CN108134950B - 一种智能视频推荐方法及系统 - Google Patents

一种智能视频推荐方法及系统 Download PDF

Info

Publication number
CN108134950B
CN108134950B CN201711282803.0A CN201711282803A CN108134950B CN 108134950 B CN108134950 B CN 108134950B CN 201711282803 A CN201711282803 A CN 201711282803A CN 108134950 B CN108134950 B CN 108134950B
Authority
CN
China
Prior art keywords
video
preset
videos
user
marking
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
CN201711282803.0A
Other languages
English (en)
Other versions
CN108134950A (zh
Inventor
傅金澍
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.)
Guangzhou Reagent Information Technology Co ltd
Original Assignee
Guangzhou Reagent Information Technology 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 Guangzhou Reagent Information Technology Co ltd filed Critical Guangzhou Reagent Information Technology Co ltd
Priority to CN201711282803.0A priority Critical patent/CN108134950B/zh
Priority to PCT/CN2018/086407 priority patent/WO2019109592A1/zh
Publication of CN108134950A publication Critical patent/CN108134950A/zh
Application granted granted Critical
Publication of CN108134950B publication Critical patent/CN108134950B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • 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
    • 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
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Abstract

本发明公开了一种智能视频推荐方法，用于解决现有技术中并没有很好地判断用户喜不喜欢看过的视频就给出相关视频推荐的问题，本智能视频推荐方法包括步骤：S1：根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；S2：将所属多个视频标记对应的预设标签；S3：建立预设视频推荐模型；S4：在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频。本视频推荐方法可以根据用户的观看记录建立更加智能化和个性化的视频推荐模型，从而推荐出用户更加喜欢的视频，提高用户在线观看视频时的体验效果。

Description

一种智能视频推荐方法及系统
技术领域
本发明涉及智能视频推荐技术领域，尤其涉及一种智能视频推荐方法及系统。
背景技术
当用户在线观看视频时，会看到视频推荐这一栏，但用户会发现，推荐的视频并不是自己喜欢的，大多都不感兴趣。系统并没有很好地判断出用户喜不喜欢观看过的视频就给出了相关视频推荐，影响了用户的体验；与此同时，系统给出的好多推荐视频只是与用户观看过的视频有某些相似，并没有综合考虑视频的各项特征，这样，也没有达到最佳体验效果。
例如公开号为102843586B的中国专利公开了一种视频推荐方法，包括：获取依据用户操作记录确定的目标推荐视频；设置具有所述目标推荐视频的视频推荐列表；向所述用户发送所述视频推荐列表。所述发明提供了一种视频推荐方法，依据单个用户的操作记录确定目标推荐视频，所述目标推荐视频包括用户添加到收藏夹或书签中的未观看视频，或用户点击频率满足预设点击频率的某一类别视频；由于所述目标推荐视频依据单个用户的个人操作记录确定，而所述个人操作记录在一定程度上反映了单个用户的个人喜好；所以将所述目标推荐视频发送给用户时，能够使用户更加直接的获取自己喜好的视频。
然而现有技术中提出的视频推荐系统推荐的视频并不一定是用户喜欢的，系统并没有很好地判断出用户喜不喜欢观看过的视频就给出了相关视频推荐，影响了用户的体验；与此同时，系统给出的好多推荐视频只是与用户观看过的视频有某些相似，并没有综合考虑视频的各项特征，这样，也没有达到最佳体验效果。
因此综上所述需要提出一种智能视频推荐方法及系统，能够系统分析确定视频的推荐。
发明内容
本发明的目的是针对现有技术中的缺陷，提供一种智能视频推荐方法及系统，本智能视频推荐方法通过利用二分法算法综合视频的各项特征，建立视频推荐模型，根据建立的视频推荐模型以及视频库推荐给用户喜欢的视频，实现了较为准确判断用户喜好视频的推荐，提高了用户的观看视频体验。
为了实现以上目的，本发明采用一下技术方案：
一种智能视频推荐方法，包括步骤：
S1：根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；
S2：将所述多个视频中播放时间超过预设时间范围的视频标记第一预设标签，将所述多个视频中播放时间在预设时间范围内的视频标记第二预设标签；
S3：根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型；
S4：在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频。
进一步地，所述步骤S1包括：
S11：获取用户的视频播放记录；
S12：根据获取的用户视频播放记录，记录每个视频对应的播放时间；
S13：判断每个视频对应的播放时间是否在预设时间范围内。
进一步地，所述步骤S2包括：
S21：对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；
S22：对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
进一步地，所述建立的预设视频推荐模型为：
Figure BDA0001497815710000021
进一步地，所述步骤S4包括：
S41：采集视频库内的每个视频的预设特征；
S42：根据采集的每个视频的预设特征以及建立的预设视频推荐模型计算每个视频对应的用户喜欢度；
S43：将所述视频库内的视频根据用户喜好度按照预设排列顺序进行排列；
S44：将预设排列顺序内的预设位数的视频显示在视频推荐栏。
一种智能视频推荐系统，包括：
判断时间模块，用于根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；
标记标签模块，用于将所述多个视频中播放时间超过预设时间范围的视频标记第一预设标签，将所述多个视频中播放时间在预设时间范围内的视频标记第二预设标签；
建立模型模块，用于根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型；
推荐视频模块，用于在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频。
进一步地，所述判断时间模块包括：
获取单元，用于获取用户的视频播放记录；
记录单元，用于根据获取的用户视频播放记录，记录每个视频对应的播放时间；
判断单元，用于判断每个视频对应的播放时间是否在预设时间范围内。
进一步地，所述标记标签模块包括：
分类单元，用于对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；
标记单元，用于对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
进一步地，所述建立模型模块包括：
统计单元，用于统计每个视频的预设特征以及对应标记的预设标签；
计算单元，用于根据每个视频的预设特征计算出预设视频推荐模型。
进一步地，所述推荐视频模块包括：
采集单元，用于采集视频库内的每个视频的预设特征；
计算用户喜欢度单元，用于根据采集的每个视频的预设特征以及建立的预设视频推荐模型计算每个视频对应的用户喜欢度；
排列单元，用于将所述视频库内的视频根据用户喜好度按照预设排列顺序进行排列；
推荐展示单元，用于将预设排列顺序内的预设位数的视频显示在视频推荐栏。
附图说明
图1为本发明智能视频推荐方法流程图一；
图2为本发明智能视频推荐方法流程图二；
图3为本发明智能视频推荐系统结构图一；
图4为本发明智能视频推荐系统结构图二。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
本实施例提供了一种智能视频推荐方法，如图1所示，本方法包括步骤：
S1：根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；
S2：将所述多个视频中播放时间超过预设时间范围的视频标记第一预设标签，将所述多个视频中播放时间在预设时间范围内的视频标记第二预设标签；
S3：根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型；
S4：在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频。
本实施例提供的智能视频推荐方法主要解决的问题是：当我们观看视频时，对于喜欢的视频，我们很愿意看，但对于不喜欢的视频，看较短的时间就不会再看。
本实施例提供的智能视频推荐方法就是根据用户的观看记录，将观看的视频分为两类，一类是喜欢的视频，一类是不喜欢的视频，并把喜欢的视频标为第一预设标记，不喜欢的视频标为第二预设标记，即引入了二分类的概念；标记完后利用他们对应的特征来训练视频推荐模型；之后利用训练好的视频推荐模型对视频库中的视频进行用户喜欢度估计；然后根据用户喜欢度的高低对视频进行排序，用户喜欢度高的排在前面，用户喜欢度低的排在后面；最后推荐出排名比较靠前的几个视频。
具体方法即：
首先根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；例如视频记录中用户观看视频一观看了十分钟，用户观看视频二观看了一分钟，用户观看视频三观看了50秒，例如预设时间范围为2分钟，则视频一的播放时间超过了预设时间范围，视频二以及视频三的播放时间在预设时间范围内。
然后将所述多个视频中播放时间超过预设时间范围的视频标记第一预设标签，将所述多个视频中播放时间在预设时间范围内的视频标记第二预设标签，例如将上述视频一标记第一预设标签，将视频二以及视频三标记第二预设标签。
根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型，例如视频一的预设特征：视频类型为励志片，导演为冯小刚，演员为张艺兴；年代为90年代，以及上述对视频一标记的第一预设标签，建立预设视频推荐模型，即根据视频一、视频二、视频三以及观看记录内所有视频的预设特征以及预设标签计算出视频推荐公式。
在视频库内，将每个视频的预设特征代入建立的预设视频推荐模型中，计算出视频库内每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频。
本实施例提供的一种智能视频推荐方法，将二分类概念引入到视频推荐系统中，更好更简便地解决了用户视频推荐问题。
实施例二
本实施例提供了一种智能视频推荐方法，如图2所示，本实施例提供的方法，相比实施例一增加了以下步骤：
进一步地，所述步骤S1包括：
S11：获取用户的视频播放记录；
S12：根据获取的用户视频播放记录，记录每个视频对应的播放时间；
S13：判断每个视频对应的播放时间是否在预设时间范围内。
进一步地，所述步骤S2包括：
S21：对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；
S22：对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
进一步地，所述建立的预设视频推荐模型为：
Figure BDA0001497815710000061
进一步地，所述步骤S4包括：
S41：采集视频库内的每个视频的预设特征；
S42：根据采集的每个视频的预设特征以及建立的预设视频推荐模型计算每个视频对应的用户喜欢度；
S43：将所述视频库内的视频根据用户喜好度按照预设排列顺序进行排列；
S44：将预设排列顺序内的预设位数的视频显示在视频推荐栏。
具体实现步骤为：
首先获取用户的视频播放记录，根据获取的用户视频播放记录，记录每个视频对应的播放时间，判断所述多个视频的播放时间是否在预设时间范围内；
然后对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；
对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型，
具体来讲：
一个视频，主要具有以下几种特征：
(1)类型：剧情、武侠、谍战、都市、古装、家庭、搞笑、爱情等；
(2)地区：内地、港台、欧美、韩国、日本等；
(3)年代：2017、2016、2015、2014、2013、2012、2011等；
(4)导演：张艺谋、管虎、陈凯歌、冯小刚、徐克、姜文等；
(5)演员：刘诗诗、霍建华、赵丽颖、孙俪、陈晓、佟大为等。
为了更好地表示视频的特征，本发明将上述特征：类型、地区、年代、导演、主要演员等表示为x1,x2,x3,...,xn，其中n表示特征的总个数，每个特征的取值如上述。对于用户观看记录中的视频，当观看时间超过S分钟时，就认为用户是喜欢该类视频的，可以提取出该视频的相关特征，用于训练模型，并把该视频对应的标签设为1；当观看时间没有超过S分钟时，就认为用户是不喜欢该类视频的，可以提取出该视频的相关特征，用于训练模型，并把该视频对应的标签设为0。视频推荐模型表示为：
Figure BDA0001497815710000071
其中，
zj＝w1*x1+w2*x2+...+wn*xn+b (1-2)
其中，w1,w2,w3,...,wn表示的是每个特征对应的权值系数，b表示偏移系数，主要用来限制权值系数的大小，在用户喜欢度估计阶段，j表示视频库中第j个视频，Z表示视频j的各项特征的加权值，假设整个视频库的视频个数为M1，则zj表示视频j的各项特征的加权值，假设整个视频库的视频个数为M1，则j∈[1,M1]，yj是用户喜欢度，表示用户对视频zj的喜欢程度，它的取值范围是(0,1)。
该系统的算法步骤为：
首先通过用户的播放记录对模型(1-1)进行训练，其中，当用户播放视频j的时间超过S时，就认为该用户是喜欢这类视频的，该视频对应的标签设为1，即yj＝1，当用户播放视频j的时间没有超过S时，就认为该用户是不喜欢这类视频的，该视频对应的标签设为0，即yj＝0，整个训练过程利用极大似然估计法；
然后利用训练好的模型，对视频库中的视频进行用户喜欢度估计，估计值越接近1，表示用户喜欢度越高，估计值越接近0，表示用户喜欢度越低。
再根据用户喜欢度的高低对视频进行排序，用户喜欢度高的排在前面，用户喜欢度低的排在后面，并给出排名前N的视频，在推荐栏中给出相应的视频。
本实施例提供了一种智能视频推荐方法，可以根据用户的观看记录推荐出用户喜欢观看的视频，解决了用户观看视频时视频推荐类型单一的问题，本实施例可以根据用户观看视频的综合特征来推荐出用户更喜欢的视频，在推荐视频时，考虑的更加全面。
实施例三
本实施例提供了一种智能视频推荐系统，如图3和图4所示，本实施例提供的系统包括：
判断时间模块，用于根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；
标记标签模块，用于将所述多个视频中播放时间超过预设时间范围的视频标记第一预设标签，将所述多个视频中播放时间在预设时间范围内的视频标记第二预设标签；
建立模型模块，用于根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型；
推荐视频模块，用于在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频。
进一步地，所述判断时间模块包括：
获取单元，用于获取用户的视频播放记录；
记录单元，用于根据获取的用户视频播放记录，记录每个视频对应的播放时间；
判断单元，用于判断每个视频对应的播放时间是否在预设时间范围内。
进一步地，所述标记标签模块包括：
分类单元，用于对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；
标记单元，用于对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
进一步地，所述建立模型模块包括：
统计单元，用于统计每个视频的预设特征以及对应标记的预设标签；
计算单元，用于根据每个视频的预设特征计算出预设视频推荐模型。
进一步地，所述推荐视频模块包括：
采集单元，用于采集视频库内的每个视频的预设特征；
计算用户喜欢度单元，用于根据采集的每个视频的预设特征以及建立的预设视频推荐模型计算每个视频对应的用户喜欢度；
排列单元，用于将所述视频库内的视频根据用户喜好度按照预设排列顺序进行排列；
推荐展示单元，用于将预设排列顺序内的预设位数的视频显示在视频推荐栏。
首先根据判断时间模块内的获取单元，获取用户的视频播放记录；然后通过记录单元根据获取的用户视频播放记录，并记录每个视频对应的播放时间；判断单元根据记录的每个视频对应的播放时间判断每个视频对应的播放时间是否在预设时间范围内。
然后通过标记标签模块的分类单元，对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；并通过标记单元，用于对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
再建立模型模块，所述建立模型模块通过统计单元统计每个视频的预设特征以及对应标记的预设标签；然后通过计算单元根据每个视频的预设特征计算出预设视频推荐模型。
最后进入推荐视频模块，通过推荐视频模块的采集单元采集视频库内的每个视频的预设特征；然后通过计算用户喜欢度单元根据采集的每个视频的预设特征以及建立的预设视频推荐模型计算每个视频对应的用户喜欢度；并通过排列单元将所述视频库内的视频根据用户喜好度按照预设排列顺序进行排列；通过推荐展示单元将预设排列顺序内的预设位数的视频显示在视频推荐栏。
本实施例提供的一种智能视频推荐系统，可以根据用户的观看记录分辨出用户喜欢或者不喜欢的视频，并根据喜欢和不喜欢的视频对应的特征训练出更加智能化和个性化的视频推荐模型，从而推荐出用户更加喜欢的视频，从而提高了用户在线观看视频时的体验效果。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种智能视频推荐方法，其特征在于，包括步骤：
S1：根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；
S2：将所述多个视频中播放时间超过预设时间范围的视频标记第一预设标签，将所述多个视频中播放时间在预设时间范围内的视频标记第二预设标签；
S3：根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型；
S4：在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频；
所述步骤S4包括：
S41：采集视频库内的每个视频的预设特征；
S42：根据采集的每个视频的预设特征以及建立的预设视频推荐模型计算每个视频对应的用户喜欢度；
S43：将所述视频库内的视频根据用户喜好度按照预设排列顺序进行排列；
S44：将预设排列顺序内的预设位数的视频显示在视频推荐栏。
2.根据权利要求1所述的一种智能视频推荐方法，其特征在于，所述步骤S1包括：
S11：获取用户的视频播放记录；
S12：根据获取的用户视频播放记录，记录每个视频对应的播放时间；
S13：判断每个视频对应的播放时间是否在预设时间范围内。
3.根据权利要求1所述的一种智能视频推荐方法，其特征在于，所述步骤S2包括：
S21：对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；
S22：对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
4.根据权利要求1所述的一种智能视频推荐方法，其特征在于，所述建立的预设视频推荐模型为：
Figure 761772DEST_PATH_IMAGE001
。
5.一种智能视频推荐系统，其特征在于，包括：
判断时间模块，用于根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；
标记标签模块，用于将所述多个视频中播放时间超过预设时间范围的视频标记第一预设标签，将所述多个视频中播放时间在预设时间范围内的视频标记第二预设标签；
建立模型模块，用于根据所述多个视频中每个视频的预设特征以及对应标记的预设标签，建立预设视频推荐模型；
推荐视频模块，用于在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频；
所述推荐视频模块包括：
采集单元，用于采集视频库内的每个视频的预设特征；
计算用户喜欢度单元，用于根据采集的每个视频的预设特征以及建立的预设视频推荐模型计算每个视频对应的用户喜欢度；
排列单元，用于将所述视频库内的视频根据用户喜好度按照预设排列顺序进行排列；
推荐展示单元，用于将预设排列顺序内的预设位数的视频显示在视频推荐栏。
6.根据权利要求5所述的一种智能视频推荐系统，其特征在于，所述判断时间模块包括：
获取单元，用于获取用户的视频播放记录；
记录单元，用于根据获取的用户视频播放记录，记录每个视频对应的播放时间；
判断单元，用于判断每个视频对应的播放时间是否在预设时间范围内。
7.根据权利要求6所述的一种智能视频推荐系统，其特征在于，所述标记标签模块包括：
分类单元，用于对所述多个视频进行分类，将所述多个视频中播放时间超过预设时间范围的视频分为用户喜欢的视频一类，将所述多个视频中播放时间在预设时间范围内的视频分为用户不喜欢的视频一类；
标记单元，用于对上述类别的视频进行标记，将所述用户喜欢的一类的视频标记为第一预设标签，将所述用户不喜欢的视频一类标记为第二预设标签。
8.根据权利要求6所述的一种智能视频推荐系统，其特征在于，所述建立模型模块包括：
统计单元，用于统计每个视频的预设特征以及对应标记的预设标签；
计算单元，用于根据每个视频的预设特征计算出预设视频推荐模型。
CN201711282803.0A 2017-12-07 2017-12-07 一种智能视频推荐方法及系统 Active CN108134950B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711282803.0A CN108134950B (zh) 2017-12-07 2017-12-07 一种智能视频推荐方法及系统
PCT/CN2018/086407 WO2019109592A1 (zh) 2017-12-07 2018-05-10 一种智能视频推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711282803.0A CN108134950B (zh) 2017-12-07 2017-12-07 一种智能视频推荐方法及系统

Publications (2)

Publication Number Publication Date
CN108134950A CN108134950A (zh) 2018-06-08
CN108134950B true CN108134950B (zh) 2022-05-06

Family

ID=62389274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711282803.0A Active CN108134950B (zh) 2017-12-07 2017-12-07 一种智能视频推荐方法及系统

Country Status (2)

Country Link
CN (1) CN108134950B (zh)
WO (1) WO2019109592A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033180A (zh) * 2018-06-26 2018-12-18 深圳市爱的网络科技有限公司 一种信息推送方法、装置、计算机装置及计算机可读存储介质
CN109698858A (zh) 2018-11-01 2019-04-30 百度在线网络技术（北京）有限公司 用于智能设备的资源推送方法、设备和存储介质
CN109168047B (zh) * 2018-11-06 2021-04-20 北京达佳互联信息技术有限公司 视频推荐方法、装置、服务器及存储介质
CN113747231B (zh) * 2021-09-03 2022-06-21 深圳市悦道科技有限公司 一种智能投放视频播放方法及系统
CN114531614B (zh) * 2022-02-17 2023-09-15 北京字跳网络技术有限公司 视频播放方法、装置、电子设备和存储介质
CN115834959B (zh) * 2023-02-28 2023-04-28 北京奇树有鱼文化传媒有限公司 一种视频推荐信息确定方法、装置、电子设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013184812A1 (en) * 2012-06-07 2013-12-12 Tandem Diabetes Care, Inc. Preventing inadvertent changes in ambulatory medical devices
CN105163142A (zh) * 2015-09-09 2015-12-16 青岛海信传媒网络技术有限公司 一种用户偏好确定方法、视频推荐方法和系统
CN106791963A (zh) * 2016-12-08 2017-05-31 Tcl集团股份有限公司 一种电视节目推荐方法及系统
WO2017113840A1 (zh) * 2015-12-31 2017-07-06 乐视控股（北京）有限公司 一种信息推荐方法及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100306249A1 (en) * 2009-05-27 2010-12-02 James Hill Social network systems and methods
GB2486257B (en) * 2010-12-09 2015-05-27 Samsung Electronics Co Ltd Multimedia system and method of recommending multimedia content
US9253511B2 (en) * 2014-04-14 2016-02-02 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for performing multi-modal video datastream segmentation
CN105142028B (zh) * 2015-07-29 2018-02-27 华中科技大学 面向三网融合的电视节目内容搜索与推荐方法
CN105898426A (zh) * 2015-12-14 2016-08-24 乐视网信息技术（北京）股份有限公司 多媒体内容处理方法、装置及服务器
CN105404698A (zh) * 2015-12-31 2016-03-16 海信集团有限公司 一种教育视频推荐方法及装置
CN105847985A (zh) * 2016-03-30 2016-08-10 乐视控股（北京）有限公司 一种视频推荐方法及装置
US10496651B2 (en) * 2016-04-29 2019-12-03 Fujitsu Limited User recommendation generation
CN106028156B (zh) * 2016-06-24 2017-03-01 合肥工业大学 电视观众兴趣建模方法和系统
CN106792209A (zh) * 2016-11-24 2017-05-31 武汉斗鱼网络科技有限公司 视频偏好信息处理方法、装置及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013184812A1 (en) * 2012-06-07 2013-12-12 Tandem Diabetes Care, Inc. Preventing inadvertent changes in ambulatory medical devices
CN105163142A (zh) * 2015-09-09 2015-12-16 青岛海信传媒网络技术有限公司 一种用户偏好确定方法、视频推荐方法和系统
WO2017113840A1 (zh) * 2015-12-31 2017-07-06 乐视控股（北京）有限公司 一种信息推荐方法及装置
CN106791963A (zh) * 2016-12-08 2017-05-31 Tcl集团股份有限公司 一种电视节目推荐方法及系统

Also Published As

Publication number Publication date
WO2019109592A1 (zh) 2019-06-13
CN108134950A (zh) 2018-06-08

Similar Documents

Publication Publication Date Title
CN108134950B (zh) 一种智能视频推荐方法及系统
US10346860B2 (en) Audience attendance monitoring through facial recognition
US8132200B1 (en) Intra-video ratings
CN106331778B (zh) 视频推荐方法和装置
US9251406B2 (en) Method and system for detecting users' emotions when experiencing a media program
TWI472720B (zh) 興趣點資訊地圖呈現系統、方法及其記錄媒體
US8181197B2 (en) System and method for voting on popular video intervals
US20120036523A1 (en) Adaptive Blending of Recommendation Engines
CN102630052B (zh) 面向实时流的电视节目推荐系统
CN112364202B (zh) 视频推荐方法、装置及电子设备
JP4909033B2 (ja) 番組検索装置
CN106599165B (zh) 一种基于播放行为的内容推荐方法及服务器
CN109511015B (zh) 多媒体资源推荐方法、装置、存储介质及设备
US11533536B2 (en) Audience attendance monitoring through facial recognition
WO2009006234A2 (en) Automatic video recommendation
CN109982155B (zh) 一种播单推荐方法及系统
CN114707074B (zh) 一种内容推荐方法、设备和系统
US20150066897A1 (en) Systems and methods for conveying passive interest classified media content
CN107894998A (zh) 视频推荐方法及装置
CN106961636A (zh) 一种商品信息推荐方法、装置及电子设备
US20120042041A1 (en) Information processing apparatus, information processing system, information processing method, and program
CN112507163A (zh) 时长预测模型训练方法、推荐方法、装置、设备及介质
CN112579913A (zh) 一种视频推荐方法、装置、设备和计算机可读存储介质
CN106815284A (zh) 新闻视频的推荐方法及推荐装置
JP2004362019A (ja) 情報推薦装置、情報推薦方法、情報推薦プログラム及び記録媒体

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right

Effective date of registration: 20201028

Address after: No. 2-3167, zone a, Nonggang City, No. 2388, Donghuan Avenue, Hongjia street, Jiaojiang District, Taizhou City, Zhejiang Province

Applicant after: Taizhou Jiji Intellectual Property Operation Co.,Ltd.

Address before: 201616 Shanghai city Songjiang District Sixian Road No. 3666

Applicant before: Phicomm (Shanghai) Co.,Ltd.

TA01 Transfer of patent application right
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20220421

Address after: 510000 units 04 and 05, 28 / F, building a, Guanzhou life science innovation center, 51 helix Avenue, International Biological Island, Huangpu District, Guangzhou, Guangdong Province

Applicant after: GUANGZHOU REAGENT INFORMATION TECHNOLOGY Co.,Ltd.

Address before: No.2-3167, area a, Nonggang City, 2388 Donghuan Avenue, Hongjia street, Jiaojiang District, Taizhou City, Zhejiang Province, 318000

Applicant before: Taizhou Jiji Intellectual Property Operation Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant