Sistema de recomendación automatizado, que comprende: un procesador (240) conectado para recibir datos de recursos que definen recursos disponibles y al menos dos conjuntos de datos (315,

325, 330) de perfil, que definen cada uno preferencias de usuario con respecto a dichos recursos; derivándose cada uno de dichos conjuntos de datos (315, 325, 330) de perfil a partir de una clase diferente de interacción de dicho usuario con una parte de dichos datos de recursos y pudiendo usarse para predecir la deseabilidad de un recurso dado basándose en dicho cada uno de dichos conjuntos; caracterizado porque dicho procesador (240) está adaptado para generar una suma ponderada de correspondientes registros a partir de cada uno de dichos conjuntos para generar un único conjunto combinado de datos de perfil

ANTECEDENTES DE LA INVENCIÓN

La presente invención se refiere a sistemas que emplean guías de programación electrónicas (EPG) para ayudar a los usuarios de medios a gestionar un gran número de opciones de contenido de medios, por ejemplo, programación 5 de televisión, salas de chat, archivos de medios de vídeo bajo demanda, audio, etc. Más específicamente, la invención se refiere a sistemas tales que proporcionan “inteligencia”, tal como una capacidad de sugerir opciones y una capacidad de emprender acciones, por ejemplo grabar un programa en nombre del usuario basándose en las preferencias del usuario.

Un elemento común entre los sistemas de guía de programación electrónica (EPG) convencionales es su capacidad 10 para mostrar listados de programas para muchos canales disponibles. Los listados pueden generarse localmente y mostrarse de manera interactiva. Los listados se disponen habitualmente en una parrilla, representando cada fila un canal de difusión o por cable particular, tal como ABC, PBS o ESPN, y representando cada columna de la parrilla una franja horaria particular, tal como desde 4:00 p.m. hasta 4:30 p.m. Pueden visualizarse múltiples filas y múltiples columnas en la pantalla simultáneamente. Los diversos programas o emisiones planificados se disponen en las filas 15 y columnas, indicando los canales y horas en los que pueden encontrarse. Es posible desplazar la parrilla verticalmente de modo que un espectador pueda hacer un barrido por diferentes canales en un intervalo de tiempo dado. También es posible desplazar la parrilla horizontalmente (a modo panorámico) para cambiar el intervalo de tiempo mostrado.

Los datos relativos a programas disponibles pueden recibirse por un sistema por cable o línea de teléfono como un 20 conjunto de registros de datos. Cada programa disponible puede tener un único registro de datos correspondiente que contenga información sobre el programa tal como su canal, sus horas de inicio y final, su título, nombres de actores protagonistas, si tiene disponibles subtitulado oculto y sonido estéreo, y tal vez una breve descripción del programa. No es difícil formatear una parrilla tal como la que se ha descrito anteriormente a partir de estos tipos de registros de datos. Los datos que abarcan un periodo (por ejemplo, dos semanas) normalmente se formatean una 25 vez en el servidor (por ejemplo, el extremo delantero del sistema por cable) y se difunden de manera repetida y continua a los hogares a los que da servicio el sistema por cable. Alternativamente, los datos pueden descargarse a través de una línea de teléfono, u otra red, ya sea bajo demanda o según una planificación predeterminada.

Un sistema de EPG puede ejecutarse en un dispositivo con una interfaz de usuario (en lo sucesivo en el presente documento “dispositivo de interfaz de usuario”), que puede ser un módulo decodificador (STB), un ordenador de 30 propósito general, un sistema incrustado, un controlador dentro de la televisión, o el servidor de una red de comunicaciones o servidor de Internet. El dispositivo de interfaz de usuario está conectado a la televisión para generar visualizaciones y recibir entradas del usuario. Cuando se desplaza hacia una nueva columna o fila, el dispositivo de interfaz de usuario puede recuperar la información apropiada de una base de datos almacenada (en el dispositivo de interfaz de usuario o en otra parte) relativa a la información de programación que debe presentarse 35 para la nueva fila o columna. Por ejemplo, cuando se desplaza hacia una nueva columna, tienen que mostrarse los programas que entran dentro de una nueva franja horaria.

Las guías de programación electrónicas (EPG) prometen hacer más manejable la tarea de elegir entre las miles de opciones de visionado de la televisión y otros medios. Una aplicación interactiva de las EPG construye una base de datos de preferencias de usuario y usa los datos de preferencias para realizar sugerencias, filtrar información de 40 programación actual o futura para simplificar el trabajo de elegir, o incluso realizar elecciones en nombre del usuario. Por ejemplo, el sistema puede grabar un programa sin una petición específica por parte del usuario o resaltar las opciones que recomienda.

Un primer tipo de dispositivo para construir la base de datos de preferencias es uno pasivo desde el punto de vista del usuario. El usuario se limita a realizar elecciones de la manera normal a partir de datos de EPG sin procesar y el 45 sistema construye gradualmente una base de datos de preferencias personal extrayendo un modelo del comportamiento del usuario a partir de las elecciones. Después usa el modelo para hacer predicciones sobre lo que el usuario preferirá ver en el futuro. Este proceso de extracción puede seguir sencillos algoritmos, tales como identificar favoritos evidentes detectando peticiones repetidas del mismo elemento, o puede ser un proceso de aprendizaje de máquina sofisticado tal como una técnica de árbol de decisión con un gran número de entradas 50 (grados de libertad). Tales modelos, en términos generales, buscan patrones en el comportamiento de interacción del usuario (es decir, la interacción con la interfaz de usuario (UI) para realizar selecciones).

Una técnica sencilla y bastante robusta para extraer información útil a partir del patrón de visionado del usuario es generar una tabla de recuentos de característica-valor. Un ejemplo de una característica es la “hora del día” y un valor correspondiente puede ser “mañana”. Cuando se realiza una elección, se incrementan los recuentos de 55 características-valores que caracterizan esa elección. Habitualmente, una elección dada tendrá muchas características-valores. También puede generarse un conjunto de elecciones negativas seleccionando un subconjunto de programas (opcionalmente, al mismo tiempo) del que se discriminó la elección. Sus respectivos recuentos de característica-valor sufrirán un decremento (o se incrementará un recuento para programas nos vistos). Estos datos se envían a un predictor bayesiano que usa los recuentos como pesos para candidatos caracterizadores 60 de recuentos de características para predecir la probabilidad de que un usuario prefiera un candidato. Este tipo de

mecanismo de formación de perfiles se describe en la solicitud de patente estadounidense n.º de serie 09/498.271, presentada el 2/4/2000 titulada BAYESIAN TV SHOW RECOMMENDER, que se incorpora por la presente en su totalidad como referencia tal como si se expusiera completamente en el presente documento. Un recomendador basado en reglas en esta misma clase de sistemas, que construye perfiles de manera pasiva a partir de observaciones del comportamiento del usuario, también se describe en la solicitud PCT, WO 99/01984, publicada el 5 1/14/99 titulada INTELLIGENT ELECTRONIC PROGRAM GUIDE.

Otro ejemplo del primer tipo es MbTV, un sistema que aprende las preferencias de visionado de televisión de los espectadores monitorizando sus patrones de visionado. MbTV opera de manera transparente y construye un perfil de los gustos de un espectador. Este perfil se usa para proporcionar servicios, por ejemplo, recomendar programas de televisión que el espectador podría estar interesado en ver. MbTV aprende los gustos de cada uno de sus 10 espectadores y usa lo aprendido para recomendar próximos programas. MbTV puede ayudar a los espectadores a planificar sus momentos de visionado de televisión avisándoles de próximos deseables, y con la adición de que un dispositivo de almacenamiento graba automáticamente estos programas cuando el espectador está ausente.

MbTV tiene un motor de determinación de preferencias y un motor de gestión de almacenamiento. Se usan para facilitar la televisión diferida en el tiempo. MbTV puede grabar automáticamente, en lugar de simplemente sugerir, 15 programación deseable. El motor de gestión de almacenamiento de MbTV intenta garantizar que el dispositivo de almacenamiento tenga los contenidos óptimos. Este proceso implica llevar un seguimiento de qué programas grabados se han visto (completamente o en parte), y cuáles se han ignorado. Los espectadores pueden “asegurar” programas grabados para verlos en el futuro para evitar su borrado. Las maneras en las que los espectadores tratan las sugerencias de programas o el contenido grabado proporciona realimentación adicional al motor de preferencias 20 de MbTV que usa esta información para refinar futuras decisiones.

MbTV reservará una parte del espacio de grabación para representar cada “interés constitutivo”. Estos “intereses”... [Seguir leyendo]

1. Sistema de recomendación automatizado, que comprende:

un procesador (240) conectado para recibir datos de recursos que definen recursos disponibles y al menos dos conjuntos de datos (315, 325, 330) de perfil, que definen cada uno preferencias de usuario con respecto a dichos recursos; 5

derivándose cada uno de dichos conjuntos de datos (315, 325, 330) de perfil a partir de una clase diferente de interacción de dicho usuario con una parte de dichos datos de recursos y pudiendo usarse para predecir la deseabilidad de un recurso dado basándose en dicho cada uno de dichos conjuntos; caracterizado porque

dicho procesador (240) está adaptado para generar una suma ponderada de correspondientes registros a partir de cada uno de dichos conjuntos para generar un único conjunto combinado de datos de perfil. 10

2. Sistema según la reivindicación 1, en el que dicho procesador (240) está adaptado además para generar predicciones a partir de dicho único conjunto combinado.

3. Sistema según la reivindicación 1 ó 2, en el que dicho procesador (240) está conectado para controlar una entrega de recursos (260, 270) correspondientes a dichos datos de recursos y en respuesta a dichas predicciones.

4. Sistema según la reivindicación 1, en el que dichos al menos dos conjuntos de datos de perfil incluyen un conjunto 15 (325) de datos de realimentación derivados a partir de valoraciones proporcionadas por dicho usuario con respecto a un recurso particular en dichos datos de recursos.

5. Sistema según la reivindicación 1, en el que dichos al menos dos conjuntos de datos de perfil incluyen un conjunto (330) de datos implícitos derivados a partir de la observación por parte de la máquina del historial de uso de recursos de un usuario, de modo que dichos datos implícitos reflejan los recursos que dicho usuario ha seleccionado 20 para usar.

6. Sistema según la reivindicación 1, en el que dichos registros incluyen, cada uno, pares (455, 480) característica-valor.

7. Sistema según la reivindicación 1, en el que dichos registros incluyen pares (455, 480) característica-valor y un valor (455, 480) de valoración. 25

8. Sistema según la reivindicación 1, en el que:

dichos conjuntos de datos de perfil incluyen un conjunto de datos (315) de perfil explícito que indican indicaciones expresas por parte de un usuario de clases preferidas de programación más que indicaciones por parte de dicho usuario de recursos particulares preferidos;

dichos conjuntos de datos de perfil incluyen además un conjunto (325) de datos de realimentación derivados a 30 partir de valoraciones proporcionadas por dicho usuario con respecto a un recurso particular en dichos datos de recursos; y

dichos conjuntos de datos de perfil incluyen además un conjunto (330) de datos implícitos derivados a partir de la observación por parte de la máquina de un historial de uso de recursos de un usuario, de modo que dichos datos implícitos reflejan la selección de dicho usuario; 35

dicho procesador está adaptado para generar al menos dos conjuntos de predicciones basándose en uno o una combinación de dichos conjuntos de datos de perfil, incluyendo cada una de dichas predicciones un nivel de confianza;

dicho procesador está adaptado además para combinar dichas predicciones (375) mediante promediación ponderada de los conjuntos correspondientes de cada uno de dichos al menos dos conjuntos. 40

9. Un sistema según la reivindicación 8, en el que dicho procesador está adaptado además para ajustar los pesos de dicha promediación ponderada en respuesta a una diferencia entre dichos conjuntos correspondientes.

10. Sistema según la reivindicación 8, en el que dicho procesador está adaptado además para cancelar selectivamente dicha promediación ponderada en respuesta a una diferencia entre dichos conjuntos correspondientes. 45

11. Procedimiento de recomendación de recursos, que comprende las etapas de:

generar al menos dos conjuntos de datos de perfil, derivándose cada uno de dichos conjuntos de datos (315, 325, 330) de perfil a partir de una clase diferente de interacción de dicho usuario con una parte de dichos recursos y pudiendo utilizarse para predecir la deseabilidad de un recurso dado basándose en dicho cada uno de dichos conjuntos; caracterizado por 50

generar (370, 371) una suma ponderada de correspondientes registros a partir de cada uno de dichos conjuntos para generar un único conjunto combinado de datos de perfil.

12. Procedimiento según la reivindicación 11, que comprende además la etapa de generar (335) predicciones a partir de dicho único conjunto combinado.

13. Procedimiento según la reivindicación 11 ó 12, que comprende además la etapa de controlar una entrega de 5 recursos correspondientes a dichos datos de recursos en respuesta a dichas predicciones.

14. Procedimiento según la reivindicación 11, en el que dichos al menos dos conjuntos de datos de perfil incluyen un conjunto (325) de datos de realimentación derivados a partir de valoraciones proporcionadas por dicho usuario con respecto a un recurso particular en dichos datos de recursos.

15. Procedimiento según la reivindicación 11, en el que dichos al menos dos conjuntos de datos de perfil incluyen un 10 conjunto (330) de datos implícitos derivados a partir de la observación de la máquina del historial de uso de recursos de un usuario, de modo que dichos datos implícitos reflejan los recursos que dicho usuario ha seleccionado para usar.

16. Procedimiento según la reivindicación 11, en el que dichos registros incluyen, cada uno, pares (455, 480) característica-valor. 15

17. Procedimiento según la reivindicación 11, en el que dichos registros incluyen pares (455, 480) característica-valor y un valor (455, 480) de valoración.

18. Procedimiento según la reivindicación 11, en el que:

dichos conjuntos de datos de perfil incluyen un conjunto de datos (315) de perfil explícito que indican indicaciones expresas por parte de un usuario de clases preferidas de programación más que indicaciones por 20 parte de dicho usuario de recursos particulares preferidos;

dichos conjuntos de datos de perfil incluyen además un conjunto (325) de datos de realimentación derivados a partir de valoraciones proporcionadas por dicho usuario con respecto a un recurso particular en dichos datos de recursos; y

dichos conjuntos de datos de perfil incluyen además un conjunto (330) de datos implícitos derivados a partir de 25 la observación por parte de la máquina de un historial de uso de recursos de un usuario, de modo que dichos datos implícitos reflejan la selección de dicho usuario;

en el que dicho método comprende las etapas adicionales de generar al menos dos conjuntos de predicciones basándose en uno o una combinación de dichos conjuntos de datos de perfil, incluyendo cada una de dichas predicciones un nivel de confianza; y 30

combinar dichas predicciones (375) mediante promediación ponderada de conjuntos correspondientes de cada uno de dichos al menos dos conjuntos.

19. Procedimiento según la reivindicación 18, que comprende la etapa adicional de ajustar los pesos de dicha promediación ponderada en respuesta a una diferencia entre dichos conjuntos correspondientes.

20. Procedimiento según la reivindicación 18, que comprende la etapa adicional de cancelar selectivamente dicha 35 promediación ponderada en respuesta a una diferencia entre dichos conjuntos correspondientes.