專利名稱：用于根據(jù)項目的推薦來預(yù)測對該項目感興趣的個體的數(shù)目的方法和設(shè)備的制作方法
相關(guān)申請的交叉引用本申請涉及于2001年9月10日提交的名為″Four-WayRecommendation Method and System Including CollaborativeFiltering(包含協(xié)作過濾器的四路推薦方法和系統(tǒng))″的美國專利申請序列號09/953,385(代理人證號US010128)，還涉及于2001年11月13日提交的名為″Method and Apparatus for RecommendingItems of Interest to a User Based on Recommendations for Oneor More Third Parties(用于根據(jù)一個或者多個第三方的推薦來推薦使用戶感興趣的項目的方法和設(shè)備)″的美國專利申請序列號10/014,194，將每一篇都在此引入以供參考。
本發(fā)明涉及用于預(yù)測對項目興趣的級別-比如電視節(jié)目觀眾的規(guī)模的方法和設(shè)備，更具體而言，涉及用于利用項目的推薦來預(yù)測將對該項目感興趣的個體的數(shù)目的技術(shù)。
許多推薦電視節(jié)目和其它感興趣的項目的推薦工具都是可用的。例如，電視節(jié)目推薦工具典型地將用戶偏好應(yīng)用于電子節(jié)目指南(EPG)以便獲得可能使一個或多個用戶感興趣的一套推薦的節(jié)目。電子節(jié)目指南例如用標題、時間、日期和頻道來標識可用的電視節(jié)目。通常，電視節(jié)目推薦工具利用隱式的或顯式的技術(shù)(或兩者)來獲得用戶的偏好。隱式的電視節(jié)目推薦工具根據(jù)從用戶的觀看歷史得出的信息來生成電視節(jié)目推薦。在另一方面，顯式的電視節(jié)目推薦工具顯式地詢問用戶關(guān)于他們對某些節(jié)目屬性(比如，標題、風格、演員、頻道和日期/時間)的偏好，以便得出用戶簡檔和生成推薦。
必須將顯式的推薦工具初始化，要求每個新用戶對以粗粒度級別規(guī)定的他們的偏好的非常詳細的調(diào)查作出應(yīng)答。同樣，隱式的電視節(jié)目推薦工具需要大量時間來學(xué)習(xí)用戶的觀看偏好。這樣一來，由于當推薦工具首次被獲得時推薦工具典型地不能提供有價值的推薦，因此把推薦工具說成是給新用戶展示出″冷開始(cold start)″。然而，推薦工具的有效性隨著用戶與系統(tǒng)進行交互的時間增長而逐漸提高。
為了針對解決冷開始問題，已經(jīng)建議或提出許多推薦工具根據(jù)其它個體的觀看歷史或購買歷史(統(tǒng)稱為″選擇歷史″)或根據(jù)為其它個體生成的推薦，來向新的用戶提供推薦。例如，于2001年11月13日提交的名為″Method and Apparatus for Recommending Items ofInterest Based on Stereotype Preferences of Third Parties(用于根據(jù)第三方的定型(sterotpye)偏好來推薦感興趣的項目的方法和設(shè)備)″的美國專利申請序列號10/014,195(代理人證號US010575)，將該篇申請在此引入以供參考，其描述了一種在用戶的選擇歷史可用之前推薦使用戶感興趣的項目的推薦工具。處理其它用戶的選擇歷史以生成反映有代表性的用戶所選擇的典型項目模式的定型簡檔。新的用戶繼而能從所生成的常規(guī)簡檔中選擇最相關(guān)的定型并借此用接近他或她的自己的興趣的項目來對他或她的簡檔進行初始化。
除推薦使給定用戶感興趣的項目之外，預(yù)測將對某一項目感興趣的個體的數(shù)目(電視節(jié)目觀眾的規(guī)模)也往往有用處。典型地，在廣播之后，通過確定給定人口的成員所選擇的電視頻道，來測量給定電視節(jié)目的觀眾。例如，尼耳森媒介調(diào)查利用家庭專門小組(panel ofhouseholds)常稱為″尼耳森家族(Nielsen Familiy)″，來測量電視觀看。然而，這種測量技術(shù)只能測量出已經(jīng)呈現(xiàn)節(jié)目的觀眾的規(guī)模。
因此，需要有一種用于預(yù)測對項目的興趣級別的方法和設(shè)備，比如電視節(jié)目觀眾的規(guī)模。還需要有一種用于根據(jù)一個項目被推薦給潛在用戶的程度來預(yù)測對所述項目的興趣級別的方法和設(shè)備。
總體上，公開了一種用于根據(jù)多個用戶的選擇歷史和一個項目被推薦給多個用戶的程度來預(yù)測對該項目的興趣級別(比如，電視節(jié)目觀眾的規(guī)模)的方法和設(shè)備。例如，所述多個用戶可能是在地理區(qū)域中的有線電視或衛(wèi)星電視服務(wù)提供商的訂戶(subscribers)。服務(wù)提供商能夠根據(jù)給定節(jié)目被″高度推薦″給他的訂戶的百分率來預(yù)測所述給定節(jié)目觀眾的規(guī)模。照此，本發(fā)明所生成的預(yù)測的粒度能夠依照訂戶的地理范圍而從局部地區(qū)變化到全國性地區(qū)。例如，如果所述節(jié)目(i)具有超過預(yù)定閾值的節(jié)目推薦分數(shù)；或(ii)所述節(jié)目在給定的時間間隔內(nèi)位于為用戶推薦的節(jié)目的前N位列表中，那么就可以把所述給定節(jié)目視為″高度推薦″給訂戶。
根據(jù)本發(fā)明的另一方面，公開了一種用于利用表示實際的觀眾規(guī)模的測量數(shù)據(jù)來校準預(yù)測準確度的方法。例如，可以從研究公司、調(diào)查報告中或者通過監(jiān)視訂戶的實際觀看情況獲得實際的測量數(shù)據(jù)。所預(yù)測的觀眾和實際觀眾的比較能夠用來生成校正因數(shù)以改進后續(xù)的預(yù)測。另外，反饋機制根據(jù)實際觀看(以及作為選擇未觀看的)的演出來更新給定用戶的特征計數(shù)。用戶推薦的準確度將會隨著用戶與系統(tǒng)進行交互的時間增長而提高。由此，很有可能變?yōu)檫@樣的情況在給定的時隙、僅僅把單個節(jié)目高度推薦給了給定用戶。在這一點上，預(yù)測會由于多個用戶的觀看歷史隨時間增加而″自我校正″。由此，本發(fā)明生成的預(yù)測將會隨著時間而改進并且能夠根據(jù)抽樣的用戶和未被抽樣的用戶來補償誤差。
例如，廣播電臺可以采用本發(fā)明生成的預(yù)測來根據(jù)所預(yù)測的觀眾規(guī)模而動態(tài)地調(diào)整廣告發(fā)布的價格。另外，廣告客戶能夠采用所生成的預(yù)測來動態(tài)地調(diào)整在給定節(jié)目期間呈現(xiàn)的廣告內(nèi)容以吸引所預(yù)測的節(jié)目觀眾。項目的制造商或書或其它印刷品的出版商能夠使用本發(fā)明提供的預(yù)測來判斷例如要制造多少種項目或打印多少書的復(fù)本。
通過參考下列詳細說明和附圖將能夠獲得對本發(fā)明的更徹底的理解和本發(fā)明另外的特征和優(yōu)點。


圖1是依照本發(fā)明的觀眾預(yù)測器的一個實施例的示意性框圖；圖2是依照本發(fā)明的觀眾預(yù)測器的第二實施例的示意性框圖；圖3是來自于圖1的用戶簡檔數(shù)據(jù)庫的抽樣表；圖4是來自于圖1和2的節(jié)目數(shù)據(jù)庫的抽樣表；圖5是來自于圖1和2的校正因數(shù)數(shù)據(jù)庫的抽樣表；圖6是描述圖1的觀眾預(yù)測器所使用的示例性簡檔過程的流程圖；圖7是描述圖1的觀眾預(yù)測器所使用的示例性節(jié)目推薦過程的流程圖；圖8是描述具體化本發(fā)明的原理并且由圖1和2的觀眾預(yù)測器所使用的示例性觀眾預(yù)測過程的流程圖；和圖9是描述示具體化本發(fā)明的原理的并且由圖1和2的觀眾預(yù)測器所使用的例性預(yù)測偏差校正過程的流程圖。
總體上，本發(fā)明根據(jù)多個用戶(比如，在地理區(qū)域中的有線電視或衛(wèi)星電視服務(wù)提供商的訂戶)的選擇歷史和項目被推薦給用戶的程度來預(yù)測對項目的興趣級別，比如電視節(jié)目觀眾的規(guī)模。在示例性的實施例中，本發(fā)明提供了一種用于預(yù)測一個或多個節(jié)目的觀眾規(guī)模的觀眾預(yù)測器100。照此，如果給定地理區(qū)域中的服務(wù)提供商收集來自于其訂戶的觀看歷史或節(jié)目推薦，則該服務(wù)提供商就能夠預(yù)測在其覆蓋范圍內(nèi)的給定節(jié)目的觀眾規(guī)模。
在下文論述的圖1公開了本發(fā)明的第一實施例，其中觀眾預(yù)測器100利用許多用戶的原始觀看歷史來預(yù)測觀眾的規(guī)模。圖2公開了本發(fā)明的第二實施例，其中觀眾預(yù)測器200利用為許多用戶生成的節(jié)目推薦來預(yù)測觀眾的規(guī)模。
服務(wù)提供商能夠根據(jù)給定節(jié)目被″高度推薦″給的、它的訂戶的百分率來預(yù)測給定節(jié)目觀眾的規(guī)模。例如，如果所述節(jié)目(i)具有超過預(yù)定閾值的節(jié)目推薦分數(shù)；或(ii)所述節(jié)目在給定的時間間隔內(nèi)位于為用戶推薦的節(jié)目的前N位列表中，那么就可以把所述給定節(jié)目視為″高度推薦″給訂戶。在別的變形中，如果基于多個用戶的平均推薦分數(shù)超過預(yù)定閾值或如果該節(jié)目位于或接近于被推薦列表的首位(按節(jié)目推薦分數(shù))并且與下一個最多推薦的演出有預(yù)定差距，則可以把給定節(jié)目視作為是″高度推薦的″。由此，如果訂戶判定給定節(jié)目是″高度推薦的″達到其訂戶的某一百分率，則該訂戶就能夠轉(zhuǎn)換″高度推薦的″百分率以預(yù)測該節(jié)目觀眾的規(guī)模。
另外，另一個方面提供了一種用于利用表示觀眾規(guī)模的實際測量數(shù)據(jù)來校準預(yù)測的準確度的方法。實際測量數(shù)據(jù)例如可以從諸如尼耳森媒介調(diào)查之類的研究公司或調(diào)查公司那里獲得，或通過監(jiān)視訂戶的實際觀看情況來獲得。正如下面進一步論述的那樣，所預(yù)測的觀眾和實際觀眾的比較能夠用來生成校正因數(shù)以便改進后續(xù)的預(yù)測。照此，所述預(yù)測將隨著時間而改進并且能夠根據(jù)抽樣和未被抽樣的用戶來補償誤差。
圖1舉例說明了依照本發(fā)明的觀眾預(yù)測器100的一個實施例。如圖1所示，示例性的觀眾預(yù)測器100利用許多用戶的觀看歷史120-1至120-N(統(tǒng)稱觀看歷史120)來預(yù)測電子節(jié)目指南(EPG)110所標識的一個或多個節(jié)目的觀眾的規(guī)模。所述觀眾預(yù)測器100例如可以與有線電視或衛(wèi)星服務(wù)提供商的中央服務(wù)器相關(guān)聯(lián)。照此，如果在給定地理區(qū)域中的服務(wù)提供商從其訂戶那里收集觀看歷史120(或節(jié)目推薦220)，則該服務(wù)提供商就能夠在其覆蓋范圍內(nèi)預(yù)測給定節(jié)目觀眾的規(guī)模。
所述觀眾預(yù)測器100例如能夠通過直接對每個用戶的節(jié)目選擇進行抽樣或者通過經(jīng)由網(wǎng)絡(luò)從每個用戶的機頂盒或電視中接收觀看歷史120來收集觀看歷史120。所述觀眾預(yù)測器100能夠以任何已知的方式來與每個用戶的機頂盒或電視相通信，所述已知的方式包括一個或多個有線或無線鏈路(或兩者)。盡管這里是在電視節(jié)目預(yù)測的環(huán)境下舉例說明本發(fā)明的，但是本發(fā)明能夠應(yīng)用于基于用戶行為-比如觀看歷史或購買歷史估計的任何自動生成的推薦。
所述觀眾預(yù)測器100可以具體化為任何包含諸如中央處理單元(CPU)之類的處理器150和諸如RAM和/或ROM之類的存儲器160的計算裝置，比如個人計算機或工作站。所述電視節(jié)目推薦器100還可以具體化為專用集成電路(ASIC)，例如機頂盒或顯示器(未示出)中的專用集成電路。
如圖1所示，且正如下面分別結(jié)合圖2至9進一步論述的那樣，觀眾預(yù)測器100的存儲器160包括多個用戶簡檔300、節(jié)目數(shù)據(jù)庫400、校正因數(shù)數(shù)據(jù)庫500、簡檔過程600、節(jié)目推薦過程700、觀眾預(yù)測過程800和預(yù)測偏差校正過程900?？傮w上，例證性的用戶簡檔300提供從用戶的觀看歷史120得出的特征計數(shù)。所述節(jié)目數(shù)據(jù)庫400記錄每個在給定時間間隔內(nèi)可用的節(jié)目的信息。所述校正因數(shù)數(shù)據(jù)庫500記錄用于校正本發(fā)明所生成的預(yù)測中的任何偏差的校正因數(shù)。
所述簡檔過程600處理觀看歷史120以生成對應(yīng)的用戶簡檔300。所述節(jié)目推薦處理700在感興趣的時間段內(nèi)、根據(jù)用戶簡檔300中的特征計數(shù)為這些節(jié)目生成節(jié)目推薦分數(shù)。所述觀眾預(yù)測處理800根據(jù)節(jié)目被推薦給所抽樣的用戶的程度來預(yù)測給定電視節(jié)目觀眾的規(guī)模。所述預(yù)測偏差校正處理900比較所預(yù)測的給定節(jié)目觀眾和實際觀眾并且生成在校正因數(shù)數(shù)據(jù)庫500中記錄的校正因數(shù)，另外還對預(yù)測誤差進行校正。
圖2舉例說明了依照本發(fā)明的觀眾預(yù)測器200的第二實施例。如圖2所示，所述示例性的觀眾預(yù)測器200利用許多用戶的節(jié)目推薦220-1至220-N(統(tǒng)稱為節(jié)目推薦220)來預(yù)測在電子節(jié)目指南(EPG)110中標識的一個或多個節(jié)目的觀眾的規(guī)模。所述觀眾預(yù)測器200例如可以與有線電視或衛(wèi)星服務(wù)提供商的中央服務(wù)器相關(guān)聯(lián)，并且例如能夠經(jīng)由網(wǎng)絡(luò)從每個用戶的節(jié)目推薦器、機頂盒或電視中接收節(jié)目推薦220。
例如，可以利用任何可用電視節(jié)目推薦器來為每個用戶生成的程序推薦220，所述任何可用的電視節(jié)目推薦器，諸如是可從加州的Sunnyvale的Tivo公司那里獲得的Tivo系統(tǒng)，或是于1999年12月17日提交的名為″Method and Apparatus for RecommendingTelevision Programming Using Decision Trees(用于利用決策樹來推薦電視節(jié)目的方法和設(shè)備)″的美國專利申請序號09/466,406中描述的電視節(jié)目推薦器，于2000年2月4日提交的名為″BayesianTV Show Recommender(貝葉斯電視節(jié)目推薦器)″的美國專利申請序號09/498,271描述的電視節(jié)目推薦器，和于2000年7月27日提交的名為″Three-Way Media Recommendation Method and System(三路媒體推薦方法和系統(tǒng))″的美國專利申請序號09/627,139描述的電視節(jié)目推薦器，或者任何上述的組合，將每一篇都在此引入以供參考。
提供給觀眾預(yù)測器200的節(jié)目推薦220可以是給每個用戶的推薦的前N位列表，并且作為選擇可以包括推薦分數(shù)和用戶是否已經(jīng)標記了給定節(jié)目以供進行記錄的指示(這提供了用戶將觀看該節(jié)目的強烈的指示符)。所述觀眾預(yù)測器200預(yù)測受多個用戶的觀看習(xí)慣和節(jié)目被推薦給用戶的程度的影響的、一個或多個節(jié)目的觀眾的規(guī)模。
所述觀眾預(yù)測器200可以具體化為任何包含諸如中央處理單元(CPU)之類的處理器250和諸如RAM和/或ROM之類的存儲器260的計算裝置，比如個人計算機或工作站。所述電視節(jié)目推薦器200還可以具體化為例如機頂盒中的專用集成電路(ASIC)。
所述觀眾預(yù)測器200接收節(jié)目推薦220和非原始的觀看歷史120(類似于觀眾預(yù)測器100)。由此，所述觀眾預(yù)測器200不需要觀眾預(yù)測器100處理所接收的觀看歷史120以生成對應(yīng)用戶簡檔300和據(jù)此生成推薦所要求的功能。由此，如圖2所示，且正如下面分別結(jié)合圖4、5、8和9進一步論述的那樣，觀眾預(yù)測器200的存儲器260只包括節(jié)目數(shù)據(jù)庫400、校正因數(shù)數(shù)據(jù)庫500、觀眾預(yù)測過程800和預(yù)測偏差校正過程900。因此，圖2中所示的實施例具有增加的好處，就是它允許當產(chǎn)生預(yù)測同時通過保留用戶的觀看歷史和專用于他們自己機頂盒的用戶簡檔來(在一定程度上)保護用戶隱私。
圖3是舉例說明示例性的隱式用戶簡檔300的表。如圖3所示，隱式的用戶簡檔300包含多條記錄305-313，每一條記錄都是與不同的節(jié)目特征相關(guān)聯(lián)的。另外，對于在列330中闡述的每個特征而言，隱式用戶簡檔300在字段335中提供了對應(yīng)的正的計數(shù)值，而在字段350中提供了負的計數(shù)值。正的計數(shù)值表示用戶觀看具有每個特征的節(jié)目的次數(shù)。負的計數(shù)值表示用戶沒有觀看具有每個特征的節(jié)目的次數(shù)。
對于每個正的和負的節(jié)目示例(即，觀看和未觀看的節(jié)目)而言，在用戶簡檔300中將許多節(jié)目特征分類。例如，如果一個給定用戶在傍晚觀看頻道2上的給定體育節(jié)目十次，則與這些隱式用戶簡檔300中的特征相關(guān)聯(lián)的正計數(shù)值就會在字段335中按10來進行增量，并且負的計數(shù)值就在為0(零)。由于隱式的觀看簡檔300是以用戶的觀看歷史120-i為基礎(chǔ)的，因而隨著觀看歷史增長，簡檔300中所含的數(shù)據(jù)隨著時間的過去而被修改。作為選擇，隱式的用戶簡檔300可以以普通的或預(yù)定義的簡檔-例如根據(jù)用戶的人口資料來為他或她選擇的簡檔為基礎(chǔ)。
盡管用戶簡檔300是利用隱式的用戶簡檔加以說明的，但是正如本領(lǐng)域普通技術(shù)人員所顯而易見的，用戶簡檔300也可以利用顯式的簡檔或顯式簡檔和隱式簡檔的組合加以具體化。對于采用隱式和顯式簡檔兩者的電視節(jié)目推薦器以獲得組合的節(jié)目推薦分數(shù)的論述，例如參見于2000年9月20日提交的名為″Method And Apparatus ForGenerating Recommendation Scores Using Implicit And ExplicitViewing Preferences(用于利用隱式和顯式的觀看偏好來生成推薦分數(shù)的方法和設(shè)備)″的美國專利申請序列號09/666,401，將該篇申請在此引入以供參考。
圖4是來自于圖1和2的節(jié)目數(shù)據(jù)庫400的抽樣表，所述節(jié)目數(shù)據(jù)庫用于記錄每個在佳定時間間隔內(nèi)可用的節(jié)目的信息。在節(jié)目數(shù)據(jù)庫400中出現(xiàn)的數(shù)據(jù)例如可以從電子節(jié)目指南110中獲得。如圖4所示，所述節(jié)目數(shù)據(jù)庫400包含諸如記錄405至420之類的多條記錄，每一條記錄都與給定節(jié)目相關(guān)聯(lián)。對于每個節(jié)目而言，所述節(jié)目數(shù)據(jù)庫400分別在字段440和445中標明與節(jié)目相關(guān)聯(lián)的日期/時間和頻道。另外，在字段450和455中標識每個節(jié)目的標題和風格。還可以將眾所周知的附加屬性(未示出)。比如演員、持續(xù)時間和節(jié)目說明包含在節(jié)目數(shù)據(jù)庫400中。
所述節(jié)目數(shù)據(jù)庫400可選地還可以把由觀眾預(yù)測過程800所確定的預(yù)測的觀眾的指示記錄在字段480中。
圖5是舉例說明示例性的校正因數(shù)數(shù)據(jù)庫500的表。如圖5所示，所述校正因數(shù)數(shù)據(jù)庫500包含多條記錄510-570，每一條記錄都與不同的校正因數(shù)規(guī)則相關(guān)聯(lián)。另外，對于在列580中闡述的每個校正因數(shù)規(guī)則，校正因數(shù)數(shù)據(jù)庫500在字段590中提供了對應(yīng)的校正因數(shù)?？傮w上，正如下面結(jié)合圖9進一步論述的那樣，校正因數(shù)為生成的觀眾預(yù)測中的偏差進行校正。
對于給定節(jié)目，要對示例性的校正因數(shù)數(shù)據(jù)庫500進行訪問，直到滿足校正因數(shù)規(guī)則為止。例如，校正因數(shù)數(shù)據(jù)庫500能夠記錄觀眾預(yù)測器100、200為其預(yù)測觀眾且其實際觀眾測量統(tǒng)計可用的每個節(jié)目的校正因數(shù)。對于實際校正因數(shù)不可用的那些節(jié)目，示例性的校正因數(shù)數(shù)據(jù)庫500記錄應(yīng)用于所有同樣風格的節(jié)目的校正因數(shù)。最后，如果給定節(jié)目不滿足校正因數(shù)規(guī)則，則記錄570中的缺省規(guī)則將應(yīng)用缺省的校正因數(shù)，比如等于一的校正因數(shù)。
圖6是描述示例性簡檔過程600的流程圖。正如先前指出的那樣，簡檔過程600處理觀看歷史120以生成對應(yīng)的用戶簡檔300。
如圖6所示，在步驟610期間，簡檔過程600最初從多個用戶那里接收觀看歷史120。爾后，在步驟620期間，所述簡檔過程600根據(jù)每個用戶所觀看的(作為選擇，未觀看的)節(jié)目，利用對應(yīng)的特征計數(shù)來更新每個用戶的用戶簡檔300。
圖7是描述示例性的節(jié)目推薦過程700的流程圖。正如先前指出的那樣，所述節(jié)目推薦過程700根據(jù)用戶簡檔300中的特征計數(shù)來在感興趣的時間段內(nèi)為這些節(jié)目生成節(jié)目推薦分數(shù)。如圖7所示，在步驟710期間，所述節(jié)目推薦過程700在感興趣的時間段內(nèi)最初獲得電子節(jié)目指南(EPG)110。爾后，在步驟720期間，所述節(jié)目推薦過程700以常規(guī)的方式在感興趣的時間段內(nèi)來為每個節(jié)目計算每個被抽樣的用戶的節(jié)目推薦分數(shù)R(或從常規(guī)的推薦器中獲得節(jié)目推薦分數(shù)R)。所述節(jié)目推薦分數(shù)R可選地能夠記錄在節(jié)目數(shù)據(jù)庫中。
例如可以利用任何已知的技術(shù)來生成在步驟720期間所計算的單獨節(jié)目推薦分數(shù)R，比如那些可從加州的Sunnyvale的Tivo公司買到的Tivo系統(tǒng)所采用的技術(shù)，或者在下列美國專利申請中描述的電視節(jié)目推薦器，所述美國專利申請包括于1999年12月17日提交的名為″Method and Apparatus for Recommending TelevisionProgramming Using Decision Trees(用于利用決策樹來推薦電視節(jié)目的方法和設(shè)備)″的美國專利申請序號09/466,406，于2000年2月4日提及的名為″Bayesian TV Show Recommender(貝葉斯電視節(jié)目推薦器)″的美國專利申請序號09/498,271，和于2000年7月27日提交的名為″Three-Way Media Recommendation Method andSystem(三路媒體推薦方法和系統(tǒng))″的美國專利申請序號09/627,139，或上述的任何組合，將每一篇專利申請在此引入以供參考。
圖8是描述示例性的觀眾預(yù)測過程800的流程圖。正如先前指出的那樣，所述觀眾預(yù)測過程800根據(jù)節(jié)目被推薦給所抽樣的用戶的程度來預(yù)測給定電視節(jié)目觀眾的規(guī)模。如圖8所示，在步驟810期間，所述觀眾預(yù)測過程800最初從節(jié)目推薦過程700中獲得節(jié)目的單獨節(jié)目推薦分數(shù)R。爾后，在步驟820期間，所述觀眾預(yù)測過程800判斷所述節(jié)目被″高度推薦″給的訂戶的百分率。正如先前指出的那樣，例如，如果節(jié)目(i)具有超過預(yù)定閾值的節(jié)目推薦分數(shù)；或(ii)節(jié)目在給定時間間隔內(nèi)位于為用戶推薦的節(jié)目的前N位列表中，就可以把給定節(jié)目視為是被″高度推薦″給訂戶的。例如，在步驟820期間，能夠生成表示每個節(jié)目被高度推薦給的用戶數(shù)目的直方圖。
最后，在步驟830期間，所述觀眾預(yù)測過程800根據(jù)″高度推薦的″百分率來預(yù)測節(jié)目的觀眾。在一個實施方式中，所預(yù)測的觀眾等于″高度推薦的″百分率(歸一化為100％)乘以節(jié)目的校正因數(shù)(由預(yù)測偏差校正過程900所生成并記錄在校正因數(shù)數(shù)據(jù)庫500中)。
應(yīng)當注意如果某些被抽樣的用戶的推薦沒能達到″高度推薦″的級別，則在步驟820期間生成的直方圖將根本不能在計數(shù)值中包括這些用戶，而如果在給定時隙中的一個以上的節(jié)目被″高度推薦″，則將不止一次地包括某些被抽樣的用戶。換言之，在給定的時隙中，對許多個″高度推薦″的節(jié)目的用戶數(shù)目可能為零個?？傮w上，推薦工具的有效性隨著用戶與系統(tǒng)進行交互的時間增長而提高，并且很有可能變?yōu)檫@樣的情況對于給定的時隙，只有單個節(jié)目被高度推薦。在這點上講，預(yù)測將隨著多個用戶的觀看歷史120在時間上的增加而″自我校正″。
因此，所述觀眾預(yù)測器100、200可選擇地采用反饋特征來自動更新觀看歷史120中的用戶的特征計數(shù)(在給定的時隙中，由于具有多個″被高度推薦″的節(jié)目，而為所有用戶增量未觀看的節(jié)目的特征計數(shù)，并且在給定的時隙中，由于沒有任何″被高度推薦″的節(jié)目，為所有用戶增量觀看的節(jié)目的特征計數(shù))。無論推薦為何，隱式的推薦器都使所有觀看的節(jié)目的所有特征增量(同樣地，對于未觀看的節(jié)目也是如此)。此外，用戶可以選擇提供關(guān)于他或她自己的反饋，以告知系統(tǒng)他或她喜歡或不喜歡特定的節(jié)目。假設(shè)用戶將受到很強的激勵來響應(yīng)于低劣的推薦而給予反饋。
圖9是描述示例性的預(yù)測偏差校正過程900的流程圖。正如先前指出的那樣，所述預(yù)測偏差校正過程900比較所預(yù)測的給定節(jié)目觀眾和實際觀眾并且生成記錄在校正因數(shù)數(shù)據(jù)庫500中的校正因數(shù)，并還對預(yù)測誤差進行校正。如圖9所示，在步驟910期間，所述預(yù)測偏差校正過程900最初獲得針對給定節(jié)目所預(yù)測的觀眾。爾后，在步驟920期間，所述預(yù)測偏差校正過程900例如從諸如尼耳森媒介調(diào)查之類的研究公司或調(diào)查公司那里獲得給定節(jié)目的實際觀眾，或者通過監(jiān)視訂戶的實際觀看來獲得。最后，在步驟930期間，通過所預(yù)測的觀眾和實際觀眾之間的差值的預(yù)定百分率(比如10％)來調(diào)整該節(jié)目的當前校正因數(shù)。例如，如果所預(yù)測的給定節(jié)目觀眾為20％而實際觀眾為30％的話，則將按差值的10％來調(diào)整初始為1.0的校正因數(shù)以提供新的校正因數(shù)1.01(1.0+(10％*10％)＝1.01)。應(yīng)當注意先前未利用預(yù)測偏差校正過程900處理的節(jié)目將具有校正因數(shù)一。新的校正因數(shù)(如果有的話)，在步驟940期間，為該節(jié)目記錄在校正因數(shù)數(shù)據(jù)庫500中。
將要理解的是，在這里示出和描述的實施例和變形僅僅是為了說明本發(fā)明的原理，而本領(lǐng)域的技術(shù)人員在不脫離本發(fā)明的范圍和精神的情況下可以實施各種修改。
權(quán)利要求
1.一種用于預(yù)測對可用項目的興趣級別的方法，包括下列步驟根據(jù)多個個體選擇所述可用項目的歷史來獲得所述可用項目的一個或多個推薦分數(shù)；以及根據(jù)所述一個或多個推薦分數(shù)來預(yù)測對所述可用項目的興趣級別。
2.如權(quán)利要求1所述的方法，其中所述可用項目的所述一個或多個推薦分數(shù)是所述多個個體中的每一個的特有推薦分數(shù)。
3.如權(quán)利要求1所述的方法，其中所述可用項目的所述一個或多個推薦分數(shù)是所述多個個體的總計推薦分數(shù)。
4.如權(quán)利要求1所述的方法，其中所述獲得步驟進一步包括對所述可用項目的多個推薦分數(shù)求平均值的步驟。
5.如權(quán)利要求1所述的方法，其中所述獲得步驟進一步包括從至少一個遠程推薦器接收所述一個或多個推薦分數(shù)的步驟。
6.如權(quán)利要求1所述的方法，其中所述獲得步驟進一步包括接收從至少一個遠程推薦器中所述選擇歷史的步驟。
7.如權(quán)利要求1所述的方法，進一步包括將所述預(yù)測的興趣級別同實際的興趣級別進行比較并生成校正因數(shù)以補償所述預(yù)測的興趣級別上的誤差的步驟。
8.如權(quán)利要求1所述的方法，進一步包括根據(jù)所述可用項目實際上是否是由所述多個個體中的至少一個選擇的來更新所述選擇歷史的步驟。
9.如權(quán)利要求1所述的方法，其中所述可用項目是節(jié)目，并且所述興趣級別是所述節(jié)目的觀眾規(guī)模。
10.如權(quán)利要求1所述的方法，其中所述可用項目是內(nèi)容，并且所述興趣級別是所述內(nèi)容的觀眾規(guī)模。
11.如權(quán)利要求1所述的方法，其中所述可用項目是產(chǎn)品，并且所述興趣級別是將許多購買所述產(chǎn)品的顧客數(shù)目。
12.如權(quán)利要求1所述的方法，其中所述多個個體是在一個或多個地理區(qū)域上的服務(wù)提供商的訂戶。
13.如權(quán)利要求1所述的方法，其中所述興趣級別是以把所述可用項目高度推薦給的所述多個個體的百分率為基礎(chǔ)的。
14.如權(quán)利要求13所述的方法，其中如果一個可用項目具有超過預(yù)定閾值的推薦分數(shù)，則該項目就被高度推薦。
15.如權(quán)利要求13所述的方法，其中如果一個可用項目位于為所述多個個體的至少其中一個推薦的項目的前N位列表中，則該項目就被高度推薦。
16.如權(quán)利要求1所述的方法，進一步包括根據(jù)所述預(yù)測的興趣級別來調(diào)整與所述項目相關(guān)聯(lián)的廣告發(fā)布價格的步驟。
17.如權(quán)利要求1所述的方法，進一步包括根據(jù)預(yù)測將對所述項目感興趣的個體的人口統(tǒng)計信息來調(diào)整與所述項目相關(guān)聯(lián)的廣告發(fā)布內(nèi)容的步驟。
18.如權(quán)利要求1所述的方法，進一步包括根據(jù)所述預(yù)測的興趣級別確定要生產(chǎn)的所述項目的數(shù)目的步驟。
19.一種用于預(yù)測對可用項目的興趣級別的設(shè)備，包括存儲器；和耦合于存儲器的至少一個處理器，可操作用于根據(jù)由多個個體選擇所述可用項目的歷史來獲得所述可用項目的一個或多個推薦分數(shù)；以及根據(jù)所述一個或多個推薦分數(shù)來預(yù)測對所述可用項目的興趣級別。
20.如權(quán)利要求19所述的設(shè)備，其中所述處理器進一步被配置成能將所述預(yù)測的興趣級別同實際的興趣級別進行比較并生成校正因數(shù)以補償所述預(yù)測的興趣級別上的誤差。
21.如權(quán)利要求19所述的設(shè)備，其中所述處理器進一步被配置成能根據(jù)所述可用項目實際上是否是由所述多個個體中的至少一個選擇的來更新所述選擇歷史。
22.如權(quán)利要求19所述的設(shè)備，其中所述可用項目是節(jié)目，并且所述興趣級別是所述節(jié)目的觀眾規(guī)模。
23.如權(quán)利要求19所述的設(shè)備，其中所述興趣級別是以把所述可用項目高度推薦給的所述多個個體的百分率為基礎(chǔ)的。
24.如權(quán)利要求23所述的設(shè)備，其中如果一個可用項目具有超過預(yù)定閾值的推薦分數(shù)，則該項目就被高度推薦。
25.如權(quán)利要求23所述的設(shè)備，其中如果一個可用項目位于為所述多個個體的至少其中一個推薦的項目的前N位列表中，則該項目就被高度推薦。
26.如權(quán)利要求19所述的設(shè)備，其中所述處理器進一步被配置成能根據(jù)所述預(yù)測的興趣級別來調(diào)整與所述項目相關(guān)聯(lián)的廣告發(fā)布價格。
27.如權(quán)利要求19所述的設(shè)備，其中所述處理器進一步被配置成能根據(jù)預(yù)測將對所述項目感興趣的個體的人口統(tǒng)計信息來調(diào)整與所述項目相關(guān)聯(lián)的廣告發(fā)布內(nèi)容。
28.一種用于預(yù)測對可用項目的興趣級別的產(chǎn)品，包括包含一個或多個程序的機器可讀介質(zhì)，當執(zhí)行所述一個或多個程序時實施下列步驟根據(jù)多個個體選擇所述可用項目的歷史來獲得所述可用項目的一個或多個推薦分數(shù)；以及根據(jù)所述一個或多個推薦分數(shù)來預(yù)測對所述可用項目的興趣級別。
全文摘要
公開了一種方法(800)和設(shè)備(100)，用于根據(jù)多個用戶的選擇歷史(120)以及把一個項目推薦(200)給所述多個用戶的程度來預(yù)測對所述項目興趣的級別，例如電視節(jié)目觀眾的規(guī)模。給定節(jié)目觀眾的規(guī)?？梢愿鶕?jù)例如把所述給定節(jié)目“高度推薦”給的用戶的百分數(shù)來加以預(yù)測。還公開了一種方法(900)，用于使用表明實際觀眾規(guī)模的測量數(shù)據(jù)來校準預(yù)測準確度。所述預(yù)測的和實際的觀眾之間的比較能夠產(chǎn)生一個校正因數(shù)以改進后續(xù)的預(yù)測。
文檔編號G06Q30/00GK1723474SQ200380105604
公開日2006年1月18日 申請日期2003年12月10日 優(yōu)先權(quán)日2002年12月11日
發(fā)明者J·D·謝菲爾, Y·H·阿爾薩法迪, A·F·亞辛 申請人:皇家飛利浦電子股份有限公司