[发明专利]用于推荐视频的方法、系统及计算机可读介质

说明书

本发明涉及自动推荐内容。提供通过预测推荐每个视频将满足一定目标的程度来选择哪些视频被推荐给用户的技术。为了预测，训练机器学习引擎既被提供协作过滤参数值，又被提供基于内容的过滤参数值。在视频到视频推荐的情况下，协作过滤参数值可以基于视频对，该视频对包括用户已经对其表现出兴趣的视频。机器学习引擎产生对每个视频的机器‑学习分数。机器学习分数被用作选择哪些视频推荐给特定用户的基础。

本申请是申请号为201380017911.9、申请日为2013年02月21日、发明名称为“自动推荐内容”的发明专利申请的分案申请。

技术领域

本发明涉及自动推荐，更具体地，涉及一种用来向用户自动推荐内容的系统。

背景技术

已经日益常见的是，将诸如视频资产之类的内容在网络上传送给用户。电影、电视剧、家庭视频、做法视频、及音乐视频仅仅是视频资产的类型的少量例子，这些视频资产当前在互联网、电话网络、内部网络、有线连接等上提供。在网络上已经得到的视频资产可在整个视频资产已经下载之后或者随着视频资产正在传送(传输)而播放。

鉴于适于消费的视频资产过多，已经日益重要的是帮助用户识别最可能使他们感兴趣的那些视频资产。例如，关于向用户推荐用户高度感兴趣的十部视频的系统，比关于仅仅提供在百万较小兴趣视频中搜索这相同十部视频的工具的系统，用户将具有好得多的体验。

各种手段已经用来向用户推荐视频资产，这些手段各自具有一定缺陷。例如，一种“趋势”手段是保持跟踪哪些视频资产由整体的用户人口最多地消费，并且将那些消费最多的视频资产推荐给所有用户。另一种趋势手段是保持跟踪那些视频在整个用户人口中当前正经历一波兴趣，并且将这些视频推荐给所有用户。这些“一只鞋子适合所有人”的趋势手段，对于具有与平均用户相对应的兴趣的用户还可以，但不是对于所有用户都适用。

“视频到视频(video-to-video)”手段是向每个用户推荐与该用户刚刚消费的视频资产共同具有某些内容的视频资产。例如，在用户已经消费电影X之后，可以向用户呈现：与电影X呈相同种类的、具有与电影X相同的主要演员的、具有与电影X相同的导演的、来自与电影X相同的时期的等等的电影的推荐。“视频到视频”手段当用户具有狭窄范围的兴趣时还可以，但当用户对于特定类型的视频已经变得满足并且用户现在想消费不同的视频时，不太适用。

用来推荐视频资产的“用户到视频(user-to-video)”手段涉及相对于时间监视用户的资产消费行为。基于用户的视频消费历史，可以得出用户的一般兴趣。这些得出兴趣然后可以用来识别用户可能感兴趣的其它视频，这些其它视频可以作为推荐而供给。用户到视频手段可以适用，只要用户的消费历史准确地反映用户的当前兴趣。然而，如果用户不具有充足的历史，或者用户当前感兴趣的是与用户过去消费的视频不同的某些视频，则基于用户到视频的推荐就不是特别有用。

本文中描述的手段是可实现的手段，但不一定是以前已经想到或实现的手段。因此，除非另外指示，否则不应该假定：本文中描述的手段的任一种仅仅因为它们在本部分中被描述而看作现有技术。

附图说明

在附图中：

图1是根据本发明实施例的方块图，该方块图表明机器学习引擎如何可以用来预测对于视频的兴趣分数；

图2是根据本发明实施例的方块图，该方块图表明各种类型的元数据，这些元数据可以由推荐系统保持；

图3是根据本发明实施例的方块图，该方块图表明对于模型调谐参数的不同值，多个分数如何可以供给到机器学习引擎中；

图4是根据本发明实施例的方块图，该方块图表明产生多个不同分数分量、和基于目的而组合分量分数；及

图5是根据本发明实施例的计算机系统的方块图，该计算机系统可以用来实施视频推荐系统。

具体实施方式