基于用户偏好的电视节目推荐技术专利综述

申请基本情况，详细介绍了各技术分支及其发展状况，并分析了电视节目推荐领域的重要申请人及其关键技术。

关键词：电视节目;推荐;用户偏好

中国分类号：TP391.3 文献标识码：A 文章编号：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

隨着互联网、广播电视网络的发展以及数字电视的普及，下一代广播电视网络得到了快速的发展，具有互动点播功能的机顶盒走进了人们的生活。影视节目搜索点播是智能电视的一个重要功能，随着影视节目数量的日益增多，内容日益复杂，用户越来越对挑选节目感到疑惑，电视节目推荐技术可以作为一种理想的解决方案。

与搜索点播不同，电视节目推荐系统无需用户输入明确需求，即可在用户历史播放记录的基础上，通过分析用户的行为和偏好、影视节目之间的关系和用户的历史播放记录等信息，挖掘用户之间的相似度和偏好，进而主动给用户推荐满足用户兴趣和需求的个性化的电视节目，减少了用户选择视频的时间，从而提升用户的体验。图1为电视节目推荐系统的流程示意图。

2 专利申请基本情况

为了获得电视节目推荐相关技术的专利申请情况，通过在专利数据库进行检索，本文从与电视节目推荐相关的954篇专利申请入手，对检索结果进行分析。

关于电视节目推荐技术的近些年的全球各年度的申请量分布如图2所示，从图中可以看出，该技术起步较早，从2003年左右开始，申请量平稳上升，体现出随着各种智能电视的迅速普及以及手机视频服务的日益增长，电视节目推荐技术也有了相应的快速发展，适应新形势的需求。

图3表示的是电视节目推荐技术在全球专利申请的区域分布情况，从图中可以看出，中国、欧美、日本、韩国分别位于申请量的前四位，并且我国的申请量占全球申请量的一半以上，这是由于从2010年起随着三网融合加速推进，智能电视在我国迅速发展起来。国内本土的智能终端制造商不断加大对于电视节目推荐领域的研发投入，逐渐缩小与国外企业的差距。

图4是电视节目推荐技术在中国的专利申请人的类别情况，从图中可以看出，在中国的专利申请的申请人以公司申请为主，占92%，主要为TCL、长虹、天脉聚源、小米等公司。

3 技术分支及其发展状况

本文介绍了电视节目推荐技术的研究现状，并对主流推荐技术的推荐思路进行了归纳，帮助读者了解推荐技术这个研究领域。本文根据不同推荐思路对电视节目推荐技术进行了分类，并介绍了不同推荐技术的优势及局限性。

3.1 关联规则

关联规则技术属于数据挖掘领域的一个研究分支，其目的是从大数据中发现彼此的属性之间存在的规律，通过关注用户消费行为之间的关联模式以生成形式简单并且容易理解的数量众多的规则，通过关联规则可以找出不同信息在用户偏好上的相关性。

3.2 协同过滤

协同过滤推荐技术是电视节目推荐技术中应用最为成功的一种。在日常生活中，我们常常利用朋友的推荐来选择观看的节目，协同过滤正是利用这一思想，将好友对某一节目的评价作为分析基础来对目标用户进行推荐[1]。

协同过滤推荐主要包括两类，一类是启发式方法，该方法需要建立用户-项目评分矩阵，根据相似用户具有相似偏好的假设进行推荐。在用户评分信息充分的情况下，通过相似度的计算，可以快速为用户找到偏好相似的其他用户，从而实现协同推荐。启发式方法的缺点是在冷启动时，用户评分信息匮乏，无法基于相似用户的偏好进行推荐。

另一类是基于模型的方法，此方法利用概率统计模型或者机器学习方法，在训练集上构建用户特征模型（比如线性规划模型、统计模型、贝叶斯模型、概率相关模型、决策树模型、图模型、最大熵模型等），依此进行推荐。优点在于稳定性好，缺点是训练时间长、计算复杂性高。

3.3 基于内容

基于内容的推荐技术依据对象的属性特征与用户兴趣之间的相似性来过滤信息，该推荐技术的优点就是不需要非常深的专业知识，推荐算法比较简单，实时性也比较好，用户也很容易理解推荐列表中的结果。但是该技术也存在不足，例如，推荐给用户的对象与该用户之前选择的对象很类似，使得用户不易发现用户不熟悉但是潜在感兴趣的对象。可以通过两种方式来描述对象，分别是基于内容描述的方法和基于分类的方法。

基于内容描述的方法是从对象本身抽取信息来表示对象。基于分类的方法是利用类别来表示对象，对象的类别可预先定义，也可利用聚类技术自动产生。

3.4 基于用户特征

用户的行为特征和感觉特征具有实时性，并能直接反映用户对观看内容的偏好[2]，然而用户在观看节目时的动作或者表情多种多样，如何对采集到的用户的动作或者表情进行区分，分辨出哪些是用户无意识的动作，哪些是对节目的反馈是该技术的难点所在。

4 主要申请人及其关键技术

通过对电视节目推荐技术相关的专利进行研究，我们发现，关于电视节目推荐的专利申请人主要为主流的电视设备商，这一方面显示了电视设备商对电视节目推荐技术的研究热情，另一方面也表明了电视节目推荐技术对电视领域的重要性，通过提高用户的观看体验从而提高自身产品的竞争力。在此领域的主要申请人主要有以下几个：飞利浦、索尼、TCL、长虹等，此领域的主要申请人按照专利申请量的排名见图5。

飞利浦公司在该领域的专利申请一共111件，处于绝对领先地位，其申请基本覆盖上述所有分支。从授权与否、维持年限、被引证的频次、同族数量等多方面因素综合考虑，本文摘录了其中的部分重要专利，如图6所示。飞利浦公司具有很强的专利布局意识，上述每个申请均在多个国家进行申请。

飞利浦公司在早期致力于基于内容的电视节目推荐技术的研究，其中，CN00806336、 CN01800878、CN201410084461、CN201180035361、EP2014069236均属于基于内容的技术分支。其中，早期申请，如CN00806336提出根据用户以往的观看情况，利用归纳原理来确定一套可以满足特定观众的兴趣的推荐节目，CN01800878提出通过监视观看者的观看模式来学习观看者看电视的偏好。在后期专利申请中，CN201410084461提出通过使用具有多个选择准则的过滤器提供个人化内容频道，个人化内容频道包括遵从全部多个选择准则的内容项，从而使得推荐算法可以从多个方面描述用户的偏好，从而获得用户兴趣的更全面的描述。EP2014069236提出基于用户的偏好，推荐器提供其推荐并且推荐器引擎接口生成真实3D图像或者伪3D图像，其中在图像中以其显示每一个项目的深度（z坐标）指示推荐器引擎向具体项目分配的分值。

此外，飞利浦公司在电视节目推荐技术领域对协同推荐技术分支和基于用户特征技术分支也保持了长期的关注和研究。

在协同推荐技术分支中，飞利浦公司的早期申请US20010014195提出了处理第三方的观看历史或购买历史以产生反映由具有代表性的电视观众选择的项目的典型分布的原本定型的概况，借此利用最接近他或她的兴趣的项目来启动他或她的概况的方法。又如 CN02822410提出了一种根据向一个或多个第三方的推荐向用户推荐感兴趣项目的方法。随后，飞利浦公司为了解决基于用于项目评级的协同过滤方法中缺少可用评级的问题，在2011年，CN201280050086提出了预先存储用户之间的关联关系，将用户的请求自动传送到相关联的用户地址来请求项目评级来增加用于用户推荐的项目评级的数量。

在基于用户特征的分支中，飞利浦公司在2001年从用户特征的角度出发提出获取电视观众的情绪反应的可识别的迹象，当正面的（或者负面的）反应可以和某一特定类型的节目内容联系时，呈现（或者避免呈现）该节目的方法，并提出了专利申请CN02822411。在此基础上，飞利浦公司进一步改进基于用户特征的推荐方法， JP2006546430提出了通过接收包括特定的信息特征的内容信息，该信息特征包括内容特征和节目特定信息。接着，将该内容信息与一个用户档案匹配。然后，根据该信息特征对匹配结果进行相应的内容警报处理。最后，根据经过内容警报处理的结果向用户推荐相应的信息。随后，进一步提高了基于用户特征的推荐方法的准确性，在2011年，CN201280062091提出了为特定用户创建日志，以与该用户的活动的时间关系表示该用户的情绪的演变，基于分析与积极的情绪状态相关联的活动来向订阅人生成推荐。

5 结语

随着用户对观看体验的要求不断提高，基于用户偏好的电视节目推荐技术作为提高观看体验的重要途径受到越来越多的关注。近些年来，基于用户偏好的电视节目推荐技术的专利申请量快速增长，中国专利申请总量已经赶超国外企业，但是由于起步较晚，并没有掌握过多数量的核心专利。而国外企业早在2000年之前就已经来中国申请专利，并有一定数量的基于用户偏好的电视节目推荐技术的重要专利已经在中国授权。因此，中国企业和高校需要进一步增强专利布局意识，并且加大研发投入，努力实现技术创新。

参考文献：

[1] 徐江山.数字电视节目推荐系统中统计算法的比较[J].清华大学学报（自然科学版），2008，48（S10）.

[2] 徐江山，盧增祥，陶疆，等.基于显性用户特征的数字电视节目推荐系统[J].清华大学学报（自然科技版），2008，48（10）：1558-1560.