CN110069663A - 视频推荐方法及装置 - Google Patents

Abstract

本公开提供一种视频推荐方法及装置，涉及视频处理技术领域，本公开提供的视频推荐方法及装置，首先通过获取用户观看视频的行为数据，并对行为数据进行预处理，得到待处理数据集，在得到待处理数据集后，基于Item2vec模型，对待处理数据集中的第一数据集进行训练，得到用户的所有有效播放视频对应的第一视频向量，并基于DSSM模型以及待处理数据集中的第三数据集，对用户的第一视频向量再次进行训练，得到第二视频向量，在得到第二视频向量后，基于KMeans算法，对用户的所有第二视频向量进行聚类，并根据聚类结果向用户推荐用户感兴趣的视频，提高了视频推荐的准确性以及用户的使用体验性。

Description

视频推荐方法及装置

技术领域

本公开涉及视频处理技术领域，具体而言，涉及一种视频推荐方法及装置。

背景技术

近年来，推荐系统和个性化内容在互联网服务中的作用日益增加。视频作为丰富信息的一种载体，自然成为个性化推荐中一类重要的研究对象。随着用户和视频数量的不断增长，如何深度挖掘视频信息，准确匹配用户兴趣，从茫茫视频库中为用户挑选合适的视频，提供精准的个性化服务，已经成为行业内研究的热点。但是，现有的视频推荐方案，准确性较低，用户使用体验性较低。

发明内容

有鉴于此，本公开提供一种视频推荐方法及装置。

本公开提供一种视频推荐方法，包括：

获取用户观看视频的行为数据，并对所述行为数据进行预处理，得到待处理数据集；所述待处理数据集包括第一数据集以及第三数据集，其中，所述第一数据集包括所述用户的有效播放视频序列，所述第三数据集包括所述用户的播放视频序列以及播放视频序列中每个视频的标签值。

基于Item2vec模型，对所述第一数据集进行训练，得到所述用户的所有有效播放视频对应的第一视频向量。

基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频。

进一步的，所述待处理数据集还包括第二数据集，所述第二数据集包括所述用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重；在基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量之前，所述方法还包括：

基于所述第二数据集，选取所述用户的前N个有效播放视频。

根据前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重。

对赋予权重后的前N个第一视频向量进行加权平均操作，得到所述用户的用户向量，以根据所述用户的用户向量，基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

进一步的，所述基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量的步骤包括:

将所述用户的用户向量以及第一视频向量输入至所述DSSM模型，得到所述用户的用户向量与第一视频向量的余弦相似度值。

将所述余弦相似度值与所述用户的第一视频向量对应视频的标签值进行差值计算，得到所述余弦相似度值与所述用户的第一视频向量对应视频的标签值的差值。

将所述差值进行反向传播迭代训练，直至所述差值满足设定条件，输出所述第二视频向量。

进一步的，基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频的步骤包括：

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，得到每个视频对应的视频类别。

基于所述第二数据集，对所述用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重。

根据所述用户的有效播放视频序列中每个视频对应的视频类别所对应的权重，对所述用户的所有的视频类别进行排序，得到所述用户的偏好视频类别。

根据所述用户的偏好视频类别，向所述用户推荐视频。

进一步的，所述根据所述用户的偏好视频类别，向所述用户推荐视频的步骤包括：

取出所述用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离。

根据视频类别的权重以及每个视频与聚类中心的距离，对所述用户的偏好视频类别中的视频进行排序，得到候选推荐视频。

对所述候选推荐视频进行过滤，并根据所述用户的偏好视频类别以及过滤后的候选推荐视频中每个视频与聚类中心的距离，对过滤后的候选推荐视频进行打散。

根据打散后的候选推荐视频向所述用户推荐视频。

本公开提供一种视频推荐装置，包括获取模块、预处理模块、处理模块以及聚类模块。

所述获取模块用于获取用户观看视频的行为数据。

所述预处理模块用于对所述行为数据进行预处理，得到待处理数据集；所述待处理数据集包括第一数据集以及第三数据集；其中，所述第一数据集包括所述用户的有效播放视频序列，所述第三数据集包括所述用户的播放视频序列以及播放视频序列中每个视频的标签值。

所述处理模块用于基于Item2vec模型，对所述第一数据集进行训练，得到所述用户的所有有效播放视频对应的第一视频向量。

所述处理模块还用于基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

所述聚类模块用于基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频。

进一步的，所述待处理数据集还包括第二数据集，所述第二数据集包括所述用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重。

在基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量之前，所述处理模块还用于：

基于所述第二数据集，选取所述用户的前N个有效播放视频。

根据前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重。

对赋予权重后的前N个第一视频向量进行加权平均操作，得到所述用户的用户向量，以根据所述用户的用户向量，基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

进一步的，所述处理模块还用于：

将所述用户的用户向量以及第一视频向量输入至所述DSSM模型，得到所述用户的用户向量与第一视频向量的余弦相似度值。

将所述余弦相似度值与所述用户的第一视频向量对应视频的标签值进行差值计算，得到所述余弦相似度值与所述用户的第一视频向量对应视频的标签值的差值。

将所述差值进行反向传播迭代训练，直至所述差值满足设定条件，输出所述第二视频向量。

进一步的，所述聚类模块用于：

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，得到每个视频对应的视频类别。

基于所述第二数据集，对所述用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重。

根据所述用户的有效播放视频序列中每个视频对应的视频类别所对应的权重，对所述用户的所有的视频类别进行排序，得到所述用户的偏好视频类别。

根据所述用户的偏好视频类别，向所述用户推荐视频。

进一步的，所述聚类模块还用于：

取出所述用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离。

根据视频类别的权重以及每个视频与聚类中心的距离，对所述用户的偏好视频类别中的视频进行排序，得到候选推荐视频。

对所述候选推荐视频进行过滤，并根据所述用户的偏好视频类别以及过滤后的候选推荐视频中每个视频与聚类中心的距离，对过滤后的候选推荐视频进行打散。

根据打散后的候选推荐视频向所述用户推荐视频。

本公开提供的视频推荐方法及装置，首先通过获取用户观看视频的行为数据，并对行为数据进行预处理，得到待处理数据集；在本公开中，待处理数据集包括第一数据集以及第三数据集，其中，第一数据集包括用户的有效播放视频序列，第三数据集包括用户的播放视频序列以及播放视频序列中每个视频的标签值；在得到待处理数据集后，基于Item2vec模型，对待处理数据集中的第一数据集进行训练，得到用户的所有有效播放视频对应的第一视频向量，并基于DSSM模型以及待处理数据集中的第三数据集，对用户的第一视频向量再次进行训练，得到第二视频向量，在得到第二视频向量后，基于KMeans算法，对用户的所有第二视频向量进行聚类，并根据聚类结果向用户推荐用户感兴趣的视频，提高了视频推荐的准确性以及用户的使用体验性。

附图说明

为了更清楚地说明本公开的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本公开所提供的电子设备的一种方框示意图。

图2为本公开所提供的视频推荐方法的一种流程示意图。

图3为本公开所提供的视频推荐方法的另一种流程示意图。

图4为本公开所提供的视频推荐方法的又一种流程示意图。

图5为本公开所提供的DSSM模型的一种结构示意图。

图6为本公开所提供的视频推荐方法的又一种流程示意图。

图7为本公开所提供的视频推荐方法的又一种流程示意图。

图8为本公开所提供的视频推荐装置的一种方框示意图。

图标：100-电子设备；10-视频推荐装置；11-获取模块；12-预处理模块；13-处理模块；14-聚类模块；20-存储器；30-处理器。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开中的实施例，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，都属于本公开保护的范围。

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定义和解释。

近年来，推荐系统和个性化内容在互联网服务中的作用日益增加。视频作为具体丰富信息的载体，自然成为个性化推荐中一类重要的研究对象。随着用户和视频的不断增长，如何深度挖掘视频信息，准确匹配用户兴趣，从茫茫视频库中为用户挑选合适的视频，提供精准的个性化服务，已经成为学术界和工业界研究的热点。

目前，现有技术中常用的视频推荐方法大致分为两种，一是基于用户历史播放视频寻找相似兴趣用户和相似类型视频的协同过滤算法。这种方案存在的问题有：1.用户和商品冷启动的问题，新用户的历史播放记录很少，同样最近上传的视频的播放量也较少，使用协同过滤效果很差。2.随着用户和视频的不断增加，协同过滤的矩阵也非常大，无法单机处理，只能通过分布式解决，对于数据量更大的情况，需要考虑进一步分块。二是根据视频的图像帧信息通过卷积神经网络获取含有视频信息的隐向量，结合用户的历史播放行为进行推荐。这种方法的推荐结果存在不确定性，这是由于在视频领域有很多细分的类别是视觉不可区分的，并且为了训练一个图像模型需要大量的标注数据，标注成本较高。现有的推荐方案都存在一定的缺陷，一旦向用户推荐了不合适的视频，很可能会降低用户的使用体验，对视频平台的用户增长带来很大的负面影响。

基于上述研究，本公开提供一种视频推荐方法及装置，以改善上述问题。

下面结合附图，对本公开的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。

请结合参阅图1，本公开提供的一种视频推荐方法应用于图1所示的电子设备100，由所述电子设备100执行本公开所提供的视频推荐方法。在本公开中，所述电子设备100可以是，但不限于，个人电脑(Personal Computer，PC)、笔记本电脑、个人数字助理(PersonalDigital ASSistant，PDA)或服务器等具有数据处理能力的电子设备100。

所述电子设备100包括视频推荐装置10、存储器20以及处理器30；所述存储器20以及处理器30各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互直接可通过一条或多条通讯总线或信号线实现电性连接。所述视频推荐装置10包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器20中的软件功能模块，所述处理器30通过运行存储在存储器20内的软件程序以及模块，从而执行各种功能应用以及数据处理。

请结合参阅图2，图2为本公开所提供的视频推荐方法的流程示意图。下面对图2所示的视频推荐方法的具体流程进行详细阐述。

步骤S10：获取用户观看视频的行为数据，并对所述行为数据进行预处理，得到待处理数据集。

其中，用户观看视频的行为数据包括用户对视频的操作行为日志，例如，用户对视频的点击、播放、点赞、转发、搜索等操作行为日志。在本公开中，通过在客户端埋点，进而获取用户观看视频的行为数据，在获取到用户观看视频的行为数据后，将用户观看视频的行为数据存储到分布式文件系统中，通过大规模数据计算引擎SPARK对用户观看视频的行为数据进行清洗和预处理，以过滤作弊的用户行为数据，得到待处理数据集。

在本公开中，每个用户都有唯一的标识符uid，每个视频都有唯一标识符mid，在获取到用户观看视频的行为数据后，获取到的用户行为数据都会以相同格式进行存储，例如，用户A在B时间点击某视频，若用户A的uid为uid1，视频mid为mid1，则存储格式为(uid1，mid1，B)，用户对视频的点击、播放、点赞、转发、搜索等操作行为数据会以相同格式进行存储。

在本公开中，通过将获取到的用户行为数据以相同格式进行存储，进而可通过算法快速地识别出作弊用户的uid，对作弊的用户行为数据进行过滤，例如，同一客户端上存在多个uid。

所述待处理数据集包括第一数据集以及第三数据集，其中，所述第一数据集包括所述用户的有效播放视频序列，所述第三数据集包括所述用户的播放视频序列以及播放视频序列中每个视频的标签值。

其中，通过整合一段时间内用户的播放日志，产出用户的有效播放视频序列，并将有效播放视频序列中的每个视频按照用户的播放时间进行排序，进而得到第一数据集。所述第一数据集的格式为(uid，mid1，mid2，mid3，mid4，...，midn)，mid1，mid2，mid3，mid4，...，midn表示用户uid所播放过的所有有效视频。在本公开中，若一个视频的播放进度达到75％以上，则该视频为有效播放视频。

所述第三数据集通过整合一段时间内用户播放日志所得，所述第三数据集作为正负样本，用于后续的处理。正样本为用户的点赞、有效播放记录等行为数据，负样本为用户的不喜欢记录，若用户的负样本较少，则使用曝光未点击记录进行补充。所述第三数据集的整合时间小于所述第一数据集的整合时间。例如，所述第一数据集的整合时间可以为一个月，所述第三数据集的整合时间可以为一个周。所述第三数据集的格式为(uid，mid，label)，其中，label为视频mid的标签值，若用户点击、点赞某视频，则该视频的标签值为1，若用户不喜欢该视频，则该视频的标签值为0。

进一步的，所述待处理数据集还包括第二数据集，所述第二数据集包括所述用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重。

所述第二数据集通过整合一段时间内用户的播放日志，产出用户的有效播放视频序列，并按照不同的行为操作和时间衰减对有效播放时间序列中的每个视频赋予对应的权重所得到。所述第二数据集的整合时间大于所述第三数据集的整合时间，和所述第一数据集的整合时间相同，例如，所述第一数据集的整合时间为一个月，则所述第二数据集的整合时间也为一个月。

第二数据集的格式为(uid，mid1:score1，mid2:score2，mid3:score4，…，midn:scoren)其中，score为权重值，score＝操作行为得分*时间衰减。不同的操作行为，有不同的分值，例如点击视频，得分为1分；点赞视频，得分为3分；分享视频，得分为10分等。时间衰减F(t)＝e^-α(t-t0)，其中，α为常数，根据实际情况而设定，可选的，本公开为1.98；t为当前日期；t0为操作行为的初始日期。例如，当前日期为20190402，行为日期为20190401，则时间衰减F(t)＝e^{-1.98*(20190402-20190401})。若用户对某视频点击后，进行点赞、分享等操作行为，则该视频的权重为Score＝(点击1分+点赞3分+分享10分)*F(t)。

进一步的，在得到待处理数据集后，执行步骤S20。

步骤S20：基于Item2vec模型，对所述第一数据集进行训练，得到所述用户的所有有效播放视频对应的第一视频向量。

其中，Item2Vec模型把word2vec中基于Negative Sampling的Skip-Gram思想迁移到基于物品的协同过滤上；对于用户的有效播放视频序列，采用Item2Vec模型中的skip-gram模型进行训练，进而得到用户的有效播放视频序列中每个有效播放视频对应的第一视频向量。

步骤S30：基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

进一步的，请结合参阅图3，在执行步骤S30之前，所述方法还包括步骤S21至步骤S23。

步骤S21：基于所述第二数据集，选取所述用户的前N个有效播放视频。

步骤S22：根据前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重。

步骤S23：对赋予权重后的前N个第一视频向量进行加权平均操作，得到所述用户的用户向量，以根据所述用户的用户向量，基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

其中，所述第二数据集包括了用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重，因此，从所述第二数据集所包括的有效播放视频序列中选取某视频，也会得到该视频所对应的权重。所述第二数据集所包括的有效播放视频序列中的每个视频也是按播放时间进行排序。

从所述第二数据集中选取用户的前N个有效播放视频(例如，取最近100次有效播放)，根据选取的前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重，并对赋予权重后的前N个第一视频向量进行加权平均操作，例如，从所述第二数据集中选取用户uid的数据为(uid，mid1:score1，mid2:score2)，视频mid1对应的第一视频向量为v1:[a1，a2，a3，…，an]，视频mid2对应的第一视频向量为v2:[b1，b2，b3，…，bn]，根据视频mid1以及视频mid2所对应的权重，对第一视频向量v1和第一视频向量v2赋予对应的权重，得到赋予权重后的第一视频向量v1为：score1*[a1，a2，a3，…，an]，赋予权重后的第二视频向量v2为：score2*[a1，a2，a3，…，an]，对赋予权重后的第一视频向量v1和第二视频向量v2进行加权平均操作，得到的用户向量U为：

[a1*(score1/(score1+score2))+b1*(score2/(score1+score2)),a2*(score1/(score1+score2))+b2*(score2/(score1+score2)),..,an*(score1/(score1+score2))+bn*(score2/(score1+score2))]。

在得到用户的用户向量后，根据用户的用户向量，执行步骤S30。进一步的，请结合参阅图4，所述基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量的步骤包括步骤S31至步骤S33。

步骤S31：将所述用户的用户向量以及第一视频向量输入至所述DSSM模型，得到所述用户的用户向量与第一视频向量的余弦相似度值。

步骤S32：将所述余弦相似度值与所述用户的第一视频向量对应视频的标签值进行差值计算，得到所述余弦相似度值与所述用户的第一视频向量对应视频的标签值的差值。

步骤S33：将所述差值进行反向传播迭代训练，直至所述差值满足设定条件，输出所述第二视频向量。

其中，如图5所示，DSSM模型的主要结构从下往上依次是输入层、表示层和匹配层，输入层用于输入用户的用户向量和第一视频向量，表示层采用多层深度神经网络(DNN)，用于对数据进行降维处理，匹配层用于对用户向量和第一视频向量计算余弦相似度值。

所述第三数据集包括了用户的播放视频序列以及播放视频序列中每个视频的标签值，使用第三数据集进行训练，输入所述第三数据集时，根据用户和视频的唯一标识符，取出该用户对应的用户向量以及该用户的播放视频对应的第一视频向量，将该用户的用户向量、该视频对应的第一视频向量以及该视频的标签值输入至DSSM模型中进行训练，输入格式为(用户向量，第一视频向量，label)。

输入层输入用户的用户向量和第一视频向量后，表示层对用户的用户向量和第一视频向量进行降维处理，从高维稀疏向量依次压缩成50k维、300维、128维的低维向量，在将高维稀疏向量压缩成128维的低维向量后，匹配层对128维的用户向量和第一视频向量计算余弦相似度值，得到用户的用户向量与第一视频向量的余弦相似度值。

可选的。在本公开中，DSSM模型还可引入多视角(Multi-View)，因此，基于DSSM模型，可根据数据来源的不同，构建多塔结构，每种来源的数据独立训练，使得最终训练出来的模型能够学习到用户在不同数据来源的兴趣偏好。

在得到用户的用户向量和第一视频向量的余弦相似度值后，将该余弦相似度值与该第一视频向量对应视频的标签值进行差值计算，得到该余弦相似度值与用户的第一视频向量对应视频的标签值的差值。采用softmax函数将该差值反向传播至DNN，进行迭代训练，以调整DNN的参数，直至该差值满足设定条件，例如该差值收敛，趋于稳定，输出第二视频向量，第二视频向量为优化后的第一视频向量。在得到第二视频向量后，执行步骤S40。

步骤S40：基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频。

进一步的，请结合参阅图6，基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频的步骤包括步骤S41至步骤S44。

步骤S41：基于KMeans算法，对所述用户的所有第二视频向量进行聚类，得到每个视频对应的视频类别。

其中，基于KMeans算法进行聚类时，可以根据实际情况，预先设定聚类的类别数量，可选的，在本公开中，可预先设定聚类的类别数量为150。通过KMeans算法，对用户的所有第二视频向量进行聚类，即可得到每个第二视频向量对应视频的视频类别，其输出格式为(mid，cluster_id，distance)，其中，cluster_id表示聚类id，即视频类别，distance表示离聚类中心距离。

步骤S42：基于所述第二数据集，对所述用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重。

其中，在得到每个第二视频向量对应视频的类别后，针对每个视频，根据该视频的唯一标识符，从所述第二数据集中获取该视频对应的权重，并对该视频对应的视频类别赋予对应的权重。例如，在通过KMeans算法对用户uid所有的第二视频向量进行聚类后，得到视频mid1的聚类结果为(mid1，c1，distance1)，视频mid2的聚类结果为(mid2，c2，distance2)。即视频mid1的视频类别为C1，视频mid2的视频类别为C2；从第二数据集中获取的结果为(uid，mid1:score1，mid2:score2)，即视频mid1的权重为score1，视频mid2的权重为score2，分别对视频对应的视频类别赋予对应的权重，得到视频类别c1的权重为score1，视频类别c2的权重为score2。

步骤S43：根据所述用户的有效播放视频序列中每个视频对应的视频类别所对应的权重，对所述用户的所有的视频类别进行排序，得到所述用户的偏好视频类别。

步骤S44：根据所述用户的偏好视频类别，向所述用户推荐视频。

其中，基于第二数据集，对用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重后，根据每个视频类别对应权重值的大小，对用户所有的视频类别从大到小进行排序，进而得到用户的偏好视频类别。

本公开提供的视频推荐方法，基于Item2vec模型，对第一数据集进行训练，得到用户的所有有效播放视频对应的第一视频向量，并基于DSSM模型以及第三数据集，对用户的第一视频向量再次进行训练，得到优化后的第一视频向量，即第二视频向量，在得到第二视频向量后，基于KMeans算法，对用户的所有第二视频向量进行聚类，实现了在没有引入标注数据的条件下便可区分不同的视频内容，完成视频内容的聚类，降低了成本，且视频聚类的准确性较高。

在得到用户的偏好视频类别后，根据用户的偏好视频类别，向用户推荐视频。

进一步的，请结合参阅图7，所述根据所述用户的偏好视频类别，向所述用户推荐视频的步骤包括步骤S441至步骤S444。

步骤S441：取出所述用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离。

步骤S442：根据视频类别的权重以及每个视频与聚类中心的距离，对所述用户的偏好视频类别中的视频进行排序，得到候选推荐视频。

其中，在取出用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离后，根据视频类别的权重以及每个视频与聚类中心的距离，采用公式score*(1-distance)对用户的偏好视频类别中的每个视频进行计算，根据计算结果从大到小进行排序，并选取排序后的前n个视频作为候选推荐视频，n值的取值可以根据实际情况而设定，本公开不做限定。

步骤S443：对所述候选推荐视频进行过滤，并根据所述用户的偏好视频类别以及过滤后的候选推荐视频中每个视频与聚类中心的距离，对过滤后的候选推荐视频进行打散。

步骤S444：根据打散后的候选推荐视频向所述用户推荐视频。

其中，在得到候选推荐视频后，对候选推荐视频进行过滤，进而从候选推荐视频中过滤掉用户看过的，曝光过的以及拉黑作者的视频等。

对候选推荐视频进行过滤后，根据用户的偏好视频类别的排序，依次从偏好视频类别中根据与聚类中心的距离由近到远选取视频，进而对过滤后的候选推荐视频进行打散。例如，用户的偏好视频类别排序为c1、c2、c3，c1中与聚类中心的距离由近到远的视频分别为mid1、mid2、mid3，c2中与聚类中心的距离由近到远的视频分别为mid4、mid5、mid6，c3中与聚类中心的距离由近到远的视频分别为mid7、mid8、mid9，则根据用户的偏好视频类别的排序，依次从偏好视频类别中根据与聚类中心的距离由近到远选取视频的结果为：mid1，mid4，mid7，mid2，mid5，mid8，mid3，mid6，mid9。

在对候选推荐视频打散后，根据打散后的候选推荐视频向用户推荐视频，能准确地向用户推荐感兴趣的视频，提高了视频推荐的准确性以及用户的使用体验性。

在上述基础上，请结合参阅图8，本公开提供一种视频推荐装置10，本公开提供的视频推荐装置10包括获取模块11、预处理模块12、处理模块13以及聚类模块14。

所述获取模块11用于获取用户观看视频的行为数据。

所述预处理模块12用于对所述行为数据进行预处理，得到待处理数据集；所述待处理数据集包括第一数据集以及第三数据集；其中，所述第一数据集包括所述用户的有效播放视频序列，所述第三数据集包括所述用户的播放视频序列以及播放视频序列中每个视频的标签值。

所述处理模块13用于基于Item2vec模型，对所述第一数据集进行训练，得到所述用户的所有有效播放视频对应的第一视频向量。

所述处理模块13还用于基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

所述聚类模块14用于基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频。

进一步的，所述待处理数据集还包括第二数据集，所述第二数据集包括所述用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重。

在基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量之前，所述处理模块13还用于：

基于所述第二数据集，选取所述用户的前N个有效播放视频。

根据前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重。

对赋予权重后的前N个第一视频向量进行加权平均操作，得到所述用户的用户向量，以根据所述用户的用户向量，基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

进一步的，所述处理模块13还用于：

将所述用户的用户向量以及第一视频向量输入至所述DSSM模型，得到所述用户的用户向量与第一视频向量的余弦相似度值。

将所述余弦相似度值与所述用户的第一视频向量对应视频的标签值进行差值计算，得到所述余弦相似度值与所述用户的第一视频向量对应视频的标签值的差值。

将所述差值进行反向传播迭代训练，直至所述差值满足设定条件，输出所述第二视频向量。

进一步的，所述聚类模块14用于：

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，得到每个视频对应的视频类别。

基于所述第二数据集，对所述用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重。

根据所述用户的有效播放视频序列中每个视频对应的视频类别所对应的权重，对所述用户的所有的视频类别进行排序，得到所述用户的偏好视频类别。

根据所述用户的偏好视频类别，向所述用户推荐视频。

进一步的，所述聚类模块14还用于：

取出所述用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离。

根据视频类别的权重以及每个视频与聚类中心的距离，对所述用户的偏好视频类别中的视频进行排序，得到候选推荐视频。

对所述候选推荐视频进行过滤，并根据所述用户的偏好视频类别以及过滤后的候选推荐视频中每个视频与聚类中心的距离，对过滤后的候选推荐视频进行打散。

根据打散后的候选推荐视频向所述用户推荐视频。

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，上述描述的视频推荐装置10的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

综上，本公开提供的视频推荐方法及装置，首先通过获取用户观看视频的行为数据，并对行为数据进行预处理，得到待处理数据集，在得到待处理数据集后，基于Item2vec模型，对待处理数据集中的第一数据集进行训练，得到用户的所有有效播放视频对应的第一视频向量，并基于DSSM模型以及待处理数据集中的第三数据集，对用户的第一视频向量再次进行训练，得到第二视频向量，在得到第二视频向量后，基于KMeans算法，对用户的所有第二视频向量进行聚类，并根据聚类结果向用户推荐用户感兴趣的视频，提高了视频推荐的准确性以及用户的使用体验性。相比于传统的视频推荐方案，本公开提供的视频推荐方法及装置其离线评估指标auc提升1.3％，实际上线后，线上播放指标提升4％。

除此之外，本公开提供的视频推荐方法及装置，基于Item2vec模型，对第一数据集进行训练，得到用户的所有有效播放视频对应的第一视频向量，并基于DSSM模型以及第三数据集，对用户的第一视频向量再次进行训练，得到优化后的第一视频向量，即第二视频向量，在得到第二视频向量后，基于KMeans算法，对用户的所有第二视频向量进行聚类，实现了在没有引入标注数据的条件下便可区分不同的视频内容，完成视频内容的聚类，降低了成本，且视频聚类的准确性较高。

在本公开的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种视频推荐方法，其特征在于，包括：

获取用户观看视频的行为数据，并对所述行为数据进行预处理，得到待处理数据集；所述待处理数据集包括第一数据集以及第三数据集，其中，所述第一数据集包括所述用户的有效播放视频序列，所述第三数据集包括所述用户的播放视频序列以及播放视频序列中每个视频的标签值；

基于Item2vec模型，对所述第一数据集进行训练，得到所述用户的所有有效播放视频对应的第一视频向量；

基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量；

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频。

2.根据权利要求1所述的视频推荐方法，其特征在于，所述待处理数据集还包括第二数据集，所述第二数据集包括所述用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重；在基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量之前，所述方法还包括：

基于所述第二数据集，选取所述用户的前N个有效播放视频；

根据前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重；

对赋予权重后的前N个第一视频向量进行加权平均操作，得到所述用户的用户向量，以根据所述用户的用户向量，基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

3.根据权利要求2所述的视频推荐方法，其特征在于，所述基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量的步骤包括:

将所述用户的用户向量以及第一视频向量输入至所述DSSM模型，得到所述用户的用户向量与第一视频向量的余弦相似度值；

将所述余弦相似度值与所述用户的第一视频向量对应视频的标签值进行差值计算，得到所述余弦相似度值与所述用户的第一视频向量对应视频的标签值的差值；

将所述差值进行反向传播迭代训练，直至所述差值满足设定条件，输出所述第二视频向量。

4.根据权利要求3所述的视频推荐方法，其特征在于，基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频的步骤包括：

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，得到每个视频对应的视频类别；

基于所述第二数据集，对所述用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重；

根据所述用户的有效播放视频序列中每个视频对应的视频类别所对应的权重，对所述用户的所有的视频类别进行排序，得到所述用户的偏好视频类别；

根据所述用户的偏好视频类别，向所述用户推荐视频。

5.根据权利要求4所述的视频推荐方法，其特征在于，所述根据所述用户的偏好视频类别，向所述用户推荐视频的步骤包括：

取出所述用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离；

根据视频类别的权重以及每个视频与聚类中心的距离，对所述用户的偏好视频类别中的视频进行排序，得到候选推荐视频；

对所述候选推荐视频进行过滤，并根据所述用户的偏好视频类别以及过滤后的候选推荐视频中每个视频与聚类中心的距离，对过滤后的候选推荐视频进行打散；

根据打散后的候选推荐视频向所述用户推荐视频。

6.一种视频推荐装置，其特征在于，包括获取模块、预处理模块、处理模块以及聚类模块；

所述获取模块用于获取用户观看视频的行为数据；

所述预处理模块用于对所述行为数据进行预处理，得到待处理数据集；所述待处理数据集包括第一数据集以及第三数据集；其中，所述第一数据集包括所述用户的有效播放视频序列，所述第三数据集包括所述用户的播放视频序列以及播放视频序列中每个视频的标签值；

所述处理模块用于基于Item2vec模型，对所述第一数据集进行训练，得到所述用户的所有有效播放视频对应的第一视频向量；

所述处理模块还用于基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量；

所述聚类模块用于基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频。

7.根据权利要求6所述的视频推荐装置，其特征在于，所述待处理数据集还包括第二数据集，所述第二数据集包括所述用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重；

在基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量之前，所述处理模块还用于：

基于所述第二数据集，选取所述用户的前N个有效播放视频；

根据前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重；

对赋予权重后的前N个第一视频向量进行加权平均操作，得到所述用户的用户向量，以根据所述用户的用户向量，基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量。

8.根据权利要求7所述的视频推荐装置，其特征在于，所述处理模块还用于：

将所述用户的用户向量以及第一视频向量输入至所述DSSM模型，得到所述用户的用户向量与第一视频向量的余弦相似度值；

将所述余弦相似度值与所述用户的第一视频向量对应视频的标签值进行差值计算，得到所述余弦相似度值与所述用户的第一视频向量对应视频的标签值的差值；

将所述差值进行反向传播迭代训练，直至所述差值满足设定条件，输出所述第二视频向量。

9.根据权利要求8所述的视频推荐装置，其特征在于，所述聚类模块用于：

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，得到每个视频对应的视频类别；

基于所述第二数据集，对所述用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重；

根据所述用户的有效播放视频序列中每个视频对应的视频类别所对应的权重，对所述用户的所有的视频类别进行排序，得到所述用户的偏好视频类别；

根据所述用户的偏好视频类别，向所述用户推荐视频。

10.根据权利要求9所述的视频推荐装置，其特征在于，所述聚类模块还用于：

取出所述用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离；

根据视频类别的权重以及每个视频与聚类中心的距离，对所述用户的偏好视频类别中的视频进行排序，得到候选推荐视频；

对所述候选推荐视频进行过滤，并根据所述用户的偏好视频类别以及过滤后的候选推荐视频中每个视频与聚类中心的距离，对过滤后的候选推荐视频进行打散；

根据打散后的候选推荐视频向所述用户推荐视频。