CN110019944A - 一种视频的推荐方法及系统 - Google Patents

一种视频的推荐方法及系统 Download PDF

Info

Publication number
CN110019944A
CN110019944A CN201711393688.4A CN201711393688A CN110019944A CN 110019944 A CN110019944 A CN 110019944A CN 201711393688 A CN201711393688 A CN 201711393688A CN 110019944 A CN110019944 A CN 110019944A
Authority
CN
China
Prior art keywords
video
recommendation
keyword
preset
recommended
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
CN201711393688.4A
Other languages
English (en)
Inventor
刘珂珂
田文宝
李修鹏
赵欣莅
党磊
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.)
Feihu Information Technology Tianjin Co Ltd
Original Assignee
Feihu Information Technology Tianjin 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 Feihu Information Technology Tianjin Co Ltd filed Critical Feihu Information Technology Tianjin Co Ltd
Priority to CN201711393688.4A priority Critical patent/CN110019944A/zh
Publication of CN110019944A publication Critical patent/CN110019944A/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
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种相关视频的推荐方法,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:当检测到目标用户观看视频时,解析所述视频关联的第一关键词;依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;将所述相关视频推荐给所述目标用户。上述的推荐方法,可以依据用户正在观看的视频,推荐出相关视频,视频的推荐具有针对性,避免了现有技术中推荐引擎没有对不同用户的需求进行分析,不能满足不同背景、不同目的和不同时期的用户的观影需求的问题。

Description

一种视频的推荐方法及系统
技术领域
本发明涉及网络优化技术领域,尤其涉及一种视频的推荐方法及系统。
背景技术
如今,各种视频应用程序层出不穷,为了满足不同用户观看视频的需求,每一个视频应用程序中都包含了大量的视频资料,因此,用户不得不花费大量的时间去搜索浏览自己感兴趣的目标视频,推荐引擎满足了用户对目标视频的推荐请求,将该目标视频推荐给用户。
发明人对现有的目标视频的推荐过程进行研究发现,推荐引擎具有通用性,用户输入相关推荐请求时或者是离线时,才可以进行目标视频的搜索和推荐,没有对不同用户的需求进行分析,不能满足不同背景、不同目的和不同时期的用户的观影需求。
发明内容
有鉴于此,本发明提供了一种页面高度的控制方法,用以解决现有技术中,推荐引擎具有通用性,只有当用户输入相关推荐请求时,才可以进行目标视频的搜索和推荐,没有对不同用户的需求进行分析,不能满足不同背景、不同目的和不同时期的用户的观影需求的问题。具体方案如下:
一种相关视频的推荐方法,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:
当检测到目标用户观看视频时,解析所述视频关联的第一关键词;
依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;
将所述相关视频推荐给所述目标用户。
上述的方法,优选的,当检测到目标用户观看视频时,解析所述视频关联的第一关键词包括:
获取所述视频中包含的标识;
依据所述标识,在所述预设的推荐视频候选集中查找所述标识对应的视频信息;
依据自然语言处理规则解析所述视频信息关联的第一关键词。
上述的方法,优选的,依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频包括:
在所述预设的推荐视频候选集中选取与所述视频对应的各个推荐视频
针对每一个推荐视频,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算;
将计算结果大于预设的相似度阈值的视频作为相关视频。
上述的方法,优选的,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算包括:
计算所述第一关键词对应的第一词向量;
解析所述推荐视频中包含的第二关键词,计算所述第二关键词对应的第二词向量;
将所述第一词向量和所述第二词向量作为输入量传递给预设的相似度计算公式进行计算,得到所述视频与所述推荐视频对应的相似度计算结果。
上述的方法,优选的,还包括:
将所述视频和所述相关视频存储到所述分布式作业调度系统的内存中。
一种相关视频的推荐系统,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:
解析模块,用于当检测到目标用户观看视频时,解析所述视频关联的第一关键词;
计算模块,用于依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;
推荐模块,用于将所述相关视频推荐给所述目标用户。
上述的系统,优选的,所述解析模块包括:
获取单元,用于获取所述视频中包含的标识;
查找单元,用于依据所述标识,在所述预设的推荐视频候选集中查找所述标识对应的视频信息;
解析单元,用于依据自然语言处理规则解析所述视频信息关联的第一关键词。
上述的系统,优选的,所述计算模块包括:
选取单元,用于在所述预设的推荐视频候选集中选取与所述视频对应的各个推荐视频
计算单元,用于针对每一个推荐视频,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算;
确定单元,用于将计算结果大于预设的相似度阈值的视频作为相关视频。
上述的系统,优选的,所述计算单元包括:
第一计算子单元,用于计算所述第一关键词对应的第一词向量;
第二计算子单元,用于解析所述推荐视频中包含的第二关键词,计算所述第二关键词对应的第二词向量;
第三计算子单元,用于将所述第一词向量和所述第二词向量作为输入量传递给预设的相似度计算公式进行计算,得到所述视频与所述推荐视频对应的相似度计算结果。
上述的系统,优选的,还包括:
存储模块,用于将所述视频和所述相关视频存储到所述分布式作业调度系统的内存中。
与现有技术相比,本发明包括以下优点:
本发明公开了一种相关视频的推荐方法,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:当检测到目标用户观看视频时,解析所述视频关联的第一关键词;依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;将所述相关视频推荐给所述目标用户。上述的推荐方法,可以依据用户正在观看的视频,推荐出相关视频,推荐具有针对性,避免了现有技术中推荐引擎没有对不同用户的需求进行分析,不能满足不同背景、不同目的和不同时期的用户观影需求的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种相关视频的推荐方法流程图;
图2为本申请实施例公开的一种相关视频的推荐方法又一方法流程图;
图3为本申请实施例公开的一种相关视频的推荐方法又一方法流程图;
图4为本申请实施例公开的一种相关视频的推荐系统结构框图。
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,所描述的实施例仅仅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做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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本发明提供了一种相关视频的推荐方法,所述方法应用于视频网站的推荐引擎或者移动终端的视频应用程序的推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,所述方法的执行主体可以为处理器,所述推荐方法的方法流程如图1所示,包括步骤:
S101、当检测到目标用户观看视频时,解析所述视频关联的第一关键词;
本发明实施例中,视频网站或者视频应用程序中每一个视频均包含视频ID、视频标题、视频描述和视频所属分类等视频信息。当检测到目标用户观看视频时,在预设的播放视频候选集中,依据所述视频的ID,确定所述视频的视频标题和视频描述,解析所述视频标题和视频描述,得到所述视频关联的第一关键词,其中所述关键词可以为一个也可以为多个。
S102、依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;
本发明实施例中,依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的每一个推荐视频进行相似度计算,得到所述视频与所述预设的推荐视频候选集中每一个推荐视频的相似度计算结果,将所述计算结果大于预设的相似度阈值的推荐视频作为相关视频。
S103、将所述相关视频推荐给所述目标用户。
本发明实施例中,将所述相关视频推荐给所述目标用户的方式可以为:当所述目标用户正在观看视频,将所述推荐视频以更新的方式显示在所述视频网站或者所述视频应用程序的对应的播放页面的对应位置,所述更新的方式可以为:只显示推荐视频的名称、只显示推荐视频的视频播放页面、既显示推荐视频的名称也显示播放页面或者其它的优选显示方式。
本发明实施例中,所述预设的推荐视频候选集与所述播放视频候选集时相对来说的,若视频网站或者视频应用程序中不存在正在播放的视频时,所述视频网站或者所述视频应用程序的所有视频都存储在播放视频候选集中,当所述视频网站或者所述视频应用程序中存在正在播放的视频时,除去所述待播放的视频之外的其余视频均认为存储在推荐视频候选集中。所述推荐视频候选集和所述播放视频候选集中均存储有视频ID、视频标题、视频描述和视频所属分类等视频信息。
其中,所述推荐视频候选集和所述播放视频候选集每隔一定的时长是需要更新的,现有技术中,推荐引擎大部分采用单机方式进行部署,当新上传视频量过大或者某个峰值超过目前系统负载时,导致新上传视频生成相关推荐列表有一定延迟,同样新上传视频加入推荐列表也有一定延迟。
本发明实施例中,所述推荐引擎安装在分布式作业调度系统的各个服务器中,提高了吞吐量,并监控系统处理数据积压情况,如果数据开始积压,通过调度框架对系统做自动调整大小,解决了现有技术中的相关推荐的时效性问题。
本发明实施例中,所述预设的相似度阈值的选取可以为经验值,也可以将计算得到的各个相似度计算结果进行排序,依据拟推荐的相关视频的数量或者预设的推荐比例等确定所述预设的相似度阈值,每一次相关视频的推荐过程中,所述预设的相似度阈值可以不同。
本发明实施例中,在解析所述视频关联的第一关键词之前,需要对所述视频网站或者所述视频应用程序中的播放视频候选集进行过滤,过滤掉异常的视频或者是存储格式不符合存储要求的视频。所述异常视频可以为:出现过播放错误的视频、视频播放文件损坏的视频、或者被用户投诉过过的视频等。
本发明公开了一种相关视频的推荐方法,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:当检测到目标用户观看视频时,解析所述视频关联的第一关键词;依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;将所述相关视频推荐给所述目标用户。上述的推荐方法,可以依据用户正在观看的视频,推荐出相关视频,推荐具有针对性,避免了现有技术中推荐引擎没有对不同用户的需求进行分析,不能满足不同背景、不同目的和不同时期的用户观影需求的问题。
本发明实施例中,当检测到目标用户观看视频时,解析所述视频关联的第一关键词的方法流程如图2所示,包括步骤:
S201、获取所述视频中包含的标识;
本发明实施例中,当检测到目标用户观看视频时,获取所述目标视频包含的标识,所述标识具有唯一性,优选的,所述标识可以为视频ID或者视频ID和视频分类的组合等其他优选的标识。
S202、依据所述标识,在所述预设的推荐视频候选集中查找所述标识对应的视频信息;
本发明实施例中,遍历所述推荐视频候选集,优选的,依据所述视频分类,确定所述视频分类对应的各个推荐视频,获取所述各个推荐视频的ID,查找与所述视频ID相同的对应的视频信息,也可以不确定视频分类,直接依据所述视频ID在遍历所述推荐视频候选集,查找与所述标识对应的视频信息。
S203、依据自然语言处理规则解析所述视频信息关联的第一关键词。
本发明实施例中,所述自然语言处理解析规则是计算机科学,人工智能,语言学关注计算机和自然语言之间的相互作用的领域,是一门融语言学、计算机科学、数学于一体的科学。依据所述自然语言处理解析规则对所述视频信息中的视频名称和视频描述进行解析,得到所述视频信息关联的第一关键词。
本发明实施例中,优选的,可以将所述第一关键词进行封装,将封装完成的数据发送到消息队列中,当进行相关视频推荐时,在所述消息队列中获取所述封装完成的数据,其中,优选的,所述数据的封装格式为:JSON,所述消息队列为Kafka。
本发明实施例中,依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频的方法流程如图3所示,包括步骤:
S301、在所述预设的推荐视频候选集中选取与所述视频对应的各个推荐视频;
本发明实施例中,依据所述视频分类,确定在所述预设的推荐视频候选集中选取与所述视频对应的各个推荐视频
S302、针对每一个推荐视频,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算;
本发明实施例中,依据word2vector模型,计算所述第一关键词对应的第一词向量,解析所述推荐视频中包含的第二关键词,依据word2vector模型,计算所述第二关键词对应的第二词向量;将所述第一词向量和所述第二词向量作为输入量传递给预设的相似度计算公式进行计算,得到所述视频与所述推荐视频对应的相似度计算结果。所述第一词向量和所述第二词向量存在一一对应关系。
其中,所述预设的相似度计算公式为:
其中,
d—相似度
x—第一词向量
y—第二词向量
举例说明:目标视频标题为“刘德华在北京开演唱会”,进行分词,得到的第一关键词可以为刘德华、北京、演唱会,推荐视频标题为“华仔北京首映发布会”,进行分析,得到的第二关键词可以为华仔、北京、发布会,通过word2vector会计算出所述第一关键词和所述第二关键词对应的第一词向量和第二词向量,依据上述的相似度计算公式进行相似度计算。
本发明实施例中,自然语言理解的问题要转化为机器学习的问题,第一步肯定是要找一种方法把这些符号数学化。自然语言处理技术NLP是到目前为止最常用的词表示方法是One-hot Representation,这种方法把每个词表示为一个很长的向量。这个向量的维度是词表大小,其中绝大多数元素为0,只有一个维度的值为1,这个维度就代表了当前的词。
本发明实施例中,所述word2vector模型本质上来说就是一个矩阵分解的模型,简单地说,矩阵刻画了每个词和其上下文的词的集合的相关情况。对这个矩阵进行分解,只取每个词对应在隐含空间的向量,即将词分解成词向量。
S303、将计算结果大于预设的相似度阈值的视频作为相关视频。
本发明实施例中,将计算结果大于预设的相似度阈值的视频作为相关视频。其中,所述相关视频至少一个,因此,就建立一个视频和相关视频对应关系的视频推荐列表,将所述视频推荐列表存储到所述分布式作业调度系统的内存中。
其中,优选的,存储的原则可以为:视频ID之间的对应关系,如:视频ID1与视频ID9和视频ID10存在对应关系,表示当播放视频ID为1的视频时,直接将视频ID9和视频ID10的视频作为推荐视频进行推荐。
本发明实施例中,与上述的一种相关视频的推荐方法相对应的,本发明实施例中还提供了一种相关视频的推荐系统,所述推荐系统应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,所述推荐系统的结构框图如图4所示,包括:
解析模块401、计算模块402和推荐模块403。
其中,
所述解析模块401,用于当检测到目标用户观看视频时,解析所述视频关联的第一关键词;
所述计算模块402,用于依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;
所述推荐模块403,用于将所述相关视频推荐给所述目标用户。
本发明公开了一种相关视频的推荐系统,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:当检测到目标用户观看视频时,解析所述视频关联的第一关键词;依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;将所述相关视频推荐给所述目标用户。上述的推荐系统,可以依据用户正在观看的视频,推荐出相关视频,推荐具有针对性,避免了现有技术中推荐引擎没有对不同用户的需求进行分析,不能满足不同背景、不同目的和不同时期的用户观影需求的问题。
本发明实施例中,所述解析模块401包括:
获取单元404、查找单元405和解析单元406。
其中,
所述获取单元404,用于获取所述视频中包含的标识;
所述查找单元405,用于依据所述标识,在所述预设的推荐视频候选集中查找所述标识对应的视频信息;
所述解析单元406,用于依据自然语言处理规则解析所述视频信息关联的第一关键词。
本发明实施例中,所述计算模块402包括:
选取单元407、计算单元408和确定单元409。
其中,
所述选取单元407,用于在所述预设的推荐视频候选集中选取与所述视频对应的各个推荐视频
所述计算单元408,用于针对每一个推荐视频,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算;
所述确定单元409,用于将计算结果大于预设的相似度阈值的视频作为相关视频。
本发明实施例中,所述计算单元408包括:
第一计算子单元410、第二计算子单元411和第三计算子单元412。
其中,
所述第一计算子单元410,用于计算所述第一关键词对应的第一词向量;
所述第二计算子单元411,用于解析所述推荐视频中包含的第二关键词,计算所述第二关键词对应的第二词向量;
所述第三计算子单元412,用于将所述第一词向量和所述第二词向量作为输入量传递给预设的相似度计算公式进行计算,得到所述视频与所述推荐视频对应的相似度计算结果。
本发明实施例中,所述推荐系统还包括存储模块412。
其中,
所述存储模块412,用于将所述视频和所述相关视频存储到所述分布式作业调度系统的内存中。
需要说明的是,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。对于装置类实施例而言,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。
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、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种相关视频的推荐方法及系统进行了详细介绍,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 (10)

1.一种相关视频的推荐方法,其特征在于,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:
当检测到目标用户观看视频时,解析所述视频关联的第一关键词;
依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;
将所述相关视频推荐给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,当检测到目标用户观看视频时,解析所述视频关联的第一关键词包括:
获取所述视频中包含的标识;
依据所述标识,在所述预设的推荐视频候选集中查找所述标识对应的视频信息;
依据自然语言处理规则解析所述视频信息关联的第一关键词。
3.根据权利要求1所述的方法,其特征在于,依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频包括:
在所述预设的推荐视频候选集中选取与所述视频对应的各个推荐视频
针对每一个推荐视频,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算;
将计算结果大于预设的相似度阈值的视频作为相关视频。
4.根据权利要求3所述的方法,其特征在于,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算包括:
计算所述第一关键词对应的第一词向量;
解析所述推荐视频中包含的第二关键词,计算所述第二关键词对应的第二词向量;
将所述第一词向量和所述第二词向量作为输入量传递给预设的相似度计算公式进行计算,得到所述视频与所述推荐视频对应的相似度计算结果。
5.根据权利要求1所述的方法,其特征在于,还包括:
将所述视频和所述相关视频存储到所述分布式作业调度系统的内存中。
6.一种相关视频的推荐系统,其特征在于,应用于推荐引擎,所述推荐引擎安装在分布式作业调度系统的各个服务器中,包括:
解析模块,用于当检测到目标用户观看视频时,解析所述视频关联的第一关键词;
计算模块,用于依据所述第一关键词,分别将所述视频与预设的推荐视频候选集中对应的推荐视频进行相似度计算,将计算结果大于预设的相似度阈值的推荐视频作为相关视频;
推荐模块,用于将所述相关视频推荐给所述目标用户。
7.根据权利要求6所述的系统,其特征在于,所述解析模块包括:
获取单元,用于获取所述视频中包含的标识;
查找单元,用于依据所述标识,在所述预设的推荐视频候选集中查找所述标识对应的视频信息;
解析单元,用于依据自然语言处理规则解析所述视频信息关联的第一关键词。
8.根据权利要求6所述的系统,其特征在于,所述计算模块包括:
选取单元,用于在所述预设的推荐视频候选集中选取与所述视频对应的各个推荐视频
计算单元,用于针对每一个推荐视频,依据所述第一关键词,将所述视频与所述推荐视频进行相似度计算;
确定单元,用于将计算结果大于预设的相似度阈值的视频作为相关视频。
9.根据权利要求8所述的系统,其特征在于,所述计算单元包括:
第一计算子单元,用于计算所述第一关键词对应的第一词向量;
第二计算子单元,用于解析所述推荐视频中包含的第二关键词,计算所述第二关键词对应的第二词向量;
第三计算子单元,用于将所述第一词向量和所述第二词向量作为输入量传递给预设的相似度计算公式进行计算,得到所述视频与所述推荐视频对应的相似度计算结果。
10.根据权利要求6所述的系统,其特征在于,还包括:
存储模块,用于将所述视频和所述相关视频存储到所述分布式作业调度系统的内存中。
CN201711393688.4A 2017-12-21 2017-12-21 一种视频的推荐方法及系统 Pending CN110019944A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711393688.4A CN110019944A (zh) 2017-12-21 2017-12-21 一种视频的推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711393688.4A CN110019944A (zh) 2017-12-21 2017-12-21 一种视频的推荐方法及系统

Publications (1)

Publication Number Publication Date
CN110019944A true CN110019944A (zh) 2019-07-16

Family

ID=67187104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711393688.4A Pending CN110019944A (zh) 2017-12-21 2017-12-21 一种视频的推荐方法及系统

Country Status (1)

Country Link
CN (1) CN110019944A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111400546A (zh) * 2020-03-18 2020-07-10 腾讯科技(深圳)有限公司 一种视频召回方法、视频推荐方法及装置
CN112052354A (zh) * 2020-08-28 2020-12-08 北京达佳互联信息技术有限公司 视频推荐方法、视频展示方法、装置及计算机设备
CN112541115A (zh) * 2020-12-02 2021-03-23 创盛视联数码科技(北京)有限公司 推荐教学视频的方法、电子设备及计算机可读介质
CN112818251A (zh) * 2021-04-13 2021-05-18 腾讯科技(深圳)有限公司 视频推荐方法、装置、电子设备以及存储介质
CN112990984A (zh) * 2021-04-19 2021-06-18 广州欢网科技有限责任公司 一种广告视频推荐方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1674485A (zh) * 2004-03-25 2005-09-28 国际商业机器公司 动态提供计算机系统资源的方法和系统
US20130060555A1 (en) * 2011-06-10 2013-03-07 Qualcomm Incorporated System and Apparatus Modeling Processor Workloads Using Virtual Pulse Chains
CN104219575A (zh) * 2013-05-29 2014-12-17 酷盛(天津)科技有限公司 相关视频推荐方法及系统
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
CN107105349A (zh) * 2017-05-17 2017-08-29 东莞市华睿电子科技有限公司 一种视频推荐方法
US20170255491A1 (en) * 2016-03-04 2017-09-07 Google Inc. Resource allocation for computer processing

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1674485A (zh) * 2004-03-25 2005-09-28 国际商业机器公司 动态提供计算机系统资源的方法和系统
US20130060555A1 (en) * 2011-06-10 2013-03-07 Qualcomm Incorporated System and Apparatus Modeling Processor Workloads Using Virtual Pulse Chains
CN104219575A (zh) * 2013-05-29 2014-12-17 酷盛(天津)科技有限公司 相关视频推荐方法及系统
US20170255491A1 (en) * 2016-03-04 2017-09-07 Google Inc. Resource allocation for computer processing
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
CN107105349A (zh) * 2017-05-17 2017-08-29 东莞市华睿电子科技有限公司 一种视频推荐方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111400546A (zh) * 2020-03-18 2020-07-10 腾讯科技(深圳)有限公司 一种视频召回方法、视频推荐方法及装置
CN111400546B (zh) * 2020-03-18 2020-12-01 腾讯科技(深圳)有限公司 一种视频召回方法、视频推荐方法及装置
CN112052354A (zh) * 2020-08-28 2020-12-08 北京达佳互联信息技术有限公司 视频推荐方法、视频展示方法、装置及计算机设备
CN112541115A (zh) * 2020-12-02 2021-03-23 创盛视联数码科技(北京)有限公司 推荐教学视频的方法、电子设备及计算机可读介质
CN112818251A (zh) * 2021-04-13 2021-05-18 腾讯科技(深圳)有限公司 视频推荐方法、装置、电子设备以及存储介质
CN112990984A (zh) * 2021-04-19 2021-06-18 广州欢网科技有限责任公司 一种广告视频推荐方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110019944A (zh) 一种视频的推荐方法及系统
US9141906B2 (en) Scoring concept terms using a deep network
US7860878B2 (en) Prioritizing media assets for publication
US9576305B2 (en) Detecting competitive product reviews
US9569547B2 (en) Generating a news timeline
EP2930627A1 (en) Interactive searching and recommending method and apparatus
US10324993B2 (en) Predicting a search engine ranking signal value
US20150294011A1 (en) Method and apparatus for providing recommended information
US9135307B1 (en) Selectively generating alternative queries
KR20150057987A (ko) 추천 엔진에 기초하는 일반화된 그래프, 규칙 및 공간 구조
CN103020049A (zh) 搜索方法及搜索系统
CN111104583B (zh) 一种直播间推荐方法、存储介质、电子设备及系统
US11789946B2 (en) Answer facts from structured content
KR102117143B1 (ko) 뉴스 타임라인 및 추천된 뉴스 에디션들의 발생
CN107623862A (zh) 多媒体信息推送控制方法、装置及服务器
KR101873339B1 (ko) 관심사 및 콘텐츠를 제공하는 방법 및 시스템
CN111125344A (zh) 相关词推荐方法和装置
CN111061954A (zh) 搜索结果排序方法、装置及存储介质
CN110008396B (zh) 对象信息推送方法、装置、设备及计算机可读存储介质
JP2010181966A (ja) レコメンド情報評価装置およびレコメンド情報評価方法
CN109190095B (zh) 一种文章的生成方法及装置
US9530024B2 (en) Recommendation system for protecting user privacy
JP5346991B2 (ja) コンテンツ出力方法、コンテンツ出力装置およびコンテンツ出力プログラム
CN105843887B (zh) 信息处理方法及电子设备
CN111737571B (zh) 搜索方法、装置和电子设备

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190716