CN109274987A - 一种视频集合排序方法、服务器及可读存储介质 - Google Patents
一种视频集合排序方法、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN109274987A CN109274987A CN201810999540.3A CN201810999540A CN109274987A CN 109274987 A CN109274987 A CN 109274987A CN 201810999540 A CN201810999540 A CN 201810999540A CN 109274987 A CN109274987 A CN 109274987A
- Authority
- CN
- China
- Prior art keywords
- video
- push
- video collection
- period
- factor
- 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.)
- Granted
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]
- H04N21/40—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种视频集合排序方法、服务器及可读存储介质,用于计算机应用开发领域。本发明提供的方法包括:获取各预设时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;根据所述推送的视频集合排序分数,对所述推送的视频集合排序。本发明通过计算各时段赞成票比例再结合威尔逊区间算法计算得分进而进行排序,综合各因素计算保证排序相对的公平合理,更准确推送用户感兴趣内容。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种视频集合排序方法、服务器及可读存储介质。
背景技术
在一些视频平台上,会为用户推荐观看的视频,有时还会推荐某一主题的视频选集,用视频选集为单元来为用户推荐视频,可以让用户更容易找到感兴趣的视频。但当有多个视频选集时,需要对这些视频选集排序。
通常对这种视频选集排序,只需要根据选集被点击或热度进行排序就可以,但对于一些曝光较少或新出的视频选集这种排序就显得不太公平合理,难以准确引导用户关注曝光较少的视频选集。
发明内容
本发明实施例提供了一种视频集合排序方法、服务器及可读存储介质,能够对推荐的视频合集排序。
在本发明实施例的第一方面,提供了一种视频合集排序方法,包括:
获取各预定时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;
根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;
根据所述推送的视频集合排序分数,对所述推送的视频集合排序。
在本发明实施例的第二方面,提供了一种服务器,包括:
第一计算单元:用于获取各预定时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;
第二计算单元:用于根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;
排序单元:用于根据所述推送的视频集合排序分数,对所述推送的视频集合排序。
在本发明实施例的第三方面,提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
在本发明实施例的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被一个或多个处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,通过获取各时段视频集合的曝光率与被点击率,计算赞成比例,进而可以计算每个视频集合的排序得分,由此进行排名。本发明实施例中不仅考虑赞成比例,而且考虑赞成比例可信度影响,使得视频集合的排名更为合理公平,同时,计算赞成比例时还考虑时段及曝光次数的影响,能够合理考虑各因素对排序的影响,保障推荐的各视频合集较大程度符合用户喜好。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中视频合集排序方法一个实施例流程图;
图2为本发明实施例中视频合集排序方法的另一个实施例流程图;
图3为本发明实施例中视频合集排序的服务器一个实施例结构图;
图4为本发明实施例提供的服务器的结构示意图。
具体实施方式
本发明实施例提供了一种视频合集排序方法、服务器及可读存储介质,用于对服务器推送的视频合集排序。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中视频合集排序方法一个实施例,该方法包括:
S101、获取各预设时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;
所述预设时段指的是一定时间长度的单元,如可以以一天为一个时间分段或一周为一个时间分段,时段的长度根据排序更新周期或视频集合推送周期等具体确定,也可以自行设定,在此不做限定。
所述视频集合是指有若干个视频组成的整体,这些视频内容可能相近或具有相同主题。通过视频集合可以更方便用户挑选感兴趣内容,一般服务器推送给用户的视频合集有多个。所述曝光次数指的是视频合集在用户终端上展现的次数,视频合集制作完成后,有时还没有呈现给用户有时需要用户搜索才能查找到,一般在视频网站平台,会有视频集合(或视频选集)的展示区域,而这部分展示区域有限,如只能展示10个,其他视频合集需要打开特定页面才可以看到,这时就只有那10个视频合集属于曝光的合集。而所述被点击次数指的是所有用户点击视频合集的次数。
所述赞成票比例用于表征每个视频合集相对于曝光次数而被用户喜爱的程度,即用户每点击一次视频合集,则该视频合集受喜爱程度增加一点。具体的,所述赞成票比例是所有时段被点击次数与曝光次数的比例。
可选的,根据公式(1)计算所述视频集合的赞成票比例:
其中,t表示时段,nt表示时段t内视频合集曝光的次数,mt表示时段t内视频合集被点击的次数,k是平滑因子,β是时间衰减因子,t=0表示当前时间最近的时间段,而t=T则表示离当前时间最远的时间段。
在本发明实施例中,所述平滑因子k可根据小于预设阈值的视频合集的曝光次数或被点击次数对所述视频集合的赞成票比例影响权重来设定,所述时间衰减因子β可根据时段长度对所述视频集合的赞成票比例影响权重来设定。平滑因子k可以用在当曝光次数和被点击次数较少时,会影响赞成票比例的准确度,由于平滑因子k的存在可以消除一部分影响,而时间衰减因子β则用于在时间间隔较久时,减少历史曝光次数和点击次数的影响,一般取值在0到1之间。
基于平滑因子k与时间衰减因子β可以保证赞成票比例计算的合理性,同时考虑时间因素与曝光较少的视频合集,可以使得最终排名的为最优推荐的视频合集。
S102、根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;
所述威尔逊区间算法即一种可以计算用户投票可信度的算法,一般的威尔逊区间即置信区间取下限值,就可以表示排名分数。
具体的,根据如下公式(2)可以计算得到视频集合的排序分数:
其中,所述P为赞成票比例,n表示在某一时段内视频合集的曝光量,α表示置信水平,z1-α/2表示在置信水平α下的z统计量,RS即排序分数。
S103、根据所述推送的视频集合排序分数,对所述推送的视频集合排序。
根据视频合集的排序分数,按从高到低的顺序,对视频合集进行排序后在终端页面展示。
可选的,间隔预设时间周期,重新计算推送的视频集合的排序分数,并重新排序。间隔一段时间,可能会增加新的视频合集或视频合集的点击次数发生改变,需要重新进行排名,每隔一段时间可以更新排名。所述时间周期可以是一个预设时段的长度,在此不作限定。
本实施例中,前面所说的视频合集排名方法基于威尔逊区间算法可对视频合集排序,而基于各时段的赞成票比例计算更能保证排序的公平合理。
为便于理解,根据图1所描述的实施例,下面以一个实际应用场景对本发明实施例中的一种视频合集排序方法进行描述:
图2示出了视频合集排序方法的另一个实施例流程图,详述如下:
在S201中假设平滑因子k=10,假设时间衰减因子β=0.5。上述平滑因子k用于平衡曝光次数与被点击次数较少时的影响,如当A视频集合曝光次数只有5次,而点击次数有三次,与B视频集合曝光次数1000次,被点击次数有550次相比,显然这时A视频集合样本量太小,计算得到的赞成票比例不可靠,通过平滑因子k可以减少样本量过少的影响,再在威尔逊区间计算时,进一步减少样本量过少对赞成票可信度的影响。
对于时间衰减因子β用于在对曝光次数与被点击次数计数时,时间较久的计数对于当前结果参考意义也会变小,由于用户喜好会改变,历史计数得到的赞成票影响程度也会变化,一般的,离当前越久的赞成票比例对当前计算的影响权重也越小,所以时间衰减因子β通常取0到1之间的值。
通过平滑因子k与时间衰减因子β可以消减投票较少及历史计数的影响,保障计算的准确合理。
在S202中,分别获取不同时段的计数结果,如视频合集A在T=0时,曝光次数为600次,点击次数为100次,在T=1时,曝光次数为900次,点击次数为450次。所述T时刻以当前时段为初始时间,假设时段长度为7天,即一周,则当前时段即T=0,上周则记为T=1,以此类推。
根据公式(1)计算赞成票比例P如下:
上面只计算到T=1时的赞成票比例,若还有更久的数据,如T=2或3时的曝光次数及点击次数,则可以继续累加计算。
再在S204中,根据公式(2)计算评分,如下:
RS=0.3035即是当前视频合集A的排名计算得分,按照分数高低,就可以对视频集合排序。
优选的,当时间发生改变,如T=0时段变成T=1,可以重新计算赞成票比例P以及排名评分RS。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种视频集合排序方法,下面将对一种视频集合排序服务器进行详细描述。
图3示出了本发明实施例中视频集合排序服务器一个实施例的结构示意图,包括如下:
第一计算单元310:用于获取各预定时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;
可选的,所述第一计算单元310具体用于:
根据公式(1)计算所述视频集合的赞成票比例:
其中,t表示时段,nt表示时段t内视频合集曝光的次数,mt表示时段t内视频合集被点击的次数,k是平滑因子,β是时间衰减因子,t=0表示当前时间最近的时间段,而t=T则表示离当前时间最远的时间段。
可选的,所述k是平滑因子,β是时间衰减因子还包括:
所述平滑因子k可根据小于预设阈值的视频合集的曝光次数或被点击次数对所述视频集合的赞成票比例影响权重来设定,所述时间衰减因子β可根据时段长度对所述视频集合的赞成票比例影响权重来设定。
可选的,所述第一计算单元310还包括:
设定模块:用于设定所述预设时段的时长,将当前时刻所处的时段作为初始时段。
第二计算单元320:用于根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;
排序单元330:用于根据所述推送的视频集合排序分数,对所述推送的视频集合排序。
可选的,所述排序单元330还用于:
间隔预设时间周期,重新计算推送的视频集合的排序分数,并重新排序。
本发明实施例中所描述述的视频集合排序服务器可以定期重新排序,将重排结果下发到终端,在终端界面展示重新排序的结果。
图4是本发明一实施例提供的视频合集排序的服务器结构的示意图。所述服务器,为提供计算服务的设备,通常指具有较高计算能力,通过网络提供给多个用户使用的计算机。如图4所示,该实施例的服务器4包括:存储器410、处理器420以及系统总线430,所述存储器410包括存储其上的可运行的程序4101,本领域技术人员可以理解,图4中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图4对终端设备的各个构成部件进行具体的介绍:
存储器410可用于存储软件程序以及模块,处理器420通过运行存储在存储器410的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器410上包含视频合集方法的可运行程序4101,所述可运行程序4101可以被分割成一个或多个模块/单元,所述一个或多个模块/单元被存储在所述存储器410中,并由处理器420执行,以实现对视频合集排序,所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序6101在所述服务器6中的执行过程。例如,所述计算机程序6101可以被分割为第一计算单元、第二计算单元和排序单元。
处理器620是服务器的控制中心,利用各种接口和线路连接整个终端设备的各个部分,通过运行或执行存储在存储器410内的软件程序和/或模块,以及调用存储在存储器410内的数据,执行终端的各种功能和处理数据,从而对终端进行整体监控。可选的,处理器420可包括一个或多个处理单元;优选的,处理器420可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器420中。
系统总线430是用来连接计算机内部各功能部件,可以传送数据信息、地址信息、控制信息,其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器420的指令通过总线传递至存储器410,存储器410反馈数据给处理器420,系统总线430负责处理器420与存储器410之间的数据、指令交互。当然系统总线430还可以接入其他设备,例如网络接口、显示设备等。
所述服务器应至少包括CPU、芯片组、内存、磁盘系统等,其他构成部件在此不再赘述。
在本发明实施例中,该终端所包括的处理器420执行的可运行程序具体为:.
一种视频集合排序方法,包括:
获取各预设时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;
根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;
根据所述推送的视频集合排序分数,对所述推送的视频集合排序。
进一步的,所述获取各预定时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例具体为:
根据公式(1)计算所述视频集合的赞成票比例:
其中,t表示时段,nt表示时段t内视频合集曝光的次数,mt表示时段t内视频合集被点击的次数,k是平滑因子,β是时间衰减因子,t=0表示当前时间最近的时间段,而t=T则表示离当前时间最远的时间段。
进一步的,所述k是平滑因子,β是时间衰减因子还包括:
所述平滑因子k可根据小于预设阈值的视频合集的曝光次数或被点击次数对所述视频集合的赞成票比例影响权重来设定,所述时间衰减因子β可根据时段长度对所述视频集合的赞成票比例影响权重来设定。
进一步的,所述获取各预定时段内每个推送的视频集合的曝光次数和被点击次数之前还包括:
设定所述预设时段的时长,将当前时刻所处的时段作为初始时段。
进一步的,所述根据所述推送的视频集合排序分数,对所述推送的视频集合排序之后还包括:
间隔预设时间周期,重新计算推送的视频集合的排序分数,并重新排序。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种视频集合排序方法,其特征在于,包括:
获取各预设时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;
根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;
根据所述推送的视频集合排序分数,对所述推送的视频集合排序。
2.根据权利要求1所述的方法,其特征在于,所述获取各预定时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例具体为:
根据公式(1)计算所述视频集合的赞成票比例:
其中,t表示时段,nt表示时段t内视频合集曝光的次数,mt表示时段t内视频合集被点击的次数,k是平滑因子,β是时间衰减因子,t=0表示当前时间最近的时间段,而t=T则表示离当前时间最远的时间段。
3.根据权利要求2所述的方法,其特征在于,所述k是平滑因子,β是时间衰减因子还包括:
所述平滑因子k可根据小于预设阈值的视频合集的曝光次数或被点击次数对所述视频集合的赞成票比例影响权重来设定,所述时间衰减因子β可根据时段长度对所述视频集合的赞成票比例影响权重来设定。
4.根据权利要求1所述的方法,其特征在于,所述获取各预定时段内每个推送的视频集合的曝光次数和被点击次数之前还包括:
设定所述预设时段的时长,将当前时刻所处的时段作为初始时段。
5.根据权利要求1所述的方法,其特征在于,所述根据所述推送的视频集合排序分数,对所述推送的视频集合排序之后还包括:
间隔预设时间周期,重新计算推送的视频集合的排序分数,并重新排序。
6.一种服务器,其特征在于,包括:
第一计算单元:用于获取各预定时段内每个推送的视频集合的曝光次数和被点击次数,并计算每个推送的视频集合的赞成票比例;
第二计算单元:用于根据所述赞成票比例,通过威尔逊区间算法计算每个推送的视频集合的排序分数;
排序单元:用于根据所述推送的视频集合排序分数,对所述推送的视频集合排序。
7.根据权利要求6所述的服务器,其特征在于,所述第一计算单元具体用于:
根据公式(1)计算所述视频集合的赞成票比例:
其中,t表示时段,nt表示时段t内视频合集曝光的次数,mt表示时段t内视频合集被点击的次数,k是平滑因子,β是时间衰减因子,t=0表示当前时间最近的时间段,而t=T则表示离当前时间最远的时间段。
8.根据权利要求7所述的服务器,其特征在于,所述k是平滑因子,β是时间衰减因子还包括:
所述平滑因子k可根据小于预设阈值的视频合集的曝光次数或被点击次数对所述视频集合的赞成票比例影响权重来设定,所述时间衰减因子β可根据时段长度对所述视频集合的赞成票比例影响权重来设定。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述视频集合排序方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述视频集合排序方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810999540.3A CN109274987B (zh) | 2018-08-30 | 2018-08-30 | 一种视频集合排序方法、服务器及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810999540.3A CN109274987B (zh) | 2018-08-30 | 2018-08-30 | 一种视频集合排序方法、服务器及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109274987A true CN109274987A (zh) | 2019-01-25 |
CN109274987B CN109274987B (zh) | 2021-04-27 |
Family
ID=65154469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810999540.3A Active CN109274987B (zh) | 2018-08-30 | 2018-08-30 | 一种视频集合排序方法、服务器及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109274987B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659389A (zh) * | 2019-09-05 | 2020-01-07 | 北京字节跳动网络技术有限公司 | 排序方法、装置、电子设备和计算机可读存储介质 |
CN110730369A (zh) * | 2019-10-15 | 2020-01-24 | 青岛聚看云科技有限公司 | 一种视频推荐方法及服务器 |
CN111246257A (zh) * | 2020-03-17 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 视频推荐方法、装置、设备及存储介质 |
CN112291297A (zh) * | 2020-09-04 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 资讯数据的处理方法、装置、存储介质以及电子设备 |
CN113051411A (zh) * | 2021-02-04 | 2021-06-29 | 深圳市华球通网络有限公司 | 一种文章实时排名方法、装置、终端及存储介质 |
CN113129067A (zh) * | 2021-04-27 | 2021-07-16 | 北京百度网讯科技有限公司 | 信息筛选方法、装置、设备、存储介质及计算机程序产品 |
CN114880459A (zh) * | 2022-04-21 | 2022-08-09 | 达而观信息科技(上海)有限公司 | 一种搜索结果的重排序方法、装置、设备及存储介质 |
CN116847132A (zh) * | 2023-08-29 | 2023-10-03 | 北京小糖科技有限责任公司 | 基于时间分片的视频更新方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942603A (zh) * | 2013-01-17 | 2014-07-23 | 腾讯科技(深圳)有限公司 | 一种广告点击率的预估方法和装置 |
WO2015131369A1 (en) * | 2014-03-06 | 2015-09-11 | Nokia Technologies Oy | Constructing a visual representation of a video |
CN105160548A (zh) * | 2015-08-20 | 2015-12-16 | 北京奇虎科技有限公司 | 对广告点击率进行预测的方法及装置 |
CN106303720A (zh) * | 2016-08-02 | 2017-01-04 | 合网络技术(北京)有限公司 | 一种视频推荐方法与系统 |
CN106294775A (zh) * | 2016-08-11 | 2017-01-04 | 合智能科技(深圳)有限公司 | 内容推送方法及装置 |
CN106779985A (zh) * | 2017-02-24 | 2017-05-31 | 武汉奇米网络科技有限公司 | 一种个性化商品排序的方法及系统 |
-
2018
- 2018-08-30 CN CN201810999540.3A patent/CN109274987B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942603A (zh) * | 2013-01-17 | 2014-07-23 | 腾讯科技(深圳)有限公司 | 一种广告点击率的预估方法和装置 |
WO2015131369A1 (en) * | 2014-03-06 | 2015-09-11 | Nokia Technologies Oy | Constructing a visual representation of a video |
CN105160548A (zh) * | 2015-08-20 | 2015-12-16 | 北京奇虎科技有限公司 | 对广告点击率进行预测的方法及装置 |
CN106303720A (zh) * | 2016-08-02 | 2017-01-04 | 合网络技术(北京)有限公司 | 一种视频推荐方法与系统 |
CN106294775A (zh) * | 2016-08-11 | 2017-01-04 | 合智能科技(深圳)有限公司 | 内容推送方法及装置 |
CN106779985A (zh) * | 2017-02-24 | 2017-05-31 | 武汉奇米网络科技有限公司 | 一种个性化商品排序的方法及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659389A (zh) * | 2019-09-05 | 2020-01-07 | 北京字节跳动网络技术有限公司 | 排序方法、装置、电子设备和计算机可读存储介质 |
CN110730369A (zh) * | 2019-10-15 | 2020-01-24 | 青岛聚看云科技有限公司 | 一种视频推荐方法及服务器 |
CN110730369B (zh) * | 2019-10-15 | 2022-01-04 | 青岛聚看云科技有限公司 | 一种视频推荐方法及服务器 |
CN111246257A (zh) * | 2020-03-17 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 视频推荐方法、装置、设备及存储介质 |
CN112291297A (zh) * | 2020-09-04 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 资讯数据的处理方法、装置、存储介质以及电子设备 |
CN113051411A (zh) * | 2021-02-04 | 2021-06-29 | 深圳市华球通网络有限公司 | 一种文章实时排名方法、装置、终端及存储介质 |
CN113129067A (zh) * | 2021-04-27 | 2021-07-16 | 北京百度网讯科技有限公司 | 信息筛选方法、装置、设备、存储介质及计算机程序产品 |
CN114880459A (zh) * | 2022-04-21 | 2022-08-09 | 达而观信息科技(上海)有限公司 | 一种搜索结果的重排序方法、装置、设备及存储介质 |
CN116847132A (zh) * | 2023-08-29 | 2023-10-03 | 北京小糖科技有限责任公司 | 基于时间分片的视频更新方法、装置、电子设备及存储介质 |
CN116847132B (zh) * | 2023-08-29 | 2023-12-08 | 北京小糖科技有限责任公司 | 基于时间分片的视频更新方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109274987B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109274987A (zh) | 一种视频集合排序方法、服务器及可读存储介质 | |
CN109190024B (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
CN110149540B (zh) | 多媒体资源的推荐处理方法、装置、终端及可读介质 | |
US10902068B2 (en) | Systems and methods for automating the retrieval of partitionable search results from a search engine | |
CN105701108B (zh) | 一种信息推荐方法、装置及服务器 | |
US10102481B2 (en) | Hybrid active learning for non-stationary streaming data with asynchronous labeling | |
US8583685B2 (en) | Determination of category information using multiple stages | |
US9990436B2 (en) | Personal trends module | |
CN111723292B (zh) | 基于图神经网络的推荐方法、系统、电子设备及存储介质 | |
CN107302573A (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
CN108132963A (zh) | 资源推荐方法和装置、计算设备和存储介质 | |
CN106372101B (zh) | 一种视频推荐方法和装置 | |
CN109325182A (zh) | 基于会话的信息推送方法、装置、计算机设备及存储介质 | |
CN108960944A (zh) | 用户评价处理方法及装置、计算机可读介质、电子设备 | |
CN103020049A (zh) | 搜索方法及搜索系统 | |
WO2013166949A1 (en) | System, apparatus and method for recommending thesaurus in input method | |
CN106227834A (zh) | 多媒体资源的推荐方法及装置 | |
CN110175264A (zh) | 视频用户画像的构建方法、服务器及计算机可读存储介质 | |
CN108614843B (zh) | 网站内容的评估方法及装置 | |
KR101873339B1 (ko) | 관심사 및 콘텐츠를 제공하는 방법 및 시스템 | |
CN109658187A (zh) | 推荐云服务商的方法、装置、存储介质及电子设备 | |
CN107451249B (zh) | 事件发展趋势的预测方法及装置 | |
CN112423134A (zh) | 视频内容推荐方法、装置及计算机设备 | |
Byrd et al. | An active-set algorithm for nonlinear programming using parametric linear programming | |
CN108133036A (zh) | 一种用户兴趣点的权重值确定方法、装置及电子设备 |
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 |