[go: up one dir, main page]

CN104035934B - 一种多媒体信息推荐的方法及装置 - Google Patents

一种多媒体信息推荐的方法及装置 Download PDF

Info

Publication number
CN104035934B
CN104035934B CN201310069990.XA CN201310069990A CN104035934B CN 104035934 B CN104035934 B CN 104035934B CN 201310069990 A CN201310069990 A CN 201310069990A CN 104035934 B CN104035934 B CN 104035934B
Authority
CN
China
Prior art keywords
user
multimedia
relationship
multimedia information
vector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310069990.XA
Other languages
English (en)
Other versions
CN104035934A (zh
Inventor
王智
朱文武
孙立峰
杨士强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tsinghua University
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University, Tencent Technology Shenzhen Co Ltd filed Critical Tsinghua University
Priority to CN201310069990.XA priority Critical patent/CN104035934B/zh
Priority to PCT/CN2013/088958 priority patent/WO2014134944A1/en
Priority to US14/297,215 priority patent/US20140289334A1/en
Publication of CN104035934A publication Critical patent/CN104035934A/zh
Application granted granted Critical
Publication of CN104035934B publication Critical patent/CN104035934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
    • H04L65/612—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio for unicast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • G06Q10/40—

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种多媒体信息推荐方法，包括：获取用户与多媒体信息的即时用户‑多媒体关系集合；根据获取到的即时用户‑多媒体关系集合确定用户与多媒体信息的关联度；根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。本发明提供多媒体信息推荐的准确性。本发明还提供一种多媒体信息推荐装置。

Description

一种多媒体信息推荐的方法及装置
技术领域
本发明涉及计算机领域，尤其涉及一种多媒体信息推荐的方法及装置。
背景技术
随着网络技术的迅猛发展扩张，越来越多的多媒体信息如视频信息出现在网络上。而且很多网络门户允许用户自行上传多媒体信息。因此导致用户很难在短时间内从众多的网络视频信息中找到自己喜欢的多媒体视频内容进行观看。
发明内容
本发明实施例所要解决的技术问题在于，提供一种多媒体信息推荐的方法及装置，来对用户进行多媒体信息推荐，使用户可以在短时间内寻找到喜欢的多媒体信息，从而提供多媒体信息推荐的准确性。
为了解决上述技术问题，本发明提供了一种多媒体信息推荐的方法，包括：
获取用户与多媒体信息的即时用户-多媒体关系集合；
根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度；
根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。
本发明还提供一种多媒体信息推荐的装置，包括：
获取模块，用于获取用户与多媒体信息的即时用户-多媒体关系集合；
确定模块，用于根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度；
推荐模块，用于根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。
实施本发明实施例，具有如下有益效果：
实施本发明的实施例，通过获取用户与多媒体信息的即时用户-多媒体关系集合，根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度，再根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。因此，本实施方式提供的方法不是仅根据用户的社交关系或仅根据多媒体信息相似性来对多媒体信息进行推荐，而是根据用户的社交关系及多媒体信息相似性相结合来对多媒体信息推荐给用户，从而使得推送的多媒体信息更符合用户的喜好，提高了多媒体信息推送的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一较佳实施方式提供的一种多媒体信息推荐的方法的流程示意图；
图2是图1的第二步骤的具体流程示意图；
图3是图2的第二步骤的具体流程示意图；
图4是图2的第三步骤的具体流程示意图；
图5是图2的第四步骤的具体流程示意图；
图6是图2的第五步骤的具体流程示意图；
图7是本发明第二较佳实施方式提供的一种多媒体信息推荐的方法的流程示意图；
图8是图7的第二步骤的具体流程示意图；
图9是本发明第一较佳实施方式提供的一种多媒体信息推荐装置的结构示意图；
图10是图9中的确定模块的结构示意图；
图11是图10中的第一确定子模块的结构示意图；
图12是本发明第二较佳实施方式提供的一种多媒体信息推荐装置的结构示意图；
图13是图12中的更新模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明较佳实施方式提供了一种多媒体信息推荐的方法的流程示意图，该方法包括：
步骤101、获取用户与多媒体信息的即时用户-多媒体关系集合。
其中，所述多媒体信息可以为视频信息。所述即时用户-多媒体关系集合中的“即时”即为当前。所述即时用户-多媒体关系集合为当前获取时所获取到的用户-多媒体关系集合。所述即时用户-多媒体关系集合表示用户导入和转发视频信息的状况。在本实施方式中，所述即时用户-多媒体关系集合可以采用矩阵的方式进行表示。其中，若矩阵中的元素为1，则表示该元素对应用户已经导入或转发了对应的视频信息。即表明对应用户对导入或转发的对应的视频信息感兴趣。若矩阵中的元素为0，则表示该元素对应的用户未导入或转发对应的视频信息。所述即时用户-多媒体关系集合可以通过对社交网络或视频网络进行追溯得到。
步骤102、根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度。
步骤103、根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。
具体地，向用户推荐与该用户关联度最大预设数量的多媒体信息。其中，对多媒体信息进行推荐时可以采用多媒体信息清单的方式。所述多媒体信息清单包括多媒体导入清单和多媒体转发清单。所述多媒体导入清单上包含有可能被用户导入的且与用户有最大关联度的预设数量的多媒体信息。所述多媒体转发清单包含有可能被用户转发的且该用户关注的其他用户转发过的多媒体信息。
请继续参考图2，所述步骤102包括：
步骤1021、获取用户社交关系集合及多媒体信息关系集合。
其中，所述用户社交关系集合表示在社交网络中用户与用户之间的社交关系。所述多媒体信息关系集合表示在多媒体信息网络中多媒体信息之间的相似关系。在本实施方式中，所述用户社交关系集合采用矩阵的形式进行表示。其中，若矩阵中的元素为1时，则表示该元素对应的第一用户关注了对应的第二用户。若矩阵中的元素为0时，则表示该元素对应的第一用户未关注对应的第二用户。所述用户关系集合可以通过社交网络获取。所述多媒体信息关系集合采用矩阵的形式进行表示。其中，若矩阵中的元素为1时，则表示该元素赌赢的第一多媒体信息与对应的第二多媒体信息相似。若矩阵中的元素为0时，则表示该元素对应的第一多媒体信息与对应的第二多媒体信息不相似。所述多媒体信息集合可以通过多媒体网络(视频网络)获取。
步骤1022、根据所述用户社交关系集合确定用于表明用户与用户之间关系的第一用户矢量。
请继续参考图3，具体地，所述步骤1022包括：
步骤10221、根据第一预设条件从所述用户社交关系集合中选择代表用户。
在本实施方式中，所述代表用户可以为著名的人，例如李开复、姚明及马云等。其中，所述第一预设条件则为著名的人。在其他实施方式中，所述第一预设条件可以根据实际需要进行调整。
步骤10222、对选择的代表用户进行聚类。
其中，选择的代表用户可以根据第一预设规则(如从事不同领域)进行分类，并将从事同一领域的代表用户的归为一个类群，从而形成不同类群。将每一类群作为一个坐标轴来建立一个由各个类群组成坐标系(即为空间)，从而形成用户空间。例如可将选择的代表用户(姚明、李开复及马云等)分类为运动领域类群、计算机领域类群及经济领域类群。可将运动领域、计算机领域及经济领域作为三个坐标轴建立一个坐标系，从而形成了所述用户空间。当然，在其他实施方式中，可以根据代表用户被划分的类群的数量来建立相应维度的坐标系。例如，若代表用户被划分为两个类群时，则可建立二维的坐标系。若代表用户被划分为五个类群时，则可建立五维的坐标系。(上述内容是发明人跟出的的结论：在进行数学计算时，可以建立多维坐标系，这对于本领域计算人员来讲是习知技术)
步骤10223、根据聚类的代表用户确定所述用户社交关系集合中的每一用户的第一用户矢量。
具体地，通过确定用户社交关系集合中的每一用户对所述代表用户的关注状况来确定每一用户在所建立的坐标系(用户空间)中的位置。该位置即为第一用户矢量中的非标准化元素。其中，第一用户矢量中的非标准化元素可以表示为该非标准化元素表示用户u对第i类群的代表用户的关注数量。则非标准化用户矢量可以表示为对非标准化用户矢量进行标准化即可得到所述第一用户矢量。其中第一用户矢量中的标准化元素可以表示为其中，k表示第一用户矢量的长度的枚举；i表示当前元素的序号。该第一用户矢量中的标准化元素p1表明：在第一用户矢量中，该用户u对应的标准化元素越大，该标准化元素对应的类群中，用户u关注越多的代表用户。即表明用户u对该类群更感兴趣。
步骤1023、根据所述多媒体信息关系集合确定用于表明多媒体信息与多媒体信息之间关系的第一多媒体信息矢量。
请继续参考图4，具体地，所述步骤1023包括：
步骤10231、根据第二预设条件从所述多媒体信息关系集合中选择代表多媒体信息。
在本实施方式中，所述代表多媒体信息可以为热门视频信息。其中，所述第二预设条件为热门视频信息。在其他实施方式中，所述第二预设条件可以根据实际需要进行调整。
步骤10232、对选择的代表多媒体信息进行聚类。
其中，选择的代表多媒体信息可以根据第二预设规则(多媒体信息性质)进行分类，并将属于同一性质的代表多媒体信息归为一个类群，从而形成不同类群。将每一类群作为一个坐标轴来建立一个由各个类群组成坐标系，从而形成多媒体信息空间。例如可将选择的热门视频信息分类为时事新闻、娱乐新闻及体育新闻。可将时事新闻、娱乐新闻及体育新闻作为三个坐标轴建立一个坐标系(即为空间)，从而形成所述多媒体信息空间。当然，在其他实施方式中，可以根据代表多媒体信息被划分的类群的数量来建立相应维度的坐标系。例如，若选代表多媒体信息被划分为两个类群，则可建立二维的坐标系。若代表多媒体信息被划分为五个类群，则可建立五维的坐标系。(上述内容是发明人跟出的的结论：在进行数学计算时，可以建立多维坐标系，这对于本领域计算人员来讲是习知技术)
步骤10233、根据聚类的多媒体信息确定所述多媒体信息关系集合中的每一多媒体信息的第一多媒体信息矢量。
具体地，通过确定多媒体信息关系集合中的每一多媒体信息相对于所述代表多媒体信息的相似状况来确定每一多媒体信息在所建立的坐标系(多媒体信息空间)中的位置。该位置即为第一多媒体信息矢量中的非标准化元素。其中，第一多媒体信息矢量中的非标准化元素可以表示为该非标准化元素表示多媒体信息c相对第i类群的代表多媒体信息的相似度的强度。则非标准化多媒体信息矢量可以标识为对非标准化用户矢量进行标准化即可得到所述第一多媒体信息矢量。其中第一多媒体信息矢量中的标准化元素可以表示为其中，k表示第一多媒体信息矢量的长度的枚举；i表示当前元素的序号。该第一多媒体信息矢量中的标准化元素q1表明：在第一多媒体信息矢量中，标准化元素越大，该标准化元素对应的多媒体信息c与其该类群越相关。
步骤1024、根据所述即时用户-多媒体关系集合确定用于表明用户与多媒体信息之间关系的第二用户矢量，及确定用于表明多媒体信息与用户之间关系的第二多媒体信息矢量。
请继续参考图5，所述步骤1024可以包括：
步骤10241、根据聚类的代表用户确定所述即时用户-多媒体关系集合中的每一多媒体信息的第二多媒体信息矢量。
具体地，在即时用户-多媒体关系集合中，每一多媒体信息对应若干用户。其中，每一用户u导入或转发多媒体信息c的强度为则，非标准化多媒体信息矢量可以表示为对所述非标准化多媒体信息矢量进行标准化即可得到所述第二多媒体信息矢量。其中，第二多媒体信息矢量中的元素表示为其中，k表示第二多媒体信息矢量的长度的枚举；i表示当前元素的序号。在该第二多媒体信息矢量中，元素q2越大，在该元素对应的用户所对应的所述领域中，越多的用户对该多媒体信息c感兴趣。所述第二多媒体信息矢量是用代表用户的聚类，来对多媒体信息进行特征描述。即多媒体内容在用户“圈子”上的爱好程度分布。
步骤10242、根据聚类的代表多媒体信息确定所述即时用户-多媒体关系集合中的每一用户的第二用户矢量。
具体地，在即时用户-多媒体关系集合中，每一用户对应若干多媒体信息。其中，每一多媒体信息c被用户u导入或转发的强度为则，在多媒体信息空间中，非标准用户矢量可以表示为对所述非标准用户矢量进行标准化即可得到所述第二用户矢量。其中，第二用户矢量中的元素其中，k表示第二用户矢量的长度的枚举；i表示当前元素的序号。在所述第二用户矢量中，元素p2越大，在该元素对应的多媒体信息所对应的领域中，该元素对应的用户u导入或转发了越多相似于该领域的多媒体信息c，从而表明用户u对该领域的多媒体信息c感兴趣。所述第二用户矢量是用户在代表多媒体信息聚集上的喜好分布，即用户对不同多媒体信息类群的偏好程度。
步骤1025、根据所述第一及第二用户矢量和所述第一及第二多媒体信息矢量确定所述用户与多媒体信息的关联度。
请参考图6，所述步骤1025包括：
步骤10251、将所述第一用户矢量与所述第二多媒体信息矢量相乘得到第一积值。
具体地，第一积值可以等于p1·q2。所述p1为所述第一用户矢量；所述q2为所述第二多媒体信息矢量。
步骤10252、将所述第二用户矢量与所述第一多媒体信息矢量相乘得到第二积值。
具体地，第二积值可以等于p2·q1。所述p2为所述第二用户矢量；所述q1为所述第一多媒体信息矢量。
步骤10253、将所述第一积值与第一预设权值相乘得到用户参考量。
具体地，用户参考量可以等于аp1·q2。所述а为第一预设权值；所述p1为所述第一用户矢量；所述q2为所述第二多媒体信息矢量。
步骤10254、将所述第二积值与第二预设权值相乘得到多媒体信息参考量。
具体地，多媒体参考量可以等于(1-а)p2·q1。所述(1-а)为第二预设权值；所述p2为所述第二用户矢量；所述q1为所述第一多媒体信息矢量。
步骤10255、将所述用户参考量与所述多媒体信息参考量进行加法运算，从而得到所述用户与多媒体内容的关联度，其中，所述第一预设权值与所述第二预设权值之和为一。
具体地，所述用户与多媒体内容的关联度可以等于аp1·q2+(1-а)p2·q1。其中，在对导入多媒体信息进行推荐时，用户更多考虑多媒体信息的内容。故所述第一权值设定的较小为宜。在对转发的多媒体信息进行推荐时，用户不仅考虑多媒体信息的内容，用户还会考虑导入或转发过该多媒体信息的与其具有社交关系的用户。故，所述第一权值设定的较大为宜。
本较佳实施方式提供的一种多媒体信息推荐的方法通过获取用户与多媒体信息的即时用户-多媒体关系集合，根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度，再根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。因此，本实施方式提供的方法不是仅根据用户的社交关系或仅根据多媒体信息相似性来对多媒体信息进行推荐，而是根据用户的社交关系及多媒体信息相似性相结合来对多媒体信息推荐给用户，从而使得推送的多媒体信息更符合用户的喜好，提高了多媒体信息推送的准确性。
请继续参见图7，本发明第二较佳实施方式提供一种多媒体信息推荐的方法。所述第二较佳实施方式提供的多媒体信息推荐的方法与所述第一较佳实施方式提供的多媒体信息推荐的方法相似，其区别在于：在所述第二较佳实施方式中，在步骤101之前可以包括：
步骤1000、获取用户与多媒体信息的初始用户-多媒体关系集合。
其中，所述初始用户-多媒体关系集合中的“初始”是相对于所述即时用户-多媒体关系集合中的“即时”而言。所述初始用户-多媒体关系集合的获取是在获取即时用户-多媒体关系集合之前获取的用户-多媒体关系集合。对之前获取的用户-多媒体关系集合更新后得到所述即时用户-多媒体关系集合。
步骤1001、将获取到的初始用户-多媒体关系集合更新为即时用户-多媒体关系集合。
其中，步骤1001包括：
获取用户社交关系集合及多媒体信息关系集合。
根据所述获取到的用户社交关系集合、多媒体信息关系集合及初始用户-多媒体关系集合将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
请参考图8，所述根据所述获取到的用户社交关系集合、多媒体信息关系集合及初始用户-多媒体关系集合将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合包括：
步骤1002、根据获取到的用户社交关系集合及初始用户-多媒体关系集合确定第一关系量。
在本实施方式中，所述第一关系量可以表示为其中Auk为行矢量。该行矢量Auk表示在用户社交关系集合中，被用户u关注的一个用户元素。为列矢量。该列矢量表示初始用户-多媒体关系集合中，通过导入或转发表示对多媒体信息c感兴趣的一个用户元素。因此，第一关系量反映了根据用户社交关系，用户u对多媒体信息c感兴趣的可能性。其中，第一关系量I越大，则用户u越有可能喜欢该多媒体信息c，因为用户u感兴趣的人已经使用(观看)过这个多媒体信息。
步骤1003、根据获取到的多媒体信息关系集合及初始用户-多媒体关系集合确定第二关系量。
在本实施方式中，所述第二关系量可以表示为其中Ckc为列矢量。该列矢量Ckc表示在多媒体信息关系集合中，与多媒体信息c相似的一个多媒体信息元素。为行矢量。该行矢量表示在初始用户-多媒体关系集合中，通过导入或转发表示对多媒体信息c感兴趣的一个用户元素。因此，第二关系量反映了根据多媒体信息相似度，用户u对多媒体信息c可能的喜好程度。即用户u已经对某些多媒体信息c有兴趣，该用户u可能会对相似的多媒体信息内容也感兴趣。
步骤1004、根据所述第一及第二关系量确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
其中，即时用户-多媒体关系集合中的元素的更新意味着将初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。当所述第一及第二关系量满足预设量时，确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体集合。具体可以为：当第一关系量与第二关系量乘机大于预设量时，初始用户-多媒体关系中对应的元素可以更新为1。否则，对应的元素仍然为0。
本较佳实施方式提供的一种多媒体信息推荐的方法通过获取用户与多媒体信息的即时用户-多媒体关系集合，根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度，再根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。因此，本实施方式提供的方法不是仅根据用户的社交关系或仅根据多媒体信息相似性来对多媒体信息进行推荐，而是根据用户的社交关系及多媒体信息相似性相结合来对多媒体信息推荐给用户，从而使得推送的多媒体信息更符合用户的喜好，提高了多媒体信息推送的准确性。
请参阅图9，为本发明较佳实施方式提供的一种多媒体信息推荐装置100的结构示意图。该装置100包括获取模块11、确定模块12及推荐模块13。
所述获取模块11用于获取用户与多媒体信息的即时用户-多媒体关系集合。
其中，所述多媒体信息可以为视频信息。所述即时用户-多媒体关系集合中的“即时”即为当前。所述即时用户-多媒体关系集合为当前获取时所获取到的用户-多媒体关系集合。所述即时用户-多媒体关系集合表示用户导入和转发视频信息的状况。在本实施方式中，所述即时用户-多媒体关系集合可以采用矩阵的方式进行表示。其中，若矩阵中的元素为1，则表示该元素对应用户已经导入或转发了对应的视频信息。即表明对应用户对导入或转发的对应的视频信息感兴趣。若矩阵中的元素为0，则表示该元素对应的用户未导入或转发对应的视频信息。所述即时用户-多媒体关系集合可以通过对社交网络或视频网络进行追溯得到。
所述确定模块12用于根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度。
所述推荐模块13用于根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。
具体地，向用户推荐与该用户关联度最大预设数量的多媒体信息。其中，对多媒体信息进行推荐时可以采用多媒体信息清单的方式。所述多媒体信息清单包括多媒体导入清单和多媒体转发清单。所述多媒体导入清单上包含有可能被用户导入的且与用户有最大关联度的预设数量的多媒体信息。所述多媒体转发清单包含有可能被用户转发的且该用户关注的其他用户转发过的多媒体信息。
请继续参阅图10，所述确定模块12包括第一获取子模块121及第一确定子模块122。
所述获取子模块121用于获取用户社交关系集合及多媒体信息关系集合。
其中，所述用户社交关系集合表示在社交网络中用户与用户之间的社交关系。所述多媒体信息关系集合表示在多媒体信息网络中多媒体信息之间的相似关系。在本实施方式中，所述用户社交关系集合采用矩阵的形式进行表示。其中，若矩阵中的元素为1时，则表示该元素对应的第一用户关注了对应的第二用户。若矩阵中的元素为0时，则表示该元素对应的第一用户未关注对应的第二用户。所述用户关系集合可以通过社交网络获取。所述多媒体信息关系集合采用矩阵的形式进行表示。其中，若矩阵中的元素为1时，则表示该元素赌赢的第一多媒体信息与对应的第二多媒体信息相似。若矩阵中的元素为0时，则表示该元素对应的第一多媒体信息与对应的第二多媒体信息不相似。所述多媒体信息集合可以通过多媒体网络(视频网络)获取。
所述第一确定子模块122用于根据所述用户社交关系集合确定用于表明用户与用户之间关系的第一用户矢量；根据所述多媒体信息关系集合确定用于表明多媒体信息与多媒体信息之间关系的第一多媒体信息矢量；根据所述即时用户-多媒体关系集合确定用于表用户与多媒体信息之间关系的第二用户矢量，及确定用于表明多媒体信息与用户之间关系的第二多媒体信息矢量；还用于根据所述第一及第二用户矢量和所述第一及第二多媒体信息矢量确定所述用户与多媒体信息的关联度。
请继续参考图11，所述第一确定子模块122包括选择单元1221、聚类单元1222及第一确定单元1223。
所述选择单元1221用于根据第一预设条件从所述用户社交关系集合中选择代表用户。
在本实施方式中，所述代表用户可以为著名的人，例如李开复、姚明及马云等。其中，所述第一预设条件则为著名的人。在其他实施方式中，所述第一预设条件可以根据实际需要进行调整。
所述选择单元1221还用于根据第二预设条件从所述多媒体信息关系集合中选择代表多媒体信息。
在本实施方式中，所述代表多媒体信息可以为热门视频信息。其中，所述第二预设条件为热门视频信息。在其他实施方式中，所述第二预设条件可以根据实际需要进行调整。
所述聚类单元1222用于对选择的代表用户进行聚类。
其中，选择的代表用户可以根据第一预设规则(如从事不同领域)进行分类，并将从事同一领域的代表用户的归为一个类群，从而形成不同类群。将每一类群作为一个坐标轴来建立一个由各个类群组成坐标系(即为空间)，从而形成用户空间。例如可将选择的代表用户(姚明、李开复及马云等)分类为运动领域类群、计算机领域类群及经济领域类群。可将运动领域、计算机领域及经济领域作为三个坐标轴建立一个坐标系，从而形成了所述用户空间。
所述聚类单元1222用于对选择的代表多媒体信息进行聚类。当然，在其他实施方式中，可以根据代表用户被划分的类群的数量来建立相应维度的坐标系。例如，若代表用户被划分为两个类群时，则可建立二维的坐标系。若代表用户被划分为五个类群时，则可建立五维的坐标系。(上述内容是发明人跟出的的结论：在进行数学计算时，可以建立多维坐标系，这对于本领域计算人员来讲是习知技术)
其中，选择的代表多媒体信息可以根据第二预设规则(多媒体信息性质)进行分类，并将属于同一性质的代表多媒体信息归为一个类群，从而形成不同类群。将每一类群作为一个坐标轴来建立一个由各个类群组成坐标系(，从而形成多媒体信息空间。例如可将选择的热门视频信息分类为时事新闻、娱乐新闻及体育新闻。可将时事新闻、娱乐新闻及体育新闻作为三个坐标轴建立一个坐标系(即为空间)，从而形成所述多媒体信息空间。当然，在其他实施方式中，可以根据代表多媒体信息被划分的类群的数量来建立相应维度的坐标系。例如，若选代表多媒体信息被划分为两个类群，则可建立二维的坐标系。若代表多媒体信息被划分为五个类群，则可建立五维的坐标系。(上述内容是发明人跟出的的结论：在进行数学计算时，可以建立多维坐标系，这对于本领域计算人员来讲是习知技术)
所述第一确定单元1223用于根据聚类的代表用户确定所述用户社交关系集合中的每一用户的第一用户矢量。
其中，通过确定用户社交关系集合中的每一用户对所述代表用户的关注状况来确定每一用户在所建立的坐标系(用户空间)中的位置。该位置即为第一用户矢量中的非标准化元素。其中，第一用户矢量中的非标准化元素可以表示为该非标准化元素表示用户u对第i类群的代表用户的关注数量。则非标准化用户矢量可以表示为对非标准化用户矢量进行标准化即可得到所述第一用户矢量。其中第一用户矢量中的标准化元素可以表示为其中，k表示第一用户矢量的长度的枚举；i表示当前元素的序号。该第一用户矢量中的标准化元素p1表明：在第一用户矢量中，该用户u对应的标准化元素越大，该标准化元素对应的类群中，用户u关注越多的代表用户。即表明用户u对该类群更感兴趣。
所述第一确定单元1223还用于根据聚类的多媒体信息确定所述多媒体信息关系集合中的每一多媒体信息的第一多媒体信息矢量。
其中，通过确定多媒体信息关系集合中的每一多媒体信息相对于所述代表多媒体信息的相似状况来确定每一多媒体信息在所建立的坐标系(多媒体信息空间)中的位置。该位置即为第一多媒体信息矢量中的非标准化元素。其中，第一多媒体信息矢量中的非标准化元素可以表示为该非标准化元素表示多媒体信息c相对第i类群的代表多媒体信息的相似度的强度。则非标准化多媒体信息矢量可以标识为对非标准化用户矢量进行标准化即可得到所述第一多媒体信息矢量。其中第一多媒体信息矢量中的标准化元素可以表示为其中，k表示第一多媒体信息矢量的长度的枚举；i表示当前元素的序号。该第一多媒体信息矢量中的标准化元素q1表明：在第一多媒体信息矢量中，标准化元素越大，该标准化元素对应的多媒体信息c与其该类群越相关。
所述第一确定单元1223还用于根据聚类的代表用户确定所述即时用户-多媒体关系集合中的每一多媒体信息的第二多媒体信息矢量。
其中，在即时用户-多媒体关系集合中，每一多媒体信息对应若干用户。其中，每一用户u导入或转发多媒体信息c的强度为则，非标准化多媒体信息矢量可以表示为对所述非标准化多媒体信息矢量进行标准化即可得到所述第二多媒体信息矢量。其中，第二多媒体信息矢量中的元素表示为其中，k表示第二多媒体信息矢量的长度的枚举；i表示当前元素的序号。在该第二多媒体信息矢量中，元素q2越大，在该元素对应的用户所对应的所述领域中，越多的用户对该多媒体信息c感兴趣。所述第二多媒体信息矢量是用代表用户的聚类，来对多媒体信息进行特征描述。即多媒体内容在用户“圈子”上的爱好程度分布。
所述第一确定单元1223还用于根据聚类的多媒体信息确定所述即时用户-多媒体关系集合中的每一用户的第二用户矢量。
其中，在即时用户-多媒体关系集合中，每一用户对应若干多媒体信息。其中，每一多媒体信息c被用户u导入或转发的强度为则，在多媒体信息空间中，非标准用户矢量可以表示为对所述非标准用户矢量进行标准化即可得到所述第二用户矢量。其中，第二用户矢量中的元素其中，k表示第二用户矢量的长度的枚举；i表示当前元素的序号。在所述第二用户矢量中，元素p2越大，在该元素对应的多媒体信息所对应的领域中，该元素对应的用户u导入或转发了越多相似于该领域的多媒体信息c，从而表明用户u对该领域的多媒体信息c感兴趣。所述第二用户矢量是用户在代表多媒体信息聚集上的喜好分布，即用户对不同多媒体信息类群的偏好程度。
所述第一确定子模块122还包括乘法单元1224及加法单元1225。
所述乘法单元1224用于将所述第一用户矢量与所述第二多媒体信息矢量相乘得到第一积值。
其中，第一积值可以等于p1·q2。所述p1为所述第一用户矢量；所述q2为所述第二多媒体信息矢量。
所述乘法次单元1224还用于将所述第二用户矢量与所述第一多媒体信息矢量相乘得到第二积值。
其中，第二积值可以等于p2·q1。所述p2为所述第二用户矢量；所述q1为所述第一多媒体信息矢量。
所述乘法次单元1224还用于将所述第一积值与第一预设权值相乘得到用户参考量。
其中，用户参考量可以等于аp1·q2。所述а为第一预设权值；所述p1为所述第一用户矢量；所述q2为所述第二多媒体信息矢量。
所述乘法次单元1224还用于将所述第二积值与第二预设权值相乘得到多媒体信息参考量。
其中，多媒体参考量可以等于(1-а)p2·q1。所述(1-а)为第二预设权值；所述p2为所述第二用户矢量；所述q1为所述第一多媒体信息矢量。
所述加法次单元1225用于将所述用户参考量与所述多媒体信息参考量进行加法运算，从而得到所述用户与多媒体内容的关联度，其中，所述第一预设权值与所述第二预设权值之和为一。
具体地，所述用户与多媒体内容的关联度可以等于аp1·q2+(1-а)p2·q1。其中，在对导入多媒体信息进行推荐时，用户更多考虑多媒体信息的内容。故所述第一权值设定的较小为宜。在对转发的多媒体信息进行推荐时，用户不仅考虑多媒体信息的内容，用户还会考虑导入或转发过该多媒体信息的与其具有社交关系的用户。故，所述第一权值设定的较大为宜。
本较佳实施方式提供的一种多媒体信息推荐的装置100。所述装置100包括所述获取模块11、所述确定模块12及所述推荐模块13。所述获取模块11用于获取用户与多媒体信息的即时用户-多媒体关系集合。所述确定模块12用于根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度。所述推荐模块13用于根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。因此，所述装置100不是仅根据用户的社交关系或仅根据多媒体信息相似性来对多媒体信息进行推荐，而是根据用户的社交关系及多媒体信息相似性相结合来对多媒体信息推荐给用户，从而使得推送的多媒体信息更符合用户的喜好，提高了多媒体信息推送的准确性。
请继续参考图12，本发明第二较佳实施方式提供一种多媒体信息推荐装置102。所述第二较佳实施方式提供的多媒体信息推荐装置200与所述第一较佳实施方式提供的多媒体信息推荐装置100相似，其区别在于：在所述第二较佳实施方式中，所述装置200还包括更新模块14。
所述获取模块11还用于获取用户与多媒体信息的初始用户-多媒体关系集合。
其中，所述初始用户-多媒体关系集合中的“初始”是相对于所述即时用户-多媒体关系集合中的“即时”而言。所述初始用户-多媒体关系集合的获取是在获取即时用户-多媒体关系集合之前获取的用户-多媒体关系集合。对之前获取的用户-多媒体关系集合更新后得到所述即时用户-多媒体关系集合。
所述更新模块14用于将获取到的初始用户-多媒体关系集合更新为即时用户-多媒体关系集合。
请继续参阅图13，所述更新模块14包括第二获取子模块141及更新子模块142。
所述第二获取子模块141用于获取用户社交关系集合及多媒体信息关系集合。
所述更新子模块142用于根据所述获取到的用户社交关系集合、多媒体信息关系集合及初始用户-多媒体关系集合将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
其中，所述更新子模块142包括第二确定单元143及更新单元144。
所述第二确定单元143用于根据获取到的用户社交关系集合及初始用户-多媒体关系集合确定第一关系量。
其中，所述第一关系量可以表示为其中Auk为行矢量。该行矢量Auk表示在用户社交关系集合中，被用户u关注的一个用户元素。为列矢量。该列矢量表示在初始用户-多媒体关系集合中，通过导入或转发表示对多媒体信息c感兴趣的一个用户元素。因此，第一关系量反映了根据用户社交关系，用户u对多媒体信息c感兴趣的可能性。其中，第一关系量I越大，则用户u越有可能喜欢该多媒体信息c，因为用户u感兴趣的人已经使用(观看)过这个多媒体信息。
所述第二确定单元143还用于根据获取到的多媒体信息关系集合及初始用户-多媒体关系集合确定第二关系量。
其中，所述第二关系量可以表示为其中Ckc为列矢量。该列矢量Ckc表示在多媒体信息关系集合中，与多媒体信息c相似的多媒体信息。为行矢量。该行矢量表示在初始用户-多媒体关系集合中，通过导入或转发表示对多媒体信息c感兴趣的一个用户元素。因此，第二关系量反映了根据多媒体信息相似度，用户u对多媒体信息c可能的喜好程度。即用户u已经对某些多媒体信息c有兴趣，该用户u可能会对相似的多媒体信息内容也感兴趣。
所述更新单元144用于根据所述第一及第二关系量确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
其中，即时用户-多媒体关系集合中的元素的更新意味着将初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。当所述第一及第二关系量满足预设量时，确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体集合。具体可以为：当第一关系量与第二关系量乘机大于预设量时，初始用户-多媒体关系中对应的元素可以更新为1。否则，对应的元素仍然为0。
本较佳实施方式提供的一种多媒体信息推荐的装置100。所述装置100包括所述获取模块11、所述确定模块12及所述推荐模块13。所述获取模块11用于获取用户与多媒体信息的即时用户-多媒体关系集合。所述确定模块12用于根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度。所述推荐模块13用于根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。因此，所述装置100不是仅根据用户的社交关系或仅根据多媒体信息相似性来对多媒体信息进行推荐，而是根据用户的社交关系及多媒体信息相似性相结合来对多媒体信息推荐给用户，从而使得推送的多媒体信息更符合用户的喜好，提高了多媒体信息推送的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (18)

1.一种多媒体信息推荐的方法，其特征在于，包括：
获取用户与多媒体信息的即时用户-多媒体关系集合；
获取用户社交关系集合及多媒体信息关系集合；
根据所述用户社交关系集合确定用于表明用户与用户之间关系的第一用户矢量；
根据所述多媒体信息关系集合确定用于表明多媒体信息与对多媒体信息之间关系的第一多媒体信息矢量；
根据所述即时用户-多媒体关系集合确定用于表明用户与多媒体信息之间关系的第二用户矢量，及确定用于表明多媒体信息与用户之间关系的第二多媒体信息矢量；
根据所述第一用户矢量及第二用户矢量和所述第一多媒体信息矢量及第二多媒体信息矢量确定所述用户与多媒体信息的关联度；
根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。
2.如权利要求1所述的方法，其特征在于，根据所述用户社交关系集合确定用于表明用户与用户之间关系的第一用户矢量包括：
根据第一预设条件从所述用户社交关系集合中选择代表用户；
对选择的代表用户进行聚类；
根据聚类的代表用户确定所述用户社交关系集合中的每一用户的第一用户矢量。
3.如权利要求1所述的方法，其特征在于，根据所述多媒体信息关系集合确定用于表明多媒体信息与多媒体信息之间关系的第一多媒体信息矢量包括：
根据第二预设条件从所述多媒体信息关系集合中选择代表多媒体信息；
对选择的代表多媒体信息进行聚类；
根据聚类的多媒体信息确定所述多媒体信息关系集合中的每一多媒体信息的第一多媒体信息矢量。
4.如权利要求1所述的方法，其特征在于，根据所述即时用户-多媒体关系集合确定用于表用户与多媒体信息之间关系的第二用户矢量，及确定用于表明多媒体信息与用户之间关系的第二多媒体信息矢量包括：
根据聚类的代表用户确定所述即时用户-多媒体关系集合中的每一多媒体信息的第二多媒体信息矢量；
根据聚类的代表多媒体信息确定所述即时用户-多媒体关系集合中的每一用户的第二用户矢量。
5.如权利要求1所述的方法，其特征在于，根据所述第一用户矢量及第二用户矢量和所述第一多媒体信息矢量及第二多媒体信息矢量确定所述用户与多媒体信息的关联度包括：
将所述第一用户矢量与所述第二多媒体信息矢量相乘得到第一积值；
将所述第二用户矢量与所述第一多媒体信息矢量相乘得到第二积值；
将所述第一积值与第一预设权值相乘得到用户参考量；
将所述第二积值与第二预设权值相乘得到多媒体信息参考量；
将所述用户参考量与所述多媒体信息参考量进行加法运算，从而得到所述用户与多媒体内容的关联度，其中，所述第一预设权值与所述第二预设权值之和为一。
6.如权利要求1所述的方法，其特征在于，获取用户与多媒体信息的即时用户-多媒体关系集合之前包括：
获取用户与多媒体信息的初始用户-多媒体关系集合；
将获取到的初始用户-多媒体关系集合更新为即时用户-多媒体关系集合。
7.如权利要求6所述的方法，其特征在于，将获取到的初始用户-多媒体关系集合更新为即时用户-多媒体关系集合包括：
获取用户社交关系集合及多媒体信息关系集合；
根据所述获取到的用户社交关系集合、多媒体信息关系集合及初始用户-多媒体关系集合将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
8.如权利要求7所述的方法，其特征在于，根据所述获取到的用户社交关系集合、多媒体信息关系集合及初始用户-多媒体关系集合将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合包括：
根据获取到的用户社交关系集合及初始用户-多媒体关系集合确定第一关系量；
根据获取到的多媒体信息关系集合及初始用户-多媒体关系集合确定第二关系量；
根据所述第一关系量及第二关系量确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
9.如权利要求8所述的方法，其特征在于，当所述第一关系量及第二关系量满足预设量时，确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体集合。
10.一种多媒体信息推荐的装置，其特征在于，包括：
获取模块，用于获取用户与多媒体信息的即时用户-多媒体关系集合；
确定模块，用于根据获取到的即时用户-多媒体关系集合确定用户与多媒体信息的关联度；所述确定模块包括第一获取子模块和第一确定子模块，其中：
第一获取子模块，用于获取用户社交关系集合及多媒体信息关系集合；
第一确定子模块，用于根据所述用户社交关系集合确定用于表明用户与用户之间关系的第一用户矢量；根据所述多媒体信息关系集合确定用于表明多媒体信息与多媒体信息之间关系的第一多媒体信息矢量；根据所述即时用户-多媒体关系集合确定用于表明用户与多媒体信息之间关系的第二用户矢量，及确定用于表明多媒体信息与用户之间关系的第二多媒体信息矢量；还用于根据所述第一用户矢量及第二用户矢量和所述第一多媒体信息矢量及第二多媒体信息矢量确定所述用户与多媒体信息的关联度；
推荐模块，用于根据所述用户与多媒体信息的关联度将多媒体信息推荐给与该多媒体信息关联的用户。
11.如权利要求10所述的装置，其特征在于，所述第一确定子模块包括：
选择单元，用于根据第一预设条件从所述用户社交关系集合中选择代表用户；
聚类单元，用于对选择的代表用户进行聚类；
第一确定单元，用于根据聚类的代表用户确定所述用户社交关系集合中的每一用户的第一用户矢量。
12.如权利要求11所述的装置，其特征在于，所述选择单元还用于根据第二预设条件从所述多媒体信息关系集合中选择代表多媒体信息；所述聚类单元还用于对选择的代表多媒体信息进行聚类；所述第一确定单元还用于根据聚类的多媒体信息确定所述多媒体信息关系集合中的每一多媒体信息的第一多媒体信息矢量。
13.如权利要求11所述的装置，其特征在于，所述第一确定单元还用于根据聚类的代表用户确定所述即时用户-多媒体关系集合中的每一多媒体信息的第二多媒体信息矢量，并根据聚类的多媒体信息确定所述即时用户-多媒体关系集合中的每一用户的第二用户矢量。
14.如权利要求10所述的装置，其特征在于，所述第一确定子模块还包括：
乘法单元，用于将所述第一用户矢量与所述第二多媒体信息矢量相乘得到第一积值，将所述第二用户矢量与所述第一多媒体信息矢量相乘得到第二积值，将所述第一积值与第一预设权值相乘得到用户参考量，并将所述第二积值与第二预设权值相乘得到多媒体信息参考量；
加法单元，用于将所述用户参考量与所述多媒体信息参考量进行加法运算，从而得到所述用户与多媒体内容的关联度，其中，所述第一预设权值与所述第二预设权值之和为一。
15.如权利要求10所述的装置，其特征在于，所述装置还包括更新模块，其中所述获取模块还用于获取用户与多媒体信息的初始用户-多媒体关系集合；所述更新模块用于将获取到的初始用户-多媒体关系集合更新为即时用户-多媒体关系集合。
16.如权利要求15所述的装置，其特征在于，所述更新模块包括：
第二获取子模块，用于获取用户社交关系集合及多媒体信息关系集合；
更新子模块，用于根据所述获取到的用户社交关系集合、多媒体信息关系集合及初始用户-多媒体关系集合将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
17.如权利要求16所述的装置，其特征在于，所述更新子模块包括：
第二确定单元，用于根据获取到的用户社交关系集合及初始用户-多媒体关系集合确定第一关系量；还用于根据获取到的多媒体信息关系集合及初始用户-多媒体关系集合确定第二关系量；
更新单元，用于根据所述第一关系量及第二关系量确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
18.如权利要求17所述的装置，其特征在于，所述更新单元用于在所述第一关系量及第二关系量满足预设量时，确定将所述初始用户-多媒体关系集合更新为所述即时用户-多媒体关系集合。
CN201310069990.XA 2013-03-06 2013-03-06 一种多媒体信息推荐的方法及装置 Active CN104035934B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201310069990.XA CN104035934B (zh) 2013-03-06 2013-03-06 一种多媒体信息推荐的方法及装置
PCT/CN2013/088958 WO2014134944A1 (en) 2013-03-06 2013-12-10 System and method for recommending multimedia information
US14/297,215 US20140289334A1 (en) 2013-03-06 2014-06-05 System and method for recommending multimedia information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310069990.XA CN104035934B (zh) 2013-03-06 2013-03-06 一种多媒体信息推荐的方法及装置

Publications (2)

Publication Number Publication Date
CN104035934A CN104035934A (zh) 2014-09-10
CN104035934B true CN104035934B (zh) 2019-01-15

Family

ID=51466705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310069990.XA Active CN104035934B (zh) 2013-03-06 2013-03-06 一种多媒体信息推荐的方法及装置

Country Status (3)

Country Link
US (1) US20140289334A1 (zh)
CN (1) CN104035934B (zh)
WO (1) WO2014134944A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933135A (zh) * 2015-06-12 2015-09-23 海信集团有限公司 一种多媒体数据的聚类方法及装置
CN108108491B (zh) * 2015-07-23 2021-07-30 海信集团有限公司 一种多媒体数据的推荐方法及装置
CN106503022B (zh) * 2015-09-08 2020-12-01 北京邮电大学 推送推荐信息的方法和装置
CN105574132A (zh) * 2015-12-15 2016-05-11 海信集团有限公司 一种多媒体文件推荐方法和终端
JP2021535455A (ja) * 2018-06-18 2021-12-16 ライン プラス コーポレーションLINE Plus Corporation ユーザ反応に基づいてコンテンツを提供する方法とシステム、および非一時的なコンピュータ読み取り可能な記録媒体
CN114528496B (zh) * 2022-04-22 2022-07-08 腾讯科技（深圳）有限公司 多媒体数据处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090307296A1 (en) * 2008-06-04 2009-12-10 Samsung Electronics Co., Ltd. Method for anonymous collaborative filtering using matrix factorization
CN101681469A (zh) * 2007-03-31 2010-03-24 索尼德国有限责任公司 用于推荐内容项目的方法和系统
CN101874255A (zh) * 2005-05-27 2010-10-27 佩斯微技术有限公司 一种估计一个用户组对一个内容的总体兴趣度的方法和设备
CN102622404A (zh) * 2011-01-07 2012-08-01 微软公司 与组相关联的内容推荐

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006048286A (ja) * 2004-08-03 2006-02-16 Sony Corp 情報処理装置および方法、並びにプログラム
US20080077574A1 (en) * 2006-09-22 2008-03-27 John Nicholas Gross Topic Based Recommender System & Methods
US8874655B2 (en) * 2006-12-13 2014-10-28 Napo Enterprises, Llc Matching participants in a P2P recommendation network loosely coupled to a subscription service
US20090157664A1 (en) * 2007-12-13 2009-06-18 Chih Po Wen System for extracting itineraries from plain text documents and its application in online trip planning
US8103675B2 (en) * 2008-10-20 2012-01-24 Hewlett-Packard Development Company, L.P. Predicting user-item ratings
US20110213655A1 (en) * 2009-01-24 2011-09-01 Kontera Technologies, Inc. Hybrid contextual advertising and related content analysis and display techniques
US20100306249A1 (en) * 2009-05-27 2010-12-02 James Hill Social network systems and methods
US20110010307A1 (en) * 2009-07-10 2011-01-13 Kibboko, Inc. Method and system for recommending articles and products
US20140046777A1 (en) * 2009-08-14 2014-02-13 Dataxu, Inc. Methods and systems for using consumer aliases and identifiers
US20170243244A1 (en) * 2009-08-18 2017-08-24 Jinni Media Ltd. Methods Circuits Devices Systems and Associated Machine Executable Code for Taste-based Targeting and Delivery of Content
KR101089646B1 (ko) * 2009-11-10 2011-12-06 동국대학교 산학협력단 콘텐츠 추천 방법 및 장치
JP5740814B2 (ja) * 2009-12-22 2015-07-01 ソニー株式会社 情報処理装置および方法
EP2565835A4 (en) * 2010-04-28 2013-10-16 Jvc Kenwood Corp ARTICLES SELECTION DEVICE, ARTICLES SELECTION METHOD, AND ARTICLES SELECTION UTILIZATION PROGRAM
US8589378B2 (en) * 2010-10-11 2013-11-19 Yahoo! Inc. Topic-oriented diversified item recommendation
US9396492B2 (en) * 2010-10-15 2016-07-19 Opentable, Inc. Computer system and method for analyzing data sets and providing personalized recommendations
US9171089B2 (en) * 2010-11-16 2015-10-27 John Nicholas and Kristin Gross Trust Message distribution system and method
US9361624B2 (en) * 2011-03-23 2016-06-07 Ipar, Llc Method and system for predicting association item affinities using second order user item associations
US9116995B2 (en) * 2011-03-30 2015-08-25 Vcvc Iii Llc Cluster-based identification of news stories
CN102163228B (zh) * 2011-04-13 2014-10-08 北京百度网讯科技有限公司 用于确定资源候选项的排序结果的方法、装置及设备
US9788069B1 (en) * 2011-06-24 2017-10-10 The Directv Group, Inc. Method and system for recording recommended content within a user device
PE20141839A1 (es) * 2011-06-24 2014-11-20 Directv Group Inc Metodo y sistema para obtener datos de visualizacion y proporcionar recomendaciones de contenido a un decodificador de senales digitales
WO2013010024A1 (en) * 2011-07-12 2013-01-17 Thomas Pinckney Recommendations in a computing advice facility
US8869208B2 (en) * 2011-10-30 2014-10-21 Google Inc. Computing similarity between media programs
US9785883B2 (en) * 2012-04-27 2017-10-10 Excalibur Ip, Llc Avatars for use with personalized generalized content recommendations
US9699485B2 (en) * 2012-08-31 2017-07-04 Facebook, Inc. Sharing television and video programming through social networking
US9680959B2 (en) * 2012-08-30 2017-06-13 Google Inc. Recommending content based on intersecting user interest profiles
US20140067501A1 (en) * 2012-09-04 2014-03-06 Tom Rozenvasser Social Network for Distributing Multimedia Content
US10083462B2 (en) * 2012-12-05 2018-09-25 Capital One Services, Llc Methods and systems for dynamically providing content
US20140181121A1 (en) * 2012-12-21 2014-06-26 Microsoft Corporation Feature embedding in matrix factorization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101874255A (zh) * 2005-05-27 2010-10-27 佩斯微技术有限公司 一种估计一个用户组对一个内容的总体兴趣度的方法和设备
CN101681469A (zh) * 2007-03-31 2010-03-24 索尼德国有限责任公司 用于推荐内容项目的方法和系统
US20090307296A1 (en) * 2008-06-04 2009-12-10 Samsung Electronics Co., Ltd. Method for anonymous collaborative filtering using matrix factorization
CN102622404A (zh) * 2011-01-07 2012-08-01 微软公司 与组相关联的内容推荐

Also Published As

Publication number Publication date
CN104035934A (zh) 2014-09-10
US20140289334A1 (en) 2014-09-25
WO2014134944A1 (en) 2014-09-12

Similar Documents

Publication Publication Date Title
JP7154334B2 (ja) ライブストリームコンテンツを推奨するための機械学習の使用
CN104035934B (zh) 一种多媒体信息推荐的方法及装置
CN106528813B (zh) 一种多媒体推荐方法和装置
CN103678518B (zh) 一种推荐列表调整方法和装置
CN111061946A (zh) 场景化内容推荐方法、装置、电子设备及存储介质
WO2020048084A1 (zh) 资源推荐方法、装置、计算机设备及计算机可读存储介质
WO2018041168A1 (zh) 信息推送方法、存储介质和服务器
WO2017181612A1 (zh) 个性化视频推荐方法及装置
CN105574045B (zh) 一种视频推荐方法和服务器
WO2015148422A1 (en) Recommendation system with dual collaborative filter usage matrix
CN103488667A (zh) 信息处理设备、信息处理方法和程序
JP6767342B2 (ja) 検索装置、検索方法および検索プログラム
CN110134783A (zh) 个性化推荐的方法、装置、设备和介质
CN110489574B (zh) 一种多媒体信息推荐方法、装置和相关设备
JP2017054214A (ja) 判定装置、学習装置、情報配信装置、判定方法及び判定プログラム
CN111582967A (zh) 内容搜索方法、装置、设备及存储介质
CN104272304B (zh) 信息处理设备、信息处理方法以及程序
CN108629671A (zh) 一种融合用户行为信息的餐馆推荐方法
CN104615749A (zh) 铃音推荐方法及装置
CN112818213B (zh) 多媒体业务数据推送方法、装置、设备及存储介质
JP2017076376A (ja) 算出装置、算出方法および算出プログラム
CN106445953A (zh) 广告创意信息检索方法和系统
CN110969535A (zh) 一种用户之间匹配的方法、设备、系统和介质
US20170031918A1 (en) Techniques for graph-based recommendations
CN104333777B (zh) 一种广播电视节目单制定系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant