一种电视播放内容的推送方法、装置、电子设备及介质与流程

本发明涉及网络电视业务推荐，尤其涉及一种电视播放内容的推送方法、装置、电子设备及介质。

背景技术：

1、交互式网络电视(iptv)是一种利用宽带网，集互联网、多媒体、通讯等技术于一体，向家庭用户提供包括数字电视在内的多种交互式服务的崭新技术，其提供了更加个性化、实时性和高清晰度的观看体验，且还能够实时根据用户的观看喜好进行节目内容的信息推荐，现阶段有关技术主要采用基于产品业务人员进行人工配置和简单基于用户观看点击的收藏或历史数据提供相似内容的推荐策略。

2、对于现有的基于产品业务人员进行人工配置的电视内容推荐方法，其实际是根据电视节目的版面内容信息来进行推荐，主要通过分析电视节目的版面布局、颜色、字体、图片等视觉元素，以及节目类型、主题、情感等文本信息进行电视节目内容推荐，但是由于版面内容由业务人员人工配置，导致配置效率较低、热点更新不及时、推荐内容面较窄、内容陈旧，用户看到节目内容基本上千篇一律，用户观看疲劳；同时新增或者优质内容无法及时高效呈现给用户，用户感知较差。

3、对于现有的基于用户观看点击的收藏或历史数据提供相似内容的推荐策略，大多数执行的是相似内容或相同类型的推荐策略。虽然这些历史记录一定程度代表用户的兴趣方向，但同样导致推荐的内容和产品一直局限于此，用户的接收的信息过于局限或推荐的内容是重复已观看过、从而无法引领用户新的需求及培养新的兴趣。

4、因此相关技术至少存在以下问题：数据配置效率低下且获取的用户兴趣数据类型较为单一，导致无法更好的进行准确以及实时的进行内容信息推荐，降低用户的体验感。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明提出一种电视播放内容的推送方法、装置、电子设备及介质，能够提高配置效率与热点更新的速度以及根据用户的兴趣变化而实时推送的内容，提升用户的体验感。

2、一方面，本发明实施例提供了一种电视播放内容的推送方法，包括：

3、获取电视视口曝光推荐位的推荐数据并进行数据特征提取处理，得到播放内容特征数据，播放内容特征数据包括电视视口推荐位曝光数据、电视视口推荐位落焦数据和用户行为数据，用户行为数据包括电视播放内容被点击次数、电视播放内容收视时长数据和电视播放内容订购次数；

4、对播放内容特征数据进行权重赋予处理，构建电视播放内容上报贡献度值与电视播放内容收视贡献度值；

5、采集用户观看内容行为数据，确定用户动态运营推荐度系数；

6、对电视播放内容上报贡献度值、电视播放内容收视贡献度值和用户动态运营推荐度系数进行加权计算处理，并根据计算结果更新电视视口曝光推荐位的推荐数据。

7、可选地，获取电视视口曝光推荐位的推荐数据并进行数据特征提取处理，得到播放内容特征数据包括：

8、采集电视视口曝光推荐位的推荐数据；

9、对电视视口曝光推荐位的推荐数据进行清洗去重处理，得到预处理后的电视视口曝光推荐位的推荐数据；

10、基于预处理后的电视视口曝光推荐位的推荐数据进行特征提取处理，得到播放内容特征数据。

11、可选地，对播放内容特征数据进行权重赋予处理，构建电视播放内容上报贡献度值与电视播放内容收视贡献度值，包括：

12、根据播放内容特征数据，确定预设周期频率内的播放内容特征数据的占比数据；

13、确定播放内容特征数据对应的权重，播放内容特征数据的权重包括电视视口推荐位曝光数据权重、电视视口推荐位落焦数据权重和用户行为数据权重；

14、结合播放内容特征数据的权重与播放内容特征数据的占比数据，构建电视播放内容上报贡献度值与电视播放内容收视贡献度值。

15、可选地，电视播放内容上报贡献度值的计算表达式为：

16、ea＝(age1*p1+age2*p2+age3*p3)*t

17、上式中，ea表示电视播放内容上报贡献度值，age1表示电视视口推荐位曝光数据占比，age2表示电视视口推荐位落焦数据占比，age3表示电视播放内容被点击次数占比，p1表示电视视口推荐位曝光数据权重，p2表示电视视口推荐位落焦数据权重，p3表示电视播放内容被点击次数权重，t表示预设周期频率。

18、可选地，电视播放内容收视贡献度值的计算表达式为：

19、eb＝(age4+age5)*p4*t

20、上式中，eb表示电视播放内容收视贡献度值，age4表示电视播放内容收视时长数据占比，age5表示电视播放内容订购次数占比，p4表示电视播放内容收视时长数据权重与电视播放内容订购次数权重，t表示预设周期频率。

21、可选地，采集用户观看内容行为数据，确定用户动态运营推荐度系数，包括：

22、采集用户观看内容行为数据，用户观看内容行为数据包括电视内容分类数据、演职员数据和业务类型数据；

23、对用户观看内容行为数据进行数据清洗去重处理，得到预处理后的用户观看内容行为数据；

24、根据预处理后的用户观看内容行为数据，确定预设周期频率内的用户观看内容行为数据占比；

25、根据用户观看内容行为数据占比确定对应的用户观看内容行为数据系数；

26、根据用户观看内容行为数据系数与用户观看内容行为数据占比，确定用户动态运营推荐度系数。

27、可选地，对电视播放内容上报贡献度值、电视播放内容收视贡献度值和用户动态运营推荐度系数进行加权计算处理，并根据计算结果更新电视视口曝光推荐位的推荐数据，包括：

28、对电视播放内容上报贡献度值、电视播放内容收视贡献度值和用户动态运营推荐度系数进行加权计算处理，得到计算结果；

29、构建预设曝光系数阈值；

30、选取计算结果大于预设曝光系数阈值对应的电视播放内容，并对电视视口曝光推荐位的推荐数据进行更新。

31、另一方面，本发明实施例提供了一种电视播放内容的推送装置，包括：

32、第一模块，用于获取电视视口曝光推荐位的推荐数据并进行数据特征提取处理，得到播放内容特征数据，播放内容特征数据包括电视视口推荐位曝光数据、电视视口推荐位落焦数据和用户行为数据，用户行为数据包括电视播放内容被点击次数、电视播放内容收视时长数据和电视播放内容订购次数；

33、第二模块，用于对播放内容特征数据进行权重赋予处理，构建电视播放内容上报贡献度值与电视播放内容收视贡献度值；

34、第三模块，用于采集用户观看内容行为数据，确定用户动态运营推荐度系数；

35、第四模块，用于对电视播放内容上报贡献度值、电视播放内容收视贡献度值和用户动态运营推荐度系数进行加权计算处理，并根据计算结果更新电视视口曝光推荐位的推荐数据。

36、可选地，第一模块具体用于：

37、采集电视视口曝光推荐位的推荐数据；

38、对电视视口曝光推荐位的推荐数据进行清洗去重处理，得到预处理后的电视视口曝光推荐位的推荐数据；

39、基于预处理后的电视视口曝光推荐位的推荐数据进行特征提取处理，得到播放内容特征数据。

40、可选地，第二模块具体用于：

41、根据播放内容特征数据，确定预设周期频率内的播放内容特征数据的占比数据；

42、确定播放内容特征数据对应的权重，播放内容特征数据的权重包括电视视口推荐位曝光数据权重、电视视口推荐位落焦数据权重和用户行为数据权重；

43、结合播放内容特征数据的权重与播放内容特征数据的占比数据，构建电视播放内容上报贡献度值与电视播放内容收视贡献度值；

44、其中，电视播放内容上报贡献度值的计算表达式为：

45、ea＝(age1*p1+age2*p2+age3*p3)*t

46、上式中，ea表示电视播放内容上报贡献度值，age1表示电视视口推荐位曝光数据占比，age2表示电视视口推荐位落焦数据占比，age3表示电视播放内容被点击次数占比，p1表示电视视口推荐位曝光数据权重，p2表示电视视口推荐位落焦数据权重，p3表示电视播放内容被点击次数权重，t表示预设周期频率；

47、电视播放内容收视贡献度值的计算表达式为：

48、eb＝(age4+age5)*p4*t

49、上式中，eb表示电视播放内容收视贡献度值，age4表示电视播放内容收视时长数据占比，age5表示电视播放内容订购次数占比，p4表示电视播放内容收视时长数据权重与电视播放内容订购次数权重，t表示预设周期频率。

50、可选地，第三模块具体用于：

51、采集用户观看内容行为数据，用户观看内容行为数据包括电视内容分类数据、演职员数据和业务类型数据；

52、对用户观看内容行为数据进行数据清洗去重处理，得到预处理后的用户观看内容行为数据；

53、根据预处理后的用户观看内容行为数据，确定预设周期频率内的用户观看内容行为数据占比；

54、根据用户观看内容行为数据占比确定对应的用户观看内容行为数据系数；

55、根据用户观看内容行为数据系数与用户观看内容行为数据占比，确定用户动态运营推荐度系数。

56、可选地，第四模块具体用于：

57、对电视播放内容上报贡献度值、电视播放内容收视贡献度值和用户动态运营推荐度系数进行加权计算处理，得到计算结果；

58、构建预设曝光系数阈值；

59、选取计算结果大于预设曝光系数阈值对应的电视播放内容，并对电视视口曝光推荐位的推荐数据进行更新。

60、另一方面，本发明实施例提供了一种电子设备，包括：处理器以及存储器；存储器用于存储程序；处理器执行程序实现上述电视播放内容的推送方法。

61、另一方面，本发明实施例提供了一种计算机存储介质，其中存储有处理器可执行的程序，处理器可执行的程序在由处理器执行时用于实现上述电视播放内容的推送方法。

62、本发明方法、装置、电子设备及介质的有益效果是：首先通过获取电视视口曝光推荐位的推荐数据并进行数据特征提取处理，得到播放内容特征数据，其中播放内容特征数据包括电视视口推荐位曝光数据、电视视口推荐位落焦数据和用户行为数据，本发明实施例将现有的点上报改为面上报，扩展用户行为数据面，进而获取当前用户的兴趣类型和非兴趣类型，感知预测三种用户的行为数据，从而提高用户的感知度，进一步对播放内容特征数据进行权重赋予处理，构建电视播放内容上报贡献度值与电视播放内容收视贡献度值以及确定用户动态运营推荐度系数，本发明实施例通过对用户浏览版面的推荐位曝光次数及用户在版面推荐位内容落焦的次数进行权重判断，从而预测用户的新内容需求方向，并以此推送新内容的数据流展示，提高配置效率与热点更新的速度以及扩宽推荐内容，并能根据用户的兴趣变化而实时推送的内容，即通过丰富用户的兴趣数据类型进行更加准确地内容推荐，最后对电视播放内容上报贡献度值、电视播放内容收视贡献度值和用户动态运营推荐度系数进行加权计算处理，并根据计算结果更新电视视口曝光推荐位的推荐数据，通过推荐流与动态板式布局结合的方式进行内容呈现，提升内容推荐的及时度，提高用户的体验感。