徐慶

（國(guó)家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作河南中心，河南鄭州 450002）

智能化電視節(jié)目推薦專利技術(shù)分析

徐慶

（國(guó)家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作河南中心，河南鄭州 450002）

在電視智能化進(jìn)程中，基于用戶偏好的電視節(jié)目推薦算法不斷為用戶帶來(lái)全新的體驗(yàn)，成為智能電視的標(biāo)志性技術(shù)，并被視為將用戶重新吸引到電視機(jī)前的關(guān)鍵切入點(diǎn)。本文介紹了基于用戶偏好的電視節(jié)目推薦算法的發(fā)展歷程，繪制了該技術(shù)演進(jìn)路線圖，并分析獲得了電視節(jié)目推薦領(lǐng)域重要申請(qǐng)人的技術(shù)發(fā)展路線。

智能化；節(jié)目推薦；個(gè)性化；興趣度；特征表示

1 基本概念

隨著數(shù)字電視和通信技術(shù)的不斷發(fā)展，電視節(jié)目資源越來(lái)越豐富。一方面用戶為能夠收看到如此之多的節(jié)目而感到興奮不已，另一方面又為如何從成百上千個(gè)節(jié)目中找到他們真正喜愛的節(jié)目,而感到苦惱。電視節(jié)目個(gè)性化推薦技術(shù)就是針對(duì)這個(gè)問(wèn)題而提出的。電視節(jié)目個(gè)性化推薦是指系統(tǒng)根據(jù)有關(guān)用戶偏好和行為的知識(shí)，主動(dòng)對(duì)節(jié)目進(jìn)行裁減,將用戶想看的節(jié)目提供給用戶，實(shí)現(xiàn)“在你想要得時(shí)候看你想看的電視”這一目標(biāo)。

針對(duì)過(guò)多的電視節(jié)目，近年來(lái)出現(xiàn)了一些個(gè)性化的電視系統(tǒng),它們提出了各種思路來(lái)實(shí)現(xiàn)電視節(jié)目個(gè)性化服務(wù)，其中包括不同的用戶興趣學(xué)習(xí)方法和節(jié)目推薦技術(shù)。Multi-A gentSystem采用了顯式輸入和隱式反饋對(duì)用戶興趣進(jìn)行跟蹤，TV-Advisor則使用了顯式反饋，TV Recommender和P-EPG同時(shí)使用了顯式和隱式反饋，Video Indexing使用了基于內(nèi)容的視頻分割、分類和索引，并且同時(shí)結(jié)合了語(yǔ)法和語(yǔ)義特征，PTV和TV-Scout采用了混合的推薦策略,將基于內(nèi)容過(guò)濾和協(xié)作過(guò)濾結(jié)合使用,Dynamic Recommendation同時(shí)利用了顯式和隱式反饋信息,并且將基于內(nèi)容過(guò)濾和協(xié)作過(guò)濾結(jié)合使用，形成動(dòng)態(tài)推薦過(guò)程。Virtual Channel為個(gè)性化電視中節(jié)目的動(dòng)態(tài)組織和表現(xiàn)提出了一種虛擬頻道的模式，對(duì)用戶來(lái)說(shuō)好像就存在一個(gè)頻道始終為其播放喜愛的節(jié)目。

為了實(shí)現(xiàn)電視節(jié)目個(gè)性化服務(wù)，首先需要組織好節(jié)目和用戶信息，并選擇一種合適的特征表示模型。為了盡可能準(zhǔn)確反映用戶真實(shí)的節(jié)目觀看喜好，需要跟蹤和學(xué)習(xí)用戶的興趣和行為。為了把電視節(jié)目推薦給用戶，需要采用合適的節(jié)目推薦策略。因此，電視節(jié)目個(gè)性化服務(wù)通常由三部分功能組成：特征表示模塊、合作過(guò)濾模塊和節(jié)目推薦模塊，各模塊組成及模塊間相互關(guān)系如圖1所示。特征表示包括節(jié)目特征表述和用戶特征表示,為推薦模塊提供數(shù)據(jù)。用戶興趣學(xué)習(xí)通過(guò)分析用戶的觀看歷史和當(dāng)前行為，不斷調(diào)整用戶興趣，用戶特征表示為合作過(guò)濾模塊提供學(xué)習(xí)所需的源數(shù)據(jù)和表示方法，合作過(guò)濾模塊經(jīng)過(guò)學(xué)習(xí)，將結(jié)果輸出到用戶興趣表示中。推薦模塊采用推薦技術(shù)為用戶生長(zhǎng)個(gè)性化的節(jié)目單展現(xiàn)給用戶［1］。

圖1 節(jié)目推薦系統(tǒng)結(jié)構(gòu)圖

2 電視節(jié)目推薦發(fā)展路線

電視節(jié)目推薦技術(shù)起源于基于內(nèi)容的特征匹配技術(shù)。早在20世紀(jì)90年代初，基于內(nèi)容的特征匹配技術(shù)就被用于運(yùn)動(dòng)目標(biāo)跟蹤、身份識(shí)別等領(lǐng)域。隨著識(shí)別率的提高和成本的降低，人們很快意識(shí)到該技術(shù)能帶給用戶前所未有的用戶體驗(yàn)并具有廣闊的應(yīng)用前景，于是在基于內(nèi)容的特征匹配技術(shù)的基礎(chǔ)上，產(chǎn)生了提高用戶體驗(yàn)度的節(jié)目推薦技術(shù)。早期的與電視相結(jié)合的節(jié)目推薦技術(shù)出現(xiàn)在1992年，是由美國(guó)的發(fā)現(xiàn)通訊公司提出的電視節(jié)目發(fā)送系統(tǒng)推薦節(jié)目的可重編程序終端的申請(qǐng)US7/ 991074。該申請(qǐng)通過(guò)收集和分析用與向節(jié)目預(yù)訂者建議選擇節(jié)目的數(shù)據(jù)、驅(qū)動(dòng)菜單程序選擇系統(tǒng)，從而向節(jié)目預(yù)訂者建議選擇及演示觀看節(jié)目。

早期的電視節(jié)目推薦技術(shù)發(fā)展主要集中在單一的推薦算法。如基于內(nèi)容數(shù)據(jù)關(guān)聯(lián)的推薦算法、基于用戶行為分析數(shù)據(jù)的退推薦算法、基于場(chǎng)景的推薦算法以及其他算法的單一改進(jìn)，從2001年開始，多元化的應(yīng)用也對(duì)電視節(jié)目推薦提出了更高的要求，電視節(jié)目推薦技術(shù)因而進(jìn)入快速發(fā)展期。經(jīng)過(guò)前一階段的技術(shù)積累，節(jié)目推薦的一些基本功能已經(jīng)實(shí)現(xiàn)，因而當(dāng)前階段出現(xiàn)了大量改進(jìn)型專利申請(qǐng)，隨著技術(shù)的進(jìn)一步發(fā)展，2009年以來(lái)，智能網(wǎng)絡(luò)化電視進(jìn)入人們的視線，因此，社交網(wǎng)絡(luò)化電視興起，隨之而來(lái)的與用戶社交化網(wǎng)絡(luò)、web技術(shù)、云端、搜索引擎相結(jié)合的節(jié)目推薦方法成為其主力軍。

通過(guò)梳理電視節(jié)目推薦技術(shù)的各中推薦算法下的基礎(chǔ)專利，可以獲得電視節(jié)目推薦領(lǐng)域推薦算法的技術(shù)演進(jìn)路線［2］，如圖2所示。

在電視節(jié)目推薦技術(shù)的演進(jìn)過(guò)程中，早期的基礎(chǔ)專利出現(xiàn)在1992年，其由美國(guó)的發(fā)現(xiàn)通訊公司提出，具體涉及電視節(jié)目發(fā)送系統(tǒng)推薦節(jié)目的可重編程序終端。

隨著時(shí)間的推移，用戶不再滿足于簡(jiǎn)單地實(shí)現(xiàn)電視節(jié)目推薦，其對(duì)于節(jié)目推薦的精確度、用戶滿意度等方面有了更高的要求。為了適應(yīng)用戶的需求，節(jié)目推薦領(lǐng)域的推薦算法逐步呈現(xiàn)出多元化發(fā)展的趨勢(shì)。在2000年提出的基礎(chǔ)專利中，節(jié)目推薦領(lǐng)域的推薦算法涵蓋了根據(jù)內(nèi)容和觀眾概況推薦節(jié)目的推薦算法、利用決策樹推薦電視節(jié)目的方法等方式。相應(yīng)地，涉及節(jié)目推薦算法的基礎(chǔ)專利EP00/09221在同期基礎(chǔ)專利中被引用的頻次較高。

在技術(shù)多元化發(fā)展的趨勢(shì)下，為兼顧多方面的需求，一個(gè)技術(shù)方案中往往會(huì)結(jié)合多種推薦算法的推薦系統(tǒng)。例如，2001年提出的基礎(chǔ)專利EP01/10337中融合了顯式觀眾偏愛和電視觀看行為組合(隱含偏愛)兩種推薦算法的方式，以便產(chǎn)生節(jié)目推薦。并且在2001年，用戶行為的推薦方法得到進(jìn)一步發(fā)展，出現(xiàn)了基于用戶心情（US09/718,260）、獲得聽覺和手勢(shì)反饋的推薦方法的基礎(chǔ)專利。2002年，節(jié)目推薦算法再次擴(kuò)展，出現(xiàn)了用于生成基于用戶偏好和環(huán)境特點(diǎn)的推薦的方法，并且出現(xiàn)了使用其他人的簡(jiǎn)檔的個(gè)人推薦器、基于選擇的第三方偏好來(lái)推薦感興趣項(xiàng)目的方法（US10/014,202），從而形成了基于用戶間的推薦算法的基礎(chǔ)專利。另外，節(jié)目推薦算法進(jìn)一步增加了基于用戶交互的推薦技術(shù)。在2003-2004年，節(jié)目推薦技術(shù)可謂百家爭(zhēng)鳴，PHILIPS、三星、松下、索尼等公司專利申請(qǐng)分布分散，但主要還是側(cè)重技術(shù)細(xì)節(jié)的改進(jìn)。2005年的基礎(chǔ)專利進(jìn)一步擴(kuò)展了節(jié)目推薦的手段，出現(xiàn)了通過(guò)移動(dòng)通信終端來(lái)推薦節(jié)目，并出現(xiàn)了獲取一個(gè)用戶群共同興趣度的方法（IB2006/050120），2006-2008年的基礎(chǔ)專利，則集中在進(jìn)一步擴(kuò)展推薦方式以及組合多種推薦算法。2011年至今，隨著智能電視、網(wǎng)絡(luò)電視的出現(xiàn)，出現(xiàn)了基于社交網(wǎng)絡(luò)信息、基于Web技術(shù)、分布云端以及搜索引擎相結(jié)合的節(jié)目推薦算法。

通過(guò)前期的技術(shù)演進(jìn)，節(jié)目推薦領(lǐng)域的推薦算法技術(shù)領(lǐng)域的技術(shù)發(fā)展由最初的新技術(shù)不斷涌現(xiàn)，已然演化為側(cè)重技術(shù)細(xì)節(jié)的改進(jìn)以及與網(wǎng)絡(luò)化相結(jié)合的發(fā)展路線。

3 電視節(jié)目推薦重要申請(qǐng)人的技術(shù)路線

由智能電視節(jié)目推薦技術(shù)的演進(jìn)路線可知，重要申請(qǐng)人按申請(qǐng)量大小排名依次為PHILIPS、索尼、三星等，其技術(shù)發(fā)展過(guò)程總結(jié)如下。

圖2 推薦算法技術(shù)演進(jìn)路線圖

以下為PHILIPS為例，介紹其技術(shù)發(fā)展路線，首先圖3示出了PHILIPS在節(jié)目推薦領(lǐng)域的各年份的專利申請(qǐng)量：

由上圖可以看出在1999年以前，PHILIPS公司在節(jié)目推薦方面的專利申請(qǐng)比較少，主要是集中在對(duì)視頻處理電子芯片等方面的研究。

在2000-2001年，PHILIPS公司的申請(qǐng)量出現(xiàn)了增長(zhǎng)態(tài)勢(shì)，這期間專利申請(qǐng)主要是對(duì)單用戶單一算法，主要包括基于用于根據(jù)內(nèi)容和觀眾概況推薦節(jié)目的電視系統(tǒng)、以及基于用戶觀看歷史等用戶行為的推薦算法系統(tǒng)，其中，為了推薦算法的準(zhǔn)確性，PHILIPS提出了通過(guò)結(jié)合多種推薦算法的單用戶組合算法。

為了迎合市場(chǎng)需求，增加用戶的體驗(yàn)與交互，PHIL? IPS對(duì)用戶行為分析做了更深入研究。在2001年下半年，提出了根據(jù)用戶的當(dāng)前心情產(chǎn)生推薦的方法和裝置（US09/718,260）、以及推薦系統(tǒng)中獲得聽覺和手勢(shì)反饋的方法，同時(shí)提出了用于采集媒體內(nèi)容收視率并有助于適應(yīng)內(nèi)容推薦器的用戶界面，進(jìn)一步增加用戶的互動(dòng)性。

在2002-2004年，PHILIPS從實(shí)用性的角度出發(fā)，提出了通過(guò)使用其他人的簡(jiǎn)檔來(lái)建立的個(gè)人推薦器、基于一個(gè)或多個(gè)第三方的推薦向用戶推薦感興趣項(xiàng)目的方法和設(shè)備，豐富了推薦的渠道，并在此基礎(chǔ)上，形成了基于用戶間的基礎(chǔ)專利，另外，在此基礎(chǔ)上，提出了成基于用戶偏好和環(huán)境特點(diǎn)的推薦的方法和裝置（US09/825,328）。

在2004-2008年，PHILIPS進(jìn)一步改進(jìn)了推薦算法的用戶交互性，提出了用于向用戶建議電視節(jié)目的方法以及設(shè)備通過(guò)接收用戶輸入和反饋更新用戶偏好，并進(jìn)一步提出了用戶群信息興趣度的概念（IB2006/050120），形成了社區(qū)網(wǎng)絡(luò)用戶群推薦的基礎(chǔ)專利。

圖3 PHILIPS節(jié)目推薦領(lǐng)域各年份專利申請(qǐng)量

在2009至今年，隨著社區(qū)網(wǎng)絡(luò)和移動(dòng)終端的飛速發(fā)展，PHILIPS在不斷更新節(jié)目推薦算法細(xì)節(jié)的同時(shí)，提出了結(jié)合社區(qū)及其家庭網(wǎng)絡(luò)的推薦算法，進(jìn)一步擴(kuò)充了推薦的廣度。

從PHILIPS的上述技術(shù)發(fā)展過(guò)程可以看出，PHILIPS在節(jié)目推薦的發(fā)展歷程中具有重要的地位，它的很多研究都致力于增加用戶的交互控制性，從而實(shí)現(xiàn)推薦算法的準(zhǔn)確性，從而更好的增加用戶的體驗(yàn)，特別是在增加用戶行為分析方面花費(fèi)了大量的研發(fā)投入［3］。

4 小結(jié)

根據(jù)以上分析，可以看出，目前基于用戶偏好的電視節(jié)目推薦算法的專利申請(qǐng)主要集中在國(guó)外企業(yè)，一些關(guān)鍵技術(shù)和核心專利主要集中在申請(qǐng)量較多的國(guó)外企業(yè)手中，但隨著社交網(wǎng)絡(luò)的發(fā)展，中國(guó)的專利申請(qǐng)也在逐漸增多。相信通過(guò)中國(guó)企業(yè)的自身技術(shù)研究的發(fā)展以及對(duì)于知識(shí)產(chǎn)權(quán)意識(shí)的提高，中國(guó)企業(yè)還是能夠在該領(lǐng)域?qū)＠暾?qǐng)方面獲得一席之地。

［1］於志文,周興社,谷建華,等.電視節(jié)目個(gè)性化技術(shù)的研究［J］.小型微型計(jì)算機(jī)系統(tǒng)，2005，26（1）：105-110.

［2］陳燕，黃迎燕，方建國(guó).專利信息采集與分析［M］.北京：清華大學(xué)出版社，2006.

［3］曹雷.面向?qū)＠麘?zhàn)略的專利信息分析研究［J］.科技管理研究，2005,25（3）:97-100.

Key Patent of TV Program Personal Recommendation Technology

Xu Qing
(Patent Examination Cooperation Center of the Patent Office,SIPO,Zhengzhou Henan 450002)

With the process of Smart TV,TV program personalized Recommendation Technology gradually is becom?ing more and more important,so it has been regarded as a key technology to meet the user requirement of the person?alized TV program.In view of TV program Personal Recommendation in the field of patent documents,technicalroute map is given,the distribution of applicant number in this field is given,and the important patents are analyzed.

intelligentize;program recommendation;personalization;user profile;feature representation

G222

A

1003-5168（2016）11-0073-04

2016-10-26

徐慶（1982－），男，碩士，工程師，專利審查員，研究方向：圖像編碼、電視技術(shù)等領(lǐng)域。