虑媒体内容项目的所述媒体点播平台的其他最终用户考虑相应 的媒体内容项目。
[0017] 优选的是，所述推荐系统从所述一组考虑的媒体内容项目识别和去除用户已经租 借的所述考虑的媒体内容项目。不可能最终用户在较短的时间段内租借同一媒体内容项目 两次。因此，这样的考虑媒体内容项目不应当被考虑被加到相对于所述相应的最终用户的 媒体项目集。当然，可以对于还没有租借所述考虑的媒体内容项目的所述媒体点播平台的 其他最终用户考虑所述相应的媒体内容项目。
[0018] 有益的是，所述考虑的关于所述用户的所述租借历史的信息包括关于类型、诸如 演员、艺术家、作家、音乐家或导演的在特定媒体内容项目的传送中涉及的人、媒体发布日 期和/或所述媒体内容项目的租借价格。因此，可以分析单独的最终用户偏好哪种媒体内 容项目和所述单独的最终用户是否对于特定价格类别的媒体内容项目具有癖好。
[0019] 优选的是，推荐单元根据所述考虑的媒体内容项目的所述相应的用户特定喜欢评 级来产生所述考虑的媒体内容项目的用户特定排序。通过这些手段，通过是锁钥后特定喜 欢评级来分类所述考虑的媒体内容项目，以容易识别所述单独的最终用户比其他媒体内容 项目更多（或更少）地喜欢的媒体内容项目。
[0020] 优选的是，所述推荐系统从所述一组考虑的媒体内容项目去除具有最差的用户特 定喜欢评级的考虑媒体内容项目。
[0021] 优选的是，所述租借数量预测器基于用户将从所述一组考虑媒体内容项目租借的 媒体内容项目的用户特定数量和所述考虑的媒体内容项目的所述用户特定喜欢评级来确 定用户可能从所述一组考虑的媒体内容项目租借的所述特定媒体内容项目。如果所述最终 用户可能租借的媒体内容项目的数量是"n"，则具有最佳喜欢评级的所述1至n个媒体内容 项目最可能被相应的最终用户租借。
[0022] 一种替代预测模型也是可能的，其中，在用于所述最终用户的水可能租借的视频 的列表的构成中，考虑在媒体内容项目之间的类似度。如果两个媒体内容项目很类似，则不 太可能所述最终用户在短时间段内租借两个项目。为了确定最终用户在单个租借时间段中 租借类似项目的概率，也可以考虑来自最终用户租借历史的信息。
[0023] 根据本发明，优选的是，通过金融评估器单元来确定用于租借来自相应的内容提 供商的、所述确定的特定媒体内容项目的成本。
[0024] 进一步优选的是，通过所述数据处理单元来确定用于向用户租借所述确定的特定 媒体内容项目的营业额。
[0025] 优选的是，所述数据处理单元计算在所述确定的成本和确定的营业额之间的差 另IJ，并且确定预期的利润或亏损。基于这个信息，根据本发明的所述方法可以确定一组考虑 的媒体内容项目是否预期产生利润或亏损。通过将不同组的考虑媒体内容项目的预期利润 或亏损作比较，所述方法可以包括例如自动地拾取产生最大利润的一组考虑的媒体内容项 目。
[0026] 优选的是，对于多个不同的用户执行所述方法。诸如喜欢评级、用户可能租借的媒 体内容项目的数量和用户可能租借的特定媒体内容项目的数量的所述确定的信息可以用 于产生在所考虑的所有最终用户上的平均值。因此，向所述运营商提供关于一组最终用户 相对于媒体内容项目的给定的项目集的估计的消费者行为的信息。
[0027] 优选的是，所述多个用户可能租借的所述确定的特定媒体内容项目被所述推荐系 统自动地加到所述媒体点播平台。
[0028] 有益的是，将所述预期的利润或亏损与预设的利润值或亏损值作比较。因此，所述 媒体点播平台的运营商可以看到预期的项目集是否满足给定的要求或需要被调整以便达 到设定的目标。而且，可以通过执行根据本发明的方法的系统自动地执行这样的调整。
[0029] 优选的是，在预期利润大于或等于预设利润值或引起亏损值小于或等于预设亏损 值的情况下，所述多个用户可能租借的所述确定的特定媒体内容项目被所述推荐系统加到 所述媒体点播平台。
[0030] 优选的是，所述媒体内容项目是数字媒体内容项目，诸如数字视频、数字照片、数 字音乐、特别是游戏的计算机程序和/或数字文本。根据本发明，所述媒体点播平台涉及例 如通过来自服务器的流传送来向最终用户租借所有种类的数字媒体项目。所述数字媒体项 目可以包括视频、游戏、音乐或书籍。替代地，可以通过邮件来向最终用户传递所述媒体项 目。另外，本发明的焦点也涉及其中最终用户购买项目而不是经由运营商租借项目的情况。
[0031] 而且，提供了一种系统，用于执行根据本发明的用于有效地编译用于媒体点播平 台的媒体内容项目的方法。所述系统包括：推荐单元，其被配置为确定对于媒体内容项目的 用户特定喜欢评级；租借数量预测器，其被配置为确定用户从媒体内容项目的评级的组预 期租借的媒体内容项目的数量；以及，金融评估器单元，其被配置为产生合并的一组量化的 媒体内容项目，并且确定用于提供特定媒体内容项目的预期利润或亏损。所述子系统的每 一个可以包括数据处理单元。另外，所述系统可以包括数据库，用于存储和管理用户相关数 据和/或媒体内容相关数据。所述数据库可以例如包括已经被第三方产生的媒体内容项目 的元数据。
[0032] 在本发明的一个实施例中，视频点播平台的运营商确定可能被加到所述视频点播 平台的视频集。向租借收入预测器传送关于所述视频集的信息，诸如标题、演员、发布时间、 提名和/或授予的奖项。而且，也向所述租借收入预测器提供关于所述视频点播平台的一 组最终用户的实际和/或可能最终用户的信息，诸如年龄、性别和/或兴趣。关于所述最终 用户的信息可以被存储在最终用户数据库中，并且被从所述最终用户数据库直接地提供到 所述租借收入预测器。
[0033] 向推荐系统提供了关于所述视频集和所述视频集的视频的单独最终用户的用户 喜欢评级的信息。而且，可以向所述推荐系统提供关于所述单独最终用户的租借历史的信 息。可以通过所述单独的最终用户明确地或通过分析所述最终用户的所述租借历史来隐含 地提供所述喜欢评级。从这个信息，所述推荐系统对于所述视频集的每一个视频产生喜欢 评级，并且因此对于每一个单独的最终用户产生视频集的视频的排序。换句话说，所述推荐 系统对于所述订户（最终用户）的每一个确定使用对应的喜欢评级量化的、来自从他或她 最喜欢的给定视频集的视频的列表。这个喜欢评级可以例如是在0和1之间的值，其中，数 字" 1"表示估计用户非常喜欢的给定视频，并且"〇"表示用户非常不喜欢所述视频。这样 的推荐系统可以是基于内容的，或者，它可以基于协作过滤，或者，两者的组合。
[0034] 向租借数量预测器提供关于每一个视频的喜欢评级、视频集的视频的排序和单独 最终用户的租借历史的信息。而且，向所述租借数量预测器提供关于在所述最终用户的所 述租借历史中考虑的视频的喜欢评级的信息。所述租借数量预测器对于所述最终用户的每 一个确定他或她将在随后的服务期中租借的视频的数量的估计。这个估计可以仅基于租借 历史，即，基于关于用户已经在过去的服务期期间租借了多少视频的信息，或者对于新的用 户基于租借的平均数量（基于来自过去的服务期的信息的、在整个用户上平均或在所有新 的用户上评级），而不考虑在即将到来的服务期提供哪个视频集。
[0035] 替代地，所述租借数量预测器可以使用来自用于单独的最终用户的给定的视频集 的视频的排序，如所述推荐系统指定来估计租借的数量的，或如果需要则单独最终用户预 期租借的精确的视频集的估计。
[0036] 除了使用它来预测租借的数量之外，租借历史也可以用于看最终用户已经在过去 的服务期中租借了哪些视频。已经近期被租借的视频不可能再一次在不久的将来被租借。
[0037] 给定用户可能在即将到来的服务期租借哪些视频的估计可以现在被简单地确定 如下。从所述推荐系统检索包括用于单独的最终用户的视频的排序的列表，并且，从这个列 表去除近期被租借的视频。然后，假定用于即将到来的服务期的租借的估计数量是k，则仅 通过来自结果产生的适配列表的前k个元素来给出给定用户将在即将到来的服务期中租 借的视频集的估计。
[0038] 在一个更高级的实施例中，可以通过由所述推荐系统指定的估计的喜欢评级来影 响租借的视频的预测数量。在这个实施例中，所述推荐系统确定第一列表，所述第一列表包 括单独最终用户已经在过去的确定的服务期内租借的视频的排序和喜欢评级的第一列表。 也可以在第一列表中考虑还没有租借的在同一服务期中提供的视频的喜欢评级。
[0039] 而且，提供了来自要在随后的服务期中向最终用户提供的预期的视频集的视频的 估计的排序和喜欢评级的第二列表。将所述第一和第二列表的不同的排序的喜欢评级彼此 作比较。在所述第二列表的视频的喜欢评级高于或等于已经被所述最终用户在过去租借的 第一列表的视频的情况下，如果该喜欢评级与该最终用户还没有在过去租借的视频的喜欢 评级相同或小于它，那该最终用户有可能以较高的概率来租借视频。该信息被统计地评估 以产生预期的一组视频的、用户将租借的视频的数量的估计。
[0040] 如果系统使用差别每次观看付钱支付模型，则另外，可以分析用户的租借历史以 看用户是否占主导地仅雇佣更昂贵的、近来发布的视频或用户是否占主导地租用不太昂贵 的视频。这可以用于具有用户预期在即将到来的服务期中花费