CN106686414A - 视频推荐方法及装置 - Google Patents

Abstract

本公开涉及视频推荐方法及装置。该方法包括：确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；分别确定各个待选视频的标题中的指定类型的字符及其特征值；根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。本公开结合视频标题中指定类型的字符进行视频推荐，从而能够提高视频推荐的效果。

Description

视频推荐方法及装置

技术领域

本公开涉及信息技术领域，尤其涉及一种视频推荐方法及装置。

背景技术

互联网时代是信息爆炸的时代，信息的数量以指数级增长。在视频领域，视频数量的增长速度非常快。目前，YouTube网站每分钟大约有60个小时的视频被上传，YouTube网站总的视频数量达到了数亿。用户在观看视频前，常常需要花费大量时间才能找到其感兴趣的视频，用户体验较差。

视频个性化推荐技术能够根据用户的浏览和观看行为，向用户推荐其可能感兴趣的视频。视频推荐效果的好坏主要根据点击率的高低来评判，通常，点击率越高，则视频推荐效果越好。相关技术中，通常根据视频标题中的关键词和/或视频的标签进行视频推荐，所考虑的视频相关信息较少，导致视频推荐效果较差。

发明内容

技术问题

有鉴于此，本公开要解决的技术问题是，相关技术中的视频推荐效果较差的问题。

解决方案

为了解决上述技术问题，根据本公开的一实施例，提供了一种视频推荐方法，包括：

确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；

根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；

分别确定各个待选视频的标题中的指定类型的字符及其特征值；

根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；

根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。

对于上述方法，在一种可能的实现方式中，指定类型的字符包括以下至少一项：

指定符号、指定词性的词和空格。

对于上述方法，在一种可能的实现方式中，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，包括：

确定所述已观看的视频的标题中的指定类型的字符；

将所述已观看的视频的标题中指定类型的字符的特征值确定为1。

对于上述方法，在一种可能的实现方式中，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，包括：

确定所述已观看的视频的标题中的指定类型的字符；

根据预先设置的次数与特征值的映射关系，以及所述已观看的视频的标题中指定类型的字符出现的次数，确定所述已观看的视频的标题中指定类型的字符的特征值，所述特征值大于0且小于或等于1。

对于上述方法，在一种可能的实现方式中，根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型，包括：

根据各个所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型中各种指定类型的字符对应的权重值。

对于上述方法，在一种可能的实现方式中，在根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型之后，所述方法还包括：

确定所述目标用户当前观看的视频的标题中的指定类型的字符及其特征值；

根据所述当前观看的视频的标题中的指定类型的字符及其特征值更新所述预测模型。

为了解决上述技术问题，根据本公开的另一实施例，提供了一种视频推荐装置，包括：

第一确定模块，用于确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；

预测模型确定模块，用于根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；

第二确定模块，用于分别确定各个待选视频的标题中的指定类型的字符及其特征值；

预测值确定模块，用于根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；

筛选与推荐模块，用于根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。

对于上述装置，在一种可能的实现方式中，指定类型的字符包括以下至少一项：

指定符号、指定词性的词和空格。

对于上述装置，在一种可能的实现方式中，所述第一确定模块包括：

指定类型的字符确定子模块，用于确定所述已观看的视频的标题中的指定类型的字符；

第一特征值确定子模块，用于将所述已观看的视频的标题中指定类型的字符的特征值确定为1。

对于上述装置，在一种可能的实现方式中，所述第一确定模块包括：

指定类型的字符确定子模块，用于确定所述已观看的视频的标题中的指定类型的字符；

第二特征值确定子模块，用于根据预先设置的次数与特征值的映射关系，以及所述已观看的视频的标题中指定类型的字符出现的次数，确定所述已观看的视频的标题中指定类型的字符的特征值，所述特征值大于0且小于或等于1。

对于上述装置，在一种可能的实现方式中，所述预测模型确定模块包括：

权重值确定子模块，用于根据各个所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型中各种指定类型的字符对应的权重值。

对于上述装置，在一种可能的实现方式中，所述装置还包括：

第三确定模块，用于确定所述目标用户当前观看的视频的标题中的指定类型的字符及其特征值；

预测模型更新模块，用于根据所述当前观看的视频的标题中的指定类型的字符及其特征值更新所述预测模型。

为了解决上述技术问题，根据本公开的另一实施例，提供了一种视频推荐装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；

根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；

分别确定各个待选视频的标题中的指定类型的字符及其特征值；

根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；

根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。

有益效果

通过确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，根据已观看的视频的标题中的指定类型的字符及其特征值确定目标用户对应的预测模型，分别确定各个待选视频的标题中的指定类型的字符及其特征值，根据预测模型以及各个待选视频的标题中的指定类型的字符及其特征值分别确定各个待选视频的预测值，根据各个待选视频的预测值从所有待选视频中筛选出待推荐视频，并对待推荐视频进行推荐，由此结合视频标题中指定类型的字符进行视频推荐，从而能够提高视频推荐的效果。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的视频推荐方法的流程图。

图2示出根据本公开一实施例的视频推荐方法的一示例性的流程图。

图3示出根据本公开另一实施例的视频推荐装置的结构框图。

图4示出根据本公开另一实施例的视频推荐装置的一示例性的结构框图。

图5是根据一示例性实施例示出的一种用于视频推荐的装置1900的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

实施例1

图1示出根据本公开一实施例的视频推荐方法的流程图。如图1所示，该方法包括：

在步骤S11中，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值。

作为本实施例的一个示例，目标用户已观看的视频可以为目标用户在第一时间段内观看的视频。其中，第一时间段根据当前系统时间以及第一预设值确定。例如，当前系统时间为2016年11月30日，第一预设值为20天，则第一时间段可以为2016年11月10日至2016年11月30日。在该示例中，通过将目标用户已观看的视频限定为目标用户在第一时间段内观看的视频，由此能够根据目标用户近期的喜好进行视频推荐，从而有助于提高视频推荐的效果。

作为本实施例的另一个示例，可以将目标用户在第一时间段内观看的观看完成度大于第二预设值的视频确定为目标用户已观看的视频。例如，第二预设值可以为30％，在此不作限定。目标用户观看某一视频的观看完成度较小，可以在一定程度上表明目标用户对该视频的兴趣不大。在该示例中，通过将目标用户在第一时间段内观看的观看完成度大于第二预设值的视频确定为目标用户已观看的视频，而剔除观看完成度小于或等于第二预设值的视频，有助于提高视频推荐的效果。

在一种可能的实现方式中，指定类型的字符包括以下至少一项：指定符号、指定词性的词和空格。其中，指定符号可以包括“”等，在此不作限定。

作为该实现方式的一个示例，指定词性的词可以包括以下至少一项：表示程度的副词、表示语气的副词、感叹语气助词和叹词。其中，表示程度的副词可以包括非常、绝对、极度、十分、最、顶级、太、更和极其等；表示语气的副词可以包括难道、决、岂、果然、居然和竟然等；感叹语气助词可以包括啊、呀、哇和哪等；叹词可以包括哈哈、哎呀、啊、哼、呸、哎哟、咳、哦、喂、嗯和哎等。

需要说明的是，尽管以表示程度的副词、表示语气的副词、感叹语气助词和叹词作为示例介绍了指定词性的词如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据个人喜好和/或实际应用场景灵活设定指定词性的词。

在一种可能的实现方式中，在步骤S11之前，该方法还可以包括：确定指定类型的字符集合。步骤S11可以为：针对指定类型的字符集合，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值。换言之，可以将已观看的视频的标题与指定类型的字符集合中的各个指定类型的字符进行对比，以确定已观看的视频的标题包含哪些指定类型的字符，并确定已观看的视频的标题包含的指定类型的字符的特征值。

在本实施例中，在目标用户已观看的视频的个数大于1的情况下，分别确定各个已观看的视频的标题中的指定类型的字符及其特征值。例如，若指定类型的字符包括指定符号、指定词性的词和空格，则对于每个已观看的视频，可以分别确定该已观看的视频的标题中的指定符号及其特征值、该已观看的视频的标题中的指定词性的词及其特征值以及该已观看的视频的标题中的空格及其特征值。

在一种可能的实现方式中，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，包括：确定已观看的视频的标题中的指定类型的字符；将已观看的视频的标题中指定类型的字符的特征值确定为1。例如，可以采用该实现方式确定目标用户已观看的视频的标题中指定符号的特征值。例如，若某一已观看的视频的标题中存在指定符号“”，则将该已观看的视频的标题中指定符号“”的特征值确定为1。

在另一种可能的实现方式中，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，包括：确定已观看的视频的标题中的指定类型的字符；根据预先设置的次数与特征值的映射关系，以及已观看的视频的标题中指定类型的字符出现的次数，确定已观看的视频的标题中指定类型的字符的特征值，其中，特征值大于0且小于或等于1。其中，某一已观看的视频的标题中指定类型的字符的特征值与指定类型的字符出现的次数正相关。例如，可以采用该实现方式确定目标用户已观看的视频的标题中指定词性的词的特征值，某一已观看的视频的标题中指定词性的词的特征值与指定词性的词出现的次数正相关。例如，若某一已观看的视频的标题中指定词性的词出现的次数为2次，根据预先设置的次数与特征值的映射关系，确定该已观看的视频的标题中指定词性的词的特征值为0.4。其中，预先设置的次数与特征值的映射关系可以由本领域技术人员根据需求灵活设置，在此不作限定。

在一种可能的实现方式中，对于指定类型的字符集合中，已观看的视频的标题中不包含的指定类型的字符，可以将其特征值确定为0。例如，指定类型的字符集合包含指定符号“”，已观看的视频的标题中不包含指定符号“”，则对于该已观看的视频的标题，可以将指定符号“”的特征值确定为0。

在一种可能的实现方式中，指定类型的字符可以用字符名称或者编号来表示，通过确定目标用户已观看的视频的标题中指定类型的字符的特征值，可以确定各个字符名称或者编号对应的特征值。例如，某一已观看的视频的标题中存在指定符号“”，指定符号“”的字符名称为“星号”，则对于该已观看的视频的标题，字符名称“星号”对应的特征值可以为1。再例如，某一已观看的视频的标题中某一指定词性的词出现的次数为2次，该指定词性的词的编号为10000，则对于该已观看的视频的标题，编号10000对应的特征值可以为0.4。

在步骤S12中，根据已观看的视频的标题中的指定类型的字符及其特征值确定目标用户对应的预测模型。

在一种可能的实现方式中，目标用户对应的预测模型还可以与目标用户已观看的视频的标题中的关键词、目标用户已观看的视频的标签、目标用户已观看的视频的类型和目标用户已观看的视频的评分等视频相关信息有关。其中，视频的类型可以为电视剧、电影、综艺或者体育等，在此不作限定。视频的评分可以根据观看该视频的所有用户对该视频的评分的平均值来确定，在此不作限定。例如，某一视频的评分为9.5分，可以将该视频的评分归一化为0.95，以用于预测模型的训练。在该实现方式中，通过将已观看的视频的标题中的指定类型的字符及其特征值与已观看的视频的标题中的关键词、已观看的视频的标签、已观看的视频的类型、已观看的视频的评分等视频相关信息相结合来训练目标用户对应的预测模型，能够提高所确定的预测模型的预测准确度。其中，预测模型的训练可以为离线训练，也可以为在线训练，在此不作限定。

在步骤S13中，分别确定各个待选视频的标题中的指定类型的字符及其特征值。

在一种可能的实现方式中，确定待选视频的标题中的指定类型的字符及其特征值，包括：确定待选视频的标题中的指定类型的字符；将待选视频的标题中指定类型的字符的特征值确定为1。

在另一种可能的实现方式中，确定待选视频的标题中的指定类型的字符及其特征值，包括：确定待选视频的标题中的指定类型的字符；根据预先设置的次数与特征值的映射关系，以及待选视频的标题中指定类型的字符出现的次数，确定待选视频的标题中指定类型的字符的特征值，其中，特征值大于0且小于或等于1。

在一种可能的实现方式中，对于指定类型的字符集合中，待选视频的标题中不包含的指定类型的字符，可以将其特征值确定为0。

在步骤S14中，根据预测模型以及各个待选视频的标题中的指定类型的字符及其特征值分别确定各个待选视频的预测值。

在本实施例中，可以将各个待选视频的标题中的指定类型的字符及其特征值输入训练得到的预测模型中，以由预测模型输出各个待选视频的预测值。

在步骤S15中，根据各个待选视频的预测值从所有待选视频中筛选出待推荐视频，并对待推荐视频进行推荐。

在一种可能的实现方式中，可以按照预测值由大到小的顺序对所有待选视频进行排序，并将排序在前的N个待选视频确定为待推荐视频。其中，N为正整数，且N小于或等于待选视频的总个数。

作为该实现方式的一个示例，可以采用离线的方式，按照预测值由大到小的顺序对所有待选视频进行排序，将排序在前的N个待选视频确定为待推荐视频，并可以将待推荐视频更新到线上存储环境。

作为该实现方式的另一个示例，可以采用在线的方式，按照预测值由大到小的顺序对所有待选视频进行排序，将排序在前的N个待选视频确定为待推荐视频，从而实时得到待推荐视频。

由于大量视频的标题中包括指定类型的字符，尤其是大量的UGC(User GeneratedContent，用户原创内容)视频和PGC(Professionally Generated Content，专业生产内容)视频中包括指定类型的字符，这些看似意义不大的字符可能能起到吸引目标用户的效果，或者可能会引起目标用户的反感，因此本实施例结合视频标题中指定类型的字符进行视频推荐，例如对于已观看的视频的标题中某种或某几种指定类型的字符出现频率较高的目标用户，倾向于向其推荐包含该种或该几种指定类型的字符的视频，反之，对于已观看的视频的标题中指定类型的字符出现频率较低的目标用户，倾向于向其推荐不包含指定类型的字符的视频，从而能够提高视频推荐的效果。

在一种可能的实现方式中，根据已观看的视频的标题中的指定类型的字符及其特征值确定目标用户对应的预测模型，包括：根据各个已观看的视频的标题中的指定类型的字符及其特征值确定目标用户对应的预测模型中各种指定类型的字符对应的权重值。

作为该实现方式的一个示例，可以将已观看的视频的标题中的指定类型的字符及其特征值与已观看的视频的标题中的关键词、已观看的视频的标签、已观看的视频的类型、已观看的视频的评分等视频相关信息相结合来训练目标用户对应的预测模型，其中，训练得到的预测模型包括各种指定类型的字符对应的权重值。

作为该实现方式的一个示例，目标用户对应的预测模型中各种指定类型的字符对应的权重值与各种指定类型的字符在目标用户已观看的视频的标题中出现的次数正相关。例如，在目标用户已观看的多个视频的标题中，表示程度的副词出现的次数大于表示语气的副词出现的次数，则在目标用户对应的预测模型中，可以将表示程度的副词对应的权重值确定为大于表示语气的副词对应的权重值。

作为该实现方式的另一个示例，目标用户对应的预测模型中各种指定类型的字符对应的权重值与各种指定类型的字符在目标用户已观看的视频的标题中出现的频率正相关。其中，某种指定类型的字符在目标用户已观看的视频的标题中出现的频率，可以为第一视频数与已观看的视频总数的比值。其中，第一视频数可以为已观看的视频中，标题中出现该种指定类型的字符的视频的数量。例如，在目标用户已观看的视频的标题中，表示程度的副词出现的频率大于表示语气的副词出现的频率，则在目标用户对应的预测模型中，可以将表示程度的副词对应的权重值确定为大于表示语气的副词对应的权重值。

作为该实现方式的一个示例，在某种指定类型的字符在目标用户已观看的视频的标题中出现的频率小于或等于第三预设值的情况下，可以在目标用户对应的预测模型中将该指定类型的字符对应的权重值确定为小于0。其中，第三预设值可以设置为0或者稍大于0。例如，指定符号“”在目标用户已观看的视频的标题中出现的频率为0，则可以在目标用户对应的预测模型中将指定符号“”对应的权重值确定为小于0。

图2示出根据本公开一实施例的视频推荐方法的一示例性的流程图。如图2所示，该方法包括：

在步骤S21中，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值。

对步骤S21参见上文对步骤S11的描述。

在步骤S22中，根据已观看的视频的标题中的指定类型的字符及其特征值确定目标用户对应的预测模型。

对步骤S22参见上文对步骤S12的描述。

在步骤S23中，分别确定各个待选视频的标题中的指定类型的字符及其特征值。

对步骤S23参见上文对步骤S13的描述。

在步骤S24中，根据预测模型以及各个待选视频的标题中的指定类型的字符及其特征值分别确定各个待选视频的预测值。

对步骤S24参见上文对步骤S14的描述。

在步骤S25中，根据各个待选视频的预测值从所有待选视频中筛选出待推荐视频，并对待推荐视频进行推荐。

对步骤S25参见上文对步骤S15的描述。

在步骤S26中，确定目标用户当前观看的视频的标题中的指定类型的字符及其特征值。

在一种可能的实现方式中，确定目标用户当前观看的视频的标题中的指定类型的字符及其特征值，包括：确定当前观看的视频的标题中的指定类型的字符；将当前观看的视频的标题中指定类型的字符的特征值确定为1。

在另一种可能的实现方式中，确定目标用户当前观看的视频的标题中指定类型的字符的特征值，包括：确定当前观看的视频的标题中的指定类型的字符；根据预先设置的次数与特征值的映射关系，以及当前观看的视频的标题中指定类型的字符出现的次数，确定当前观看的视频的标题中指定类型的字符的特征值，其中，特征值大于0且小于或等于1。

在一种可能的实现方式中，对于指定类型的字符集合中，当前观看的视频的标题中不包含的指定类型的字符，可以将其特征值确定为0。

在步骤S27中，根据当前观看的视频的标题中的指定类型的字符及其特征值更新预测模型。

在该示例中，根据目标用户当前观看的视频的标题中的指定类型的字符及其特征值对预测模型进行更新，由此能够根据目标用户最新观看的视频对预测模型进行实时更新，从而有助于提高视频推荐的效果。

实施例2

图3示出根据本公开另一实施例的视频推荐装置的结构框图。图3可以用于运行图1或图2所示的视频推荐方法。为了便于说明，在图3中仅示出了与本实施例相关的部分。

如图3所示，该装置包括：第一确定模块31，用于确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；预测模型确定模块32，用于根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；第二特征值确定模块33，用于分别确定各个待选视频的标题中的指定类型的字符及其特征值；预测值确定模块34，用于根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；筛选与推荐模块35，用于根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。

图4示出根据本公开另一实施例的视频推荐装置的一示例性的结构框图。图4可以用于运行图1或图2所示的视频推荐方法。为了便于说明，在图4中仅示出了与本实施例相关的部分。图4中标号与图3相同的部分具有相同的功能，为简明起见，省略对这些部分的详细说明。如图4所示：

在一种可能的实现方式中，指定类型的字符包括以下至少一项：指定符号、指定词性的词和空格。

在一种可能的实现方式中，所述第一确定模块31包括：指定类型的字符确定子模块311，用于确定所述已观看的视频的标题中的指定类型的字符；第一特征值确定子模块312，用于将所述已观看的视频的标题中指定类型的字符的特征值确定为1。

在一种可能的实现方式中，所述第一确定模块31包括：指定类型的字符确定子模块311，用于确定所述已观看的视频的标题中的指定类型的字符；第二特征值确定子模块313，用于根据预先设置的次数与特征值的映射关系，以及所述已观看的视频的标题中指定类型的字符出现的次数，确定所述已观看的视频的标题中指定类型的字符的特征值，所述特征值大于0且小于或等于1。

在一种可能的实现方式中，所述预测模型确定模块34包括：权重值确定子模块341，用于根据各个所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型中各种指定类型的字符对应的权重值。

在一种可能的实现方式中，所述装置还包括：第三确定模块36，用于确定所述目标用户当前观看的视频的标题中的指定类型的字符及其特征值；预测模型更新模块37，用于根据所述当前观看的视频的标题中的指定类型的字符及其特征值更新所述预测模型。

通过确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，根据已观看的视频的标题中的指定类型的字符及其特征值确定目标用户对应的预测模型，分别确定各个待选视频的标题中的指定类型的字符及其特征值，根据预测模型以及各个待选视频的标题中的指定类型的字符及其特征值分别确定各个待选视频的预测值，根据各个待选视频的预测值从所有待选视频中筛选出待推荐视频，并对待推荐视频进行推荐，由此结合视频标题中指定类型的字符进行视频推荐，从而能够提高视频推荐的效果。

实施例3

图5是根据一示例性实施例示出的一种用于视频推荐的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图5，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述视频推荐方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器1932，上述指令可由装置1900的处理组件1922执行以完成上述方法。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (13)

1.一种视频推荐方法，其特征在于，包括：

确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；

根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；

分别确定各个待选视频的标题中的指定类型的字符及其特征值；

根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；

根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。

2.根据权利要求1所述的方法，其特征在于，指定类型的字符包括以下至少一项：

指定符号、指定词性的词和空格。

3.根据权利要求1或2所述的方法，其特征在于，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，包括：

确定所述已观看的视频的标题中的指定类型的字符；

将所述已观看的视频的标题中指定类型的字符的特征值确定为1。

4.根据权利要求1或2所述的方法，其特征在于，确定目标用户已观看的视频的标题中的指定类型的字符及其特征值，包括：

确定所述已观看的视频的标题中的指定类型的字符；

根据预先设置的次数与特征值的映射关系，以及所述已观看的视频的标题中指定类型的字符出现的次数，确定所述已观看的视频的标题中指定类型的字符的特征值，所述特征值大于0且小于或等于1。

5.根据权利要求1所述的方法，其特征在于，根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型，包括：

根据各个所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型中各种指定类型的字符对应的权重值。

6.根据权利要求1所述的方法，其特征在于，在根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型之后，所述方法还包括：

确定所述目标用户当前观看的视频的标题中的指定类型的字符及其特征值；

根据所述当前观看的视频的标题中的指定类型的字符及其特征值更新所述预测模型。

7.一种视频推荐装置，其特征在于，包括：

第一确定模块，用于确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；

预测模型确定模块，用于根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；

第二确定模块，用于分别确定各个待选视频的标题中的指定类型的字符及其特征值；

预测值确定模块，用于根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；

筛选与推荐模块，用于根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。

8.根据权利要求7所述的装置，其特征在于，指定类型的字符包括以下至少一项：

指定符号、指定词性的词和空格。

9.根据权利要求7或8所述的装置，其特征在于，所述第一确定模块包括：

指定类型的字符确定子模块，用于确定所述已观看的视频的标题中的指定类型的字符；

第一特征值确定子模块，用于将所述已观看的视频的标题中指定类型的字符的特征值确定为1。

10.根据权利要求7或8所述的装置，其特征在于，所述第一确定模块包括：

指定类型的字符确定子模块，用于确定所述已观看的视频的标题中的指定类型的字符；

第二特征值确定子模块，用于根据预先设置的次数与特征值的映射关系，以及所述已观看的视频的标题中指定类型的字符出现的次数，确定所述已观看的视频的标题中指定类型的字符的特征值，所述特征值大于0且小于或等于1。

11.根据权利要求7所述的装置，其特征在于，所述预测模型确定模块包括：

权重值确定子模块，用于根据各个所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型中各种指定类型的字符对应的权重值。

12.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第三确定模块，用于确定所述目标用户当前观看的视频的标题中的指定类型的字符及其特征值；

预测模型更新模块，用于根据所述当前观看的视频的标题中的指定类型的字符及其特征值更新所述预测模型。

13.一种视频推荐装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

确定目标用户已观看的视频的标题中的指定类型的字符及其特征值；

根据所述已观看的视频的标题中的指定类型的字符及其特征值确定所述目标用户对应的预测模型；

分别确定各个待选视频的标题中的指定类型的字符及其特征值；

根据所述预测模型以及各个所述待选视频的标题中的指定类型的字符及其特征值分别确定各个所述待选视频的预测值；

根据各个所述待选视频的预测值从所有所述待选视频中筛选出待推荐视频，并对所述待推荐视频进行推荐。