融合人工智能的语义搜索和智能推荐引擎 智能电视项目介绍.pptVIP

机密 项目介绍 融合人工智能的语义搜索和智能推荐引擎 项目投资要点总结 项目亮点 基于统计分析、数据挖掘、文本挖掘、语义分析的理论和技术，云计算技术和大数据技术支持 通过融合人工智能技术，准确理解用户自然语音输入的意图，实时转换为业务调用指令，同时配合智能推荐引擎向用户推荐相关联的的智能电视节目和应用； 通过为互联网电视用户提供语义搜索和个性化的智能推荐服务，提升推荐结果的准确性，使搜索结果的呈现更符合用户的需求，具体对广告业务的支持在于使广告具备自适应能力（更适合用户的使用场景和收视内容的语义场景） 通过融合人工智能、自然语言处理技术，使传统推荐系统具备上下文情境感知的能力；通过对接智能电视其他业务系统，形成跨业务系统的推荐能力（不仅仅是影视类，扩展到其他所有相关业务，使各项业务具备语义关联的能力） 语义搜索和智能推荐的引入，将使智能电视的广告业务平台更智能化，更贴合用户的使用状况和当时的需求，如果能够跨多家智能电视厂商的终端设备，有助于打破各家终端的信息孤岛，成为有价值的个性化广告平台； 项目团队介绍 李佳博士，智能推荐系统专业人士 目前推荐系统在智能电视领域的应用主要存在着推荐不准、数据维度单一（历史行为数据）、数据不充分等问题，影响了智能推荐的效果和用户体验 数据维度单一： 1.目前智能电视相关的推荐主要是基于用户的历史行为数据 2.历史数据并不能真实反映用户当前的兴趣 3.视频内容网站、集成播控平台实际上线内容不够 4.用户属性静态数据缺乏、动态数据（如：用户当下的选择倾向性） 数据不充分 数据稀疏问题在智能电视应用环境下尤为严重 激活用户数量少 实际使用在线视频用户数量少 点播环境下并没有用户账号系统，初始数据量不充分 实际推荐效果和用户体验不佳 下一代智能推荐引擎应具备多功能、跨业务系统、智能感知上下文情境等能力，从内容和用户两方面具备个性化和自适应的能力 Digitalsmiths公司的无缝推荐引擎 对内容而言，该引擎已经具备基于场景的元数据标注 对于用户而言，该引擎具备根据用户心境（通过对评论中情感词分布频次的统计分析）来实现推荐 同时也引入社交网络的数据，通过social rating来向用户推荐 统一内容相关数据和用户行为态度数据 社交电视应用Zeebox的用户数据分析 When watching the show? Engagement by minute and total reach What topics engaged? And failed to engage? Most popular topics Where did they come from and go to? Who visited? Who engaged? ? zeebox segments ? age ? gender ? age-gender ? genre? location 时间序列分析 推特主题分析 传播路径分析 用户属性分析 针对当前问题和未来演进方向，项目系统平台从系统架构、功能模块和研发路径上逐步提升推荐系统、搜索系统的适用性 搜索引擎 推荐引擎 精准广告投放引擎 统计分析 数据挖掘 文本挖掘 中文自然语言处理 XX将产品“模块化”，卖家既可以根据自身需求购买单个模块，也可以将不同的模块组成套件使用。 XX还可以根据卖家所处行业特点和自身需求提供定制化的解决方案。 功能模块 技术基础 集成了语义相似度、基于Item的增量协同过滤推荐，基于item的协同过滤整体计算（云计算版本） 基于用户的增量协同过滤推荐，基于用户的协同过滤整体计算（云计算版本） 基于语义相似度的个性化推荐 基于内容的个性化推荐（云计算版本） 语义相似度计算，包括中文分词、自动关键词提取及其维护工具、节目相似度计算，其中关键词提取和节目相似度计算实现了“云计算”版本； 项目对用户而言可以便利交互方式，提供符合用户需求和意图的信息，同时对运营商而言可以 便利用户操作，改进人机交互 兴趣图谱的引入使推荐基于用户的动态行为建模，更适应当前用户的需求 运营商可以实时捕捉用户的行为倾向，提供完全自适应的个性化服务 内容理解的粒度更细，可以发现用户真实的兴趣点而不只是简单的行为数据的统计 用户角度 运营商角度 通过与人工智能技术整合，在简化用户输入方式的同时能提供更好的适配结果，从而提升用户体验，人工智能技术是后续智能推荐和精准广告的基础 通过引入人工智能引擎可以改善智能电视人机交互操作不便的弱点，也同时为深化智能电视应用的“智能化”开拓空间。 产品及技术特点：语音识别、自然语言处理和理解、知识库建立、意图推理 产品形态和盈利模式： 通过提供API接口、SDK开发包面向第三方开发者开发应用 通过智能引擎增强推荐系统的易用性 灵云