用户模型则可以通过用户的居住地、消费历史、喜好、观看和搜索历史来构建。利用互联网电视的互动功能，还可以收集用户的使用习惯和大量行为，了解用户的使用细节。无论是暂停、快进、重播，甚至是语音输入的音调和语气，都可以帮助绘制出更精确的用户画像。

　　匹配视频内容和用户画像，判断出用户可能会喜欢的视频内容的过程，就需要智能推荐算法来连接。最近几年的推荐算法已经开始采用人工智能技术，其中最受瞩目的，就是——Google 用这种技术训练围棋、识别视频中的猫脸，甚至去打《星际争霸2》。微鲸电视也使用了类似的技术，来构建更准确的推荐算法。

　　推荐算法并非一成不变，也需要持续的反馈改进。微鲸开发了指数平台、主观评估体系和商业智能系统，来评估推荐效果和内容质量，观察推荐效果同时收集用户反馈。收集到的这些信息会帮助智能推荐系统自我学习和改进，实时调整推荐内容，并且预测下一步的内容热点。

　　像这样将新技术融入到互联网电视当中，开奖，观众使用得越久，就越会看到符合自己口味的节目，所做的只是吩咐一声就好；其它的繁琐，都交给电视在后台默默完成。在这样“看看看不完”的电视前，你只需沉浸在电视节目中就好。

　　参考文献：

　　1．Perskyi, P. M. C. (1900). Television Au Moyen De L’electricite. In 1st International Electricity Congress, Paris (August 25, 1900).

　　果壳网

ID：Guokr42

整天不知道在科普些啥玩意儿的果壳

我觉得你应该关注一下