基于用戶偏好的電視節目推薦技術專利綜述

王亞娜 王苑婷

摘要：在電視智能化進程中，基于用戶偏好的電視節目推薦技術不斷為用戶帶來全新的體驗，成為智能電視的標志性技術，并被視為將用戶重新吸引到電視機前的關鍵切入點。本文介紹了基于用戶偏好的電視節目推薦技術的專利申請基本情況，詳細介紹了各技術分支及其發展狀況，并分析了電視節目推薦領域的重要申請人及其關鍵技術。

關鍵詞：電視節目;推薦;用戶偏好

中國分類號：TP391.3 文獻標識碼：A 文章編號：1003-5168（2019）27-0052-04

The Overview Of Patent Of The TV Program Recommendation? Technology Based On User Preference

WANG Yana? WANG Yuanting

（Patent Examination Cooperation Henan Center of the Patent Office， CNIPA， Zhengzhou Henan 450018）

Abstract：? With the popularization of intelligent televisions， TV program recommendation algorithm based on user preference has brought a new experience to audience， and been a symbol technology of intelligent television. Therefore， TV program recommendation technology has been regarded as the key to draw the user’s attention to television again. This article introduces thebasic situation of patent application about the TV program recommendation technology based on user preference and the branches of TV program recommendation technology and their state of development in detail， analyzes significant applicants and their key technology in the field of TV program recommendation.

Key words： TV program; recommendation; user preference

1 概述

隨著互聯網、廣播電視網絡的發展以及數字電視的普及，下一代廣播電視網絡得到了快速的發展，具有互動點播功能的機頂盒走進了人們的生活。影視節目搜索點播是智能電視的一個重要功能，隨著影視節目數量的日益增多，內容日益復雜，用戶越來越對挑選節目感到疑惑，電視節目推薦技術可以作為一種理想的解決方案。

與搜索點播不同，電視節目推薦系統無需用戶輸入明確需求，即可在用戶歷史播放記錄的基礎上，通過分析用戶的行為和偏好、影視節目之間的關系和用戶的歷史播放記錄等信息，挖掘用戶之間的相似度和偏好，進而主動給用戶推薦滿足用戶興趣和需求的個性化的電視節目，減少了用戶選擇視頻的時間，從而提升用戶的體驗。圖1為電視節目推薦系統的流程示意圖。

2 專利申請基本情況

為了獲得電視節目推薦相關技術的專利申請情況，通過在專利數據庫進行檢索，本文從與電視節目推薦相關的954篇專利申請入手，對檢索結果進行分析。

關于電視節目推薦技術的近些年的全球各年度的申請量分布如圖2所示，從圖中可以看出，該技術起步較早，從2003年左右開始，申請量平穩上升，體現出隨著各種智能電視的迅速普及以及手機視頻服務的日益增長，電視節目推薦技術也有了相應的快速發展，適應新形勢的需求。

圖3表示的是電視節目推薦技術在全球專利申請的區域分布情況，從圖中可以看出，中國、歐美、日本、韓國分別位于申請量的前四位，并且我國的申請量占全球申請量的一半以上，這是由于從2010年起隨著三網融合加速推進，智能電視在我國迅速發展起來。國內本土的智能終端制造商不斷加大對于電視節目推薦領域的研發投入，逐漸縮小與國外企業的差距。

圖4是電視節目推薦技術在中國的專利申請人的類別情況，從圖中可以看出，在中國的專利申請的申請人以公司申請為主，占92%，主要為TCL、長虹、天脈聚源、小米等公司。

3 技術分支及其發展狀況

本文介紹了電視節目推薦技術的研究現狀，并對主流推薦技術的推薦思路進行了歸納，幫助讀者了解推薦技術這個研究領域。本文根據不同推薦思路對電視節目推薦技術進行了分類，并介紹了不同推薦技術的優勢及局限性。

3.1 關聯規則

關聯規則技術屬于數據挖掘領域的一個研究分支，其目的是從大數據中發現彼此的屬性之間存在的規律，通過關注用戶消費行為之間的關聯模式以生成形式簡單并且容易理解的數量眾多的規則，通過關聯規則可以找出不同信息在用戶偏好上的相關性。

3.2 協同過濾

協同過濾推薦技術是電視節目推薦技術中應用最為成功的一種。在日常生活中，我們常常利用朋友的推薦來選擇觀看的節目，協同過濾正是利用這一思想，將好友對某一節目的評價作為分析基礎來對目標用戶進行推薦[1]。

協同過濾推薦主要包括兩類，一類是啟發式方法，該方法需要建立用戶-項目評分矩陣，根據相似用戶具有相似偏好的假設進行推薦。在用戶評分信息充分的情況下，通過相似度的計算，可以快速為用戶找到偏好相似的其他用戶，從而實現協同推薦。啟發式方法的缺點是在冷啟動時，用戶評分信息匱乏，無法基于相似用戶的偏好進行推薦。

另一類是基于模型的方法，此方法利用概率統計模型或者機器學習方法，在訓練集上構建用戶特征模型（比如線性規劃模型、統計模型、貝葉斯模型、概率相關模型、決策樹模型、圖模型、最大熵模型等），依此進行推薦。優點在于穩定性好，缺點是訓練時間長、計算復雜性高。

3.3 基于內容

基于內容的推薦技術依據對象的屬性特征與用戶興趣之間的相似性來過濾信息，該推薦技術的優點就是不需要非常深的專業知識，推薦算法比較簡單，實時性也比較好，用戶也很容易理解推薦列表中的結果。但是該技術也存在不足，例如，推薦給用戶的對象與該用戶之前選擇的對象很類似，使得用戶不易發現用戶不熟悉但是潛在感興趣的對象。可以通過兩種方式來描述對象，分別是基于內容描述的方法和基于分類的方法。

基于內容描述的方法是從對象本身抽取信息來表示對象。基于分類的方法是利用類別來表示對象，對象的類別可預先定義，也可利用聚類技術自動產生。

3.4 基于用戶特征

用戶的行為特征和感覺特征具有實時性，并能直接反映用戶對觀看內容的偏好[2]，然而用戶在觀看節目時的動作或者表情多種多樣，如何對采集到的用戶的動作或者表情進行區分，分辨出哪些是用戶無意識的動作，哪些是對節目的反饋是該技術的難點所在。

4 主要申請人及其關鍵技術

通過對電視節目推薦技術相關的專利進行研究，我們發現，關于電視節目推薦的專利申請人主要為主流的電視設備商，這一方面顯示了電視設備商對電視節目推薦技術的研究熱情，另一方面也表明了電視節目推薦技術對電視領域的重要性，通過提高用戶的觀看體驗從而提高自身產品的競爭力。在此領域的主要申請人主要有以下幾個：飛利浦、索尼、TCL、長虹等，此領域的主要申請人按照專利申請量的排名見圖5。

飛利浦公司在該領域的專利申請一共111件，處于絕對領先地位，其申請基本覆蓋上述所有分支。從授權與否、維持年限、被引證的頻次、同族數量等多方面因素綜合考慮，本文摘錄了其中的部分重要專利，如圖6所示。飛利浦公司具有很強的專利布局意識，上述每個申請均在多個國家進行申請。

飛利浦公司在早期致力于基于內容的電視節目推薦技術的研究，其中，CN00806336、 CN01800878、CN201410084461、CN201180035361、EP2014069236均屬于基于內容的技術分支。其中，早期申請，如CN00806336提出根據用戶以往的觀看情況，利用歸納原理來確定一套可以滿足特定觀眾的興趣的推薦節目，CN01800878提出通過監視觀看者的觀看模式來學習觀看者看電視的偏好。在后期專利申請中，CN201410084461提出通過使用具有多個選擇準則的過濾器提供個人化內容頻道，個人化內容頻道包括遵從全部多個選擇準則的內容項，從而使得推薦算法可以從多個方面描述用戶的偏好，從而獲得用戶興趣的更全面的描述。EP2014069236提出基于用戶的偏好，推薦器提供其推薦并且推薦器引擎接口生成真實3D圖像或者偽3D圖像，其中在圖像中以其顯示每一個項目的深度（z坐標）指示推薦器引擎向具體項目分配的分值。

此外，飛利浦公司在電視節目推薦技術領域對協同推薦技術分支和基于用戶特征技術分支也保持了長期的關注和研究。

在協同推薦技術分支中，飛利浦公司的早期申請US20010014195提出了處理第三方的觀看歷史或購買歷史以產生反映由具有代表性的電視觀眾選擇的項目的典型分布的原本定型的概況，借此利用最接近他或她的興趣的項目來啟動他或她的概況的方法。又如 CN02822410提出了一種根據向一個或多個第三方的推薦向用戶推薦感興趣項目的方法。隨后，飛利浦公司為了解決基于用于項目評級的協同過濾方法中缺少可用評級的問題，在2011年，CN201280050086提出了預先存儲用戶之間的關聯關系，將用戶的請求自動傳送到相關聯的用戶地址來請求項目評級來增加用于用戶推薦的項目評級的數量。

在基于用戶特征的分支中，飛利浦公司在2001年從用戶特征的角度出發提出獲取電視觀眾的情緒反應的可識別的跡象，當正面的（或者負面的）反應可以和某一特定類型的節目內容聯系時，呈現（或者避免呈現）該節目的方法，并提出了專利申請CN02822411。在此基礎上，飛利浦公司進一步改進基于用戶特征的推薦方法， JP2006546430提出了通過接收包括特定的信息特征的內容信息，該信息特征包括內容特征和節目特定信息。接著，將該內容信息與一個用戶檔案匹配。然后，根據該信息特征對匹配結果進行相應的內容警報處理。最后，根據經過內容警報處理的結果向用戶推薦相應的信息。隨后，進一步提高了基于用戶特征的推薦方法的準確性，在2011年，CN201280062091提出了為特定用戶創建日志，以與該用戶的活動的時間關系表示該用戶的情緒的演變，基于分析與積極的情緒狀態相關聯的活動來向訂閱人生成推薦。

5 結語

隨著用戶對觀看體驗的要求不斷提高，基于用戶偏好的電視節目推薦技術作為提高觀看體驗的重要途徑受到越來越多的關注。近些年來，基于用戶偏好的電視節目推薦技術的專利申請量快速增長，中國專利申請總量已經趕超國外企業，但是由于起步較晚，并沒有掌握過多數量的核心專利。而國外企業早在2000年之前就已經來中國申請專利，并有一定數量的基于用戶偏好的電視節目推薦技術的重要專利已經在中國授權。因此，中國企業和高校需要進一步增強專利布局意識，并且加大研發投入，努力實現技術創新。

參考文獻：

[1] 徐江山.數字電視節目推薦系統中統計算法的比較[J].清華大學學報（自然科學版），2008，48（S10）.

[2] 徐江山，盧增祥，陶疆，等.基于顯性用戶特征的數字電視節目推薦系統[J].清華大學學報（自然科技版），2008，48（10）：1558-1560.