CN109446419A - 一种推荐视频的方法以及装置 - Google Patents

Abstract

本发明公开了一种推荐视频的方法以及装置，首先提取预设时间段内对视频集合的观看数据，接着基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值，然后利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值，进而按照所述第二热度值，对所述视频集合中的视频进行排序，获得推荐列表，最后按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频，本发明通过利用基于时间衰减的实时热度调整公式来调整每个视频的热度，能够更精准地反映每个视频在当前时刻的热度，从而能够提高了优质视频的曝光度，也能够更有效地向用户推荐优质视频。

Description

一种推荐视频的方法以及装置

技术领域

本申请涉及直播技术领域，尤其涉及一种推荐视频的方法以及装置。

背景技术

目前，随着直播行业的飞速发展，人们对直播平台的要求也越来越高。

目前，在直播平台向的运营过程中，会按照一定的视频排序方案用户推荐视频，而现有的视频排序方案多数要么是按线上观看人数来排序，或者基于离线规则融合评分，这两种策略中前者容易被别有居心的人利用作假，后者离线数据缺乏时效性。

因此，亟需一种能够将对优质视频内容给予更合理的曝光度，或者更有效地向用户推荐优质视频的技术方案。

发明内容

本发明了提供了一种推荐视频的方法以及装置，以满足对一种能够将对优质视频内容给予更合理的曝光度，或者更有效地说向用户推荐优质视频的技术方案的需求。

为解决上述技术问题，本发明第一方面公开了一种推荐视频的方法，所述方法包括：

提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

可选地，所述预设的数据维度至少包括以下维度中的一种或多种：重要分区、标签、新鲜度、弹幕数量、被点播次数、被分享次数、被收藏次数、被点赞次数、视频发布者质量、分享转化率、收藏转化率和点赞转化率。

可选地，所述基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值，包括：

基于所述视频集合中每个视频各自的观看数据，确定所述每个视频对应的数据维度的数据值；

利用所述每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定所述每个视频的第一热度值。

可选地，在所述预设的数据维度包括所有的数据维度时，所述重要分区对应的权重为0.13，所述标签对应的权重为0.13，所述新鲜度对应的权重为0.065，弹幕数量对应的权重为0.065，所述被点播次数对应的权重为0.065，所述被分享次数对应的权重为0.065，所述被收藏次数对应的权重为0.065，所述被点赞次数对应的权重为0.065，所述视频发布者质量对应的权重为0.065，所述分享转化率对应的权重为0.095，所述收藏转化率对应的权重为0.095，所述点赞转化率对应的权重为0.095。

可选地，所述基于时间衰减的实时热度调整公式，具体为：H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)，其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

可选地，m＝0.00125，b＝1.295。

本发明第二方面公开了一种推荐视频的装置，所述装置包括：

提取单元，用于获取预设时间段内对视频集合的观看数据；

确定单元，用于基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

调整单元，用于利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

获取单元，用于按照所述第二热度值，对所述视频集合中的视频进行排序，获得推荐列表；

展示单元，用于按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

可选的，所述确定单元还用于：

基于所述视频集合中每个视频各自的观看数据，确定所述每个视频对应的数据维度的数据值；

利用所述每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定所述每个视频的第一热度值。

可选的，所述调整单元还包括：

所述基于时间衰减的实时热度调整公式，具体为：

H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)；

其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

本发明第三方面公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

本发明第四方面公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

通过本发明的一个或者多个技术方案，本发明具有以下有益效果或者优点：

本发明公开了一种推荐视频的方法以及装置，首先提取预设时间段内对视频集合的观看数据，接着基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值，然后利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值，进而按照所述第二热度值，对所述视频集合中的视频进行排序，获得推荐列表，最后按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频，本发明通过利用基于时间衰减的实时热度调整公式来调整每个视频的热度，能够更精准地反映每个视频在当前时刻的热度，从而能够提高了优质视频的曝光度，也能够更有效地向用户推荐优质视频。

附图说明

图1为本发明实施例中一种直播推送方法的实施过程图；

图2为本发明实施例中一种直播服务平台的模块示意图；

图3为本发明实施例中又一装置的示意图。

具体实施方式

为了使本申请所属技术领域中的技术人员更清楚地理解本申请，下面结合附图，通过具体实施例对本申请技术方案作详细描述。

针对上述问题，本发明的主要目的，是提高优质视频的曝光度，以及有效地向用户推荐优质视频。

由于直播是一种动态变化的过程，随着时间的变化，不同视频的热度会随之而发生变化，因此，为了避免线上观看人数来排序存在容易作假，以及基于离线规则融合评分的方式时效性较低的缺点，本发明利用基于时间衰减的实时热度调整公式调整视频的热度值，一方面避免作假，另一方面具有较高的时效性，从而实现了提高优质视频的曝光度，也更有效地向用户推荐优质视频的目的。本发明的方法包括但不仅限于在手机APP或PC端上面公开使用。

请参考图1，图1为本发明实施例提供的推荐视频的方法的流程图，如图1所示，该方法包括：

S1：提取预设时间段内对视频集合的观看数据；具体来讲，例如可以是提取当前直播平台中，最近一个月以的视频观看数据，当然，观看数据需要包括下述步骤计算所需的数据，例如以下步骤中需要根据观看数据，按照预设的数据维度确定出每个视频的第一热度值，则观看数据中需要包括所需数据维度对应的数据值；

S2：基于观看数据，按照预设的数据维度确定视频集合中每个视频的第一热度值；具体来讲，可以是利用S1中提取的观看数据，从中提取从预设的数据维度，例如针对某一视频而言，预设的数据维度至少包括以下维度中的一种或多种：重要分区可以是该视频是否为某个重要分区的视频，重要分区例如可以是热门游戏、院线电影或者短视频等等，一般来讲，如果是重要分区，表明该视频是优质视频的可能性越大；标签可以是视频发布者为该视频设置的标签，也可以根据观看者的评论或者弹幕等自动设置的标签，一般来讲，如果有标签，表明该视频是优质视频的可能性越大；新鲜度可以是距离该视频的发布日期的时间间隔，例如可以通过(1/(1+距离统计日期天数))进行计算，一般来讲，如果新鲜度较高，表明该视频是优质视频的可能性越大；弹幕数量可以是观看者对该视频输入的弹幕数量，一般来讲，弹幕数量越多，表明该视频是优质视频的可能性越大；被点播次数可以是该视频被播放的次数，一般来讲，被点播次数越多，表明该视频是优质视频的可能性越大；被分享次数可以是该视频被观看者分享给其他用户的次数，一般来讲，被分享次数越多，表明该视频是优质视频的可能性越大；被收藏次数可以是该视频被收藏的次数，，一般来讲，被分享次数越多，表明该视频是优质视频的可能性越大；被点赞次数可以是该视频被点赞的次数，一般来讲，被分享次数越多，表明该视频是优质视频的可能性越大；视频发布者质量可以是该视频的发布者所发布视频的质量，一般来讲，视频发布者的质量越高，表明该视频是优质视频的可能性越大；分享转化率可以是该视频的(分享次数/视频被点播次数)，一般来讲，分享转化率越高，表明该视频是优质视频的可能性越大；收藏转化率可以是该视频的(收藏次数/视频被点播次数)，一般来讲，收藏转化率越高，表明该视频是优质视频的可能性越大；点赞转化率可以是该视频的(点赞次数/视频被点播次数)，一般来讲，收藏转化率越高，表明该视频是优质视频的可能性越大。本领域所属的技术人员能够根据实际情况，选择其中的一种或多种数据维度来确定每个视频的第一热度值，确定第一热度值的具体过程可以是利用所选取的数据维度与各个数据维度对应的权重的乘积之和，当然了，本领域所属的技术人员还可以选择其他合适的数据维度，以满足实际情况的需要，在此不做限制。

S3：利用基于时间衰减的实时热度调整公式，将第一热度值调整为第二热度值；具体来讲，基于时间衰减的实时热度调整公式，具体可以为：H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)，其中，H_(t-1)表示上一时刻的热度，也即(t-1)时刻的第一热度值；H(t_increase)表示从上一时刻到现在时刻的增量热度，增量热度即是t时刻的第一热度值减去(t-1)时刻的第一热度值，计算第一热度值的具体过程在前述部分已经进行了详细的介绍了；a为惩罚因子，例如可以为1或者其他数值，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值，例如m可以为0.00125，b可以为1.295。例如，针对某一视频而言，在通过S2确定其第一热度值之后，即能够根据S3中介绍的基于时间衰减的实时热度调整公式，确定该视频的第二热度值，以此类推，即可以确定视频集合中的所有视频的第二热度值。

当然了，针对基于时间衰减的实时热度调整公式而言，m、a和b各自所起的作用与其在实时热度调整公式所处的位置一致，由于m、a和b的具体数值会影响所确定的第二热度值，所以，针对同一视频集合中的所有视频而言，m、a和b的值需要采用相同的数值，以保证排序结果的准确性。在其他实施例中，本领域所属的技术人员还可以根据实际情况，将m、a和b设置为其他合适的数值，以满足实际情况的需要，在此不做限制。

S4：按照第二热度值，对视频集合中的所有视频进行排序，获得推荐列表；具体来讲，在通过S3获得每个视频的第二热度值之后，即能够确定每个视频的实时热度值，这样，即可以按照第二热度值，对视频集合中的所有视频进行排序，获得推荐列表，当然，推荐列表是将视频集合中的所有视频，按照第二热度值由高到低进行排列的。

S5：按照推荐列表，展示视频集合中与推荐列表对应的视频；具体来讲，也即直播平台可以根据该推荐列表，向观看者展示视频集合中与推荐列表对应的视频，如前述部分所介绍的，推荐列表中的视频均为实时热度值较高的视频，也即是优质视频的可能性较高的视频，这样，能够更精准地反映每个视频在当前时刻的热度，从而能够提高了优质视频的曝光度，也能够更有效地向用户推荐优质视频。

在具体实施过程中，基于观看数据，按照预设的数据维度确定视频集合中每个视频的第一热度值，包括：基于视频集合中每个视频各自的观看数据，确定每个视频对应的数据维度的数据值；利用每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定每个视频的第一热度值。

也即是说，按照数据维度，每个视频都能够从各自的观看数据中确定出自身对应的数据维度的数据值，例如针对某一视频而言，其是否属于重要分区，是否有标签、新鲜度是多少、弹幕数量有多少、被点播次数有多少、被分享次数有多少、被收藏次数有多少、被点赞次数有多少、视频发布者质量是多少、分享转化率是多少、收藏转化率是多少和点赞转化率是多少有多少等等数据都能够从观看数据中提取，在此就不再赘述了。此处根据本方法采用哪些数据维度计算第一热度值有关，相应获取对应的数据维度的数据值即可。

然后，可以利用每个数据维度对应的数据值，以及每个数据维度对应的权重，确定出每个视频的第一热度值，也即可以H_t1＝a1*x1+a2*x2+…+an*xn，其中a表示权重，x表示数据值。

在实际应用中，在预设的数据维度包括所有的数据维度时，通过分析，重要分区和标签的作用相对最大，新鲜度、弹幕数量、被点播次数、被分享次数、被收藏次数、被点赞次数和视频发布者质量的作用相对最小，分享转化率、收藏转化率和点赞转化率的作用处于前述两者的中间，通过设计，重要分区对应的权重为0.13，标签对应的权重为0.13，新鲜度对应的权重为0.065，弹幕数量对应的权重为0.065，被点播次数对应的权重为0.065，被分享次数对应的权重为0.065，被收藏次数对应的权重为0.065，被点赞次数对应的权重为0.065，视频发布者质量对应的权重为0.065，分享转化率对应的权重为0.095，收藏转化率对应的权重为0.095，点赞转化率对应的权重为0.095。

当然了，根据本方法计算第一热度值时采用数据维度的种类不同，对应的数据维度的权重也会发生变化，在此不做限制。例如，根据本方法计算第一热度值时仅采用一种数据维度时，该数据维度的权重即为1，若采用两种数据维度，则该两种数据维度的权重之和应该为1，以此类推，就不再赘述了。

可以看出，由于在计算视频的热度时可以采用较多的数据维度，使得热度表示更准确和更稳定，也保证了视频的热度的真实性，降低了对视频的热度进行作假的可能性。

基于同一发明构思，本发明实施例第二方面还提供一种推荐视频的装置，请参考图2，图2为本发明实施例提供的推荐视频的装置的模块图，如图2所示，该装置包括：

提取单元201，用于获取预设时间段内对视频集合的观看数据；

确定单元202，用于基于观看数据，按照预设的数据维度确定视频集合中每个视频的第一热度值；

调整单元203，用于利用基于时间衰减的实时热度调整公式，将第一热度值调整为第二热度值；

获取单元204，用于按照第二热度值，对视频集合中的视频进行排序，获得推荐列表；

展示单元205，用于按照推荐列表，展示视频集合中与推荐列表对应的视频。

基于同一发明构思，本发明实施例第二方面还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面介绍的方法的步骤。

其中，可选的，所述确定单元还用于：基于所述视频集合中每个视频各自的观看数据，确定所述每个视频对应的数据维度的数据值；利用所述每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定所述每个视频的第一热度值。

可选的，所述调整单元还包括：所述基于时间衰减的实时热度调整公式，具体为：H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)；其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

基于同一发明构思，请参见图3，本发明的又一实施例提供了一种装置，该实施例的装置包括：处理器301、存储器302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，例如第一实施例中方法对应的程序。所述处理器执行所述计算机程序时实现上述第一实施例中方法中的步骤。或者，所述处理器执行所述计算机程序时实现上述第二实施例的装置中各模块/单元的功能。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。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在所述计算机装置中的执行过程。

所述装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图3仅仅是计算机装置的示例，并不构成对装置的限定，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，例如所述装置还可以包括输入输出设备、网络接入设备、总线等。

所称处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。

所述存储器302可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器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手机的使用所创建的数据(比如音频数据、视频数据等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、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。

进一步，该装置所包括的处理器301还具有以下功能：

提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

进一步，该装置所包括的处理器301还具有以下功能：

所述预设的数据维度至少包括以下维度中的一种或多种：重要分区、标签、新鲜度、弹幕数量、被点播次数、被分享次数、被收藏次数、被点赞次数、视频发布者质量、分享转化率、收藏转化率和点赞转化率。

进一步，该装置所包括的处理器301还具有以下功能：

在检测到用户开启多媒体应用程序的操作时，获得为所述用户推荐的多媒体推荐列表，将所述多媒体推荐列表作为所述初始播放列表；或

在检测到用户选定预设播放列表时，将所述预设播放列表作为所述初始播放列表；或

在检测到用户通过多媒体应用程序搜索预设对象的多媒体信息时，获得搜索到的一个或多个多媒体信息，基于所述一个或多个多媒体信息生成所述初始播放列表。

进一步，该装置所包括的处理器301还具有以下功能：

在所述预设的数据维度包括所有的数据维度时：所述重要分区对应的权重为0.13；所述标签对应的权重为0.13；新鲜度对应的权重为0.065；弹幕数量对应的权重为0.065；被点播次数对应的权重为0.065；被分享次数对应的权重为0.065；被收藏次数对应的权重为0.065；被点赞次数对应的权重为0.065；视频发布者质量对应的权重为0.065；分享转化率对应的权重为0.095；收藏转化率对应的权重为0.095；点赞转化率对应的权重为0.095。

进一步，该装置所包括的处理器301还具有以下功能：

所述基于时间衰减的实时热度调整公式，具体为：H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)；其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

本发明第四实施例提供了一种计算机可读存储介质，其上存储有计算机程序，本发明第二实施例中的所述多媒体信息播放装置集成的功能单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述第一实施例的多媒体信息播放方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作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范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

通过本发明的一个或者多个实施例，本发明具有以下有益效果或者优点：

1、本发明公开了一种推荐视频的方法以及装置，首先提取预设时间段内对视频集合的观看数据，接着基于观看数据，按照预设的数据维度确定视频集合中每个视频的第一热度值，然后利用基于时间衰减的实时热度调整公式，将第一热度值调整为第二热度值，进而按照第二热度值，对视频集合中的视频进行排序，获得推荐列表，最后按照推荐列表，展示视频集合中与推荐列表对应的视频，本发明通过利用基于时间衰减的实时热度调整公式来调整每个视频的热度，能够更精准地反映每个视频在当前时刻的热度，从而能够提高了优质视频的曝光度，也能够更有效地向用户推荐优质视频；

2、由于在计算视频的热度时可以采用较多的数据维度，使得热度表示更准确和更稳定，也保证了视频的热度的真实性，降低了对视频的热度进行作假的可能性。

尽管已描述了本申请的优选实施例，但本领域内的普通技术人员一旦得知了基本创造性概念，则可对这些实施例作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申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种推荐视频的方法，其特征在于，所述方法包括：

提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

2.如权利要求1所述的方法，其特征在于，所述预设的数据维度至少包括以下维度中的一种或多种：重要分区、标签、新鲜度、弹幕数量、被点播次数、被分享次数、被收藏次数、被点赞次数、视频发布者质量、分享转化率、收藏转化率和点赞转化率。

3.如权利要求2所述的方法，其特征在于，所述基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值，包括：

基于所述视频集合中每个视频各自的观看数据，确定所述每个视频对应的数据维度的数据值；

利用所述每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定所述每个视频的第一热度值。

4.如权利要求3所述的方法，其特征在于，在所述预设的数据维度包括所有的数据维度时：

所述重要分区对应的权重为0.13；

所述标签对应的权重为0.13；

所述新鲜度对应的权重为0.065；

所述弹幕数量对应的权重为0.065；

所述被点播次数对应的权重为0.065；

所述被分享次数对应的权重为0.065；

所述被收藏次数对应的权重为0.065；

所述被点赞次数对应的权重为0.065；

所述视频发布者质量对应的权重为0.065；

所述分享转化率对应的权重为0.095；

所述收藏转化率对应的权重为0.095；

所述点赞转化率对应的权重为0.095。

5.如权利要求1～3中任一项所述的方法，其特征在于，所述基于时间衰减的实时热度调整公式，具体为：

H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)；

其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

6.一种推荐视频的装置，其特征在于，所述装置包括：

提取单元，用于获取预设时间段内对视频集合的观看数据；

确定单元，用于基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

调整单元，用于利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

获取单元，用于按照所述第二热度值，对所述视频集合中的视频进行排序，获得推荐列表；

展示单元，用于按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

7.如权利要求6所述的装置，其特征在于，所述确定单元还用于：

基于所述视频集合中每个视频各自的观看数据，确定所述每个视频对应的数据维度的数据值；

利用所述每个视频对应的数据维度的数据值，以及各个数据维度对应的权重，确定所述每个视频的第一热度值。

8.如权利要求6所述的装置，其特征在于，所述调整单元还包括：

所述基于时间衰减的实时热度调整公式，具体为：

H_t＝aH_(t-1)(1+mT)^(-b)+H(t_increase)；

其中，H_(t-1)表示上一时刻的热度，H(t_increase)表示从上一时刻到现在时刻的增量热度，a为惩罚因子，T为当前统计时刻与上次统计时刻的间隔，m和b为固定值。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如下步骤：

提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如下步骤：

提取预设时间段内对视频集合的观看数据；

基于所述观看数据，按照预设的数据维度确定所述视频集合中每个视频的第一热度值；

利用基于时间衰减的实时热度调整公式，将所述第一热度值调整为第二热度值；

按照所述第二热度值，对所述视频集合中的所有视频进行排序，获得推荐列表；

按照所述推荐列表，展示所述视频集合中与所述推荐列表对应的视频。