CN110222233A - 视频推荐方法、装置、服务器及存储介质 - Google Patents
视频推荐方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN110222233A CN110222233A CN201910517971.6A CN201910517971A CN110222233A CN 110222233 A CN110222233 A CN 110222233A CN 201910517971 A CN201910517971 A CN 201910517971A CN 110222233 A CN110222233 A CN 110222233A
- Authority
- CN
- China
- Prior art keywords
- video
- background music
- user
- music
- operation behavior
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7834—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using audio features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开关于一种视频推荐方法、装置、服务器及存储介质,属于视频处理技术领域,所述方法通过先确定与第一用户当前播放的视频的背景音乐在操作行为上相似的第一背景音乐,再向第一用户推荐以第一背景音乐为背景音乐的第一视频,由于当前播放的视频的背景音乐可能为第一用户所喜欢的背景音乐,而当对两个视频的操作行为相似时,可以认为这两个视频的背景音乐相似,由于用户喜欢的背景音乐一般比较相似,那么,在操作行为上相似的第一背景音乐,更有可能为第一用户所喜欢,所以基于第一用户可能喜欢的第一视频进行推荐,能够实现向用户推荐用户喜欢的视频,提高了推荐的准确度。
Description
技术领域
本公开涉及视频处理技术领域,尤其涉及视频推荐方法、装置、服务器及存储介质。
背景技术
随着视频技术的发展,人们可以通过终端播放视频,以丰富业余生活,视频服务器可以向用户推荐一些用户喜欢的视频,使得用户可以不用搜索,就能播放自己喜欢的视频。
相关技术中,视频服务器所提供的每个视频在服务器上都有一个标签,该标签用于记录视频的背景音乐,服务器可以根据用户当前播放的视频,来确定该视频的标签中的背景音乐,从而可以将具有该背景音乐的所有视频推荐给用户。
由于用户当前播放的视频并不一定是用户喜欢的视频,在相关技术中,仅通过上述方式进行视频推荐,最终推荐的视频也就不一定受到用户的喜爱,所以基于相同的背景音乐向用户推荐的准确性低。
发明内容
本公开提供一种视频推荐方法、装置、服务器及存储介质,以至少解决相关技术中推荐准确性低的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种视频推荐方法,包括:
确定第一用户当前播放的视频的背景音乐;
从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
可选地,所述从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之前,所述方法还包括:
根据多个用户对所述多个视频的操作行为信息,获取所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之前,所述方法还包括:
根据多个用户对所述多个视频的操作行为信息,获取所述多个用户对所述多个视频的评分;
基于所述多个用户对所述多个视频的评分,确定所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述基于所述多个用户对所述多个视频的评分,确定所述多个视频中每两个视频的背景音乐之间的操作行为相似度包括:
基于所述多个用户对所述多个视频的评分,生成评分矩阵;
基于交叉最小二乘法,对所述评分矩阵进行特征提取,得到所述多个视频的背景音乐的特征向量;
基于每两个视频的背景音乐的特征向量,确定所述每两个视频的背景音乐之间的操作行为相似度。
可选地,所述第一目标条件包括下述至少一项:
第一背景音乐与所述背景音乐之间的操作行为相似度大于第一预设数值;或,
第一背景音乐与所述背景音乐之间的操作行为相似度大于第二预设数值,且所述第一用户对第一背景音乐的偏好度大于第三预设数值,所述偏好度用于指示所述第一用户对所述第一背景音乐的偏好程度。
可选地,所述基于至少一个第一视频,为所述第一用户进行视频推荐包括:
基于第二目标条件,对所述至少一个第一视频进行筛选,得到不符合第二目标条件的第二视频;
将所述第二视频推荐给所述第一用户。
可选地,所述第二目标条件包括下述至少一项:
视频具有负向标签;视频具有举报记录;视频的视频时长在预设时长以内。
可选地,所述基于至少一个第一视频,为所述第一用户进行视频推荐包括:
基于第三目标条件,对所述至少一个第一视频进行筛选,得到符合第三目标条件的第三视频;
将所述第三视频推荐给所述第一用户。
可选地,所述第三目标条件包括下述至少一项:
视频的背景音乐的热度排序位于前第一目标位;
视频的评分排序位于前第二目标位。
可选地,所述基于至少一个第一视频,为所述第一用户进行视频推荐之后,所述方法还包括:
当基于至少一个第一视频,无法为所述第一用户进行视频推荐时,将目标时间内播放过的多个视频推荐给所述第一用户。
可选地,所述从至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之后,所述方法还包括:
当从至少一个背景音乐中,未确定出与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐时,确定所述背景音乐的音乐类别,得到至少一个目标类别;
将所述至少一个目标类别下的多个音乐作为所述至少一个第一背景音乐。
根据本公开实施例的第二方面,提供一种视频推荐装置,包括:
确定单元,被配置为执行确定第一用户当前播放的视频的背景音乐;
所述确定单元,还被配置为执行从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
推荐单元,被配置为执行基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
可选地,所述装置还包括:
第一获取单元,被配置为执行根据多个用户对所述多个视频的操作行为信息,获取所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述装置还包括:
第二获取单元,被配置为执行根据多个用户对所述多个视频的操作行为信息,获取所述多个用户对所述多个视频的评分;
所述确定单元,还被配置为执行基于所述多个用户对所述多个视频的评分,确定所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述确定单元被配置为执行:
基于所述多个用户对所述多个视频的评分,生成评分矩阵;
基于交叉最小二乘法,对所述评分矩阵进行特征提取,得到所述多个视频的背景音乐的特征向量;
基于每两个视频的背景音乐的特征向量,确定所述每两个视频的背景音乐之间的操作行为相似度。
可选地,所述第一目标条件包括下述至少一项:
第一背景音乐与所述背景音乐之间的操作行为相似度大于第一预设数值;或,
第一背景音乐与所述背景音乐之间的操作行为相似度大于第二预设数值,且所述第一用户对第一背景音乐的偏好度大于第三预设数值,所述偏好度用于指示所述第一用户对所述第一背景音乐的偏好程度。
可选地,所述推荐单元包括:
第一筛选子单元,被配置为执行对所述至少一个第一视频进行筛选,得到不符合第二目标条件的第二视频;
第二推荐子单元,被配置为执行将所述第二视频推荐给所述第一用户。
可选地,所述第二目标条件包括下述至少一项:
视频具有负向标签;视频具有举报记录;视频的视频时长在预设时长以内。
可选地,所述推荐单元包括:
第二筛选子单元,被配置为执行基于第三目标条件,对所述至少一个第一视频进行筛选,得到符合第三目标条件的第三视频;
第二推荐子单元,被配置为执行将所述第三视频推荐给所述第一用户。
可选地,所述第三目标条件包括下述至少一项:
视频的背景音乐的热度排序位于前第一目标位;
视频的评分排序位于前第二目标位。
可选地,所述推荐单元还被配置为执行:
当基于至少一个第一视频,无法为所述第一用户进行视频推荐时,将目标时间内播放过的多个视频推荐给所述第一用户。
可选地,所述确定单元还被配置为执行:
当从至少一个背景音乐中,未确定出与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐时,确定所述多个视频的背景音乐的音乐类别,得到至少一个目标类别;
将所述至少一个目标类别下的多个音乐所述多个第一背景音乐。
根据本公开实施例的第三方面,提供一种服务器,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置执行为:
确定第一用户当前播放的视频的背景音乐;
从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
根据本公开实施例的第四方面,提供一种存储介质,当该存储介质中的指令由服务器的处理器执行时,使得服务器能够执行一种视频推荐方法,该方法包括:
确定第一用户当前播放的视频的背景音乐;
从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括一条或多条指令,该一条或多条指令可以由服务器的处理器执行,已完成上述实施例中提供的视频推荐方法的方法步骤,该方法步骤可以包括:
确定第一用户当前播放的视频的背景音乐;
从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过先确定与第一用户当前播放的视频的背景音乐在操作行为上相似的第一背景音乐,再向第一用户推荐以第一背景音乐为背景音乐的第一视频,由于当前播放的视频的背景音乐可能为第一用户所喜欢的背景音乐,而当对两个视频的操作行为相似时,可以认为这两个视频的背景音乐相似,由于用户喜欢的背景音乐一般比较相似,那么,在操作行为上相似的第一背景音乐,更有可能为第一用户所喜欢,所以基于第一用户可能喜欢的第一视频进行推荐,能够实现向用户推荐用户喜欢的视频,提高了推荐的准确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种视频推荐方法的流程图。
图2是根据一示例性实施例示出的一种视频推荐系统的示意图。
图3是根据一示例性实施例示出的一种服务器的结构示意图。
图4是根据一示例性实施例示出的一种视频推荐方法的流程图
图5是根据一示例性实施例示出的一种视频推荐装置的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种视频推荐方法的流程图,如图1所示,包括以下步骤。
在步骤S11中,确定第一用户当前播放的视频的背景音乐。
在步骤S12中,从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐。
在步骤S13中,基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
可选地,所述从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之前,所述方法还包括:
根据多个用户对所述多个视频的操作行为信息,获取所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之前,所述方法还包括:
根据多个用户对所述多个视频的操作行为信息,获取所述多个用户对所述多个视频的评分;
基于所述多个用户对所述多个视频的评分,确定所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述基于所述多个用户对所述多个视频的评分,确定所述多个视频中每两个视频的背景音乐之间的操作行为相似度包括:
基于所述多个用户对所述多个视频的评分,生成评分矩阵;
基于交叉最小二乘法,对所述评分矩阵进行特征提取,得到所述多个视频的背景音乐的特征向量;
基于每两个视频的背景音乐的特征向量,确定所述每两个视频的背景音乐之间的操作行为相似度。
可选地,所述第一目标条件包括下述至少一项:
第一背景音乐与所述背景音乐之间的操作行为相似度大于第一预设数值;或,
第一背景音乐与所述背景音乐之间的操作行为相似度大于第二预设数值,且所述第一用户对第一背景音乐的偏好度大于第三预设数值,所述偏好度用于指示所述第一用户对所述第一背景音乐的偏好程度。
可选地,所述基于至少一个第一视频,为所述第一用户进行视频推荐包括:
基于第二目标条件,对所述至少一个第一视频进行筛选,得到不符合第二目标条件的第二视频;
将所述第二视频推荐给所述第一用户。
可选地,所述第二目标条件包括下述至少一项:
视频具有负向标签;视频具有举报记录;视频的视频时长在预设时长以内。
可选地,所述基于至少一个第一视频,为所述第一用户进行视频推荐包括:
基于第三目标条件,对所述至少一个第一视频进行筛选,得到符合第三目标条件的第三视频;
将所述第三视频推荐给所述第一用户。
可选地,所述第三目标条件包括下述至少一项:
视频的背景音乐的热度排序位于前第一目标位;
视频的评分排序位于前第二目标位。
可选地,所述基于至少一个第一视频,为所述第一用户进行视频推荐之后,所述方法还包括:
当基于至少一个第一视频,无法为所述第一用户进行视频推荐时,将目标时间内播放过的多个视频推荐给所述第一用户。
可选地,所述从至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之后,所述方法还包括:
当从至少一个背景音乐中,未确定出与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐时,确定所述背景音乐的音乐类别,得到至少一个目标类别;
将所述至少一个目标类别下的多个音乐作为所述至少一个第一背景音乐。
本公开实施例提供的方法,通过先确定与第一用户当前播放的视频的背景音乐在操作行为上相似的第一背景音乐,再向第一用户推荐以第一背景音乐为背景音乐的第一视频,由于当前播放的视频的背景音乐可能为第一用户所喜欢的背景音乐,而当对两个视频的操作行为相似时,可以认为这两个视频的背景音乐相似,由于用户喜欢的背景音乐一般比较相似,那么,在操作行为上相似的第一背景音乐,更有可能为第一用户所喜欢,所以基于第一用户可能喜欢的第一视频进行推荐,能够实现向用户推荐用户喜欢的视频提高了推荐的准确度。
图1是通过第一用户观看过的视频的背景音乐,向第一用户推荐视频的过程,这个过程可以在如图2所示的视频推荐系统内实现,参见图2,图2是根据一示例性实施例示出的一种视频推荐系统的示意图。该视频推荐系统200包括至少一个终端201和至少一个服务器202,其中,服务器202可以用于为该终端提供视频服务,例如视频播放服务、视频发布服务、视频推荐服务等等。该终端201用于播放服务器所提供的视频以及基于用户的操作指令对视频进行操作。该终端201可以是手机、电脑等任一可以进行视频播放的电子设备。
为了进一步体现服务器的硬件结构,参见图3,图3是根据一示例性实施例示出的一种服务器的结构示意图,该服务器300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上CPU(central processing units,处理器)301和一个或一个以上的存储器302,其中,所述存储器302中存储有至少一条指令,所述至少一条指令由所述处理器301加载并执行以实现上述或下述各个方法实施例提供的方法。当然,该服务器300还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器300还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由服务器中的处理器执行以完成下述实施例中视频推荐方法。例如,所述计算机可读存储介质可以是ROM(read-only memory,只读存储器)、RAM(random accessmemory,随机存取存储器)、CD-ROM(compact disc read-only memory,只读光盘)、磁带、软盘和光数据存储设备等。
以上是对服务器硬件结构的描述,为了进一步体现服务器为第一用户推荐视频的具体过程,参见图4,图4是根据一示例性实施例示出的一种视频推荐方法的流程图,如图3所示,视频推荐方法用于服务器中,包括以下步骤。
在步骤S41中,服务器确定第一用户当前播放的视频的背景音乐。
该第一用户为任一待进行视频推荐的用户,第一用户可以根据账号和密码登录终端上的视频软件,在视频软件中进行视频播放等操作,当第一用户基于账号播放视频时,为该视频软件提供服务的服务器可以确定第一用户当前所播放的视频,进而服务器可以从第一用户当前所播放的视频的标签内,来确定该视频的标签中的背景音乐,从而服务器可以确定第一用户当前播放的视频的背景音乐。
在步骤S42中,服务器根据多个用户对多个视频的操作行为信息,获取所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
该多个视频可以是多个用户在预设时间内所操作过的视频,例如,多个用户在最近3天内所观看过的视频,本公开实施例对该预设时间不做具体限定,该视频还可以是多个用户分享的视频,或者是多个用户收藏的视频,或者是多个用户制作的视频,本公开实施例对多个视频不做具体限定。
操作行为信息用于指示用户对视频进行的操作,该操作可以包括用户制作视频、发布视频、点击播放视频、对一个视频进行评论或对一个视频点赞等。
当每个用户基于账号进行操作时,为该视频软件提供服务的服务器会基于其操作,存储每个用户对视频的进行操作的操作记录和每个用户对该视频的操作行为信息,那么,当用户都基于账号进行操作时,若获得用户授权的情况下,服务器就会获取用户的操作记录和操作行为信息,由于多个用户喜欢的视频或者音乐可能比较相似,且大多用户喜欢的视频或者音乐,更有可能为第一用户所喜欢,因此可以基于多个用户对多个视频的操作行为信息,为第一用户进行视频推荐。
在一种可能的实现方式中,该服务器根据所述多个视频的操作行为信息,计算所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
该服务器可以基于Item-CF(item-collaborationfilter,物品的协调过滤算法)以及所述多个视频的操作行为信息,来计算每两个视频的背景音乐之间的操作行为相似度,该服务器将第一用户的操作行为信息输入至Item-CF的操作行为相似度计算公式中,该操作行为相似度计算公式可以表示为:
其中,Wij为背景音乐i与背景音乐j之间的操作行为相似度,|N(i)|为多个用户对背景音乐i的操作次数,|N(j)|为多个用户对背景音乐i的操作次数,|N(i)∩N(j)|为多个用户对背景音乐i和背景音乐j所进行的相同操作的次数。
上述操作行为相似度计算公式仅为用于计算出每两个视频的背景音乐之间的操作行为相似度的一种实现方式,本公开实施例对该操作行为相似度计算公式不做具体限定。
服务器可以基于多个视频的操作行为信息,获取每个两个视频的背景音乐的相似,而当大量用户操作过任意两个视频,可以认为这两个视频的背景音乐相似,那么,可以当用户视频的操作,生成一个评分,然后基于评分,来确定这两个视频的操作行为相似度。在另一种实现方式中,还可以基于多个用户对该多个视频的评分,来实现确定操作行为相似度的过程,例如,下述步骤一至步骤二所示的过程:
步骤一、服务器根据多个用户对所述多个视频的操作行为信息,获取所述多个用户对所述多个视频的评分。
对于多个视频中的任一视频的操作行为信息,该服务器可以为该操作行为信息中的各种操作行为设置不同的权重,通过每种操作行为的权重,对每种操作行为的权重进行加权求和,得到该第一用户对该任一视频的背景音乐的评分,例如,操作行为信息中的制作视频的行为的权重为10,上传视频的行为的权重为8,点击播放视频的行为的权重为6,差评操作的行为的权重为-2,如果第一用户对视频1所进行的操作行为包括制作视频1,发布视频1,点击播放一次视频1以及对视频1进行两次差评,则第一用户对视频1的背景音乐的第一评分为10*1+8*1+1*6-2*2=20分,基于这个评分方式,服务器可以获取到多个用户对每个视频的评分。
步骤二、该服务器基于所述多个用户对所述多个视频的评分,确定所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
对于多个视频的背景音乐中的任一背景音乐,对于多个视频的任一视频的第一评分和第二评分,该服务器可以计算出一个平均分,进而该服务器可以获取到视频的平均分,该服务器还可以对平均分设定预设数目的评分范围,每个评分范围对应一个操作行为相似度,例如,第一用户对平均分在80至100分之间的背景音乐的操作行为相似度为A,第一用户对平均分在60至80分之间的背景音乐的操作行为相似度为B,在每个评分范围内的背景音乐之间的操作行为相似度,可以认为是每个评分范围对应的操作行为相似度。
在一些实施中,服务器还可以根据背景音乐的特征,来确定每两个视频的背景音乐之间的操作行为相似度。在一种可能的实现方式中,该服务器可以通过下述步骤21-23来实现本步骤二。
步骤21、该服务器基于所述多个用户对所述多个视频的评分,生成评分矩阵。
该评分矩阵每一行的评分为一个用户对多个视频的背景音乐的评分,每一列的评分为多个用户对一个背景音乐的评分。例如,处于评分矩阵第1行第1列的评分为用户1对视频1的背景音乐的评分,处于分矩阵第2行第1列的片评分为一个用户2对视频1的背景音乐的评分。
步骤22、服务器基于交叉最小二乘法,对所述评分矩阵进行特征提取,得到每个视频的背景音乐的特征向量。
ALS(alternative least squares,交叉最小二乘法)为一种矩阵分解算法,服务器通过ALS可以将评分矩阵进行分解为两个子矩阵分别为第一子矩阵和第二子矩阵,第一子矩阵用于表示多个历史播视频的背景音乐的特征,该第一子矩阵的每一列作为一个特征向量,每个特征向量用于表示一个背景音乐的特征,第二子特征矩阵用于表示第一用户和每个第二用户的特征,该第二子矩阵的每一列用于表示一个用户的特征。从而服务器可以从第一子矩阵中获取到每个视频的背景音乐的特征向量。
步骤23、服务器计算所述多个视频中每两个视频的背景音乐的特征向量的内积,一个内积用于表示两个视频的背景音乐的操作行为相似度。
对于任一多个视频中任意两个背景音乐,当该任意两个背景音乐的特征向量的内积越小,说明任意两个背景音乐的特征越相似,因此可以用内机来表示两个视频的背景音乐的操作行为相似度。
在本步骤S42中提供了两种确定操作行为相似度的方法,其中,方法1为根据多个用户的操作行为信息,来确定每两个视频的背景音乐之间的操作行为相似度,方法2为根据多个用户对多个视频的评分,来确定每两个视频的背景音乐之间的操作行为相似度。需要说明的是,在具体实施时,可以仅使用方法1来计算操作行为相似度,也可以仅使用方法2来计算操作行为相似度,也可以同时使用方法1和方法2来计算操作行为相似度,当同时使用方法1和方法2来计算操作行为相似度,可以为两种方法计算出的操作行为相似度设置优先级,例如方法1计算出的操作行为相似度的优先级高于方法1计算出的操作行为相似度的优先级,那么在后续基于操作行为相似度,进行视频推荐时,可以先基于优先级高的操作行为相似度进行视频推荐,再基于优先级低的操作行为相似度进行视频推荐。本公开实施例对操作行为相似度确定的方式不做具体限定。
在步骤S43中,服务器从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐。
所述第一目标条件包括下述至少一项:第一背景音乐与所述背景音乐之间的操作行为相似度大于第一预设数值;或,第一背景音乐与所述背景音乐之间的操作行为相似度大于第二预设数值,且所述第一用户对第一背景音乐的偏好度大于第三预设数值,所述偏好度用于指示所述第一用户对所述第一背景音乐的偏好程度。
在一些实施例中,当多个视频的至少一个背景音乐中的任一背景音乐与第一用户当前播放的视频的背景音乐用之间的操作行为相似度大于第一预设数值时,可以将该任一背景音乐确定为一个第一背景音乐。
在另一些实施例中,当任一背景音乐与第一用户当前播放的视频的背景音乐用之间的操作行为相似度大于第二预设数值,且第一用户对该任一背景音乐的偏好度大于第三预设数值时,将该任一背景音乐确定为一个第一背景音乐。需要说明的是本公开实施例对该第一预设数值、第二预设数值以及第三预设数值不做具体限定。
偏好度大于第三预设数值的多个第一背景音乐为第一用户较为喜欢的背景音乐,因此,当根据第一用户较为喜欢的背景音乐向第一用户推荐的视频最有可能为第一用户所喜欢的视频,因此,通过偏好度来选择第一背景音乐,可以保证视频推荐的准确度。
对于多个用户中的任一用户,任一用户的操作行为信息可以反映任一用户是否喜欢视频,例如,任一用户上传某个视频,可以认为任一用户喜欢该某个视频,当任一用户对某个视频进行差评操作,则认为任一用户不喜欢该某个视频,当任一用户喜欢某个视频时,还可能喜欢某个视频的背景音乐,在一些实施例中,可以用偏好度表示用户对背景音乐的喜欢程度,而服务器可以基于第一用户对所述多个视频的操作行为信息,来确定第一用户对该多个视频的背景音乐的偏好度,偏好度用于指示所述第一用户对背景音乐的偏好程度。
第一用户对某个背景音乐是否喜欢,可以基于操作行为的操作行为相似度来确定,操作行为的操作行为相似度越高,则其对应的背景音乐越有可能是同一类被用户所喜爱的音乐,因此在一些实施例中可以基于背景音乐之间的操作行为相似度,确定第一用户喜欢的背景音乐。
第一用户对某个背景音乐是否喜欢,可以基于第一用户的对任一背景音乐的偏好度来确定,偏好度越高,则任一背景音乐越有可能是第一用户所喜爱,
该终端可以先获取每个背景音乐与其他背景音乐的操作行为相似度,基于背景音乐之间的操作行为相似度,确定第一用户对每个背景音乐的偏好度。
在一种可能的实现方式中,该服务器基于计算出的操作行为相似度以及所述多个视频的操作行为信息,获取所述第一用户对所述多个视频的背景音乐的偏好度。本公开实施例对偏好度的表示方式不做具体限定。
对于所述多个视频的背景音乐中的任一背景音乐的偏好度可以由第一用户对其他相似音乐的操作行为信息来确定。在一种可能的实现方式中,对于所述多个视频的背景音乐中的任一背景音乐,服务器获取所述多个视频的背景音乐中的至少一个第二背景音乐,每个第二背景音乐与所述任一背景音乐之间的操作行为相似度大于第一预设数值;根据所述至少一个第二背景音乐与所述任一背景音乐之间的操作行为相似度以及所述第一用户对包括所述至少一个第二背景音乐的视频的操作行为信息,获取所述第一用户对所述任一背景音乐的偏好度。本公开实施例对该第一预设数值不做具体限定。
具体地,该服务器可以采用Item-CF、计算出的操作行为相似度以及所述多个视频的操作行为信息,来对多个视频的背景音乐进行偏好计算。在一种可能的实现方式,该服务器将多个视频的背景音乐之间的操作行为相似度以及第一用户的操作行为信息输入至偏好计算公式中,该偏好计算公式可以表示为:
其中,pj为第一用户对背景音乐j的偏好值,N(u)为多个视频的背景音乐的集合,S(j,k)为与背景音乐j最为相似的k个背景音乐,从而通过该偏好计算公式可以计算出每个背景音乐的偏好值。
该服务器可以基于第一用户对每个背景音乐的偏好值的范围,存储第一用户对多个视频的背景音乐的偏好度,一个偏好值范围对应一个偏好度,例如表1表1内有四个背景音乐分别为音乐AAAA、音乐BBBB、音乐CCCC以及音乐DDDD,其中,第一用户对音乐AAAA的偏好值为9,9大于8小于10,因此,则第一用户对音乐AAAA偏好度为A,其中,A>B>C>D,则第一用户最喜欢的背景音乐为音乐AAAA。
表1
序号 | 音乐名称 | 偏好度 | 偏好值 |
1 | AAAA | A(偏好值范围为8-10) | 9 |
2 | BBBB | B(偏好值范围为6-8) | 7 |
3 | CCCC | C(偏好值范围为4-6) | 5 |
4 | DDDD | D(偏好值范围为2-4) | 3 |
在一些实施方式中,该服务器还可以基于计算出的每个内积,获取所述第一用户对每个视频的背景音乐的偏好度。
基于各个内积的大小对多个视频的背景音乐进行分组,每组背景音乐之间的内积都在一个每组自对应的第一预设范围内,例如,内积在0-0.2之间的背景音乐为一组,内积在0.2-0.4之间的背景音乐为一组。每一组对应一个偏好度,内积值越小对应的偏好度越低,例如,内积在0-0.2之间的组对应的偏好度为A,内积在0.2-0.4之间的组对应的偏好度为B。
需要说明的是,有的用户观看的视频的背景音乐可能是小众音乐,也即是,喜欢这种背景音乐的人很少,则该服务器基于步骤S43无法可能确定第一背景音乐,对于这种情况,在一种可能的实现方式中,当从至少一个背景音乐中,未确定出与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐时,确定所述背景音乐的音乐类别,得到至少一个目标类别;将所述至少一个目标类别下的多个音乐作为所述至少一个第一背景音乐。
该服务器可以有预设多个音乐类别,每个类别包括同一种类型的多个音乐,例如舒缓类音乐为一个音乐类别,古风类的音乐为一个音乐类别,那么,当任一背景音乐的音乐类别被确定时,该服务器就可以根据该任一背景音乐所属的音乐类别,确定该音乐类别下的多个音乐。
那么,当基于第一用户的操作行为信息,无法得到第一背景音乐时,可以将与第一用户当前播放的视频的背景音乐为同一类别的音乐作为第一用户偏好的第一背景音乐,从而可以避免无法基于第一背景音乐向第一用户推荐视频的尴尬场景。
在步骤S44中,服务器基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
该服务器可以将这至少一个第一视频推荐该第一用户,也可以将至少一个第一视频推荐该用户,当该服务器向该第一用户推荐视频时,该服务器可以向该第一用户所使用的终端发送该服务器向该第一用户推荐的视频,以便终端可以在接收到向该第一用户推荐的视频后,在视频软件的显示界面内显示向该第一用户推荐的视频的图标。
考虑到第一视频可能较多,该服务器可以从大量第一视频中筛选出一些优质的视频推荐给用户,来进一步提升用户体验。在一些实施例中,该服务器可以先对至少一个视频进行筛选,然后再向第一用户推荐筛选后的视频,在一种可能的实现方式中,该服务器可以通过下述步骤S441-S442所示的过程来实现本步骤S44。
步骤S441、服务器基于第二目标条件,对所述至少一个第一视频进行筛选,得到不符合第二目标条件的第二视频。
该第二目标条件可以包括下述至少一项:视频具有负向标签;视频具有举报记录;视频的视频时长在预设时长以内。例如,当任一视频具有负向标签时,该任一视频符合第二目标条件,则该任一视频不能作为第二视频。
在本公开实施例中,在服务器上每个视频可以对应一个视频标签,该视频标签可以分为正向视频标签和负向视频标签,正向视频标签用于与指示对应的视频的内容为积极向上,例如,励志类视频,负向视频标签用于指示对应的视频的内容有一定的消极性,例如,游戏类视频和吃播类视频等。该服务器可以获取至少一个第一视频的视频标签,以确定至少一个第一视频中哪些视频具有负向标签,从而服务器可以筛选出不具有负向标签的第二视频。基于这种方式筛选出的视频不具有负向标签,那么将不具有负向标签的第二视频推荐给用户,可以避免用户观看内容消极的视频。
服务器上可以有一个举报列表,该举报列表用于存储视频的举报记录,例如,当任一用户对一个低俗的视频进行举报,则服务器会在该举报列表上记录该任一用户举报该低俗的视频的记录,则该低俗的视频具有一个举报记录。该服务器可以对该至少一个第一视频的举报记录进行查询,从而该服务器可以基于服务器的查询结果,从该至少一个第一视频中筛选出不具有举报记录的第二视频,那么将不具有举报记录的第二视频推荐给用户,可以避免用户观看内容不健康的视频。
该预设时长可以是小于5s大于30s,那么,当任一视频的视频时长小于5s或者大于30s时,则认为该任一视频的视频时长在预设时长之外,对于视频时长在预设时长之外的视频,对用户的吸引力较小,而在预设时长之外的视频对用户的吸引力较大,则将视频时长在预设时长之外的视频筛选掉,向第一用户推荐视频时长在预设时长之内的第二视频,从而可以提高视频推荐的准确度。需要说明的是,本公开实施例对该预设时长不做具体限定。
步骤S442、服务器将所述第二视频推荐给所述第一用户。
该服务器可以基于第二目标条件,从至少一个第一视频中筛选出第二视频,由于第二视频没有举报过或者不包括负向标签,则说明第二视频的内容健康,可以进行推荐。
在一些实施例中,服务器还可以基于其他目标条件,对至少一个第一视频进行筛选,在一种可能的实现方式中,服务器可以通过下述步骤S44A-S44B所示的过程实现来实现本步骤S44。
步骤S44A、服务器基于第三目标条件,对所述至少一个第一视频进行筛选,得到符合第三目标条件的第三视频。
所述第三目标条件包括下述至少一项:视频的背景音乐的热度排序位于前第一目标位;视频的评分排序位于前第二目标位。
其中,背景音乐的热度可以被存储在目标列表,该服务器可以从目标列表内获取到第一背景音乐的热度。该目标列表为技术人员预先设置的列表,该目标列表用于展示被大众喜欢的音乐,并且,目标列表中音乐的热度是基于播放视频人数,也即是第三用户人数来决定的,该第三用户可以包括第一用户、第二用户以及除第一用户和第二用户以外的其他用户。对于目标列表中的任一音乐,喜欢该任一音乐的第三用户的人数越多,该任一音乐的热度越高,越被大众喜欢,从而热度较高的背景音乐越有可能被第一用户喜欢,进而以热度较高的背景音乐为背景音乐的视频更有可能被第一用户喜欢。
在一些实施方式中,该服务器可先从这多个第一视频中筛选出目标列表内热度排序位于前第一目标位的视频,本公开实施例对该第一目标位不做具体限定。例如,第一目标位为5,多个第一视频包括第一视频1-5,第一视频4和5在目标列表中热度排序分别为4和3,则该服务器将第一视频4和5作为第三视频,而第一视频1-3在目标列表中的热度排序分别为6和8,则该服务器不将第一视频4和5作为第三视频。
为了吸引喜欢背景音乐的人来看视频,有的视频的封面上会显示有背景音乐的名称,当任一背景音乐的名称被展示在包括该任一背景音乐的第二视频的封面上时,也说明该任一背景音乐具有一定的热度,那么,当视频的封面上显示背景音乐的名称时,可以说明这个背景音乐可能被大众所喜欢,所以才需要吸引更多的用户来看这个视频,因此,该服务器可以将视频封面上展示背景音乐的名称的视频推荐给第一用户。
在一种可能的实现方式中,当视频的封面上包括背景音乐的名称时,则将该视频作为第三视频。仍以上述第一视频1-5的示例为例进行说明,第一视频1-3热度排序不位于前第一目标位,但是当第一视频1的封面上显示有第一视频1的背景音乐的名称,第一视频2-3的封面上未显示其背景音乐的名称时,该服务器可以将第一视频1作为第三视频,不将第一视频2-3作为第三视频。
在一些实施方式中,由于第一视频2-3的热度不够,但是每个视频都有可能具有正面评价,对于一些热度不足但正面评价较高的视频,也可能是大多数用户喜欢的视频,因此,服务器还可以根据正面评价的高低筛选出第三视频,而正面评价的高低可以由视频的评分来表示,评分越高的视频,正面评价就越高,评分越低的视频,正面评价就越低。
在一种可能的实现方式中,当视频的评分排序位于前第二目标位时,将所述视频作为第三视频。其中,视频的评分的高低可以由大众用户对该任一视频的CTR(clickthrough rate,点击通过率)、LTR(like through rate,点赞率)以及WTR(watch throughrate,关注率)等来决定。具体地,可以为CTR、LTR以及WTR设置权重,对CTR、LTR以及WTR的权重进行加权计算,得到一个评分,例如,CTR的权重为1,LTR的权重为2、WTR的权重为3,视频1的CTR的大小为0.1、LTR的大小为0.2、LTR的大小为0.3,则视频1的评分为0.1*1+0.2*2+0.3*3=1.4,同理服务器可以获取还未排序的第一视频的评分,进而可以评分的大小进行排序。仍以上述第一视频1-5的示例为基础,第一视频2的评分为0.5,评分排序为2,第一视频3的评分为0.4,评分排序为5,当第二目标位为4时,由于第一视频2的评分排序位于前4,则将第一视频2为第三视频,则该服务器可以将第一视频2推荐给用户,该服务器不将第一视频3作为第三视频。需要说明的是,本公开实施例对该第二目标位不做具体限定。
在一些实施例,服务器还可以先基于再基于目标列表内的排序,对筛选出的视频进行排序,对于不位于前第一目标位的视频,根据视频的封面上的背景名称进行排序,对于视频封面上不包括背景音乐的视频,再基于评分的高低进行排序,得到一个视频排序,最后,服务器从该视频排序中筛选出前第三目标位的第三视频推荐给第一用户。仍以上述第一视频1-5的示例基础进行说明,第一视频4和5的热度排序在第一目标位5前面,且第一视频5的热度排序高于第一视频4的排序,则该服务器可以将第一视频5的排序号为设置为1,第一视频4的排序号设置为2。而第一视频1-3在目标列表中的热度排序分别为6和8,不位于前5,则该服务器不能基于第一视频1-3在目标列表中的热度排序进行排序。但是当第一视频1的封面上显示有第一视频1的背景音乐的名称,第一视频2-3的封面上未显示其背景音乐的名称时,该服务器可以将第一视频1的排序号设置为3。而第一视频2-3的封面上未显示其背景音乐的名称,则进一步地可以根据第一视频2-3的评分,来进行排序,由于第一视频2的评分高于第一视频3的评分,则服务器将第一视频2的排序号设置为4,将第一视频3的排序号设置为5,则服务器最终得到的视频排序为第一视频4、5、1、2以及3,当第三目标位为2时,则该服务器将第一视频4和5作为第三视频,推荐给第一用户。需要说明的是,本公开实施例对第三目标位不做具体限定。
上述的排序过程策略结合了预设的目标列表中的排序、视频封面上是否显示有背景音乐的名称以及正面评价的高低等排序准则,能够对多个第一视频进行精确排序,进而服务器可以将第一用户可能较为偏好的视频推荐给用户,来保证用户体验。
步骤S44B、服务器将所述第三视频推荐给所述第一用户。
在一些实施方式中,该服务器也可以基于第二目标条件和第三目标条件,对多个第一视频进行筛选,以筛选出最健康的、最可能吸引用户的视频,以便将这些视频推荐给用户。
对于一些极端的场景,例如,多个第一视频都被过筛选掉,则该服务器则无法获取到第一视频,也就无法向第一用户推荐视频,在一些实施方式中,该服务器还可以基于其他方式来获取第一视频,在一种可能的实现方式中,当基于至少一个第一视频,无法为所述第一用户进行视频推荐时,该服务器将目标时间内播放过的多个视频推荐给所述第一用户。例如,该目标时间可以是最近30天,本公开实施例对该目标时间不做具体限定。
在一些实施方式中,服务器中可以设置有视频排行榜,该视频排行榜用于记录该视频软件在目标时间段内所播放过视频的播放量的排行,由于播放量较高的视频为大众所喜欢的视频,更有可能被第一用户所喜欢,因此,在一些实施场景中,该服务器也可以将该排行榜内有在预设排行之内的视频推荐给第一用户,从而可以避免出现无法向第一用户推荐视频的尴尬场景。需要说明的是,本公开实施例对该有预设排行不做具体限定。
上述推荐过程,可以是服务器通过任一种方式进行推荐,例如,将待推荐的视频以列表形式推荐至第一用户的终端,由第一用户的终端以推荐列表的形式来进行展示,又或者,当第一用户的终端触发了推荐页面时,在推荐页面中将待推荐视频进行展示,而对于第一用户的终端来说,当接收到对任一推荐的视频的播放请求时,该终端播放该任一推荐的视频。
其中,该播放请求可以由第一用户的操作来触发,具体地,当服务器的显示界面上所有推荐的视频的图标时,若第一用户点击任一推荐的视频的图标,则触发该对该任一推荐的视频的播放请求,进而该终端可以播放该任一推荐的视频。
本公开实施例提供的方法,通过先确定与第一用户当前播放的视频的背景音乐在操作行为上相似的第一背景音乐,再向第一用户推荐以第一背景音乐为背景音乐的第一视频,由于当前播放的视频的背景音乐可能为第一用户所喜欢的背景音乐,而当对两个视频的操作行为相似时,可以认为这两个视频的背景音乐相似,由于用户喜欢的背景音乐一般比较相似,那么,在操作行为上相似的第一背景音乐,更有可能为第一用户所喜欢,所以基于第一用户可能喜欢的第一视频进行推荐,能够实现向用户推荐用户喜欢的视频提高了推荐的准确度。并且,当基于第一用户的操作行为信息,无法得到第一背景音乐时,可以将与第一用户当前播放的视频的背景音乐为同一类别的音乐作为第一用户偏好的第一背景音乐,从而可以避免无法基于第一背景音乐向第一用户推荐视频的尴尬场景。并且,上述排序过程策略结合了预设的目标列表中的排序、视频封面上是否显示有背景音乐的名称以及正面评价的高低等排序准则,能够对多个第一视频进行精确排序,进而服务器可以将第一用户可能较为偏好的视频推荐给用户,来保证用户体验。并且,在一些实施场景中,该服务器也可以将目标时间内播放过的多个视频推荐给第一用户,从而可以避免出现无法向第一用户推荐视频的尴尬场景。
图5是根据一示例性实施例示出的一种视频推荐装置的框图。参照图5,该装置包括获取单元501,确定单元502和推荐单元503。
确定单元501,被配置为执行确定第一用户当前播放的视频的背景音乐;
确定单元501,还被配置为从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
推荐单元502,被配置为执行基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
可选地,所述装置还包括:
第一获取单元,被配置为执行根据多个用户对所述多个视频的操作行为信息,获取所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述装置还包括:
第二获取单元,被配置为执行根据多个用户对所述多个视频的操作行为信息,获取所述多个用户对所述多个视频的评分;
所述确定单元501,还被配置为执行基于所述多个用户对所述多个视频的评分,确定所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
可选地,所述确定单元501被配置为执行:
基于所述多个用户对所述多个视频的评分,生成评分矩阵;
基于交叉最小二乘法,对所述评分矩阵进行特征提取,得到所述多个视频的背景音乐的特征向量;
基于每两个视频的背景音乐的特征向量,确定所述每两个视频的背景音乐之间的操作行为相似度。
可选地,所述第一目标条件包括下述至少一项:
第一背景音乐与所述背景音乐之间的操作行为相似度大于第一预设数值;或,
第一背景音乐与所述背景音乐之间的操作行为相似度大于第二预设数值,且所述第一用户对第一背景音乐的偏好度大于第三预设数值,所述偏好度用于指示所述第一用户对所述第一背景音乐的偏好程度。
可选地,所述推荐单元502包括:
第一筛选子单元,被配置为执行对所述至少一个第一视频进行筛选,得到不符合第二目标条件的第二视频;
第二推荐子单元,被配置为执行将所述第二视频推荐给所述第一用户。
可选地,所述第二目标条件包括下述至少一项:
视频具有负向标签;视频具有举报记录;视频的视频时长在预设时长以内。
可选地,所述推荐单元502包括:
第二筛选子单元,被配置为执行基于第三目标条件,对所述至少一个第一视频进行筛选,得到符合第三目标条件的第三视频;
第二推荐子单元,被配置为执行将所述第三视频推荐给所述第一用户。
可选地,所述第三目标条件包括下述至少一项:
视频的背景音乐的热度排序位于前第一目标位;
视频的评分排序位于前第二目标位。
可选地,所述推荐单元502还被配置为执行:
当基于至少一个第一视频,无法为所述第一用户进行视频推荐时,将目标时间内播放过的多个视频推荐给所述第一用户。
可选地,所述确定单元501还被配置为执行:
当从至少一个背景音乐中,未确定出与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐时,确定所述多个视频的背景音乐的音乐类别,得到至少一个目标类别;
将所述至少一个目标类别下的多个音乐所述多个第一背景音乐。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
示例性,还提供一种计算机程序产品,包括一条或多条指令,该一条或多条指令可以由服务器的处理器执行,已完成上述实施例中提供的视频推荐方法的方法步骤,该方法步骤可以包括:
确定第一用户当前播放的视频的背景音乐;
从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种视频推荐方法,其特征在于,包括:
确定第一用户当前播放的视频的背景音乐;
从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
2.根据权利要求1所述的视频推荐方法,其特征在于,所述从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之前,所述方法还包括:
根据多个用户对所述多个视频的操作行为信息,获取所述多个视频中每两个视频的背景音乐之间的操作行为相似度。
3.根据权利要求1所述的视频推荐方法,其特征在于,所述第一目标条件包括下述至少一项:
第一背景音乐与所述背景音乐之间的操作行为相似度大于第一预设数值;或,
第一背景音乐与所述背景音乐之间的操作行为相似度大于第二预设数值,且所述第一用户对第一背景音乐的偏好度大于第三预设数值,所述偏好度用于指示所述第一用户对所述第一背景音乐的偏好程度。
4.根据权利要求1所述的视频推荐方法,其特征在于,所述基于至少一个第一视频,为所述第一用户进行视频推荐包括:
基于第二目标条件,对所述至少一个第一视频进行筛选,得到不符合第二目标条件的第二视频;
将所述第二视频推荐给所述第一用户。
5.根据权利要求1所述的视频推荐方法,其特征在于,所述基于至少一个第一视频,为所述第一用户进行视频推荐包括:
基于第三目标条件,对所述至少一个第一视频进行筛选,得到符合第三目标条件的第三视频;
将所述第三视频推荐给所述第一用户。
6.根据权利要求1所述的视频推荐方法,其特征在于,所述基于至少一个第一视频,为所述第一用户进行视频推荐之后,所述方法还包括:
当基于至少一个第一视频,无法为所述第一用户进行视频推荐时,将目标时间内播放过的多个视频推荐给所述第一用户。
7.根据权利要求1所述的视频推荐方法,其特征在于,所述从至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐之后,所述方法还包括:
当从至少一个背景音乐中,未确定出与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐时,确定所述背景音乐的音乐类别,得到至少一个目标类别;
将所述至少一个目标类别下的多个音乐作为所述至少一个第一背景音乐。
8.一种视频推荐装置,其特征在于,包括:
确定单元,被配置为执行确定第一用户当前播放的视频的背景音乐;
所述确定单元,还被配置为执行从多个视频的至少一个背景音乐中,确定与所述背景音乐之间的操作行为相似度符合第一目标条件的至少一个第一背景音乐;
推荐单元,被配置为执行基于至少一个第一视频,为所述第一用户进行视频推荐,每个第一视频包括所述至少一个第一背景音乐中的任一背景音乐。
9.一种服务器,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的视频推荐方法。
10.一种存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行如权利要求1至7中任一项所述的视频推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517971.6A CN110222233B (zh) | 2019-06-14 | 2019-06-14 | 视频推荐方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910517971.6A CN110222233B (zh) | 2019-06-14 | 2019-06-14 | 视频推荐方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110222233A true CN110222233A (zh) | 2019-09-10 |
CN110222233B CN110222233B (zh) | 2021-01-15 |
Family
ID=67817155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910517971.6A Active CN110222233B (zh) | 2019-06-14 | 2019-06-14 | 视频推荐方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222233B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704682A (zh) * | 2019-09-26 | 2020-01-17 | 新华智云科技有限公司 | 一种基于视频多维特征智能推荐背景音乐的方法及系统 |
CN111078903A (zh) * | 2019-12-18 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 多媒体信息的处理方法、装置及计算机可读介质 |
CN111309935A (zh) * | 2020-03-17 | 2020-06-19 | 广州酷狗计算机科技有限公司 | 歌曲推荐方法及装置、计算机存储介质 |
CN111314771A (zh) * | 2020-03-13 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种视频播放方法及相关设备 |
CN111966909A (zh) * | 2020-08-26 | 2020-11-20 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、电子设备及计算机可读存储介质 |
CN113497953A (zh) * | 2020-04-07 | 2021-10-12 | 北京达佳互联信息技术有限公司 | 音乐的场景识别方法、装置、服务器及存储介质 |
CN115103232A (zh) * | 2022-07-07 | 2022-09-23 | 北京字跳网络技术有限公司 | 一种视频播放方法、装置、设备和存储介质 |
CN115190367A (zh) * | 2022-07-07 | 2022-10-14 | 北京字跳网络技术有限公司 | 一种视频播放方法、装置、设备和存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104951563A (zh) * | 2015-07-08 | 2015-09-30 | 北京理工大学 | 一种待推荐对象的确定方法及装置 |
CN105975472A (zh) * | 2015-12-09 | 2016-09-28 | 乐视网信息技术(北京)股份有限公司 | 一种推荐方法和装置 |
US20170034543A1 (en) * | 2015-07-28 | 2017-02-02 | Google Inc. | Methods, systems, and media for presenting media content items belonging to a media content group |
CN106462609A (zh) * | 2014-04-18 | 2017-02-22 | 谷歌公司 | 用于呈现与媒体内容相关的音乐项的方法、系统和介质 |
US20170064405A1 (en) * | 2015-08-26 | 2017-03-02 | Caavo Inc | System and method for personalizing and recommending content |
CN106649559A (zh) * | 2016-11-09 | 2017-05-10 | 腾讯音乐娱乐(深圳)有限公司 | 音频推荐方法及装置 |
CN107748759A (zh) * | 2017-09-21 | 2018-03-02 | 广州华多网络科技有限公司 | 视频推送方法及其设备 |
CN107977370A (zh) * | 2016-10-21 | 2018-05-01 | 北京酷我科技有限公司 | 一种歌手推荐方法及系统 |
CN109063080A (zh) * | 2018-07-25 | 2018-12-21 | 北京小度互娱科技有限公司 | 一种视频推荐方法及装置 |
CN109284417A (zh) * | 2018-08-27 | 2019-01-29 | 广州飞磨科技有限公司 | 视频推送方法、装置、计算机设备和存储介质 |
CN109587554A (zh) * | 2018-10-29 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 视频数据的处理方法、装置及可读存储介质 |
CN109597899A (zh) * | 2018-09-26 | 2019-04-09 | 中国传媒大学 | 媒体个性化推荐系统的优化方法 |
CN109831678A (zh) * | 2019-02-26 | 2019-05-31 | 中国联合网络通信集团有限公司 | 短视频处理方法及系统 |
-
2019
- 2019-06-14 CN CN201910517971.6A patent/CN110222233B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106462609A (zh) * | 2014-04-18 | 2017-02-22 | 谷歌公司 | 用于呈现与媒体内容相关的音乐项的方法、系统和介质 |
CN104951563A (zh) * | 2015-07-08 | 2015-09-30 | 北京理工大学 | 一种待推荐对象的确定方法及装置 |
US20180295394A1 (en) * | 2015-07-28 | 2018-10-11 | Google Llc | Methods, systems, and media for presenting media content items belonging to a media content group |
US20170034543A1 (en) * | 2015-07-28 | 2017-02-02 | Google Inc. | Methods, systems, and media for presenting media content items belonging to a media content group |
US20170064405A1 (en) * | 2015-08-26 | 2017-03-02 | Caavo Inc | System and method for personalizing and recommending content |
CN105975472A (zh) * | 2015-12-09 | 2016-09-28 | 乐视网信息技术(北京)股份有限公司 | 一种推荐方法和装置 |
CN107977370A (zh) * | 2016-10-21 | 2018-05-01 | 北京酷我科技有限公司 | 一种歌手推荐方法及系统 |
CN106649559A (zh) * | 2016-11-09 | 2017-05-10 | 腾讯音乐娱乐(深圳)有限公司 | 音频推荐方法及装置 |
CN107748759A (zh) * | 2017-09-21 | 2018-03-02 | 广州华多网络科技有限公司 | 视频推送方法及其设备 |
CN109063080A (zh) * | 2018-07-25 | 2018-12-21 | 北京小度互娱科技有限公司 | 一种视频推荐方法及装置 |
CN109284417A (zh) * | 2018-08-27 | 2019-01-29 | 广州飞磨科技有限公司 | 视频推送方法、装置、计算机设备和存储介质 |
CN109597899A (zh) * | 2018-09-26 | 2019-04-09 | 中国传媒大学 | 媒体个性化推荐系统的优化方法 |
CN109587554A (zh) * | 2018-10-29 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 视频数据的处理方法、装置及可读存储介质 |
CN109831678A (zh) * | 2019-02-26 | 2019-05-31 | 中国联合网络通信集团有限公司 | 短视频处理方法及系统 |
Non-Patent Citations (1)
Title |
---|
吕军辉: "基于深度学习的视频背景音乐自动推荐算法研究", 《电视技术》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704682A (zh) * | 2019-09-26 | 2020-01-17 | 新华智云科技有限公司 | 一种基于视频多维特征智能推荐背景音乐的方法及系统 |
CN111078903B (zh) * | 2019-12-18 | 2023-11-03 | 腾讯科技(深圳)有限公司 | 多媒体信息的处理方法、装置及计算机可读介质 |
CN111078903A (zh) * | 2019-12-18 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 多媒体信息的处理方法、装置及计算机可读介质 |
CN111314771A (zh) * | 2020-03-13 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种视频播放方法及相关设备 |
CN111314771B (zh) * | 2020-03-13 | 2021-08-27 | 腾讯科技(深圳)有限公司 | 一种视频播放方法及相关设备 |
CN111309935A (zh) * | 2020-03-17 | 2020-06-19 | 广州酷狗计算机科技有限公司 | 歌曲推荐方法及装置、计算机存储介质 |
CN111309935B (zh) * | 2020-03-17 | 2024-01-30 | 广州酷狗计算机科技有限公司 | 歌曲推荐方法及装置、计算机存储介质 |
CN113497953A (zh) * | 2020-04-07 | 2021-10-12 | 北京达佳互联信息技术有限公司 | 音乐的场景识别方法、装置、服务器及存储介质 |
CN111966909B (zh) * | 2020-08-26 | 2023-07-21 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、电子设备及计算机可读存储介质 |
CN111966909A (zh) * | 2020-08-26 | 2020-11-20 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、电子设备及计算机可读存储介质 |
CN115190367A (zh) * | 2022-07-07 | 2022-10-14 | 北京字跳网络技术有限公司 | 一种视频播放方法、装置、设备和存储介质 |
CN115103232A (zh) * | 2022-07-07 | 2022-09-23 | 北京字跳网络技术有限公司 | 一种视频播放方法、装置、设备和存储介质 |
CN115190367B (zh) * | 2022-07-07 | 2023-12-01 | 北京字跳网络技术有限公司 | 一种视频播放方法、装置、设备和存储介质 |
CN115103232B (zh) * | 2022-07-07 | 2023-12-08 | 北京字跳网络技术有限公司 | 一种视频播放方法、装置、设备和存储介质 |
WO2024007833A1 (zh) * | 2022-07-07 | 2024-01-11 | 北京字跳网络技术有限公司 | 视频播放方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110222233B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222233A (zh) | 视频推荐方法、装置、服务器及存储介质 | |
CN105677715B (zh) | 一种基于多用户的视频推荐方法及装置 | |
JP4524709B2 (ja) | 情報処理装置および方法、並びに、プログラム | |
US8166026B1 (en) | User-centric, user-weighted method and apparatus for improving relevance and analysis of information sharing and searching | |
US5749081A (en) | System and method for recommending items to a user | |
US8146120B2 (en) | Multi-criteria rating and searching system | |
US20100250526A1 (en) | Search System that Uses Semantic Constructs Defined by Your Social Network | |
US8869211B2 (en) | Zoomable content recommendation system | |
CN101458703A (zh) | 用于控制相对重要性的标签表示或标签组表示大小调整 | |
CN100442284C (zh) | 用于按类别提供关键字输入频率信息的搜索系统及其方法 | |
US20100169928A1 (en) | Information processing apparatus, information processing method, program, and recording medium | |
CN106131703A (zh) | 一种视频推荐的方法和终端 | |
CN106326391A (zh) | 多媒体资源推荐方法及装置 | |
CN106294830A (zh) | 多媒体资源的推荐方法及装置 | |
CN105095431A (zh) | 根据用户的行为信息推送视频的方法和装置 | |
JP5395729B2 (ja) | 情報提示装置 | |
EP1909194A1 (en) | Information processing device, feature extraction method, recording medium, and program | |
EP1891588A1 (en) | Method and apparatus for estimating total interest of a group of users directing to a content | |
CN109582852B (zh) | 一种全文检索结果的排序方法及系统 | |
CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
JP2012113505A (ja) | アイテム選択装置、アイテム選択方法およびコンピュータプログラム | |
US20090144226A1 (en) | Information processing device and method, and program | |
EP2537272A1 (en) | Method for providing a recommendation to a user | |
CN102640146A (zh) | 数据库搜索方法、系统和控制器 | |
CN109511015A (zh) | 多媒体资源推荐方法、装置、存储介质及设备 |
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 |