CN107657004A - 视频推荐方法、系统及设备 - Google Patents

Abstract

本发明公开了一种视频推荐方法、系统及设备。该方法包括获取携带用户个人信息的用户视频请求指令；获取推荐算法；根据用户个人信息判断用户的用户类型；若用户类型为新用户，从不同类型标签的视频源中采用热度算法分别筛选若干个不同类型热度推荐值最高的视频推荐给用户；若用户类型为老用户，从视频数据库中提取用户的兴趣视频列表；再根据热度算法及相似度算法从兴趣视频列表中筛选对应的若干视频推荐给用户。该推荐方法分别针对新老用户采用不同的推荐方式给用户推荐感兴趣的视频，且满足了用户的复杂视频需求，给用户推荐感兴趣的视频。

Description

视频推荐方法、系统及设备

【技术领域】

本发明涉及互联网视频技术领域，尤其涉及一种视频推荐方法、系统及设备。

【背景技术】

视频推荐是视频网站根据用户观看视频的喜好给用户推荐某个特定领域视频的一种方法。传统的视频观看方式是，用户通过在视频浏览目录中寻找喜欢的视频，或者在视频搜索引擎中搜索想要观看的视频。

随着互联网技术的发展，用户可以通过互联网获得海量的视频。用户在视频浏览目录中通过浏览的方式寻找喜欢的视频，花费时间长，并且不容易获取到用户想要观看的视频。通过在视频搜索引擎搜索用户想要观看的视频时，由于关键词的匹配的问题或者用户无法表达想要观看的视频时，也不能很好的获取到用户感兴趣的视频。

【发明内容】

为了克服用户无法快速准确获取感兴趣的视频的问题，本发明提供一种视频推荐方法、系统及设备。具体方案如下：

一种视频推荐方法，包括：获取携带用户个人信息的用户视频请求指令；获取推荐算法；所述推荐算法包括热度算法和相似度算法；根据所述用户个人信息判断所述用户的用户类型；若所述用户类型为新用户，则从不同类型标签的视频源中，采用所述热度算法分别筛选若干个不同类型热度推荐值最高的视频，将所述若干视频推荐给所述用户；若所述用户类型为有历史浏览观看行为的老用户，从视频数据库中提取所述用户的兴趣视频列表；再根据所述热度算法及所述相似度算法从所述兴趣视频列表中筛选对应的若干视频，将所述若干视频推荐给所述用户。

在其中一个实施例中，所述热度算法用于计算视频热度，以根据所述视频热度筛选热度推荐值最高的视频；所述用户视频请求指令还包括用户标签和用户操作信息。

在其中一个实施例中，所述若所述用户类型为新用户，则从不同类型标签的视频源中，采用所述热度算法分别筛选若干个不同类型热度推荐值最高的视频，将所述若干视频推荐给所述用户，包括：若所述用户类型为新用户，获取视频源中视频的不同类型标签；将所述用户标签与所述视频源中视频的不同类型标签进行匹配，根据匹配结果从所述视频源中提取待推荐视频；采用所述热度算法从所述待推荐视频中筛选出若干个不同类型热度推荐值最高的视频，将筛选出的视频推荐给所述用户。

在其中一个实施例中，所述从视频数据库中提取所述用户的兴趣视频列表，包括：根据所述用户的历史操作行为数据，提取所述用户的兴趣视频列表；或，查找与所述用户的用户类型相似的其他用户浏览观看过的视频，作为该用户的兴趣视频列表。

在其中一个实施例中，所述将所述若干视频推荐给所述用户之后，还包括：获取新的视频源；根据所述用户的历史操作行为数据从所述新的视频源中获取推荐视频；将所述推荐视频推荐给所述用户。

在其中一个实施例中，所述获取新的视频源，包括：从视频运营池中获取本地新视频。

在其中一个实施例中，所述推荐算法还包括兴趣度算法；所述从视频数据库中提取所述用户的兴趣视频列表，包括：根据所述兴趣度算法从所述视频数据库中提取所述用户的兴趣视频列表。

在其中一个实施例中，所述再根据所述热度算法及所述相似度算法从所述兴趣视频列表中筛选对应的若干视频，将所述若干视频推荐给所述用户，包括：根据所述热度算法从所述兴趣视频列表中筛选出热度视频列表；根据所述相似度算法从所述热度视频列表中筛选出与所述用户历史操作行为数据相关的视频相似的若干相似视频；将所述若干相似视频推荐给所述用户。

一种视频推荐系统，包括用户端、云端服务器和后台服务器；所述用户端用于将用户视频请求发送给所述云端服务器；所述后台服务器用于从所述云端服务器中获取所述用户视频请求指令，并根据所述用户视频请求指令获取待推荐视频；所述后台服务器用于实现上述任一实施例所述的视频推荐方法。

一种设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例所述的视频推荐方法。

与现有技术相比，本发明具备如下优点：

本发明所提供的视频推荐方法主要根据用户视频请求指令中的用户个人信息判断该用户属于新用户还是老用户。进一步，分别针对新用户或老用户采用不同的推荐方式以及不同的推荐算法，给用户推荐感兴趣的视频。该推荐方法分别针对新老用户采用不同的推荐方式给用户推荐感兴趣的视频，且满足了用户的复杂视频需求，给用户推荐感兴趣的视频。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

【附图说明】

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明一实施例中的一种视频推荐方法的方法流程图；

图2为本发明一实施例中的S40的方法流程图；

图3为本发明又一实施例中的一种视频推荐方法的方法流程图；

图4为本发明又一实施例中的S20的方法流程图；

图5为本发明一实施例中的一种视频推荐系统的结构框图；

图6为本发明一实施例中的一种视频推荐系统的架构图；

图7为本发明一实施例中的视频推荐系统对用户操作行为数据的实时处理和离线处理的流程图。

【具体实施方式】

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明作进一步的详细说明。以下实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

请参阅附图1所示的第一实施例的流程图。本发明提供的一种视频推荐方法包括以下步骤：

S10，获取携带用户个人信息的用户视频请求指令。

在本实施例中，服务器获取终端用户视频请求指令。该用户视频请求指令包括用户个人信息、用户标签以及用户操作信息等。用户个人信息包括用户性别、年龄、地域以及用户是否有历史浏览观看行为等。用户标签包括用户的兴趣标签以及用户的社群标签等。用户的操作信息包括用户点击视频操作及用户浏览视频列表操作等。

S20，获取推荐算法。

在本实施例中，推荐算法包括热度算法、相似度算法及兴趣度算法。其中，热度算法用于计算视频热度，以根据视频热度筛选热度推荐值最高的视频。相似度算法用于计算视频的相似度，以根据视频相似度筛选出相似度从高到低排序的相似视频。兴趣度算法为根据用户的历史操作行为数据计算用户对视频的兴趣值，以获取兴趣值从高到低排序的视频列表。

在一实施方式中，S20还可包括：根据用户的操作行为数据中的操作信息，得到用户的兴趣特征；根据用户的兴趣特征，从推荐算法池中获取与用户的兴趣特征对应的推荐算法。

在本实施方式中，服务器可根据分析用户的操作行为数据中的操作信息，可获取用户对视频的兴趣情况，总结得到用户的兴趣特征。服务器根据得到的用户的兴趣特征，从推荐算法池中获取与该兴趣特征对应的推荐算法。也即是说，推荐算法是根据用户的兴趣特征从推荐算法池中进行匹配以获取得到。

在一实施方式中，S20还可包括：获取推荐算法池中每种推荐算法推荐若干视频后用户反馈的用户行为数据；根据每种推荐算法推荐若干视频后用户反馈的用户行为数据，计算若干视频的接受度；根据接受度确定对应推荐算法的数值；从推荐算法池中获取数值符合条件的推荐算法。

在本实施例中，服务器获取推荐算法池中的每种推荐算法，并获取每种推荐算法给多个用户推荐的若干视频后，用户反馈的用户行为数据。服务器根据用户反馈的用户行为数据，计算对应的视频的接受度。服务器根据对应视频的接受度确定对应推荐算法的数值。例如，视频接受度一般，则对应推荐算法的数值为5。视频接受度差，则对应的推荐算法的数值是2。视频接受度良好，对应的推荐算法的数值是8。视频接受度很好，对应的推荐算法的数值是10。服务器根据推荐算法的数值，从推荐算法池中获取推荐算法数值符合条件的推荐算法。例如，推荐算法的数值的符合条件为“数值大于等于8”，则服务器从推荐算法池中获取数值大于等于8的推荐算法。

在一实施方式中，S20还包括：根据用户的操作行为数据中的操作信息，得到用户的兴趣特征；根据兴趣特征，从推荐算法池中获取与兴趣特征对应的预置数量推荐算法；获取从预置数量推荐算法中每种推荐算法推荐若干视频后用户反馈的用户行为数据；根据每种推荐算法推荐若干视频后用户反馈的用户行为数据，计算若干视频的接受度；根据接受度确定对应推荐算法的数值；从预置数量推荐算法中获取数值符合条件的推荐算法。

在本实施例中，服务器根据分析用户的操作行为数据中的操作信息，可获取用户对视频的兴趣情况，总结得到用户的兴趣特征。服务器根据得到的用户的兴趣特征，从推荐算法池中获取与该兴趣特征对应的预置数量的推荐算法。也即是说，推荐算法是根据用户的兴趣特征从推荐算法池中进行匹配以获取得到。服务器还获取预置数量推荐算法中，每种推荐算法给用户推荐若干视频后，用户反馈的用户行为数据。根据用户反馈的用户行为数据，计算出对应的视频的接受度。根据视频的接受度确定对应推荐算法的数值。例如，视频的接受度一般，对应推荐算法的数值是5。视频的接受度差，对应的推荐算法的数值是3。视频的接受度很差，对应的推荐算法的数值是1。视频的接受度良好，对应的推荐算法的数值是8。视频的接受度很好，对应的推荐算法的数值是10。根据推荐算法的数值，从预置数量推荐算法中获取数值符合条件的推荐算法。例如，推荐算法的数值符合条件为“数值大于等于8”，则从预置数量推荐算法中获取数值大于等于8推荐算法，作为最终的推荐算法。

S30，根据用户个人信息判断用户的用户类型。

在本实施例中，服务器可根据用户的用户个人信息判断用户的用户类型。用户类型包括新用户以及老用户。新用户表示该用户从未在应用程序中有过历史浏览观看行为。老用户表示该用户在应用程序中有过历史浏览观看行为。根据用户个人信息，服务器可获知该用户是否有过历史浏览观看行为记录，从而判断该用户属于新用户类型还是老用户类型。

S40，若用户类型为新用户，则从不同类型标签的视频源中，采用热度算法分别筛选若干个不同类型热度推荐值最高的视频，将若干视频推荐给用户。

在本实施例中，当判断出用户类型为新用户时，直接从不同类型标签的视频源中筛选出若干视频推荐给用户。具体地，采用热度算法计算不同类型标签的视频源中的视频的热度，根据计算出的热度值筛选出若干个不同类型且热度推荐值最高的视频，再将该若干视频推荐给用户。

在一实施方式中，如图2所示，步骤S40包括：

S401，若用户类型为新用户，获取视频源中视频的不同类型标签。

用户类型为新用户时，服务器获取视频源中若干视频的不同类型的标签。其中，视频源中的每个视频可以是只有一个标签，每个视频的标签不相同。也可以是每个视频均有多个标签，并且标签的类型不相同。

S403，将用户标签与视频源中视频的不同类型标签进行匹配，根据匹配结果从视频源中提取待推荐视频。

在本实施方式中，服务器获取新用户的用户标签。并将新用户的用户标签分别与视频源中的视频的多个不同类型标签进行匹配，根据匹配结果从视频源中提取待推荐的视频。当新用户的用户标签与视频源中的视频的标签匹配时，将该视频作为待推荐视频。

用户标签可以是一个或者多个。当用户标签为多个时，分别将用户标签与视频源中的视频的不同类型的标签一一进行匹配。只要有一个用户标签与视频源中的视频匹配，即将该视频作为待推荐视频。或者，满足用户的预置数量用户标签与视频源中的视频的标签匹配时，才可将该视频作为待推荐视频。

S405，采用热度算法从待推荐视频中筛选出若干个不同类型热度推荐值最高的视频，将筛选出的视频推荐给用户。

在本实施例中，通过用户标签与视频源中的视频的标签进行匹配以获取待推荐视频后，根据热度算法计算待推荐视频中各个视频的热度值。根据热度值筛选出若干个不同类型热度推荐值最高的视频，作为推荐视频推荐给用户。

S50，若用户类型为有历史浏览观看行为的老用户，从视频数据库中提取用户的兴趣视频列表；再根据热度算法及相似度算法从兴趣视频列表中筛选对应的若干视频，将若干视频推荐给用户。

在本实施例中，根据用户个人信息获知该用户有历史浏览观看行为，判断出该用户为老用户。进一步从视频数据库中提取该用户的兴趣视频列表。分别通过热度算法和相似度算法从兴趣视频列表中筛选出若干视频，将该若干视频推荐给用户。

在本实施方式中，从视频数据库中提取用户的兴趣视频列表包括：根据用户的历史操作行为数据，提取用户的兴趣视频列表。或从视频数据库中提取用户的兴趣视频列表包括：查找与用户的用户类型相似的其他用户浏览观看过的视频，作为该用户的兴趣视频列表。其中，用户的历史操作行为数据包括转发视频操作数据、对视频的点赞操作数据、对视频的赞赏操作数据、对视频设置为不感兴趣的操作数据、对视频设置为感兴趣的操作数据、播放视频的操作行为数据、终止播放视频的操作数据等。

根据用户的历史操作行为数据，提取用户的兴趣视频列表，包括：根据所述用户的历史操作行为数据中的操作信息，得到用户的兴趣特征；根据用户的兴趣特征，获取与用户的兴趣特征对应的待推荐视频；或，根据用户的历史操作行为数据中的操作信息，得到用户的兴趣特征；根据用户的操作行为数据中的视频信息，得到相似视频；根据用户的兴趣特征从相似视频中，获取与用户的兴趣特征对应的待推荐视频。

在一实施方式中，如图3所示，推荐算法还包括兴趣度算法。步骤S50包括：根据兴趣度算法从视频数据库中提取用户的兴趣视频列表；再根据热度算法从兴趣视频列表中筛选出热度视频列表；根据相似度算法从热度视频列表中筛选出与用户历史操作行为数据相关的视频相似的若干相似视频；将若干相似视频推荐给用户。

在一实施方式中，根据兴趣度算法从视频数据库中提取用户的兴趣视频列表，包括：根据用户的历史操作行为数据通过兴趣度算法计算视频数据库中视频的兴趣值；根据该兴趣值提取用户的兴趣视频列表。

根据热度算法从兴趣视频列表中筛选出热度视频列表，包括：根据用户的历史操作行为数据通过热度算法计算兴趣视频列表中每个视频的热度值，根据热度值的高低对兴趣视频列表中的视频进行从高到低的排序，提取热度值高于预置值的视频作为热度视频列表。

根据相似度算法从热度视频列表中筛选出与用户历史操作行为数据相关的视频相似的若干相似视频，包括：根据用户的历史操作行为数据中的视频信息，从热度视频列表中获取相似视频；获取相似视频的相似度；按相似度从高到低对相似视频进行排序；将排在前面的预置数量相似视频推荐给用户。或者，根据用户的历史操作行为数据中的操作信息，得到用户的兴趣特征；根据用户的操作行为数据中的视频信息，得到相似视频；根据用户的兴趣特征从相似视频中，获取与用户的兴趣特征对应的待推荐视频。

具体地，服务器根据用户的历史操作行为数据，通过兴趣度算法从视频数据库中提取出用户的感兴趣的视频，形成兴趣视频列表。再根据热度算法计算该兴趣视频列表中视频的热度值，根据热度值的大小筛选出热度值高的视频，形成热度视频列表。进一步地，根据相似度算法从热度视频列表中筛选出与用户历史操作行为数据相关的视频相似的若干相似视频。该若干视频作为最终的推荐视频推荐给用户。通过兴趣度算法、热度算法及相似度算法，对视频源中的视频进行层层筛选，最终选出的推荐视频更加符合用户的感兴趣的视频。

在一实施例中，若用户类型为新用户，则从不同类型标签的视频源中，采用热度算法分别筛选若干个不同类型热度推荐值最高的视频，将若干视频推荐给用户，还包括：获取该若干视频的其他用户反馈的操作行为数据；根据其他用户反馈的操作行为数据计算该若干视频的推荐值；把推荐值符合条件的若干视频，作为最终的待推荐视频，以推荐给用户。

在一实施例中，若用户类型为有历史浏览观看行为的老用户，从视频数据库中提取用户的兴趣视频列表；再根据热度算法及相似度算法从兴趣视频列表中筛选对应的若干视频，将若干视频推荐给用户，还包括：获取该若干视频的其他用户反馈的操作行为数据；根据其他用户反馈的操作行为数据计算该若干视频的推荐值；把推荐值符合条件的若干视频，作为最终的待推荐视频，以推荐给用户。

在一实施例中，如图4所示，步骤S50之后，还包括：

S60，获取新的视频源。

在本实施方式中，新的视频源与上述视频源为不同的视频源。新的视频源可以是从视频运营池中获取的本地新视频。也可以是多个不同用户上传视频的视频源。或者是根据视频标签进行分类之后的视频源。

S70，根据用户的历史操作行为数据从新的视频源中获取推荐视频。

服务器提取用户的历史操作行为数据，用户的历史操作行为数据包括转发视频操作数据、对视频的点赞操作数据、对视频的赞赏操作数据、对视频设置为不感兴趣的操作数据、对视频设置为感兴趣的操作数据、播放视频的操作行为数据、终止播放视频的操作数据等。通过分析用户的历史操作行为数据从新的视频源中获取推荐视频。

S80，将推荐视频推荐给用户。

服务器获取到推荐视频后，将该推荐视频推荐给用户，以供用户观看下载。

本发明还提供一种视频推荐系统，如图5所示。一种视频推荐系统，包括用户端100、云端服务器200和后台服务器300。用户端100将用户的操作行为数据上传云端服务器200。后台服务器300从云端服务器200中获取用户的操作行为数据，并根据用户的操作行为数据获取待推荐视频。后台服务器还通过获取推荐算法对待推荐视频进行处理，得到推荐视频，并向用户端100推荐推荐视频。

在一实施例中，后台服务器300包括Kafka模块301和海度数据中心303。Kafka模块301负责处理、保存所有的用户的操作行为数据，并将用户的操作行为数据按照预定的格式转化后存储。海度数据中心303从Kafka模块301中订阅所需的用户的操作行为数据作为离线处理数据。另外，海度数据中心303还从Kafka模块301中订阅特殊的用户的操作行为数据作为实时处理数据。

在一实施例中，主流的视频推荐系统的架构如图6所示。其对用户的操作行为数据的实时处理和离线处理如图7所示。

另外，本发明的一实施例还提供一种设备。该设备可以理解为为用户推荐视频的服务器。其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。处理器执行计算机程序时实现上述任一实施例所述的视频推荐方法。

在此处所提供的说明书中，虽然说明了大量的具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实施例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

虽然上面已经示出了本发明的一些示例性实施例，但是本领域的技术人员将理解，在不脱离本发明的原理或精神的情况下，可以对这些示例性实施例做出改变，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种视频推荐方法，其特征在于，包括:

获取携带用户个人信息的用户视频请求指令；

获取推荐算法；所述推荐算法包括热度算法和相似度算法；

根据所述用户个人信息判断所述用户的用户类型；

若所述用户类型为新用户，则从不同类型标签的视频源中，采用所述热度算法分别筛选若干个不同类型热度推荐值最高的视频，将所述若干视频推荐给所述用户；

若所述用户类型为有历史浏览观看行为的老用户，从视频数据库中提取所述用户的兴趣视频列表；再根据所述热度算法及所述相似度算法从所述兴趣视频列表中筛选对应的若干视频，将所述若干视频推荐给所述用户。

2.根据权利要求1所述的视频推荐方法，其特征在于，所述热度算法用于计算视频热度，以根据所述视频热度筛选热度推荐值最高的视频；

所述用户视频请求指令还包括用户标签和用户操作信息。

3.根据权利要求2所述的视频推荐方法，其特征在于，所述若所述用户类型为新用户，则从不同类型标签的视频源中，采用所述热度算法分别筛选若干个不同类型热度推荐值最高的视频，将所述若干视频推荐给所述用户，包括：

若所述用户类型为新用户，获取视频源中视频的不同类型标签；

将所述用户标签与所述视频源中视频的不同类型标签进行匹配，根据匹配结果从所述视频源中提取待推荐视频；

采用所述热度算法从所述待推荐视频中筛选出若干个不同类型热度推荐值最高的视频，将筛选出的视频推荐给所述用户。

4.根据权利要求1所述的视频推荐方法，其特征在于，所述从视频数据库中提取所述用户的兴趣视频列表，包括：

根据所述用户的历史操作行为数据，提取所述用户的兴趣视频列表；或，

查找与所述用户的用户类型相似的其他用户浏览观看过的视频，作为该用户的兴趣视频列表。

5.根据权利要求1所述的视频推荐方法，其特征在于，所述将所述若干视频推荐给所述用户之后，还包括：

获取新的视频源；

根据所述用户的历史操作行为数据从所述新的视频源中获取推荐视频；

将所述推荐视频推荐给所述用户。

6.根据权利要求5所述的视频推荐方法，其特征在于，所述获取新的视频源，包括：从视频运营池中获取本地新视频。

7.根据权利要求1所述的视频推荐方法，其特征在于，所述推荐算法还包括兴趣度算法；所述从视频数据库中提取所述用户的兴趣视频列表，包括：根据所述兴趣度算法从所述视频数据库中提取所述用户的兴趣视频列表。

8.根据权利要求7所述的视频推荐方法，其特征在于，所述再根据所述热度算法及所述相似度算法从所述兴趣视频列表中筛选对应的若干视频，将所述若干视频推荐给所述用户，包括：

根据所述热度算法从所述兴趣视频列表中筛选出热度视频列表；

根据所述相似度算法从所述热度视频列表中筛选出与所述用户历史操作行为数据相关的视频相似的若干相似视频；

将所述若干相似视频推荐给所述用户。

9.一种视频推荐系统，其特征在于，包括用户端、云端服务器和后台服务器；所述用户端用于将用户视频请求发送给所述云端服务器；所述后台服务器用于从所述云端服务器中获取所述用户视频请求指令，并根据所述用户视频请求指令获取待推荐视频；所述后台服务器用于实现上述权利要求1-8中任一项的视频推荐方法。

10.一种设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一项的视频推荐方法。