[发明专利]生成排序项目列表的方法和装置

说明书

技术领域

本发明涉及对项目进行自动排序，诸如由查询所产生的项目或由参数、字词或可进行比较的属性所表征的其它项目。

背景技术

用户可通过选择所谓的“种子”电视节目很容易地创建个人频道。系统将接下来搜索相似的电视节目，这些电视节目被自动添加到新创建的个人频道。此外，个人频道配备一推荐器系统，其随着时间的推移，通过分析显式或隐式的用户反馈来学习用户在该特定个人频道中欣赏什么样的电视节目。以这种方式，例如，用户能够容易地创建他的个人电影频道、他的个人综艺频道、他的个人卡通频道，等等。

近日，从例如YouTube观看在线视频已经成为看电视的热门替代。然而，这需要用户更加积极的态度，因为他通常必须输入文本查询以在这些视频库上搜索感兴趣的视频。可替代地，通过类别或最流行视频列表进行浏览可能不需要文本输入，但相应地不提供个性化的结果。

整合倚靠式电视观看体验和通过因特网视频进行浏览通常被看作是一个重要的挑战，而本发明有关实现这一挑战。

实现在其中用户可以同时享受电视节目和因特网视频的集成环境中的第一个重要步骤是通过在个人频道中提供与电视节目有关的因特网视频来实现的。为此，本发明人开发了一种方法，试图通过生成多个查询来找出与给定的电视节目有关的因特网视频。这些查询取决于电视节目的类型。例如，如果电视节目是电影，那么查询的目的是找出宣传片、对导演的采访、对主演的采访、删除的场景，等等。对于纪录片，查询的目的是找出关于同一主题的相关视频。使用在电视节目的元数据描述中可得的信息，如标题、类型、演员表等来生成这些查询。接下来将这些查询发送到在线视频库。接着，为不同的查询返回的结果被合并到结果的单一列表中，其中人们希望与给定的电视节目最相关的视频出现在该列表顶部。

为了确定因特网视频和电视节目之间的相关性，假定它们的描述将使用相似的字词。指定相关性的直接方法是测量所使用的字词的重叠程度，其中可以通过使用所谓的tf*idf方法[Salton&Buckley,1987年]来对字词进行加权。直接的方法是通过向量来表示每个电视节目p和因特网视频v，其中所述向量中的每个条目对应于可能出现在相应项目的描述中的字词并且其中所述条目的值由tf*idf权重给出。然后，p和v之间的相关性可通过这些向量之间的余弦进行量化。用于量化相关性的更高级的方法也是可能的，例如，使用潜在语义分析[Deerwester等人，1990年]。

在提出实际发明的细节之前，首先介绍一些符号。对于给定的参考（或种子）项目（例如电视节目p）和给定的进一步的项目（例如因特网视频v），令rel(v,p)∈[0,1]表示v和p之间的相关性。此外，对于给定的参考项目，例如电视节目p，令Q(p)={q₁,q₂,...,q_n}表示用于找出相关的进一步的项目(例如因特网视频)的一组查询。对于查询q_i=∈Q(p)，令表示由项目库(因特网视频库)在查询q_i上返回的一组结果。

现在，人们可以简单地通过R_total=R(q₁)∪R(q₂)∪...∪R(q_n)结合给出的所有结果，并通过减小与节目p的相关性来将其排序为最终结果的列表：f₁,f₂,...,f_N,其中

rel(f_i,p)≥rel(f_i+1,p)   对于i=1,...,N-1

发明内容

本发明的目的是提供改进的对排序列表的自动生成，其中项目顺序应当将最相关的或最感兴趣的项目放置在列表中第一的位置。