CN105847984A - 一种视频推荐方法及装置 - Google Patents
一种视频推荐方法及装置 Download PDFInfo
- Publication number
- CN105847984A CN105847984A CN201610178391.5A CN201610178391A CN105847984A CN 105847984 A CN105847984 A CN 105847984A CN 201610178391 A CN201610178391 A CN 201610178391A CN 105847984 A CN105847984 A CN 105847984A
- Authority
- CN
- China
- Prior art keywords
- video
- track
- played
- user
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明是关于一种视频推荐方法及装置,该方法包括:接收用户视频播放轨迹和当前播放视频;在数据库中确定与所述用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,所述目标播放轨迹包括所述当前播放视频;确定所述目标播放轨迹中所述当前播放视频后的待播放视频;计算所述待播放视频被推荐时用户的观看概率;将所述观看概率大于第一阈值的所述待播放视频确定为推荐视频;将所述推荐视频发送至终端。由于用户的观看行为具有相似性,所以本发明通过分析其他用户的观看行为,并根据概率来确定出用户最有可能观看的视频。因此,本发明提供的方案可以给用户推送感兴趣的视频,以提高用户的观影体验。
Description
技术领域
本发明涉及通信技术领域,更具体的说,涉及视频推荐方法及装置。
背景技术
目前,随着网络技术的不断更新,在视频网站上观看视频成为很多用户的首选。为了更好的将优质视频推送给用户观看,视频网站通常会将热门视频放在推荐列表中,但是推荐列表中的热门视频仅仅是某段时间内观看的人数多而已,并不一定是用户真正感兴趣的视频,很多用户当下并不会观看推荐列表中的热门视频。也就是说推荐列表中的热门视频被用户观看的概率较低,推送技术无法达到较好的推送效果。
因此,如何推荐给用户感兴趣的视频,成为目前亟需解决的技术问题。
发明内容
本发明实施例提供了一种视频推荐方法及装置,以推荐给用户感兴趣的视频,从而提高用户的观影体验。
根据本发明实施例的第一方面,提供一种视频推荐方法,包括:
接收用户视频播放轨迹和当前播放视频;
在数据库中确定与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,目标播放轨迹包括当前播放视频;
确定目标播放轨迹中当前播放视频后的待播放视频;
计算待播放视频被推荐时用户的观看概率;
将观看概率大于第一阈值的待播放视频确定为推荐视频;
将推荐视频发送至终端。
可选的,计算待播放视频被推荐时用户的观看概率的步骤包括:
获取待播放视频被推荐时用户观看的次数;
获取待播放视频被推荐的次数;
计算待播放视频被推荐时用户观看的次数与待播放视频被推荐的次数之商,得到待播放视频被推荐时用户的观看概率。
可选的,计算待播放视频被推荐时用户的观看概率的步骤包括:
计算在当前播放视频的播放过程中,待播放视频被推荐时的用户观看概率;
计算相似度和用户观看概率的乘积,得出推荐待播放视频的概率。
可选的,与用户视频播放轨迹的相似度的计算方法包括:
获取目标播放轨迹的第一视频集合和用户视频播放轨迹的第二视频集合;
将第一视频集合与第二视频集合的交集确定为第三视频集合;
将第一视频集合与第二视频集合的并集确定为第四视频集合;
计算第三视频集合的元素数量与第四视频集合的元素数量之商,得到目标播放轨迹与视频播放轨迹的相似度。
可选的,在数据库中确定与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹的步骤包括:
在数据库中确定具有当前播放视频的播放轨迹;
计算播放轨迹的数量;
判断播放轨迹的数量是否大于第二阈值;
若播放轨迹的数量大于第二阈值,则在播放轨迹中确定与用户视频播放轨迹的相似度大于第三阈值的为目标播放轨迹;
若播放轨迹的数量小于或等于第二阈值,则确定播放轨迹为目标播放轨迹。
根据本发明实施例的第二方面,提供一种视频推荐装置,包括:
接收模块:接收用户视频播放轨迹和当前播放视频;
第一确定模块,用于在数据库中确定与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,目标播放轨迹包括当前播放视频;
第二确定模块,用于确定目标播放轨迹中当前播放视频后的待播放视频;
计算模块,用于计算待播放视频被推荐时用户的观看概率;
第三确定模块,用于将观看概率大于第一阈值的待播放视频确定为推荐视频;
发送模块,用于将推荐视频发送至终端。
可选的,计算模块包括:
第一获取子模块,用于获取待播放视频被推荐时用户观看的次数;
第二获取子模块,用于获取待播放视频被推荐的次数;
第一计算子模块,用于计算待播放视频被推荐时用户观看的次数与待播放视频被推荐的次数之商,得到待播放视频被推荐时用户的观看概率。
可选的,计算模块包括:
第二计算子模块,用于计算在当前播放视频的播放过程中待播放视频被推荐时的用户观看概率;
第三计算子模块,用于计算相似度和用户观看概率的乘积,得出推荐待播放视频的概率。
可选的,第一确定模块包括:
第三获取子模块,用于获取目标播放轨迹的第一视频集合和用户视频播放轨迹的第二视频集合;
第一确定子模块,用于将第一视频集合与第二视频集合的交集确定为第三视频集合;
第二确定子模块,用于将第一视频集合与第二视频集合的并集确定为第四视频集合;
第四计算子模块,用于计算第三视频集合的元素数量与第四视频集合的元素数量之商,得到目标播放轨迹与用户视频播放轨迹的相似度。
可选的,第一确定模块包括:
第三确定子模块,用于在数据库中确定具有当前播放视频的播放轨迹;
第五计算子模块,用于计算播放轨迹的数量;
判断子模块,用于判断播放轨迹的数量是否大于第二阈值;
若播放轨迹的数量大于第二阈值,则在播放轨迹中确定与用户视频播放轨迹的相似度大于第三阈值的为目标播放轨迹;
若播放轨迹的数量小于或等于第二阈值,则确定播放轨迹为目标播放轨迹。
与现有技术相比,本实施例提供的技术方案具有以下优点和特点:
在本发明提供的方案中,在接收到终端发送的用户视频播放轨迹和当前播放视频时,说明使用终端的用户当前正在观看视频,为了能够为该用户推送感兴趣的视频,需要先在数据库中确定具有该视频的目标播放轨迹,同时通过预设阈值去除一些相似度较低的播放轨迹,以便于得知其他用户观看该视频以后可能会看的待播放视频。再将被推荐时用户的观看概率大于第一阈值的待播放视频确定为推荐视频,最后将用户最有可能观看的推荐视频发送给终端。由于用户的观看行为具有相似性,所以本发明通过分析其他用户的观看行为,并根据用户的观看概率来确定出用户最有可能观看的视频。因此,本发明提供的方案可以给用户推送感兴趣的视频,以提高用户的观影体验。
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为本发明实施例提供的一种视频推荐方法的流程图。
图2为本发明实施例提供的另一种视频推荐方法的流程图。
图3为本发明实施例提供的一种视频推荐装置的示意图。
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、完整的描述,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。
图1为本发明实施例提供的一种视频推荐方法的流程图。本发明提供的视频推荐方法可以给用户推送感兴趣的视频,以提高用户的观影体验。该方法包括以下步骤。
步骤S11、接收用户视频播放轨迹和当前播放的视频,在数据库中确定与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,目标播放轨迹包括当前播放视频。
本实施例提供的方法可以应用于服务器内,服务器可以为电脑等设备,终端可以为智能电视、智能手机、平板电脑和家用电脑等设备。
其中,用户视频播放轨迹为用户在一定时间内观看的视频顺序。例如,用户在最近5天内观看了A电影、B电影、C电影和D电影,那么该用户的视频播放轨迹为A电影、B电影、C电影和D电影。
数据库设置在服务器端,数据库用于存储所有用户的播放轨迹。例如,用户X的播放轨迹为A电影、B电影、C电影和D电影,用户Y的播放轨迹为A电影、B电影、E电影和F电影,用户Z的播放轨迹为A电影、B电影、H电影和I电影。
在用户使用终端观看视频时,终端会将该用户的视频播放轨迹和当前播放的视频发送给服务器,以便于服务器经过分析后推送合适的视频。在接收到终端发送的视频播放轨迹和当前播放的视频时,服务器会先在数据库中确定出具有用户当前播放的视频且与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,以便于通过这些目标播放轨迹了解到其他用户在看完用户当前播放的视频以后,会看哪些视频,同时通过预设阈值,能够去除一些相似度较低的播放轨迹。
例如,假设用户U在最近2天内使用终端观看了视频X和视频Y,在用户U使用终端观看视频A时,终端会先确定出用户U的视频播放轨迹为视频X、视频Y和视频A,以及当前播放的视频A,然后终端会将该用户U的视频播放轨迹XYA和当前播放的视频A发送给服务器,以便于服务器经过分析后推送合适的视频。在服务器接收到终端发送的视频播放轨迹XYA和当前播放的视频A时,服务器会先在数据库中确定出具有用户当前播放的视频A且与视频播放轨迹XYA的相似度大于预设阈值的目标播放轨迹,以便于通过这些目标播放轨迹了解到其他用户在看完用户当前播放的视频以后,会看哪些视频,并去除一些相似度较低的播放轨迹。
步骤S11中提到的关于目标播放轨迹与用户视频播放轨迹的相似度的计算方法具有很多方式,下面提供一种方式。
首先,获取目标播放轨迹的第一视频集合和用户视频播放轨迹的第二视频集合。
然后,将第一视频集合与第二视频集合的交集确定为第三视频集合。
其次,将第一视频集合与第二视频集合的并集确定为第四视频集合。
最后,计算第三视频集合的元素数量与第四视频集合的元素数量之商,得到目标播放轨迹与用户视频播放轨迹的相似度。
例如,假设目标播放轨迹为XYAB,目标播放轨迹的第一视频集合即为XYAB,用户视频播放轨迹为XYA,用户视频播放轨迹的第二视频集合即为XYA。首先,获取目标播放轨迹的第一视频集合XYAB和用户视频播放轨迹的第二视频集合XYA。然后,将第一视频集合XYAB与第二视频集合XYA的交集确定为第三视频集合XYA。其次,将第一视频集合XYAB与第二视频集合XYA的并集确定为第四视频集合XYAB。最后,计算第三视频集合XYA的元素数量(3个)与第四视频集合XYAB的元素数量(4个)之商,得到播放轨迹与视频播放轨迹的相似度0.75。目标播放轨迹与用户视频播放轨迹的相似度越高,说明这两个轨迹的相似性越大;目标播放轨迹与用户视频播放轨迹的相似度越低,说明这两个轨迹的相似性越小。
在本发明的另一些实施例中,步骤S11中在数据库中确定与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹的步骤还可以包括以下三个子步骤:步骤A、在数据库中确定具有当前播放视频的播放轨迹;步骤B、计算上述播放轨迹的数量;步骤C、在上述播放轨迹的数量大于第二阈值时,在这些播放轨迹中确定与用户视频播放轨迹的相似度大于第三阈值的目标播放轨迹。其中,如果在数据库中确定出具有用户当前播放视频的播放轨迹的数量大于第二阈值,说明具有视频的播放轨迹的样本有点过多,所以服务器会在播放轨迹中确定与视频播放轨迹的相似度大于第三阈值的目标播放轨迹,以便于删除一些与视频播放轨迹的相似度较小的播放轨迹。
例如,假设在服务器中预先将第二阈值设定为3个,将第三阈值设定为0.75,假设服务器在数据库中确定出具有当前播放视频A的播放轨迹分别为第一播放轨迹、第二播放轨迹、第三播放轨迹、第四播放轨迹和第五播放轨迹,可以计算出具有当前播放视频A的播放轨迹的数量为5个,由于上述播放轨迹的数量(5个)大于第二阈值(3个),所以服务器会在上述5个播放轨迹中确定与用户视频播放轨迹的相似度大于第三阈值(0.75)的目标播放轨迹。假设服务器经过计算得出第一播放轨迹与用户视频播放轨迹的相似度为0.8,第二播放轨迹与用户视频播放轨迹的相似度为0.78,第三播放轨迹与用户视频播放轨迹的相似度为0.6,第四播放轨迹与用户视频播放轨迹的相似度为0.5,第五播放轨迹与用户视频播放轨迹的相似度为0.4,所以服务器会在上述5个播放轨迹中确定出与用户视频播放轨迹的相似度大于第三阈值(0.75)的目标播放轨迹为第一播放轨迹和第二播放轨迹,从而便去除掉与用户视频播放轨迹的相似度较小的第三播放轨迹、第四播放轨迹和第五播放轨迹。
步骤S12、确定目标播放轨迹中当前播放视频后的待播放视频。
其中,服务器在数据库中确定具有用户当前播放视频的目标播放轨迹以后,需要再确定目标播放轨迹中用户当前播放视频后的待播放视频。其中,在目标播放轨迹中,用户当前播放的视频后面的那个视频被称为待播放视频。
例如,假设服务器已经在数据库中确定出具有用户当前播放的视频A的目标播放轨迹有3个,这3个目标播放轨迹分别为XYAB、EAB和XAC。此时,服务器需要分别确定出这3个目标播放轨迹中视频A后的待播放视频,这3个目标播放轨迹中视频A后的待播放视频分别为B、B和C。
步骤S13、计算待播放视频被推荐时用户的观看概率。
其中,在服务器确定待播放视频以后,需要计算出待播放视频被推荐时用户的观看概率。
计算待播放视频被推荐时用户的观看概率的方式有很多种,下面提供一种详细的方式:首先,获取待播放视频被推荐时用户观看的次数。然后,获取待播放视频被推荐的次数。最后,计算待播放视频被推荐时用户观看的次数与待播放视频被推荐的次数之商,得到待播放视频被推荐时用户的观看概率。
在上述计算待播放视频被推荐时用户观看的概率的方法中,服务器会预先统计所有用户的观看视频的情况,服务器在推荐待播放视频时,会记录下推荐该待播放视频的次数。如果服务器检测到终端在被推荐该待播放视频的情况下,观看了该待播放视频,说明本次推荐成功了,也会记录下推荐该待播放视频成功的次数。所以服务器可以根据之前记录的次数,来计算待播放视频被推荐时用户观看的次数与待播放视频被推荐的次数之商,以得到待播放视频被推荐时用户的观看概率。
例如,假设服务器向50个终端推荐了待播放视频B的次数为50次,服务器检测到在这50个终端中,在被推荐该待播放视频的情况下且观看了该待播放视频的次数为20次,所以待播放视频被推荐时用户的观看概率为20/50=0.4。
步骤S14、将观看概率大于第一阈值的待播放视频确定为推荐视频。
其中,在服务器计算待播放视频被推荐时用户的观看概率后,服务器会将观看概率大于第一阈值的待播放视频确定为推荐视频。
例如,假设服务器已经在数据库中确定出具有用户当前播放的视频A的目标播放轨迹有3个,这3个目标播放轨迹分别为XYAB、EAB和XAC。此时,服务器需要分别确定出这3个目标播放轨迹中视频A后的待播放视频,这3个目标播放轨迹中视频A后的待播放视频分别为B、B和C。由于存在两个待播放视频均为B,所以最后得到的待播放视频为B和C。假设服务器计算出待播放视频B被推荐时用户观看的概率为0.6,并计算出待播放视频C被推荐时用户观看的概率为0.3,预先设定的第一阈值为0.5,所以服务器会将概率大于第一阈值0.5的待播放视频B确定为推荐视频。
步骤S15、将推荐视频发送至终端,并显示在视频推荐列表中。
在图1所示的实施例中,服务器接收到终端发送的用户视频播放轨迹和当前播放的视频时,说明使用终端的用户当前正在观看视频,为了能够为该用户推送感兴趣的视频,服务器需要先在数据库中确定具有该视频的目标播放轨迹,同时通过预设阈值去除一些相似度较低的播放轨迹,以便于得知其他用户观看该视频以后可能会看的待播放视频。服务器再将被推荐时用户的观看概率大于第一阈值的待播放视频确定为推荐视频,最后将用户最有可能观看的推荐视频发送给终端。由于用户的观看行为具有相似性,所以本发明通过分析其他用户的观看行为,并根据概率来确定出用户最有可能观看的视频。因此,本发明实施例提供的方案可以给用户推送感兴趣的视频,以提高用户的观影体验。
图2为本发明实施例提供的另一种视频推荐方法的流程图。图2为基于图1的一个可选的实施例,在图2所示的实施例中,与图1所示的实施例相同的部分可以参见图1所示的实施例中介绍和解释。图2所示的方法包括以下步骤。
步骤S21、接收用户视频播放轨迹和当前播放的视频,在数据库中确定与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,目标播放轨迹包括当前播放视频。
步骤S22、确定目标播放轨迹中当前播放视频后的待播放视频。
步骤S23、计算在当前播放视频播放过程中,待播放视频被推荐时的用户观看概率。
其中,在服务器确定出待播放视频以后,服务器需要计算在当前播放视频播放过程中待播放视频被推荐时的用户观看概率。与步骤S13相比,将待播放视频被推荐的时间限定在用户在观看当前播放视频的过程中,即计算的是用户在观看当前播放视频时,点击观看待播放视频的概率,而目标播放轨迹中待播放视频也是在当前播放视频之后出现,两者是相互匹配的,此时计算出来的用户观看概率更加精准。
步骤S24、计算相似度和用户观看概率的乘积,得出推荐待播放视频的概率。
其中,在服务器计算出其他用户在视频播放过程中待播放视频被推荐时的用户观看概率以后,需要计算目标播放轨迹与用户视频播放轨迹的相似度和用户观看概率的乘积,以得出推荐待播放视频的概率。因为目标播放轨迹与用户视频播放轨迹的相似度越高,说明这两个轨迹的相似性越大,用户就越有可能观看相似度高的目标播放轨迹中当前播放视频后的待播放视频,所以该待播放视频的推荐价值就越大;目标播放轨迹与用户视频播放轨迹的相似度越小,说明这两个轨迹的相似性越小,用户就越没有可能观看相似度低的目标播放轨迹中当前播放视频后的待播放视频,所以该待播放视频的推荐价值就越小。因此,决定用户观看待播放视频的因素不仅包括其他用户在视频播放过程中待播放视频被推荐时的用户观看概率,还与目标播放轨迹与用户视频播放轨迹的相似度有关,所以需要计算相似度和用户观看概率的乘积,从而更加精准的计算出推荐待播放视频的概率。
例如,假设目标播放轨迹为XYAB,视频播放轨迹为XYA,根据图1所示实施例中相似度的计算方法,可知目标播放轨迹与用户视频播放轨迹的相似度0.75,且服务器已经计算出在视频播放过程中待播放视频B被推荐时的观看概率为0.3,计算相似度0.75与观看概率0.3之积,得到推荐待播放视频B的概率为0.225。
如果至少存在两个目标播放轨迹的待播放视频是相同的,那么需要分别计算出每个目标播放轨迹与用户视频播放轨迹的相似度,并根据每个相似度和待播放视频被推荐时的观看概率乘积之和,得到推荐待播放视频的概率。
例如,假设用户U的视频播放轨迹XYA,当前播放的视频A。服务器在数据库中确定具有当前播放的视频且与视频播放轨迹的相似度大于预设阈值的目标播放轨迹有两个,这两个目标播放轨迹分别为XYAB和EAB,服务器确定出这2个目标播放轨迹中视频A后的待播放视频分别为B和B。假设服务器计算出在视频播放过程中待播放视频B被推荐时的观看概率0.3,那么分别计算这两个目标播放轨迹与视频播放轨迹的相似度。其中,经过计算,目标播放轨迹XYAB与用户U视频播放轨迹XYA的相似度为0.75,目标播放轨迹EAB与用户U视频播放轨迹XYA的相似度为0.2,最后计算推荐待播放视频B的概率为0.75×0.3+0.2×0.3=0.225+0.06=0.285。
步骤S25、将观看概率大于第一阈值的待播放视频确定为推荐视频。
步骤S26、将推荐视频发送至终端,并显示在视频推荐列表中。
图3为本发明实施例提供的一种视频推荐装置的示意图。参照图3,该装置包括接收模块11、第一确定模块12、第二确定模块13、计算模块14、第三确定模块15和发送模块16,其中:
接收模块11,用于接收用户视频播放轨迹和当前播放视频。
第一确定模块12,用于在数据库中确定与用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,目标播放轨迹包括当前播放视频。
第二确定模块13,用于确定目标播放轨迹中当前播放视频后的待播放视频。
计算模块14,用于计算待播放视频被推荐时用户的观看概率。
第三确定模块15,用于将观看概率大于第一阈值的待播放视频确定为推荐视频。
发送模块16,用于将推荐视频发送给终端,并显示在视频推荐列表中。
另外,可选的,计算模块14可以包括以下子模块:第一获取子模块,用于获取待播放视频被推荐时用户观看的次数。第二获取子模块,用于获取待播放视频被推荐的次数。第一计算子模块,用于计算待播放视频被推荐时用户观看的次数与待播放视频被推荐的次数之商,得到待播放视频被推荐时用户的观看概率。
另外,可选的,计算模块14还可以包括以下子模块:第二计算子模块,用于计算在当前播放视频的播放过程中待播放视频被推荐时的用户观看概率;第三计算子模块,用于计算相似度和用户观看概率的乘积,得出推荐待播放视频的概率。
另外,可选的,第一确定模块12还可以包括以下子模块:第三获取子模块,用于获取目标播放轨迹的第一视频集合和用户视频播放轨迹的第二视频集合;第一确定子模块,用于将第一视频集合与第二视频集合的交集确定为第三视频集合;第二确定子模块,用于将第一视频集合与第二视频集合的并集确定为第四视频集合;第四计算子模块,用于计算第三视频集合的元素数量与第四视频集合的元素数量之商,得到目标播放轨迹与用户视频播放轨迹的相似度。
另外,可选的,第一确定模块12还可以包括以下子模块:第三确定子模块,用于在数据库中确定具有当前播放视频的播放轨迹;第五计算子模块,用于计算播放轨迹的数量;判断子模块,用于判断播放轨迹的数量是否大于第二阈值;若播放轨迹的数量大于第二阈值,则在播放轨迹中确定与用户视频播放轨迹的相似度大于第三阈值的为目标播放轨迹;若播放轨迹的数量小于或等于第二阈值,则确定播放轨迹为目标播放轨迹。
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。
以上,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权利要求的保护范围为准。
Claims (10)
1.一种视频推荐方法,其特征在于,包括:
接收用户视频播放轨迹和当前播放视频;
在数据库中确定与所述用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,所述目标播放轨迹包括所述当前播放视频;
确定所述目标播放轨迹中所述当前播放视频后的待播放视频;
计算所述待播放视频被推荐时用户的观看概率;
将所述观看概率大于第一阈值的所述待播放视频确定为推荐视频;
将所述推荐视频发送至终端。
2.根据权利要求1所述的视频推荐方法,其特征在于,所述计算所述待播放视频被推荐时用户的观看概率的步骤包括:
获取所述待播放视频被推荐时用户观看的次数;
获取所述待播放视频被推荐的次数;
计算所述待播放视频被推荐时用户观看的次数与所述待播放视频被推荐的次数之商,得到所述待播放视频被推荐时用户的观看概率。
3.根据权利要求1所述的视频推荐方法,其特征在于,所述计算所述待播放视频被推荐时用户的观看概率的步骤包括:
计算在所述当前播放视频的播放过程中,所述待播放视频被推荐时的用户观看概率;
计算所述相似度和所述用户观看概率的乘积,得出推荐所述待播放视频的概率。
4.根据权利要求1所述的视频推荐方法,其特征在于,所述与所述用户视频播放轨迹的相似度的计算方法包括:
获取所述目标播放轨迹的第一视频集合和所述用户视频播放轨迹的第二视频集合;
将所述第一视频集合与所述第二视频集合的交集确定为第三视频集合;
将所述第一视频集合与所述第二视频集合的并集确定为第四视频集合;
计算所述第三视频集合的元素数量与所述第四视频集合的元素数量之商,得到所述目标播放轨迹与所述视频播放轨迹的相似度。
5.根据权利要求1所述的视频推荐方法,其特征在于,所述在数据库中确定与所述用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹的步骤包括:
在数据库中确定具有所述当前播放视频的播放轨迹;
计算所述播放轨迹的数量;
判断所述播放轨迹的数量是否大于第二阈值;
若所述播放轨迹的数量大于所述第二阈值,则在所述播放轨迹中确定与所述用户视频播放轨迹的相似度大于第三阈值的为目标播放轨迹;
若所述播放轨迹的数量小于或等于所述第二阈值,则确定所述播放轨迹为目标播放轨迹。
6.一种视频推荐装置,其特征在于,包括:
接收模块:接收用户视频播放轨迹和当前播放视频;
第一确定模块,用于在数据库中确定与所述用户视频播放轨迹的相似度大于预设阈值的目标播放轨迹,其中,所述目标播放轨迹包括所述当前播放视频;
第二确定模块,用于确定所述目标播放轨迹中所述当前播放视频后的待播放视频;
计算模块,用于计算所述待播放视频被推荐时用户的观看概率;
第三确定模块,用于将所述观看概率大于第一阈值的所述待播放视频确定为推荐视频;
发送模块,用于将所述推荐视频发送至终端。
7.根据权利要求6所述的视频推荐装置,其特征在于,所述计算模块包括:
第一获取子模块,用于获取所述待播放视频被推荐时用户观看的次数;
第二获取子模块,用于获取所述待播放视频被推荐的次数;
第一计算子模块,用于计算所述待播放视频被推荐时用户观看的次数与所述待播放视频被推荐的次数之商,得到所述待播放视频被推荐时用户的观看概率。
8.根据权利要求6所述的视频推荐装置,其特征在于,所述计算模块包括:
第二计算子模块,用于计算在所述当前播放视频的播放过程中所述待播放视频被推荐时的用户观看概率;
第三计算子模块,用于计算所述相似度和所述用户观看概率的乘积,得出推荐所述待播放视频的概率。
9.根据权利要求6所述的视频推荐装置,其特征在于,所述第一确定模块包括:
第三获取子模块,用于获取所述目标播放轨迹的第一视频集合和所述用户视频播放轨迹的第二视频集合;
第一确定子模块,用于将所述第一视频集合与所述第二视频集合的交集确定为第三视频集合;
第二确定子模块,用于将所述第一视频集合与所述第二视频集合的并集确定为第四视频集合;
第四计算子模块,用于计算所述第三视频集合的元素数量与所述第四视频集合的元素数量之商,得到所述目标播放轨迹与所述用户视频播放轨迹的相似度。
10.根据权利要求6所述的视频推荐装置,其特征在于,第一确定模块包括:
第三确定子模块,用于在数据库中确定具有所述当前播放视频的播放轨迹;
第五计算子模块,用于计算所述播放轨迹的数量;
判断子模块,用于判断所述播放轨迹的数量是否大于第二阈值;
若所述播放轨迹的数量大于所述第二阈值,则在所述播放轨迹中确定与所述用户视频播放轨迹的相似度大于第三阈值的为目标播放轨迹;
若所述播放轨迹的数量小于或等于所述第二阈值,则确定所述播放轨迹为目标播放轨迹。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610178391.5A CN105847984A (zh) | 2016-03-25 | 2016-03-25 | 一种视频推荐方法及装置 |
PCT/CN2016/088488 WO2017161744A1 (zh) | 2016-03-25 | 2016-07-04 | 一种视频推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610178391.5A CN105847984A (zh) | 2016-03-25 | 2016-03-25 | 一种视频推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105847984A true CN105847984A (zh) | 2016-08-10 |
Family
ID=56583550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610178391.5A Pending CN105847984A (zh) | 2016-03-25 | 2016-03-25 | 一种视频推荐方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105847984A (zh) |
WO (1) | WO2017161744A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107454442A (zh) * | 2017-09-07 | 2017-12-08 | 广州优视网络科技有限公司 | 一种推荐视频的方法和装置 |
CN107786895A (zh) * | 2017-10-18 | 2018-03-09 | 北京奇艺世纪科技有限公司 | 一种播放页视频推荐的质量评估方法及装置 |
CN108153863A (zh) * | 2017-12-25 | 2018-06-12 | 北京奇艺世纪科技有限公司 | 一种视频信息的表示方法及装置 |
CN108419100A (zh) * | 2018-01-29 | 2018-08-17 | 山东浪潮商用系统有限公司 | 一种用户电影播放行为相似度的获取方法及系统 |
CN108536814A (zh) * | 2018-04-04 | 2018-09-14 | 武汉斗鱼网络科技有限公司 | 直播间推荐方法、计算机可读存储介质及电子设备 |
WO2019134285A1 (zh) * | 2018-01-04 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、电子设备及可读存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108495143A (zh) * | 2018-03-30 | 2018-09-04 | 百度在线网络技术(北京)有限公司 | 视频推荐的方法和装置 |
CN113626698A (zh) * | 2021-08-06 | 2021-11-09 | 北京奇艺世纪科技有限公司 | 视频推荐方法、装置、电子设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102164308A (zh) * | 2010-02-17 | 2011-08-24 | 索尼公司 | 信息处理装置、信息处理方法和程序 |
CN102630052A (zh) * | 2012-04-16 | 2012-08-08 | 上海交通大学 | 面向实时流的电视节目推荐系统 |
CN103648031A (zh) * | 2013-11-15 | 2014-03-19 | 乐视致新电子科技(天津)有限公司 | 一种智能电视的节目推荐方法及装置 |
JP2014200007A (ja) * | 2013-03-29 | 2014-10-23 | ニフティ株式会社 | 推薦プログラム、推薦情報受信プログラム、推薦方法、推薦情報受信方法及び推薦装置 |
CN104123325A (zh) * | 2013-04-28 | 2014-10-29 | 北京百度网讯科技有限公司 | 多媒体文件的推荐方法和推荐服务器 |
CN104935964A (zh) * | 2015-06-02 | 2015-09-23 | 四川九天揽月文化传媒有限公司 | 一种智能电视节目分组筛选推送方法 |
CN105100165A (zh) * | 2014-05-20 | 2015-11-25 | 深圳市腾讯计算机系统有限公司 | 网络服务推荐方法和装置 |
-
2016
- 2016-03-25 CN CN201610178391.5A patent/CN105847984A/zh active Pending
- 2016-07-04 WO PCT/CN2016/088488 patent/WO2017161744A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102164308A (zh) * | 2010-02-17 | 2011-08-24 | 索尼公司 | 信息处理装置、信息处理方法和程序 |
CN102630052A (zh) * | 2012-04-16 | 2012-08-08 | 上海交通大学 | 面向实时流的电视节目推荐系统 |
JP2014200007A (ja) * | 2013-03-29 | 2014-10-23 | ニフティ株式会社 | 推薦プログラム、推薦情報受信プログラム、推薦方法、推薦情報受信方法及び推薦装置 |
CN104123325A (zh) * | 2013-04-28 | 2014-10-29 | 北京百度网讯科技有限公司 | 多媒体文件的推荐方法和推荐服务器 |
CN103648031A (zh) * | 2013-11-15 | 2014-03-19 | 乐视致新电子科技(天津)有限公司 | 一种智能电视的节目推荐方法及装置 |
CN105100165A (zh) * | 2014-05-20 | 2015-11-25 | 深圳市腾讯计算机系统有限公司 | 网络服务推荐方法和装置 |
CN104935964A (zh) * | 2015-06-02 | 2015-09-23 | 四川九天揽月文化传媒有限公司 | 一种智能电视节目分组筛选推送方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107454442A (zh) * | 2017-09-07 | 2017-12-08 | 广州优视网络科技有限公司 | 一种推荐视频的方法和装置 |
CN107786895A (zh) * | 2017-10-18 | 2018-03-09 | 北京奇艺世纪科技有限公司 | 一种播放页视频推荐的质量评估方法及装置 |
CN107786895B (zh) * | 2017-10-18 | 2019-09-17 | 北京奇艺世纪科技有限公司 | 一种播放页视频推荐的质量评估方法及装置 |
CN108153863A (zh) * | 2017-12-25 | 2018-06-12 | 北京奇艺世纪科技有限公司 | 一种视频信息的表示方法及装置 |
CN108153863B (zh) * | 2017-12-25 | 2021-12-17 | 北京奇艺世纪科技有限公司 | 一种视频信息的表示方法及装置 |
WO2019134285A1 (zh) * | 2018-01-04 | 2019-07-11 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、电子设备及可读存储介质 |
CN108419100A (zh) * | 2018-01-29 | 2018-08-17 | 山东浪潮商用系统有限公司 | 一种用户电影播放行为相似度的获取方法及系统 |
CN108419100B (zh) * | 2018-01-29 | 2020-10-02 | 山东云缦智能科技有限公司 | 一种用户电影播放行为相似度的获取方法及系统 |
CN108536814A (zh) * | 2018-04-04 | 2018-09-14 | 武汉斗鱼网络科技有限公司 | 直播间推荐方法、计算机可读存储介质及电子设备 |
CN108536814B (zh) * | 2018-04-04 | 2022-06-21 | 武汉斗鱼网络科技有限公司 | 直播间推荐方法、计算机可读存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2017161744A1 (zh) | 2017-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105847984A (zh) | 一种视频推荐方法及装置 | |
CN105245958B (zh) | 一种直播电视节目推荐方法和装置 | |
CN101521796B (zh) | 内容推荐装置及内容推荐方法 | |
CN105472443A (zh) | 一种直播源控制方法及系统 | |
RU2641663C1 (ru) | Способ рекомендации телевизионной программы и сервер | |
CN102917269A (zh) | 一种电视节目推荐系统及方法 | |
CN105049882A (zh) | 一种视频推荐方法及装置 | |
CN105491456A (zh) | 视频内容的推荐、评价方法及装置 | |
CN1531344A (zh) | 用于确定用户人口统计类目值的交互式电视节目指南系统 | |
CN106303588A (zh) | 视频推荐方法、客户端以及服务器 | |
US20080196064A1 (en) | Apparatus and method of providing a recommended broadcast program | |
CN104584571A (zh) | 在机顶盒处产生音频指纹序列 | |
CN105828161A (zh) | 视频播放方法及装置 | |
CN105812937A (zh) | 一种电视节目推荐方法和电视节目推荐装置 | |
CN101383942A (zh) | 一种隐性用户特征提取方法和电视节目推荐方法和系统 | |
CN103714087A (zh) | 一种信息处理的方法及电子设备 | |
CN104639957A (zh) | 移动多媒体终端、视频节目推荐方法及其服务器 | |
CN104038790A (zh) | 视频播放列表更新方法及系统 | |
CN106294454A (zh) | 视频查找方法及装置 | |
CN103763587A (zh) | 一种播放多媒体数据的方法及装置 | |
CN104244099A (zh) | 一种媒体内容推荐方法和装置 | |
CN101969580A (zh) | 基于调谐频点与台标匹配的收视率统计系统及其统计方法 | |
CN103442270A (zh) | 一种采集用户的收视数据的方法及装置 | |
CN103491437A (zh) | 电视机顶盒及其电视节目管理方法 | |
CN103200441A (zh) | 一种电视频道信息的获取方法、确认方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160810 |