偏好差异检测方法、装置、电子设备及计算机存储介质与流程

1.本公开涉及数据处理技术领域，尤其涉及一种偏好差异检测方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.用户在视频平台观看视频时，视频平台可以给用户进行视频推荐，但是，由于地域、性别、年龄等的差异，不同用户对于不同类型视频的喜好程度不同。
3.相关技术中，视频平台会根据用户的历史观看记录进行视频推荐，但是，这种推荐方式的准确度取决于用户的历史观看记录的数量，数量越多，推荐越准，针对新用户或历史观看记录的数量较少的用户，这种推荐方式的准确度较低，用户观看视频的体验较差。


技术实现要素：

4.为克服相关技术中存在的问题，本公开提供一种偏好差异检测方法、装置、电子设备及存储介质。本公开的技术方案如下：
5.根据本公开实施例的第一方面，提供一种偏好差异检测方法，包括：
6.获取观看视频的待检测用户的相关数据；
7.获取分类信息，并基于所述分类信息对所述相关数据进行分类，得到至少两组子数据；每组子数据具有对应的用户群体；
8.获取检验指标，并基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果；所述任一检测结果表征两个不同的用户群体之间的观看视频偏好差异。
9.可选的，预设分类信息包括：位置信息、身份信息、喜好信息；
10.所述获取分类信息，并基于所述分类信息对所述相关数据进行分类，得到至少两组子数据，包括：
11.获取从所述预设分类信息中确定的至少一项目标分类信息；
12.基于所述目标分类信息对所述相关数据进行分类，得到至少两组子数据。
13.可选的，所述基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果，包括：
14.基于所述检验指标对每组子数据进行数据整理，得到整理后数据；
15.对所述整理后数据进行方差分析，得到方差分析结果；
16.基于所述方差分析结果检测是否需要进行检验；
17.若需要进行检验，则将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果。
18.可选的，所述基于所述检验指标对每组子数据进行数据整理，得到整理后数据，包括：
19.获取每组子数据中与所述检验指标对应的单组指标数据；
20.计算出每个单组指标数据的单组指标数据总和，并基于单组指标数据总和计算出每个单组指标数据的单组指标数据均值；
21.基于每个单组指标数据均值计算出包含各组指标数据的完整指标数据总和，并基本所述完整指标数据总和计算出完整指标数据均值；
22.将每组子数据的单组指标数据总和、每组子数据的单组指标数据均值、完整指标数据总和和完整指标数据均值作为整理后数据。
23.可选的，所述对所述整理后数据进行方差分析，得到方差分析结果，包括：
24.分别计算出所述整理后数据的平方和总和、组内平方和、误差平方和以及组内方差；
25.基于单组指标数据的组数数量计算出组内平方和自由度，并将所述组内平方和与所述组内平方和自由度的比值作为所述整理后数据的组间均方值；
26.基于所有单组指标数据中数据的数量总数计算出误差平方和自由度，并将所述误差平方和与所述误差平方和自由度的比值所述整理后数据的误差均方值；
27.基于所述组内平方和自由度和所述误差平方和自由度计算出f临界值，并将所述组间均方值与所述误差均方值的比值作为所述整理后数据的f值；
28.基于所述平方和总和、组内平方和、误差平方和、组内方差、组间均方值、误差均方值、f值以及f临界值生成方差分析结果。
29.可选的，所述将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果，包括：
30.基于各组子数据中数据的数量总数计算出误差平方和自由度，以及，基于子数据的组数数量计算出显著性水平，并基于所述误差平方和自由度和所述显著性水平计算出t临界值；
31.计算出待检测的两组子数据之间的t值；
32.若所述t值超过所述t临界值的绝对值，则待检测的两组子数据之间存在观看视频偏好差异；
33.若所述t值不超过所述t临界值的绝对值，则待检测的两组子数据之间不存在观看视频偏好差异。
34.根据本公开实施例的第二方面，提供一种偏好差异检测装置，包括：
35.获取单元，被配置为获取观看视频的待检测用户的相关数据；
36.分类单元，被配置为获取分类信息，并基于所述分类信息对所述相关数据进行分类，得到至少两组子数据；每组子数据具有对应的用户群体；
37.检测单元，被配置为获取检验指标，并基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果；所述任一检测结果表征两个不同的用户群体之间的观看视频偏好差异。
38.可选的，预设分类信息包括：位置信息、身份信息、喜好信息；
39.所述分类单元，包括：
40.第一获取子单元，被配置为获取从所述预设分类信息中确定的至少一项目标分类信息；
41.分类子单元，被配置为基于所述目标分类信息对所述相关数据进行分类，得到至
少两组子数据。
42.可选的，所述检测单元，包括：
43.数据整理子单元，被配置为基于所述检验指标对每组子数据进行数据整理，得到整理后数据；
44.方差分析子单元，被配置为对所述整理后数据进行方差分析，得到方差分析结果；
45.判断子单元，被配置为基于所述方差分析结果检测是否需要进行检验；
46.检验子单元，被配置为若需要进行检验，则将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果。
47.可选的，所述数据整理子单元，具体被配置为：
48.获取每组子数据中与所述检验指标对应的单组指标数据；
49.计算出每个单组指标数据的单组指标数据总和，并基于单组指标数据总和计算出每个单组指标数据的单组指标数据均值；
50.基于每个单组指标数据均值计算出包含各组指标数据的完整指标数据总和，并基本所述完整指标数据总和计算出完整指标数据均值；
51.将每组子数据的单组指标数据总和、每组子数据的单组指标数据均值、完整指标数据总和和完整指标数据均值作为整理后数据。
52.可选的，所述方差分析子单元，具体被配置为：
53.分别计算出所述整理后数据的平方和总和、组内平方和、误差平方和以及组内方差；
54.基于单组指标数据的组数数量计算出组内平方和自由度，并将所述组内平方和与所述组内平方和自由度的比值作为所述整理后数据的组间均方值；
55.基于所有单组指标数据中数据的数量总数计算出误差平方和自由度，并将所述误差平方和与所述误差平方和自由度的比值所述整理后数据的误差均方值；
56.基于所述组内平方和自由度和所述误差平方和自由度计算出f临界值，并将所述组间均方值与所述误差均方值的比值作为所述整理后数据的f值；
57.基于所述平方和总和、组内平方和、误差平方和、组内方差、组间均方值、误差均方值、f值以及f临界值生成方差分析结果。
58.可选的，所述检验子单元，具体被配置为：
59.基于各组子数据中数据的数量总数计算出误差平方和自由度，以及，基于子数据的组数数量计算出显著性水平，并基于所述误差平方和自由度和所述显著性水平计算出t临界值；
60.计算出待检测的两组子数据之间的t值；
61.若所述t值超过所述t临界值的绝对值，则待检测的两组子数据之间存在观看视频偏好差异；
62.若所述t值不超过所述t临界值的绝对值，则待检测的两组子数据之间不存在观看视频偏好差异。
63.根据本公开实施例的第三方面，提供一种电子设备，包括：
64.处理器；
65.用于存储处理器可执行指令的存储器；
66.其中，所述处理器被配置为执行所述指令，以实现如第一方面的偏好差异检测方法。
67.根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得电子设备能够执行如第一方面的偏好差异检测方法。
68.根据本公开实施例的第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机程序或计算机指令，该计算机程序或计算机指令被处理器执行时实现如第一方面的偏好差异检测方法。
69.本公开的实施例提供的技术方案可以包括以下有益效果：获取待检测用户的相关数据，当获取到分类信息时，基于所述分类信息对所述相关数据进行分类，得到至少两组子数据，当获取到检验指标时，基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果，任一检测结果表征两个不同的用户群体之间的观看视频偏好差异。这样，通过分类信息将待检测用户划分为至少两个群体，每个群体对应一组子数据，然后基于检验指标对各组子数据进行检测，得到各个群体之间是否存在观看偏好差异的至少一个检测结果，实现了基于检测结果对各个群体进行视频投放，不仅提高了视频投放的准确度，也提高了用户观看视频的体验。
70.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
71.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
72.图1是根据一示例性实施例示出的一种偏好差异检测方法的流程图。
73.图2是根据一示例性实施例示出的一种偏好差异检测装置的框图。
74.图3是根据一示例性实施例示出的一种装置的框图(移动终端的一般结构)。
具体实施方式
75.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
76.图1是根据一示例性实施例示出的一种偏好差异检测方法的流程图，如图1所示，偏好差异检测方法应用于检测不同的用户之间观看视频的偏好差异，比如，检测a省的用户与b省的用户观看视频的偏好差异、男性用户与女性用户观看视频的偏好差异等等。该方法包括以下步骤。
77.在步骤s11中，获取待检测用户的相关数据。
78.具体而言，待检测用户可以是在视频平台观看视频的所有用户，相关数据可以是任一待检测用户的用户信息和观看视频的视频信息，用户信息包括但不限于用户的位置、性别、年龄等，视频信息包括但不限于视频的类型、视频的作者、视频的播放日期、播放时长
等。当然，在实际应用中，用户信息和视频信息的具体信息可以根据实际需求进行设置，本实施例对此不作限制。
79.在步骤s12中，获取分类信息，并基于所述分类信息对所述相关数据进行分类，得到至少两组子数据；每组子数据具有对应的用户群体。
80.获取到相关数据后，可以进一步获取用于对相关数据进行分类的分类信息，这样就可以按照分类信息对相关数据进行分类，得到至少两组子数据，每组子数据对应一个分类。
81.在本实施例中，预设分类信息包括：位置信息、身份信息、喜好信息；
82.所述获取分类信息，并基于所述分类信息对所述相关数据进行分类，得到至少两组子数据，包括：
83.获取从所述预设分类信息中确定的至少一项目标分类信息；
84.基于所述目标分类信息对所述相关数据进行分类，得到至少两组子数据。
85.具体而言，在分类之前，可以预设多项分类信息，包括但不限于：位置信息、身份信息、喜好信息。具体包括但不限于：用户的常驻省、常驻市、城市等级(比如一线城市、二线城市)、城镇类型(比如城镇、农村)、年龄分段、性别、南北方、常驻区域(比如华东区域、华南区域)、常用应用程序(即用户常用的观看视频的应用程序)。这样，在分类时，可以从多项分类信息中选择至少一项对相关数据进行分类，从而得到至少两组子数据，每组子数据对应一个分类和一个用户群体，所有的用户群体的集合就是所有的待检测用户。
86.比如，假设按照常驻省对相关数据进行分类，即可得到a组子数据和b组子数据，a组子数据对应湖北省，b组子数据对应湖南省；假设按照年龄分段对相关数据进行分类，即可得到c组子数据、d组子数据和e组子数据，c组子数据对应21～30岁，d组子数据对应31～40岁，e组子数据对应41～50岁。
87.在步骤s13中，获取检验指标，并基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果；所述任一检测结果表征两个不同的用户群体之间的观看视频偏好差异。
88.其中，检验指标用于表征对各组子数据进行检测的维度，在本实施例中，在检测之前，可以预设多项检验指标，检验指标包括但不限于：完播播放数占比、同城播放数占比和同城观看时长占比。这样，在检测时，可以从多项检验指标中选择一项将至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果。其中，任一检测结果表征两个不同的用户群体之间的观看视频偏好差异。比如，总共有3组子数据a、b、c，那么，将3组子数据中的任意两组子数据进行检测可以是：a-b检测，a-c检测，以及，b-c检测。
89.在本实施例中，所述基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果，包括：
90.基于所述检验指标对每组子数据进行数据整理，得到整理后数据；
91.对所述整理后数据进行方差分析，得到方差分析结果；
92.基于所述方差分析结果检测是否需要进行检验；
93.若需要进行检验，则将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果。
94.具体而言，在获取到检验指标后，可以基于检验指标对每组子数据进行数据整理，
得到与该检验指标对应的各组整理后子数据，然后对各组整理后子数据进行方差分析，得到方差分析结果，再基于方差分析结果检测是否需要对各组整理后子数据进行检验，如果检测到需要对各组整理后子数据进行检验，那么就对各组整理后子数据进行检验，从而得到至少一个检测结果。其中，检验可以是检测两组整理后子数据之间是否存在差异，检测结果可以是两组整理后子数据之间存在差异，或者，两组整理后子数据之间不存在差异。
95.进一步，在对每组子数据进行数据整理时，在采用检验指标的同时，还可以采用日期。比如，对一周内的各组子数据进行数据整理，得到的整理后数据就包括7天的详细数据。
96.在本实施例中，所述基于所述检验指标对每组子数据进行数据整理，得到整理后数据，包括：
97.获取每组子数据中与所述检验指标对应的单组指标数据；
98.计算出每个单组指标数据的单组指标数据总和，并基于单组指标数据总和计算出每个单组指标数据的单组指标数据均值；
99.基于每个单组指标数据均值计算出包含各组指标数据的完整指标数据总和，并基本所述完整指标数据总和计算出完整指标数据均值；
100.将每组子数据的单组指标数据总和、每组子数据的单组指标数据均值、完整指标数据总和和完整指标数据均值作为整理后数据。
101.具体而言，针对每组子数据，获取与检验指标对应的指标数据，即可得到多个单组指标数据，然后计算出每个单组指标数据的单组指标数据总和，并采用单组指标数据总和计算出每个单组指标数据均值，再采用每个单组指标数据均值计算出包含各组指标数据的完整指标数据总和，并采用完整指标数据总和计算出完整指标数据均值，这样，每组子数据的单组指标数据总和、每组子数据的单组指标数据均值、完整指标数据总和和完整指标数据均值的集合即可作为整理后数据。
102.需要说明的是，在计算得到每个单组指标数据的单组指标数据均值后，可以按照降序对每个单组指标数据进行排序，以便于按照顺序对排序后的各个单组指标数据进行检测，从而减少检测时的计算量。当然，不排序也可以进行后续的检验，在实际应用中，可以根据实际需求对是否需要排序进行设置，本实施例对此不作限制。
103.比如，针对10月1日～7日的相关数据，采用年龄分段进行分类，并采用完播放播放数占比作为检验指标，得到如表1所示的各个单组指标数据；其中，年龄分段为18～23、12～17、24～30、31～40。
104.表1
105.日期\年龄12～17(组1)24～30(组2)18～23(组3)31～40(组4)10.10.3180.3250.34320.30410.20.30570.32340.33890.297410.30.30550.30410.34080.301810.40.29860.31060.32960.302210.50.29210.30440.32880.292110.60.29360.31320.32410.291810.70.31070.30340.33470.2936
106.计算出每个单组指标数据的单组指标数据总和，分别为：组1＝2.1242、组2＝
2.1841、组3＝2.3401、组4＝2.0829，并采用单组指标数据总和计算出每个单组指标数据的单组指标数据均值，分别为：组1＝0.303457、组2＝0.312014、组3＝0.3343、组4＝0.297557。
107.如果预设了需要进行排序，那么就可以按照单组指标数据均值对各个单组指标数据进行排序，如表2所示：
108.表2
[0109][0110][0111]
采用每个单组指标数据均值计算出包含各组指标数据的完整指标数据总和，即，完整指标数据总和＝组1单组指标数据 组2单组指标数据 组3单组指标数据 组4单组指标数据＝2.1242 2.1841 2.3401 2.0829＝8.7313，并基本所述完整指标数据总和计算出完整指标数据均值，即，8.7313/28＝0.3118。
[0112]
将每组子数据的单组指标数据总和、每组子数据的单组指标数据均值、完整指标数据总和和完整指标数据均值的集合作为整理后数据，如表3所示：
[0113]
表3
[0114]
组1组2组3组4总计2.34012.18412.12422.08298.73137777280.33430.3120140.3034570.2975570.3118
[0115]
其中，第1行为各个单组指标数据总和以及完整指标数据总和，第2行为数据的数量，第3行为单组指标数据均值以及完整指标数据均值。
[0116]
在本实施例中，所述对所述整理后数据进行方差分析，得到方差分析结果，包括：
[0117]
分别计算出所述整理后数据的平方和总和、组内平方和、误差平方和以及组内方差；
[0118]
基于单组指标数据的组数数量计算出组内平方和自由度，并将所述组内平方和与所述组内平方和自由度的比值作为所述整理后数据的组间均方值；
[0119]
基于所有单组指标数据中数据的数量总数计算出误差平方和自由度，并将所述误差平方和与所述误差平方和自由度的比值所述整理后数据的误差均方值；
[0120]
基于所述组内平方和自由度和所述误差平方和自由度计算出f临界值，并将所述组间均方值与所述误差均方值的比值作为所述整理后数据的f值；
[0121]
基于所述平方和总和、组内平方和、误差平方和、组内方差、组间均方值、误差均方值、f值以及f临界值生成方差分析结果。
[0122]
具体而言，在得到整理后数据后，可以分别计算出整理后数据的平方和总和(记为ss
total
)、组内平方和(记为ss
treat
)、误差平方和(记为ss
error
)以及组内方差(记为s2)，然后基于单组指标数据的组数数量计算出组内平方和自由度(记为df
treat
)，并将组内平方和与组内平方和自由度的比例作为整理后数据的组间均方值(记为ms
treat
)，以及，基于所有单组指标数据中数据的数量总数计算出误差平方和自由度(记为df
error
)，并将误差平方和与误差平方和自由度的比值整理后数据的误差均方值(记为mse)，然后采用组内平方和自由度、误差平方和自由度和预设的比例系数(alfa)计算得到f临界值，同时，将组间均方值与误差均方值的比值作为整理后数据的f值，这样，基于平方和总和、组内平方和、误差平方和、组内方差、组间均方值、误差均方值、f值以及f临界值即可生成分析结果。
[0123]
比如，对表3进行方差分析，得到如表4所示的分析结果：
[0124]
表4
[0125][0126]
其中，k为单组指标数据的组数(4组)，n为所有单组指标数据中数据的数量总和(4组*7＝28)，f临界值＝f.inv.rt(alfa,df
treat
,df
error
)＝f.inv.rt(0.05,3,24)＝3.01。
[0127]
在本实施例中，所述基于所述方差分析结果检测是否需要进行检验，包括：
[0128]
检测所述f值是否超过所述f临界值；
[0129]
若所述f值不超过所述f临界值，则不需要进行检验；若所述f值超过所述f临界值，则需要进行检验。
[0130]
具体而言，可以检测f值是否超过f临界值，如果f值《＝f临界值，那么不需要进行检验；如果f值》f临界值，那么需要进行检验。比如，在表4中，f值为29.50，大于f临界值3.01，所以需要进行检验。
[0131]
在本实施例中，所述将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果，包括：
[0132]
基于各组子数据中数据的数量总数计算出误差平方和自由度，以及，基于子数据的组数数量计算出显著性水平，并基于所述误差平方和自由度和所述显著性水平计算出t临界值；
[0133]
计算出待检测的两组子数据之间的t值；
[0134]
若所述t值超过所述t临界值的绝对值，则待检测的两组子数据之间存在观看视频偏好差异；
[0135]
若所述t值不超过所述t临界值的绝对值，则待检测的两组子数据之间不存在观看视频偏好差异。
[0136]
具体而言，在对各组子数据进行检测时，可以采用各组子数据中数据的数量总数
计算出误差平方和自由度，也就是df
error
(由于任一组子数据中数据的数量与对应的单组指标数据中数据的数量是相同的，所以，各组子数据中数据的数量总数与所有单组指标数据中数据的数量总数也是相同的)，以及，采用预设的比例系数(也就是alfa)和子数据的组数数量计算出显著性水平，并采用误差平方和自由度、比例系数和显著性水平计算出t临界值。
[0137]
然后针对待检测的两组子数据，采用两组子数据对应的单组指标数据均值、两组子数据中数据的数量，以及误差均方值(也就是mse)计算出两组子数据之间的t值，若t值超过t临界值的绝对值，则待检测的两组子数据之间存在观看视频偏好差异；若t值不超过t临界值的绝对值，则待检测的两组子数据之间不存在观看视频偏好差异。
[0138]
比如，接上例，为方便理解，检测所需要的数据如表5所示：
[0139]
表5
[0140][0141]
其中，第1行为各个单组指标数据均值，第2行为各组子数据中数据的数量，第3行为误差均方值。
[0142]
具体的，采用各组子数据中数据的数量总数计算出误差平方和自由度，即，df
error
＝n-k＝24；采用预设的比例系数(也就是alfa)和子数据的组数数量计算出显著性水平，即，显著性水平＝0.05/k＝0.05/4＝0.0125；采用误差平方和自由度、比例系数和显著性水平计算出t临界值，即，t临界值＝t.inv.2t(alpha,df
error
)＝tinv(alpha,df
error
)＝2.70。
[0143]
假设对组1和组2进行检验，那么采用组1的单组指标数据均值、数据的数量、组2的单组指标数据均值、数据的数量，以及误差均方值计算得到t值为5.31，由于5.31》2.70，所以，生成组1与组2之间存在观看视频偏好差异的检测结果。
[0144]
假设对组2和组3进行检验，那么采用组1的单组指标数据均值、数据的数量、组2的单组指标数据均值、数据的数量，以及误差均方值计算得到t值为2.04，由于-2.70《2.04《2.70，所以，生成组2与组3之间不存在观看视频偏好差异的检测结果。
[0145]
依此类推，即可得到各组子数据之间的检测结果。
[0146]
在本实施例中，获取待检测用户的相关数据，当获取到分类信息时，基于所述分类信息对所述相关数据进行分类，得到至少两组子数据，当获取到检验指标时，基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果，任一检测结果表征两个不同的用户群体之间的观看视频偏好差异。这样，通过分类信息将待检测用户划分为至少两个群体，每个群体对应一组子数据，然后基于检验指标对各组子数据进行检测，得到各个群体之间是否存在观看偏好差异的至少一个检测结果，实现了基于检测结果对各个群体进行视频投放，不仅提高了视频投放的准确度，也提高了用户观看视频的体验。
[0147]
图2是根据一示例性实施例示出的一种偏好差异检测装置框图。参照图2，该装置包括获取单元211，分类单元212和检测单元213。
[0148]
该获取单元211被配置为获取观看视频的待检测用户的相关数据。
[0149]
该分类单元212被配置为获取分类信息，并基于所述分类信息对所述相关数据进行分类，得到至少两组子数据；每组子数据具有对应的用户群体。
[0150]
该检测单元213被配置为获取检验指标，并基于所述检验指标将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果；所述任一检测结果表征两个不同的用户群体之间的观看视频偏好差异。
[0151]
可选的，预设分类信息包括：位置信息、身份信息、喜好信息；
[0152]
所述分类单元，包括：
[0153]
第一获取子单元，被配置为获取从所述预设分类信息中确定的至少一项目标分类信息；
[0154]
分类子单元，被配置为基于所述目标分类信息对所述相关数据进行分类，得到至少两组子数据。
[0155]
可选的，所述检测单元，包括：
[0156]
数据整理子单元，被配置为基于所述检验指标对每组子数据进行数据整理，得到整理后数据；
[0157]
方差分析子单元，被配置为对所述整理后数据进行方差分析，得到方差分析结果；
[0158]
判断子单元，被配置为基于所述方差分析结果检测是否需要进行检验；
[0159]
检验子单元，被配置为若需要进行检验，则将所述至少两组子数据中的任意两组子数据进行检测，得到至少一个检测结果。
[0160]
可选的，所述数据整理子单元，具体被配置为：
[0161]
获取每组子数据中与所述检验指标对应的单组指标数据；
[0162]
计算出每个单组指标数据的单组指标数据总和，并基于单组指标数据总和计算出每个单组指标数据的单组指标数据均值；
[0163]
基于每个单组指标数据均值计算出包含各组指标数据的完整指标数据总和，并基本所述完整指标数据总和计算出完整指标数据均值；
[0164]
将每组子数据的单组指标数据总和、每组子数据的单组指标数据均值、完整指标数据总和和完整指标数据均值作为整理后数据。
[0165]
可选的，所述方差分析子单元，具体被配置为：
[0166]
分别计算出所述整理后数据的平方和总和、组内平方和、误差平方和以及组内方差；
[0167]
基于单组指标数据的组数数量计算出组内平方和自由度，并将所述组内平方和与所述组内平方和自由度的比值作为所述整理后数据的组间均方值；
[0168]
基于所有单组指标数据中数据的数量总数计算出误差平方和自由度，并将所述误差平方和与所述误差平方和自由度的比值所述整理后数据的误差均方值；
[0169]
基于所述组内平方和自由度和所述误差平方和自由度计算出f临界值，并将所述组间均方值与所述误差均方值的比值作为所述整理后数据的f值；
[0170]
基于所述平方和总和、组内平方和、误差平方和、组内方差、组间均方值、误差均方值、f值以及f临界值生成方差分析结果。
[0171]
可选的，所述检验子单元，具体被配置为：
[0172]
基于各组子数据中数据的数量总数计算出误差平方和自由度，以及，基于子数据
的组数数量计算出显著性水平，并基于所述误差平方和自由度和所述显著性水平计算出t临界值；
[0173]
计算出待检测的两组子数据之间的t值；
[0174]
若所述t值超过所述t临界值的绝对值，则待检测的两组子数据之间存在观看视频偏好差异；
[0175]
若所述t值不超过所述t临界值的绝对值，则待检测的两组子数据之间不存在观看视频偏好差异。
[0176]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0177]
图3是根据一示例性实施例示出的一种用于偏好差异检测的装置300的框图。例如，装置300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0178]
参照图3，装置300可以包括以下一个或多个组件：处理组件302，存储器304，电力组件306，多媒体组件308，音频组件310，输入/输出(i/o)的接口312，传感器组件314，以及通信组件316。
[0179]
处理组件302通常控制装置300的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件302可以包括一个或多个模块，便于处理组件302和其他组件之间的交互。例如，处理组件302可以包括多媒体模块，以方便多媒体组件308和处理组件302之间的交互。
[0180]
存储器304被配置为存储各种类型的数据以支持在设备300的操作。这些数据的示例包括用于在装置300上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0181]
电源组件306为装置300的各种组件提供电力。电源组件306可以包括电源管理系统，一个或多个电源，及其他与为装置300生成、管理和分配电力相关联的组件。
[0182]
多媒体组件308包括在所述装置300和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件308包括一个前置摄像头和/或后置摄像头。当设备300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0183]
音频组件310被配置为输出和/或输入音频信号。例如，音频组件310包括一个麦克风(mic)，当装置300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组
件316发送。在一些实施例中，音频组件310还包括一个扬声器，用于输出音频信号。
[0184]
i/o接口312为处理组件302和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0185]
传感器组件314包括一个或多个传感器，用于为装置300提供各个方面的状态评估。例如，传感器组件314可以检测到设备300的打开/关闭状态，组件的相对定位，例如所述组件为装置300的显示器和小键盘，传感器组件314还可以检测装置300或装置300一个组件的位置改变，用户与装置300接触的存在或不存在，装置300方位或加速/减速和装置300的温度变化。传感器组件314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件314还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0186]
通信组件316被配置为便于装置300和其他设备之间有线或无线方式的通信。装置300可以接入基于通信标准的无线网络，如wifi，运营商网络(如2g、3g、4g或5g)，或它们的组合。在一个示例性实施例中，通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件316还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0187]
在示例性实施例中，装置300可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0188]
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器304，上述指令可由装置300的处理器320执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0189]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本技术旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
[0190]
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。