒体内容评级，其中媒体内容评级是根据第一突显值、第二突显值、第一角色评级 和第二角色评级计算的；以及 根据媒体内容评级向用户推荐媒体内容。18. 根据权利要求17所述的设备，一个或多个处理器还被配置成： 根据第一角色在媒体内容中的在屏时间来计算多个角色中的第一角色的第一突显值； 以及 根据第一角色在媒体内容中的在屏时间来计算多个角色中的第一角色的第二突显值。19. 根据权利要求18所述的设备，一个或多个处理器还被配置成： 确定总在屏时间值，其中通过至少对第一角色在媒体内容中的在屏时间以及第二角色 在媒体内容中的在屏时间进行求和来确定总在屏时间值； 通过利用第一角色的在屏时间除以所确定的总在屏时间值来计算多个角色中的第一 角色的第一突显值；以及 通过利用第二角色的在屏时间除以所确定的总在屏时间值来计算多个角色中的第二 角色的第二突显值。20. 根据权利要求17所述的设备，一个或多个处理器还被配置成： 部分地通过下述步骤来确定第一角色模型： 识别与第一角色相关的文本内容，文本内容包含在电子源中； 从文本内容中汇集与第一角色关联的多个属性项； 将多个属性项中的至少一些映射至多个属性中的至少一些；以及 根据多个属性项来更新第一角色的属性值。21. 根据权利要求20所述的设备，其中： 多个属性项中的所述至少一些中的每一个都与相应强度值关联；以及 根据相应强度值来更新第一角色的属性值。22. 根据权利要求20所述的设备，一个或多个处理器还被配置成： 在数据库中将第一角色的更新的属性值存储为矢量，该矢量与第一角色关联。23. 根据权利要求17所述的设备，一个或多个处理器还被配置成： 访问最小内容评级值； 比较媒体内容评级与最小内容评级值，其中媒体内容评级是用数字表示的，而且最小 内容评级值是用数字表示的；以及 确定媒体内容评级大于最小内容评级值。24. 根据权利要求17所述的设备，其中： 角色偏好函数是用于将多个偏好系数中的至少一个与多个属性中的两个或更多关注 属性进行关联的二阶函数； 计算第一角色的第一角色评级还包括确定多个偏好系数的所述至少一个与多个属性 中的所述两个或更多关注属性的第一属性值组中的每个属性值的乘积；以及 计算第二角色的第二角色评级还包括确定多个偏好系数的所述至少一个与多个属性 中的所述两个或更多关注属性的第二属性值组中的每个属性值的乘积。
【专利摘要】描述了一种推荐媒体的技术。包括多个偏好系数的角色偏好函数被访问。第一角色模型包括针对第一角色的多个属性的第一属性值组。第一和第二角色分别与第一和第二突显值关联。第二角色模型包括针对多个角色的第二角色的多个属性的第二属性值组。利用多个偏好系数和第一属性值组来计算第一角色评级。利用多个偏好系数与第二属性值组计算第二角色的第二角色评级。根据第一和第二突显值和第一和第二角色评级来计算媒体评级。根据媒体评级来推荐媒体。
【IPC分类】G06F17/30
【公开号】CN105378720
【申请号】CN201480022305
【发明人】R·佩恩, M·布哈特, N·莫汉蒂
【申请人】费姆有限公司
【公开日】2016年3月2日
【申请日】2014年3月14日
【公告号】EP2973297A2, US8572097, US8819031, US9122684, US20140280250, US20140372373, US20160041978, WO2014144252A2, WO2014144252A3