交互式网络协议电视的内容推送方法和装置

1.一种交互式网络协议电视的内容推送方法，其特征在于，包括以下步骤：
当用于交互式网络协议电视首页的内容推送时，
A、采集用户行为日志数据，进行分时特征识别，建立内容之间的行为相关性；所述内容之间的行为相关性，是指通过用户行为日志数据中的内容访问记录，在用户先后访问的相邻内容之间建立的相关性；
B、对具备分时特征的用户进行分时特征匹配推送；
C、采集不具备分时特征用户的用户属性数据，进行群体特征识别；
D、依据用户群体特征进行群体特征匹配推送；
当用于交互式网络协议电视内容播放过程中的实时推送时，
E、采集内容播放列表数据，提取内容播放的关键信息；
F、对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送；
当用于交互式网络协议电视的内容介绍页面或者播放完一个内容的终止页面进行内容推送时，
G、采集内容关键信息以及首次上映时间信息；
H、若当前播放内容的首次上映时间信息早于系统当前时间信息，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；
I、若当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。
2.一种交互式网络协议电视的内容推送方法，其特征在于，包括以下步骤：
A、采集用户行为日志数据，进行分时特征识别；
B、对具备分时特征的用户进行分时特征匹配推送；
C、采集不具备分时特征用户的用户属性数据，进行群体特征识别；
D、依据用户群体特征进行群体特征匹配推送；
其中，所述分时特征识别，包括根据用户行为日志数据统计用户在一天中各时间段观看各个类目内容的时间长度，得到在每一个时间段观看时间最长的偏好类目，再统计每天同一时间段的偏好类目的重合度，当所述重合度大于预设阈值时，将所述用户的ID、时间段和偏好类目作为用户的分时特征。
3.一种交互式网络协议电视的内容推送方法，其特征在于，包括以下步骤：
A、采集用户行为日志数据，进行分时特征识别；
B、采集不具备分时特征用户的用户属性数据，进行群体特征识别；
C、采集内容播放列表数据，提取内容播放的关键信息；
D、对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送。
4.一种交互式网络协议电视的内容推送方法，其特征在于，包括以下步骤：
A、采集用户行为日志数据，建立内容之间的行为相关性；所述内容之间的行为相关性，是指通过用户行为日志数据中的内容访问记录，在用户先后访问的相邻内容之间建立的相关性；
B、采集内容关键信息以及首次上映时间信息；
C、若当前播放内容的首次上映时间信息早于系统当前时间信息，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；
D、若当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。
5.根据权利要求1或3所述的交互式网络协议电视的内容推送方法，其特征在于，所述分时特征识别，包括根据用户行为日志数据统计用户在一天中各时间段观看各个类目内容的时间长度，得到在每一个时间段观看时间最长的偏好类目，再统计每天同一时间段的偏好类目的重合度，当所述重合度大于预设阈值时，将所述用户的ID、时间段和偏好类目作为用户的分时特征。
6.根据权利要求5所述的交互式网络协议电视的内容推送方法，其特征在于，所述群体特征识别，包括根据用户属性数据将具有相同偏好类目的用户划入一个群体，将所述用户的ID和偏好类目作为用户的群体特征。
7.根据权利要求1或3所述的交互式网络协议电视的内容推送方法，其特征在于，所述内容播放的关键信息，包括从所述内容播放列表数据中通过分词处理提取的播放时间、内容类目和名称。
8.根据权利要求1或4所述的交互式网络协议电视的内容推送方法，其特征在于，所述采集内容关键信息，包括通过对内容名称、内容介绍的文本分词、识别高频词、建立关键词库、提取内容名称及内容介绍的信息标签使得内容信息结构化；再通过文本矢量的夹角余弦算法，计算出内容之间的匹配度。
9.一种交互式网络协议电视的内容推送装置，其特征在于，包括分时特征识别模块、分时特征匹配模块、群体特征识别模块、群体特征匹配模块、实时播放信息提取模块、实时播放信息匹配模块、内容信息采集模块、行为匹配模块和内容匹配模块，其中，当用于交互式网络协议电视首页的内容推送时，
分时特征识别模块，用于采集用户行为日志数据，进行分时特征识别，建立内容之间的行为相关性；所述内容之间的行为相关性，是指通过用户行为日志数据中的内容访问记录，在用户先后访问的相邻内容之间建立的相关性；
分时特征匹配模块，用于对具备分时特征的用户进行分时特征匹配推送；
群体特征识别模块，用于采集不具备分时特征用户的用户属性数据，进行群体特征识别；
群体特征匹配模块，用于依据用户群体特征进行群体特征匹配推送；
当用于交互式网络协议电视内容播放过程中的实时推送时，
实时播放信息提取模块，用于采集内容播放列表数据，提取内容播放的关键信息；
实时播放信息匹配模块，用于对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送；
当用于交互式网络协议电视的内容介绍页面或者播放完一个内容的终止页面进行内容推送时，
内容信息采集模块，用于采集内容关键信息以及首次上映时间信息；
行为匹配模块，用于当前播放内容的首次上映时间信息早于系统当前时间信息时，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；
内容匹配模块，用于当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。

交互式网络协议电视的内容推送方法和装置\n技术领域\n[0001] 本发明涉及网络协议电视技术领域，尤其涉及一种交互式网络协议电视的内容推送方法和装置。\n背景技术\n[0002] IPTV即交互式网络协议电视，是一种利用宽带有线电视网，集互联网、多媒体、通讯等多种技术于一体；向家庭用户提供包括数字电视在内的多种交互式服务的技术。它能够很好地适应当今网络飞速发展的趋势，充分有效地利用网络资源。IPTV的主要优点表现在：用户可有极为广泛的自由度选择宽带IP网上各网站提供的视频内容，并实现媒体提供者和媒体消费者的实质性互动。\n[0003] 个性化推送指通过智能推送算法，利用推送引擎系统在合适的场景、合适的时机，以合适的方式为用户提供适合用户个性化需求与兴趣的合适的内容。然而传统的个性化推送算法技术应用于IPTV的推送时会遇到一些问题，如传统的推送算法是基于单个用户行为分析的；而IPTV的行为对象是以家庭为单位的，常是多个个体行为的。传统的推送算法推送的内容往往是一种类型的，如电子商务推送的就是商品，用户在不同商品上表现出的行为特征并无显著差异。然而，IPTV推送的内容是多种类型的，有电影，有电视剧；而且即使都是电视内容，综艺内容、故事片、体育赛事等，或者最新上线的与往期的电视剧，用户表现出来的行为都是有明显差异性的。\n发明内容\n[0004] 本发明的目的在于提出一种交互式网络协议电视的内容推送方法和装置，能显著提升IPTV推送的精准性，提升用户体验，并能提升推送系统的响应实时性。\n[0005] 为达此目的，本发明采用以下技术方案：\n[0006] 一种交互式网络协议电视的内容推送方法，包括以下步骤：\n[0007] A、采集用户行为日志数据，进行分时特征识别，建立内容之间的行为相关性；\n[0008] B、对具备分时特征的用户进行分时特征匹配推送；\n[0009] C、采集不具备分时特征用户的用户属性数据，进行群体特征识别；\n[0010] D、依据用户群体特征进行群体特征匹配推送；\n[0011] E、采集内容播放列表数据，提取内容播放的关键信息；\n[0012] F、对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送；\n[0013] G、采集内容关键信息以及首次上映时间信息；\n[0014] H、若当前播放内容的首次上映时间信息早于系统当前时间信息，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；\n[0015] I、若当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。\n[0016] 一种交互式网络协议电视的内容推送方法，包括以下步骤：\n[0017] A、采集用户行为日志数据，进行分时特征识别；\n[0018] B、对具备分时特征的用户进行分时特征匹配推送；\n[0019] C、采集不具备分时特征用户的用户属性数据，进行群体特征识别；\n[0020] D、依据用户群体特征进行群体特征匹配推送。\n[0021] 一种交互式网络协议电视的内容推送方法，包括以下步骤：\n[0022] A、采集用户行为日志数据，进行分时特征识别；\n[0023] B、采集不具备分时特征用户的用户属性数据，进行群体特征识别；\n[0024] C、采集内容播放列表数据，提取内容播放的关键信息；\n[0025] D、对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送。\n[0026] 一种交互式网络协议电视的内容推送方法，包括以下步骤：\n[0027] A、采集用户行为日志数据，建立内容之间的行为相关性；\n[0028] B、采集内容关键信息以及首次上映时间信息；\n[0029] C、若当前播放内容的首次上映时间信息早于系统当前时间信息，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；\n[0030] D、若当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。\n[0031] 所述分时特征识别，包括根据用户行为日志数据统计用户在一天中各时间段观看各个类目内容的时间长度，得到在每一个时间段观看时间最长的偏好类目，再统计每天同一时间段的偏好类目的重合度，当所述重合度大于预设阈值时，将所述用户的ID、时间段和偏好类目作为用户的分时特征。\n[0032] 所述群体特征识别，包括根据用户属性数据将具有相同偏好类目的用户划入一个群体，将所述用户的ID和偏好类目作为用户的群体特征。\n[0033] 所述内容播放的关键信息，包括从所述内容播放列表数据中通过分词处理提取的播放时间、内容类目和名称。\n[0034] 所述内容之间的行为相关性，是指通过用户行为日志数据中的内容访问记录，在用户先后访问的相邻内容之间建立的相关性。\n[0035] 所述采集内容关键信息，包括通过对内容名称、内容介绍的文本分词、识别高频词、建立关键词库、提取内容名称及内容介绍的信息标签使得内容信息结构化；再通过文本矢量的夹角余弦算法，计算出内容之间的匹配度。\n[0036] 一种交互式网络协议电视的内容推送装置，包括分时特征识别模块、分时特征匹配模块、群体特征识别模块、群体特征匹配模块、实时播放信息提取模块、实时播放信息匹配模块、内容信息采集模块、行为匹配模块和内容匹配模块，其中，\n[0037] 分时特征识别模块，用于采集用户行为日志数据，进行分时特征识别，建立内容之间的行为相关性；\n[0038] 分时特征匹配模块，用于对具备分时特征的用户进行分时特征匹配推送；\n[0039] 群体特征识别模块，用于采集不具备分时特征用户的用户属性数据，进行群体特征识别；\n[0040] 群体特征匹配模块，用于依据用户群体特征进行群体特征匹配推送；\n[0041] 实时播放信息提取模块，用于采集内容播放列表数据，提取内容播放的关键信息；\n[0042] 实时播放信息匹配模块，用于对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送；\n[0043] 内容信息采集模块，用于采集内容关键信息以及首次上映时间信息；\n[0044] 行为匹配模块，用于当前播放内容的首次上映时间信息早于系统当前时间信息时，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；\n[0045] 内容匹配模块，用于当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。\n[0046] 一种交互式网络协议电视的内容推送装置，包括分时特征识别模块、分时特征匹配模块、群体特征识别模块、群体特征匹配模块，其中，\n[0047] 分时特征识别模块，用于采集用户行为日志数据，进行分时特征识别；\n[0048] 分时特征匹配模块，用于对具备分时特征的用户进行分时特征匹配推送；\n[0049] 群体特征识别模块，用于采集不具备分时特征用户的用户属性数据，进行群体特征识别；\n[0050] 群体特征匹配模块，用于依据用户群体特征进行群体特征匹配推送。\n[0051] 一种交互式网络协议电视的内容推送装置，包括分时特征识别模块，群体特征识别模块，实时播放信息提取模块，实时播放信息匹配模块，其中，\n[0052] 分时特征识别模块，用于采集用户行为日志数据，进行分时特征识别；\n[0053] 群体特征识别模块，用于采集不具备分时特征用户的用户属性数据，进行群体特征识别；\n[0054] 实时播放信息提取模块，用于采集内容播放列表数据，提取内容播放的关键信息；\n[0055] 实时播放信息匹配模块，用于对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送。\n[0056] 一种交互式网络协议电视的内容推送装置，包括分时特征识别模块，内容信息采集模块，行为匹配模块，内容匹配模块，其中，\n[0057] 分时特征识别模块，用于采集用户行为日志数据，建立内容之间的行为相关性；\n[0058] 内容信息采集模块，用于采集内容关键信息以及首次上映时间信息；\n[0059] 行为匹配模块，用于当前播放内容的首次上映时间信息早于系统当前时间信息时，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；\n[0060] 内容匹配模块，用于当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。\n[0061] 所述分时特征识别模块，根据用户行为日志数据统计用户在一天中各时间段观看各个类目内容的时间长度，得到在每一个时间段观看时间最长的偏好类目，再统计每天同一时间段的偏好类目的重合度，当所述重合度大于预设阈值时，将所述用户的ID、时间段和偏好类目作为用户的分时特征。\n[0062] 所述群体特征识别模块，根据用户属性数据将具有相同偏好类目的用户划入一个群体，将所述用户的ID和偏好类目作为用户的群体特征。\n[0063] 所述内容播放的关键信息，包括从所述内容播放列表数据中通过分词处理提取的播放时间、内容类目和名称。\n[0064] 所述内容之间的行为相关性，是指通过用户行为日志数据中的内容访问记录，在用户先后访问的相邻内容之间建立的相关性。\n[0065] 所述内容信息采集模块，通过对内容名称、内容介绍的文本分词、识别高频词、建立关键词库、提取内容名称及内容介绍的信息标签使得内容信息结构化；再通过文本矢量的夹角余弦算法，计算出内容之间的匹配度。\n[0066] 采用本发明的技术方案，能显著提升IPTV推送的精准性，提升用户体验，并能提升推送系统的响应实时性，极大地减少用户频繁搜索、查找内容的动作。\n附图说明\n[0067] 图1是本发明具体实施方式1提供的交互式网络协议电视的内容推送方法的流程示意图。\n[0068] 图2是本发明具体实施方式1提供的交互式网络协议电视的内容推送装置的结构示意图。\n[0069] 图3是本发明具体实施方式2提供的交互式网络协议电视的内容推送方法的流程示意图。\n[0070] 图4是本发明具体实施方式2提供的交互式网络协议电视的内容推送装置的结构示意图。\n[0071] 图5是本发明具体实施方式3提供的交互式网络协议电视的内容推送方法的流程示意图。\n[0072] 图6是本发明具体实施方式3提供的交互式网络协议电视的内容推送装置的结构示意图。\n具体实施方式\n[0073] 下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。\n[0074] 图1是本发明具体实施方式1提供的交互式网络协议电视的内容推送方法的流程示意图。该方法用于交互式网络协议电视首页的内容推送，如图1所示，该方法包括以下步骤：\n[0075] 步骤S101，采集用户行为日志数据，进行分时特征识别。\n[0076] 将用户行为数据导入算法数据库，IPTV系统会采集用户行为日志数据，如用户历史访问的内容、访问次数、访问时间段、访问时间长度等数据。这些数据能帮助我们对用户进行深入的分析。\n[0077] 所述分时特征识别，包括根据用户行为日志数据统计用户在一天中各时间段观看各个类目内容的时间长度，得到在每一个时间段观看时间最长的偏好类目，再统计每天同一时间段的偏好类目的重合度，当所述重合度大于预设阈值时，将所述用户的ID、时间段和偏好类目作为用户的分时特征。\n[0078] 例如，我们将时间段分为工作日5：30-17：30、17：30-20：00、20：00-22：30、22：\n30-5：30、节假日等这5类值，分别统计每一个用户在各时间段观看各个类目电视的时间长度，得到在每一个时间段观看时间最长的类目，称为这一时段的偏好类目。如果每天同一时间段的偏好类目有极大的重合度，比如重合度≥70%，即一个月30天内有21天在同一时段偏好的内容类目相同，则称这一用户有分时特征。\n[0079] 步骤S102，对具备分时特征的用户进行分时特征匹配推送。对于有分时特性的用户，我们以“用户ID，时间段，偏好类目/关键词”来标识该用户在某一时间段感兴趣的内容类目及内容关键词，在IPTV首页推送时，在相应的时间段即可向用户推送偏好类目或偏好关键词相匹配的最新内容。\n[0080] 步骤S103，采集不具备分时特征用户的用户属性数据，进行群体特征识别。\n[0081] 对于没有分时偏好的用户，需要基于群体偏好的算法进行首页内容的推送。将用户属性数据导入算法数据库，用户在购买IPTV服务时会填写一些个人信息，如性别、年龄、居住地址等。这些信息数据能帮助我们对用户群进行细分。\n[0082] 基于用户属性数据以及用户行为日志数据，我们可以对用户进行细分。由于以上采集的行为数据，往往反映的是一个家庭的观看行为。因此，基于以上数据对用户的细分，实际上是对以家庭为单位的用户细分。当然，这里面也可能包括一些家庭只有一个用户成员。首先，我们将用户细分依据的字段离散化，所述字段包括：\n[0083] 性别：男，女；\n[0084] 年龄取年龄段：25岁以下，26-35，36-45，46-55，56-65，65岁以上；\n[0085] 地址：粒度只要细到小区；\n[0086] 偏好类目：取访问时间最长的三类内容的类目名称；\n[0087] 平均每天观看内容的小时数：取整数；\n[0088] 平均每个月观看内容的天数。\n[0089] 基于以上字段数据的值的组合就可以将用户细分成不同的群体。对每个细分群体，我们可用“用户群ID，偏好类目/关键词”来标识该细分群体的兴趣偏好特性，即所述群体特征。\n[0090] 步骤S104，依据用户群体特征进行群体特征匹配推送。我们认为落到同一细分群体的用户具有相同的群体特征，就可以将同一群体内其它用户当前关注较多的内容向群体内的用户推送。\n[0091] 相应的，本发明具体实施方式1提供了一种交互式网络协议电视的内容推送装置，如图2所示，该装置包括分时特征识别模块201、分时特征匹配模块202、群体特征识别模块203、群体特征匹配模块204，其中，\n[0092] 分时特征识别模块201，用于采集用户行为日志数据，进行分时特征识别；\n[0093] 分时特征匹配模块202，用于对具备分时特征的用户进行分时特征匹配推送；\n[0094] 群体特征识别模块203，用于采集不具备分时特征用户的用户属性数据，进行群体特征识别；\n[0095] 群体特征匹配模块204，用于依据用户群体特征进行群体特征匹配推送。\n[0096] 所述分时特征识别模块201，根据用户行为日志数据统计用户在一天中各时间段观看各个类目内容的时间长度，得到在每一个时间段观看时间最长的偏好类目，再统计每天同一时间段的偏好类目的重合度，当所述重合度大于预设阈值时，将所述用户的ID、时间段和偏好类目作为用户的分时特征。\n[0097] 所述群体特征识别模块203，根据用户属性数据将具有相同偏好类目的用户划入一个群体，将所述用户的ID和偏好类目作为用户的群体特征。\n[0098] 图3是本发明具体实施方式2提供的交互式网络协议电视的内容推送方法的流程示意图。该方法用于交互式网络协议电视内容播放过程中的实时推送，主要实现对当前正在播放或下一时间段即将播放的内容的实时推送。用户在观看当前内容时，经常会反复切换频道，目的在于找到当前在播放的内容中自己最感兴趣的内容，内容实时推送能从当前在播放的全部内容中根据用户分时特征或群体特征筛选出用户最可能感兴趣的内容推送给用户，减去用户反复切换频道搜寻的麻烦。如图3所示，该方法包括以下步骤：\n[0099] 步骤S301，与具体实施方式1中步骤S101相同。\n[0100] 步骤S302，与具体实施方式1中步骤S103相同。\n[0101] 步骤S303，采集内容播放列表数据，提取内容播放的关键信息。\n[0102] 内容播放列表文本文件实时采集传入，对当前正在播放及计划播放的内容列表可直接通过文本文件方式采集获得，不需要加载进数据库，以缩短文件传送处理时间。内容列表中包括：电视频道、播放时间、播放内容类别、内容名称等。在具体实际实施时，由于电视内容的播放计划一般会提前制订，因此也可每天采集传送一次当天的电视内容播放列表。\n[0103] 对输入的内容播放列表文本，直接进行实时分词处理，提取出内容播放的关键信息，包括从所述内容播放列表数据中通过分词处理提取的播放时间、内容类目和名称。\n[0104] 步骤S304，对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送。\n[0105] 通过与当前时间，以及当前正在播放的内容的类目/关键词进行匹配，可以过滤出与用户分时特征或群体特征相匹配的当前正在播放或下一时段即将播放的全部内容。\n[0106] 在当前内容的播放过程中，展示以上匹配的当前正在播放或下一时段即将播放的与用户分时特征或群体特征最相符的内容列表，方便用户快速定位感兴趣的电视内容，不用人工在各频道间反复挑选。\n[0107] 相应的，本发明具体实施方式2提供了一种交互式网络协议电视的内容推送装置，如图4所示，该装置包括分时特征识别模块401，群体特征识别模块402，实时播放信息提取模块403，实时播放信息匹配模块404，其中，\n[0108] 分时特征识别模块401，与具体实施方式1中的分时特征识别模块201相同。\n[0109] 群体特征识别模块402，与具体实施方式1中的群体特征识别模块202相同。\n[0110] 实时播放信息提取模块403，用于采集内容播放列表数据，提取内容播放的关键信息；\n[0111] 实时播放信息匹配模块404，用于对内容播放的关键信息与分时特征和/或群体特征进行匹配，将匹配后的内容播放列表进行推送。\n[0112] 所述内容播放的关键信息，包括从所述内容播放列表数据中通过分词处理提取的播放时间、内容类目和名称。\n[0113] 图5是本发明具体实施方式3提供的交互式网络协议电视的内容推送方法的流程示意图。该方法用于交互式网络协议电视的内容介绍页面或播放完一个内容的终止页面进行内容推送，在内容介绍页面推送与当前内容匹配相似的内容，帮助用户发现更多感兴趣的同类内容；在剧终页面，推送其它用户在看完该内容前后还看过的其它内容，帮助用户便利的继续获得感兴趣的内容进行观看，从而不用返回菜单再去寻找。如图5所示，该方法包括以下步骤：\n[0114] 步骤S501，采集用户行为日志数据，建立内容之间的行为相关性。所述内容之间的行为相关性，是指通过用户行为日志数据中的内容访问记录，在用户先后访问的相邻内容之间建立的相关性。\n[0115] 通过用户访问记录中的行为关系建立内容之间的行为相关性。常用协同过滤的算法得到内容之间的行为相关性。比如，多个用户（达到一定预设数量的用户）在观看了A内容前后也观看了B内容，则认为A、B内容之间具有行为相关性。\n[0116] 步骤S502，采集内容关键信息以及首次上映时间信息。所述采集内容关键信息，包括通过对内容名称、内容介绍的文本分词、识别高频词、建立关键词库、提取内容名称及内容介绍的信息标签使得内容信息结构化；再通过文本矢量的夹角余弦算法，计算出内容之间的匹配度。\n[0117] 步骤S503，若当前播放内容的首次上映时间信息早于系统当前时间信息，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容。如在A、B内容之间具有所述行为相关性，这样当用户看完A内容后，则可以向其推送B内容。\n[0118] 步骤S504，若当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。利用步骤S502中解析出的内容的信息字段及信息标签，通过文本相似性比较算法，常用的是文本矢量的夹角余弦算法，可以计算出与各内容匹配相似的其它的内容，并可以计算内容之间的匹配度。我们按匹配度从高到低进行排序，得到最匹配相似的内容列表，进行内容匹配推送。\n[0119] 相应的，本发明具体实施方式3提供了一种交互式网络协议电视的内容推送装置，如图6所示，该装置包括分时特征识别模块601，内容信息采集模块602，行为匹配模块\n603和内容匹配模块604，其中\n[0120] 分时特征识别模块601，用于采集用户行为日志数据，建立内容之间的行为相关性；\n[0121] 内容信息采集模块602，用于采集内容关键信息以及首次上映时间信息；\n[0122] 行为匹配模块603，用于当前播放内容的首次上映时间信息早于系统当前时间信息时，根据内容之间的行为相关性，推送与所述当前播放内容具备行为相关性的内容；\n[0123] 内容匹配模块604，用于当前播放内容的首次上映时间信息晚于或等于系统当前时间信息，根据所述内容关键信息计算内容之间的匹配度，生成内容匹配列表进行推送。\n[0124] 所述内容之间的行为相关性，是指通过用户行为日志数据中的内容访问记录，在用户先后访问的相邻内容之间建立的相关性。\n[0125] 所述内容信息采集模块602，通过对内容名称、内容介绍的文本分词、识别高频词、建立关键词库、提取内容名称及内容介绍的信息标签使得内容信息结构化；再通过文本矢量的夹角，余弦算法，计算出内容之间的匹配度。\n[0126] 另外需要说明的是，以上三种具体实施方式提供的交互式网络协议电视的内容推送方法，可共同应用于同一网络协议电视系统之中，即在该网络协议电视系统的首页上、内容播放的过程中以及在播放内容开始或结束的页面中都可以进行内容推送，该系统同时具备首页推送功能、内容播放过程中的实时内容推送功能和内容播放开始或结束时的匹配内容推送功能。相应的，运行该交互式网络协议电视系统的推送装置也同时具备实现上述三种推送方法的功能模块。\n[0127] 采用本发明的技术方案，能显著提升IPTV推送的精准性，提升用户体验，并能提升推送系统的响应实时性，极大地减少用户频繁搜索、查找内容的动作。\n[0128] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。