当前，社会已进入“视频时代”，且被技术赋予了智能化、移动化特征。海量的视频在解决用户资源需求的同时也带来了新的问题——信息过载。如何从日增上亿的视频中高效地获取符合自身需求的视频资源，成为困扰人们的问题之一。视频推荐可以主动发掘出用户可能感兴趣的视频并为其进行推荐，避免了用户的“选择恐惧”，从而使千人千面的用户需求得到满足。它不仅给用户带来了极大的便利，也为互联网领域创造了巨大的商业价值。据统计，在mtime电影网中，通过推荐获取偏好视频的用户占总用户规模的60%，优酷app上近七成的点击率都是通过推荐系统实现的，基于此，各互联网服务商纷纷开始研究视频推荐业务，并提交专利申请，促进了视频推荐应用的良好落地。
本文以视频推荐领域的专利申请作为分析对象，从国内外的专利申请人、申请趋势、技术发展方向等多个维度进行统计分析，为我国视频推荐技术的进一步发展提供更好的借鉴。
专利布局竞争激烈
视频推荐技术专利申请始于上世纪90年代初，受科技发展水平限制，早期的视频推荐主要应用于电视节目推荐场景中，通过将用户喜欢的节目排在电子节目菜单（epg）中靠前的位置，来为用户提供视频观看便利。在2007年以前，视频推荐领域呈现荷兰皇家飞利浦电子公司（下称飞利浦）一家独大的格局，该公司申请了最早的成体系的模型推荐、协同过滤推荐相关专利，在内容推荐方面也进行了大量而深入的设计，可以说是早期对视频特征挖掘最全面、推荐算法应用最深入的公司，飞利浦构建了全面的专利布局，为视频推荐的应用打下了坚实的基础。
经过十几年的发展，电视推荐领域已经建立了较为完整的专利体系，但是有限的电视节目无法为视频推荐提供良好的发展空间，其可利用的数据种类、运算方法受到极大的限制，也很难根据用户兴趣作出实时且准确的预测，因此，在这一阶段视频推荐并没有真正走入人们的生活。
随着互联网发展的普及化，视频进入了在线发展的新阶段。2007年开始，youtube、hulu等视频网站逐渐起步、美国奈飞公司（netflix）正式上线在线观看业务，其在全球举办的电影推荐算法竞赛，促成了视频推荐算法在在线平台中的繁荣发展。海量的互联网视频使得大数据推荐初具雏形，基于互联网用户的视频推荐也逐渐由传统电视转为向互联网视频过渡，成了视频推荐专利发展的一个重要转折点。与此同时，随着飞利浦公司逐渐转型，索尼、三菱、三星等一批日韩巨头开始迅速崛起，在视频推荐领域展开了全面的应用专利布局，专利申请量稳步上升，并研发出了svd推荐、社交好友推荐等一批新的成熟分支，基于视频推荐也由一家独大逐渐开始转变为多家峥嵘的格局。
2016年是视频推荐领域的另一重要发展节点，人们开始迈入大数据时代，机器的算力有了巨大的提升，在之后的一两年间，随着大数据视频推荐算法进一步发展，基于用户兴趣进行实时更新的视频推荐应用逐渐广泛，基于人工智能的神经网络算法也开始了在视频推荐领域的更深层次应用，全球专利申请量呈爆发式增长。大数据与人工智能的发展让人们可以从视频中挖掘更加深入的画面特征，算力的提升也使得用户兴趣的捕捉更加准确及时，给视频推荐应用体验带来了质的提升，让视频推荐真正参与到人们的日常生活中。这一阶段，我国成为主要的专利申请国，腾讯、百度、达佳互联等高新技术企业迅猛发展，企业技术力量强大，创新能力强，法律意识也极强，非常重视其专利布局，贡献了全球70%以上的专利申请，同时，国内各大高校，以及一批中小企业也纷纷加入，专利申请集中度逐年下跌，专利申请呈现“百花齐放”的格局。
腾讯等互联网巨头在流媒体视频推荐领域申请了一批基于人工智能的视频推荐专利，将大量的先进成果应用到视频推荐中来，他们不仅仅关注传统视频推荐的准确性，更多地着眼于实际的应用场景，对用户感受更深的推荐的实时性、场景的多样性都进行了针对性的研究与改进。2018年开始，以字节跳动、达佳互联、欢网为代表的一批企业也开始进军视频推荐领域，他们以短视频为核心着力点，通过抖音、快手等app的“下拉推荐视频”功能，让视频推荐渗透进人们的日常生活，在碎片化的娱乐中体会到推荐带来的便利。
发展方向日趋明确
随着信息技术和5g的快速发展，我国进入了“视频社会化时代”，人人都可以成为视频的生产者与传播者，这对新时代的视频推荐提出了更高的要求，也带来了新的发展着力点。
随着用户对短视频观看量的不断增长，推荐的同质化问题日益凸显，视频推荐内容的类型化特征明显，多样性却不足。人们刷到太多相似的视频内容，一方面会产生审美疲劳，更严重的后果是，这会让人们对内容的认知、情感或思维意识向某一方向高度集中，导致信息窄化问题，进一步加剧了信息茧房效应。因此，如何通过视频推荐算法挖掘更加多样化的兴趣需求，平衡用户接触信息的类型，并拓展用户兴趣边界，是近来一段时间视频推荐研究的热点所在。
移动客户端的变革给人们的生活方式带来了翻天覆地的变化，也对个性化推荐服务提出了更高的要求。在传统的视频推荐中平台获取到的用户行为数据是有限的，实时分析的必要性较低，但是作为信息交互极为频繁的移动视频平台，如果不能精确地捕捉用户兴趣变化，并结合当前的传媒热点完成实时、动态的推荐调整，用户的黏性将大幅降低。因此，为了更好地让视频推荐适应移动化的发展，对用户的行为进行实时渐进的分析，是视频推荐的另一研究热点。
近年来移动视频应用的爆发式增长与登录平台之间的互通，带来了大量的异构数据，这些数据来源多样，结构复杂，传统的机器学习方法无法提取其中的表征。与此同时，经过近十年的发展，云计算的设施已经相对健全，算力的发展大大降低了数据的分析门槛。如何利用非线性的深度网络从多源异构数据中挖掘共性，从丰富的视频画面信息中获取更加准确精细的特征信息，是视频推荐应用的重要研究方向。
在视频化时代，以用户原创内容为主体的视频平台在视频推荐算法的支撑下，提升了信息的传播效率，丰富了人们的日常生活，视频推荐催生了新媒体时代的视频传播方式的大变革，也为新媒体产业带来了巨大的经济和社会效益。在时代的风口浪尖上，我们也需要继续做好专利布局，找准技术趋势，把握发展主线，一步步下好这盘棋。（柴 智 作者单位：国家知识产权局专利局通信技术发明审查部）
（编辑：晏如）
（中国知识产权报独家稿件，未经授权不得转载。）