智能化电视节目推荐专利技术分析.pdf
智能化电视节目推荐专利技术分析 徐庆【摘 要】在电视智能化进程中,基于用户偏好的电视节目推荐算法不断为用户带来全新的体验,成为智能电视的标志性技术,并被视为将用户重新吸引到电视机前的关键切入点.本文介绍了基于用户偏好的电视节目推荐算法的发展历程,绘制了该技术演进路线图,并分析获得了电视节目推荐领域重要申请人的技术发展路线.【期刊名称】河南科技【年(卷),期】2016(000)022【总页数】4 页(P73-76)【关键词】智能化;节目推荐;个性化;兴趣度;特征表示【作 者】徐庆【作者单位】国家知识产权局专利局专利审查协作河南中心,河南 郑州 450002【正文语种】中 文【中图分类】G222 随着数字电视和通信技术的不断发展，电视节目资源越来越丰富。一方面用户为能够收看到如此之多的节目而感到兴奋不已，另一方面又为如何从成百上千个节目中找到他们真正喜爱的节目,而感到苦恼。电视节目个性化推荐技术就是针对这个问题而提出的。电视节目个性化推荐是指系统根据有关用户偏好和行为的知识，主动对节目进行裁减,将用户想看的节目提供给用户，实现“在你想要得时候看你想看的电视”这一目标。针对过多的电视节目，近年来出现了一些个性化的电视系统,它们提出了各种思路来实现电视节目个性化服务，其中包括不同的用户兴趣学习方法和节目推荐技术。Multi-A gentSystem 采用了显式输入和隐式反馈对用户兴趣进行跟踪，TV-Advisor 则使用了显式反馈，TV Recommender 和 P-EPG 同时使用了显式和隐式反馈，Video Indexing 使用了基于内容的视频分割、分类和索引，并且同时结合了语法和语义特征，PTV 和 TV-Scout 采用了混合的推荐策略,将基于内容过滤和协作过滤结合使用,Dynamic Recommendation 同时利用了显式和隐式反馈信息,并且将基于内容过滤和协作过滤结合使用，形成动态推荐过程。Virtual Channel 为个性化电视中节目的动态组织和表现提出了一种虚拟频道的模式，对用户来说好像就存在一个频道始终为其播放喜爱的节目。为了实现电视节目个性化服务，首先需要组织好节目和用户信息，并选择一种合适的特征表示模型。为了尽可能准确反映用户真实的节目观看喜好，需要跟踪和学习用户的兴趣和行为。为了把电视节目推荐给用户，需要采用合适的节目推荐策略。因此，电视节目个性化服务通常由三部分功能组成：特征表示模块、合作过滤模块和节目推荐模块，各模块组成及模块间相互关系如图 1 所示。特征表示包括节目特征表述和用户特征表示,为推荐模块提供数据。用户兴趣学习通过分析用户的观看历史和当前行为，不断调整用户兴趣，用户特征表示为合作过滤模块提供学习所需的源数据和表示方法，合作过滤模块经过学习，将结果输出到用户兴趣表示中。推荐模块采用推荐技术为用户生长个性化的节目单展现给用户1。电视节目推荐技术起源于基于内容的特征匹配技术。早在 20 世纪 90 年代初，基于内容的特征匹配技术就被用于运动目标跟踪、身份识别等领域。随着识别率的提高和成本的降低，人们很快意识到该技术能带给用户前所未有的用户体验并具有广阔的应用前景，于是在基于内容的特征匹配技术的基础上，产生了提高用户体验度的节目推荐技术。早期的与电视相结合的节目推荐技术出现在 1992 年，是由美国的发现通讯公司提出的电视节目发送系统推荐节目的可重编程序终端的申请 US7/991074。该申请通过收集和分析用与向节目预订者建议选择节目的数据、驱动菜单程序选择系统，从而向节目预订者建议选择及演示观看节目。早期的电视节目推荐技术发展主要集中在单一的推荐算法。如基于内容数据关联的推荐算法、基于用户行为分析数据的退推荐算法、基于场景的推荐算法以及其他算法的单一改进，从 2001 年开始，多元化的应用也对电视节目推荐提出了更高的要求，电视节目推荐技术因而进入快速发展期。经过前一阶段的技术积累，节目推荐的一些基本功能已经实现，因而当前阶段出现了大量改进型专利申请，随着技术的进一步发展，2009 年以来，智能网络化电视进入人们的视线，因此，社交网络化电视兴起，随之而来的与用户社交化网络、web 技术、云端、搜索引擎相结合的节目推荐方法成为其主力军。通过梳理电视节目推荐技术的各中推荐算法下的基础专利，可以获得电视节目推荐领域推荐算法的技术演进路线2，如图 2 所示。在电视节目推荐技术的演进过程中，早期的基础专利出现在1992 年，其由美国的发现通讯公司提出，具体涉及电视节目发送系统推荐节目的可重编程序终端。随着时间的推移，用户不再满足于简单地实现电视节目推荐，其对于节目推荐的精确度、用户满意度等方面有了更高的要求。为了适应用户的需求，节目推荐领域的推荐算法逐步呈现出多元化发展的趋势。在 2000 年提出的基础专利中，节目推荐领域的推荐算法涵盖了根据内容和观众概况推荐节目的推荐算法、利用决策树推荐电视节目的方法等方式。相应地，涉及节目推荐算法的基础专利 EP00/09221 在同期基础专利中被引用的频次较高。在技术多元化发展的趋势下，为兼顾多方面的需求，一个技术方案中往往会结合多种推荐算法的推荐系统。例如，2001 年提出的基础专利 EP01/10337 中融合了显式观众偏爱和电视观看行为组合(隐含偏爱)两种推荐算法的方式，以便产生节目推荐。并且在 2001 年，用户行为的推荐方法得到进一步发展，出现了基于用户心情（US09/718,260）、获得听觉和手势反馈的推荐方法的基础专利。2002 年，节目推荐算法再次扩展，出现了用于生成基于用户偏好和环境特点的推荐的方法，并且出现了使用其他人的简档的个人推荐器、基于选择的第三方偏好来推荐感兴趣项目的方法（US10/014,202），从而形成了基于用户间的推荐算法的基础专利。另外，节目推荐算法进一步增加了基于用户交互的推荐技术。在2003-2004 年，节目推荐技术可谓百家争鸣，PHILIPS、三星、松下、索尼等公司专利申请分布分散，但主要还是侧重技术细节的改进。2005 年的基础专利进一步扩展了节目推荐的手段，出现了通过移动通信终端来推荐节目，并出现了获取一个用户群共同兴趣度的方法（IB2006/050120），2006-2008 年的基础专利，则集中在进一步扩展推荐方式以及组合多种推荐算法。2011 年至今，随着智能电视、网络电视的出现，出现了基于社交网络信息、基于 Web 技术、分布云端以及搜索引擎相结合的节目推荐算法。通过前期的技术演进，节目推荐领域的推荐算法技术领域的技术发展由最初的新技术不断涌现，已然演化为侧重技术细节的改进以及与网络化相结合的发展路线。由智能电视节目推荐技术的演进路线可知，重要申请人按申请量大小排名依次为PHILIPS、索尼、三星等，其技术发展过程总结如下。以下为 PHILIPS 为例，介绍其技术发展路线，首先图 3 示出了 PHILIPS 在节目推荐领域的各年份的专利申请量：由上图可以看出在 1999 年以前，PHILIPS 公司在节目推荐方面的专利申请比较少，主要是集中在对视频处理电子芯片等方面的研究。在 2000-2001 年，PHILIPS 公司的申请量出现了增长态势，这期间专利申请主要是对单用户单一算法，主要包括基于用于根据内容和观众概况推荐节目的电视系统、以及基于用户观看历史等用户行为的推荐算法系统，其中，为了推荐算法的准确性，PHILIPS 提出了通过结合多种推荐算法的单用户组合算法。为了迎合市场需求，增加用户的体验与交互，PHIL IPS 对用户行为分析做了更深入研究。在 2001 年下半年，提出了根据用户的当前心情产生推荐的方法和装置（US09/718,260）、以及推荐系统中获得听觉和手势反馈的方法，同时提出了用于采集媒体内容收视率并有助于适应内容推荐器的用户界面，进一步增加用户的互动性。在 2002-2004 年，PHILIPS 从实用性的角度出发，提出了通过使用其他人的简档来建立的个人推荐器、基于一个或多个第三方的推荐向用户推荐感兴趣项目的方法和设备，丰富了推荐的渠道，并在此基础上，形成了基于用户间的基础专利，另外，在此基础上，提出了成基于用户偏好和环境特点的推荐的方法和装置（US09/825,328）。在 2004-2008 年，PHILIPS 进一步改进了推荐算法的用户交互性，提出了用于向用户建议电视节目的方法以及设备通过接收用户输入和反馈更新用户偏好，并进一步提出了用户群信息兴趣度的概念（IB2006/050120），形成了社区网络用户群推荐的基础专利。在 2009 至今年，随着社区网络和移动终端的飞速发展，PHILIPS 在不断更新节目推荐算法细节的同时，提出了结合社区及其家庭网络的推荐算法，进一步扩充了推荐的广度。从 PHILIPS 的上述技术发展过程可以看出，PHILIPS 在节目推荐的发展历程中具有重要的地位，它的很多研究都致力于增加用户的交互控制性，从而实现推荐算法的准确性，从而更好的增加用户的体验，特别是在增加用户行为分析方面花费了大量的研发投入3。根据以上分析，可以看出，目前基于用户偏好的电视节目推荐算法的专利申请主要集中在国外企业，一些关键技术和核心专利主要集中在申请量较多的国外企业手中，但随着社交网络的发展，中国的专利申请也在逐渐增多。相信通过中国企业的自身技术研究的发展以及对于知识产权意识的提高，中国企业还是能够在该领域专利申请方面获得一席之地。【相关文献】1於志文,周兴社,谷建华,等.电视节目个性化技术的研究J.小型微型计算机系统，2005，26（1）：105-110.2陈燕，黄迎燕，方建国.专利信息采集与分析M.北京：清华大学出版社，2006.3曹雷.面向专利战略的专利信息分析研究J.科技管理研究，2005,25（3）:97-100.
