CN105792000A - 一种视频推荐方法及装置 - Google Patents

Abstract

本发明涉及一种视频推荐方法及装置，所述方法包括：预先获取用户集中各用户的视频操作记录，并根据视频操作记录计算用户对浏览过的视频的评分；获取所述用户集中待推荐用户对浏览过的视频的评分，并获取相关用户对浏览过的视频的评分，计算所述相关用户对待推荐视频和所述相关用户对参考视频的评分差；以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估所述待推荐用户对所述待推荐视频的评分；按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。本发明实施例提供的方法能够提高视频推荐的效率。

Description

一种视频推荐方法及装置

技术领域

本发明涉及通信领域，尤其涉及一种视频推荐方法及装置。

背景技术

面对数据量日益庞大的视频数量，如何为用户智能的推荐视频并满足用户的需求是一直值得研究的问题。

现有技术中的视频推荐技术，大多基于多数用户对视频的评分为一用户推荐视频。例如，首先由用户观看视频内容库中的至少一个视频，并由用户对观看的视频进行评分，然后记录每一个用户对视频内容库中的至少一个视频的评分。向用户推荐视频时，若该用户也对视频内容库中的视频进行过评分，则查找与该用户对相同视频进行过评分的其他用户，并获取其他用户对视频内容库中的至少一个视频的评分，然后计算待推荐视频的用户对未观看过的视频的评分，并向该用户推荐评分较高的未观看过的视频。

然而，现有技术中的视频推荐方法，需要用户首先为视频评分，否则无法基于用户的评分为用户推荐视频。如果第一网站没有用户对观看的视频进行评分时，则需要借助第二网站的用户对观看的视频评分为第一网站的用户推荐视频。这样，为第一网站用户推荐的视频其实与该用户个人的喜好无关，则推荐的视频难以满足用户的需求。由此可见，现有技术中的视频推荐方法效率低。

发明内容

本发明的目的是提供一种视频推荐方法及装置，以克服现有技术中视频推荐效率低的问题。

一方面，本发明提供一种视频推荐方法，该方法包括：

预先获取用户集中各用户的视频操作记录，并根据视频操作记录计算用户对浏览过的视频的评分；

获取所述用户集中待推荐用户对浏览过的视频的评分，并获取相关用户对浏览过的视频的评分，其中，所述相关用户是指用户集中的与待推荐用户浏览过相同视频的用户；

计算所述相关用户对待推荐视频和所述相关用户对参考视频的评分差，其中，所述待推荐视频是指所述相关用户浏览过而所述待推荐用户未浏览过的视频，所述参考视频是指所述待推荐用户浏览过的视频；

以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估所述待推荐用户对所述待推荐视频的评分；

按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

另一方面，本发明提供一种视频推荐装置，该装置包括：

已浏览视频评分模块，用于预先获取用户集中各用户的视频操作记录，并根据视频操作记录计算用户对浏览过的视频的评分；

获取模块，用于获取所述用户集中待推荐用户对浏览过的视频的评分，并获取相关用户对浏览过的视频的评分，其中，所述相关用户是指用户集中的与待推荐用户浏览过相同视频的用户；

评分差计算模块，用于计算所述相关用户对待推荐视频和所述相关用户对参考视频的评分差，其中，所述待推荐视频是指所述相关用户浏览过而所述待推荐用户未浏览过的视频，所述参考视频是指所述待推荐用户浏览过的视频；

待推荐视频评分模块，用于以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估所述待推荐用户对所述待推荐视频的评分；

推荐模块，用于按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

本发明至少具有以下有益效果：在本发明实施例提供的视频推荐方法中，根据用户的视频操作记录，计算用户对浏览过的视频的评分。例如针对任一视频，获取用户是否对视频进行点赞、是否收藏视频、视频的播放次数等参数，并根据获取的参数计算该用户对该视频的评分，实现评分的智能化和自动化，从而提高视频推荐的效率。

此外，本发明实施例提供的视频推荐方法中，当计算用户对浏览过的至少一个视频的评分后，可以进一步的感知到用户的喜好，例如用户对哪些类型的视频的评分高，便可以分析得出用户喜欢观看的视频类型，进而为用户推荐用户喜欢赶快的视频类型中的视频，进而为该用户推荐的视频能够贴近用户的喜好，使得推荐的视频能够更好的满足用户的需求。

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，并不能限制本发明。

附图说明

图1为本发明实施例中视频推荐方法的示例性流程图之一；

图2为本发明实施例中视频推荐方法的示例性流程图之二；

图3为本发明实施例中视频推荐装置的示意图之一；

图4为本发明实施例中视频推荐装置的示意图之二。

具体实施方式

以下结合附图对本发明的实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。

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。

本发明实施例提供一种视频推荐方法，适用于以用户对视频的评分为基础的视频推荐技术。在本发明实施例提供的视频推荐方法中，根据用户的视频操作记录，计算用户对浏览过的视频的评分。例如针对任一视频，获取用户是否对视频进行点赞、是否收藏视频、视频的播放次数等参数，并根据获取的参数计算该用户对该视频的评分，实现评分的智能化和自动化，从而提高视频推荐的效率。

此外，本发明实施例提供的视频推荐方法中，当计算用户对浏览过的至少一个视频的评分后，可以进一步的感知到用户的喜好，例如用户对哪些类型的视频的评分高，便可以分析得出用户喜欢观看的视频类型，进而为用户推荐用户喜欢观看的视频类型中的视频，进而为该用户推荐的视频能够贴近用户的喜好，使得推荐的视频能够更好的满足用户的需求。

下面通过简单的实施例对本发明实施例中视频推荐方法进行详细说明。

实施例一

如图1所示，为本发明实施例中视频推荐方法的示例性流程图，该方法包括以下步骤：

步骤101：预先获取用户集中各用户的视频操作记录，并根据视频操作记录计算用户对浏览过的视频的评分。

其中，用户对浏览过的视频的评分表征了用户对浏览过的视频的喜爱程度。

其中，视屏操作记录记录了用户对视频的操作信息，具体的，该视频操作记录可以包括以下中的任一参数：是否点赞、是否收藏、播放次数等。

其中，例如，可以设定视频的评分的最高值，该最高值例如为10分，并设定视频的评分基础值，例如为0分。然后当视频操作记录中包括是否点赞、是否收藏、播放次数时，设置每个参数对应的评分规则，例如对于视频操作记录中的是否点赞，则是则是否点赞对应的评分为3分，若否则是否点赞对应的评分为0分；对于视频操作记录中的是否收藏，则是则是否收藏对应的评分为3分，若否则是否收藏对应的评分为0分；对于视频操作记录中的播放次数，该播放次数对应的满分为4分，并设置最高播放次数评分基础值，并计算播放次数与播放次数评分基础值之间的比例，并用计算得到的比例乘以播放次数对应的满分4，得到的评分为播放次数对应的评分。最后，由是否点赞对应的评分、是否收藏对应的评分、播放次数对应的评分以及评分基础值之和，作为计算的该用户对该视频的评分。当然，需要说明的是，可以视需求配置计算评分的方法，本发明对此不做限定。

步骤102：获取所述用户集中待推荐用户对浏览过的视频的评分，并获取相关用户对浏览过的视频的评分，其中，所述相关用户是指用户集中的与待推荐用户浏览过相同视频的用户。

步骤103：计算所述相关用户对待推荐视频和所述相关用户对参考视频的评分差，其中，所述待推荐视频是指所述相关用户浏览过而所述待推荐用户未浏览过的视频，所述参考视频是指所述待推荐用户浏览过的视频。

步骤104：以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估所述待推荐用户对所述待推荐视频的评分。

步骤105：按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

本发明实施例，根据用户的视频操作记录，计算用户对浏览过的视频的评分。实现了评分的智能化和自动化，从而提高视频推荐的效率。

进一步的，本发明实施例中，在步骤101计算用户对视频的评分之前，还可以执行以下步骤：预先根据用户集中各用户对浏览过的视频的点赞总数，计算用户对浏览过的视频的评分基础值；然后，以浏览过的视频的评分基础值为基准值，根据用户对所述浏览过的视频的视频操作记录，调整用户对所述浏览过的视频的评分，并将调整后的评分作为计算的用户对所述浏览过的视频的评分。

具体的，可以根据以下方式调整该用户对浏览过的视频的评分：

1)、当浏览过的视频的视频操作记录中包括是否点赞时，且当确定是否点赞为是时，提高用户对所述浏览过的视频的评分。

2)、当浏览过的视频的视频操作记录中包括是否收藏时，且当确定是否收藏为是时，提高用户对所述浏览过的视频的评分。

3)、当浏览过的视频的视频操作记录中包括播放次数时，将所述浏览过的视频的评分增加播放次数所属的预设次数区间对应的分值。

其中，以上1)-3)的调整方式可以组合使用，例如视频操作记录中包括是否点赞、是否收藏和播放次数时，可以依次使用上述1)-3)的调整方式计算用户对视频的评分值，例如，可以首先根据是否点赞在视频的评分基础值的基础上调整视频的评分，例如当是否点赞为是时，在评分基础值的基础上第一次提高该用户对视频的评分，然后当是否收藏为是时，在第一次提高该用户对视频的评分之后，第二次提高该用户对视频的评分，最后再根据播放次数，在第二次提高该用户对视频的评分的基础上，将该视频的评分增加该播放次数所属的预设次数区间对应的分值，得到计算的该用户对该视频的评分。当然，上述1)-3)中的调整方式的执行顺序可以不受限制，当然也可以同时使用以上1)-3)的调整方式计算出各视频操作记录参数对应的评分之和后，再和该视频的评分基础值求和，获得计算的用户对该视频的评分，本发明对此不做限定。

本发明实施例中，针对任一视频，根据用户集中各用户对该视频的点赞总数，计算该视频的评分基础值，使得该视频的评分基础值是根据至少一个用户的喜好得来的评分基础值，代表了宏观上用户们对该视频的喜爱程度，使得该视频的评分基础值更加能够贴近用户的喜好，能够更加准确。

此外，本发明实施例中，根据视频操作记录调整用户对视频的评分，能够在评分基础值的基础上凸显用户个人对视频的喜爱程度，使得对每个用户对每个视频的评分计算的更加个性化，更加能够贴近用户实际对视频的评分。能够为视频推荐打好基础，使得为用户推荐的视频更能够满足用户的需求，从而提高视频推荐的准确性。

进一步的，当视频操作记录中包括播放次数时，还可以进一步根据计算的用户喜好的视频类型，调整用户对视频的评分，具体的：当浏览过的视频的视频操作记录中包括播放次数时，计算用户播放与所述浏览过的视频属于同一类型的视频的总播放次数，并将所述浏览过的视频的评分增加总播放次数所属的预设总次数区间对应的分值。具体的，当总播放次数越高时，该总播放次数所属的预设总次数区间对应的分值越高，即，总播放次数越高的视频类型为用户喜好的视频类型，且总播放次数由高到低的顺序，排序靠前的视频类型中的视频的评分将被增加，而且，排序越靠前，评分增加的程度越大，使得用户对喜好的视频类型中的视频的评分提高，使得计算的评分更能贴近用户的喜好，从而提高计算用户对视频的评分的准确性。

此外，总播放次数由高到低的顺序，排序靠前的视频类型中的视频的评分将被增加，而且，排序越靠前，评分增加的程度越大，即实现了总播放次数较高的视频类型中的视频的评分会大于等于总播放次数较低的视频类型中的视频的评分。从而，可以从计算的用户对视频的评分中，分析出评分较高的视频类型，在之后的视频推荐中，可以优先推荐用户喜好的视频类型中的视频，可以使的推荐的视频更能贴近用户的需求。

进一步的，本发明实施例中，步骤105具体包括：当到达预设推荐时间时，按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。通过定时推荐视频，可以减少推荐视频的频率，减少执行计算用户未浏览的视频的评分的操作所占用的资源。

实施例二

假设用户集中共有5个用户，其中与用户3浏览过相同视频的用户是用户1和用户2，以为用户3推荐未浏览过的视频为例，对本发明实施例中视频推荐方法进行详细说明，如图2所示，该方法包括以下步骤：

步骤201：预先获取用户集中5个用户的视频操作记录。

步骤202：计算每一个用户对浏览过的视频的评分。

步骤203：当为用户3推荐视频时，获取用户3的相关用户各自对浏览过的视频的评分。

其中，假设根据用户1对视频A、视频B和视频C的视频操作记录，计算用户1对视频A、视频B和视频C的评分；根据用户2对视频A、视频B的视频操作记录，计算用户2对视频A和视频B的评分；根据用户3对视频B和视频C的视频操作记录，计算用户3对视频B和视频C的评分。

其中，计算评分的方法已在实施例一中进行说明，本发明实施例在此不再赘述。

其中，计算的结果如表1所示。在表1中，还包括各视频对应的视频类型。视频类型可以根据视频的内容划分，例如古装、武侠、宫廷等，也可以根据视频的发布时间划分，例如1971年-1980年、1981年-1990年等，还可以根据视频的来源地划分，例如美国、英国、韩国等，用户可以根据自己的需求划分视频的类型，本发明对此不做限定。

表1计算的用户评分

步骤204：计算相关用户对待推荐视频和相关用户对参考视频的评分差，其中，待推荐视频是指所述相关用户浏览过而所述待推荐用户未浏览过的视频，参考视频是指用户3浏览过的视频。

步骤205：以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估用户3对待推荐视频的评分。

步骤206：按照评分由高到低的顺序，向用户3推荐预设数量的待推荐视频。

其中，以表1中的用户1、用户2和用户3对浏览视频的评分结果为例，对预估用户3对待推荐视频的评分进行举例说明：

步骤A1：确定用户3未浏览过的视频为视频A。

其中，表1中与用户3对应的表项中，没有评分结果的视频即为用户3未浏览过的视频。

步骤A2：查找与用户3浏览过相同视频的用户中，具有对视频A的评分的用户。

其中，执行步骤A2后，确定用户2和用户3符合条件，即都具有对视频A的评分。

步骤A3：根据步骤A2查找的结果，预估用户3对视频A的评分。

其中，具体的，步骤A3可以执行为，根据步骤A2查找到的用户对视频的评分，预估用户3对视频A的评分。较佳的，例如，根据以下公式(1)，计算待推荐用户对未浏览过的视频的评分：

$M=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(P_i\·(R_{T-\mathrm{Di}}+r_{\mathrm{Di}}))}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_i},$ 其中， $R_{T-\mathrm{Di}}=\frac{\underset{z=1}{\overset{S}{\mathrm{\Σ}}}(R_{\mathrm{Tz}}-R_{\mathrm{Di}})}{S}---\left(1\right)$

其中，在公式(1)中，M表示待推荐用户对待推荐视频的评分；R_Di表示参考视频；R_T-Di表示待推荐视频R_T相对参考视频R_Di的平均评分差值；P_i表示参考视频R_Di的预设权重；N表示参考视频R_Di的总数量；r_Di表示待推荐用户对参考视频R_Di的评分；R_Tz表示相关用户Z对待推荐视频R_T的评分；S表示对待推荐视频R_T和参考视频R_Di都具有评分的用户的总数量。

下面，以表2中的评分结果为例，对预估用户3对未浏览过的视频A的评分的方法进行举例说明：

视频A为用户3的待推荐视频R_T；表1中显示用户3对视频B和视频C的评分，因此视频B和视频C均为参考视频。其中，以计算视频A参考视频B的平均评分差值为例，对计算平均评分差值的过程进行说明：在表1中，对待推荐视频R_T和参考视频R_Di都具有评分的用户为用户1和用户2，因此S为2；用户1对视频A和视频B的评分差值为5-3＝2；用户2对视频A和视频B的评分差值为3-4＝1；则视频A参考视频B的平均评分差值R_A-B为：

$R_{A-B}=\frac{(5-3)+(3-4)}{2}=0.5;$

同理，视频A参考视频C的平均评分差值R_A-C为：

$R_{A-C}=\frac{5-2}{1}=3;$

假设以对待推荐视频R_T和参考视频R_Di都具有评分的用户的总数量为参考视频R_Di的预设权重，则公式(1)中的预设权重P_i包括P_B和P_C；且，其中P_B为2；P_C为1。在表1中用户3对参考视频B的评分r_Di为2；用户3对参考视频C的评分r_Di为5；则最终预估的用户3对待推荐视频A的评分为：

$M=\frac{2*(0.5+2)+*(3+5)}{(2+1)}=4.33$

至此，完成用户3对待推荐视频A的评分的预估，基于相同的方法，可以完成用户3对其他待推荐视频的评分的预估。

需要说明的是，任何根据用户的评分之间的相关性，计算该用户对该用户未浏览过的视频的评分的方法均适用于本发明实施例，例如，计算过程中可以不适用前述的权重，即前述的权重值可以均为1等，本发明对此不做限定。

此外，本发明实施例中，如表1所示，每个视频都有对应的视频类型，在实际使用中，可以根据视频类型预估每个用户对该视频类型的评分，例如，针对每个视频类型，以用户对该视频类型中的已浏览过的视频的平均评分作为用户对该视频类型的评分。由此，可以预估用户对各视频类型的喜好程度，以便于为用户推荐用户喜欢的视频类型下的视频。

本发明实施例实现，根据用户对视频的视频操作记录，计算用户对视频的评分，实现自动化的为视频评分，提高推荐视频的效率；此外，进一步根据计算的用户对视频的评分，预估用户对未浏览过的视频的评分，以便于为用户推荐该用户未浏览过的视频。

基于相同的发明构思，本发明实施例还提供一种视频推荐装置，如图3所示，该装置包括：

已浏览视频评分模块301，用于预先获取用户集中各用户的视频操作记录，并根据视频操作记录计算用户对浏览过的视频的评分；

获取模块302，用于获取所述用户集中待推荐用户对浏览过的视频的评分，并获取相关用户对浏览过的视频的评分，其中，所述相关用户是指用户集中的与待推荐用户浏览过相同视频的用户；

评分差计算模块303，用于计算所述相关用户对待推荐视频和所述相关用户对参考视频的评分差，其中，所述待推荐视频是指所述相关用户浏览过而所述待推荐用户未浏览过的视频，所述参考视频是指所述待推荐用户浏览过的视频；

待推荐视频评分模块304，用于以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估所述待推荐用户对所述待推荐视频的评分；

推荐模块305，用于按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

进一步的，如图4所示，所述装置还包括：

基础值计算模块306，用于预先根据用户集中各用户对浏览过的视频的点赞总数，计算用户对浏览过的视频的评分基础值；

所述已浏览视频评分模块301，用于以浏览过的视频的评分基础值为基准值，根据用户对所述浏览过的视频的视频操作记录，调整用户对所述浏览过的视频的评分，并将调整后的评分作为计算的用户对所述浏览过的视频的评分。

进一步的，所述已浏览视频评分模块301，用于根据以下方式调整用户对浏览过的视频的评分：

当浏览过的视频的视频操作记录中包括是否点赞时，且当确定是否点赞为是时，提高用户对所述浏览过的视频的评分；

当浏览过的视频的视频操作记录中包括是否收藏时，且当确定是否收藏为是时，提高用户对所述浏览过的视频的评分；

当浏览过的视频的视频操作记录中包括播放次数时，将所述浏览过的视频的评分增加播放次数所属的预设次数区间对应的分值。

进一步的，所述已浏览视频评分模块301，用于根据以下方式调整用户对浏览过的视频的评分：

当浏览过的视频的视频操作记录中包括播放次数时，计算用户播放与所述浏览过的视频属于同一类型的视频的总播放次数，并将所述浏览过的视频的评分增加总播放次数所属的预设总次数区间对应的分值。

进一步的，所述推荐模块305，用于当到达预设推荐时间时，按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

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。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种视频推荐方法，其特征在于，所述方法包括：

预先获取用户集中各用户的视频操作记录，并根据视频操作记录计算用户对浏览过的视频的评分；

获取所述用户集中待推荐用户对浏览过的视频的评分，并获取相关用户对浏览过的视频的评分，其中，所述相关用户是指用户集中的与待推荐用户浏览过相同视频的用户；

计算所述相关用户对待推荐视频和所述相关用户对参考视频的评分差，其中，所述待推荐视频是指所述相关用户浏览过而所述待推荐用户未浏览过的视频，所述参考视频是指所述待推荐用户浏览过的视频；

以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估所述待推荐用户对所述待推荐视频的评分；

按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

预先根据用户集中各用户对浏览过的视频的点赞总数，计算用户对浏览过的视频的评分基础值；

所述根据视频操作记录计算用户对浏览过的视频的评分，包括：

以浏览过的视频的评分基础值为基准值，根据用户对所述浏览过的视频的视频操作记录，调整用户对所述浏览过的视频的评分，并将调整后的评分作为计算的用户对所述浏览过的视频的评分。

3.根据权利要求2所述的方法，其特征在于，根据以下方式调整用户对浏览过的视频的评分：

当浏览过的视频的视频操作记录中包括是否点赞时，且当确定是否点赞为是时，提高用户对所述浏览过的视频的评分；

当浏览过的视频的视频操作记录中包括是否收藏时，且当确定是否收藏为是时，提高用户对所述浏览过的视频的评分；

当浏览过的视频的视频操作记录中包括播放次数时，将所述浏览过的视频的评分增加播放次数所属的预设次数区间对应的分值。

4.根据权利要求3所述的方法，其特征在于，根据以下方式调整用户对浏览过的视频的评分：

当浏览过的视频的视频操作记录中包括播放次数时，计算用户播放与所述浏览过的视频属于同一类型的视频的总播放次数，并将所述浏览过的视频的评分增加总播放次数所属的预设总次数区间对应的分值。

5.根据权利要求1所述的方法，其特征在于，所述按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频，包括：

当到达预设推荐时间时，按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

6.一种视频推荐装置，其特征在于，所述装置包括：

已浏览视频评分模块，用于预先获取用户集中各用户的视频操作记录，并根据视频操作记录计算用户对浏览过的视频的评分；

获取模块，用于获取所述用户集中待推荐用户对浏览过的视频的评分，并获取相关用户对浏览过的视频的评分，其中，所述相关用户是指用户集中的与待推荐用户浏览过相同视频的用户；

评分差计算模块，用于计算所述相关用户对待推荐视频和所述相关用户对参考视频的评分差，其中，所述待推荐视频是指所述相关用户浏览过而所述待推荐用户未浏览过的视频，所述参考视频是指所述待推荐用户浏览过的视频；

待推荐视频评分模块，用于以所述待推荐用户对所述参考视频的评分为基础，根据计算的所述评分差，预估所述待推荐用户对所述待推荐视频的评分；

推荐模块，用于按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

基础值计算模块，用于预先根据用户集中各用户对浏览过的视频的点赞总数，计算用户对浏览过的视频的评分基础值；

所述已浏览视频评分模块，用于以浏览过的视频的评分基础值为基准值，根据用户对所述浏览过的视频的视频操作记录，调整用户对所述浏览过的视频的评分，并将调整后的评分作为计算的用户对所述浏览过的视频的评分。

8.根据权利要求7所述的装置，其特征在于，所述已浏览视频评分模块，用于根据以下方式调整用户对浏览过的视频的评分：

当浏览过的视频的视频操作记录中包括是否点赞时，且当确定是否点赞为是时，提高用户对所述浏览过的视频的评分；

当浏览过的视频的视频操作记录中包括是否收藏时，且当确定是否收藏为是时，提高用户对所述浏览过的视频的评分；

当浏览过的视频的视频操作记录中包括播放次数时，将所述浏览过的视频的评分增加播放次数所属的预设次数区间对应的分值。

9.根据权利要求8所述的装置，其特征在于，所述已浏览视频评分模块，用于根据以下方式调整用户对浏览过的视频的评分：

当浏览过的视频的视频操作记录中包括播放次数时，计算用户播放与所述浏览过的视频属于同一类型的视频的总播放次数，并将所述浏览过的视频的评分增加总播放次数所属的预设总次数区间对应的分值。

10.根据权利要求6所述的装置，其特征在于，所述推荐模块，用于当到达预设推荐时间时，按照评分由高到低的顺序，向所述待推荐用户推荐预设数量的所述待推荐视频。