内容的通知和传递

著录项
  • CN200480014670.3
  • 20040402
  • CN1795678
  • 20060628
  • 塞德纳专利服务有限责任公司
  • 安东尼·斯科特·奥多;托马斯·L·伦格;德温·F·霍齐亚;纳撒尼尔·J·瑟斯顿;艾伯特·H·珀顿
  • H04N7/16
  • G06F3/00 H04N7/025 H04N9/00 G06F13/00 H04N7/16 H04N7/10 H04N7/173

  • 美国宾夕法尼亚州
  • 美国,US
  • 20030403 US60459933
  • 中国专利代理(香港)有限公司
  • 杨凯;陈景峻
  • 20040402 PCT/US2004/010311
  • 20041021 WO/2004/091187
  • 20051128
摘要
公开了用于向电视观众显示内容推荐的方法和系统。在本发明的一个方面,当用户转换频道时,系统在去到下一个频道之前,向用户显示内容推荐。推荐基于用户简档和/或总计的多个用户内容。在另一方面,用户可以决定推荐中的一个(或者回答是/否询问)以转移到对应内容。
权利要求

1.一种向用户显示内容推荐的方法,所述方法包括:

在用户转换频道时进行检测;

当所述用户转换频道时,提供对可观看内容的推荐;以及

允许所述用户选择所述推荐内容。

3.如权利要求1所述的方法,其中所述系统状态变化包括客户 装置启动。

4.如权利要求1所述的方法,其中所述系统状态变化包括电视 观看系统启动。

5.如权利要求1所述的方法,其中所述系统状态变化包括机顶 盒启动。

6.如权利要求1所述的方法,其中所述系统状态变化包括频道 转换事件。

7.如权利要求1所述的方法,其中所述交互作用还包括:

响应由用户操作的遥控装置产生的用户信号。

8.如权利要求1所述的方法,其中所述接收至少一个推荐还包 括:

响应来自评级引擎、推荐引擎或者简档引擎的信息。

9.如权利要求1所述的方法,其中所述接收还包括:

根据本地或者远程内容中的任何内容产生所述至少一个推荐。

10.如权利要求1所述的方法,其中所述接收还包括:

根据立即可得到的内容或者将来可得到的内容中的任何内容产生 所述至少一个推荐。

2.一种提供用户看得见的内容项目指示器的方法,所述内容项 目可由所述用户观看,所述方法包括:

接收至少一个可由所述用户观看的内容的推荐;

根据所述至少一个推荐,产生用户看得见的内容指示器,其中所 述产生出现在系统状态变化之时;以及

允许所述用户与所述用户看得见的指示器进行交互作用。

11.一种提供用户看得见的内容项目指示器的方法,所述内容项 目可由用户观看,所述方法包括:

监视由多个用户观看的内容;

根据所述由多个用户观看的内容,产生用户看得见的内容指示 器,其中所述产生出现在系统状态变化之时;以及

允许所述用户与所述用户看得见的指示器进行交互作用。

12.如权利要求11所述的方法,其中所述监视还包括:

根据用户的预定数量,检测由多个用户观看的内容。

13.如权利要求11所述的方法,其中所述系统状态变化包括客 户装置启动。

14.如权利要求11所述的方法,其中所述系统状态变化包括电 视观看系统启动。

15.如权利要求11所述的方法,其中所述系统状态变化包括机 顶盒启动。

16.如权利要求11所述的方法,其中所述系统状态变化包括频 道转换事件。

17.如权利要求11所述的方法,其中所述交互作用还包括:

响应由用户操作的遥控装置产生的用户信号。

18.一种用于向观众显示内容推荐的系统,所述系统包括:

用于在观众转换频道时进行检测的部件;

当所述观众转换频道时,用于提供对可观看内容的推荐的部件; 以及

用于允许所述观众选择所述推荐内容的部件。

19.一种用于提供用户看得见的内容项目指示器的系统,所述内 容项目可由所述用户观看,所述系统包括:

用于接收至少一个可由所述用户观看的内容的推荐的部件;

用于根据所述至少一个推荐,产生用户看得见的内容指示器的部 件,其中所述产生出现在系统状态变化之时;以及

用于允许所述用户与所述用户看得见的指示器进行交互作用的部 件。

20.一种用于提供用户看得见的内容项目指示器的系统,所述内 容项目可由用户观看,所述系统包括:

用于监视由多个用户观看的内容的部件;

用于根据所述由多个用户观看的内容,产生用户看得见的内容指 示器的部件,其中所述产生出现在系统状态变化之时;以及

用于允许所述用户与所述用户看得见的指示器进行交互作用的部 件。

说明书
技术领域

发明领域

本发明一般地涉及交互式电视(iTV)和其它内容传递系统,更具 体地说,涉及用于根据用户简档信息或选择观看组来通知用户各种 内容项,并向用户提供实时的个性化推荐。

发明背景

由于数百电视(TV)频道和安排的节目供选择,还有个人录像机 (PVR)记录的节目、按次计费的(PPV)的节目、视频点播(VOD),电视 观众面临过多的娱乐和其它内容选项的选择。

作为响应,已经提议或开发了各种电子或交互节目指南(EPG/IPG) 系统和节目通知系统,以增强TV或流式视频观众导航和选择内容的 能力。这种系统的实例在以下的美国和国外专利、申请、出版物文 件等中阐述,其公开通过引用结合于本文中,就如在本文对其进行 了完全阐述一样。

大部分的EPG系统能够产生内容的在屏显示,一些为基于时间- 频道的网格格式。尽管这种显示有用,但它们一般不能使用户迅速 地和容易地发现所关心的内容。如果用户在观看第一电视节目期间 判断他或她对另外的节目感兴趣,则用户必须利用遥控器按钮离开 他或她目前观看地节目并且指挥系统显示备选节目列表。因此,用 户必须中断他或她对当前观看内容的欣赏,以便观看(或者只是一般 地了解)一个或多个备选节目。

另外,由于备选节目在观看电视节目期间没有显示,因此用户必 须主动地决定他或她对备选节目感兴趣(即使不知道可得到什么备选 节目),以便观看备选列表。

还有,许多先有技术的典型的在屏显示,比如图1所示的那种, 相对复杂并且可能难倒许多用户。如果这些在屏显示不是参考推荐 过程产生的,则显示将被用户完全没兴趣或者很少兴趣的内容充斥。

因此,用户常常遗漏掉他们有兴趣的节目。或者是他们不知道这 种节目存在,或者他们可能不知道节目何时可得到。已经设计了几 个发明,帮助用户避免遗漏期望的节目。

一些早期系统、比如VCR Plus,向用户提供一个界面,该界面 允许他们容易地程序设计他们的VCR以记录所关心的节目。类似的, 大部分的电子节目指南(EPG)具有可编程提示,它允许用户从在屏指 南选择节目,并且当节目开始时,它将提示用户转换频道或者自动 地转换频道。这些系统的缺点是,他们要求用户主动地寻一个特 定节目以便设置提示。

针对这些缺陷,Darin等人提供了一种主动节目通知系统(APNS)。 Darin的APNS系统要求用户设置参数,这些参数规定用户感兴趣的 节目类型、搜索匹配用户输入的参数的节目、并且发送那些节目何 时即将上演的提示。此方法的缺点是,它要求建立相当多的用户交 互。研究显示,对要求相当大量的用户输入的TV特性的采用一般很 低(大约15%或者更少)。此外,经历了初始设置的少数用户很少再费 心在以后更新他们的数据。此方法的实例是电视或者机顶盒(STB)所 带的许多遥控器上的“最喜欢”按钮。没有几个用户特意挪出时间完成 编排他们的最喜欢按钮的过程,并且如果他们做了,用户也很少回 去更新他们的最喜欢按钮。因此,随着时间的过去,用户的信息变 得落伍。在″最喜欢″按钮的情况下,如果信息过时,用户将只是停用 该按钮。这在APNS的情况下效率特别低,因为用户会不断地受到 他们不感兴趣的节目通知的干扰。因此,合乎需要的是,提供方法、 装置和系统使用户能够被通知用户感兴趣的内容,并且不要求用户 方面的输入。同样合乎需要的是,提供随着用户习惯改变保持相关 的方法、装置和系统。

最后,一些观众希望得到他们的朋友观看的节目或者内容的通 知。这可称为“水冷却器”效果,其中用户希望观看然后在次日讨 论那些他们自己和他们的朋友都观看了的节目。因此,合乎需要的 是提供这种方法、装置和系统,使用户能够接到一组他们的朋友观 看的内容或者节目的通知,并且除一些原始数据输入之外没有从该 用户或者他们的朋友的任何直接输入。

发明内容

公开了用于向电视观众显示内容推荐的方法和系统。在本发明的 一个方面,当用户转换频道时,系统在去到下一频道之前,向用户 显示内容推荐。推荐基于用户简档和/或总计的多个用户数据。在另 一方面,用户可以决定推荐中的一个(或者回答是/否询问)以转移到 对应内容。

本发明的再一方面提供用于经交互节目指南(IPG)使用户能够链 接到内容或者节目的方法和系统。在包括交互节目指南(IPG)的内容 分配系统中,本发明包括如下步骤:产生用户简档,处理输入的内 容或者节目,根据内容与用户简档的类似性评估可用的内容,在系 统状态变化时,提供一个用户看得见的指示器以通知用户高评级的 内容而能够使用户判断是否观看推荐的内容。系统还包括如下步骤: 使用户能够输入多个其它用户的识别信息,处理其它用户组观看的 内容和节目,判定是否多个组成员正在观看相同的内容或者节目, 在系统状态改变时提供一个用户看得见的指示器以通知用户由多个 组成员观看的内容并且使用户能够判断是否观看由该多个组成员观 看的内容。

附图的简要说明

为了对本发明的特性和目的有一个更全面的了解,应该对照附图 参考以下详细说明,其中:

图1描述先有技术中典型的交互节目指南。

图2A是根据本发明的内容推荐系统的操作的示意图。

图2是根据本发明的内容通知和传递方法的流程图。

图3是根据本发明的另一内容通知和传递方法的流程图。

图4图示了根据本发明的内容传递系统。

图5是图示根据本发明的用于匹配性能数据和存储的用户简档的 算法的流程图。

图6是图示根据本发明的相似时段算法的流程图。

图7是描述根据本发明的更新各时段相似性算法的流程图。

图8是根据本发明的另一个内容通知和传递方法的流程图。

图9图示了根据本发明的内容传递系统。

图10是根据本发明的另一个内容通知和传递方法的流程图。

详细说明

概述

公开了用于向电视观众显示内容推荐的方法和系统。在本发明的 一个方面,当用户转换频道时,系统在去到下一频道之前,向用户 显示内容推荐。推荐基于用户简档和/或总计的多个用户内容。在另 一方面,用户可以决定推荐中的一个(或者回答是/否询问)以转移到 对应内容。

本发明一般地涉及用户对电视节目的选择,更具体地说,涉及用 于根据用户简档来通知用户各种节目,从而向用户提供实时的个性 化电视节目推荐。本文所述方法和系统能够与广播电视、有线电视、 卫星直播电视、或者用于传递视频内容的任何其它机制或者系统一 起使用。

识别当前用户的例示性方法可以在共同拥有的美国专利申请 No.10/117654,2002年4月5日提交的题为“Method and Apparatus for Identifying Unique Client Users from User Behavior data”得到,该申请 通过引用结合于本文中,并且在下面对其进行讨论。根据本发明, 这些简档系统基于用户的观看行为并且不要求来自用户的直接输 入。

图2A是描述根据本发明的系统20的操作的示意图。如图2A所 示,用户21可在视频监视器或者其它内容传递装置22上第一次观 看第一观看内容,例如4频道上的篮球。随后,用户21可决定通过 利用例如,遥控装置24转换频道。遥控装置24可以按传统方式操 作,比如通过发送编码红外线(IR)信号到传递装置22,于是,系统20 提供并且传递装置22显示推荐屏幕26a或者26b。推荐屏幕可或者 提供简单的是/否询问(26a)或者是推荐的多行列表(26b)。用户能因 此利用遥控装置24与推荐屏幕(26a或者26b)进行交互作用,其方式 在此文件中的其它地方更详细描述,以选择推荐的观看内容,然后 该推荐的观看内容可通过传递装置22显示(例如“taxi”)。在备选实 施例中,系统20还可以不仅响应来自遥控装置的命令,而且还提供 听得见的推荐(“你愿意改为观看Taxi吗?”)并且对观众的语音命令作 出响应。

如在本文件的其它地方更详细描述的,产生根据用户简档或者总 计的多用户数据产生推荐屏幕。

参考图2,流程图描述了本发明的一个实践,方法200产生用户 简档并且根据内容与用户简档的相似性对可得到的内容或者节目评 定等级,如步骤212所示。利用用户简档和评级,产生至少一个能 够由用户观看的内容的推荐,如步骤214所示。根据该推荐,本发 明在系统状态变化时产生用户看得见的内容指示器,如步骤216所 示。用户与指示器交互作用,以选择性地选择是否观看推荐节目, 如步骤218所示。在本发明的一个方面,可以在诸如如下系统状态 变化时提供指示器:启动内容传递系统、打开电视、或者转换频道。

不同于每半小时采用一些设置数目的通知的先有技术系统,本发 明根据用户的观看历史和习惯向用户通知用户感兴趣的高评级节目 (例如得到比某预定阈值更高评级的节目)。

在另一个方面,用户可以建立一个用户,一般是朋友,由指示 器报告用户感兴趣的内容或者节目。如图3所示,方法300产生一 个用户组,包括每个组成员都有兴趣得到其它用户的内容通知的用 户,如步骤302所示。例如,用户可以提供组成员的唯一标识符, 比如组成员的名字或者名字和对应唯一标识符的组合。

然后,本发明监视用户组中的多个成员观看的内容,如步骤304 所示。根据步骤306,本发明根据用户组中的多个成员观看的内容, 产生用户看得见的内容指示器,其中所述产生发生在系统状态变化 之时。系统300使用户能够与用户看得见的指示器交互作用,以选 择性地选择是否观看用户组中的多个成员观看的内容,如步骤308 所示。

例如,每当多个用户组成员观看相同节目时,就将指示器发送给 用户,提示用户判断是否切换到他的或者她的朋友观看的节目。这 种指示器在系统状态变化时提供(例如启动内容传递系统,打开电视、 或者转换频道)。被通知并且随后观看用户的朋友观看的内容使用户 能够参与“水冷却器”效果,因为指示器对应于可以在第二天在朋友 当中讨论的节目。此外,此方面可以与个人录像系统(PVR)或者 Gemstar Guide Plus结合,从而允许这些系统自动地记录用户的朋友 将要谈论的节目,保证用户即使在用户不在家的情况下也决不会遗 漏节目。

用户简档:

图4示意性地图示根据本发明的典型系统,用于从行为数据产生 用户简档。一般的,系统400包括视频服务器系统412,用于经网络 416传递内容到多个客户平台或装置414。各个客户平台414具有一 个附带的显示装置418,用于显示传递的内容。每个客户平台414还 具有一个用户输入或者界面交互装置420,使用户能够与客户平台414 上的用户界面交互作用。输入装置420可包括但是不局限于红外线 遥控或者其它指示装置。在一些实施例中,网络416可以包含电视 广播网络,比如数字有线电视、卫星直播、以及地面传输网络,并 且客户平台414可包括电视机顶盒。显示装置418可以是例如视频 或者电视监视器。

再次参看图4,服务器系统412可包括视频服务器,它传送数据 到诸如电视机顶盒或者数字机顶盒的平台装置414,并从其接收数 据。

网络416可包括交互式电视网络,它在服务器412和各种平台装 置414之间提供双向通信,其中平台装置414可单独寻址。

网络416还可以包括电视分配系统,比如有线电视网,包括例如 分支光纤的和/或同轴电缆线的结点电视分配网络。其它类型的网络 分配系统也是可能的,包括例如直播卫星系统、非占空地面无线系 统等。

用户可利用诸如遥控装置的用户界面交互装置420操作平台装置 414、例如机顶盒,遥控装置比如是具有键区的红外遥控器。此外, 平台装置可包括用户数据库430。

交互节目指南422可包括简档引擎424、推荐引擎426、指示器 引擎428以及交互过程429。

来自行为数据的用户简档和识别:

本发明的各种实施例涉及从一组可能的用户识别客户装置的当前 个体用户。这种识别可从用户行为数据得到,特别是从通过利用诸 如遥控装置的输入装置检测到的输入模式。如在下面将进一步详细 描述的那样,将检测的来自当前用户的输入模式与一组输入模式简 档进行比较,该一组输入模式简档可随着时间发展而来,并保存在 该组可能的用户的数据库中。在一个实施例中,用户简档通过实质 上匹配当前输入模式和存储的模式简档之一而产生,每个存储的模 式简档与可能的用户之一相关。

参考图4,输入模式简档的数据库和检测及匹配当前输入模式的 软件可位于客户平台414的用户数据库430中,或者网络中的其它 地方,比如服务器412或者分布在一些位置的结合处。

不同类型的输入数据模式可单独地或者组合地用于识别当前用 户。输入数据模式可包括点击流数据和遥控装置使用数据。

点击流数据一般地涉及电视观看流数据,它包括关于用户选择的 特定电视频道或者节目的数据。遥控装置数据涉及遥控装置的使用 行为、特别涉及对电视机的操作。对于此用户数据,可提供一种子 算法用于检测和跟踪用户行为的再现模式。

再次参看图4,不同的电视用户具有不同的电视频道选择风格和 兴趣。包含在简档引擎24中并将在下面描述的点击流算法从用户在 观看会话期间产生的原始的点击流提取区别特征。检测和存储不同 观察的不同点击流中行为的再现模式。来自用户客户装置的输入点 击流与这些存储模式进行比较,并且输出与输入的点击流模式最类 似的模式集,以及它们的对应相似性得分。

在一个观看会话期间,当前用户产生的点击流可提取为一组统计 数字,以便能容易地比较不同的点击流以及估量它们的相似度。这 个相似度可以是使可能已经由同一个人产生的不同点击流发生关联 的基础。

以下是实例点击流统计的集合:

1)观看最喜爱的N个电视节目或者频道的总观看时间。

一组点击流统计数字可以是出现在当前点击流中的最喜爱的N 个(N可以是可变的,但是通常是8-10)独特的频道/节目,最喜爱的 N个频道/节目根据观看频道/节目的总时间选择。计算和存储总 的时间。除了最喜爱的N个频道/节目,还可以保存一个称为“其 它”的全部获取分类。

2)在最喜爱的N个频道/节目当中转变频率。

另一组点击流统计数字可以是标记“从”频道/节目到“到”频 道/节目的矩阵,它获取点击流中从一个频道/节目到下一个频道 /节目的全部转变的总数。可以在最喜爱的N个频道/节目以及“其 它分类”中的频道/节目之中跟踪转变。此外,可以分别与“从”和 “到””范围一起使用“开始”和“结束”频道/节目。

这些统计数字可用于形成用户观看行为的模式。它们可以获取点 击流的内容(如最喜爱的N个频道/节目的内容表示的)、以及用户的 一些特质的观看行为(如显示的,例如作为“其它”的位置或者频道/ 节目的转变行为和比例)。

用户简档能考虑用户输入模式取决于时间的可能性。例如,用户 观看行为能根据时间或者一周中给定的时间而改变。

可以通过计算统计数字的相似性、比如如上所述两个不同点击流 之间的统计数字的相似性来度量点击流的相似性。存在可被用于区 别或者比较不同点击流的几个不同的可能相似性量度。这种量度的 实例包括如下:

1)“持续时间”单位向量的点积

两个“持续时间”矢量在他们指向频道/节目空间上的相同方向 时被认为是相似的,即每个点击流以相似的比例访问许多相同的最 喜爱的N个频道/节目,不管该点击流的实际长度或者持续时间。 这种相似性通过计算“持续时间”单位向量之间的点积来计量。完 全的相似性返回为1的值,不相似返回0。“其它”值的相似性最好 不包括在这些的计算中,因为具有相同的“其它”值的两个点击流可 以事实上完全不相似。

2)单位向量化“转变”矩阵的点积。

出于相似性的原因,可以利用点积量度比较转换矩阵。矩阵首先 必须向量化(即将组成部分放置于一个矢量中)。从“其它”或者到“其 它”的转变一般被视为重要的并且可包括在计算中。

3)“其它”持续时间的相似性。

可以比较花费在“其它”频道/节目上的时间相对于总的用户会话 时间的比例。通过对要比较的两个点击流中的每一个计算花费在“其 它”频道/节目上的时间的比例,然后用两个中较大的那个除以较小 的那个,从而计算相似性。

4)总的持续时间的相似性。

这是点击流的总的持续时间的相似性的量度。

5)不同的频道/节目的总数的相似性。

这是出现在某点击流中的不同的频道/节目的总数的相似性的量 度。

可以单独地计算这些相似性量度中的每一个。如果采用多种量 度,则可以利用各种技术对它们进行组合。例如,合成的相似性量 度可以通过将这些量度中的选择子集相乘在一起来计算。对实际数 据的试凑法可以确定哪个子集是最适当的。然而,持续时间矢量和 转换矩阵之间的相似性很可能更有用。

一个好的相似性量度将得到具有相当不同的观看习惯的用户之间 的分离,并且将不会在个体表现了相当一致的观看行为时,过度地 分离由相同个体产生的点击流。

具有高相似性值的点击流可以被视为可能由同一个人产生。存在 许多计算相似性的可能方式。例如,匹配点击流到一组候选之一的 一个方式是选择具有最高的相似性值的候选。此技术被称作“硬匹 配”。

或者,一个稍微更保守的方法可以选择一个非常相似的候选的小 组,而不是单个匹配。这个候选组随后可以利用其它标准收窄。此 技术被称作得到一个“软匹配”。可以为软匹配规定相似性阈值。 软匹配在希望根据除了点击流行为以外的多个输入模式类型、比如 击键和鼠标动态来匹配用户时是可取的。

合乎需要的是将输入点击流匹配存储的点击流简档,后者表示随 着时间观察的反复出现的点击流模式。各个用户最好与单个点击流 模式简档关联。但是,因为一个个体可以具有多层面的爱好,他或 者她也可以替代地与多个点击流模式简档关联。匹配输入点击流和 现有模式简档的过程可如图5所示在以下描述。

参考图4和5,建立一组反复出现的点击流简档,并将其保存在 用户数据库430中,如步骤550所示。对于单个客户平台预计将有 多个不同的观察到的通常由一个小组的单用户产生的点击流,其中 的每个用户可具有在他们的观看行为中表现出的几个不同的强兴趣 区。这些可以表示为一组点击流模式简档,它概括了大部分的或者 全部的观察点击流的内容和观看行为。

例如集算法可用于产生一小组点击流模式简档,以覆盖观察到 的点击流的空间。每当观察到一个新的(即与现有简档不同的)点击流 时,可以添加新的点击流简档。如果在一个给定时段都没有观察到 相似的输入点击流,则老的简档可以删除。算法的发展/修剪行为 可以用相似性阈值节制,该相似性阈值确定希望简档如何精确地匹 配输入的点击流从而倾向于产生多少简档。

匹配过程中的下一步骤是动态地(即在变化中)匹配输入的(即当前) 点击流与现有点击流简档,如步骤552所示。随着用户产生点击流, 部分点击流可以在运行时一般在任何时间与存储的点击流简档的现 有组进行比较。可以进行硬或者软匹配,以便确定当前用户的身份。

然后,存储的点击流简档最好用来自完成的点击流的数据重新训 练,如步骤554所示。在终止当前点击流之后,该组点击流简档最 好被重新训练,以反映最近的点击流观察。点击流简档可以根据它 们与当前点击流的相似性来调整。

特别有效的并且可用于表征类型行为的一个类型的输入设备统计 是“有向图”间隔。这是一个用户使用遥控装置的特性需要花费的 时间量。通过跟踪一小组选择有向图的平均有向图间隔,可以构造 典型的行为的简档。下面是对遥控装置的各种使用表征模式的实例。 这些包括:

(1)遥控装置上的按钮被按压以起动按钮控制的持续时间;(2)选 择观看的特定频道;(3)选择多个数字频道的有向图;(4)诸如无声按 钮的特定控制按钮的使用次数;并且(5)调整的频率,比如进行音量 调整的频率。

相似性时段算法:

在本发明的另一个用户简档实践中,如图6和7所示,用户简档 由检测用户的相似性类型以及一天输入数据的时间来产生。在此实 施例中,简档是数据结构,该数据结构可以是终端设备行为的模型、 比如STB,其中随着时间对相似性求和。在一个实现中,多个子简 档按两种方式划分:相似性类型和时间。相似性类型可以对应于电 视台、节目类型、语言、付费电视、或者电影。

如图6所示,相似性-时段算法600包括相似性子简档和时段。 相似性子简档包括,例如iTV源、电视台、节目类型、语言、付费 内容、或者电影内容,并且根据用户输入模式数据检测,如步骤602 所示。还对用户输入模式数据输入的时刻进行检测,如步骤604所 示。根据相似性类型子简档类型和用户输入模式数据,产生输入模 式简档,如步骤606所示。在另一实施例中,将一个衰变因子应用 于现有用户输入模式简档,以分配更大的权重给新的用户输入模式 简档,如步骤606a所示。系统评定用户输入模式数据紧密地匹配现 有用户输入模式简档的程度,如步骤608所示,并且将当前用户输 入模式数据与一个现有用户输入模式简档匹配,如步骤610所示。

电影相似性与节目类型分开。在节目类型中没有电影类型。简档 的时刻部分对应于不同时段。对于每个时段部分,用户可以具有几 个(无零)类型相似性、台相似性和语言相似性。用户也许仅仅具有一 个电影相似性和一个付费电视相似性。这些数字可以表示用户在该 时段观看那个类型的节目的时间的百分比。与类型相似性一起使用 的时段可以按如下定义:

1.平日6a.m.-9a.m.

2.平日9a.m.-3p.m.

3.平日3p.m.-6p.m.

4.平日6p.m.-8p.m.

5.平日8p.m.-11p.m.

6.平日11p.m.-2a.m.

7.平日2a.m.-6a.m.

8周五8p.m.-11p.m.

9.星期五和星期六11p.m.-2a.m.

10.星期六和星期日2a.m.-6a.m.

11.星期六6a.m.-中午12点。

12.星期六中午12点-8p.m.

13.星期六8p.m.-11p.m.

14.星期日6a.m.-中午12点

15.星期日中午12点-8p.m.

16.星期日8p.m.-11p.m.

与台相似性一起使用的时段可以与类型一起使用的时段一样,只 除了时段5(黄金时间平日)已经分解为个别的日子以实现更大的推荐 准确度。

17.星期一8p.m.-11p.m.

18.星期二8p.m.-11p.m.

19.星期三8p.m.-11p.m.

20.星期四8p.m.-11p.m.

编号方案反映时段可以如何在数据库中进行编号。即时段1-16 可与类型相似性一起使用,并且时段1-4、6-20可与台相似性一起使 用。对于两组相似性,还可以存在另外的子简档,在该子简档中, 添加所有事件表示STB在所有时段的平均行为。这是平均简档或者 平均时段并且由数据库中的数字0表示。这个平均子简档用于在一 个特定的时段内没有得到足够的信息时对项目评级。

一个频道的观看事件导致将持续时间增加给该时段中特定频道的 和以及该时段的总和中。然后在平均时段中重复进行。存在引起简 档更新的观看事件的最小持续时间。在一个实践中,考虑大于10秒 的观看事件。这样做滤出了频道转换的调谐事件。观看事件可以仅 仅影响给定频道的和。类似地对类型信息进行处理,除了存在一个 项目具有多个类型、节目具有复合类型的可能性,即写实冒险戏剧 被分成单类型。电视节目指南数据供应商Tribune Media Service(TMS) 提供的数据,可以对为节目列出的类型排顺序,以便列出的第一类 型是与节目最相关的,列出的第二类型是与节目次相关的,诸如此 类。此信息可用于以权重方式表征观看时间,它与列出类型的顺序 成比例。由于不清楚第一类型应该比第二类型权重多多少等等,因 此采用相当保守的方法以便容易地维持分类的归一化。在各种类型 的节目当中分配观看时间的公式如下:(节目类型的#-当前类型的索 引+1)/(节目的全部类型的索引的和),其中各个类型的索引反映它列 出的顺序。因此,如果观看写实冒险戏剧节目30分钟,不是将这30 分钟记入一个类型或者将这30分钟记入各个类型或者平均将10分 钟记入各个类型,而是对各个分类按比例计入此花费。

在此实例中,节目存在3种类型,各个类型索引反映它被列出的 顺序(写实-索引1、冒险-索引2、戏剧-索引3),然后索引的和为6。 因此30分钟的观看时间将用下列方式在该三个类型之间分配:写实- 权重=(3-1+1)/6=.5,5*30=15分钟,冒险-权重=.33,.33*30=10分钟, 然后戏剧-权重=.16,.16*30=5分钟。

参考图7,流程图描述更新相似性子简档,花费在观看特定类型 的节目上的持续时间,如步骤702所示,包括:

持续时间(类型i,用户j,时段k)=持续时间(类型i,用户j,时 段k)+((当前节目的类型#-当前类型的索引+1)/(当前节目的全部类型 的索引和))*当前节目的观看持续时间。

更新花费在观看一个台上的持续时间,如步骤704所示,可以更 直接地计算,因为用户一次仅仅可以观看一个台。例如,花费的观 看一个台的持续时间,如704所示,可以包括:

持续时间(台i,用户j,时段k)=持续时间(台i,用户j,时段k)+ 当前节目的观看持续时间,其中当前节目在时段k期间在台i观看。

类型和可以与频道和分开保存,以便没有一个信息类型的项目不 会冲淡其它项目的信息(即没有类型的节目不会冲淡全部类型的评 级)。在利用频道的情况下,类型的平均时段子简档的更新方式与特 定时段子简档的方式一样。

用户的语言简档用来充当允许我们仅仅推荐该用户熟悉的一种语 言的节目的过滤器。节目的语言可以通过核对节目表中的“节目语 言”字段来确定。再参考图7,更新观看特定语言的节目花费的持续 时间,如步骤706所示,类似于如上所述更新针对台的持续时间, 并且包括:

持续时间(语言i,用户j,时段k)=持续时间(语言i,用户j,时 段k)+(当前节目的观看持续时间,其中当前节目在时段k期间在语 言i下观看。

在此实例中,将类型、台、以及语言分开,这是三个其它相似性, 它们一般不具有子范畴:首轮放映、付费和电影。建立“首轮放映” 相似性,充当允许我们不推荐重播的节目给不愿意观看重播节目的 用户的过滤器。对于观看的各个节目,可以通过核对时间表中的“重 复”字段来确定它是否是再度上映。或者,可以核对节目表中的“初 始上映日期”字段来确定节目是否比当前播放日期早。

图7的步骤708描述更新观看首轮放映节目花费的持续时间,类 似于如上所述更新针对台的持续时间,并且可以表示为:

持续时间(首轮放映,用户j,时段k)=持续时间(首轮放映,用户 j,时段k)+当前节目的观看持续时间,其中当前节目不是重播。

建立“付费”相似性以充当帮助我们确定哪些用户可能对接收比 如PPV或者VOD的付费内容推荐感兴趣的过滤器。随着时间的过 去,此分类将反映PPV电影以及VOD。为了确定频道是PPV,可以 选择频道表中的“服务层(servicetier)”字段。为4的值可以表示PPV。

如图7的步骤710所示,更新观看付费内容花费的持续时间类似 于如上所述更新针对台的持续时间,并且包括:

持续时间(付费,用户j,时段k)=持续时间(付费,用户j,时段k)+ 当前节目的观看持续时间,其中当前节目是付费内容。

“电影”相似性不同于类型相似性以便建立针对电影的单独用户简 档。此外,电影相似性不同于电影简档,将在下面详细讨论。电影 相似性量度用户在一个给定时段期间对观看电影的兴趣。电影简档 包含用户愿意观看什么类型的电影的详细信息。电影简档已经从其 它简档分出,以改进产生电影推荐的质量,特别是对于VOD和PPV。 当用户的电影相似性得分超过一个给定时段的阈值时,则用户的电 影简档将用于推荐电影。为了确定节目是电影,可以使用节目表中 的“节目类型”字段。典型地,节目类型“MV”的所有节目都是电 影。为了跟踪故事片而不是为电视制作的电影,可以使用节目类型 “MV”,其中节目表中的字段“为电视制作”等于“N”。

参考图7的步骤712,更新观看电影花费的持续时间类似于如上 所述更新针对台的持续时间,并且包括:

持续时间(电影,用户j,时段k)=持续时间(电影,用户j,时段k)+ 当前节目的观看持续时间,其中当前节目是电影而不是“为电视制 作”。

再参看图6,在一个实施例中,可以对简档划分时期,以便在某 一时期之后,现有简档将开始衰减并且新的数据将具有更大的权重, 如步骤606a所示。由此,可以使用产生类型和台得分的两种方式。 对于简档的第一部分(在衰减开始之前),几乎以和在以上实现中一样 的方式产生得分。得分基于在一个分类上花费的持续时间除以总的 持续时间。

这种用于类型和台的实例包括以下:

得分(台i,用户j,时段k)=持续时间(台i,用户j,时段k)/时段 k的总观看持续时间

得分(类型i,用户j,时段k)=持续时间(类型i,用户j,时段k)/ 所有类型的和:持续时间(类型i,用户j,时段k),其中持续时间(类 型i,用户j,时段k)定义如上。

得分(语言i,用户j,时段k)=持续时间(语言i,用户j,时段k)/ 时段k的总观看持续时间

得分(首轮放映,用户j,时段k)=持续时间(首轮放映,用户j, 时段k)/时段k的总观看持续时间

得分(付费,用户j,时段k)=持续时间(付费,用户j,时段k)/ 时段k的总观看持续时间

得分(电影,用户j,时段k)=持续时间(电影,用户j,时段k)/ 时段k的总观看持续时间。

可以按此方式在各个时段内观看电视的第一个20个小时计算得 分(除时段0、平均简档外,它将在观看电视的第一个120小时按此 方式计算)。之后,时段简档将开始衰减。可以衰减的简档是类型简 档和台简档。语言、首轮放映、付费和电影相似性不衰减。值20和 120是可能选择性地改变的参数。在衰减期期间的得分(在20小时限 制已经达到之后)为:

得分(类型i,用户j,时段k)=(1-df*Wg)*得分(类型i,用户j, 时段k)+df*Wg并且所有N不等于i,

得分(类型n,用户j,时段k)=(1-df*Wg)*得分(类型n,用户j, 时段k)

这两个步骤将产生归一化的类型得分,即所有类型得分的总数对 于每个时段将总是1。参数df是一个衰变因子,它当前的给定值为.4 但是可以在测试之后修改。一般的,平均时段(时段0)的df值可能不 同于其它时段的df值。加权因子Wg=(归属于类型k的当前节目的观 看持续时间/节目持续时间),其中归属于类型k的观看持续时间如 以上部分所述而确定。类似地,对于台:

得分(台i,用户j,时段k)=(1-df*Ws)*得分(台i,用户j,时段 k)+df*Ws,并且所有N不等于i,

得分(台n,用户j,时段k)=(1-df*Ws)*得分(台n,用户j,时段 k),

其中Ws=(当前节目的观看持续时间/节目持续时间)。df的值与 类型方程式中的一样。

在实现相似性时段算法600时,在达到20小时限制之后,不需 要更新观看的总时间。但是,可以保存有关观看的实际总时间的信 息。如果在计算加权因子(Wg和Ws)中需要的节目持续时间信息难以 获得,则可以用事件<10分钟、<20分钟、<30分钟等的不同值替换 观看比值,其中在某一分钟值之后该值为1。

上述简档方法在与下述评级系统组合时,产生对用户之前观看的 台上的节目的准确推荐。用户的习惯可以通过推荐扩展:(1)用户从 未观看过的台上的节目;(2)付费频道(PPV或VOD)上出现的节目、 特别是电影推荐给用户;或者(3)用户当前没有预订的预订频道。这 可以通过利用在下面的评级部分中描述的集方法来完成,以便推 荐用户从未观看过的台但类似于用户喜爱的台上的节目。此外,随 着VOD和PPV的到来,将有用户可得到的大范围的与任何特定台 无关的电影。

如图6的步骤606所示,必须产生涉及例如电影内容的用户输入 模式简档,以便对独立于台的电影评级,它是建立电影简档。电影 简档在使用相同时段的情况下类似于以上建立的台和类型简档。电 影简档可以包括以下分类:时期、发行商、类型和星级评定。

例如,存在8个电影时期无声影片时期(1927年之前)、预WWII 时期(1927-1940)、黄金时期(1941-1954)、转变时期(1955-1966)、银 时期(1967-1979)、现代时期(1980-1995)以及后现代时期(1996-现 今)。电影的时期可以通过从节目表中选择“发行年”字段来确定。 在发行年字段是“NULL”的情况下,电影没有发行并且应该当作常 规节目而非电影。

现有许多电影发行商,但是仅仅有大约十几个主要发行商。发行 商可以通过从节目表中选择“发行公司”字段来确定。TMS数据库 中的一些电影没有列出发行商。但是,在列出了发行商的情况下, 它是在其可用的情况下将被使用的有用数据段。例如,PPV和VOD 上可得到的大部分的电影具有发行商,因此跟踪此数据将使得推荐 与PPV和VOD内容更相关的电影。

类型分类与常规简档中使用的类型一样。如在上述的类型简档中 一样,类型可以从节目类型表中检索。星级评定量度电影的质量并 且可以从节目表的“星级评定”字段检索。星级评定保存为varchar 并且转换为浮点。

电影简档中的类型得分产生的方式与如上所述类型得分的产生方 式一样,除了在电影简档的情况下,不是观看事件必须大于5分钟 而更新得分,而是观看事件必须大于5分钟。这对于包括电影简档 的所有分类都成立。它可能不被更新,除非观看事件大于20分钟。 更新电影简档中类型得分包括:

得分(类型i,用户j,时段k)=持续时间(类型i,用户j,时段k) /所有类型的和:持续时间(类型i,用户j,时段k),其中持续时间(类 型i,用户j,时段k)定义如上。

伴随每个类型得分的星级评定得分将是可用按如下说明类型的所 有电影的平均星级评定:

得分(星级评定类型i,用户j,时段k)=和(星级评定类型i,用户 j,时段k)/和(类型i的电影#,用户j,时段k)

发行商得分将是用于观看给定发行商的电影的时间除以在给定时 段花费观看电影的总时间。还同样地计算用于时期的得分,并且包 括:

得分(发行商i,用户j,时段k)=持续时间(发行商i,用户j,时 段k)/该时段k的总的电影观看持续时间

得分(时期i,用户j,时段k)=持续时间(时期i,用户j,时段k) /该时段k的总的电影观看持续时间

在另一实践中,将要添加到简档的事件最小观看时间设置为1秒 (即没有切断),可与编码一起使用。另外,台ID链接到频道相似性 以便在出现改变频道顺序时,用户仍将得到正确的推荐。如果系统 不具有对机顶盒上的台ID的直接访问,则将频道信息与唯一密钥组 合。此外,在将类型持续时间记录到简档中时,可以用它们出现在 数据列表中的顺序对类型持续时间加权。

如图6的步骤608所示,对一个项目的评级确定该项目如何紧密 地与简档匹配并且分配一个表示紧密度的数值。一般地,该值没有 单位,并且与其它项目的值相关时才有意义。更高的值表示更密切(即 “更好的”)匹配。一个项目的总评级根据确定的其频道和分类的匹 配得分来计算。

在产生评级之前,存在几个因素排除不适合推荐或者用户不感兴 趣的节目。在一个实践中,分类“只允许成年人”的节目可以给定 评级0并且不会推荐。如果节目是R等级电影并且它在8.a.m.之前上 映,则它可以给定评级0。电影的评级可以通过利用节目表中的MPAA 评级字段得到。如果节目是“付费节目”,则它可以给定一个评级0。 这可以从节目表中的“节目类型”字段确定。如果节目语言与用户具 有的超过阈值(.05)的语言相似性的语言之一不匹配,则可以给节目评 级为0。如果在一个给定时段用户的“首次上映”相似性超过首次上映 阈值(.6),则该给定时段中的所有重播将给定评级0。如果一个给定 时段中用户的“付费”相似性小于付费阈值(.4),则给定时段中的所 有付费事件将给定评级为0。如果节目出现在附加频道上,并且用户 对那个台的得分是0,则节目将被给出为0的评级。

通常,特定用户或者家庭对于节目的评级可以通过将用户简档中 与合适的时段下匹配该节目的类型和台的类型得分和台得分相乘来 确定。评级在一个5级过程中计算。在电影级期间,为可能不在用 户通常观看的台上演播的电影产生评级。在最喜欢节目级期间,节 目必须匹配当前时段下用户的台相似性和类型相似性两者。在最喜 欢台级中,当前时段的台得分可用于产生评级。在行为扩展级中, 一个集算法可用于推荐出现在用户不常观看的台上的非电影节 目。在填充级中,来自平均简档的台得分可用于产生评级。在各个 级添加常数,以保证评级反映节目的关联性。在每个级为初次上演 或者末场的节目(非电影)引入一个加强因子。这可以通过核对节目表 中的“首场末场”字段来确定。首场或者末场的节目,如果它们已 经具有一个非零的评级,则通过在它们的评级中加2来加强它们的 评级。与用户的爱好不相配的节目的首场或者末场不加强。

当节目具有多个类型时,类型可以当作一系列单独的类型(“动 作”、“冒险”、“喜剧”)或者可以当作一个复合的类型(“动作冒险 喜剧”)或者作为两者的组合(“动作”、“冒险”、“喜剧”、“动作冒险 喜剧”)。为了简单并且保留空间,每一类型分别地对待。因此,列出 的第一类型一般是最佳地描述节目的那个类型,并且列出的第二类 型是次佳的、等等。为此,可以建立类型的索引,对应于列表中的 位置。这个索引可用于衡量那个类型将有助于多少节目评级的权重。 由此,类型得分以下列方式有助于节目评级:

对于所有的k,节目评级的类型部分=(节目类型得分k)×(用户类 型得分k),其中节目类型得分k=(当前节目的类型#-当前类型的索引 +1)/(当前节目的所有类型的索引和)以及用户得分k>阈值并且类型k 是当前节目的类型。

对于所有k,节目评级的台部分=(用户台得分k),其中用户台得 分k>阈值并且台k是当前节目的台。对于台和类型得分的当前阈值 是.05。

因此,对于最喜欢节目级,评级是:

节目评级=2+(类型部分×1/4)+(台部分×3/4),其中所述各部分利 用用户对应于当前节目播放期间的时段的时段简档来计算。这个第 一级设计为推荐用户最频繁观看的节目。这个级应用于所有非电影 节目。如果节目是电影并且用户具有超过阈值的电影相似性,则在 下一级中对其评级。

如果用户在当前时段中具有超过阈值的电影相似性,则电影级可 以出现。这个级允许我们推荐用户不经常观看的台上的电影。在这 种情况下,用户的电影简档能被用于所讨论的时段。从发行商、时 期和类型得分产生评级,并且星级得分用作过滤器。来自常规简档 的台得分用作加强机制。

星级过滤器按以下方式工作。如果电影包含大于一半星级低于用 户对这部电影的评级得分的星级评级,则不会推荐该电影。

节目评级=1+(((类型部分)+(时期得分)+(发行商得分))/3),其中类 型部分以如上所述对于非电影节目的类型部分一样的方式计算。

如果电影出现在用户对于当前时段具有高于阈值得分的台上,则 对其加1以加强节目评级。这将把节目评级放置在与在最喜欢节目 级中产生的节目评级同等的地位。

在过程的最喜欢台级中,如果节目台与用户在他们的时段简档中 具有超出阈值的台匹配,则对在第一级期间不接收评级的节目给出 一个评级。

节目评级=1+台部分,其中台部分利用用户对应于被评级节目的 时段的节目时段简档计算。值1被包括在等式中,以确保在此级中 产生的评级总是比在最后一级中产生的评级更高。这个级设计成推 荐给定时段下用户最喜欢台上的节目。节目可能在之前已经由用户 观看,或者可能没有观看。

行为扩展级利用集推荐用户从不观看的台上的非电影节目。所 有的台根据台上可得到的内容的类型在一个月有效的TMS数据上集 。集利用一组TV专家进一步地精炼,以确保集的质量。即评 级根据用户当前时段下的台得分而产生。任何高于.1的集阈值的 非网络台得分将用于产生同一集中新台的评级。具有超出.1得分 的台被称为等式中的“理想台”。由于每个集内常常存在许多台, 因此可能有许多节目可以从中挑选。为了在新和老节目之间维持一 个谨慎的平衡,可以从给定集挑选一个节目进行推荐。节目将在 用户得分在该时段低于阈值(.05)的台之间挑选,即台很少由用户在此 时段期间观看。过程的这个部分利用反馈。此行为扩展评级过程第 一次出现,则根据该节目的类型得分选择用户之前从不或者很少观 看的台。每次推荐一个新台时,保持已经选择该台的记录。下次系 统处于评级的这个级时,则仅仅选择从来没有观看(台得分不到阈值) 以及先前没有推荐大于限制(当前设置在5)的台。在这些可得到的台 之中,选择具有最高的类型得分的节目。如果有平分,则随机地选 择节目。通过利用高于零的台得分阈值以及大于1的有限次数的推 荐,由此建立新台的评级使得推荐将根据经常观看的节目而不是从 来没有观看的台来产生。以此方式,可以影响行为并且将台从“从 不观看”转变到“经常观看”。节目的评级利用节目的类型得分和理想 台的台得分产生。

节目评级=1+(类型部分×1/4)+(理想台部分×3/4),其中所述各部 分利用用户对应于当前节目播放期间的时段和理想台部分>.2以及所 选节目的台具有低于阈值的台得分并且没有推荐过大于限制的次数 的时段简档来计算。

在过程的补充级中,如果节目台与用户在他们的平均简档(时段0) 中具有超出阈值的得分的台匹配,则对在开头两个级期间不接收评 级的节目给出一个评级。

节目评级=台部分,其中台部分利用用户的时段0简档计算。

这个最后一级推荐所有时段上用户最喜欢的台上的节目。节目可 能在之前已经由用户观看,或者可能没有观看。如果所有这些级之 后,仍没有足够的评级,则分级器将或者通过用数字次序列出的剩 下的频道填充剩下的时间段来解决这个问题。

一旦通过例如如上所述的行为数据或者相似性-时段算法产生了 用户简档和评级,则本发明在系统状态变化时产生用户看得见的内 容指示器。

推荐内容通知:

图4图示根据本发明的内容通知和传递系统的实施例。在如图4 所示的交互节目指南(IPG)422中,推荐引擎426可以利用如上所述 的方法或者结合于本文中的美国和国外专利文件中描述的已知方 法,监视输入的内容或者节目以及可观看的每个节目或者内容的等 级。推荐引擎426采用简档引擎424产生用户简档信息并将其保存 在用户数据库430中,以产生评级和推荐。指示器引擎428利用推 荐引擎426产生的推荐信息经交互过程429产生用户看得见的推荐 内容指示器。

根据本发明,用户看得见的指示器包括推荐内容的视觉或者听觉 的指示。在另一个实践中,在比如启动客户平台414(例如STB)或者 显示装置418、比如电视或者视频监视器等系统状态变化时提供用户 看得见的指示器。在另一个实施例中,可以提供一个界面,通过该 界面,用户可以同意在现有节目上出现指示器。在收到用户看得见 的指示器之后,用户可以采用用户交互作用装置420、例如遥控装置 与用户看得见的指示器进行交互作用,或者选择推荐内容或者继续 观看先前的节目内容。

举例来说,用户看得见的指示器可以包含以下提示:“节目X 现在在频道Y上放映,你愿意转换频道吗?是/否”。如果用户通过选 择“是”回答,则频道将自动地转换。如果用户选择“否”,则指示器 消失,并且频道被调到用户原来调谐到的频道编号。如果用户什么 也不做,则指示器在一个预定时段过去之后取消,并且STB将频道 调谐到用户先前进入的频道。

尽管以上描述涉及的是客户平台和/或STB装置,但其它市场上 可买到的装置和STB可以进行用来实现本发明的系统的软件、数据 库和硬件的修改。

参考图8,图示了本发明的另一实现,其中如步骤802所示,采 用如上所述的方法以及在上述美国和国外专利文件中阐明的那些实 例产生用户简档,上述美国和国外专利文件通过引用结合于本文中。 对输入内容进行处理,如步骤804所示,使得可以分析视频内容及 其它相关信息与保存在用户数据库中的用户简档信息的相似性,如 步骤806所示。如果没有相似的用户简档,则搜索继续,回到步骤804。

如果内容类似于用户简档信息,则在显示装置或者电视上提供一 个指示器,如步骤108所示。在一个实践中,在诸如启动电视或者STB 等系统状态变化时提供指示器。在另一方面,频道转换事件出现时 在STB将调到一个频道之前的时段期间提供指示器。在另一实施例 中,作为在屏显示提供推荐内容的通知,比如弹出窗口,在屏幕上 向用户通知节目,并且请求用户判断她是否希望转换频道以观看该 内容。这种可视指示器可以与音频指示器组合,或者由音频指示器 代替,以便可听地通知用户即将到来的节目。

然后,系统等待一个预定时间用于用户输入,如步骤810所示。 如果用户选择“否”,则表示不转变为推荐内容,或者预定时间之内 没有选择,则去除指示器,如步骤812所示,并且系统可以回到步 骤804。如果用户选择“是”,则进行频道转换,如步骤814所示, 并且系统可以回到步骤804。

通知由用户组成员观看的内容:

参考图9,给出了根据本发明的另一个实施例。在此实践中,用 户可以建立一个用户组,由用户看得见的指示器通知用户感兴趣的 内容或者节目。用户可以采用用户交互装置940、例如遥控器与用户 界面952交互作用,以输入用户组成员的名字和成员的唯一标识符、 比如STB标识号或者MSO标识号。组标识信息可以包括采用本发 明的方法和系统的属于相同MSO内或者不同MSO的一部分的用户 的标识符。组标识信息保存在用户数据库950中。

在交互节目指南(PG)951中,如图5所示,组监视引擎953监视 用户组成员内容952、例如用户组成员当前观看的电视节目。在952n 显示的一个实施例中,“n”可以表示组成员的无穷大数。组监视引擎 953确定是否多个例如预定数量的组成员正在观看一个特定内容项目 或者节目。如果多个用户的组成员正观看相同节目,则指示器引擎955 根据可从组监视引擎953得到的组信息,经交互过程957产生一个 指示器。例示性交互过程可以包括弹出窗口。

用户看得见的指示器的接收提示用户判断是否切换到组成员正在 观看的节目。用户可以通过利用交互装置940、比如遥控装置与用户 看得见的指示器进行交互作用,或者选择组内容或者继续观看先前 的节目内容。根据本发明,用户看得见的指示器可以包括推荐内容 的视觉或者听觉指示。在另一个实践中,可以在系统状态变化时提 供指示器,比如启动客户平台954(例如STB)或者电视显示装置958(例 如电视显示器)时。在另一个实施例中,用户可以采用用户界面952 和交互装置940以同意接收用户看得见的指示器弹出在现有节目之 上。

例如,用户可以通过他们的MSO图形用户界面(GUI)获得它们的 STB标识号,并且与朋友交换该STB标识号。用户和她的朋友然后 经用户界面952输入STB信息。组监视引擎953监视用户组成员观 看的内容或者节目。只要用户的多个朋友观看相同节目时,就将经 交互过程957产生一个指示器,以提示用户判断是否切换到她的朋 友正在观看的节目。

在图10所述的本发明的另一实践中,系统可以接收用户输入的 组成员识别信息,如步骤1002所示。系统处理用户组成员观看的内 容,以确定成员是否正在观看相同的节目,如步骤1004所示。本发 明确定多个用户组成员观看相同节目是否超出预定阈值,如步骤1006 所示。如果没有多个组成员观看相同内容,则系统继续它的处理, 回到步骤1004。

如果多个用户组成员正在观看相同节目,则在显示装置或者电视 上向用户组成员提供一个用户看得见的指示器,如步骤1008所示。 在一个实践中,该指示器在诸如启动电视或者STB等系统状态变化 时提供。在另一方面,在频道转换事件出现时在STB将调到一个频 道之前的时段期间提供指示器。在一个实施例中,作为在屏显示提 供用户看得见的指示器,比如弹出窗口,通知用户节目正由多个用 户组成员观看,并且提示用户以判断她是否希望转换频道以观看该 推荐节目。在另一个实施例中,可视指示器可以与音频指示器组合, 或者由音频指示器代替,以便可听地通知用户即将到来的节目。

然后,系统等待一个预定时间用于用户输入,如步骤1010所示。 如果用户选择“否”,则表示不转变为推荐节目,或者预定时间之内 没有选择,则去除指示器,如步骤1012所示,并且系统可以回到步 骤1004。如果用户选择“是”,则进行频道转换,如步骤1014所示, 并且系统可以回到步骤1004。

上述实施例和实践仅仅是说明性的而不是旨在限制本发明的范 围。本领域技术人员应该理解,上述实例的许多变化和修改都是可 能的并且在仅仅由所附权利要求进行限制的本发明的范围之内。

本文发布于:2024-09-25 03:15:46,感谢您对本站的认可!

本文链接:https://www.17tex.com/tex/3/70961.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议