CN107888950B - 一种推荐视频的方法和系统 - Google Patents

一种推荐视频的方法和系统 Download PDF

Info

Publication number
CN107888950B
CN107888950B CN201711096594.0A CN201711096594A CN107888950B CN 107888950 B CN107888950 B CN 107888950B CN 201711096594 A CN201711096594 A CN 201711096594A CN 107888950 B CN107888950 B CN 107888950B
Authority
CN
China
Prior art keywords
video
information
user
data
video stream
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.)
Active
Application number
CN201711096594.0A
Other languages
English (en)
Other versions
CN107888950A (zh
Inventor
杨文杰
黄晓明
洪涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rockchip Electronics Co Ltd
Original Assignee
Fuzhou Rockchip Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuzhou Rockchip Electronics Co Ltd filed Critical Fuzhou Rockchip Electronics Co Ltd
Priority to CN201711096594.0A priority Critical patent/CN107888950B/zh
Publication of CN107888950A publication Critical patent/CN107888950A/zh
Application granted granted Critical
Publication of CN107888950B publication Critical patent/CN107888950B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • H04N21/20—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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
    • 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]
    • H04N21/20—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
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26258—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists for generating a list of items to be played back in a given order, e.g. playlist, or scheduling item distribution according to such list
    • 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
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, 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
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8455—Structuring of content, e.g. decomposing content into time segments involving pointers to the content, e.g. pointers to the I-frames of the video stream

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明提供了一种推荐视频的方法和系统，所述方法首先根据各个视频流数据的预设标签信息对视频流数据进行分类，得到得到各个视频流数据对应的群组信息；以及通过采集用户观看视频的浏览信息，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中。当接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。本发明在兼顾视频热度推荐的同时，还可以基于用户偏好推荐视频，有效提高了推荐视频服务质量。

Description

一种推荐视频的方法和系统
技术领域
本发明涉及视频应用处理领域，特别涉及一种推荐视频的方法和系统。
背景技术
视频服务提供商(腾讯/乐视/CNTV/优酷/百视通等)在向用户推荐视频时，最通用的做法是将视频按类型进行分类(综艺、电影、电视剧、军事、体育、科技、音乐、经济、纪录片、卡通、游戏、教育、时尚、原创等)，在同一类别中按照用户点击量和搜索量作为唯一的判断指标，并将点击量和搜索量靠前的视频推荐给客户。另外一个探索性的做法是基于个性化推荐引擎进行视频推荐，其基本原理是：收集和分析用户的视频偏好，然后按照用户偏好给客户推荐视频。当然相同偏好的视频列表，视频排序方法还是基于某个权重值(如视频热度/搜索量/其他模式等)。
传统的基于点击量(收视率)和搜索量为基础的视频推荐方法，存在以下问题：强化了群体共性(马太效应，强势节目恒强，弱势节目恒弱)，忽略了个体的兴趣和需要，属于简单粗暴实用的视频推荐方法，给用户感官体验不是很好。
基于个性化推荐引擎进行视频推荐方法，存在下面的缺陷：首先，在系统的初始阶段，需要庞大的数据分析用户偏好，这需要时间积累。即初始阶段给客户的个性推荐可能相当不准确。用业界的说法：存在系统冷启动问题。其次，面对庞大无比片源库，在没有任何指引的前提下，用户选择往往存在困难。再次，基于个性化推荐引擎的推荐方法无法预测视频整体的流行趋势、热度分布情况，对于突发性推荐(如用户偏好之外的临时起意)，存在样本不足的问题，将导致推荐服务质量进一步下降。
发明内容
为此，需要提供一种推荐视频的技术方案，用以解决现有的视频推荐方法存在的推荐服务质量差、用户体验不佳等问题。
为实现上述目的，发明人提供了一种推荐视频的系统，所述系统包括终端和服务器；所述服务器包括数据采集单元、用户分析单元、数据存储单元、视频分析单元、视频数据库、视频推荐单元；所述数据存储单元包括信息存储单元、浏览习惯历史信息存储单元；
所述视频分析单元用于根据视频流数据的预设标签信息遍历视频数据库，对视频数据库中的所有视频流数据进行聚类分析，将所有视频流数据划分为若干个群组，得到各个视频流数据对应的群组信息，并将群组信息存储于该群组的视频流数据对应的信息存储单元中；
所述数据采集单元用于采集用户在终端浏览视频流的相关数据；
所述用户分析单元用于根据数据采集单元所采集的数据进行分析，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中；以及用于将数据采集单元所采集的数据与浏览习惯历史信息相对应保存于浏览习惯历史信息存储单元，并重新计算浏览习惯历史信息后，将新计算出来的浏览习惯历史信息更新到该用户对应的浏览习惯历史信息中；
所述视频推荐单元用于接收终端发送的视频推荐请求，服务器融合用户偏好，群组偏好，视频群组，视频质量等要素，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。
进一步地，所述推荐策略包括用户偏好推荐策略和群组偏好推荐策略，视频推荐单元用于根据用户的标签信息和浏览习惯历史信息确定视频推荐策略包括：对用户偏好推荐策略和群组偏好推荐策略划分不同的权重值，根据权重值大小确定视频推荐策略；所述权重值根据视频流数据热度确定。
进一步地，当视频推荐策略为用户偏好推荐策略时，视频推荐单元用于根据用户信息获取浏览习惯历史信息，并根据浏览习惯历史信息确定对应的视频数据，以及将确定的视频流数据推送至终端；当视频推荐策略为群组偏好推荐策略时，视频推荐单元用于根据用户信息获取该用户对应的标签信息，判断该标签信息与预设标签信息是否符合，以及在判定该标签信息与预设标签信息符合时，确定该标签信息对应的群组信息，并将信息存储单元中包含有该群组信息对应的视频流数据推送至终端。
进一步地，采用用户偏好推荐策略会产生视频推荐列表A；采用群组偏好推荐策略会产生视频推荐列表B。用户偏好未充分识别时，用户偏好推荐策略的权重较低。用户偏好充分识别时，用户偏好推荐策略的权重和群组偏好推荐策略的权重相当，即关注个人偏好的同时，同时关注群组偏好的需求。
进一步地，所述服务器还包括质量评估单元，所述质量评估单元用于对所有符合视频推荐策略的视频流数据进行质量评估，得到对应的质量评估值，并根据质量评估值的大小对符合视频推荐策略的视频流数据进行排序，并将排名靠前的若干个视频流数据推送至终端；质量评估值根据视频流数据热度以及视频流数据分辨率确定。视频推荐列表A和视频推荐列表B，再结合质量评估单元形成的权重值，形成最终的视频推荐列表。
进一步地，所述服务器实时记录用户的视频操作行为，将相关视频行为记录存储在服务器中的数据库中。利用这些数据，服务器通过机器学习(深度学习)等方法判断用户的偏好
发明人还提供了一种推荐视频的方法，所述方法应用于推荐视频的系统，所述系统包括终端和服务器；所述服务器包括数据采集单元、用户分析单元、数据存储单元、视频分析单元、视频数据库、视频推荐单元；所述数据存储单元包括信息存储单元、浏览习惯历史信息存储单元；所述方法包括以下步骤：
视频分析单元根据视频流数据的预设标签信息遍历视频数据库，对视频数据库中的所有视频流数据进行聚类分析，将所有视频流数据划分为若干个群组，得到各个视频流数据对应的群组信息，并将群组信息存储于该群组的视频流数据对应的信息存储单元中；
数据采集单元采集用户在终端浏览视频流的相关数据；
用户分析单元根据数据采集单元所采集的数据进行分析，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中；以及将数据采集单元所采集的数据与浏览习惯历史信息相对应保存于浏览习惯历史信息存储单元，并重新计算浏览习惯历史信息后，将新计算出来的浏览习惯历史信息更新到该用户对应的浏览习惯历史信息中；
视频推荐单元接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。
进一步地，所述推荐策略包括用户偏好推荐策略和群组偏好推荐策略，所述方法包括：
视频推荐单元根据用户的标签信息和浏览习惯历史信息确定视频推荐策略包括：对用户偏好推荐策略和群组偏好推荐策略划分不同的权重值，根据权重值大小确定视频推荐策略；所述权重值根据视频流数据热度确定。
进一步地，所述方法包括：
当视频推荐策略为用户偏好推荐策略时，视频推荐单元根据用户信息获取浏览习惯历史信息，并根据浏览习惯历史信息确定对应的视频数据，以及将确定的视频流数据推送至终端；
当视频推荐策略为群组偏好推荐策略时，视频推荐单元根据用户信息获取该用户对应的标签信息，判断该标签信息与预设标签信息是否符合，以及在判定该标签信息与预设标签信息符合时，确定该标签信息对应的群组信息，并将信息存储单元中包含有该群组信息对应的视频流数据推送至终端。
采用用户偏好推荐策略会产生视频推荐列表A；采用群组偏好推荐策略会产生视频推荐列表B。用户偏好未充分识别时，用户偏好推荐策略的权重较低。用户偏好充分识别时，用户偏好推荐策略的权重和群组偏好推荐策略的权重相当，即关注个人偏好的同时，同时关注群组偏好的需求。
进一步地，所述服务器还包括质量评估单元，所述方法包括：
质量评估单元对所有符合视频推荐策略的视频流数据进行质量评估，得到对应的质量评估值，并根据质量评估值的大小对符合视频推荐策略的视频流数据进行排序，并将排名靠前的若干个视频流数据推送至终端；质量评估值根据视频流数据热度以及视频流数据分辨率确定。视频推荐列表A和视频推荐列表B，再结合质量评估单元形成的权重值，形成最终的视频推荐列表。
进一步地，所述方法还包括：
服务器实时记录用户的视频操作行为，将相关视频行为记录存储在服务器中的数据库中。利用这些数据，服务器通过机器学习(深度学习)等方法判断用户的偏好。
本发明具有以下特点：首先依据各个视频流数据的预设标签信息对视频流数据进行分类，得到得到各个视频流数据对应的群组信息；以及通过采集用户观看视频的浏览信息，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中。当接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。本发明在兼顾视频热度推荐的同时，还可以基于用户偏好推荐视频，有效提高了推荐视频服务质量。
附图说明
图1为本发明一实施方式涉及的推荐视频的系统的示意图；
图2为本发明一实施方式涉及的推荐视频的方法的示意图；
附图标记说明：
1、终端；
2、服务器；
201、数据采集单元；
202、用户分析单元；
203、视频分析单元；
204、视频数据库；
205、视频推荐单元；
206、质量评估单元；
207、数据存储单元；2071、信息存储单元；2072、浏览习惯历史信息存储单元；
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
请参阅图1，本发明一实施方式涉及的推荐视频的系统的示意图。所述系统包括终端1和服务器2；所述服务器2包括数据采集单元201、用户分析单元202、数据存储单元207、视频分析单元203、视频数据库204、视频推荐单元205；所述数据存储单元207包括信息存储单元2071、浏览习惯历史信息存储单元2072；
所述视频分析单元203用于根据视频流数据的预设标签信息遍历视频数据库，对视频数据库中的所有视频流数据进行聚类分析，将所有视频流数据划分为若干个群组，得到各个视频流数据对应的群组信息，并将群组信息存储于该群组的视频流数据对应的信息存储单元中。
视频数据库中预先存储有多个视频流数据，预设标签信息为视频流数据的特征信息，例如可以包括视频流数据对应的演员信息、类型信息(如喜剧、动作片等)、时长信息等。在本实施方式中，所述群组信息为适合观看的用户年龄层次，如60年代、90年代等。利用聚类分析可以对看似无序的对象(视频流数据)进行分组、归类。聚类分析的核心要求是：同一分组内对象相似性较高，不同分组之间对象相似性较低。经过聚类分析后，就可以得到每个视频流数据适合哪个年龄层次的用户观看(即群组信息)，并将群组信息存储于该群组的视频流数据对应的信息存储单元中。
所述数据采集单元201用于采集用户在终端浏览视频流的相关数据。所述终端浏览视频流的相关数据包括但不限于：用户观看视频的时长、对观看某一视频的点击次数等。
所述用户分析单元202用于根据数据采集单元所采集的数据进行分析，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中。由于经过聚类分析后，每个视频流数据都有其对应的群组信息，通过分析用户的浏览数据，就可以判定该用户喜好观看的视频所在群组信息，进而推断出该用户对应的标签信息。例如某一用户频繁观看较长时间或频繁点击某一视频流数据，该视频流数据对应的群组信息为60年代，则可以确定该用户对应的用户标签为“60年代”，即该用户所在的年龄层为60年代(不一定与真实所处的年代相符，但是可以判定该用户喜好观看60年代的视频流，因而可以将该用户的标签信息确定为60年代)。这样，在进行视频推荐时，就可以优先选择从60年代的群组信息下选择视频流数据推荐给该用户。
为了使得采集到的用户浏览视频流的数据可以更加精准地确认用户对应的标签信息，所述用户分析单元还用于将数据采集单元所采集的数据与浏览习惯历史信息相对应保存于浏览习惯历史信息存储单元，并重新计算浏览习惯历史信息后，将新计算出来的浏览习惯历史信息更新到该用户对应的浏览习惯历史信息中。即对于某一用户而言，在服务器上有一块存储空间，用于存储该用户之前所有的于浏览习惯历史信息(如某一时间点观看了某一视频数据的观看时长、点击次数等)，并在用户每次有新的浏览行为生成时，将数据采集单元所采集的数据与本次浏览行为之前已经存好的该用户的浏览习惯历史信息再进行运算，得到新的浏览习惯历史信息并进行更新。
所述视频推荐单元205用于接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。
在本实施方式中，所述推荐策略包括用户偏好推荐策略和群组偏好推荐策略，视频推荐单元用于根据用户的标签信息和浏览习惯历史信息确定视频推荐策略包括：对用户偏好推荐策略和群组偏好推荐策略划分不同的权重值，根据权重值大小确定视频推荐策略；所述权重值根据视频流数据热度确定。同时使用用户偏好推荐策略和群组偏好推荐策略进行推荐视频的原因是：群组偏好具有稳定、准确、完备的特点，且视频推荐服务质量较高。相对而言，用户偏好不稳定、不完备，数据积累较为缓慢，但是当采集的用户浏览相关记录积累到一定量时，根据用户偏好策略推荐的视频流数据更加符合用户的浏览习惯，有效增强用户体验。例如某一60后用户其大量浏览记录被采集到服务器进行计算后，当需要向该用户推荐视频流数据时，不仅可以精准定位到群组信息为60后的视频流数据，而且还可以根据用户的浏览习惯，定位到群组信息中时长、演员信息等更加符合该用户观看习惯的视频流数据。
进一步地，服务器实时记录用户的视频操作行为，将相关视频行为记录存储在服务器中的数据库中。保证用户浏览视频流的相关数据均可以被服务器所接收、存储、计算，进而使得服务器计算出的浏览习惯历史信息更加符合用户的使用习惯。服务器通过机器学习(深度学习)等方法分析用户偏好。
在某些实施例中，当视频推荐策略为用户偏好推荐策略时，视频推荐单元用于根据用户信息获取浏览习惯历史信息，并根据浏览习惯历史信息确定对应的视频数据，以及将确定的视频流数据推送至终端；当视频推荐策略为群组偏好推荐策略时，视频推荐单元用于根据用户信息获取该用户对应的标签信息，判断该标签信息与预设标签信息是否符合，以及在判定该标签信息与预设标签信息符合时，确定该标签信息对应的群组信息，并将信息存储单元中包含有该群组信息对应的视频流数据推送至终端。
在实际应用过程中，用户偏好推荐策略一般在服务器中存储有大量该用户的浏览记录时进行选用，即此时将用户偏好推荐策略的权重值设置较高；而群组偏好推荐策略一般在服务器中存储有较少该用户的浏览记录时进行选用，即此时将群组偏好推荐策略的权重值设置较高。权重值越高，说明推荐策略被选定的几率也就越高。根据用户浏览记录，对两者策略选取的权重值进行调整，可以保证当前选取的视频推荐策略更加符合用户的需求，也有效提高推荐视频服务质量。
对于服务器推荐的视频流数据，其满足条件(即符合用户偏好推荐策略或群组偏好推荐策略)的视频流数据往往为多个，为了进一步对满足条件的视频流数据进行筛选，在某些实施例中，所述服务器还包括质量评估单元206，所述质量评估单元206用于对所有符合视频推荐策略的视频流数据进行质量评估，得到对应的质量评估值，并根据质量评估值的大小对符合视频推荐策略的视频流数据进行排序，并将排名靠前的若干个视频流数据推送至终端；质量评估值根据视频流数据热度以及视频流数据分辨率确定。简言之，当视频推荐单元推荐的视频数量较多时，通过对视频数据热度和视频流数据分辨率配置相应的权重值，优选将视频数据热度靠前、视频分辨率更高的视频流数据推荐至用户终端，从而更好地提高用户体验。
请参阅图2为本发明一实施方式涉及的推荐视频的方法的示意图。所述方法应用于推荐视频的系统，所述系统包括终端和服务器；所述服务器包括数据采集单元、用户分析单元、数据存储单元、视频分析单元、视频数据库、视频推荐单元；所述数据存储单元包括信息存储单元、浏览习惯历史信息存储单元；所述方法包括以下步骤：
首先进入步骤S101视频分析单元根据视频流数据的预设标签信息遍历视频数据库，对视频数据库中的所有视频流数据进行聚类分析，将所有视频流数据划分为若干个群组，得到各个视频流数据对应的群组信息，并将群组信息存储于该群组的视频流数据对应的信息存储单元中。通过聚类分析对视频数据库中的所有视频流数据进行分组，以便后续进一步推荐处理。
而后进入步骤S102数据采集单元采集用户在终端浏览视频流的相关数据。所述终端浏览视频流的相关数据包括但不限于：用户观看视频的时长、对观看某一视频的点击次数等。
而后进入步骤S103用户分析单元根据数据采集单元所采集的数据进行分析，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中；以及将数据采集单元所采集的数据与浏览习惯历史信息相对应保存于浏览习惯历史信息存储单元，并重新计算浏览习惯历史信息后，将新计算出来的浏览习惯历史信息更新到该用户对应的浏览习惯历史信息中。
而后进入步骤S104视频推荐单元接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。优选的，服务器实时记录用户的视频操作行为，将相关视频行为记录存储在服务器中的数据库中。具体做法是：终端在用户退出用户信息登录后，将本次用户信息登录后终端的所有API状态信息发送至服务器，保证用户浏览视频流的相关数据均可以被服务器所接收、存储、计算，进而使得服务器计算出的浏览习惯历史信息更加符合用户的使用习惯。服务器通过机器学习(深度学习)等方法分析用户偏好。
在某些实施例中，所述推荐策略包括用户偏好推荐策略和群组偏好推荐策略，所述方法包括：视频推荐单元根据用户的标签信息和浏览习惯历史信息确定视频推荐策略包括：对用户偏好推荐策略和群组偏好推荐策略划分不同的权重值，根据权重值大小确定视频推荐策略；所述权重值根据视频流数据热度确定。同时使用用户偏好推荐策略和群组偏好推荐策略进行推荐视频的原因是：群组偏好具有稳定、准确、完备的特点，且视频推荐服务质量较高。相对而言，用户偏好不稳定、不完备，数据积累较为缓慢，但是当采集的用户浏览相关记录积累到一定量时，根据用户偏好策略推荐的视频流数据更加符合用户的浏览习惯，有效增强用户体验。
在某些实施例中，所述方法包括：当视频推荐策略为用户偏好推荐策略时，视频推荐单元根据用户信息获取浏览习惯历史信息，并根据浏览习惯历史信息确定对应的视频数据，以及将确定的视频流数据推送至终端；当视频推荐策略为群组偏好推荐策略时，视频推荐单元根据用户信息获取该用户对应的标签信息，判断该标签信息与预设标签信息是否符合，以及在判定该标签信息与预设标签信息符合时，确定该标签信息对应的群组信息，并将信息存储单元中包含有该群组信息对应的视频流数据推送至终端。
在某些实施例中，所述服务器还包括质量评估单元，所述方法包括：质量评估单元对所有符合视频推荐策略的视频流数据进行质量评估，得到对应的质量评估值，并根据质量评估值的大小对符合视频推荐策略的视频流数据进行排序，并将排名靠前的若干个视频流数据推送至终端；质量评估值根据视频流数据热度以及视频流数据分辨率确定。简言之，当视频推荐单元推荐的视频数量较多时，通过对视频数据热度和视频流数据分辨率配置相应的权重值，优选将视频数据热度靠前、视频分辨率更高的视频流数据推荐至用户终端，从而更好地提高用户体验。
本发明具有以下特点：首先依据各个视频流数据的预设标签信息对视频流数据进行分类，得到得到各个视频流数据对应的群组信息；以及通过采集用户观看视频的浏览信息，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中。当接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。本发明在兼顾视频热度推荐的同时，还可以基于用户偏好推荐视频，有效提高了推荐视频服务质量。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。
本领域内的技术人员应明白，上述各实施例可提供为方法、装置、或计算机程序产品。这些实施例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。上述各实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备，包括但不限于：个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等；所述的存储介质，包括但不限于：RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。
上述各实施例是参照根据实施例所述的方法、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计算机设备的处理器以产生一个机器，使得通过计算机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设备以特定方式工作的计算机设备可读存储器中，使得存储在该计算机设备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设备上，使得在计算机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。
尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (8)

1.一种推荐视频的系统，其特征在于，所述系统包括终端和服务器；所述服务器包括数据采集单元、用户分析单元、数据存储单元、视频分析单元、视频数据库、视频推荐单元；所述数据存储单元包括信息存储单元、浏览习惯历史信息存储单元；
所述视频分析单元用于根据视频流数据的预设标签信息遍历视频数据库，对视频数据库中的所有视频流数据进行聚类分析，将所有视频流数据划分为若干个群组，得到各个视频流数据对应的群组信息，并将群组信息存储于该群组的视频流数据对应的信息存储单元中；
所述数据采集单元用于采集用户在终端浏览视频流的相关数据；
所述用户分析单元用于根据数据采集单元所采集的数据进行分析，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中；以及用于将数据采集单元所采集的数据与浏览习惯历史信息相对应保存于浏览习惯历史信息存储单元，并重新计算浏览习惯历史信息后，将新计算出来的浏览习惯历史信息更新到该用户对应的浏览习惯历史信息中；
所述视频推荐单元用于接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端；所述推荐策略包括用户偏好推荐策略和群组偏好推荐策略，视频推荐单元用于根据用户的标签信息和浏览习惯历史信息确定视频推荐策略包括：对用户偏好推荐策略和群组偏好推荐策略划分不同的权重值，根据权重值大小确定视频推荐策略；所述权重值根据视频流数据热度确定。
2.如权利要求1所述的推荐视频的系统，其特征在于，当视频推荐策略为用户偏好推荐策略时，视频推荐单元用于根据用户信息获取浏览习惯历史信息，并根据浏览习惯历史信息确定对应的视频数据，以及将确定的视频流数据推送至终端；当视频推荐策略为群组偏好推荐策略时，视频推荐单元用于根据用户信息获取该用户对应的标签信息，判断该标签信息与预设标签信息是否符合，以及在判定该标签信息与预设标签信息符合时，确定该标签信息对应的群组信息，并将信息存储单元中包含有该群组信息对应的视频流数据推送至终端。
3.如权利要求1或2所述的推荐视频的系统，其特征在于，所述服务器还包括质量评估单元，所述质量评估单元用于对所有符合视频推荐策略的视频流数据进行质量评估，得到对应的质量评估值，并根据质量评估值的大小对符合视频推荐策略的视频流数据进行排序，并将排名靠前的若干个视频流数据推送至终端；质量评估值根据视频流数据热度以及视频流数据分辨率确定。
4.如权利要求1所述的推荐视频的系统，其特征在于，所述终端还用于在用户退出用户信息登录后，将本次用户信息登录后终端的所有的应用程序编程接口API状态信息发送至服务器。
5.一种推荐视频的方法，其特征在于，所述方法应用于推荐视频的系统，所述系统包括终端和服务器；所述服务器包括数据采集单元、用户分析单元、数据存储单元、视频分析单元、视频数据库、视频推荐单元；所述数据存储单元包括信息存储单元、浏览习惯历史信息存储单元；所述方法包括以下步骤：
视频分析单元根据视频流数据的预设标签信息遍历视频数据库，对视频数据库中的所有视频流数据进行聚类分析，将所有视频流数据划分为若干个群组，得到各个视频流数据对应的群组信息，并将群组信息存储于该群组的视频流数据对应的信息存储单元中；
数据采集单元采集用户在终端浏览视频流的相关数据；
用户分析单元根据数据采集单元所采集的数据进行分析，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中；以及将数据采集单元所采集的数据与浏览习惯历史信息相对应保存于浏览习惯历史信息存储单元，并重新计算浏览习惯历史信息后，将新计算出来的浏览习惯历史信息更新到该用户对应的浏览习惯历史信息中；
视频推荐单元接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端；所述推荐策略包括用户偏好推荐策略和群组偏好推荐策略，所述方法包括：
视频推荐单元根据用户的标签信息和浏览习惯历史信息确定视频推荐策略包括：对用户偏好推荐策略和群组偏好推荐策略划分不同的权重值，根据权重值大小确定视频推荐策略；所述权重值根据视频流数据热度确定。
6.如权利要求5所述的推荐视频的方法，其特征在于，所述方法包括：
当视频推荐策略为用户偏好推荐策略时，视频推荐单元根据用户信息获取浏览习惯历史信息，并根据浏览习惯历史信息确定对应的视频数据，以及将确定的视频流数据推送至终端；
当视频推荐策略为群组偏好推荐策略时，视频推荐单元根据用户信息获取该用户对应的标签信息，判断该标签信息与预设标签信息是否符合，以及在判定该标签信息与预设标签信息符合时，确定该标签信息对应的群组信息，并将信息存储单元中包含有该群组信息对应的视频流数据推送至终端。
7.如权利要求5或6所述的推荐视频的方法，其特征在于，所述服务器还包括质量评估单元，所述方法包括：
质量评估单元对所有符合视频推荐策略的视频流数据进行质量评估，得到对应的质量评估值，并根据质量评估值的大小对符合视频推荐策略的视频流数据进行排序，并将排名靠前的若干个视频流数据推送至终端；质量评估值根据视频流数据热度以及视频流数据分辨率确定。
8.如权利要求5所述的推荐视频的方法，其特征在于，所述方法还包括：
终端在用户退出用户信息登录后，将本次用户信息登录后终端的所有的应用程序编程接口API状态信息发送至服务器。
CN201711096594.0A 2017-11-09 2017-11-09 一种推荐视频的方法和系统 Active CN107888950B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711096594.0A CN107888950B (zh) 2017-11-09 2017-11-09 一种推荐视频的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711096594.0A CN107888950B (zh) 2017-11-09 2017-11-09 一种推荐视频的方法和系统

Publications (2)

Publication Number Publication Date
CN107888950A CN107888950A (zh) 2018-04-06
CN107888950B true CN107888950B (zh) 2019-11-08

Family

ID=61779610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711096594.0A Active CN107888950B (zh) 2017-11-09 2017-11-09 一种推荐视频的方法和系统

Country Status (1)

Country Link
CN (1) CN107888950B (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108683952B (zh) * 2018-05-30 2020-10-27 互影科技（北京）有限公司 基于交互视频的视频内容片段推送方法及装置
CN109033167B (zh) * 2018-06-20 2021-05-28 新华网股份有限公司 电影分类方法和系统
CN109151498B (zh) * 2018-09-03 2021-02-09 北京达佳互联信息技术有限公司 热点事件处理方法、装置、服务器及存储介质
CN109068158B (zh) * 2018-09-18 2021-06-22 上海众引文化传播股份有限公司 一种基于网络平台的短视频价值估算推荐系统
CN110955821B (zh) * 2018-09-25 2024-05-17 北京搜狗科技发展有限公司 一种推荐方法、装置及可读介质
CN109447622B (zh) * 2018-09-30 2022-02-08 中国银行股份有限公司 交易类型推荐方法及系统、智能交易终端
CN111327955B (zh) * 2018-12-13 2022-03-01 Tcl科技集团股份有限公司 基于用户画像的点播方法、存储介质及智能电视
CN110619061A (zh) * 2018-12-25 2019-12-27 北京时光荏苒科技有限公司 一种视频分类方法、装置、电子设备及可读介质
CN109657154B (zh) * 2018-12-28 2021-08-31 浙江省公众信息产业有限公司 基于情景的资源排序装置和资源排序方法
CN110096643A (zh) * 2019-03-27 2019-08-06 青岛高校信息产业股份有限公司 产品潜客标签库生成方法和装置
CN110134827B (zh) * 2019-03-28 2021-07-09 北京达佳互联信息技术有限公司 一种推荐视频的确定方法、装置、电子设备及存储介质
CN110399551A (zh) * 2019-06-17 2019-11-01 平安科技（深圳）有限公司 基于用户浏览习惯的信息推送方法及相关设备
CN110650360A (zh) * 2019-08-06 2020-01-03 无锡汉咏科技股份有限公司 基于用户人群划分和标签化视频的信息推荐模型
CN110971973A (zh) * 2019-12-03 2020-04-07 北京奇艺世纪科技有限公司 一种视频推送方法、装置及电子设备
CN111159560B (zh) * 2019-12-31 2023-03-24 倪盈盈 一种基于云计算的科普内容个性化推荐系统
CN111541917B (zh) * 2020-05-08 2022-06-10 广州市百果园信息技术有限公司 推荐视频的确定方法、视频播放方法、装置及设备
CN113762990B (zh) * 2020-06-03 2024-03-22 中国移动通信集团浙江有限公司 商品推荐的方法、装置、计算设备及计算机存储介质
CN112399262B (zh) * 2020-10-30 2024-02-06 深圳Tcl新技术有限公司 视频搜索方法、电视及存储介质
CN112511865B (zh) * 2020-12-10 2022-05-03 杭州次元岛科技有限公司 一种基于社交媒体的视频内容推荐系统
CN115114508A (zh) * 2021-03-17 2022-09-27 博泰车联网科技(上海)股份有限公司 云平台的用户偏好查询方法、装置、存储介质和终端
CN113158034A (zh) * 2021-03-19 2021-07-23 深圳市航际科技有限公司 信息推送方法、装置、计算机设备和存储介质
CN113420181A (zh) * 2021-06-23 2021-09-21 未鲲(上海)科技服务有限公司 视频推荐方法、装置、计算机设备和存储介质
CN114417159A (zh) * 2022-01-20 2022-04-29 上海喜马拉雅科技有限公司 内容质量评估方法、模型训练方法及相关装置
CN114979083B (zh) * 2022-05-13 2024-06-25 杭州网易云音乐科技有限公司 音频播放方法、音频播放装置、设备、介质和计算设备
CN115065845A (zh) * 2022-06-17 2022-09-16 联通沃音乐文化有限公司 一种社群融合推荐的影音视频播放管理方法及系统
CN114866818B (zh) * 2022-06-17 2024-04-26 深圳壹账通智能科技有限公司 视频推荐方法、装置、计算机设备及存储介质
CN115529501A (zh) * 2022-09-19 2022-12-27 深圳市和讯华谷信息技术有限公司 一种短视频推荐方法、装置、系统以及存储介质
CN116821475B (zh) * 2023-05-19 2024-02-02 广州蜜糖网络科技有限公司 基于客户数据的视频推荐方法、装置及计算机设备
CN118035563B (zh) * 2024-04-08 2024-07-12 北京智多港信息科技有限公司 一种基于大数据的视频用户推荐模型生成方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014146265A1 (en) * 2013-03-20 2014-09-25 Nokia Corporation Method and apparatus for personalized resource recommendations
CN106028071A (zh) * 2016-05-17 2016-10-12 Tcl集团股份有限公司 一种视频推荐方法及系统
CN106055617A (zh) * 2016-05-26 2016-10-26 乐视控股（北京）有限公司 一种数据推送方法及装置
CN106131601A (zh) * 2016-06-29 2016-11-16 乐视控股（北京）有限公司 视频推荐方法及装置

Also Published As

Publication number Publication date
CN107888950A (zh) 2018-04-06

Similar Documents

Publication Publication Date Title
CN107888950B (zh) 一种推荐视频的方法和系统
CN110941740B (zh) 视频推荐方法及计算机可读存储介质
US11379521B1 (en) Digital content curation and distribution system and method
JP7154334B2 (ja) ライブストリームコンテンツを推奨するための機械学習の使用
CN110149540B (zh) 多媒体资源的推荐处理方法、装置、终端及可读介质
CN108197331B (zh) 用户兴趣的探索方法和装置
CN109511015B (zh) 多媒体资源推荐方法、装置、存储介质及设备
US11055340B2 (en) System and method for creating synopsis for multimedia content
CN109033149B (zh) 信息推荐方法、装置、服务器及存储介质
CN108875022B (zh) 一种视频推荐方法及装置
CN110413877A (zh) 一种资源推荐方法、装置及电子设备
US20150339395A1 (en) Systems and methods for identifying electronic content using video graphs
US20220107978A1 (en) Method for recommending video content
CN109168047B (zh) 视频推荐方法、装置、服务器及存储介质
CN102523511A (zh) 一种网络节目聚合及节目推荐系统和方法
CN109753601B (zh) 推荐信息点击率确定方法、装置及电子设备
CN106131601A (zh) 视频推荐方法及装置
CN104782138A (zh) 识别缩略图图像以呈现视频
CN107832338B (zh) 一种识别核心产品词的方法和系统
CN104199896A (zh) 基于特征分类的视频相似度确定及视频推荐方法
CN108260008A (zh) 一种视频推荐方法、装置及电子设备
CN105915956A (zh) 视频内容的推荐方法、装置、服务器及系统
CN106126544B (zh) 一种互联网内容的投放方法及装置
CN106897398B (zh) 一种视频展示方法及装置
Barragáns-Martínez et al. Developing a recommender system in a consumer electronic device

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 350003 building, No. 89, software Avenue, Gulou District, Fujian, Fuzhou 18, China

Patentee after: Ruixin Microelectronics Co., Ltd

Address before: 350003 building, No. 89, software Avenue, Gulou District, Fujian, Fuzhou 18, China

Patentee before: Fuzhou Rockchips Electronics Co.,Ltd.

CP01 Change in the name or title of a patent holder