專利名稱：用于產(chǎn)生推薦積分的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于推薦電視節(jié)目的方法和裝置，更具體地說，涉及通過應(yīng)用表決處理并利用觀眾偏好來產(chǎn)生推薦積分(scores)的技術(shù)。
由于電視觀眾可看的頻道數(shù)不斷增加，并且這些頻道上的節(jié)目?jī)?nèi)容多種多樣，因此，電視觀眾識(shí)別其所感興趣的電視節(jié)目變得越來越困難。從前，電視觀眾通過分析印制的電視節(jié)目指南來找出其感興趣的電視節(jié)目。通常，這種印制的電視節(jié)目指南包括按時(shí)間和日期、頻道和主題列出的可看的電視節(jié)目的表格。隨著電視節(jié)目數(shù)量的增加，使用這種印制的指南來有效地識(shí)別所希望的電視節(jié)目已經(jīng)變得越來越困難了。
近來，已經(jīng)可以使用一種電子形式的電視節(jié)目指南，它通常被稱作電子節(jié)目指南(EPG)。與印制的電視節(jié)目指南一樣，EPG包括按時(shí)間和日期、頻道和主題列出的可看的電視節(jié)目的表格。但是一些EPG允許電視觀眾根據(jù)個(gè)人的偏好分類或搜索可看的電視節(jié)目。而且，EPG允許可看電視節(jié)目的屏上顯示。
盡管與傳統(tǒng)印制的指南相比，EPG允許觀眾更有效地找到希望的節(jié)目，但是它們也受到一些限制，如果克服這些缺陷，則可以進(jìn)一步提高觀眾找到所希望的節(jié)目的能力。例如，多些觀眾尤其偏好或抵制某些類型的節(jié)目，例如，動(dòng)作片或體育節(jié)目。因而，可將觀眾的偏好應(yīng)用于EPG以獲得特定的觀眾可能感興趣的一組推薦的節(jié)目。
因此，已經(jīng)建議使用若干種用來推薦電視節(jié)目的工具，它們也被稱為電視節(jié)目推薦器(recommender)。例如，可從加利福尼亞，Sunnyvale的Tivo公司的可商用的TivoTM系統(tǒng)，它通過使用“拇指向上和拇指向下”特征來評(píng)定節(jié)目，并由此分別指示出該觀眾喜歡和不喜歡的節(jié)目。之后，該Tivo接收機(jī)把記錄的觀眾偏好與接收的諸如EPG這樣的節(jié)目數(shù)據(jù)相匹配，從而作出適合每個(gè)觀眾的推薦。
在諸如TivoTM系統(tǒng)這樣的系統(tǒng)中，用戶提供反饋數(shù)據(jù)，以便把一個(gè)選擇評(píng)定為喜歡或不喜歡，或者任選地評(píng)定為某個(gè)程度。通常，觀眾同時(shí)評(píng)定喜歡和不喜歡的節(jié)目，這樣就可以同時(shí)獲得正和負(fù)反饋。
傳統(tǒng)的隱含電視節(jié)目推薦器以一種非強(qiáng)制的方式根據(jù)觀眾的觀看歷史所產(chǎn)生的信息產(chǎn)生電視節(jié)目推薦。隱含電視節(jié)目推薦器設(shè)法根據(jù)觀眾喜歡或不喜歡的一組節(jié)目來推斷出觀眾的觀看習(xí)慣。
1999年12月17日提交的相關(guān)美國(guó)申請(qǐng)，其序列號(hào)為09/466,406(代理案卷號(hào)700772)，題為“使用判定樹推薦電視節(jié)目的方法和裝置”，以及2000年2月4日提交的美國(guó)序列號(hào)09/498,271(代理案卷號(hào)700690)，題為“貝葉斯電視推薦器”中描述了隱含推薦器的例子，這兩份申請(qǐng)均轉(zhuǎn)讓給本發(fā)明的受讓人，并且全部引用本文的參考。
另一方面，傳統(tǒng)的明示電視節(jié)目推薦器明確詢問觀眾有關(guān)他們對(duì)于節(jié)目屬性的偏好，如主題、風(fēng)格、演員、頻道和日期/時(shí)間，從而得到觀眾的概況，并產(chǎn)生推薦。明示電視節(jié)目推薦器以一種已知的方式處理觀眾調(diào)查，以產(chǎn)生包含用以實(shí)現(xiàn)觀眾偏好的一組規(guī)則的明示的觀眾概況。
盡管這種電視節(jié)目推薦器識(shí)別出給定觀眾可能感興趣的電視節(jié)目，但它們也受到一些限制，如果能克服這些缺陷，將會(huì)進(jìn)一步提高所產(chǎn)生的節(jié)目推薦的質(zhì)量。例如，明示電視節(jié)目推薦器通常不會(huì)推定觀眾的偏好。類似地，隱含電視節(jié)目推薦器通常會(huì)作出關(guān)于觀眾觀看習(xí)慣的不正確的假設(shè)，而這本可以很容易地由觀眾明確識(shí)別出。
由于只根據(jù)一種類型的數(shù)據(jù)，如反饋、隱含或明示數(shù)據(jù)的推薦器中存在缺陷，因而開發(fā)出了更為復(fù)雜的推薦器，它通過使用所有三種類型的觀眾偏好得到推薦積分。這種推薦器的例子在下面的相關(guān)申請(qǐng)中進(jìn)行了描述，即2000年7月27日提交的相關(guān)美國(guó)申請(qǐng)，其序列號(hào)為09/627,139(代理案卷號(hào)700913)，題為“三種方式的媒體推薦方法和系統(tǒng)”，以及2000年9月20日提交，美國(guó)序列號(hào)09/666,401(代理案卷號(hào)701247)，題為“使用隱含和明示觀看偏好產(chǎn)生推薦積分的方法和裝置”，其全部公開在此引作參考。
盡管根據(jù)組合的隱含和明示觀眾偏好的電視節(jié)目推薦器相對(duì)于只根據(jù)一種類型的觀眾偏好的推薦器來說有所提高，但是，它們同樣受到了限制。例如，當(dāng)通過使用加權(quán)方案把隱含和明示推薦器組內(nèi)部組合在一起時(shí)，總的預(yù)測(cè)性能得到了提高，但是，在接收機(jī)工作曲線(ROC)上顯示的誤正率(false positive rate)也會(huì)增加。
因而，依然需要一種通過使用結(jié)合多個(gè)范例的混合方法產(chǎn)生節(jié)目推薦的方法和系統(tǒng)。另外，還需要提供一種根據(jù)不同類型的電視節(jié)目推薦器產(chǎn)生節(jié)目推薦的方法和系統(tǒng)，以使錯(cuò)誤降低并實(shí)現(xiàn)更高的性能。
因此，本發(fā)明的一個(gè)目的是提供一種推薦電視節(jié)目的方法，其中與不同類型的電視節(jié)目推薦器相關(guān)的不同方法彼此補(bǔ)充。
本發(fā)明的另一個(gè)目的是提供使用結(jié)合多個(gè)范例的混合方法產(chǎn)生電視推薦的系統(tǒng)。
本發(fā)明解決了已有技術(shù)的需要，它提供推薦電視節(jié)目的方法。一種方法包括獲得一個(gè)或多個(gè)電視節(jié)目的列表；至少向三個(gè)不同的節(jié)目推薦器R1、R2和R3提供該節(jié)目列表；通過每個(gè)推薦器R1、R2和R3為列表上的每個(gè)節(jié)目獲得一組推薦積分S1、S2和S3；為列表上的每個(gè)節(jié)目產(chǎn)生通過把表決處理應(yīng)用于每個(gè)推薦積分S1、S2和S3計(jì)算的組合推薦積分C；而且，通過把組合推薦積分C呈現(xiàn)給用戶而向用戶推薦節(jié)目。推薦積分S1、S2和S3可以是隱含推薦積分I1、I2和I3。表決處理可基于一種隨機(jī)方法，包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。前面列舉的隨機(jī)方法還可根據(jù)一種組合方案進(jìn)行組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。根據(jù)本發(fā)明的方案獲得的推薦積分C能夠使用戶選擇其感興趣的電視節(jié)目。
由本發(fā)明提供的另一種推薦電視節(jié)目的方法還包括為每個(gè)電視節(jié)目產(chǎn)生至少一個(gè)明示推薦積分E；產(chǎn)生通過把表決處理應(yīng)用于隱含推薦積分和明示推薦積分中的每一個(gè)而計(jì)算得到的組合推薦積分Co。
在另一種方法中，還可以為一個(gè)或多個(gè)電視節(jié)目產(chǎn)生至少一個(gè)反饋積分；并在隨后產(chǎn)生通過把表決處理應(yīng)用于隱含推薦積分、明示推薦積分和反饋積分中的每一個(gè)而計(jì)算得到的組合推薦積分Cf。
與在本發(fā)明的其它實(shí)施例中一樣，該表決處理基于一種隨機(jī)方法，包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。這些隨機(jī)方法還可通過一種組合方案進(jìn)一步組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
在本發(fā)明的另一個(gè)實(shí)施例中，一種用于推薦電視節(jié)目的方法包括獲得一個(gè)或多個(gè)電視節(jié)目的列表；為一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)明示推薦積分E；為一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)隱含推薦積分I；為一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)反饋推薦積分F；通過把表決處理應(yīng)用于明示推薦積分、隱含推薦積分和反饋推薦積分中的每一個(gè)，為每個(gè)電視節(jié)目產(chǎn)生一個(gè)組合推薦積分C；并向用戶推薦組合推薦積分C以向用戶呈現(xiàn)推薦積分C。此外，對(duì)于本發(fā)明的本實(shí)施例來說有用的表決處理是一種隨機(jī)處理，它包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。這些隨機(jī)方法還可通過一種組合方案進(jìn)一步組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。組合推薦積分C能夠使用戶選擇其所感興趣的節(jié)目。
本發(fā)明還提供了一種用于獲得針對(duì)用戶的電視節(jié)目推薦的系統(tǒng)，該系統(tǒng)包括存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)可讀代碼；以及與存儲(chǔ)器操作連接的處理器，該處理器用于獲得一個(gè)或多個(gè)電視節(jié)目的列表；向至少兩個(gè)節(jié)目推薦器R1、R2和R3提供該電視節(jié)目列表；通過每個(gè)推薦器R1、R2和R3為列表上的每個(gè)電視節(jié)目獲得一組推薦積分S1、S2和S3；為列表上的每個(gè)節(jié)目產(chǎn)生一個(gè)組合推薦積分C，該組合積分C通過把表決處理應(yīng)用于推薦積分S1、S2和S3中的每一個(gè)來計(jì)算；并通過向用戶呈現(xiàn)組合推薦積分C而向用戶推薦組合推薦積分C。
與在上述其它方法中的情況一樣，該表決處理基于一種隨機(jī)方法，包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。這些隨機(jī)方法還可通過一種組合方案進(jìn)一步組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
在本發(fā)明的又一個(gè)實(shí)施例中，一種用于獲得針對(duì)用戶的電視節(jié)目推薦的系統(tǒng)包括存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)可讀代碼；以及與存儲(chǔ)器操作連接的處理器，該處理器用于獲得一個(gè)或多個(gè)電視節(jié)目的列表；為一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)明示推薦積分E；為一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)隱含推薦積分I；為一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)反饋推薦積分F；通過把表決處理應(yīng)用于明示推薦積分、隱含推薦積分和反饋推薦積分中的每一個(gè)，產(chǎn)生一個(gè)組合推薦積分C；向用戶推薦如此獲得的組合推薦積分C，以使用戶能夠選擇其所感興趣的節(jié)目。在本方法中使用的表決處理是基于一種隨機(jī)方法，包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。如上所述，對(duì)于本方法來說有用的這種隨機(jī)處理是根據(jù)一種組合方案進(jìn)行組合的，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
由于使用不同方法的本發(fā)明電視推薦器用于提供組合推薦，因而與每個(gè)單個(gè)的推薦器相比，它具有更少的錯(cuò)誤并能實(shí)現(xiàn)更高的性能。
本發(fā)明所提供的優(yōu)于已有技術(shù)的其它改進(jìn)將會(huì)通過本發(fā)明優(yōu)選實(shí)施例的以下描述得到認(rèn)識(shí)。該描述并不是以任何方式來限制本發(fā)明的范圍，而僅僅是提供本發(fā)明優(yōu)選實(shí)施例的工作實(shí)例。本發(fā)明的范圍將由所附的權(quán)利要求限定。


圖1表示根據(jù)一種組合表決方案組合一組推薦積分S1、S2和S3而得到的一種電視節(jié)目推薦方法的流程圖；圖2表示通過組合由三種類型的推薦器，隱含、明示和反饋推薦器獲得的九個(gè)推薦積分而得到的一種電視節(jié)目推薦方法的流程圖；圖3表示根據(jù)從第一組合表決方案獲得的另一個(gè)積分組合表決方案而分別組合由隱含、明示和反饋推薦器獲得的積分所得到的一種電視節(jié)目推薦方案的流程圖；圖4表示通過把一種表決的隨機(jī)方法應(yīng)用于所有積分而得到的一種電視節(jié)目推薦方法的流程圖；圖5表示用戶A(usr A)使用一個(gè)推薦器如個(gè)體(indiv)和家庭(house)的隱含貝葉斯(IB)、隱含判定樹(IDT)和明示(E)以及組合積分推薦器如個(gè)體或家庭的隱含貝葉斯和明示(IB+E)以及隱含判定樹和明示(IDT+E)的推薦積分的接收機(jī)工作曲線(ROC)；圖6表示家庭用戶(usr H)使用一個(gè)推薦器如個(gè)體(indiv)和家庭(house)的隱含貝葉斯(IB)、隱含判定樹(IDT)和明示(E)以及組合積分推薦器如個(gè)體或家庭的隱含貝葉斯和明示(IB+E)以及隱含判定樹和明示(IDT+E)的接收機(jī)工作曲線(ROC)；圖7表示采用應(yīng)用于個(gè)體和家庭的三個(gè)單個(gè)推薦器IB、IDT和明示E以及兩個(gè)組合推薦器IB+E和IDT+E的表決處理的用戶A的ROC；以及圖8表示采用應(yīng)用于個(gè)體和家庭的三個(gè)單個(gè)推薦器IB、IDT和明示E以及兩個(gè)組合推薦器IB+E和IDT+E的表決處理的用戶H的ROC。
本發(fā)明是一種推薦電視節(jié)目的方法。具體來說，本發(fā)明包括獲得一個(gè)或多個(gè)節(jié)目的列表；把該節(jié)目列表提供給至少三個(gè)不同的節(jié)目推薦器R1、R2和R3，通過它們可以獲得一組推薦積分S1、S2和S3；產(chǎn)生一個(gè)組合推薦積分C，該積分通過把一種表決處理應(yīng)用于推薦積分S1、S2和S3中的每一個(gè)而計(jì)算；并把組合推薦積分呈現(xiàn)給用戶以用于選擇或記錄電視節(jié)目。
推薦積分S1、S2和S3可由多種類型的推薦器提供，如基于反饋、隱含和明示數(shù)據(jù)的推薦器。這里使用的“反饋數(shù)據(jù)”指的是用戶根據(jù)EPG中的特定資源提供的評(píng)定而產(chǎn)生的數(shù)據(jù)；“隱含數(shù)據(jù)”是機(jī)器觀察用戶的觀看歷史而產(chǎn)生的數(shù)據(jù)，因而隱含數(shù)據(jù)反映了用戶對(duì)所觀看節(jié)目的選擇；而“明示數(shù)據(jù)”是表示用戶偏好的節(jié)目類型的明確推薦，而不是用戶偏好的特定資源的指示。
由不同類型的推薦器提供的組合推薦積分已被發(fā)明，已經(jīng)發(fā)現(xiàn)，組合積分始終優(yōu)于一個(gè)單個(gè)的最好的推薦器。電視節(jié)目推薦器可被看作類似于模式識(shí)別系統(tǒng)中的分類器。可應(yīng)用于電視節(jié)目推薦器的現(xiàn)有分類器組合方案的理論基礎(chǔ)由Kittler，J等人在“組合分類器”13thInternational Conference on Pattern Recognition，pp.897-901(1996)中提供。
另外還意想不到地發(fā)現(xiàn)，通過把一種表決處理應(yīng)用于至少通過三種不同類型的電視節(jié)目推薦器獲得的推薦積分S1、S2和S3中的每一個(gè)而獲得的組合推薦積分具有優(yōu)異的預(yù)測(cè)性能并能大大降低如ROC曲線上顯示的誤正率。圖1所示為本發(fā)明的一個(gè)實(shí)施例，其中推薦積分S1、S2和S3通過一種表決處理組合。
有許多種表決處理可用到本發(fā)明的方法中。優(yōu)選地，應(yīng)用于電視節(jié)目推薦器提供的推薦積分的表決處理無(wú)限制地基于一種隨機(jī)方法。最優(yōu)選的隨機(jī)方法可從包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型的方法中進(jìn)行廣泛地選擇。下面的方案可用于產(chǎn)生上述隨機(jī)方法的結(jié)合，包括但不限于調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
在本發(fā)明的表決處理中有用的隨機(jī)方法中在本領(lǐng)域中是眾所周知的，并由Battitti，R等人在”Democracy in Neural NetsVotingSchemes for Classification”，Neural Networks，vol.7，no.4，pp.691-707(1994)中進(jìn)行了專門的定義和論述，其全部公開作為參考與本文結(jié)合在一起。
在本發(fā)明的一個(gè)方案中，推薦積分S1、S2和S3是通過把隱含數(shù)據(jù)提供給隱含數(shù)據(jù)推薦器產(chǎn)生的隱含推薦積分I1、I2和I3。
在本發(fā)明的另一個(gè)方案中，組合推薦積分Cf通過把表決處理不僅應(yīng)用于隱含推薦積分的推薦器提供的推薦積分，而且應(yīng)用于明示和反饋積分的推薦器提供的推薦積分來計(jì)算。
明示推薦積分E是根據(jù)在明示的觀眾概況中表述的屬性值而產(chǎn)生的。明示推薦積分E和隱含推薦積分I的計(jì)算在2000年9月20日提交的美國(guó)專利申請(qǐng)序列號(hào)09/664,401(代理案卷號(hào)701247)，題為“用于產(chǎn)生明示推薦積分和用于將它們與隱含推薦積分組合在一起的方法和系統(tǒng)”中進(jìn)行了詳細(xì)描述，該申請(qǐng)的全部公開作為參考與本文結(jié)合在一起。
本發(fā)明的另一個(gè)方案涉及到提供一種用于獲得具有觀眾使用的傳統(tǒng)屬性的電視節(jié)目的推薦的系統(tǒng)。該系統(tǒng)包括用于存儲(chǔ)計(jì)算機(jī)可讀代碼的存儲(chǔ)器和與存儲(chǔ)器操作連接的處理器。該處理器用于實(shí)現(xiàn)某些任務(wù)，包括但不限于獲得一個(gè)或多個(gè)節(jié)目的列表，其中組合推薦Ci通過把表決處理應(yīng)用于至少三個(gè)隱含推薦積分I1、I2和I3中的每一個(gè)而產(chǎn)生。
在本發(fā)明的另一個(gè)實(shí)施例中，該處理器用于實(shí)現(xiàn)其它任務(wù)，如獲得一個(gè)或多個(gè)節(jié)目的列表；為所述一個(gè)或多個(gè)節(jié)目獲得至少一個(gè)明示推薦積分E；為列表中的一個(gè)或多個(gè)節(jié)目獲得至少一個(gè)隱含推薦積分I；為列表中的一個(gè)或多個(gè)節(jié)目獲得至少一個(gè)反饋推薦積分F；通過把表決處理應(yīng)用于每個(gè)明示推薦積分、隱含推薦積分和反饋推薦積分而產(chǎn)生組合推薦積分C。
在由本發(fā)明提供的所有系統(tǒng)中，總的來說，表決處理基于一種從下面的方法中選擇的隨機(jī)方法，這些方法包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。這些方法可用于產(chǎn)生上述方法的組合，包括但不限于調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
圖1表示本發(fā)明的一個(gè)實(shí)施例，其中該節(jié)目推薦方法包括提供一個(gè)或多個(gè)電視節(jié)目的源(EPG)100，以用于產(chǎn)生由隱含、明示和反饋電視推薦器(未示出)將組件115的隨機(jī)方法121、131、141應(yīng)用于其的觀眾歷史110，目的是獲得用戶概況151、161、171。電視推薦器產(chǎn)生積分S1、S2和S3，它們通過上文已討論過的組合表決方案進(jìn)行組合，以得到最終的推薦積分C，以便用戶用作推薦190。
本發(fā)明的另一個(gè)實(shí)施例在圖2中示出。在圖2的方法中，多個(gè)積分通過至少三個(gè)隱含電視推薦器(未示出)獲得，即應(yīng)用三種不同的隨機(jī)方法121、122和123，從而獲得三種不同的隱含用戶概況151、152和153。每個(gè)隱含電視推薦器產(chǎn)生隱含積分S1、S2和S3。類似地，明示推薦器的集合130應(yīng)用隨機(jī)方法141、142和143，以獲得三個(gè)不同的明示用戶概況161、162、163。每個(gè)明示電視推薦器產(chǎn)生明示積分S4、S5和S6。另外，反饋電視推薦器的集合140應(yīng)用隨機(jī)方法以獲得三個(gè)不同的反饋用戶概況171、172、173，以由電視推薦器用來產(chǎn)生積分S7、S8和S9。所有的積分之后通過上文所述的一種組合方案的表決進(jìn)行組合，以產(chǎn)生一個(gè)組合積分C，以向用戶提供推薦181。用戶隨后可以使用推薦181選擇感興趣的節(jié)目。
本發(fā)明的另一個(gè)方案在圖3中示出。在本方法中，隱含積分S1、S2、S3，明示積分S4、S5和S6以及反饋積分S7、S8、S9利用與圖2中所示相同的方法獲得。對(duì)于每種類型的積分，隱含、明示和反饋積分來說，表決處理均通過組合方案182，183，184得到應(yīng)用。從而獲得三個(gè)不同的積分C1、C2和C3。根據(jù)組合方案185的另一個(gè)表決處理被應(yīng)用于積分C1、C2和C3，以獲得最終積分C。推薦192由此而得到。
本發(fā)明的又一個(gè)方案在圖4中示出。在圖4所示的方法中，隱含積分S1、S2、S3，明示積分S4、S5和S6以及反饋積分S7、S8、S9利用與圖2中所示相同的方法獲得。但是，組合積分C則是通過應(yīng)用于所有這些積分的隨機(jī)方法186進(jìn)行表決而獲得的。推薦193由此而得到。
電視推薦器的性能通常被繪制為接收機(jī)工作特性(ROC)曲線。ROC的軸是繪制在水平軸上的誤報(bào)警(F)率，以及垂直繪制的命中率(H)。對(duì)于從0到1的F-率的每個(gè)值來說，該曲線圖表示應(yīng)當(dāng)獲得的H-率將會(huì)得到一個(gè)特定的靈敏度。當(dāng)靈敏度為零時(shí)，ROC是主對(duì)角線(偶然線)，此時(shí)，H和F率相等。為了獲得H和F率，如下表1所示的置信矩陣被計(jì)算。
表1
在上表中，列標(biāo)題表示正確的類別，行標(biāo)題表示推薦器的性能。通過上表，我們可以接著計(jì)算命中率和誤正率。命中率(H)＝TP/(TP+FP)，并且誤正(FP)＝FP/(FP+TN)。
圖5和6表示通過具有175個(gè)節(jié)目可以從中選擇的用戶A(“用戶A”)和在觀看歷史中有276個(gè)節(jié)目的家庭用戶(“用戶H”)而得到的接收機(jī)工作曲線(ROC)。這些曲線基于通過使用對(duì)實(shí)際的個(gè)體(A)和家庭(H)測(cè)試的不同類型的推薦器獲得的單個(gè)和組合的推薦積分。如針對(duì)個(gè)體(indiv)或家庭(house)的隱含貝葉斯(IB)或者隱含判定樹(IDT)的單獨(dú)使用的推薦器的積分被獲得。對(duì)于用戶A(indiv)和家庭用戶H(house)來說，還獲得隱含貝葉斯(IB)和明示(E)組合為(IB+E)或者隱含判定樹(IDT)和明示(E)組合為IDT+E的組合推薦積分。當(dāng)單獨(dú)使用諸如IB(indiv)、IB(house)、IDT(indiv)、IDT(house)、明示(E)或者當(dāng)推薦器已經(jīng)與使用如2000年9月20日提交(代理案卷號(hào)701247)的美國(guó)序列號(hào)08/666,401中所述的加權(quán)方案的明示支架(prong)結(jié)合使用時(shí)，各種ROC通過使用基于貝葉斯(B)或判定樹(DT)法的一個(gè)推薦器而產(chǎn)生。從圖1和2可以看出，當(dāng)隱含推薦器與明示支架相結(jié)合時(shí)，如IB+E個(gè)體或家庭，或者IDT+E個(gè)體或家庭，則總的預(yù)測(cè)性能提高，但是，誤正率也提高。因而，圖1和2中的數(shù)據(jù)提供了有用的比較結(jié)果。
另外還意想不到地發(fā)現(xiàn)，當(dāng)組合推薦積分均通過一種表決方案組合時(shí)，不僅ROC曲線、總的預(yù)測(cè)性能得到增強(qiáng)，而且誤正率積分也顯著降低。例如，當(dāng)通過五種不同方法，即在圖5和6中分別獲得的貝葉斯、判定樹、明示積分、隱含貝葉斯和明示和隱含判定樹和明示所獲得的推薦積分均通過一種簡(jiǎn)單的表決方案組合，圖7和8所示的ROC曲線呈現(xiàn)出誤正率顯著下降，平均從約20％到約35％，命中率從約5％增加到約20％。用于產(chǎn)生圖7和8的ROC曲線的表決方案相當(dāng)簡(jiǎn)單，并且基于一種方法，該方法表明，如果上述5種方法中的3種方法同意推薦一個(gè)節(jié)目，則推薦該節(jié)目。
因此，盡管我們描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域的技術(shù)人員在不背離本發(fā)明實(shí)質(zhì)精神的情況下也可以對(duì)其作進(jìn)一步的變化和改進(jìn)，并且本發(fā)明包括下述權(quán)利要求范圍內(nèi)的所有這些變化和改進(jìn)。
權(quán)利要求
1.一種用于推薦電視節(jié)目的方法，包括-獲得一個(gè)或多個(gè)電視節(jié)目的列表(100)；-至少向三個(gè)不同的節(jié)目推薦器R1、R2和R3提供所述節(jié)目列表；-通過所述每個(gè)推薦器R1、R2和R3為所述列表上的每個(gè)節(jié)目獲得一組推薦積分S1(151)、S2(161)和S3(171)；-為所述列表上的每個(gè)節(jié)目產(chǎn)生通過把表決處理應(yīng)用于每個(gè)所述推薦積分S1、S2和S3計(jì)算的組合推薦積分C(180)；并且-通過把所述組合推薦積分C呈現(xiàn)給所述用戶而向用戶推薦節(jié)目(190)。
2.如權(quán)利要求1的方法，其中所述推薦積分S1、S2和S3是所述一個(gè)或多個(gè)節(jié)目的隱含推薦積分I1、I2和I3。
3.如權(quán)利要求2的方法，其中所述表決處理基于一種隨機(jī)方法。
4.如權(quán)利要求3的方法，其中所述隨機(jī)方法包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。
5.如權(quán)利要求4的方法，其中所述隨機(jī)方法根據(jù)一種組合方案進(jìn)行組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
6.如權(quán)利要求1的方法，其中所述組合推薦積分C能使用戶選擇其所感興趣的節(jié)目。
7.如權(quán)利要求2的方法，還包括-為所述一個(gè)或多個(gè)電視節(jié)目產(chǎn)生至少一個(gè)明示的推薦積分E(161)；并產(chǎn)生通過把表決處理應(yīng)用于所述隱含推薦積分和所述明示推薦積分E中的每一個(gè)計(jì)算得到的組合推薦積分Co。
8.如權(quán)利要求7的方法，還包括為所述一個(gè)或多個(gè)電視節(jié)目產(chǎn)生至少一個(gè)反饋積分F(171)；并產(chǎn)生通過把表決處理應(yīng)用于所述隱含推薦積分、所述明示推薦積分和所述反饋積分中的每一個(gè)所計(jì)算得到的組合推薦積分Cf。
9.如權(quán)利要求8的方法，其中所述表決處理基于一種隨機(jī)方法(186)。
10.如權(quán)利要求9的方法，其中所述隨機(jī)方法包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。
11.如權(quán)利要求10的方法，其中所述隨機(jī)方法根據(jù)一種組合方案(185)進(jìn)行組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
12.如權(quán)利要求1的方法，還包括-為所述一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)明示的推薦積分E(161)；-為所述一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)隱含推薦積分I(151)；-為所述一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)反饋推薦積分F(171)；-通過把表決處理應(yīng)用于所述明示推薦積分、所述隱含推薦積分和所述反饋推薦積分中的每一個(gè)，為每個(gè)電視節(jié)目產(chǎn)生一個(gè)組合推薦積分C(185)。
13.一種用于獲得針對(duì)用戶的電視節(jié)目推薦的系統(tǒng)，所述系統(tǒng)包括-存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)可讀代碼；以及-與所述存儲(chǔ)器操作連接的處理器，所述處理器用于*獲得一個(gè)或多個(gè)電視節(jié)目的列表(100)；*向至少三個(gè)電視節(jié)目推薦器R1、R2和R3提供所述電視節(jié)目列表；*通過所述每個(gè)推薦器R1、R2和R3為所述列表上的每個(gè)電視節(jié)目獲得一組推薦積分S1(151)、S2(161)和S3(171)；*為所述列表上的每個(gè)電視節(jié)目產(chǎn)生一個(gè)組合推薦積分C(180)，該積分通過把表決處理應(yīng)用于所述推薦積分S1、S2和S3中的每一個(gè)來計(jì)算；并且*推薦(190)所述組合推薦積分C給用戶。
14.如權(quán)利要求13的系統(tǒng)，其中所述表決處理基于一種隨機(jī)方法，所述隨機(jī)方法包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。
15.如權(quán)利要求13的系統(tǒng)，其中所述隨機(jī)處理根據(jù)一種組合方案進(jìn)行組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
16.如權(quán)利要求13的系統(tǒng)，其中所述處理器用于-為所述一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)明示的推薦積分E(161)；-為所述一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)隱含推薦積分I(151)；-為所述一個(gè)或多個(gè)電視節(jié)目獲得至少一個(gè)反饋推薦積分F(171)；-通過把表決處理應(yīng)用于所述明示推薦積分、所述隱含推薦積分和所述反饋推薦積分中的每一個(gè)而產(chǎn)生一個(gè)組合推薦積分C(181)。
全文摘要
本發(fā)明提供了用于推薦電視節(jié)目的方法和裝置。所提供的方法包括獲得一個(gè)或多個(gè)電視節(jié)目的列表并提供給至少三個(gè)不同的節(jié)目推薦器；通過每個(gè)推薦器獲得一個(gè)推薦積分；并通過應(yīng)用表決處理計(jì)算組合推薦積分。組合推薦積分隨后呈現(xiàn)給用戶，用戶根據(jù)該積分可以選擇其所感興趣的節(jié)目。表決處理是一種隨機(jī)方法，包括貝葉斯法、分層判定樹法、基于存儲(chǔ)的學(xué)習(xí)處理、基于規(guī)則的學(xué)習(xí)處理、神經(jīng)網(wǎng)絡(luò)、或者隱藏的馬爾可夫模型。列舉的隨機(jī)處理可根據(jù)一種組合方案進(jìn)行組合，這種組合方案包括調(diào)和方案、擇多方案、信任方案、平均方案或者其混合方案。
文檔編號(hào)H04N7/16GK1460362SQ02800941
公開日2003年12月3日 申請(qǐng)日期2002年3月28日 優(yōu)先權(quán)日2001年3月29日
發(fā)明者S·V·R·古塔, K·庫(kù)拉帕蒂, J·D·沙菲爾 申請(qǐng)人:皇家菲利浦電子有限公司