CN108228784A - 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
CN108228784A
CN108228784A CN201711471723.XA CN201711471723A CN108228784A CN 108228784 A CN108228784 A CN 108228784A CN 201711471723 A CN201711471723 A CN 201711471723A CN 108228784 A CN108228784 A CN 108228784A
Authority
CN
China
Prior art keywords
video
cold
label
quality
user
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
CN201711471723.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 CN201711471723.XA priority Critical patent/CN108228784A/zh
Publication of CN108228784A publication Critical patent/CN108228784A/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
    • 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
    • G06F16/738Presentation of query results

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)

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:基于用户对应的标签,从数据库获取对应所述标签的至少一个视频;对所述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;将冷视频加入所述第一视频集;基于所述第一视频集为用户推荐第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括视频和/或冷视频。本发明实施例可以将质量好的视频推荐给用户,能提供视频被用户点击的概率;将冷视频加入第一视频集,能够增加冷视频的曝光量,并为探索用户喜好提供新的选择;通过设定数量的推荐视频使用户对多个视频进行选择。

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,用户只能查看到已有的相关视频,不能得到其他内容的视频,长期推荐将导致内容出现重复,并无法了解更多用户的喜好。
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:
基于用户对应的标签,从数据库获取对应所述标签的至少一个视频;所述数据库中预存有至少一个视频;
对所述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;
将冷视频加入所述第一视频集;所述冷视频是上线时长小于设定时长或曝光量小于设定量值的视频;
基于所述第一视频集为用户推荐第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括视频和/或冷视频。
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:
匹配单元,用于基于用户对应的标签,从数据库获取对应所述标签的至少一个视频;所述数据库中预存有至少一个视频;
排序单元,用于对所述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,用于将冷视频加入所述第一视频集;所述冷视频是上线时长小于设定时长或曝光量小于设定量值的视频;
推荐单元,用于基于所述第一视频集为用户推荐第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括视频和/或冷视频。
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,基于用户对应的标签,从数据库获取对应标签的至少一个视频,实现获取与用户相关的视频;通过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,使视频质量能在推荐过程中起到作用,将质量好的视频推荐给用户,能提供视频被用户点击的概率;将冷视频加入第一视频集,能够增加冷视频的曝光量,并为探索用户喜好提供新的选择;基于第一视频集为用户推荐第二视频集,通过设定数量的推荐视频使用户对多个视频进行选择。
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,基于用户对应的标签,从数据库获取对应该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标签;具体地,用户对应的标签可以基于用户查看视频的历史记录获得,对历史记录中包括的视频对应的标签进行统计,即可获得用户对应的标签,基于用户对应的标签可以实现对用户喜好的进一步了解;基于用户对应的标签从数据库中获取的视频都是与用户观看习惯相关的,有更大可能被用户点击。
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;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。
步骤103,将冷视频加入第一视频集。
其中,冷视频是上线时长小于设定时长的视频;
可选地,可将具有标签的冷视频加入第一视频集,但当不存在具有标签的冷视频时,将随机获取一定数量的冷视频加入到第一视频集中,以实现冷视频推荐;对于冷视频的标签最初获得可以是首先基于冷视频的标题与已有标签的视频的标题进行匹配,基于标题匹配的结果获得冷视频对应的标签;具体地,计算冷视频的标题与已有视频的标题的相似度,将相似度最大的视频对应的标签作为该冷视频的标签;具体地,将冷视频加入第一视频集,有效提高了冷视频的曝光量,使没有点击率的冷视频能得到推荐,并对挖掘用户的喜好有极大的帮助。
步骤104,基于第一视频集为用户推荐第二视频集。
其中,第二视频集中包括第一预设数量的推荐视频,推荐视频包括视频和/或冷视频。
基于本发明上述实施例提供的一种视频推荐方法,基于用户对应的标签,从数据库获取对应标签的至少一个视频,实现获取与用户相关的视频;通过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,使视频质量能在推荐过程中起到作用,将质量好的视频推荐给用户,能提供视频被用户点击的概率;将冷视频加入第一视频集,能够增加冷视频的曝光量,并为探索用户喜好提供新的选择;基于第一视频集为用户推荐第二视频集,通过设定数量的推荐视频使用户对多个视频进行选择。
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,操作101包括:
获取用户查看视频的历史记录,基于历史记录中包括的所有视频对应的标签获得至少一个标签,将获得的标签作为用户对应的标签;
基于至少一个标签从数据库中获取对应标签的至少一个视频。
具体地,为了实现视频推荐,需要查找与用户相关的视频,本实施例基于用户标签查找相关视频,通过标签匹配获得与用户相关的视频,并且,每个用户对应至少一个标签,而每个视频也对应至少一个标签,当视频对应的标签中有一个标签与用户的标签相对应的,即可将视频存入视频集,在后续为用户推荐视频提供基础。
在本发明视频推荐方法上述各实施例的一个具体示例中,数据库中包括至少一个标签条目;每个标签条目对应一个标签。
具体地,本示例中为了便于基于标签获取数据库中的视频,基于标签建立标签条目,每个标签条目中存储对应标签的所有视频,此时即可实现以标签作为索引对视频进行检索。
基于至少一个标签从数据库中获取对应标签的至少一个视频,包括:
基于至少一个标签分别与标签条目对应的标签进行匹配;
响应于标签条目对应的标签与至少一个标签中的一个匹配,输出标签条目中的所有视频。
具体地,基于标签作为索引,即可从数据库中获取到对应用户标签的标签条目,而标签条目中存储的视频即为用户有可能感兴趣的视频。
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:
对获取的至少一个视频按照质量由好到坏进行排序,得到排序后的第一视频集;
或,对获取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,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%。
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:
判断冷视频库中是否存在对应标签的冷视频;冷视频库中保存至少一个冷视频;
响应于冷视频库中存在对应标签的冷视频,从冷视频库中基于标签获取至少一个冷视频,将获得的至少一个冷视频按质量排序,将排序后的冷视频按序加入第一视频集;每个冷视频标注有至少一个标签;
响应于冷视频库中不存在对应标签的冷视频,从冷视频库中获取至少一个冷视频,将获得的至少一个冷视频按质量排序,将排序后的冷视频按序加入第一视频集。
具体地,为了将没有点击率和曝光量的冷视频推荐给用户,提高冷视频的曝光量,本实施例将冷视频按质量排序后插入到第一视频集中,此时第一视频集中不仅包括了与用户相关的质量好的旧视频,还包括了用户可能感兴趣的新视频;而冷视频中可能存在对应用户的标签的冷视频,还有可能不存在对应用户的标签的冷视频,当存在对应标签的冷视频时,首先推荐对应标签的冷视频;只有当不存在对应标签的冷视频时,推荐不对应标签的冷视频,或当对应标签的冷视频推荐完之后,再推荐不对应标签的冷视频。
在本发明视频推荐方法上述各实施例的一个具体示例中,冷视频质量与上线时长呈反比,冷视频质量与点击率呈正比;点击率等于点击量与曝光量的比值;
上线时长越短冷视频质量越好,上线时长越长冷视频质量越差;点击率越高冷视频质量越好,点击率越低冷视频质量越差。
由于冷视频的特殊性,在冷视频刚刚上线时,是不存在点击率的,此时无法基于点击率对冷视频进行质量评价,此时,越新(上线时长越短)的冷视频质量越好,而随着上线时长的增加,冷视频也将存在点击率,此时,判断冷视频质量的标准将变成上线时长和点击率相结合,具体判断结果结合具体情况而定,本发明不做具体限制。
在本发明视频推荐方法上述各实施例的一个具体示例中,还包括:
每间隔设定时长或响应于冷视频的曝光量大于或等于设定量值,更新冷视频库中的冷视频。
具体地,为了保证冷视频库中只保存冷视频,需要定期对冷视频库进行更新,即将新上线的冷视频加入到冷视频库,将上线时长超过设定时长的视频,即已经不是冷视频的视频从冷视频库中删除;还有一种情况是,即使冷视频上线时长未达到设定时长,但其曝光量已经达到设定量值(例如:1000次),此时,该冷视频已经具有可以评价其质量的数据,此时该视频不属于冷视频,需要对冷视频库进行更新,将该视频移除。
在本发明视频推荐方法上述各实施例的一个具体示例中,每间隔设定时长更新冷视频库中的冷视频,包括:
响应于与上一次更新的间隔时长大于或等于设定间隔时长;
判断冷视频库中是否存在上线时长大于设定量值的冷视频,将上线时长大于设定量值的冷视频从冷视频库中删除。
和/或,响应于冷视频的曝光量大于或等于设定量值,将冷视频从冷视频库中删除。
具体地,对于上线时长超出设定量值的冷视频可以即时根据条件从冷视频库中删除,还可以如本实施例提供的定时从冷视频库中统一删除,还可以是当冷视频的曝光量达到设定量值将该冷视频从冷视频库中删除,并且,对于从冷视频库中删除的视频,可选地,可以将从冷视频库中删除的冷视频存入数据库。
由于从冷视频库中删除的视频在上线时长上已经不属于冷视频,但此时该视频已经有一定的曝光量,此时只需将该视频加入数据库即可,在后续推荐过程中基于点击率进行推荐。
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,操作104包括:
基于第一视频集为用户推荐第二预设数量的视频和第三预设数量的冷视频。
其中,第二预设数量和第三预设数量的和等于第一预设数量,本实施例为了保证每次都能为用户推荐至少一个冷视频,在第二视频集中加入第三预设数量的冷视频,此时是将第二视频集重排的过程,基于重排提高了冷视频的曝光量。
在本发明视频推荐方法上述各实施例的一个具体示例中,基于第一视频集为用户推荐第二预设数量的视频和第三预设数量的冷视频,包括:
响应于第二预设数量大于2,将第二预设数量的视频按照视频质量排序;
响应于第三预设数量大于2,将第三预设数量的冷视频按照质量排序;
为用户推荐排序后的视频和排序后的冷视频。
具体地,每次为用户推荐的视频并不是毫无顺序的,对于用户对应的标签,推荐视频中对应每个标签至少包括一个视频,如果用户对应的标签的数量大于第一预设数量,可在下一次推荐时,继续推荐其他标签对应的质量好的视频;即视频的排序是基于标签的,每个标签将对应一个视频的序列,提取推荐视频的过程中,基于用户对应的标签从对应的序列中获取相应的视频进行推荐,冷视频也是同样的;而如果用户仅对应一个标签,此时只需对该标签对应的视频基于质量排序,将排序后的视频推荐给用户。
可选地,响应于当为用户推荐一个标签达到设定数量,而用户没有点击该标签对应的视频;为用户推荐其他标签对应的视频。这是一个反馈过程,即当将某一标签推荐达到设定数量而用户没有点击时,说明用户对该标签内容不感兴趣,此时更换其他用户对应的标签进行推荐。
在本发明视频推荐方法上述各实施例的一个具体示例中,第二视频集中包括至少一个预设冷视频位置;第二视频集中冷视频的数量与预设冷视频位置相对应。
具体地,为了保证冷视频能够被用户看到,还可以通过设置至少一个冷视频位置来推荐冷视频,例如:为用户推荐的第二视频集包括10个推荐视频,可以固定的将第2个(可自行设定)和第8个(可自行设定)位置设置为冷视频位置,此时,第2个和第8个位置将固定只显示冷视频。
在本发明视频推荐方法上述各实施例的一个具体示例中,在为用户推荐排序后的视频和排序后的冷视频之前,还包括:
将排序后的冷视频按序输入预设冷视频位置。
具体地,在预设的冷视频位置包括2个以上时,排列靠前的位置输出哪个冷视频将决定了哪个视频被点击的几率更高,因此,此时为了提高用户体验,需要对冷视频进行排序输入,将质量较好的冷视频输入到排列靠前的位置,质量较差的冷视频输入到排列靠后的位置。
本发明视频推荐方法中涉及的视频可以包括长视频和/或短视频等,只要满足具体标签的视频的条件,即可实现推荐;当同事推荐长视频和短视频时,可分别对推荐设定数量的长视频和设定数量的短视频;还可以混合推荐长视频和短视频的总数为设定数量,其中限制长视频的数量或短视频的数量不少于设定个数。
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
匹配单元21,用于基于用户对应的标签,从数据库获取对应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,用于将冷视频加入第一视频集。
其中,冷视频是上线时长小于设定时长或曝光量小于设定量值的视频。
推荐单元24,用于基于第一视频集为用户推荐第二视频集。
其中,第二视频集中包括第一预设数量的推荐视频,推荐视频包括视频和/或冷视频。
基于本发明上述实施例提供的一种视频推荐装置,基于用户对应的标签,从数据库获取对应标签的至少一个视频,实现获取与用户相关的视频;通过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,使视频质量能在推荐过程中起到作用,将质量好的视频推荐给用户,能提供视频被用户点击的概率;将冷视频加入第一视频集,能够增加冷视频的曝光量,并为探索用户喜好提供新的选择;基于第一视频集为用户推荐第二视频集,通过设定数量的推荐视频使用户对多个视频进行选择。
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,匹配单元21,包括:
标签获取模块,用于获取用户查看视频的历史记录,基于历史记录中包括的所有视频对应的标签获得至少一个标签,将获得的标签作为用户对应的标签;
视频获取模块,用于基于至少一个标签从数据库中获取对应标签的至少一个视频。
具体地,为了实现视频推荐,需要查找与用户相关的视频,本实施例基于用户标签查找相关视频,通过标签匹配获得与用户相关的视频,并且,每个用户对应至少一个标签,而每个视频也对应至少一个标签,当视频对应的标签中有一个标签与用户的标签相对应的,即可将视频存入视频集,在后续为用户推荐视频提供基础。
在本发明视频推荐装置上述各实施例的一个具体示例中,数据库中包括至少一个标签条目;每个标签条目对应一个标签,每个标签条目中存储对应标签的所有视频;
视频获取模块,具体用于基于至少一个标签分别与标签条目对应的标签进行匹配;响应于标签条目对应的标签与至少一个标签中的一个匹配,输出标签条目中的所有视频。
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,具体用于对获取的至少一个视频按照质量由好到坏进行排序,得到排序后的第一视频集;
或,对获取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。
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,
具体用于判断冷视频库中是否存在对应标签的冷视频;冷视频库中保存至少一个冷视频;
响应于冷视频库中存在对应标签的冷视频,从冷视频库中基于标签获取至少一个冷视频,将获得的至少一个冷视频按质量排序,将排序后的冷视频按序加入第一视频集;每个冷视频标注有至少一个标签;
响应于冷视频库中不存在对应标签的冷视频,从冷视频库中获取至少一个冷视频,将获得的至少一个冷视频按质量排序,将排序后的冷视频按序加入第一视频集。具体地,为了将没有点击率和曝光量的冷视频推荐给用户,提高冷视频的曝光量,本实施例将冷视频按质量排序后插入到第一视频集中,此时第一视频集中不仅包括了与用户相关的质量好的旧视频,还包括了用户可能感兴趣的新视频;而冷视频中可能存在对应用户的标签的冷视频,还有可能不存在对应用户的标签的冷视频,当存在对应标签的冷视频时,首先推荐对应标签的冷视频;只有当不存在对应标签的冷视频时,推荐不对应标签的冷视频,或当对应标签的冷视频推荐完之后,再推荐不对应标签的冷视频。
在本发明视频推荐装置上述各实施例的一个具体示例中,冷视频质量与上线时长呈反比,冷视频质量与点击率呈正比;点击率等于点击量与曝光量的比值;
上线时长越短冷视频质量越好,上线时长越长冷视频质量越差;点击率越高冷视频质量越好,点击率越低冷视频质量越差。
在本发明视频推荐装置上述各实施例的一个具体示例中,还包括:
更新单元,用于每间隔设定时长更新冷视频库中的冷视频。
在本发明视频推荐装置上述各实施例的一个具体示例中,更新单元,具体用于响应于与上一次更新的间隔时长大于或等于设定间隔时长;判断冷视频库中是否存在上线时长大于设定量值的冷视频,将上线时长大于设定量值的冷视频从冷视频库中删除;和/或,响应于冷视频的曝光量大于或等于设定量值,将冷视频从冷视频库中删除。
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,还用于将从冷视频库中删除的冷视频存入数据库。
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,推荐单元24,具体用于基于第一视频集为用户推荐第二预设数量的视频和第三预设数量的冷视频。
其中,第二预设数量和第三预设数量的和等于第一预设数量,本实施例为了保证每次都能为用户推荐至少一个冷视频,在第二视频集中加入第三预设数量的冷视频,此时是将第二视频集重排的过程,基于重排提高了冷视频的曝光量。
在本发明视频推荐装置上述各实施例的一个具体示例中,推荐单元,包括:
第一排序模块,用于响应于第二预设数量大于2,将第二预设数量的视频按照视频质量排序;
第二排序模块,用于响应于第三预设数量大于2,将第三预设数量的冷视频按照质量排序;
按序推荐模块,用于为用户推荐排序后的视频和排序后的冷视频。
在本发明视频推荐装置上述各实施例的一个具体示例中,第二视频集中包括至少一个预设冷视频位置;第二视频集中冷视频的数量与预设冷视频位置相对应。
在本发明视频推荐装置上述各实施例的一个具体示例中,推荐单元,还包括:
位置输入模块,用于将排序后的冷视频按序输入预设冷视频位置。
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 (19)

1.一种视频推荐方法,其特征在于,包括:
基于用户对应的标签,从数据库获取对应所述标签的至少一个视频;所述数据库中预存有至少一个视频;
对所述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;
将冷视频加入所述第一视频集;所述冷视频是上线时长小于设定时长或曝光量小于设定量值的视频;
基于所述第一视频集为用户推荐第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括视频和/或冷视频。
2.根据权利要求1所述的方法,其特征在于,所述基于用户对应的标签,从数据库获取对应所述标签的至少一个视频,包括:
获取用户查看视频的历史记录,基于所述历史记录中包括的所有视频对应的标签获得至少一个标签,将所述获得的标签作为用户对应的标签;
基于所述至少一个标签从所述数据库中获取对应所述标签的至少一个视频。
3.根据权利要求2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标签,每个所述标签条目中存储对应所述标签的所有视频;
基于所述至少一个标签从所述数据库中获取对应所述标签的至少一个视频,包括:
基于所述至少一个标签分别与所述标签条目对应的标签进行匹配;
响应于所述标签条目对应的标签与所述至少一个标签中的一个匹配,输出所述标签条目中的所有视频。
4.根据权利要求1-3任一所述的方法,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,包括:
对所述获取的至少一个视频按照质量由好到坏进行排序,得到排序后的第一视频集;
或,对所述获取的至少一个视频按照质量由坏到好进行排序,得到排序后的第一视频集。
5.根据权利要求1-4任一所述的方法,其特征在于,所述将冷视频加入所述第一视频集,包括:
判断冷视频库中是否存在对应所述标签的冷视频;所述冷视频库中保存至少一个冷视频;
响应于所述冷视频库中存在对应所述标签的冷视频,从冷视频库中基于所述标签获取至少一个冷视频,将所述获得的至少一个冷视频按质量排序,将所述排序后的冷视频按序加入所述第一视频集;每个所述冷视频标注有至少一个标签;
响应于所述冷视频库中不存在对应所述标签的冷视频,从冷视频库中获取至少一个冷视频,将所述获得的至少一个冷视频按质量排序,将所述排序后的冷视频按序加入所述第一视频集。
6.根据权利要求5所述的方法,其特征在于,所述冷视频质量与上线时长呈反比,所述冷视频质量与点击率呈正比;所述点击率等于点击量与曝光量的比值;
所述上线时长越短所述冷视频质量越好,所述上线时长越长所述冷视频质量越差;所述点击率越高所述冷视频质量越好,所述点击率越低所述冷视频质量越差;
本发明方法,还包括:
每间隔设定时长或响应于所述冷视频的曝光量大于或等于设定量值,更新所述冷视频库中的冷视频。
7.根据权利要求6所述的方法,其特征在于,所述每间隔设定时长或响应于所述冷视频的曝光量大于或等于设定量值,更新所述冷视频库中的冷视频,包括:
响应于与上一次更新的间隔时长大于或等于设定间隔时长;
判断所述冷视频库中是否存在上线时长大于设定量值的冷视频,将所述上线时长大于设定量值的冷视频从所述冷视频库中删除;
和/或,响应于所述冷视频的曝光量大于或等于设定量值,将所述冷视频从所述冷视频库中删除;将从所述冷视频库中删除的冷视频存入数据库。
8.根据权利要求1-7任一所述的方法,其特征在于,基于所述第一视频集为用户推荐第二视频集,包括:
基于所述第一视频集为用户推荐第二预设数量的视频和第三预设数量的冷视频;所述第二预设数量和所述第三预设数量的和等于第一预设数量;
基于所述第一视频集为用户推荐第二预设数量的视频和第三预设数量的冷视频,包括:
响应于所述第二预设数量大于2,将所述第二预设数量的视频按照视频质量排序;
响应于所述第三预设数量大于2,将所述第三预设数量的冷视频按照质量排序;
为用户推荐所述排序后的视频和所述排序后的冷视频。
9.根据权利要求8所述的方法,其特征在于,所述第二视频集中包括至少一个预设冷视频位置;所述第二视频集中冷视频的数量与所述预设冷视频位置相对应;
在为用户推荐所述排序后的视频和所述排序后的冷视频之前,还包括:
将所述排序后的冷视频按序输入所述预设冷视频位置。
10.一种视频推荐装置,其特征在于,包括:
匹配单元,用于基于用户对应的标签,从数据库获取对应所述标签的至少一个视频;所述数据库中预存有至少一个视频;
排序单元,用于对所述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,用于将冷视频加入所述第一视频集;所述冷视频是上线时长小于设定时长或曝光量小于设定量值的视频;
推荐单元,用于基于所述第一视频集为用户推荐第二视频集;所述第二视频集中包括第一预设数量的推荐视频,所述推荐视频包括视频和/或冷视频。
11.根据权利要求10所述的装置,其特征在于,所述匹配单元,包括:
标签获取模块,用于获取用户查看视频的历史记录,基于所述历史记录中包括的所有视频对应的标签获得至少一个标签,将所述获得的标签作为用户对应的标签;
视频获取模块,用于基于所述至少一个标签从所述数据库中获取对应所述标签的至少一个视频;
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标签,每个所述标签条目中存储对应所述标签的所有视频;
所述视频获取模块,具体用于基于所述至少一个标签分别与所述标签条目对应的标签进行匹配;响应于所述标签条目对应的标签与所述至少一个标签中的一个匹配,输出所述标签条目中的所有视频。
12.根据权利要求10或11任一所述的装置,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,具体用于对所述获取的至少一个视频按照质量由好到坏进行排序,得到排序后的第一视频集;
或,对所述获取的至少一个视频按照质量由坏到好进行排序,得到排序后的第一视频集。
13.根据权利要求10-12任一所述的装置,其特征在于,所述打散单元,具体用于判断冷视频库中是否存在对应所述标签的冷视频;所述冷视频库中保存至少一个冷视频;
响应于所述冷视频库中存在对应所述标签的冷视频,从冷视频库中基于所述标签获取至少一个冷视频,将所述获得的至少一个冷视频按质量排序,将所述排序后的冷视频按序加入所述第一视频集;每个所述冷视频标注有至少一个标签;
响应于所述冷视频库中不存在对应所述标签的冷视频,从冷视频库中获取至少一个冷视频,将所述获得的至少一个冷视频按质量排序,将所述排序后的冷视频按序加入所述第一视频集。
14.根据权利要求13所述的装置,其特征在于,还包括:
更新单元,用于每间隔设定时长或响应于所述冷视频的曝光量大于或等于设定量值,更新所述冷视频库中的冷视频;
所述更新单元,具体用于响应于与上一次更新的间隔时长大于或等于设定间隔时长;判断所述冷视频库中是否存在上线时长大于设定量值的冷视频,将所述上线时长大于设定量值的冷视频从所述冷视频库中删除;
和/或,响应于所述冷视频的曝光量大于或等于设定量值,将所述冷视频从所述冷视频库中删除;
并将从所述冷视频库中删除的冷视频存入数据库。
15.根据权利要求10-14任一所述的装置,其特征在于,所述推荐单元,具体用于基于所述第一视频集为用户推荐第二预设数量的视频和第三预设数量的冷视频;所述第二预设数量和所述第三预设数量的和等于第一预设数量;
所述推荐单元,包括:
第一排序模块,用于响应于所述第二预设数量大于2,将所述第二预设数量的视频按照视频质量排序;
第二排序模块,用于响应于所述第三预设数量大于2,将所述第三预设数量的冷视频按照质量排序;
按序推荐模块,用于为用户推荐所述排序后的视频和所述排序后的冷视频。
16.一种电子设备,其特征在于,包括处理器,所述处理器包括权利要求10至15任意一项所述的视频推荐装置。
17.一种电子设备,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9任意一项所述视频推荐方法的操作。
18.一种计算机存储介质,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9任意一项所述视频推荐方法的操作。
19.一种计算机程序,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9任意一项所述视频推荐方法的指令。
CN201711471723.XA 2017-12-28 2017-12-28 视频推荐方法和装置、电子设备、存储介质、程序 Pending CN108228784A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711471723.XA CN108228784A (zh) 2017-12-28 2017-12-28 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
CN201711471723.XA CN108228784A (zh) 2017-12-28 2017-12-28 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
CN108228784A true CN108228784A (zh) 2018-06-29

Family

ID=62645876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711471723.XA Pending CN108228784A (zh) 2017-12-28 2017-12-28 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) CN108228784A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213933A (zh) * 2018-08-14 2019-01-15 腾讯科技(深圳)有限公司 内容项推荐方法、装置、设备及存储介质
CN109241346A (zh) * 2018-08-30 2019-01-18 武汉斗鱼网络科技有限公司 一种视频推荐方法和装置
CN109635157A (zh) * 2018-10-30 2019-04-16 北京奇艺世纪科技有限公司 模型生成方法、视频搜索方法、装置、终端及存储介质
CN110929177A (zh) * 2018-09-20 2020-03-27 腾讯科技(北京)有限公司 一种电子资源推荐方法、装置和存储介质
CN110996142A (zh) * 2019-11-08 2020-04-10 北京奇艺世纪科技有限公司 视频召回方法及装置、电子设备及存储介质
CN112767053A (zh) * 2021-01-29 2021-05-07 北京达佳互联信息技术有限公司 信息处理方法、装置、电子设备及存储介质
CN113242459A (zh) * 2021-07-13 2021-08-10 武汉斗鱼鱼乐网络科技有限公司 一种新视频曝光方法、装置、介质及计算机设备
CN113781086A (zh) * 2021-01-21 2021-12-10 北京沃东天骏信息技术有限公司 物品推荐方法、装置、介质及电子设备
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
CN116193206A (zh) * 2023-04-25 2023-05-30 北京小糖科技有限责任公司 优质内容筛选方法、装置、终端设备及存储介质

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213933B (zh) * 2018-08-14 2023-03-21 腾讯科技(深圳)有限公司 内容项推荐方法、装置、设备及存储介质
CN109213933A (zh) * 2018-08-14 2019-01-15 腾讯科技(深圳)有限公司 内容项推荐方法、装置、设备及存储介质
CN109241346A (zh) * 2018-08-30 2019-01-18 武汉斗鱼网络科技有限公司 一种视频推荐方法和装置
CN109241346B (zh) * 2018-08-30 2021-01-01 武汉斗鱼网络科技有限公司 一种视频推荐方法和装置
CN110929177A (zh) * 2018-09-20 2020-03-27 腾讯科技(北京)有限公司 一种电子资源推荐方法、装置和存储介质
CN110929177B (zh) * 2018-09-20 2024-04-02 腾讯科技(北京)有限公司 一种电子资源推荐方法、装置和存储介质
CN109635157A (zh) * 2018-10-30 2019-04-16 北京奇艺世纪科技有限公司 模型生成方法、视频搜索方法、装置、终端及存储介质
CN110996142A (zh) * 2019-11-08 2020-04-10 北京奇艺世纪科技有限公司 视频召回方法及装置、电子设备及存储介质
CN110996142B (zh) * 2019-11-08 2021-12-07 北京奇艺世纪科技有限公司 视频召回方法及装置、电子设备及存储介质
CN113781086A (zh) * 2021-01-21 2021-12-10 北京沃东天骏信息技术有限公司 物品推荐方法、装置、介质及电子设备
CN112767053A (zh) * 2021-01-29 2021-05-07 北京达佳互联信息技术有限公司 信息处理方法、装置、电子设备及存储介质
CN113242459B (zh) * 2021-07-13 2021-10-15 武汉斗鱼鱼乐网络科技有限公司 一种新视频曝光方法、装置、介质及计算机设备
CN113242459A (zh) * 2021-07-13 2021-08-10 武汉斗鱼鱼乐网络科技有限公司 一种新视频曝光方法、装置、介质及计算机设备
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
CN116193206A (zh) * 2023-04-25 2023-05-30 北京小糖科技有限责任公司 优质内容筛选方法、装置、终端设备及存储介质
CN116193206B (zh) * 2023-04-25 2023-08-22 北京小糖科技有限责任公司 优质内容筛选方法、装置、终端设备及存储介质

Similar Documents

Publication Publication Date Title
CN108228784A (zh) 视频推荐方法和装置、电子设备、存储介质、程序
US10235680B2 (en) System and method for populating a database with user input
CN112261423B (zh) 用于推送信息的方法、装置、设备以及存储介质
CN107818166A (zh) 一种资讯推荐方法、装置、服务器及系统
CN108108446A (zh) 视频推荐方法和装置、电子设备、存储介质、程序
CN110096614B (zh) 信息推荐方法及装置、电子设备
CN108230026A (zh) 广告推荐方法和装置、电子设备、存储介质、程序
EP4083857A1 (en) Information prediction model training method and apparatus, information prediction method and apparatus, storage medium, and device
CN109218390A (zh) 用户筛选方法及装置
CN109829063B (zh) 一种数据处理方法、装置及存储介质
CN114461871B (zh) 推荐模型训练方法、对象推荐方法、装置及存储介质
CN105915956A (zh) 视频内容的推荐方法、装置、服务器及系统
CN108460627A (zh) 营销活动方案推送方法、装置、计算机设备及存储介质
CN111597446B (zh) 基于人工智能的内容推送方法、装置、服务器和存储介质
CN111815375B (zh) 广告投放中的用户画像方法及装置
CN112100221B (zh) 一种资讯推荐方法、装置、推荐服务器及存储介质
CN107644100A (zh) 信息处理方法、装置以及系统和计算机可读存储介质
CN112804541B (zh) 一种用户行为跟踪方法、装置、电子设备及存储介质
CN109168047A (zh) 视频推荐方法、装置、服务器及存储介质
CN110209921B (zh) 媒体资源的推送方法和装置、以及存储介质和电子装置
CN112966081A (zh) 处理问答信息的方法、装置、设备和存储介质
CN1332342C (zh) 在万维网上进行搜索的系统和方法
CN107944026A (zh) 一种图集个性化推荐的方法、装置、服务器和存储介质
Thiyagarajan et al. Recommendation of web pages using weighted K-means clustering
CN112269943B (zh) 一种信息推荐系统及方法

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