CN108108446A - 视频推荐方法和装置、电子设备、存储介质、程序 - Google Patents

视频推荐方法和装置、电子设备、存储介质、程序 Download PDF

Info

Publication number
CN108108446A
CN108108446A CN201711446680.XA CN201711446680A CN108108446A CN 108108446 A CN108108446 A CN 108108446A CN 201711446680 A CN201711446680 A CN 201711446680A CN 108108446 A CN108108446 A CN 108108446A
Authority
CN
China
Prior art keywords
video
tab
user
sorted
information
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
Application number
CN201711446680.XA
Other languages
English (en)
Inventor
盖炳帅
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.)
Storm Group Ltd By Share Ltd
Original Assignee
Storm Group Ltd By Share 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 Storm Group Ltd By Share Ltd filed Critical Storm Group Ltd By Share Ltd
Priority to CN201711446680.XA priority Critical patent/CN108108446A/zh
Publication of CN108108446A publication Critical patent/CN108108446A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73Querying
    • G06F16/735Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明实施例公开了一种视频推荐方法和装置、电子设备、存储介质、程序,其中,方法包括:从数据库获取对应至少一个视频标签中各所述视频标签的视频;对所述获取的视频基于视频质量排序,得到排序后的第一视频集;获取用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选获得第二视频集;将所述第二视频集推荐给所述用户。本发明实施例基于用户的属性标签进行筛选推荐,可以实现对没有观看记录的新用户有针对性的进行视频推荐,不会出现因为随机推荐而导致推荐与用户完全不相关的视频的问题。

Description

视频推荐方法和装置、电子设备、存储介质、程序
技术领域
本发明涉及视频推荐技术,尤其是一种视频推荐方法和装置、电子设备、存储介质、程序。
背景技术
随着互联网技术的发展,视频推荐技术得到很大发展,现有技术的视频推荐方法大多基于对用户历史查看信息对用户有针对性的进行推荐,这种推荐方法,可以使用户能够查看到与自身需要比较相关的视频内容。
但是,在实现本发明的过程中,发明人发现,现有技术至少存在以下问题:
通过现有技术的视频推荐方法,对应新用户无法有针对性的推荐视频。
发明内容
本发明实施例提供的一种视频推荐技术。
根据本发明实施例的一个方面,提供的一种视频推荐方法,包括:
从数据库获取对应至少一个视频标签中各所述视频标签的视频;所述数据库中预存有至少一个视频,所述数据库中的视频标注有至少一个视频标签;
对所述获取的视频基于视频质量排序,得到排序后的第一视频集;
获取用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选获得第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括对应至少一个视频标签的视频;
将所述第二视频集推荐给所述用户。
根据本发明实施例的另一个方面,提供的一种视频推荐装置,包括:
召回单元,用于从数据库获取对应至少一个视频标签中各所述视频标签的视频;所述数据库中预存有至少一个视频,所述数据库中的视频标注有至少一个视频标签;
排序单元,用于对所述获取的视频基于视频质量排序,得到排序后的第一视频集;
打散单元,用于获取用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选获得第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括对应至少一个视频标签的视频;
推荐单元,用于将所述第二视频集推荐给所述用户。
根据本发明实施例的另一个方面,提供的一种电子设备,包括处理器,所述处理器包括如上所述的视频推荐装置。
根据本发明实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成如上所述视频推荐方法的操作。
根据本发明实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,所述指令被执行时执行如上所述视频推荐方法的操作。
根据本发明实施例的另一个方面,提供的一种计算机程序,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现如上所述视频推荐方法的指令。
基于本发明上述实施例提供的一种视频推荐方法和装置、电子设备、存储介质、程序,从数据库获取对应至少一个视频标签中各视频标签的至少一个视频;对获取的至少一个视频基于视频质量排序,得到排序后的第一视频集;基于质量排序后的视频可以实现为用户推荐质量较好的视频,提升用户的观看体验;获取用户对应的属性标签,基于属性标签从第一视频集中筛选获得第二视频集,将第二视频集推荐给用户;基于用户的属性标签进行筛选推荐,可以实现对没有观看记录的新用户有针对性的进行视频推荐,不会出现因为随机推荐而导致推荐与用户完全不相关的视频的问题。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1为本发明视频推荐方法一个实施例的流程图。
图2为本发明视频推荐装置一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本发明视频推荐方法一个实施例的流程图。如图1所示,该实施例方法包括:
步骤101,从数据库获取对应至少一个视频标签中各视频标签的至少一个视频。
其中,数据库中预存有至少一个视频,数据库中的视频标注有至少一个视频标签;具体地,获取视频的过程中一般对每个视频标签分别获取一定数量的视频,以视频标签为基准获取视频,能保证每种推荐视频的多样性。
步骤102,对获取的至少一个视频基于视频质量排序,得到排序后的第一视频集。
可选地,在一个或多个可选实施例中,视频质量由点击率决定,视频质量与点击率呈正比;点击率越高视频质量越好,点击率越低视频质量越差;点击率等于点击量与曝光量的比值;通过视频质量排序即可将更多人觉得好的视频推荐给用户,可以提高用户观看体验,视频的曝光量为该视频展示给用户的次数,点击量为用户点击该视频的次数,例如:一个视频被推荐给用户1000次,那么该视频的曝光量为1000次;该视频被用户点击过500次,那么该视频的点击量为500次,此时计算点击率为500/1000=50%,可知该视频对应的点击率为50%。
步骤103,获取用户对应的属性标签,基于属性标签从第一视频集中筛选获得第二视频集。
其中,第二视频集中包括第一预设数量的推荐视频,推荐视频包括对应至少一个视频标签的视频,具体地,本实施例所指用户为新用户,新用户不存在观看记录,无法基于观看记录获取用户观看过的视频的标签,因此,只能基于用户的属性标签对第一视频集进行筛选,以使推荐视频更有可能被用户点击,用户对应的属性标签是基于用户可能与视频查看相关的属性信息获取的,包括用于描述用户查看视频的倾向性的信息。
步骤104,将第二视频集推荐给用户。
基于本发明上述实施例提供的一种视频推荐方法,从数据库获取对应至少一个视频标签中各视频标签的至少一个视频;对获取的至少一个视频基于视频质量排序,得到排序后的第一视频集;基于质量排序后的视频可以实现为用户推荐质量较好的视频,提升用户的观看体验;获取用户对应的属性标签,基于属性标签从第一视频集中筛选获得第二视频集,将第二视频集推荐给用户;基于用户的属性标签进行筛选推荐,可以实现对没有观看记录的新用户有针对性的进行视频推荐,不会出现因为随机推荐而导致推荐与用户完全不相关的视频的问题。
本发明视频推荐方法的另一个实施例,在上述实施例的基础上,数据库中包括至少一个标签条目;每个标签条目对应一个视频标签,每个标签条目中存储对应视频标签的所有视频;
操作101包括:
基于数据库获得各视频标签,分别从各视频标签对应的标签条目中获取至少一个视频。
具体地,本实施例为了便于基于视频标签获取数据库中的视频,基于视频标签建立标签条目,每个标签条目中存储对应视频标签的所有视频,此时即可实现以视频标签作为索引对视频进行检索,基于索引获得对应至少一个视频标签的视频,保证了获得的视频对应的视频标签的多样性,以实现跟全面的视频推荐。
本发明视频推荐方法的又一个实施例,在上述实施例的基础上,操作102包括:
将获取的至少一个视频基于对应的视频标签进行分类获得至少一个分类组;每个分类组中包括对应同一视频标签的至少一个视频;
对每个分类组中的视频基于视频质量排序,得到排序后的所有分类组;
所有分类组构成排序后的第一视频集。
具体地,视频质量由点击率决定;点击率越高视频质量越好,点击率越低视频质量越差;点击率等于点击量与曝光量的比值;为了给用户推荐质量较好的视频,需要对待推荐的视频进行排序,排序后即可按序将质量好的视频推荐给用户,以提高用户体验,减少用户的无效点击次数,使用户每次点击都能查看到需要的视频内容;而为了保证推荐视频的多样性,在对视频进行排序之前,将视频基于视频标签进行分组,分别对每个分类组中的视频进行排序,以保证获得不同视频标签中质量较好的视频。
在本发明视频推荐方法上述各实施例的一个具体示例中,对每个分类组中的视频基于视频质量排序,得到排序后的所有分类组,包括:
对分类组中的至少一个视频按照质量由好到坏进行排序,得到排序后的分类组;
或,对分类组中的至少一个视频按照质量由坏到好进行排序,得到排序后的分类组。
为了给用户推荐质量较好的视频,需要对待推荐的视频进行排序,排序后即可按序将质量好的视频推荐给用户,以提高用户体验,减少用户的无效点击次数,使用户每次点击都能查看到需要的视频内容。
本发明视频推荐方法的还一个实施例,在上述实施例的基础上,操作103,包括:
基于用户的属性信息获取用户对应的属性标签,基于属性标签从第一视频集中筛选对应视频标签的视频构成第二视频集;每个属性信息包括至少两个属性标签,属性标签与视频标签存在对应关系。
具体地,获取用户对应的属性标签的操作可以在操作101之前,为了给没有历史记录的新用户推荐用户感兴趣的视频,提高用户的有效点击和用户体验,本实施例基于属性标签对第一视频集进行筛选,其中筛选的基础是属性标签与视频标签存在对应关系,具体地,属性标签与标签之间的对应关系包括:一个属性标签对应一个视频标签,或一个属性标签对应多个视频标签,或多个属性标签对应一个视频标签,或多个属性标签对应多个视频标签,基于这些对应关系即可基于属性标签对视频进行筛选。
可选地,在一个或多个可选的实施例中,用户的属性信息包括以下一种或多种信息:
年龄信息、所在地信息、性别信息、手机类型信息。
具体地,用户的属性信息可以是基于设备获得(例如:手机类型信息和所在地信息都可以是基于手机获得);还有的属性信息可以是基于第三方应用或视频查看应用获得(例如:年龄信息和性别信息可以是基于用户注册获得);基于属性信息获得属性标签的过程是可选的,可以是基于一个或多个属性信息获得一个或多个属性标签,例如:获得用户的年龄信息为20岁,可为用户赋予“年轻”的属性标签,此时基于该属性标签获取一些经常被年轻人查看的标签,基于该标签获得对应的视频。
在本发明视频推荐方法上述各实施例的一个具体示例中,推荐视频包括长视频或短视频;
响应于推荐视频为长视频,用户的属性信息还包括:用户短视频信息;用户短视频信息用于记录用户观看历史中短视频对应的视频标签;
响应于推荐视频为短视频,用户的属性信息还包括:用户长视频信息;用户长视频信息用于记录用户观看历史中长视频对应的视频标签。
本实施例通过用户对不同种类的视频查看的历史记录获得用户对应的视频标签,可以将短视频的观看习惯延伸到长视频中,也可以将长视频的观看习惯延伸到短视频中,使推荐给用户的视频在一定程度上符合用户的观看习惯,推荐的长视频或短视频更容易被用户点击观看。
本发明视频推荐方法的再一个实施例,在上述实施例的基础上,在操作104之前,还包括:
判断第二视频集中的视频对应的视频标签数量是否小于设定值;
响应于第二视频集中的视频对应的视频标签数量小于设定值,对第二视频集中的视频进行更新,使更新后的第二视频集中包括的视频标签数量大于或等于设定值,将更新后的第二视频集推荐给用户。
响应于第二视频集中的视频对应的视频标签数量大于或等于设定值,将第二视频集推荐给用户。
由于受页面大小限制,每次为用户提供的推荐视频的数量是有限的,本实施例为了保证每次为新用户推荐的视频的多样性,需要控制每次推荐视频对应的视频标签数量应当不小于设定值,当推荐视频对应的视频标签数量小于设定值时,需要将一个视频标签对应的多个推荐视频进行调整,使每个视频标签对应的推荐视频的数量在设定范围内。
而当推荐视频对应的视频标签数量大于或等于设定值时,则无需对第二视频集进行更新,直接将该第二视频集推荐给用户即可。
在本发明视频推荐方法上述各实施例的一个具体示例中,响应于第二视频集中的视频对应的视频标签数量小于设定值,对第二视频集中的视频进行更新,包括:
响应于第二视频集中的视频对应的视频标签数量小于设定值;
删除多个视频对应同一视频标签中的至少一个视频,使第二视频集中的各视频标签对应的视频数量小于或等于第二预设数量。
为第二视频集中增加至少一个对应新的视频标签的视频;新的视频标签与第二视频集中的视频标签不重复,每个视频标签对应的视频数量小于或等于第二预设数量。
本实施例,提供了一种更新第二视频集的具体过程,对于同一视频标签对应多个视频的情况,需要将该视频标签对应的视频删除一部分,以使该视频标签对应的视频数量小于或等于第二预设数量,留出更多空位以便显示更多视频标签对应的视频;对于删除视频空出的位置,增加新的视频标签对应的视频,而新增加的视频的数量同样需要小于或等于第二预设数量,如果增加一种视频标签不能使填满所有位置,可增加多种视频标签。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图2为本发明视频推荐装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图2所示,该实施例的装置包括
召回单元21,用于从数据库获取对应至少一个视频标签中各视频标签的至少一个视频。
其中,数据库中预存有至少一个视频,数据库中的视频标注有至少一个视频标签。
排序单元22,用于对获取的至少一个视频基于视频质量排序,得到排序后的第一视频集。
打散单元23,用于获取用户对应的属性标签,基于属性标签从第一视频集中筛选获得第二视频集。
其中,第二视频集中包括第一预设数量的推荐视频,推荐视频包括对应至少一个视频标签的视频。
推荐单元24,用于将第二视频集推荐给用户。
基于本发明上述实施例提供的一种视频推荐装置,从数据库获取对应至少一个视频标签中各视频标签的至少一个视频;对获取的至少一个视频基于视频质量排序,得到排序后的第一视频集;基于质量排序后的视频可以实现为用户推荐质量较好的视频,提升用户的观看体验;获取用户对应的属性标签,基于属性标签从第一视频集中筛选获得第二视频集,将第二视频集推荐给用户;基于用户的属性标签进行筛选推荐,可以实现对没有观看记录的新用户有针对性的进行视频推荐,不会出现因为随机推荐而导致推荐与用户完全不相关的视频的问题。
本发明视频推荐装置的另一个实施例,在上述实施例的基础上,数据库中包括至少一个标签条目;每个标签条目对应一个视频标签,每个标签条目中存储对应视频标签的所有视频;
召回单元21,具体用于基于数据库获得各视频标签,分别从各视频标签对应的标签条目中获取至少一个视频。
具体地,本实施例为了便于基于视频标签获取数据库中的视频,基于视频标签建立标签条目,每个标签条目中存储对应视频标签的所有视频,此时即可实现以视频标签作为索引对视频进行检索,基于索引获得对应至少一个视频标签的视频,保证了获得的视频对应的视频标签的多样性,以实现跟全面的视频推荐。
本发明视频推荐装置的又一个实施例,在上述实施例的基础上,排序单元22,包括:
组分类模块,用于将获取的至少一个视频基于对应的视频标签进行分类获得至少一个分类组;每个分类组中包括对应同一视频标签的至少一个视频;
组排序模块,用于对每个分类组中的视频基于视频质量排序,得到排序后的所有分类组;
集合模块,用于所有分类组构成排序后的第一视频集。
具体地,视频质量与点击率呈正比;点击率越高视频质量越好,点击率越低视频质量越差;点击率等于点击量与曝光量的比值;为了给用户推荐质量较好的视频,需要对待推荐的视频进行排序,排序后即可按序将质量好的视频推荐给用户,以提高用户体验,减少用户的无效点击次数,使用户每次点击都能查看到需要的视频内容;而为了保证推荐视频的多样性,在对视频进行排序之前,将视频基于视频标签进行分组,分别对每个分类组中的视频进行排序,以保证获得不同视频标签中质量较好的视频。
在本发明视频推荐装置上述各实施例的一个具体示例中,组排序模块,具体用于对分类组中的至少一个视频按照质量由好到坏进行排序,得到排序后的分类组;
或,对分类组中的至少一个视频按照质量由坏到好进行排序,得到排序后的所述分类组。
本发明视频推荐装置的还一个实施例,在上述实施例的基础上,打散单元23,具体用于基于用户的属性信息获取用户对应的属性标签,基于属性标签从第一视频集中筛选对应视频标签的视频构成第二视频集;每个属性信息包括至少两个属性标签,属性标签与视频标签存在对应关系。
具体地,获取用户对应的属性标签的操作可以在召唤单元之前进行,为了给没有历史记录的新用户推荐用户感兴趣的视频,提高用户的有效点击和用户体验,本实施例基于属性标签对第一视频集进行筛选,其中筛选的基础是属性标签与视频标签存在对应关系,具体地,属性标签与标签之间的对应关系包括:一个属性标签对应一个视频标签,或一个属性标签对应多个视频标签,或多个属性标签对应一个视频标签,或多个属性标签对应多个视频标签,基于这些对应关系即可基于属性标签对视频进行筛选。
可选地,在一个或多个可选的实施例中,用户的属性信息包括以下一种或多种信息:
年龄信息、所在地信息、性别信息、手机类型信息。
在本发明视频推荐装置上述各实施例的一个具体示例中,推荐视频包括长视频或短视频;
响应于推荐视频为长视频,用户的属性信息还包括:用户短视频信息;用户短视频信息用于记录用户观看历史中短视频对应的视频标签;
响应于推荐视频为短视频,用户的属性信息还包括:用户长视频信息;用户长视频信息用于记录用户观看历史中长视频对应的视频标签。
本发明视频推荐装置的再一个实施例,在上述实施例的基础上,还包括:
判断单元,用于判断第二视频集中的视频对应的视频标签数量是否小于设定值;
更新单元,用于响应于第二视频集中的视频对应的视频标签数量小于设定值,对第二视频集中的视频进行更新,使更新后的第二视频集中包括的视频标签数量大于或等于设定值,将更新后的第二视频集推荐给用户。
不更新单元,用于响应于第二视频集中的视频对应的视频标签数量大于或等于设定值,将第二视频集推荐给用户。
由于受页面大小限制,每次为用户提供的推荐视频的数量是有限的,本实施例为了保证每次为新用户推荐的视频的多样性,需要控制每次推荐视频对应的视频标签数量应当不小于设定值,当推荐视频对应的视频标签数量小于设定值时,需要将一个视频标签对应的多个推荐视频进行调整,使每个视频标签对应的推荐视频的数量在设定范围内。
在本发明视频推荐装置上述各实施例的一个具体示例中,更新单元,具体用于响应于第二视频集中的视频对应的视频标签数量小于设定值;删除多个视频对应同一视频标签中的至少一个视频,使第二视频集中的各视频标签对应的视频数量小于或等于第二预设数量。
在本发明视频推荐装置上述各实施例的一个具体示例中,更新单元,还用于为第二视频集中增加至少一个对应新的视频标签的视频;新的视频标签与第二视频集中的视频标签不重复,每个视频标签对应的视频数量小于或等于第二预设数量。
根据本发明实施例的另一个方面,提供的一种电子设备,包括处理器,处理器包括本发明上述任一实施例的视频推荐装置。
根据本发明实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与存储器通信以执行可执行指令从而完成本发明视频推荐方法上述任一实施例的操作。
根据本发明实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,指令被执行时执行本发明视频推荐方法上述任一实施例的操作。
根据本发明实施例的另一个方面,提供的一种计算机程序,包括计算机可读代码,当计算机可读代码在设备上运行时,该设备中的处理器执行用于实现本发明视频推荐方法任意一项实施例的指令。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (18)

1.一种视频推荐方法,其特征在于,包括:
从数据库获取对应至少一个视频标签中各所述视频标签的视频;所述数据库中预存有至少一个视频,所述数据库中的视频标注有至少一个视频标签;
对所述获取的视频基于视频质量排序,得到排序后的第一视频集;
获取用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选获得第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括对应至少一个视频标签的视频;
将所述第二视频集推荐给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述数据库中包括至少一个标签条目;每个所述标签条目对应一个视频标签,每个所述标签条目中存储对应所述视频标签的所有视频;
从数据库获取对应至少一个视频标签中各所述视频标签的视频,包括:
基于数据库获得各所述视频标签,分别从各所述视频标签对应的标签条目中获取至少一个视频。
3.根据权利要求1或2所述的方法,其特征在于,所述视频质量与点击率呈正比;所述点击率越高所述视频质量越好,所述点击率越低所述视频质量越差;所述点击率等于点击量与曝光量的比值;
对所述获取的视频基于视频质量排序,得到排序后的第一视频集,包括:
将所述获取的至少一个视频基于对应的视频标签进行分类获得至少一个分类组;每个所述分类组中包括对应同一视频标签的至少一个视频;
对每个所述分类组中的视频基于视频质量排序,得到排序后的所有所述分类组;
所有所述分类组构成排序后的第一视频集。
4.根据权利要求3所述的方法,其特征在于,对每个所述分类组中的视频基于视频质量排序,得到排序后的所有所述分类组,包括:
对所述分类组中的至少一个视频按照质量由好到坏进行排序,得到排序后的所述分类组;
或,对所述分类组中的至少一个视频按照质量由坏到好进行排序,得到排序后的所述分类组。
5.根据权利要求1-4任一所述的方法,其特征在于,所述获取用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选获得第二视频集,包括:
基于用户的属性信息获取所述用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选对应视频标签的视频构成第二视频集;每个所述属性信息包括至少两个属性标签,所述属性标签与所述视频标签存在对应关系。
6.根据权利要求5所述的方法,其特征在于,所述用户的属性信息包括以下一种或多种信息:
年龄信息、所在地信息、性别信息、手机类型信息;
所述推荐视频包括长视频或短视频;
响应于所述推荐视频为长视频,所述用户的属性信息还包括:用户短视频信息;所述用户短视频信息用于记录所述用户观看历史中短视频对应的视频标签;
响应于所述推荐视频为短视频,所述用户的属性信息还包括:用户长视频信息;所述用户长视频信息用于记录所述用户观看历史中长视频对应的视频标签。
7.根据权利要求1-6任一项所述的方法,其特征在于,在将所述第二视频集推荐给用户之前,还包括:
判断所述第二视频集中的视频对应的视频标签数量是否小于设定值;
响应于所述第二视频集中的视频对应的视频标签数量小于设定值,对所述第二视频集中的视频进行更新,使更新后的第二视频集中包括的视频标签数量大于或等于设定值,将所述更新后的第二视频集推荐给用户;
响应于所述第二视频集中的视频对应的视频标签数量大于或等于设定值,将所述第二视频集推荐给用户。
8.根据权利要求7所述的方法,其特征在于,响应于所述第二视频集中的视频对应的视频标签数量小于设定值,对所述第二视频集中的视频进行更新,包括:
响应于所述第二视频集中的视频对应的视频标签数量小于设定值;
删除所述多个视频对应同一视频标签中的至少一个视频,使所述第二视频集中的各所述视频标签对应的视频数量小于或等于第二预设数量;
为所述第二视频集中增加至少一个对应新的视频标签的视频;所述新的视频标签与所述第二视频集中的视频标签不重复,每个所述视频标签对应的视频数量小于或等于第二预设数量。
9.一种视频推荐装置,其特征在于,包括:
召回单元,用于从数据库获取对应至少一个视频标签中各所述视频标签的视频;所述数据库中预存有至少一个视频,所述数据库中的视频标注有至少一个视频标签;
排序单元,用于对所述获取的视频基于视频质量排序,得到排序后的第一视频集;
打散单元,用于获取用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选获得第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括对应至少一个视频标签的视频;
推荐单元,用于将所述第二视频集推荐给所述用户。
10.根据权利要求9所述的装置,其特征在于,所述数据库中包括至少一个标签条目;每个所述标签条目对应一个视频标签,每个所述标签条目中存储对应所述视频标签的所有视频;
所述召回单元,具体用于基于数据库获得各所述视频标签,分别从各所述视频标签对应的标签条目中获取至少一个视频。
11.根据权利要求9或10所述的装置,其特征在于,所述视频质量与点击率呈正比;所述点击率越高所述视频质量越好,所述点击率越低所述视频质量越差;所述点击率等于点击量与曝光量的比值;
所述排序单元,包括:
组分类模块,用于将所述获取的至少一个视频基于对应的视频标签进行分类获得至少一个分类组;每个所述分类组中包括对应同一视频标签的至少一个视频;
组排序模块,用于对每个所述分类组中的视频基于视频质量排序,得到排序后的所有所述分类组;
集合模块,用于所有所述分类组构成排序后的第一视频集。
12.根据权利要求9-11任一所述的装置,其特征在于,所述打散单元,具体用于基于用户的属性信息获取所述用户对应的属性标签,基于所述属性标签从所述第一视频集中筛选对应视频标签的视频构成第二视频集;每个所述属性信息包括至少两个属性标签,所述属性标签与所述视频标签存在对应关系;
所述用户的属性信息包括以下一种或多种信息:
年龄信息、所在地信息、性别信息、手机类型信息;
所述推荐视频包括长视频或短视频;
响应于所述推荐视频为长视频,所述用户的属性信息还包括:用户短视频信息;所述用户短视频信息用于记录所述用户观看历史中短视频对应的视频标签;
响应于所述推荐视频为短视频,所述用户的属性信息还包括:用户长视频信息;所述用户长视频信息用于记录所述用户观看历史中长视频对应的视频标签。
13.根据权利要求9-12任一项所述的装置,其特征在于,还包括:
判断单元,用于判断所述第二视频集中的视频对应的视频标签数量是否小于设定值;
更新单元,用于响应于所述第二视频集中的视频对应的视频标签数量小于设定值,使更新后的第二视频集中包括的视频标签数量大于或等于设定值,对所述第二视频集中的视频进行更新,将所述更新后的第二视频集推荐给用户;
不更新单元,用于响应于所述第二视频集中的视频对应的视频标签数量大于或等于设定值,将所述第二视频集推荐给用户。
14.根据权利要求13所述的装置,其特征在于,所述更新单元,具体用于响应于所述第二视频集中的视频对应的视频标签数量小于设定值;删除所述多个视频对应同一视频标签中的至少一个视频,使所述第二视频集中的各所述视频标签对应的视频数量小于或等于第二预设数量;并为所述第二视频集中增加至少一个对应新的视频标签的视频;所述新的视频标签与所述第二视频集中的视频标签不重复,每个所述视频标签对应的视频数量小于或等于第二预设数量。
15.一种电子设备,其特征在于,包括处理器,所述处理器包括权利要求9至14任意一项所述的视频推荐装置。
16.一种电子设备,其特征在于,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至8任意一项所述视频推荐方法的操作。
17.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1至8任意一项所述视频推荐方法的操作。
18.一种计算机程序,包括计算机可读代码,其特征在于,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现权利要求1至8任意一项所述视频推荐方法的指令。
CN201711446680.XA 2017-12-27 2017-12-27 视频推荐方法和装置、电子设备、存储介质、程序 Pending CN108108446A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711446680.XA CN108108446A (zh) 2017-12-27 2017-12-27 视频推荐方法和装置、电子设备、存储介质、程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711446680.XA CN108108446A (zh) 2017-12-27 2017-12-27 视频推荐方法和装置、电子设备、存储介质、程序

Publications (1)

Publication Number Publication Date
CN108108446A true CN108108446A (zh) 2018-06-01

Family

ID=62213693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711446680.XA Pending CN108108446A (zh) 2017-12-27 2017-12-27 视频推荐方法和装置、电子设备、存储介质、程序

Country Status (1)

Country Link
CN (1) CN108108446A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657097A (zh) * 2018-11-07 2019-04-19 北京达佳互联信息技术有限公司 视频筛选方法、装置、电子设备及存储介质
CN110059221A (zh) * 2019-03-11 2019-07-26 咪咕视讯科技有限公司 视频推荐方法、电子设备及计算机可读存储介质
CN110430477A (zh) * 2019-08-12 2019-11-08 广州华多网络科技有限公司 直播内容的推荐方法、装置、计算机设备和存储介质
CN110659388A (zh) * 2019-10-10 2020-01-07 北京奇艺世纪科技有限公司 一种待推荐信息筛选方法、装置、电子设备及存储介质
CN111010592A (zh) * 2019-12-19 2020-04-14 上海众源网络有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN112435091A (zh) * 2020-11-23 2021-03-02 百果园技术(新加坡)有限公司 推荐内容的选择方法、装置、设备及存储介质
CN112533032A (zh) * 2019-09-18 2021-03-19 腾讯科技(深圳)有限公司 一种视频数据处理方法、装置及存储介质
CN113038283A (zh) * 2019-12-25 2021-06-25 北京达佳互联信息技术有限公司 视频推荐方法、装置和存储介质
CN113395550A (zh) * 2020-03-13 2021-09-14 浙江大搜车软件技术有限公司 一种视频推荐方法、装置、系统及电子设备
CN113626638A (zh) * 2021-09-06 2021-11-09 深圳市易平方网络科技有限公司 短视频推荐处理方法、装置、智能终端及存储介质
CN114168792A (zh) * 2021-12-06 2022-03-11 北京达佳互联信息技术有限公司 视频推荐方法及装置
CN114513687A (zh) * 2022-02-14 2022-05-17 青岛聚看云科技有限公司 服务器及媒资推荐方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657097A (zh) * 2018-11-07 2019-04-19 北京达佳互联信息技术有限公司 视频筛选方法、装置、电子设备及存储介质
CN110059221A (zh) * 2019-03-11 2019-07-26 咪咕视讯科技有限公司 视频推荐方法、电子设备及计算机可读存储介质
CN110059221B (zh) * 2019-03-11 2023-10-20 咪咕视讯科技有限公司 视频推荐方法、电子设备及计算机可读存储介质
CN110430477A (zh) * 2019-08-12 2019-11-08 广州华多网络科技有限公司 直播内容的推荐方法、装置、计算机设备和存储介质
CN112533032A (zh) * 2019-09-18 2021-03-19 腾讯科技(深圳)有限公司 一种视频数据处理方法、装置及存储介质
CN110659388B (zh) * 2019-10-10 2022-07-22 北京奇艺世纪科技有限公司 一种待推荐信息筛选方法、装置、电子设备及存储介质
CN110659388A (zh) * 2019-10-10 2020-01-07 北京奇艺世纪科技有限公司 一种待推荐信息筛选方法、装置、电子设备及存储介质
CN111010592A (zh) * 2019-12-19 2020-04-14 上海众源网络有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN113038283A (zh) * 2019-12-25 2021-06-25 北京达佳互联信息技术有限公司 视频推荐方法、装置和存储介质
CN113038283B (zh) * 2019-12-25 2022-11-18 北京达佳互联信息技术有限公司 视频推荐方法、装置和存储介质
CN113395550A (zh) * 2020-03-13 2021-09-14 浙江大搜车软件技术有限公司 一种视频推荐方法、装置、系统及电子设备
CN112435091A (zh) * 2020-11-23 2021-03-02 百果园技术(新加坡)有限公司 推荐内容的选择方法、装置、设备及存储介质
CN112435091B (zh) * 2020-11-23 2024-03-29 百果园技术(新加坡)有限公司 推荐内容的选择方法、装置、设备及存储介质
CN113626638A (zh) * 2021-09-06 2021-11-09 深圳市易平方网络科技有限公司 短视频推荐处理方法、装置、智能终端及存储介质
CN114168792A (zh) * 2021-12-06 2022-03-11 北京达佳互联信息技术有限公司 视频推荐方法及装置
CN114513687A (zh) * 2022-02-14 2022-05-17 青岛聚看云科技有限公司 服务器及媒资推荐方法
CN114513687B (zh) * 2022-02-14 2024-02-27 青岛聚看云科技有限公司 服务器及媒资推荐方法

Similar Documents

Publication Publication Date Title
CN108108446A (zh) 视频推荐方法和装置、电子设备、存储介质、程序
CN105164712B (zh) 聚合账户通知的按优先级排序和场境显示
CN108230025A (zh) 广告推荐方法和装置、电子设备、存储介质、程序
CN105138599B (zh) 一种可自动监测网站全部页面中各个链接点击量的方法
CN108230026A (zh) 广告推荐方法和装置、电子设备、存储介质、程序
CN107948326A (zh) 内容推荐调试方法和装置、电子设备、存储介质、程序
CN104636142B (zh) 一种信息处理方法及电子设备
CN113794894B (zh) 信息处理方法、装置、电子设备及存储介质
CN106022497A (zh) 一种房源的推荐方法、服务器和房源推荐系统
CN105915956A (zh) 视频内容的推荐方法、装置、服务器及系统
CN110059255A (zh) 一种浏览器导航方法、装置及介质
CN111159572B (zh) 推荐内容的审核方法、装置、电子设备及存储介质
CN110110201A (zh) 一种内容推荐方法和系统
CN109165691A (zh) 用于识别作弊用户的模型的训练方法、装置及电子设备
CN111815375B (zh) 广告投放中的用户画像方法及装置
CN109299369A (zh) 一种推荐数据的确定方法、装置及服务器
CN108038779A (zh) 视频面签身份审核方法、装置、设备及可读存储介质
CN107003923A (zh) 浏览器提供的网站统计数据
CN111417021B (zh) 外挂识别方法、装置、计算机设备和可读存储介质
CN111475661B (zh) 一种基于有限标签构造场景图的方法、装置及计算机设备
CN107944026A (zh) 一种图集个性化推荐的方法、装置、服务器和存储介质
CN104753979B (zh) 一种显示网站信息的方法、服务器、终端及系统
CN108665318B (zh) 有效用户标签筛选方法、装置、存储介质和计算机设备
US20170277710A1 (en) Data comparison
US20140178848A1 (en) Method and apparatus for administering learning contents

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