CN103096139B - 一种视频关联推荐的方法及服务器 - Google Patents

Abstract

本发明实施例公开了一种视频关联推荐的方法及服务器，其中方法包括：搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据；收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据；根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果。采用本发明，可以对海量视频进行智能关联推荐。

Description

一种视频关联推荐的方法及服务器

技术领域

本发明涉及通信技术领域，尤其涉及一种视频关联推荐的方法及服务器。

背景技术

互动数字电视的持续推广和技术的不断发展，让越来越多的用户享受到互动电视带来的良好收视体验，随着IPTV（InternetProtocolTelevision，网路协议电视）、互联网视频的快速发展，用户对视频内容的数量和质量的需求也越来越多。在传统的直播电视、VOD(VideoOnDemand,视频点播)点播影片、录制回放节目等内容资源外，运营商还引入了互联网视频内容、用户自制视频内容，形成了海量的视频内容资源。

在现有技术，通过手工的方式从海量的视频内容资源中选择影片进行推荐，推荐的影片和影片所属栏目绑定，用户访问某栏目下的任何影片，都将显示该栏目关联的推荐影片，用户可以直接选择推荐影片进行浏览和播放，但是这种推荐方式全部通过手工操作进行，在海量视频的情况下，这种方式效率低下，而且推荐角度单一，使得推荐的效果不好。

发明内容

本发明实施例所要解决的技术问题在于，提供一种视频关联推荐的方法及服务器，可以对海量视频进行智能关联推荐。

为了解决上述技术问题，本发明实施例提供了一种视频关联推荐的方法，包括：

搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据；

收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据；

根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果。

其中，所述搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据，包括：

搜集内容源集合中每一个视频内容的描述数据；

分析处理获取到的视频内容的描述数据，并将分析处理后的视频内容的描述数据作为视频内容基础数据；

存储所述视频内容基础数据。

其中，所述分析处理获取到的视频内容的描述数据，包括：

对获取到的每一个视频内容的描述数据统一分配对应的内容ID；

删除内容重复的视频内容的描述数据；

补全内容缺失的视频内容的描述数据。

其中，所述收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据，包括：

从每一个终端的视频业务中收集用户访问信息；

根据收集到的用户访问信息统计分析出用户行为习惯，对所述用户行为习惯进行处理和封装，形成行为分析基础数据；

存储所述行为分析基础数据。

其中，所述根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果，包括：

对所述行为分析基础数据和所述视频内容基础数据进行不同角度的关联推荐计算和排行，得到关联推荐数据池；

接收终端发出的推荐请求信息，根据各终端及其推荐请求信息从关联推荐数据池中得到推荐结果；

存储所述推荐结果。

相应地，本发明实施例还提供了一种视频关联推荐的服务器，包括：

视频搜集模块，用于搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据；

访问收集模块，用于收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据；

关联推荐模块，用于根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果。

其中，所述视频搜集模块包括：

搜集单元，用于搜集内容源集合中每一个视频内容的描述数据；

分析处理单元，用于分析处理获取到的视频内容的描述数据，并将分析处理后的视频内容的描述数据作为视频内容基础数据；

第一存储单元，用于存储所述视频内容基础数据。

其中，所述分析处理单元包括：

分配子单元，用于对获取到的每一个视频内容的描述数据统一分配对应的内容ID；

删除子单元，用于删除内容重复的视频内容的描述数据；

补全子单元，用于补全内容缺失的视频内容的描述数据。

其中，所述访问收集模块包括：

用户访问收集单元，用于从每一个终端的视频业务中收集用户访问信息；

行为分析单元，用于根据收集到的用户访问信息统计分析出用户行为习惯，对所述用户行为习惯进行处理和封装，形成行为分析基础数据；

第二存储单元，用于存储所述行为分析基础数据。

其中，所述关联推荐模块包括：

计算排行单元，用于对所述行为分析基础数据和所述视频内容基础数据进行不同角度的关联推荐计算和排行，得到关联推荐数据池；

接收处理单元，用于接收终端发出的推荐请求信息，根据各终端及其推荐请求信息从关联推荐数据池中得到推荐结果；

第三存储单元，用于存储所述推荐结果。

实施本发明实施例，具有如下有益效果：

本发明实施例通过从多个内容源搜集视频内容描述数据，并将视频内容描述数据结合用户行为习惯进行不同角度的关联推荐，解决了现有技术中影片推荐效率低下、推荐角度单一的问题，满足了自动化、智能化推荐的需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种视频关联推荐的方法的流程示意图；

图2是本发明实施例提供的形成视频内容基础数据的其中一种具体方法的流程示意图；

图3是本发明实施例提供的形成行为分析基础数据的其中一种具体方法的流程示意图；

图4是本发明实施例提供的对视频进行不同角度的关联推荐处理的其中一种具体方法的流程示意图；

图5是本发明实施例提供的一种视频关联推荐的服务器的结构示意图；

图6是本发明实施例提供的一种视频搜集模块的结构示意图；

图7是本发明实施例提供的一种分析处理单元的结构示意图；

图8是本发明实施例提供的一种访问收集模块的结构示意图；

图9是本发明实施例提供的一种关联推荐模块的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图1-4，对一种视频关联推荐的方法进行详细描述。

请参见图1，是本发明实施例提供的一种视频关联推荐的方法的流程示意图，包括以下步骤：

S101，搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据；

具体的，所述内容源集合可以包括VOD系统、直播/回放电视系统、互联网视频聚合系统等等，从不同的内容源搜集到的视频内容的描述数据各有不同。例如，从直播/回放电视系统获取的每一个视频内容的描述数据主要包括：节目名称、播放时间、所属频道等等；从VOD系统获取的每一个视频内容的描述数据主要包括：影片ID(Identity,身份标识码)、影片名称、导演、主演、海报、分辨率等等；从互联网视频聚合系统获取的每一个视频内容的描述数据主要包括：影片名称、导演、主演、海报、分辨率、评价指数、来源网站等等。

视频内容的描述数据的获取方式可以有主动和被动两种：主动方式是指当某个内容源的内容发生改变时，如增加、修改、删除，则主动进行更新，即搜集该内容源中发生改变部分的视频内容的描述数据；被动方式是指在指定时间段到内容源集合搜集更新的视频内容的描述数据。

对搜集到所有的视频内容的描述数据进行处理，例如，对搜集到的视频内容的描述数据统一分配内容ID，删除描述数据重复的数据，补全描述数据内容不全的数据等等，并将处理后的视频内容的描述数据形成视频内容基础数据，用来提供给服务器进行关联推荐，所述视频内容基础数据包括所有处理后的视频内容的描述数据。

S102，收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据；

具体的，服务器可以从不同的视频业务中收集用户访问信息，用户访问信息包括用户观看的视频信息、用户使用的终端信息、视频所属业务、用户ID、收看时长、收看时间等等，用户使用的终端可以是电视、手机、电脑、平板电脑等等，终端中的视频展现页面导航系统可以把用户访问信息传递给服务器。

根据收集到的用户访问信息从视频名称、视频类型、产地、分类、导演、主演、终端、时间范围等角度分别对访问次数进行统计，以分析出用户行为习惯，对统计分析出包含用户行为习惯的统计基础数据进行二次处理和封装，以形成行为分析基础数据，用于提供服务器进行关联推荐，所述行为分析基础数据包括以用户角度进行统计的排行数据，如生成单个用户最喜爱的导演排行、视频类型排行、终端排行等等。

S103，根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果；

具体的，根据搜集到的所述行为分析基础数据和收集到的所述视频内容基础数据从用户、影片、视频类型、导演等角度，并结合时间、终端、分类、产地等特征，采取分词、去重、索引、缓存等技术对视频进行不同角度的关联推荐计算和排行，以形成视频内容的关联推荐数据池，所述关联推荐数据池包括从各种角度得到的统计数据和排行数据。

服务器可以接收各业务端所发送的推荐内容请求，根据推荐内容请求从关联推荐数据池中得到关联的推荐结果，所述推荐内容请求可以为VOD系统中某一影片的相同类型最热门电影，或者是VOD系统中某一用户最喜爱的影片类型热门影片排行，又或者是直播/回放系统中某一综艺节目的关联历史节目，还可以是适合手机播放的同类型热门影片排行。服务器根据不同的推荐内容请求发送不同角度的推荐结果到对应的视频业务端。

请参见图2，为图1中S101步骤中形成视频内容基础数据的其中一种具体方法的流程示意图，包括以下步骤：

S1011，搜集内容源集合中每一个视频内容的描述数据；

具体的，所述内容源集合可以包括VOD系统、直播/回放电视系统、互联网视频聚合系统等等，从不同的内容源搜集到的视频内容的描述数据各有不同。例如，从直播/回放电视系统获取的每一个视频内容的描述数据主要包括：节目名称、播放时间、所属频道等等；从VOD系统获取的每一个视频内容的描述数据主要包括：影片ID(Identity,身份标识码)、影片名称、导演、主演、海报、分辨率等等；从互联网视频聚合系统获取的每一个视频内容的描述数据主要包括：影片名称、导演、主演、海报、分辨率、评价指数、来源网站等等。

视频内容的描述数据的搜集方式可以有主动和被动两种：主动方式是指当某个内容源的内容发生改变时，如增加、修改、删除，则主动进行更新，即搜集该内容源中发生改变部分的视频内容的描述数据；被动方式是指在指定时间段到内容源集合搜集更新的视频内容的描述数据。

S1012，分析处理获取到的视频内容的描述数据，并将分析处理后的视频内容的描述数据作为视频内容基础数据；

S1013，存储所述视频内容基础数据；

对所述视频内容基础数据有一个统一的内容存储形式，主要按内容ID、内容名称、来源、产地、面世时间、供应商、类型、分类、导演、主演、格式、支持终端、简介、海报地址、海报格式等方面进行存储；其中，内容名称可以包括：节目名、影片名、电视剧名等等；来源可以包括：直播/回放电视系统、VOD系统、互联网聚合视频等等；类型可以包括：武侠、都市、爱情、战争、惊悚、奇幻等等；分类可以包括：电影、电视剧、综艺、体育、新闻等等；格式可以包括：标清、高清等等；支持终端可以包括：标清机顶盒、高清机顶盒、手机、电脑、平板电脑等等，已存储的视频内容基础数据用于服务器进行视频特征的关联推荐。

图2中的S1012步骤中的分析处理获取到的视频内容的描述数据的其中一种具体方法，包括以下步骤：

对获取到的每一个视频内容的描述数据统一分配对应的内容ID；

分配内容ID可以有效的对获取到的海量的视频内容的描述数据进行统一管理，方便于分类、查询以及存储等等。

删除内容重复的视频内容的描述数据；

删除来源、名称、影片分辨率等内容完全重复的描述数据，可以提高关联推荐时的工作效率，并节约了存储空间。

补全内容缺失的视频内容的描述数据；

对内容不全的描述数据进行内容补全，如从直播/回放系统获取到的描述数据可能没有节目简介、导演、主演、海报、类型、面世时间等内容，就可以由服务器根据频道、节目名为关键字从互联网搜索相关数据进行内容补全。

请参见图3，为图1中S102步骤中形成行为分析基础数据的其中一种具体方法的流程示意图，包括如下步骤：

S1021，从每一个终端的视频业务中收集用户访问信息；

服务器可以从不同的视频业务中收集用户访问信息，用户访问信息包括用户观看的视频信息、用户使用的终端信息、视频所属业务、用户ID、收看时长、收看时间等等，用户使用的终端可以是电视、手机、电脑、平板电脑等等，终端中的视频展现页面导航系统可以把用户访问信息传递给服务器。

S1022，根据收集到的用户访问信息统计分析出用户行为习惯，对所述用户行为习惯进行处理和封装，形成行为分析基础数据；

根据收集到的用户访问信息从视频名称、视频类型、产地、分类、导演、主演、终端、时间范围等角度分别对访问次数进行统计，以分析出用户行为习惯，对统计分析出包含用户行为习惯的统计基础数据进行二次处理和封装，以形成行为分析基础数据，用于提供服务器进行关联推荐，所述行为分析基础数据包括以用户角度进行统计的排行数据，如生成单个用户最喜爱的导演排行、视频类型排行、终端排行等等。

S1023，存储所述行为分析基础数据。

存储所述行为分析基础数据，用于提供给服务器进行用户角度的关联推荐。

请参见图4，为图1中S103步骤中对视频进行不同角度的关联推荐处理的其中一种具体方法的流程示意图，包括如下步骤：

S1031，对所述行为分析基础数据和所述视频内容基础数据进行不同角度的关联推荐计算和排行，得到关联推荐数据池；

根据搜集到的所述行为分析基础数据和收集到的所述视频内容基础数据从用户、影片、视频类型、导演等角度，并结合时间、终端、分类、产地等特征，采取分词、去重、索引、缓存等技术对视频进行不同角度的关联推荐计算和排行，以形成视频内容的关联推荐数据池，所述关联推荐数据池包括从各种角度得到的统计数据和排行数据。

S1032，接收终端发出的推荐请求信息，根据各终端及其推荐请求信息从关联推荐数据池中得到推荐结果；

服务器可以接收各业务端所发送的推荐内容请求，根据推荐内容请求从关联推荐数据池中得到关联的推荐结果，所述推荐内容请求可以为VOD系统中某一影片的相同类型最热门电影，或者是VOD系统中某一用户最喜爱的影片类型热门影片排行，又或者是直播/回放系统中某一综艺节目的关联历史节目，还可以是适合手机播放的同类型热门影片排行。服务器根据不同的推荐内容请求发送不同角度的推荐结果到对应的视频业务端。

S1033，存储所述推荐结果；

存储所述推荐结果，当服务器接收到相同的推荐内容请求时，可以直接从存储的多个推荐结果中提取出相应的推荐结果。

本发明实施例通过从多个内容源搜集视频内容描述数据，并将视频内容描述数据结合用户行为习惯进行不同角度的关联推荐，解决了现有技术中影片推荐效率低下、推荐角度单一的问题，满足了自动化、智能化推荐的需求。

下面结合附图5-9，对一种视频关联推荐的服务器进行详细描述。

请参见图5，为本发明实施例提供的一种视频关联推荐的服务器的结构示意图，所述服务器包括：视频搜集模块10、访问收集模块20、关联推荐模块30。

所述视频搜集模块10，用于搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据；

具体的，所述视频搜集模块10可以采用两种方式进行搜集，分别是主动和被动两种：主动方式是指当某个内容源的内容发生改变时，如增加、修改、删除，则主动进行更新，即视频搜集模块10搜集该内容源中发生改变部分的视频内容的描述数据；被动方式是指视频搜集模块10在指定时间段到内容源集合搜集更新的视频内容的描述数据。

视频搜集模块10还对搜集到所有的视频内容的描述数据进行处理，例如，对搜集到的视频内容的描述数据统一分配内容ID，删除描述数据重复的数据，补全描述数据内容不全的数据等等，并将处理后的视频内容的描述数据形成视频内容基础数据，用来提供给服务器进行关联推荐，所述视频内容基础数据包括所有处理后的视频内容的描述数据。

其中，所述内容源集合可以包括VOD系统、直播/回放电视系统、互联网视频聚合系统等等，从不同的内容源搜集到的视频内容的描述数据各有不同。例如，从直播/回放电视系统获取的每一个视频内容的描述数据主要包括：节目名称、播放时间、所属频道等等；从VOD系统获取的每一个视频内容的描述数据主要包括：影片ID、影片名称、导演、主演、海报、分辨率等等；从互联网视频聚合系统获取的每一个视频内容的描述数据主要包括：影片名称、导演、主演、海报、分辨率、评价指数、来源网站等等。

所述访问收集模块20，用于收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据；

具体的，访问收集模块20可以从不同的视频业务中收集用户访问信息，用户访问信息包括用户观看的视频信息、用户使用的终端信息、视频所属业务、用户ID、收看时长、收看时间等等，用户使用的终端可以是电视、手机、电脑、平板电脑等等，终端中的视频展现页面导航系统可以把用户访问信息传递给服务器。

访问收集模块20还可以根据收集到的用户访问信息从视频名称、视频类型、产地、分类、导演、主演、终端、时间范围等角度分别对访问次数进行统计，以分析出用户行为习惯，对统计分析出包含用户行为习惯的统计基础数据进行二次处理和封装，以形成行为分析基础数据，用于提供服务器进行关联推荐，所述行为分析基础数据包括以用户角度进行统计的排行数据，如生成单个用户最喜爱的导演排行、视频类型排行、终端排行等等。

所述关联推荐模块30，用于根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果；

具体的，关联推荐模块30可以根据搜集到的所述行为分析基础数据和收集到的所述视频内容基础数据从用户、影片、视频类型、导演等角度，并结合时间、终端、分类、产地等特征，采取分词、去重、索引、缓存等技术对视频进行不同角度的关联推荐，以形成视频内容的关联推荐数据池，所述关联推荐数据池包括从各种角度得到的统计数据和排行数据。

关联推荐模块30还可以接收各业务端所发送的推荐内容请求，根据推荐内容请求从关联推荐数据池中得到关联的推荐结果，所述推荐内容请求可以为VOD系统中某一影片的相同类型最热门电影，或者是VOD系统中某一用户最喜爱的影片类型热门影片排行，又或者是直播/回放系统中某一综艺节目的关联历史节目，还可以是适合手机播放的同类型热门影片排行。关联推荐模块30根据不同的推荐内容请求发送不同角度的推荐结果到对应的视频业务端。

请参见图6，是图5中视频搜集模块10的结构示意图，所述视频搜集模块10包括：搜集单元101、分析处理单元102、第一存储单元103。

所述搜集单元101，用于搜集内容源集合中每一个视频内容的描述数据；

所述搜集单元101可以采用两种方式进行搜集，分别是主动和被动两种：主动方式是指当某个内容源的内容发生改变时，如增加、修改、删除，则主动进行更新，即搜集单元101搜集该内容源中发生改变部分的视频内容的描述数据；被动方式是指搜集单元101在指定时间段到内容源集合搜集更新的视频内容的描述数据。

所述分析处理单元102，用于分析处理获取到的视频内容的描述数据，并将分析处理后的视频内容的描述数据作为视频内容基础数据；

所述第一存储单元103，用于存储所述视频内容基础数据；

具体的，第一存储单元103对所述视频内容基础数据有一个统一的内容存储形式，主要按内容ID、内容名称、来源、产地、面世时间、供应商、类型、分类、导演、主演、格式、支持终端、简介、海报地址、海报格式等方面进行存储；其中，内容名称可以包括：节目名、影片名、电视剧名等等；来源可以包括：直播/回放电视系统、VOD系统、互联网聚合视频等等；类型可以包括：武侠、都市、爱情、战争、惊悚、奇幻等等；分类可以包括：电影、电视剧、综艺、体育、新闻等等；格式可以包括：标清、高清等等；支持终端可以包括：标清机顶盒、高清机顶盒、手机、电脑、平板电脑等等，已存储的视频内容基础数据用于关联推荐模块30进行视频特征的关联推荐。

请参见图7，是图6中分析处理单元102的结构示意图，所述分析处理单元102包括：分配子单元1021、删除子单元1022、补全子单元1023。

所述分配子单元1021，用于对获取到的每一个视频内容的描述数据统一分配对应的内容ID；

所述删除子单元1022，用于删除内容重复的视频内容的描述数据；

删除子单元1022可以删除来源、名称、影片分辨率等内容完全重复的描述数据，可以提高关联推荐时的工作效率，并节约了存储空间。

所述补全子单元1023，用于补全内容缺失的视频内容的描述数据；

补全子单元1023可以对内容不全的描述数据进行内容补全，如从直播/回放系统获取到的描述数据可能没有节目简介、导演、主演、海报、类型、面世时间等内容，就可以由服务器根据频道、节目名为关键字从互联网搜索相关数据进行内容补全。

请参见图8，是图5中访问收集模块20的结构示意图，所述访问收集模块20包括：用户访问收集单元201、行为分析单元202、第二存储单元203。

所述用户访问收集单元201，用于从每一个终端的视频业务中收集用户访问信息；

用户访问收集单元201可以从不同的视频业务中收集用户访问信息，用户访问信息包括用户观看的视频信息、用户使用的终端信息、视频所属业务、用户ID、收看时长、收看时间等等，用户使用的终端可以是电视、手机、电脑、平板电脑等等，终端中的视频展现页面导航系统可以把用户访问信息传递给用户访问收集单元201。

所述行为分析单元202，用于根据收集到的用户访问信息统计分析出用户行为习惯，对所述用户行为习惯进行处理和封装，形成行为分析基础数据；

行为分析单元202可以根据收集到的用户访问信息从视频名称、视频类型、产地、分类、导演、主演、终端、时间范围等角度分别对访问次数进行统计，以分析出用户行为习惯，对统计分析出包含用户行为习惯的统计基础数据进行二次处理和封装，以形成行为分析基础数据，用于提供给关联推荐模块30进行关联推荐，所述行为分析基础数据包括以用户角度进行统计的排行数据，如生成单个用户最喜爱的导演排行、视频类型排行、终端排行等等。

所述第二存储单元203，用于存储所述行为分析基础数据；

第二存储单元203存储所述行为分析基础数据，用于提供给关联推荐模块30进行用户角度的关联推荐。

请参见图9，是图5中关联推荐模块30的结构示意图，所述关联推荐模块30包括：计算排行单元301、接收处理单元302、第三存储单元303。

所述计算排行单元301，用于对所述行为分析基础数据和所述视频内容基础数据进行不同角度的关联推荐计算和排行，得到关联推荐数据池；

计算排行单元301根据搜集到的所述行为分析基础数据和收集到的所述视频内容基础数据从用户、影片、视频类型、导演等角度，并结合时间、终端、分类、产地等特征，采取分词、去重、索引、缓存等技术对视频进行不同角度的关联推荐计算和排行，以形成视频内容的关联推荐数据池，所述关联推荐数据池包括从各种角度得到的统计数据和排行数据。

所述接收处理单元302，用于接收终端发出的推荐请求信息，根据各终端及其推荐请求信息从关联推荐数据池中得到推荐结果；

接收处理单元302可以接收各业务端所发送的推荐内容请求，根据推荐内容请求从关联推荐数据池中得到关联的推荐结果，所述推荐内容请求可以为VOD系统中某一影片的相同类型最热门电影，或者是VOD系统中某一用户最喜爱的影片类型热门影片排行，又或者是直播/回放系统中某一综艺节目的关联历史节目，还可以是适合手机播放的同类型热门影片排行。接收处理单元302根据不同的推荐内容请求发送不同角度的推荐结果到对应的视频业务端。

所述第三存储单元303，用于存储所述推荐结果；

第三存储单元303存储所述推荐结果，当接收处理单元302接收到相同的推荐内容请求时，可以直接从存储的多个推荐结果中提取出相应的推荐结果。

本发明实施例通过从多个内容源搜集视频内容描述数据，并将视频内容描述数据结合用户行为习惯进行不同角度的关联推荐，解决了现有技术中影片推荐效率低下、推荐角度单一的问题，满足了自动化、智能化推荐的需求。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-OnlyMemory，ROM）或随机存储记忆体（RandomAccessMemory，RAM）等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种视频关联推荐的方法，其特征在于，包括：

搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据；

收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据；

根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果；

其中，所述用户访问信息包括用户观看的视频信息、用户使用的终端信息、视频所属业务、用户ID、收看时长、收看时间；

其中，所述搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据，包括：

搜集内容源集合中每一个视频内容的描述数据；

分析处理获取到的视频内容的描述数据，并将分析处理后的视频内容的描述数据作为视频内容基础数据；

存储所述视频内容基础数据；

其中，所述分析处理获取到的视频内容的描述数据，包括：

对获取到的每一个视频内容的描述数据统一分配对应的内容ID；

删除内容重复的视频内容的描述数据；

补全内容缺失的视频内容的描述数据。

2.如权利要求1所述的方法，其特征在于，所述收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据，包括：

从每一个终端的视频业务中收集用户访问信息；

根据收集到的用户访问信息统计分析出用户行为习惯，对所述用户行为习惯进行处理和封装，形成行为分析基础数据；

存储所述行为分析基础数据。

3.如权利要求1所述的方法，其特征在于，所述根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果，包括：

对所述行为分析基础数据和所述视频内容基础数据进行不同角度的关联推荐计算和排行，得到关联推荐数据池；

接收终端发出的推荐请求信息，根据各终端及其推荐请求信息从关联推荐数据池中得到推荐结果；

存储所述推荐结果。

4.一种视频关联推荐的服务器，其特征在于，包括：

视频搜集模块，用于搜集内容源集合中每一个视频内容的描述数据，形成视频内容基础数据；

访问收集模块，用于收集用户访问信息，根据收集到的用户访问信息统计分析出用户行为习惯，形成行为分析基础数据；

关联推荐模块，用于根据所述行为分析基础数据和所述视频内容基础数据对视频进行不同角度的关联推荐处理，并得到不同角度的推荐结果；

其中，所述用户访问信息包括用户观看的视频信息、用户使用的终端信息、视频所属业务、用户ID、收看时长、收看时间；

其中，所述视频搜集模块包括：

搜集单元，用于搜集内容源集合中每一个视频内容的描述数据；

分析处理单元，用于分析处理获取到的视频内容的描述数据，并将分析处理后的视频内容的描述数据作为视频内容基础数据；

第一存储单元，用于存储所述视频内容基础数据；

其中，所述分析处理单元包括：

分配子单元，用于对获取到的每一个视频内容的描述数据统一分配对应的内容ID；

删除子单元，用于删除内容重复的视频内容的描述数据；

补全子单元，用于补全内容缺失的视频内容的描述数据。

5.如权利要求4所述的服务器，其特征在于，所述访问收集模块包括：

用户访问收集单元，用于从每一个终端的视频业务中收集用户访问信息；

行为分析单元，用于根据收集到的用户访问信息统计分析出用户行为习惯，对所述用户行为习惯进行处理和封装，形成行为分析基础数据；

第二存储单元，用于存储所述行为分析基础数据。

6.如权利要求4所述的服务器，其特征在于，所述关联推荐模块包括：

计算排行单元，用于对所述行为分析基础数据和所述视频内容基础数据进行不同角度的关联推荐计算和排行，得到关联推荐数据池；

接收处理单元，用于接收终端发出的推荐请求信息，根据各终端及其推荐请求信息从关联推荐数据池中得到推荐结果；

第三存储单元，用于存储所述推荐结果。