CN108733842B - 视频推荐方法及装置 - Google Patents
视频推荐方法及装置 Download PDFInfo
- Publication number
- CN108733842B CN108733842B CN201810532328.6A CN201810532328A CN108733842B CN 108733842 B CN108733842 B CN 108733842B CN 201810532328 A CN201810532328 A CN 201810532328A CN 108733842 B CN108733842 B CN 108733842B
- Authority
- CN
- China
- Prior art keywords
- recommended
- video
- recommendation
- reason
- personalized
- 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
Links
Images
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种视频推荐方法及装置,以解决目前的视频推荐无法满足用户的需求,用户体验较差的问题。其中方法包括:获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由;从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由;显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由。本发明针对待推荐视频设计了与其相关的个性化推荐理由及非个性化推荐理由,从不同的角度推荐视频,增加了推荐理由的多样性,能够更好地满足用户的需求,提升用户体验。
Description
技术领域
本发明涉及多媒体技术领域,特别是涉及一种视频推荐方法及一种视频推荐装置。
背景技术
随着互联网技术的飞速发展,人们越来越依赖通过互联网获得各种信息。电影作为日常主要精神娱乐项目之一越来越受广大用户的喜爱,但是随着电影的数量急剧上升,如何在大量的电影中找到用户感兴趣的电影成为一个热门的研究问题。
为了解决上述问题,出现了个性化电影这个新颖的产品,可以根据用户的兴趣偏好,向用户推荐用户可能感兴趣的电影,从而根据不同用户进行个性化服务。在推荐电影时,将设计一些推荐理由显示给用户,用户可以根据推荐理由选择自己需要的电影。
但是,目前对于推荐理由的设计都比较宽泛、死板,设计的推荐理由过少而且重复理由太多,不能很好地体现个性化和多样性,无法满足用户的需求,用户体验较差。
发明内容
本发明实施例提供一种视频推荐方法及装置,以解决目前的视频推荐无法满足用户的需求,用户体验较差的问题。
为了解决上述技术问题,本发明提供了一种视频推荐方法,包括:
获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由;
从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由;
显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由。
优选地,所述从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由的步骤,包括:
针对每个推荐理由,计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值;
选取最大的多样性目标函数值对应的组合中的推荐理由,作为与所述待推荐视频匹配的推荐理由。
优选地,所述计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值的步骤,包括:
计算所述待推荐视频与当前推荐理由的组合的偏好得分;
分别计算所述待推荐视频与当前推荐理由的组合,和所述待推荐视频与对应的其余各个推荐理由的组合之间、以及所述待推荐视频集合中除所述待推荐视频之外的其余各个待推荐视频与对应的各个推荐理由的组合之间的相似度;
依据所述偏好得分及所述相似度计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值。
优选地,所述选取最大的多样性目标函数值对应的组合中的推荐理由,作为与所述待推荐视频匹配的推荐理由的步骤,包括:
计算如下公式:
其中,di表示第i个(待推荐视频,推荐理由)的组合,dj表示第j个(待推荐视频,推荐理由)的组合,i、j均为自然数,rel(di,u)表示用户u对di这个组合的偏好得分,sim(di,dj)表示di和dj的相似度,R为待推荐视频集合,S为重排序后的推荐视频集合,argmax表示使多样性目标函数值达到最大值时对应的(待推荐视频,推荐理由)的组合,λ为0~1之间的参数。
优选地,所述方法还包括:
获取待推荐视频对应的通用推荐理由;
所述从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由的步骤,包括:
从所述个性化推荐理由、所述非个性化推荐理由及所述通用推荐理由中确定与所述待推荐视频匹配的推荐理由。
优选地,所述获取待推荐视频对应的个性化推荐理由及非个性化推荐理由的步骤,包括:
采用预设的召回方式执行视频召回操作,得到所述待推荐视频对应的个性化推荐理由;
对所述待推荐视频在预设维度上的特性进行分析,得到所述待推荐视频对应的非个性化推荐理由。
另一方面,本发明实施例还提供了一种视频推荐装置,包括:
第一获取模块,用于获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由;
确定模块,用于从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由;
显示模块,用于显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由。
优选地,所述确定模块包括:
计算单元,用于针对每个推荐理由,计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值;
选取单元,用于选取最大的多样性目标函数值对应的组合中的推荐理由,作为与所述待推荐视频匹配的推荐理由。
优选地,所述装置还包括:
第二获取模块,用于获取待推荐视频对应的通用推荐理由;
所述确定模块,具体用于从所述个性化推荐理由、所述非个性化推荐理由及所述通用推荐理由中确定与所述待推荐视频匹配的推荐理由。
优选地,所述第一获取模块包括:
召回单元,用于采用预设的召回方式执行视频召回操作,得到所述待推荐视频对应的个性化推荐理由;
分析单元,用于对所述待推荐视频在预设维度上的特性进行分析,得到所述待推荐视频对应的非个性化推荐理由。
本发明实施例中,在进行视频推荐时,获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由,然后从个性化推荐理由及非个性化推荐理由中确定与待推荐视频匹配的推荐理由,然后显示待推荐视频及与待推荐视频匹配的推荐理由。本发明实施例针对待推荐视频设计了与其相关的个性化推荐理由及非个性化推荐理由,从不同的角度推荐视频,增加了推荐理由的多样性,能够更好地满足用户的需求,提升用户体验。
附图说明
图1是本发明实施例一的一种视频推荐方法的步骤流程图;
图2是本发明实施例二的一种视频推荐方法的步骤流程图;
图3是本发明实施例二的一种视频推荐过程的示意图;
图4是本发明实施例三的一种视频推荐装置的结构框图;
图5是本发明实施例四的一种视频推荐装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
参照图1,示出了本发明实施例一的一种视频推荐方法的步骤流程图。
本发明实施例的视频推荐方法包括以下步骤:
步骤101,获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由。
为了更好地满足用户需求,视频网站推出了个性化服务,可以为用户提供个性化的视频推荐服务。现有技术在推荐视频时,为待推荐视频设计一些比较匹配用户需求的推荐理由,但是,目前对于推荐理由的设计都比较宽泛、死板,设计的推荐理由过少而且重复理由太多,不能很好地体现个性化和多样性。
本发明实施例针对上述问题,在获取到待推荐视频集合后,并不是按照现有技术中给出的简单的推荐理由进行视频推荐,而是针对待推荐视频集合中的各待推荐视频设计了个性化推荐理由和非个性化推荐理由。比如,个性化推荐理由可以依据用户的一些个性化信息利用召回模型得到,个性化推荐理由能够满足用户的个性化需求;非个性化推荐理由可以依据待推荐视频自身的一些特性分析得到,非个性化推荐理由可以进一步增加推荐理由的多样性。
步骤102,从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由。
在对某个待推荐视频进行推荐时,获取该待推荐视频对应的个性化推荐理由及非个性化推荐理由,然后从这些个性化推荐理由和非个性化推荐理由中确定出与该待推荐视频匹配的推荐理由。
步骤103,显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由。
将待推荐视频推荐给用户时,显示上述待推荐视频及与待推荐视频匹配的推荐理由。比如,可以在用户界面中划分理由显示区域和视频显示区域,可以在视频显示区域显示待推荐视频,在理由显示区域中显示与待推荐视频匹配的推荐理由。
本发明实施例中,在进行视频推荐时,获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由,然后从个性化推荐理由及非个性化推荐理由中确定与待推荐视频匹配的推荐理由,然后显示待推荐视频及与待推荐视频匹配的推荐理由。本发明实施例针对待推荐视频设计了与其相关的个性化推荐理由及非个性化推荐理由,从不同的角度推荐视频,增加了推荐理由的多样性,能够更好地满足用户的需求,提升用户体验。
实施例二
参照图2,示出了本发明实施例二的一种视频推荐方法的步骤流程图。
本发明实施例的视频推荐方法包括以下步骤:
步骤201,获取待推荐视频集合。
在进行个性化视频推荐时,首先获取待推荐视频集合,该集合中可以包括多个待推荐视频。比如,本发明实施例中可以采用召回排序等方式获取待推荐视频集合,对于具体的获取过程,本领域技术人员根据实际经验进行相关处理即可,本发明实施例在此不再详细论述。
步骤202,获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由。
本发明实施例中,设计了个性化推荐理由和非个性化推荐理由。针对待推荐视频集合中的每个待推荐视频,均可以获取待推荐视频对应的个性化推荐理由及非个性化推荐理由。本发明实施例中主要介绍针对一个当前待推荐视频的处理过程。
个性化推荐理由可以利用召回模型,采用预设的召回方式依据用户的个性化需求信息执行视频召回操作得到,个性化推荐理由能够体现出用户的个性化需求。比如,召回方式可以包括以下至少之一:影人召回、标签召回、协同召回、电影召回,当然还可以采用其它召回方式,本发明实施例对此并不加以限制。
以下举例说明个性化推荐理由:
a)影人(导演、主演、编剧)召回:根据用户偏好得到用户对于某些影人的偏好,比如喜欢“成龙”,就很可能推荐成龙的电影,设计的个性化推荐理由可以是“试试成龙的电影”。
b)标签召回:根据用户偏好得到用户对于某个电影标签的偏好,比如喜欢的电影标签为“恐怖”,则可以推荐恐怖电影,设计的个性化推荐理由可以是“为您推荐恐怖类电影”。
c)协同召回:通过协同过滤为用户推荐电影,比如有多个看过电影A的用户也看过电影B,则在当前用户观看过电影A时,可以向其推荐电影B,设计的个性化推荐理由可以是“看过XXX的人正在看”。
d)电影召回:通过电影之间的相似性为用户推荐电影,比如电影A和电影B之间有很强的相似性时,则在当前用户观看过电影A时,可以向其推荐电影B,设计的个性化推荐理由可以“喜欢XXX的人还喜欢”。
如果仅设计上述个性化推荐理由,则推荐理由的种类较少,因此本发明实施例又提出了非个性化推荐理由。比如,根据用户偏好推荐了几部“悬疑”电影,但是如果全用“为您推荐悬疑类电影”这样的推荐理由,这样容易让用户产生审美疲劳,调动不起用户观看的欲望。所以本发明实施例可以换一些角度去给出推荐理由,如推荐的电影豆瓣评分高,或者为某电影节获奖作品等。
非个性化推荐理由可以通过对待推荐视频在预设维度上的特性进行分析得到,非个性化推荐理由能够体现出视频自身的特性。比如,维度可以包括以下至少之一:质量、渠道、制作、时间、影响、类型、题材,当然还可以在其他维度上进行分析,本发明实施例对此并不加以限制。
以下举例说明:
a)获奖作品:非个性化推荐理由可以为“XXX年XXX电影节获奖作品”;
b)豆瓣高分(>8分)电影:非个性化推荐理由可以为“豆瓣XXX分电影”;
c)热门电影:非个性化推荐理由可以为“大家都在看”;
d)独播电影:非个性化推荐理由可以为“爱奇艺独播”;
e)编辑推荐电影:非个性化推荐理由可以为“编辑五星推荐”;
f)巨制电影:非个性化推荐理由可以为“不可不看的巨制”;
g)小成本电影:非个性化推荐理由可以为“适合您口味的小成本影片”;
h)院线电影:非个性化推荐理由可以为“在家看院线大片”;
i)热度不高但评分很高的电影:非个性化推荐理由可以为“冷门佳片”;
j)某类型热度高电影:非个性化推荐理由可以为“XXX类电影排行榜前30%”;
k)某类型评分高电影:非个性化推荐理由可以为“好于60%的XXX片”
l)某题材热度高电影:非个性化推荐理由可以为“XXX题材影片热度前30%”。
步骤203,从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由。
获取到待推荐视频对应的个性化推荐理由和非个性化推荐理由,则该待推荐视频即有了多个推荐理由,然后再从这些个性化推荐理由及非个性化推荐理由中确定与待推荐视频匹配的推荐理由,避免单一化、机械化。
在一种优选实施方式中,可以采用MMR(Maximal Marginal Relevance,最大边缘相关)算法来确定与待推荐视频匹配的推荐理由。
该步骤203可以包括以下子步骤:
子步骤a1,针对每个推荐理由,计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值。
上述针对一个待推荐视频获取到对应的多个推荐理由,针对每个推荐理由,分别计算待推荐视频与当前推荐理由的组合对应的多样性目标函数值。以下以待推荐视频与一个推荐理由的组合为例进行介绍。
子步骤a1可以包括:
a11,计算所述待推荐视频与当前推荐理由的组合的偏好得分。
对于用户对所述待推荐视频与当前推荐理由的组合的偏好得分,本领域技术人员可以根据实际经验采用任意适用的方式计算得到,比如可以利用排序模型计算得到,本发明实施例在此不再详细论述。
a12,分别计算所述待推荐视频与当前推荐理由的组合,和所述待推荐视频与对应的其余各个推荐理由的组合之间、以及所述待推荐视频集合中除所述待推荐视频之外的其余各个待推荐视频与对应的各个推荐理由的组合之间的相似度。
由于待推荐视频有多个,每个待推荐视频又对应多个推荐理由,因此可以组成多个待推荐视频与推荐理由的组合。本发明实施例中,针对一个待推荐视频,分别计算该待推荐视频与当前推荐理由的组合与其他各个组合之间的相似度。也即,计算该待推荐视频与当前推荐理由的组合、和该待推荐视频与对应的其余各个推荐理由的组合之间的相似度,以及计算该待推荐视频与当前推荐理由的组合、和待推荐视频集合中除该待推荐视频之外的其余各个待推荐视频与对应的各个推荐理由的组合之间的相似度。例如,待推荐视频集合中有A、B、C三个待推荐视频,其中A对应的推荐理由为a、b,B对应的推荐理由为c、d,C对应的推荐理由为e、f。因此能够得到的待推荐视频与推荐理由的组合包括(A,a)、(A,b)、(B,c)、(B,d)、(C,e)、(C,f)。针对待推荐视频A与当前推荐理由a的组合(A,a),分别计算(A,a)与(A,b)之间的相似度,(A,a)与(B,c)之间的相似度,(A,a)与(B,d)之间的相似度,(A,a)与(C,e)之间的相似度,以及(A,a)与(C,f)之间的相似度。
本发明实施例中,对于两个组合之间的相似度的定义与以下几点有关:
1、两个组合是否有相同类型的推荐理由。
2、两个组合是否对应相同的召回方式。
3、两个组合的视频若相同,理由不同,则相似度等于+∞,这个设定的原因是这两个组合在最后结果中应该是互斥的关系,即不能基于两个不同的推荐理由推荐两个相同的视频。
对于组合之间相似度的具体计算,本领域技术人员可以根据实际经验采用任意适用的方式计算得到,本发明实施例在此不再详细论述。
a13,依据所述偏好得分及所述相似度计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值。
子步骤a2,选取最大的多样性目标函数值对应的组合中的推荐理由,作为与所述待推荐视频匹配的推荐理由。
根据MMR算法,a2具体可以计算如下公式:
其中,示多样性目标函数值,di表示第i个(待推荐视频,推荐理由)的组合,dj表示第j个(待推荐视频,推荐理由)的组合,i、j均为自然数,rel(di,u)表示用户u对di这个组合的偏好得分,sim(di,dj)表示di和dj的相似度,R为待推荐视频集合,S为重排序后的推荐视频集合,argmax表示使多样性目标函数值达到最大值时对应的(待推荐视频,推荐理由)的组合,λ为0~1之间的参数,用于平衡推荐理由的多样性与用户偏好,它越小就越关注推荐理由的多样性。
考虑到直接求解上面的优化问题复杂度较高,本发明实施例可以利用贪婪算法近似,设R为排序模型得出的待推荐视频集合,S为MMR算法重排后的结果,生成S过程为:不断从R中挑选一个待推荐视频加入S,该待推荐视频的推荐理由的选择是使每一次新加入的待推荐视频与推荐理由的组合都能最大化当前目标函数。
上述方式针对推荐理由进行直接优化,可以改善推荐理由单一的问题,并且刻画合适的sim(di,dj)函数,人工策略少,再加上贪婪策略,算法复杂度和实现难度小,并且为了进一步优化贪婪策略,可以对λ参数不断地调优。
步骤204,显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由。
针对每个待推荐视频均可以按照上述方式处理,通过上述过程,可以得到各个待推荐视频及与各个待推荐视频匹配的推荐理由,显示这些待推荐视频及匹配的推荐理由,完成视频推荐。比如,可以将推荐理由作为一个分类显示,将待推荐视频在这一分类的推荐理由下显示,因此一个推荐理由的分类下可以显示多个待推荐视频。
上述过程基于个性化推荐理由和非个性化推荐理由进行视频推荐。参照图3,示出了本发明实施例二的一种视频推荐过程的示意图。由图3可知视频推荐过程可以包括:通过召回模型得到个性化推荐理由;通过电影特性得到非个性化推荐理由;依据个性化推荐理由和非个性化推荐理由执行MMR算法;显示推荐结果。
本发明实施例进一步考虑到虽然有多种推荐理由,但可能并不能完全保证每一个视频都有属于自己的非个性化推荐理由。因此本发明实施例还可以预先设置多个通用推荐理由,比如“您可能感兴趣”和“挑你所爱”等。这样每个电影都有了多个属于自己的非个性化推荐理由,进一步提高推荐理由的多样性。
因此,在一种优选实施方式中,在获取待推荐视频的集合后,还可以获取待推荐视频对应的通用推荐理由。在该种情况下,上述步骤203具体可以为从所述个性化推荐理由、所述非个性化推荐理由及所述通用推荐理由中确定与所述待推荐视频匹配的推荐理由。对于该过程的具体实现,与上述步骤203基本相似,具体参照上述步骤203的相关描述即可,本发明实施例在此不再详细论述。
本发明实施例从多个维度,多个方向设计了推荐理由,丰富了个性化电影这个产品的形态,让用户看到这些推荐理由就能体验到设计者的用心并产生兴趣,提高用户体验。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
实施例三
参照图4,示出了本发明实施例三的一种视频推荐装置的结构框图。
本发明实施例的视频推荐装置包括以下模块:
第一获取模块401,用于获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由;
确定模块402,用于从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由;
显示模块403,用于显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由。
本发明实施例中,在进行视频推荐时,获取待推荐视频对应的个性化推荐理由及非个性化推荐理由,然后从个性化推荐理由及非个性化推荐理由中确定与待推荐视频匹配的推荐理由,然后显示待推荐视频及与待推荐视频匹配的推荐理由。本发明实施例针对待推荐视频设计了与其相关的个性化推荐理由及非个性化推荐理由,从不同的角度推荐视频,增加了推荐理由的多样性,能够更好地满足用户的需求,提升用户体验。
实施例四
图5是本发明实施例四的一种视频推荐装置的结构框图。
本发明实施例的视频推荐装置包括以下模块:
第一获取模块501,用于获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由;
确定模块502,用于从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由;
显示模块503,用于显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由。
优选地,所述第一获取模块501包括:
召回单元5011,用于采用预设的召回方式执行视频召回操作,得到所述待推荐视频对应的个性化推荐理由;
分析单元5012,用于对所述待推荐视频在预设维度上的特性进行分析,得到所述待推荐视频对应的非个性化推荐理由。
优选地,所述确定模块502包括:
计算单元5021,用于针对每个推荐理由,计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值;
选取单元5022,用于选取最大的多样性目标函数值对应的组合中的推荐理由,作为与所述待推荐视频匹配的推荐理由。
优选地,所述计算单元包括:
偏好计算子单元,用于计算所述待推荐视频与当前推荐理由的组合的偏好得分;
相似度计算子单元,用于分别计算所述待推荐视频与当前推荐理由的组合,和所述待推荐视频与对应的其余各个推荐理由的组合之间、以及所述待推荐视频集合中除所述待推荐视频之外的其余各个待推荐视频与对应的各个推荐理由的组合之间的相似度;
函数计算子单元,用于依据所述偏好得分及所述相似度计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值。
优选地,所述选取单元5022,具体用于计算如下公式:
其中,di表示第i个(待推荐视频,推荐理由)的组合,dj表示第j个(待推荐视频,推荐理由)的组合,i、j均为自然数,rel(di,u)表示用户u对di这个组合的偏好得分,sim(di,dj)表示di和dj的相似度,R为待推荐视频集合,S为重排序后的推荐视频集合,argmax表示使多样性目标函数值达到最大值时对应的(待推荐视频,推荐理由)的组合,λ为0~1之间的参数。
优选地,所述装置还包括:第二获取模块504,用于获取待推荐视频对应的通用推荐理由。相应的,所述确定模块502,具体用于从所述个性化推荐理由、所述非个性化推荐理由及所述通用推荐理由中确定与所述待推荐视频匹配的推荐理由。
本发明实施例从多个维度,多个方向设计了推荐理由,丰富了个性化电影这个产品的形态,让用户看到这些推荐理由就能体验到设计者的用心并产生兴趣,提高用户体验。
对于装置实施例而言,由于其与方法实施例基本相似,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。
本说明书中的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他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明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。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(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通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端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或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机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或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端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。
尽管已描述了本发明实施例的优选实施例,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,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,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“包括一个……”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相同要素。
以上对本发明所提供的一种视频推荐方法和一种视频推荐装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种视频推荐方法,其特征在于,包括:
获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由;
从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由;
显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由;
其中,所述从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由的步骤,包括:
针对每个推荐理由,计算所述待推荐视频与当前推荐理由的组合的偏好得分;
分别计算所述待推荐视频与当前推荐理由的组合,和所述待推荐视频与对应的其余各个推荐理由的组合之间、以及所述待推荐视频集合中除所述待推荐视频之外的其余各个待推荐视频与对应的各个推荐理由的组合之间的相似度;
依据所述偏好得分及所述相似度计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值;
选取最大的多样性目标函数值对应的组合中的推荐理由,作为与所述待推荐视频匹配的推荐理由。
3.根据权利要求1所述的方法,其特征在于,
所述方法还包括:
获取待推荐视频对应的通用推荐理由;
所述从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由的步骤,包括:
从所述个性化推荐理由、所述非个性化推荐理由及所述通用推荐理由中确定与所述待推荐视频匹配的推荐理由。
4.根据权利要求1所述的方法,其特征在于,所述获取待推荐视频对应的个性化推荐理由及非个性化推荐理由的步骤,包括:
采用预设的召回方式执行视频召回操作,得到所述待推荐视频对应的个性化推荐理由;
对所述待推荐视频在预设维度上的特性进行分析,得到所述待推荐视频对应的非个性化推荐理由。
5.一种视频推荐装置,其特征在于,包括:
第一获取模块,用于获取待推荐视频集合中的各待推荐视频对应的个性化推荐理由及非个性化推荐理由;
确定模块,用于从所述个性化推荐理由及所述非个性化推荐理由中确定与所述待推荐视频匹配的推荐理由;
显示模块,用于显示所述待推荐视频及所述与所述待推荐视频匹配的推荐理由;
其中,所述确定模块包括:
计算单元,用于针对每个推荐理由,计算所述待推荐视频与当前推荐理由的组合的偏好得分;
分别计算所述待推荐视频与当前推荐理由的组合,和所述待推荐视频与对应的其余各个推荐理由的组合之间、以及所述待推荐视频集合中除所述待推荐视频之外的其余各个待推荐视频与对应的各个推荐理由的组合之间的相似度;
依据所述偏好得分及所述相似度计算所述待推荐视频与当前推荐理由的组合对应的多样性目标函数值;
选取单元,用于选取最大的多样性目标函数值对应的组合中的推荐理由,作为与所述待推荐视频匹配的推荐理由。
6.根据权利要求5所述的装置,其特征在于,
所述装置还包括:
第二获取模块,用于获取待推荐视频对应的通用推荐理由;
所述确定模块,具体用于从所述个性化推荐理由、所述非个性化推荐理由及所述通用推荐理由中确定与所述待推荐视频匹配的推荐理由。
7.根据权利要求5所述的装置,其特征在于,所述第一获取模块包括:
召回单元,用于采用预设的召回方式执行视频召回操作,得到所述待推荐视频对应的个性化推荐理由;
分析单元,用于对所述待推荐视频在预设维度上的特性进行分析,得到所述待推荐视频对应的非个性化推荐理由。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810532328.6A CN108733842B (zh) | 2018-05-29 | 2018-05-29 | 视频推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810532328.6A CN108733842B (zh) | 2018-05-29 | 2018-05-29 | 视频推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108733842A CN108733842A (zh) | 2018-11-02 |
CN108733842B true CN108733842B (zh) | 2021-06-22 |
Family
ID=63936695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810532328.6A Active CN108733842B (zh) | 2018-05-29 | 2018-05-29 | 视频推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108733842B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598045B (zh) * | 2019-09-06 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置 |
CN110619063A (zh) | 2019-09-20 | 2019-12-27 | 北京字节跳动网络技术有限公司 | 基于视频搜索的视频推送方法、装置、电子设备 |
CN112711702A (zh) * | 2019-10-25 | 2021-04-27 | 华为技术有限公司 | 基于用户隐私数据的推荐方法及其装置、介质和系统 |
CN110677701A (zh) * | 2019-11-20 | 2020-01-10 | 咪咕文化科技有限公司 | 视频流推荐方法、电子设备和存储介质 |
CN111182332B (zh) * | 2019-12-31 | 2022-03-22 | 广州方硅信息技术有限公司 | 视频处理方法、装置、服务器及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271559A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 一种基于用户局部兴趣挖掘的协作推荐系统 |
CN104866490A (zh) * | 2014-02-24 | 2015-08-26 | 风网科技(北京)有限公司 | 一种视频智能推荐方法及其系统 |
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 |
CN106326486A (zh) * | 2016-09-05 | 2017-01-11 | 北京百度网讯科技有限公司 | 基于人工智能的推送信息的方法和装置 |
CN107169029A (zh) * | 2017-04-13 | 2017-09-15 | 深圳大学 | 一种推荐方法及装置 |
CN107220865A (zh) * | 2017-04-11 | 2017-09-29 | 北京小度信息科技有限公司 | 对象推荐方法及装置 |
CN107454442A (zh) * | 2017-09-07 | 2017-12-08 | 广州优视网络科技有限公司 | 一种推荐视频的方法和装置 |
CN107609960A (zh) * | 2017-10-18 | 2018-01-19 | 口碑(上海)信息技术有限公司 | 推荐理由生成方法及装置 |
CN110097412A (zh) * | 2018-01-31 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 物品推荐方法、装置、设备以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9639881B2 (en) * | 2013-05-20 | 2017-05-02 | TCL Research America Inc. | Method and system for personalized video recommendation based on user interests modeling |
-
2018
- 2018-05-29 CN CN201810532328.6A patent/CN108733842B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271559A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 一种基于用户局部兴趣挖掘的协作推荐系统 |
CN104866490A (zh) * | 2014-02-24 | 2015-08-26 | 风网科技(北京)有限公司 | 一种视频智能推荐方法及其系统 |
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 |
CN106326486A (zh) * | 2016-09-05 | 2017-01-11 | 北京百度网讯科技有限公司 | 基于人工智能的推送信息的方法和装置 |
CN107220865A (zh) * | 2017-04-11 | 2017-09-29 | 北京小度信息科技有限公司 | 对象推荐方法及装置 |
CN107169029A (zh) * | 2017-04-13 | 2017-09-15 | 深圳大学 | 一种推荐方法及装置 |
CN107454442A (zh) * | 2017-09-07 | 2017-12-08 | 广州优视网络科技有限公司 | 一种推荐视频的方法和装置 |
CN107609960A (zh) * | 2017-10-18 | 2018-01-19 | 口碑(上海)信息技术有限公司 | 推荐理由生成方法及装置 |
CN110097412A (zh) * | 2018-01-31 | 2019-08-06 | 阿里巴巴集团控股有限公司 | 物品推荐方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108733842A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733842B (zh) | 视频推荐方法及装置 | |
KR102027670B1 (ko) | 관람자 관계형 동영상 제작 장치 및 제작 방법 | |
CN105095508B (zh) | 一种多媒体内容推荐方法和多媒体内容推荐装置 | |
CN103888852B (zh) | 用于社交电视的视频推荐方法和装置 | |
Jiang et al. | Lifestyles, gratifications sought, and narrative appeal: American and Korean TV drama viewing among Internet users in urban China | |
US20170142480A1 (en) | Methods and systems for selecting a preferred viewpoint for media assets | |
US20080201287A1 (en) | Dissimilar item recommendation method, device, and program thereof | |
US11379528B2 (en) | Tag-based, user-directed media recommendations | |
WO2009157997A2 (en) | Systems and methods for ranking assets relative to a group of viewers | |
CN108781300A (zh) | 用于基于网络状况推荐内容的方法、系统以及介质 | |
JP2003250146A (ja) | 番組選択支援情報提供サービスシステムとサーバ装置および端末装置ならびに番組選択支援情報提供方法とプログラムおよび記録媒体 | |
CN106815217A (zh) | 故事推荐方法和故事推荐装置 | |
CN112507163B (zh) | 时长预测模型训练方法、推荐方法、装置、设备及介质 | |
JP2005056361A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
CN108419134B (zh) | 基于个体历史与群体当前行为融合的频道推荐方法 | |
CN106776701B (zh) | 用于物品推荐的问题确定方法和装置 | |
US9325754B2 (en) | Information processing device and information processing method | |
JP2005057713A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
US20140372430A1 (en) | Automatic audience detection for modifying user profiles and making group recommendations | |
KR102057455B1 (ko) | 추천 방송 제공 방법 및 이를 이용하는 장치 | |
CN109922357A (zh) | 视频推荐的方法及装置 | |
KR101708254B1 (ko) | 협업적 필터링과 캐릭터 넷을 이용한 스토리 기반의 영화 추전 시스템 및 방법. | |
CN106162348A (zh) | 一种个性化节目推荐方法及装置 | |
CN106888395A (zh) | 显示设备的调整方法和装置 | |
CN108369597A (zh) | 用于基于场境来指示视频的观众群的方法、系统和介质 |
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 |