[发明专利]多用户的电视配置信息设置方法、系统及云端服务器有效

专利信息
申请号: 201610270683.1 申请日: 2016-04-27
公开(公告)号: CN105791913A 公开(公告)日: 2016-07-20
发明(设计)人: 王宝云;于芝涛 申请(专利权)人: 青岛海信传媒网络技术有限公司
主分类号: H04N21/258 分类号: H04N21/258;H04N21/45;H04N21/475;H04N21/485;H04L29/08
代理公司: 北京市立方律师事务所 11330 代理人: 廖娟;张筱宁
地址: 266100 山东省青*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 多用户 电视 配置 信息 设置 方法 系统 云端 服务器
【权利要求书】:

1.一种多用户的电视配置信息设置方法,其特征在于,包括:

接收电视设备的设备特征信息和用户的待分类的行为数据;

从所述待分类的行为数据中提取出待分类的行为特征信息;确定出与 所述设备特征信息对应的预先训练的用户分类模型;基于所述用户分类模 型确定出与所述待分类的行为特征信息对应的用户类别;

确定出与所述用户类别对应的预设的电视配置信息后向所述电视设 备下发,使得所述电视设备根据接收的电视配置信息进行设置。

2.根据权利要求1所述的方法,其特征在于,所述用户分类模型是 通过下述方法预先训练得到的:

预先获取所述电视设备的设备特征信息和多个行为数据;

对于预先获取的每个行为数据,从该行为数据中提取出行为特征信息 作为样本输入信息,并为该行为特征信息设置期望的用户类别作为样本输 出信息,得到样本集;

利用神经网络学习算法对所述样本集进行训练,得到多个用户类别及 各自对应的行为特征信息,作为所述设备特征信息对应的用户分类模型。

3.根据权利要求2所述的方法,其特征在于,还包括:

将所述待分类的行为特征信息及其对应的用户类别,分别作为新增的 样本输入、输出信息,更新所述样本集;

利用神经网络学习算法对更新的样本集进行训练,得到所述设备特征 信息对应的更新的用户分类模型。

4.一种多用户的电视配置信息设置方法,其特征在于,包括:

检测到本电视设备开机或者脱离休眠后,采集用户的待分类的行为数 据,并与本电视设备的设备特征信息一起上传;

接收所述电视设备的设备特征信息和用户的待分类的行为数据后,从 所述待分类的行为数据中提取出待分类的行为特征信息;确定出与所述设 备特征信息对应的预先训练的用户分类模型;基于所述用户分类模型确定 出与所述待分类的行为特征信息对应的用户类别;确定出与所述用户类别 对应的预设的电视配置信息后下发;

根据接收的电视配置信息进行设置。

5.根据权利要求4所述的方法,其特征在于,所述根据接收的电视 配置信息进行设置,具体包括:

根据接收的所述用户类别对应的电视配置信息,设置本电视设备中的 下述至少一项:交互界面、节目类型、节目播放时长、节目退出时刻、应 用类型、应用使用时长、应用退出时刻、视频配置、音频配置、网络配置。

6.一种云端服务器,其特征在于,包括:

数据接收模块,用于接收电视设备的设备特征信息和用户的待分类的 行为数据;

用户类别确定模块,用于从所述待分类的行为数据中提取出待分类的 行为特征信息;确定出与所述设备特征信息对应的预先训练的用户分类模 型;基于所述用户分类模型确定出与所述待分类的行为特征信息对应的用 户类别;

电视配置信息下发模块,用于确定出与所述用户类别对应的预设的电 视配置信息后向所述电视设备下发,使得所述电视设备根据接收的电视配 置信息进行设置。

7.根据权利要求6所述的云端服务器,其特征在于,还包括:用户 分类模型训练模块;以及

所述数据接收模块还用于预先获取所述电视设备的设备特征信息和 多个行为数据;

所述用户分类模型训练模块用于对于预先获取的每个行为数据,从该 行为数据中提取出行为特征信息作为样本输入信息,并为该行为特征信息 设置期望的用户类别作为样本输出信息,得到样本集;利用神经网络学习 算法对所述样本集进行训练,得到多个用户类别及各自对应的行为特征信 息,作为所述设备特征信息对应的用户分类模型。

8.根据权利要求7所述的云端服务器,其特征在于,

所述用户分类模型训练模块还用于将所述待分类的行为特征信息及 其对应的用户类别,分别作为新增的样本输入、输出信息,更新所述样本 集;利用神经网络学习算法对更新的样本集进行训练,得到所述设备特征 信息对应的更新的用户分类模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛海信传媒网络技术有限公司,未经青岛海信传媒网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610270683.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top