CN105550334A - 一种视频推荐方法及装置 - Google Patents

Abstract

本发明实施例公开了一种视频推荐方法及装置，涉及电子信息技术领域，可以根据用户观看过的视频再次被观看的概率，为用户推荐该用户观看过的视频。具体方案为：统计视频观看历史数据，获得第一类用户的用户数量以及第二类用户的用户数量；根据第一类用户的用户数量和第二类用户的用户数量，计算第一视频再次被观看的概率；向至少一个本地决策装置发送至少一个第二视频的视频推荐信息，以使得本地决策装置根据至少一个第二视频的推荐信息进行视频推荐，视频推荐信息包括第二视频的标识和第二视频再次被观看的概率，第二视频为再次被观看的概率满足第二预设条件的第一视频。本发明实施例应用于视频的推荐过程中。

Description

一种视频推荐方法及装置

技术领域

本发明涉及电子信息技术领域，尤其涉及一种视频推荐方法及装置。

背景技术

随着多媒体信息技术的发展，多媒体技术领域涌现出了很多能够为用户提供视频推荐功能的多媒体网页、多媒体应用以及客户端。

现有技术中的多媒体网页、多媒体应用以及客户端中的视频推荐装置一般通过统计全网所有用户的观看历史，分析出该用户的所喜好的视频类型，然后为该用户推荐对应类型的视频。

但是存在的问题是，一些视频被用户重复观看的可能性很高，而现有技术中在分析出用户的所喜好的视频类型，然后为用户推荐对应类型的视频时，向用户推荐的视频中一般不会包含该用户已经观看过得视频。

发明内容

本发明的实施例提供一种视频推荐方法及装置，可以根据用户观看过的视频再次被观看的概率，为用户推荐该用户观看过的视频。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明实施例的第一方面，提供一种视频推荐方法，包括：

统计视频观看历史数据，获得第一类用户的用户数量以及第二类用户的用户数量；所述第一类用户包括第一时刻之前、第一预设时间段内观看过第一视频的用户，所述第二类用户包括所述第一类用户中，所述第一时刻之后观看过所述第一视频的用户；所述第一视频为所述视频库中、观看用户数和/或重复观看用户数满足第一预设条件的视频；

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频再次被观看的概率；

向至少一个本地决策装置发送至少一个第二视频的视频推荐信息，以使得所述本地决策装置根据所述至少一个第二视频的推荐信息进行视频推荐，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为所述再次被观看的概率满足第二预设条件的第一视频。

本发明实施例的第二方面，提供一种视频推荐方法，包括：

向视频统计分析装置上报视频观看历史数据；

接收所述视频统计分析装置发送的至少一个第二视频的视频推荐信息，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为满足第二预设条件的第一视频，所述第一视频为观看用户数和/或重复观看用户数满足第一预设条件的视频；

分析所述视频观看历史数据，得到一用户对所述至少一个第二视频中各个第二视频的重复观看系数；

分别计算所述至少一个第二视频中每个第二视频的重复观看系数与其再次被观看的概率的乘积，得到所述用户再次观看所述至少一个第二视频中每个第二视频的概率；

根据所述用户再次观看所述至少一个第二视频中每个第二视频的概率由大到小的顺序，为所述用户推荐视频。

本发明实施例的第三方面，提供一种视频统计分析装置，包括：

统计模块，用于统计视频观看历史数据，获得第一类用户的用户数量以及第二类用户的用户数量；所述第一类用户包括第一时刻之前、第一预设时间段内观看过第一视频的用户，所述第二类用户包括所述第一类用户中，所述第一时刻之后观看过所述第一视频的用户；所述第一视频为所述视频库中、观看用户数和/或重复观看用户数满足第一预设条件的视频；

计算模块，用于根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频再次被观看的概率；

发送模块，用于向至少一个本地决策装置发送至少一个第二视频的视频推荐信息，以使得所述本地决策装置根据所述至少一个第二视频的推荐信息进行视频推荐，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为所述再次被观看的概率满足第二预设条件的第一视频。

本发明实施例第四方面，提供一种本地决策装置，包括：

发送模块，用于向视频统计分析装置上报视频观看历史数据；

接收模块，用于接收所述视频统计分析装置发送的至少一个第二视频的视频推荐信息，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为满足第二预设条件的第一视频，所述第一视频为观看用户数和/或重复观看用户数满足第一预设条件的视频；

分析模块，用于分析所述视频观看历史数据，得到一用户对所述至少一个第二视频中各个第二视频的重复观看系数；

计算模块，用于分别计算所述至少一个第二视频中每个第二视频的重复观看系数与其再次被观看的概率的乘积，得到所述用户再次观看所述至少一个第二视频中每个第二视频的概率；

视频推荐模块，用于根据所述用户再次观看所述至少一个第二视频中每个第二视频的概率由大到小的顺序，为所述用户推荐视频。

本发明实施例提供的视频推荐方法及装置，视频统计分析装置首先从众多视频中确定出观看人数较多或者重复观看人数较多的视频(第一视频)，即热门视频，然后可以根据不同时间段观看过第一视频的用户(第一类用户和第二类用户)的用户数量计算第一视频再次被观看的概率，由于每一个第一视频再次被观看的概率可以体现出该第一视频再次被用户观看的可能性，因此本地决策装置在接收到视频统计分析装置发送的包含至少一个第二视频(满足第二预设条件的第一视频)再次被观看的概率的视频推荐信息后，根据视频再次被观看的概率便可以为用户推荐再次被观看概率较高的视频，则可以提高视频推荐的成功率，提升用户体验。

并且，本地决策装置在向用户推荐视频时，在考虑到视频再次被观看的概率的同时，还结合了各个用户对各个视频的重复观看系数，即可以根据不同用户的不同观影需求/喜好，为不同用户推荐相应的视频。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种视频推荐系统的网络架构实例示意图；

图2为本发明实施例提供的一种视频推荐方法流程图；

图3为本发明实施例提供的另一种视频推荐方法流程图；

图4为本发明实施例提供的另一种视频推荐方法流程图；

图5为本发明实施例提供的一种视频观看时刻分析示意图；

图6为本发明实施例提供的一种视频观看时刻分析示意图；

图7为本发明实施例提供的一种视频统计分析装置的组成示意图；

图8为本发明实施例提供的另一种视频统计分析装置的组成示意图；

图9为本发明实施例提供的一种本地决策装置的组成示意图。

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做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。

另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本发明实施例提供的一种视频推荐方法及装置可以应用于根据用户的历史视频观看数据为用户推荐视频的过程中。请参考图1，为本发明实施例提供的一种视频推荐系统的网络架构实例示意图。

如图1所示，该视频推荐系统中可以包括：视频统计分析装置11、至少一个本地决策装置12以及多个用户终端13。

其中，各个用户终端13可以向其所归属的本地决策装置12上报用户通过该用户终端13观看视频的视频观看历史数据；每一个本地决策装置12可以将接收到的视频观看历史数据上报给视频统计分析装置11；然后由视频统计分析装置11对所有本地决策装置12上报的进行统计分析，得到每一个视频再次被观看的概率，并将其发送给各个本地决策装置12，由各个本地决策装置12根据每一个视频再次被观看的概率，结合各个用户观看视频的特点(如根据用户的观看历史分析得到的该用户对不同视频的喜好)，分别为不同用户推荐视频。

下面结合附图，通过具体的实施例及其应用场景对本发明实施例提供的一种视频推荐方法及装置进行详细地说明。

实施例一

本发明实施例提供一种视频推荐方法，可以应用于如图1所示的视频统计分析装置11，如图2所示，该视频推荐方法包括：

S201、视频统计分析装置统计视频观看历史数据，获得第一类用户的用户数量以及第二类用户的用户数量。

其中，视频观看历史数据中包含按照观看时间的先后依次记录的视频库中所有视频的观看历史。视频统计分析装置可以统计视频观看历史数据，从上述视频库中确定出至少一个第一视频，并获得第一视频的观看用户数和第一视频的重复观看用户数。

示例性的，第一视频为观看用户数或者重复观看用户数满足第一预设条件的视频，具体可以为：第一视频的观看用户数大于第一阈值；和/或，第一视频的重复观看用户数与第一视频的观看用户数的比值大于第二阈值。

可以想到的是，以视频库中的视频A为例，视频统计分析装置可以统计视频观看历史数据，查找到视频A的观看历史，并从中确定出曾经观看过该视频A的用户数量，即为视频A的观看用户数，并确定出曾经至少两次观看过视频A的用户数量，即为视频A的重复观看用户数。然后，视频统计分析装置可以判断视频A的观看用户数是否大于第一阈值，若视频A的观看用户数大于第一阈值，则可以确定该视频A为第一视频(即该视频A可以作为待推荐视频)；或者，视频统计分析装置可以计算视频A的重复观看用户数与视频A的观看用户数的比值，然后判断该比值是否大于第二阈值，若该比值大于第二阈值，则可以确定该视频A为第一视频(即该视频A可以作为待推荐视频)。

其中，第一类用户包括第一时刻之前、第一预设时间段内观看过第一视频的用户，第二类用户包括第一类用户中，第一时刻之后观看过第一视频的用户。

S202、视频统计分析装置根据第一类用户的用户数量和第二类用户的用户数量，计算第一视频再次被观看的概率。

在本发明实施例的一种应用场景中，视频统计分析装置可以根据第一类用户的用户数量和第二类用户的用户数量，计算第一视频被再次观看的先验概率并将计算得到的第一视频被再次观看的先验概率作为第一视频再次被观看的概率。其中，这里的事件Y₁表示第一视频被再次观看，事件Y₁发生的先验概率为

其中，m用于表示第一类用户的用户数量，n用于表示第二类用户的用户数量。

S203、视频统计分析装置向至少一个本地决策装置发送至少一个第二视频的视频推荐信息，以使得本地决策装置根据至少一个第二视频的推荐信息进行视频推荐。

其中，视频推荐信息包括第二视频的标识和第二视频再次被观看的概率，第二视频为满足第二预设条件的第一视频。

示例性的，本发明实施例中，第二视频为满足第二预设条件的第一视频具体可以为：第二视频为第一视频中再次被观看的概率大于预设阈值的视频；或者，第二视频为第一视频中再次被观看的概率按照由大到小的顺序排列在前N个的大于预设阈值的视频。

本发明实施例提供的视频推荐方法，视频统计分析装置可以从众多视频中确定出观看人数较多或者重复观看人数较多的视频(第一视频)，即热门视频，然后可以根据不同时间段观看过第一视频的用户(第一类用户和第二类用户)的用户数量计算第一视频再次被观看的概率，由于每一个第一视频再次被观看的概率可以体现出该第一视频再次被用户观看的可能性，因此本地决策装置在接收到视频统计分析装置发送的包含至少一个第二视频(满足第二预设条件的第一视频)再次被观看的概率的视频推荐信息后，根据视频再次被观看的概率便可以为用户推荐再次被观看概率较高的视频，则可以提高视频推荐的成功率，提升用户体验。

实施例二

本发明实施例提供一种视频推荐方法，可以应用于如图1所示的任一个本地决策装置12，如图3所示，该视频推荐方法包括：

S301、本地决策装置向视频统计分析装置上报视频观看历史数据，视频观看历史数据中包含按照观看时间的先后依次记录的视频库中所有视频的观看历史。

其中，本地决策装置可以接收至少一个用户终端上报的用户通过该用户终端13观看视频的视频观看历史数据。本地决策装置可以在接收到用户终端上报的视频观看历史数据后，按照观看时间的先后顺序整合接收到的视频观看历史数据，得到整合后的视频观看历史数据，然后上报至视频统计分析装置。

S302、本地决策装置接收视频统计分析装置发送的至少一个第二视频的视频推荐信息，视频推荐信息包括第二视频的标识和第二视频再次被观看的概率。

第一视频为观看用户数和/或重复观看用户数满足第一预设条件的视频。第一视频为观看用户数或者重复观看用户数满足第一预设条件的视频，具体为：第一视频的观看用户数大于第一阈值；和/或，第一视频的重复观看用户数与第一视频的观看用户数的比值大于第二阈值。

第二视频为满足第二预设条件的第一视频，第二视频为再次被观看的概率满足第二预设条件的第一视频，具体为：第二视频为再次被观看的概率大于第三阈值的第一视频。

本发明实施例对于第二视频的具体描述可以参考上述实施例中的相关内容，本实施例这里不再赘述。

S303、本地决策装置分析视频观看历史数据，得到用户对至少一个第二视频中各个第二视频的重复观看系数。

其中，用户对一个第二视频的重复观看系数决定于该用户是否重复观看过该第二视频；当该用户重复观看过该第二视频时，该用户对该第二视频的重复观看系数为1；当该用户未重复观看过该第二视频时，该用户对该第二视频的重复观看系数为0。

优选的，用户对一个第二视频的重复观看系数其中，若c_i＝1，则表示该用户重复观看过该第二视频i，若c_i＝0，则表示该用户未重复观看过该第二视频i；v_i用于表示在用户的视频观看历史中，第二视频i与用户最近观看视频之间间隔的视频数量；第二视频i为至少一个第二视频中的任一个第二视频。

S304、本地决策装置分别计算至少一个第二视频中每个第二视频的重复观看系数与其再次被观看的概率的乘积，得到用户再次观看至少一个第二视频中每个第二视频的概率。

S305、本地决策装置根据该用户再次观看至少一个第二视频中每个第二视频的概率由大到小的顺序，为该用户推荐视频。

本发明实施例提供的视频推荐方法，由于每一个第一视频再次被观看的概率可以体现出该第一视频再次被用户观看的可能性，因此本地决策装置，本地决策装置根据视频再次被观看的概率便可以为用户推荐再次被观看概率较高的视频，则可以提高视频推荐的成功率，提升用户体验。

并且，本地决策装置在向用户推荐视频时，在考虑到视频再次被观看的概率的同时，还结合了各个用户对各个视频的重复观看系数，即可以根据不同用户的不同观影需求/喜好，为不同用户推荐相应的视频。

实施例三

本发明实施例提供一种视频推荐方法，可以应用如图1所示的视频推荐系统中的视频统计分析装置11、至少一个本地决策装置12以及多个用户终端13的交互过程中，如图4所示，该视频推荐方法包括：

S401、至少一个本地决策装置中的每个本地决策装置接收至少一个用户终端上报的用户通过该用户终端观看视频的视频观看历史数据。

S402、至少一个本地决策装置向视频统计分析装置上报其接收到的视频观看历史数据。

其中，视频观看历史数据中包含按照观看时间的先后依次记录的视频库中所有视频的观看历史。

S403、视频统计分析装置统计接收到的视频观看历史数据，确定出至少一个第一视频。

其中，第一视频为视频库中观看用户数和/或重复观看用户数满足第一预设条件的视频。

需要说明的是，在本发明实施例中，第一视频的观看用户数和/或重复观看用户数满足第一预设条件的具体实现方式可以参考本发明上述实施例中的相关描述，本实施例这里不再赘述。视频统计分析装置还可以获取第一视频的历史观看信息，第一视频的历史观看信息包括：第一视频的观看用户数和第一视频的重复观看用户数，第一视频为观看用户数和/或重复观看用户数满足第一预设条件的视频。

S404、视频统计分析装置统计接收到的视频观看历史数据和至少一个第一视频，获得第一类用户的用户数量以及第二类用户的用户数量。

其中，第一类用户为第一时刻之前、第一预设时间段内观看过第一视频的用户，第二类用户为第一类用户中，第一时刻之后观看过第一视频的用户。

示例性的，如图5所示，第一时刻t₀为第二时刻t₁之前、且与第二时刻t₁间隔第二预设时间T₂的时刻，第二时刻t₁为视频观看历史数据中最近一次观看的视频的观看时刻。

视频统计分析装置可以统计视频观看历史数据，找出如图5所示第一时刻之前、第一预设时间段T₁内观看过第一视频的用户，将其确定为第一类用户。即第一类用户包括以第一时刻t₀为分隔符，在第一时刻t₀之前观看过第一视频的用户。在各个第一类用户中，有的第一类用户在第一时刻t₀之后可能还重复观看了第一视频；但是有的第一类用户在第一时刻t₀之后并未重复观看第一视频，视频统计分析装置可以将多个第一类用户中，在第一时刻t₀之后(即第一时刻t₀与第二时刻t₁之间的时间段)观看过第一视频的用户，确定为第二类用户。

可以想到的是，本发明实施例中还可以通过如图6所示的视频间隔来划分第一类用户和第二类用户。第一类用户可以为如图6所示视频F₀之前、第一间隔N内观看过第一视频的用户，第二类用户包括第一类用户中，视频F₀之后观看过第一视频的用户。

如图6所示，第二视频F₁为视频观看历史数据中最近一次观看的视频，视频F₀为视频观看历史数据中与视频F₁间隔了第二间隔M个视频(如5个视频)的视频。例如，在视频观看历史数据记录的视频观看历史中，用户在观看视频F₀后，在观看视频F₁之前，还观看了5部视频。

视频统计分析装置可以统计视频观看历史数据，找出如图6所示在视频F₀的观看时刻之前、在第一间隔N内观看过第一视频的用户，将其确定为第一类用户。即第一类用户包括以视频F₀为分隔符，在视频F₀之前观看过第一视频的用户。其中，每一个第一类用户都是视频F₀的观看时刻之前，观看过第一视频的用户，但是在视频F₀的观看时刻之后，有的第一类用户可能还重复观看了第一视频；但是有的第一类用户在视频F₀的观看时刻之后并未重复观看第一视频。视频统计分析装置可以将多个第一类用户中，在视频F₀的观看时刻之后(即视频F₀的观看时刻与视频F₁的观看时刻之间的时间段内)观看过第一视频的用户，确定为第二类用户。

S405、视频统计分析装置根据第一类用户的用户数量和第二类用户的用户数量，计算第一视频再次被观看的概率。

可选的，在本发明实施例的第一种应用场景中，S405可以替换为S405a：

S405a、视频统计分析装置根据第一类用户的用户数量和第二类用户的用户数量，计算第一视频被再次观看的先验概率

其中，m用于表示第一类用户的用户数量，n用于表示第二类用户的用户数量。

优选的，在本发明实施例的第二种应用场景中，视频统计分析装置计算得到的第一视频被再次观看的先验概率P(Y₁)即为第一视频再次被观看的概率。

在本发明实施例的第二种应用场景中，S405具体可以包括S405b-S405e：

S405b、视频统计分析装置根据第一类用户的用户数量和第二类用户的用户数量，计算第一视频被再次观看的先验概率和第一视频不被再次观看的先验概率

其中，m用于表示第一类用户的用户数量，n用于表示第二类用户的用户数量。

S405c、视频统计分析装置根据视频观看历史数据，确定第一视频在第一时刻之前、第一预设时间段内被重复观看的概率P(X₁)，以及第一视频为第一时刻之前的第k个视频的概率P(X₂)，1≤k≤2。

示例性的，若第一视频在第一时刻之前、第一预设时间段内被重复观看过，则第一视频在第一时刻之前、第一预设时间段内被重复观看的概率P(X₁)＝1；若第一视频在第一时刻之前、第一预设时间段内未被重复观看过，则第一视频在第一时刻之前、第一预设时间段内被重复观看的概率P(X₁)＝0。

例如，如图5所示，若视频x在第一预设时间段T₁内、第一时刻t₀之前被重复观看过，则视频x在第一预设时间段T₁内、第一时刻t₀之前被重复观看的概率P(X₁)＝1；若视频x在第一预设时间段T₁内、第一时刻T₁之前未被重复观看过，则视频x在第一预设时间段T₁内、第一时刻T₁之前被重复观看的概率P(X₁)＝0。

示例性的，以k＝2为例，若第一视频是第一时刻之前的第2个视频，则P(X₂)＝1；若第一视频不是第一时刻之前的第2个视频，则P(X₂)＝0。

S405d、视频统计分析装置根据P(Y₁)、P(Y₂)、P(X₁)以及P(X₂)，计算第一视频被再次观看的条件概率P(X₁,X₂|Y₁)和第一视频不被再次观看的条件概率P(X₁,X₂|Y₂)。

示例性的，视频统计分析装置可以根据P(Y₁)、P(Y₂)、P(X₁)以及P(X₂)采用：

条件概率公式： $P(X_1,X_2|Y_1)=\frac{P\left(\right(X_1,X_2)\∩Y_1)}{P\left(Y_1\right)}$

计算第一视频被再次观看的条件概率P(X₁,X₂|Y₁)。

示例性的，视频统计分析装置可以根据P(Y₁)、P(Y₂)、P(X₁)以及P(X₂)采用以下公式：

条件概率公式： $P(X_1,X_2|Y_2)=\frac{P\left(\right(X_1,X_2)\∩Y_2)}{P\left(Y_2\right)}$

计算第一视频不被再次观看的条件概率P(X₁,X₂|Y₂)。

其中，P(X₁,X₂)用于表示事件X₁(第一视频在第一时刻之前、第一预设时间段内被重复观看)，以及事件X₂(第一视频为第一时刻之前的第k个视频)同时发生的联合概率。由于事件X₁与事件X₂相互独立，因此P(X₁,X₂)＝P(X₁X₂)＝P(X₁)×P(X₂)。

S405e、视频统计分析装置根据P(Y₁)、P(Y₂)、P(X₁,X₂|Y₁)以及P(X₁,X₂|Y₂)，采用贝叶斯公式，计算第一视频被再次观看的后验概率P(Y₁|X₁,X₂)。

示例性的，视频统计分析装置可以根据P(Y₁)、P(Y₂)、P(X₁,X₂|Y₁)以及P(X₁,X₂|Y₂)，采用贝叶斯公式：

$P\left(Y_1\right|X_1,X_2)=\frac{P(X_1,X_2|Y_1)\×P\left(\right|Y_1)}{P(X_1,X_2|Y_1)\×P\left(Y_1\right)+P(X_1,X_2|Y_2)\×P\left(Y_2\right)}$

计算第一视频被再次观看的后验概率P(Y₁|X₁,X₂)。

需要强调的是，在本发明实施例的第二种应用场景中，视频统计分析装置计算得到的第一视频被再次观看的后验概率P(Y₁|X₁,X₂)即为第一视频再次被观看的概率。

S406、视频统计分析装置向至少一个本地决策装置发送至少一个第二视频的视频推荐信息。

其中，第二视频为再次被观看的概率大于第三阈值的第一视频。

S407、本地决策装置分析视频观看历史数据，确定一用户对第二视频i的重复观看系数

其中，若c_i＝1，则表示用户重复观看过第二视频i，若c_i＝0，则表示用户未重复观看过第二视频i；v_i用于表示在用户的视频观看历史中，第二视频i与用户最近观看视频之间间隔的视频数量；第二视频i为至少一个第二视频中的任一个第二视频。

S408、本地决策装置分别计算至少一个第二视频中每个第二视频的重复观看系数与其再次被观看的概率的乘积，得到该用户再次观看至少一个第二视频中每个第二视频的概率。

示例性的，假设一个第二视频的重复观看系数该第二视频的再次被观看的概率那么本地决策装置则可以计算得到该用户再次观看该第二视频的概率为

S409、本地决策装置根据该用户再次观看至少一个第二视频中每个第二视频的概率由大到小的顺序，为该用户推荐视频。

本发明实施例提供的视频推荐方法，视频统计分析装置首先从众多视频中确定出观看人数较多或者重复观看人数较多的视频(第一视频)，即热门视频，然后可以根据不同时间段观看过第一视频的用户(第一类用户和第二类用户)的数量计算第一视频再次被观看的概率，由于每一个第一视频再次被观看的概率可以体现出该第一视频再次被用户观看的可能性，因此本地决策装置在接收到视频统计分析装置发送的包含至少一个第二视频(满足第二预设条件的第一视频)再次被观看的概率的视频推荐信息后，根据视频再次被观看的概率便可以为用户推荐再次被观看概率较高的视频，则可以提高视频推荐的成功率，提升用户体验。

并且，本地决策装置在向用户推荐视频时，在考虑到视频再次被观看的概率的同时，还结合了各个用户对各个视频的重复观看系数，即可以根据不同用户的不同观影需求/喜好，为不同用户推荐相应的视频。

实施例四

本发明实施例提供一种视频统计分析装置，如图7所示，该视频统计分析装置包括：统计模块51、计算模块52和发送模块53。

统计模块51，用于统计视频观看历史数据，获得第一类用户的用户数量以及第二类用户的用户数量；所述第一类用户包括第一时刻之前、第一预设时间段内观看过第一视频的用户，所述第二类用户包括所述第一类用户中，所述第一时刻之后观看过所述第一视频的用户；所述第一视频为所述视频库中、观看用户数和/或重复观看用户数满足第一预设条件的视频；

计算模块52，用于根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频再次被观看的概率。

发送模块53，用于向至少一个本地决策装置发送至少一个第二视频的视频推荐信息，以使得所述本地决策装置根据所述至少一个第二视频的推荐信息进行视频推荐，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为所述再次被观看的概率满足第二预设条件的第一视频。

进一步的，在本发明实施例的第一种应用场景中，所述计算模块52，具体用于：

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频被再次观看的先验概率所述P(Y₁)为所述第一视频再次被观看的概率。

其中，m用于表示所述第一类用户的用户数量，n用于表示所述第二类用户的用户数量；

在本发明实施例的第二种应用场景中，所述计算模块52，具体用于：

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频被再次观看的先验概率和所述第一视频不被再次观看的先验概率m用于表示所述第一类用户的用户数量，n用于表示所述第二类用户的用户数量；

根据所述视频观看历史数据，确定所述第一视频在所述第一时刻之前、所述第一预设时间段内被重复观看的概率P(X₁)，以及所述第一视频为所述第一时刻之前的第k个视频的概率P(X₂)，1≤k≤2；

根据所述P(Y₁)、所述P(Y₂)、所述P(X₁)以及所述P(X₂)，计算所述第一视频被再次观看的条件概率P(X₁,X₂|Y₁)和所述第一视频不被再次观看的条件概率P(X₁,X₂|Y₂)；

根据所述P(Y₁)、所述P(Y₂)、所述P(X₁,X₂|Y₁)以及所述P(X₁,X₂|Y₂)，采用贝叶斯公式，计算所述第一视频被再次观看的后验概率P(Y₁|X₁,X₂)。

其中，所述P(Y₁|X_1,X₂)为所述第一视频再次被观看的概率。

进一步的，所述第一视频为观看用户数或者重复观看用户数满足第一预设条件的视频，具体为：所述第一视频的观看用户数大于第一阈值；和/或，所述第一视频的重复观看用户数与所述第一视频的观看用户数的比值大于第二阈值。

进一步的，如图8所示，该视频统计分析装置还可以包括：接收模块55。

接收模块55，用于在所述第一统计模块51所述统计视频观看历史数据，获得视频集合之前，接收所述至少一个本地决策装置上报的所述视频观看历史数据。

进一步的，所述第二视频为所述再次被观看的概率满足第二预设条件的第一视频，具体为：

所述第二视频为所述再次被观看的概率大于第三阈值的第一视频。

本发明实施例提供的视频统计分析装置，可以从众多视频中确定出观看人数较多或者重复观看人数较多的视频(第一视频)，即热门视频，然后可以根据不同时间段观看过第一视频的用户(第一类用户和第二类用户)的用户数量计算第一视频再次被观看的概率，由于每一个第一视频再次被观看的概率可以体现出该第一视频再次被用户观看的可能性，因此本地决策装置在接收到视频统计分析装置发送的包含至少一个第二视频(满足第二预设条件的第一视频)再次被观看的概率的视频推荐信息后，根据视频再次被观看的概率便可以为用户推荐再次被观看概率较高的视频，则可以提高视频推荐的成功率，提升用户体验。

实施例五

本发明实施例提供一种本地决策装置，如图9所示，该本地决策装置包括：发送模块61、接收模块62、分析模块63、计算模块64和视频推荐模块65。

发送模块61，用于向视频统计分析装置上报视频观看历史数据。

接收模块62，用于接收所述视频统计分析装置发送的至少一个第二视频的视频推荐信息，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为满足第二预设条件的第一视频，所述第一视频为观看用户数和/或重复观看用户数满足第一预设条件的视频。

分析模块63，用于分析所述视频观看历史数据，得到一用户对所述至少一个第二视频中各个第二视频的重复观看系数。

计算模块64，用于分别计算所述至少一个第二视频中每个第二视频的重复观看系数与其再次被观看的概率的乘积，得到所述用户再次观看所述至少一个第二视频中每个第二视频的概率。

视频推荐模块65，用于根据所述用户再次观看所述至少一个第二视频中每个第二视频的概率由大到小的顺序，为所述用户推荐视频。

进一步的，所述分析模块63，具体用于：

分析所述视频观看历史数据，确定所述用户对第二视频i的重复观看系数 $\mathrm{\α}\left(i\right)=\frac{c_i}{v_i}.$

其中，若c_i＝1，则表示所述用户重复观看过所述第二视频i，若c_i＝0，则表示所述用户未重复观看过所述第二视频i；v_i用于表示在所述用户的视频观看历史中，所述第二视频i与所述用户最近观看视频之间间隔的视频数量；所述第二视频i为所述至少一个第二视频中的任一个第二视频。

本发明实施例提供的本地决策装置，由于每一个第一视频再次被观看的概率可以体现出该第一视频再次被用户观看的可能性，因此本地决策装置，本地决策装置根据视频再次被观看的概率便可以为用户推荐再次被观看概率较高的视频，则可以提高视频推荐的成功率，提升用户体验。

并且，本地决策装置在向用户推荐视频时，在考虑到视频再次被观看的概率的同时，还结合了各个用户对各个视频的重复观看系数，即可以根据不同用户的不同观影需求/喜好，为不同用户推荐相应的视频。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种视频推荐方法，其特征在于，包括：

统计视频观看历史数据，获得第一类用户的用户数量以及第二类用户的用户数量；所述第一类用户包括第一时刻之前、第一预设时间段内观看过第一视频的用户，所述第二类用户包括所述第一类用户中，所述第一时刻之后观看过所述第一视频的用户；所述第一视频为所述视频库中、观看用户数和/或重复观看用户数满足第一预设条件的视频；

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频再次被观看的概率；

向至少一个本地决策装置发送至少一个第二视频的视频推荐信息，以使得所述本地决策装置根据所述至少一个第二视频的推荐信息进行视频推荐，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为所述再次被观看的概率满足第二预设条件的第一视频。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频再次被观看的概率，包括：

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频被再次观看的先验概率所述P(Y₁)为所述第一视频再次被观看的概率；

其中，m用于表示所述第一类用户的用户数量，n用于表示所述第二类用户的用户数量。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频再次被观看的概率，包括：

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频被再次观看的先验概率和所述第一视频不被再次观看的先验概率m用于表示所述第一类用户的用户数量，n用于表示所述第二类用户的用户数量；

根据所述视频观看历史数据，确定所述第一视频在所述第一时刻之前、所述第一预设时间段内被重复观看的概率P(X₁)，以及所述第一视频为所述第一时刻之前的第k个视频的概率P(X₂)，1≤k≤2；

根据所述P(Y₁)、所述P(Y₂)、所述P(X₁)以及所述P(X₂)，计算所述第一视频被再次观看的条件概率P(X₁,X₂|Y₁)和所述第一视频不被再次观看的条件概率P(X₁,X₂|Y₂)；

根据所述P(Y₁)、所述P(Y₂)、所述P(X₁,X₂|Y₁)以及所述P(X₁,X₂|Y₂)，采用贝叶斯公式，计算所述第一视频被再次观看的后验概率P(Y₁|X₁,X₂)；

其中，所述P(Y₁|X₁,X₂)为所述第一视频再次被观看的概率。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述第一视频为所述视频库中、观看用户数或者重复观看用户数满足第一预设条件的视频，具体为：

所述第一视频的观看用户数大于第一阈值；和/或，所述第一视频的重复观看用户数与所述第一视频的观看用户数的比值大于第二阈值。

5.根据权利要求1-3中任一项所述的方法，其特征在于，在所述统计视频观看历史数据，获得视频集合之前，所述方法还包括：

接收所述至少一个本地决策装置上报的所述视频观看历史数据。

6.根据权利要求1-3中任一项所述的方法，其特征在于，所述第二视频为所述再次被观看的概率满足第二预设条件的第一视频，具体为：

所述第二视频为所述再次被观看的概率大于第三阈值的第一视频。

7.一种视频推荐方法，其特征在于，包括：

向视频统计分析装置上报视频观看历史数据；

接收所述视频统计分析装置发送的至少一个第二视频的视频推荐信息，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为满足第二预设条件的第一视频，所述第一视频为观看用户数和/或重复观看用户数满足第一预设条件的视频；

分析所述视频观看历史数据，得到一用户对所述至少一个第二视频中各个第二视频的重复观看系数；

分别计算所述至少一个第二视频中每个第二视频的重复观看系数与其再次被观看的概率的乘积，得到所述用户再次观看所述至少一个第二视频中每个第二视频的概率；

根据所述用户再次观看所述至少一个第二视频中每个第二视频的概率由大到小的顺序，为所述用户推荐视频。

8.根据权利要求7所述的方法，其特征在于，所述分析所述视频观看历史数据，得到用户对所述至少一个第二视频中各个第二视频的重复观看系数，包括：

分析所述视频观看历史数据，确定所述用户对第二视频i的重复观看系数 $\mathrm{\α}\left(i\right)=\frac{c_i}{v_i};$

其中，若c_i＝1，则表示所述用户重复观看过所述第二视频i，若c_i＝0，则表示所述用户未重复观看过所述第二视频i；v_i用于表示在所述用户的视频观看历史中，所述第二视频i与所述用户最近观看视频之间间隔的视频数量；所述第二视频i为所述至少一个第二视频中的任一个第二视频。

9.一种视频统计分析装置，其特征在于，包括：

统计模块，用于统计视频观看历史数据，获得第一类用户的用户数量以及第二类用户的用户数量；所述第一类用户包括第一时刻之前、第一预设时间段内观看过第一视频的用户，所述第二类用户包括所述第一类用户中，所述第一时刻之后观看过所述第一视频的用户；所述第一视频为所述视频库中、观看用户数和/或重复观看用户数满足第一预设条件的视频；

计算模块，用于根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频再次被观看的概率；

发送模块，用于向至少一个本地决策装置发送至少一个第二视频的视频推荐信息，以使得所述本地决策装置根据所述至少一个第二视频的推荐信息进行视频推荐，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为所述再次被观看的概率满足第二预设条件的第一视频。

10.根据权利要求9所述的装置，其特征在于，所述计算模块，具体用于：

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频被再次观看的先验概率所述P(Y₁)为所述第一视频再次被观看的概率；其中，m用于表示所述第一类用户的用户数量，n用于表示所述第二类用户的用户数量；

或者，

所述计算模块，具体用于：

根据所述第一类用户的用户数量和所述第二类用户的用户数量，计算所述第一视频被再次观看的先验概率和所述第一视频不被再次观看的先验概率m用于表示所述第一类用户的用户数量，n用于表示所述第二类用户的用户数量；

根据所述视频观看历史数据，确定所述第一视频在所述第一时刻之前、所述第一预设时间段内被重复观看的概率P(X₁)，以及所述第一视频为所述第一时刻之前的第k个视频的概率P(X₂)，1≤k≤2；

根据所述P(Y₁)、所述P(Y₂)、所述P(X₁)以及所述P(X₂)，计算所述第一视频被再次观看的条件概率P(X₁,X₂|Y₁)和所述第一视频不被再次观看的条件概率P(X₁,X₂|Y₂)；

根据所述P(Y₁)、所述P(Y₂)、所述P(X₁,X₂|Y₁)以及所述P(X₁,X₂|Y₂)，采用贝叶斯公式，计算所述第一视频被再次观看的后验概率P(Y₁|X₁,X₂)；其中，所述P(Y₁|X₁,X₂)为所述第一视频再次被观看的概率。

11.一种本地决策装置，其特征在于，包括：

发送模块，用于向视频统计分析装置上报视频观看历史数据；

接收模块，用于接收所述视频统计分析装置发送的至少一个第二视频的视频推荐信息，所述视频推荐信息包括所述第二视频的标识和所述第二视频再次被观看的概率，所述第二视频为满足第二预设条件的第一视频，所述第一视频为观看用户数和/或重复观看用户数满足第一预设条件的视频；

分析模块，用于分析所述视频观看历史数据，得到一用户对所述至少一个第二视频中各个第二视频的重复观看系数；

计算模块，用于分别计算所述至少一个第二视频中每个第二视频的重复观看系数与其再次被观看的概率的乘积，得到所述用户再次观看所述至少一个第二视频中每个第二视频的概率；

视频推荐模块，用于根据所述用户再次观看所述至少一个第二视频中每个第二视频的概率由大到小的顺序，为所述用户推荐视频。

12.根据权利要求11所述的装置，其特征在于，所述分析模块，具体用于：

分析所述视频观看历史数据，确定所述用户对第二视频i的重复观看系数 $\mathrm{\α}\left(i\right)=\frac{c_i}{v_i};$

其中，若c_i＝1，则表示所述用户重复观看过所述第二视频i，若c_i＝0，则表示所述用户未重复观看过所述第二视频i；v_i用于表示在所述用户的视频观看历史中，所述第二视频i与所述用户最近观看视频之间间隔的视频数量；所述第二视频i为所述至少一个第二视频中的任一个第二视频。