CN110719506B - 用户对视频的兴趣度确定方法、装置、服务器及存储介质 - Google Patents
用户对视频的兴趣度确定方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN110719506B CN110719506B CN201911000435.5A CN201911000435A CN110719506B CN 110719506 B CN110719506 B CN 110719506B CN 201911000435 A CN201911000435 A CN 201911000435A CN 110719506 B CN110719506 B CN 110719506B
- Authority
- CN
- China
- Prior art keywords
- behavior data
- video
- determining
- target user
- attenuation
- 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.)
- Active
Links
Images
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]
- H04N21/20—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
-
- 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
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Computing Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请公开了一种用户对视频的兴趣度确定方法、装置、服务器及存储介质,属于计算机技术领域。该方法包括:获取目标用户在预设时长内的N个行为数据,N个行为数据与视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,行为数据用于指示目标用户对相应一类视频的操作行为;根据N个行为数据,分别确定N个行为数据中每个行为数据对应的M个衰减值,其中,M个衰减值与M个维度一一对应,衰减值用于指示目标用户对相应一类视频进行相应维度的操作的衰减程度;根据N个行为数据中每个行为数据对应的M个衰减值,确定目标用户对N类视频中每类视频的兴趣度。本申请通过衰减值来确定兴趣度,提高了确定用户对视频的兴趣度的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种用户对视频的兴趣度确定方法、装置、服务器及存储介质。
背景技术
随着计算机技术的发展,手机、计算机等终端上安装的应用的种类越来越多,应用的功能也越来越丰富。比如,终端中可以安装有视频播放应用,用户可以通过视频播放应用观看直播视频或者主播事先录制的视频。而且,视频播放应用还可以向用户推荐视频或主播。但是,为了增加用户粘度,视频播放应用平台通常需要确定用户对每个类别的视频的兴趣度,进而根据用户对每个类别的视频的兴趣度进行推荐。
目前,在确定用户对每个类别的视频的兴趣度时,通常是获取一个时间段内用户点击多个类别中每个类别的视频的次数。如果对任一类别的视频进行点击的总次数大于次数阈值,那么可以将该总次数确定为用户对该任一类别的视频的兴趣度。
但是,由于随着时间的推移,用户的喜好会发生变化。比如,用户在月初喜欢看主播A所拍摄或直播的视频,而从月中开始对主播A所拍摄或直播的视频不感兴趣,且不会点击观看主播A所拍摄或直播的视频。如果用户在月初对主播A所拍摄或直播的视频进行了多次点击,且对主播A所拍摄或直播的视频的点击总次数大于次数阈值,那么在确定用户在这个月对主播A所拍摄或直播的视频的兴趣度时,就会将该点击总次数确定为用户对主播A所拍摄或直播的视频的真正兴趣度,这显然不能代表用户当前对主播A所拍摄或直播的视频的真正兴趣。因此,通过上述方法确定用户的兴趣度将会导致确定不准确的问题。
发明内容
本申请提供了一种用户对视频的兴趣度确定方法、装置、服务器及存储介质,可以解决相关技术中确定用户对视频的兴趣度不准确的问题。所述技术方案如下:
一方面,提供了一种用户对视频的兴趣度确定方法,所述方法包括:
获取目标用户在预设时长内的N个行为数据,所述N个行为数据与视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,所述行为数据用于指示所述目标用户对相应一类视频的操作行为,所述N和所述M均为大于或等于1的整数;
根据所述N个行为数据,分别确定所述N个行为数据中每个行为数据对应的M个衰减值,其中,所述M个衰减值与所述M个维度一一对应,所述衰减值用于指示所述目标用户对相应一类视频进行相应维度的操作的衰减程度;
根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度。
在一些实施例中,所述根据所述N个行为数据,分别确定所述N个行为数据中每个行为数据对应的M个衰减值,包括:
对于所述N个行为数据中的第一行为数据,将所述第一行为数据包括的M个维度的数据中属于同一维度的数据进行相加,得到所述第一行为数据对应的M个维度的统计值,所述第一行为数据是指所述N个行为数据中的任一行为数据;
根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值。
在一些实施例中,所述根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值,包括:
根据所述预设时长和预设衰减值,确定第一衰减系数;
将所述第一行为数据对应的M个维度的统计值分别乘以所述第一衰减系数,得到所述第一行为数据对应的M个衰减值。
在一些实施例中,所述根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值,包括:
根据所述预设时长和预设衰减值,确定第二衰减系数;
将所述第一行为数据对应的M个维度的统计值分别除以所述第二衰减系数,得到所述第一行为数据对应的M个衰减值。
在一些实施例中,所述根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度,包括:
对于所述N个行为数据中的第一行为数据,将所述第一行为数据对应的M个衰减值与每个维度对应的权重分别相乘后求和,得到所述目标用户对所述第一行为数据对应的一类视频的兴趣度。
在一些实施例中,所述根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度之后,还包括:
根据所述目标用户对所述每类视频的兴趣度,从所述N类视频中确定兴趣度最高的一类视频的类别标识;
将所述类别标识所对应的视频添加至推荐集合中,所述推荐集合包括向所述目标用户进行推荐的视频。
另一方面,提供了一种用户对视频的兴趣度确定装置,所述装置包括:
获取模块,用于获取目标用户在预设时长内的N个行为数据,所述N个行为数据与视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,所述行为数据用于指示所述目标用户对相应一类视频的操作行为,所述N和所述M均为大于或等于1的整数;
第一确定模块,用于根据所述N个行为数据,分别确定所述N个行为数据中每个行为数据对应的M个衰减值,其中,所述M个衰减值与所述M个维度一一对应,所述衰减值用于指示所述目标用户对相应一类视频进行相应维度的操作的衰减程度;
第二确定模块,用于根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度。
在一些实施例中,所述第一确定模块包括:
计算子模块,用于对于所述N个行为数据中的第一行为数据,将所述第一行为数据包括的M个维度的数据中属于同一维度的数据进行相加,得到所述第一行为数据对应的M个维度的统计值,所述第一行为数据是指所述N个行为数据中的任一行为数据;
确定子模块,用于根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值。
在一些实施例中,所述确定子模块用于:
根据所述预设时长和预设衰减值,确定第一衰减系数;
将所述第一行为数据对应的M个维度的统计值分别乘以所述第一衰减系数,得到所述第一行为数据对应的M个衰减值。
在一些实施例中,所述确定子模块用于:
根据所述预设时长和预设衰减值,确定第二衰减系数;
将所述第一行为数据对应的M个维度的统计值分别除以所述第二衰减系数,得到所述第一行为数据对应的M个衰减值。
在一些实施例中,所述第二确定模块用于:
对于所述N个行为数据中的第一行为数据,将所述第一行为数据对应的M个衰减值与每个维度对应的权重分别相乘后求和,得到所述目标用户对所述第一行为数据对应的一类视频的兴趣度。
在一些实施例中,所述装置还包括:
第三确定模块,用于根据所述目标用户对所述每类视频的兴趣度,从所述N类视频中确定兴趣度最高的一类视频的类别标识;
添加模块,用于将所述类别标识所对应的视频添加至推荐集合中,所述推荐集合包括向所述目标用户进行推荐的视频。
另一方面,提供了一种服务器,所述服务器包括存储器和处理器,所述存储器用于存放计算机程序,所述处理器用于执行所述存储器上所存放的计算机程序,以实现上述所述的用户对视频的兴趣度确定方法的步骤。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的用户对视频的兴趣度确定方法的步骤。
另一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述所述的用户对视频的兴趣度确定方法的步骤。
本申请提供的技术方案至少可以带来以下有益效果:
在本申请中,可以获取目标用户在预设时长内的N个行为数据,并根据N个行为数据,确定N个行为数据中每个行为数据对应的M个衰减值,之后可以通过每个行为数据对应的M个衰减值,确定该目标用户对每类视频的兴趣度。由于衰减值可以指示该目标用户对相应一类视频进行相应维度的操作的衰减程度,从而通过该每个行为数据对应的M个衰减值能够准确地确定用户对每类视频的兴趣度,改善了因用户喜好随时间而改变,导致确定的用户对视频的兴趣度不准确的问题,提高了确定用户对视频的兴趣度的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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是本申请实施例提供的一种实施环境示意图;
图2是本申请实施例提供的一种用户对视频的兴趣度确定方法的流程图;
图3是本申请实施例提供的另一种用户对视频的兴趣度确定方法的流程图;
图4是本申请实施例提供的一种用户对视频的兴趣度确定装置的结构示意图;
图5是本申请实施例提供的一种第一确定模块的结构示意图;
图6是本申请实施例提供的另一种用户对视频的兴趣度确定装置的结构示意图;
图7是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的用户对视频的兴趣度确定方法进行详细的解释说明之前,先对本申请实施例提供的应用场景和实施环境进行介绍。
首先,对本申请实施例涉及的应用场景进行介绍。
目前,为了增加用户粘度,视频播放类平台通常可以根据用户对每个类别的视频的兴趣度向用户推荐视频。目前在确定用户在一段时间内的兴趣度时,通常是获取在这段时间内用户对某一类视频的点击总次数,并在该点击总次数大于次数阈值时,可以将该点击总次数确定为用户对该类视频的兴趣度,然后,将该类视频推荐给用户。但是,由于用户的喜好会随着时间而发生变化,通过统计一段时间内用户对该类视频的点击总次数并不能准确地反应用户对该类视频的兴趣度。
另外,由于用户在点击某类视频后,对视频内容并不感兴趣,可能会立即关掉该类视频,但是因为用户已点击,那么在统计点击次数时还是会统计本次点击次数。如果这样的情况多次发生,那么统计的点击总次数可能是用户并感兴趣的视频的点击总次数。因此,通过点击总次数并不能准确地反应用户对该类视频的兴趣度。
基于这样的应用场景,本申请提供了一种能够提高准确性的用户对视频的兴趣度的确定方法。
接下来,对本申请实施例涉及的实施环境进行介绍。
请参考图1,图1是根据一示例性实施例示出的一种实施环境的示意图。该实施环境包括至少一个终端101和服务器102,终端101可以与服务器102进行通信连接。该通信连接可以为有线或者无线连接,本申请对此不做限定。
其中,终端101可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品,例如PC(PersonalComputer,个人计算机)、手机、智能手机、PDA(Personal Digital Assistant,个人数字助手)、可穿戴设备、掌上电脑PPC(Pocket PC)、平板电脑、智能车机、智能电视、智能音箱等。
服务器102可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。
本领域技术人员应能理解上述终端101和服务器102仅为举例,其他现有的或今后可能出现的终端或服务器如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
接下来将结合附图对本申请实施例提供的用户对视频的兴趣度确定方法进行详细的解释说明。
图2是本申请实施例提供的一种用户对视频的兴趣度确定方法的流程图,该方法应用于服务器中。请参考图2,该方法包括如下步骤。
步骤201:获取目标用户在预设时长内的N个行为数据,该N个行为数据与视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,该行为数据用于指示该目标用户对相应一类视频的操作行为,N和M均为大于或等于1的整数。
步骤202:根据该N个行为数据,分别确定该N个行为数据中每个行为数据对应的M个衰减值,其中,该M个衰减值与该M个维度一一对应,该衰减值用于指示该目标用户对相应一类视频进行相应维度的操作的衰减程度。
步骤203:根据该N个行为数据中每个行为数据对应的M个衰减值,确定该目标用户对该N类视频中每类视频的兴趣度。
在本申请实施例中,可以获取目标用户在预设时长内的N个行为数据,并根据N个行为数据,确定N个行为数据中每个行为数据对应的M个衰减值,之后可以通过每个行为数据对应的M个衰减值,确定该目标用户对每类视频的兴趣度。由于衰减值可以指示该目标用户对相应一类视频进行相应维度的操作的衰减程度,从而通过该每个行为数据对应的M个衰减值能够准确地确定用户对每类视频的兴趣度,改善了因用户喜好随时间而改变,导致确定的用户对视频的兴趣度不准确的问题,提高了确定用户对视频的兴趣度的准确性。
在一些实施例中,根据该N个行为数据,分别确定该N个行为数据中每个行为数据对应的M个衰减值,包括:
对于该N个行为数据中的第一行为数据,将该第一行为数据包括的M个维度的数据中属于同一维度的数据进行相加,得到该第一行为数据对应的M个维度的统计值,该第一行为数据是指该N个行为数据中的任一行为数据;
根据该第一行为数据对应的M个维度的统计值,确定该第一行为数据对应的M个衰减值。
在一些实施例中,根据该第一行为数据对应的M个维度的统计值,确定该第一行为数据对应的M个衰减值,包括:
根据该预设时长和预设衰减值,确定第一衰减系数;
将该第一行为数据对应的M个维度的统计值分别乘以该第一衰减系数,得到该第一行为数据对应的M个衰减值。
在一些实施例中,根据该第一行为数据对应的M个维度的统计值,确定该第一行为数据对应的M个衰减值,包括:
根据该预设时长和预设衰减值,确定第二衰减系数;
将该第一行为数据对应的M个维度的统计值分别除以该第二衰减系数,得到该第一行为数据对应的M个衰减值。
在一些实施例中,该根据该N个行为数据中每个行为数据对应的M个衰减值,确定该目标用户对该N类视频中每类视频的兴趣度,包括:
对于该N个行为数据中的第一行为数据,将该第一行为数据对应的M个衰减值与每个维度对应的权重分别相乘后求和,得到该目标用户对该第一行为数据对应的一类视频的兴趣度。
在一些实施例中,根据该N个行为数据中每个行为数据对应的M个衰减值,确定该目标用户对该N类视频中每类视频的兴趣度之后,还包括:
根据该目标用户对该每类视频的兴趣度,从该N类视频中确定兴趣度最高的一类视频的类别标识;
将该类别标识所对应的视频添加至推荐集合中,该推荐集合包括向该目标用户进行推荐的视频。
上述所有可选技术方案,均可按照任意结合形成本申请的可选实施例,本申请实施例对此不再一一赘述。
图3为本申请实施例提供的一种用户对视频的兴趣度确定方法的流程图,参见图3,该方法包括如下步骤。
步骤301:服务器获取目标用户在预设时长内的N个行为数据。
需要说明的是,N个行为数据与视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,该行为数据用于指示目标用户对相应一类视频的操作行为,N和M均为大于或等于1的整数。
由于目标用户在观看视频过程中可能会在M个维度上对任一类视频进行一些操作行为,这些操作行为通常可以体现目标用户对该任一类视频的兴趣度,因此,为了确定目标用户在预设时长内对N类视频的兴趣度,服务器可以获取目标用户在预设时长内的N个行为数据。
需要说明的是,M个维度的数据可以包括对相应一类视频的点击次数、观看时长、虚拟物品赠送金额、关注次数、留言次数等等。该预设时长可以事先根据需求进行设置,比如,该预设时长可以为3天、7天、30天等等。
在一些实施例中,目标用户通过终端观看任一个视频时,可能会对任一个视频进行一些操作,为了后续能够确定目标用户对任一个视频所属类别视频的兴趣度,服务器可以将目标用户对任一个视频的操作行为进行存储,从而使后续服务器能够获取到目标用户在预设时长内的N个行为数据。
作为一种示例,服务器可以将目标用户对任一个视频的操作行为、目标用户的用户标识、该任一个视频所属类别的类别标识、用户对该任一个视频进行操作的操作时间等存储至数据库中,比如,存储至hive数据库中。
需要说明的是,目标用户对任一个视频的操作行为、目标用户的用户标识、该任一个视频所属类别的类别标识、用户对该任一个视频进行操作的操作时间等可以以表格的形式存储在数据库中。
比如,用户标识为ID1的目标用户在2019-10-18观看了一个类别为经济类的视频,且对该视频进行了5次点击,并总共观看该视频60分钟,期间进行了3次留言,此时,服务器可以将目标用户对该视频的点击、观看、留言等操作行为、目标用户的用户标识、该视频所属类别的类别标识,以及用户对该视频进行操作的操作时间,存储至如下表1中。
表1
需要说明的是,在本申请实施例中,仅以上述表1所示的行为数据为例进行说明,并不对本申请实施例构成限定。
步骤302:服务器根据N个行为数据,分别确定N个行为数据中每个行为数据对应的M个衰减值。
需要说明的是,M个衰减值与M个维度一一对应,衰减值用于指示目标用户对相应一类视频进行相应维度的操作的衰减程度。
由于目标用户对任一类视频的兴趣度可能会随着时间慢慢减少,且目标用户对任一类视频可能会在M个维度进行操作,因此,为了准确地确定目标用户对任一类视频的兴趣度,服务器可以根据N个行为数据,分别确定N个行为数据中每个行为数据对应的M个衰减值。
作为一种示例,服务器根据N个行为数据,分别确定N个行为数据中每个行为数据对应的M个衰减值的操作可以为:对于N个行为数据中的第一行为数据,将第一行为数据包括的M个维度的数据中属于同一维度的数据进行相加,得到第一行为数据对应的M个维度的统计值,第一行为数据是指N个行为数据中的任一行为数据;根据第一行为数据对应的M个维度的统计值,确定第一行为数据对应的M个衰减值。
作为一种示例,服务器根据第一行为数据对应的M个维度的统计值,确定第一行为数据对应的M个衰减值的操作可以为:根据预设时长和预设衰减值,确定第一衰减系数;将第一行为数据对应的M个维度的统计值分别乘以第一衰减系数,得到第一行为数据对应的M个衰减值。
需要说明的是,该预设衰减值可以根据需求事先进行设置,且该预设衰减值的取值范围在(0,1)区间内,也即是,预设衰减值为大于0且小于1的值。比如,该预设衰减值可以为0.1、0.2、0.25等等。
还需要说明的是,服务器可以确定预设衰减值的预设时长次幂,得到第一衰减系数,如果预设时长用n表示,预设衰减值用α表示,则确定预设衰减值的预设时长次幂也即是确定αn,αn即为第一衰减系数。或者,服务器还可以根据预设时长和预设衰减值,通过power()函数确定第一衰减系数。
在一些实施例中,服务器将第一行为数据对应的M个维度的统计值分别乘以第一衰减系数,得到第一行为数据对应的M个衰减值的操作可以通过下述第一公式进行描述。
PV(ui,aj,bk)=∑V(ui,aj,bk,dn)*αn (1)
需要说明的是,在上述第一公式(1)中,PV(ui,aj,bk)为第一行为数据对应的M个维度中第k个维度的衰减值,∑V(ui,aj,bk,dn)为第一行为数据对应的M个维度中第k个维度的统计值,αn为第一衰减系数。
作为一种示例,服务器根据第一行为数据对应的M个维度的统计值,确定第一行为数据对应的M个衰减值的操作不仅可以包括上述方式,还可以包括其他方式,比如服务器还可以根据预设时长和预设衰减值,确定第二衰减系数;将第一行为数据对应的M个维度的统计值分别除以第二衰减系数,得到第一行为数据对应的M个衰减值。
需要说明的是,服务器可以确定预设时长的预设衰减值次幂,得到第二衰减系数,如果预设时长用n表示,预设衰减值用α表示,则确定预设时长的预设衰减值次幂也即是确定nα,nα即为第二衰减系数。或者,服务器还可以根据预设时长和预设衰减值,通过power()函数确定第二衰减系数。
在一些实施例中,服务器将第一行为数据对应的M个维度的统计值分别除以第二衰减系数,得到第一行为数据对应的M个衰减值的操作可以通过下述第二公式进行描述。
PV(ui,aj,bk)=∑V(ui,aj,bk,dn)/nα (2)
需要说明的是,在上述第二公式(2)中,PV(ui,aj,bk)为第一行为数据对应的M个维度中第k个维度的衰减值,∑V(ui,aj,bk,dn)为第一行为数据对应的M个维度中第k个维度的统计值,nα为第二衰减系数。
需要说明的是,对于N个行为数据中除第一行为数据之外的其他行为数据,服务器可以按照确定第一行为数据对应的M个衰减值的方式,确定N个行为数据中其他行为数据分别对应的M个衰减值,从而得到N个行为数据中每个行为数据对应的M个衰减值。
步骤303:服务器根据N个行为数据中每个行为数据对应的M个衰减值,确定目标用户对N类视频中每类视频的兴趣度。
由于衰减值用于指示目标用户对相应一类视频进行相应维度的操作的衰减程度,而目标用户对相应一类视频进行的操作能够体现用户对该类视频的兴趣度,因此,服务器可以根据N个行为数据中每个行为数据对应的M个衰减值,确定目标用户对N类视频中每类视频的兴趣度。
作为一种示例,服务器根据N个行为数据中每个行为数据对应的M个衰减值,确定目标用户对N类视频中每类视频的兴趣度的操作可以为:对于N个行为数据中的第一行为数据,将第一行为数据对应的M个衰减值与每个维度对应的权重分别相乘后求和,得到目标用户对第一行为数据对应的一类视频的兴趣度。
需要说明的是,服务器根据N个行为数据中每个行为数据对应的M个衰减值,确定目标用户对N类视频中每类视频的兴趣度的操作可以通过下述第三公式进行描述。
TV(ui,aj)=∑PV(ui,aj,bk)*wk (3)
在上述第三公式(3)中,TV(ui,aj)为目标用户对第一行为数据对应的一类视频的兴趣度,PV(ui,aj,bk)为目标用户对第一行为数据对应的M个维度中第k个维度的衰减值,wk为M个维度中第k个维度对应的权重。
在一些实施例中,服务器根据N个行为数据中每个行为数据对应的M个衰减值,确定目标用户对N类视频中每类视频的兴趣度的操作不仅可以包括上述方式,该可以包括其他方式,比如,对于N个行为数据中的第一行为数据,服务器可以将第一行为数据对应的M个衰减值相加,得到目标用户对第一行为数据对应的一类视频的兴趣度。
需要说明的是,对于N个行为数据中除第一行为数据之外的其他行为数据,服务器可以按照确定第一行为数据对应的一类视频的兴趣度的方式,确定N个行为数据中其他行为数据分别对应一类视频的兴趣度,从而得到目标用户对N类视频中每类视频的兴趣度。
由于每个行为数据的M个衰减值分别对应一个维度,而每个维度之间可能会存在对操作行为的统计单位的纲量差异,从而可能会导致无法将M个衰减度进行相加。因此,为了能够顺利的确定目标用户对N类视频中每类视频的兴趣度,服务器还可以对每个行为数据对应的M个衰减值进行归一化处理。
作为一种示例,对每个行为数据对应的M个衰减值进行归一化处理可以是指将每个行为数据对应的M个衰减值缩放到[0,1]区间内,得到每个行为数据对应的M个归一值。
需要说明的是,服务器可以通过归一化公式对每个行为数据对应的M个衰减值进行归一化处理,该归一化公式可以为双曲正切函数tanh()、sigmoid函数、normalize函数等等。
由于服务器可以对每个行为数据对应的M个衰减值进行归一化处理,得到每个行为数据对应的M个归一值,因此,服务器还可以根据N个行为数据中每个行为数据对应的M个归一值,确定目标用户对N类视频中每类视频的兴趣度。
作为一种示例,服务器还可以根据N个行为数据中每个行为数据对应的M个归一值,确定目标用户对N类视频中每类视频的兴趣度的操作可以为:对于N个行为数据中的第一行为数据,将第一行为数据对应的M个归一值与每个维度对应的权重分别相乘后求和,得到目标用户对第一行为数据对应的一类视频的兴趣度。
步骤304:服务器根据目标用户对N类视频中每类视频的兴趣度,向目标用户进行视频推荐。
由于目标用户对每类视频的兴趣度可以反映目标用户对每类视频的喜好,根据目标用户的喜好向目标用户推荐视频能够增加用户粘度。因此,为了增加用户粘度,服务器可以根据目标用户对N类视频中每类视频的兴趣度,向目标用户进行视频推荐。
作为一种示例,服务器可以将目标用户对每类视频的兴趣度与兴趣度阈值进行比较,当任一类视频的兴趣度大于兴趣度阈值时,将该任一类视频的类别标识所对应的视频推荐给目标用户。
需要说明的是,该兴趣度阈值可以根据需求事先进行设置,比如,该兴趣度阈值可以为5、6、6.5、7等等。
由于在向目标用户进行视频推荐时,通常可以将推荐集合中的视频进行推荐。因此,服务器在向目标用户进行视频推荐之前,还可以根据目标用户对N类视频中每类视频的兴趣度,向推荐集合中添加视频。
作为一种示例,服务器根据目标用户对N类视频中每类视频的兴趣度,向推荐集合中添加视频的操作可以为:根据目标用户对每类视频的兴趣度,从N类视频中确定兴趣度最高的一类视频的类别标识;将类别标识所对应的视频添加至推荐集合中,该推荐集合包括向目标用户进行推荐的视频。
需要说明的是,该推荐集合中的视频可以包括类别标识所对应的视频、预设时长内最新增加的类别对应的视频、热度最高的视频等等。
在一些实施例中,服务器不仅可以通过上述方式向推荐集合中添加视频,服务器还可以通过其他方式添加,比如,服务器可以将目标用户对每类视频的兴趣度按照从大到小的顺序进行排序;确定排在前X位的X类视频的类别标识;将X类视频的类别标识所对应的视频添加至推荐集合。
需要说明的是,该X为预先设置的数量,该X的取值可以为3、5、6等等。
在本申请实施例中,服务器可以获取目标用户在预设时长内的N个行为数据,并根据N个行为数据,确定N个行为数据中每个行为数据对应的M个衰减值,之后可以通过每个行为数据对应的M个衰减值,确定该目标用户对每类视频的兴趣度。由于衰减值可以指示该目标用户对相应一类视频进行相应维度的操作的衰减程度,从而通过每个行为数据对应的M个衰减值能够准确地确定用户对每类视频的兴趣度,改善了因用户喜好随时间而改变,导致确定的用户对视频的兴趣度不准确的问题。另外,由于可以从M个维度确定M个衰减值,并通过每个行为数据对应的M个衰减值确定目标用户对每类视频的兴趣度,从而改善了通过点击次数确定兴趣度,导致因确定维度单一而使兴趣度确定不准确的问题,提高了确定用户对视频的兴趣度的准确性。
在对本申请实施例提供的用户对视频的兴趣度确定方法进行解释说明之后,接下来,对本申请实施例提供的用户对视频的兴趣度确定装置进行介绍。
图4是本申请实施例提供的一种用户对视频的兴趣度确定装置的结构示意图,该用户对视频的兴趣度确定装置可以由软件、硬件或者两者的结合实现成为服务器的部分或者全部,服务器可以为图1所示的服务器。请参考图4,该装置包括:获取模块401、第一确定模块402和第二确定模块403。
获取模块401,用于获取目标用户在预设时长内的N个行为数据,该N个行为数据与该视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,该行为数据用于指示该目标用户对相应一类视频的操作行为,该N和该M均为大于或等于1的整数;
第一确定模块402,用于根据该N个行为数据,分别确定该N个行为数据中每个行为数据对应的M个衰减值,其中,该M个衰减值与该M个维度一一对应,该衰减值用于指示该目标用户对相应一类视频进行相应维度的操作的衰减程度;
第二确定模块403,用于根据该N个行为数据中每个行为数据对应的M个衰减值,确定该目标用户对该N类视频中每类视频的兴趣度。
在一些实施例中,参见图5,该第一确定模块402包括:
计算子模块4021,用于对于该N个行为数据中的第一行为数据,将该第一行为数据包括的M个维度的数据中属于同一维度的数据进行相加,得到该第一行为数据对应的M个维度的统计值,该第一行为数据是指该N个行为数据中的任一行为数据;
确定子模块4022,用于根据该第一行为数据对应的M个维度的统计值,确定该第一行为数据对应的M个衰减值。
在一些实施例中,该确定子模块4022用于:
根据该预设时长和预设衰减值,确定第一衰减系数;
将该第一行为数据对应的M个维度的统计值分别乘以该第一衰减系数,得到该第一行为数据对应的M个衰减值。
在一些实施例中,该确定子模块4022用于:
根据该预设时长和预设衰减值,确定第二衰减系数;
将该第一行为数据对应的M个维度的统计值分别除以该第二衰减系数,得到该第一行为数据对应的M个衰减值。
在一些实施例中,该第二确定模块403用于:
对于该N个行为数据中的第一行为数据,将该第一行为数据对应的M个衰减值与每个维度对应的权重分别相乘后求和,得到该目标用户对该第一行为数据对应的一类视频的兴趣度。
在一些实施例中,参见图6,该装置还包括:
第三确定模块404,用于根据该目标用户对该每类视频的兴趣度,从该N类视频中确定兴趣度最高的一类视频的类别标识;
添加模块405,用于将该类别标识所对应的视频添加至推荐集合中,该推荐集合包括向该目标用户进行推荐的视频。
在本申请实施例中,服务器可以获取目标用户在预设时长内的N个行为数据,并根据N个行为数据,确定N个行为数据中每个行为数据对应的M个衰减值,之后可以通过每个行为数据对应的M个衰减值,确定该目标用户对每类视频的兴趣度。由于衰减值可以指示该目标用户对相应一类视频进行相应维度的操作的衰减程度,从而通过每个行为数据对应的M个衰减值能够准确地确定用户对每类视频的兴趣度,改善了因用户喜好随时间而改变,导致确定的用户对视频的兴趣度不准确的问题。另外,由于可以从M个维度确定M个衰减值,并通过每个行为数据对应的M个衰减值确定目标用户对每类视频的兴趣度,从而改善了通过点击次数确定兴趣度,导致因确定维度单一而使兴趣度确定不准确的问题,提高了确定用户对视频的兴趣度的准确性。
需要说明的是:上述实施例提供的用户对视频的兴趣度确定装置在确定用户对视频的兴趣度时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的用户对视频的兴趣度确定装置与用户对视频的兴趣度确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本申请实施例提供的一种服务器的结构示意图。服务器700包括中央处理单元(CPU)701、包括随机存取存储器(RAM)702和只读存储器(ROM)703的系统存储器704,以及连接系统存储器704和中央处理单元701的系统总线705。服务器700还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)706,和用于存储操作系统713、应用程序714和其他程序模块715的大容量存储设备707。
基本输入/输出系统706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备709。其中显示器708和输入设备709都通过连接到系统总线705的输入输出控制器710连接到中央处理单元701。基本输入/输出系统706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器710还提供输出到显示屏、打印机或其他类别的输出设备。
大容量存储设备707通过连接到系统总线705的大容量存储控制器(未示出)连接到中央处理单元701。大容量存储设备707及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说,大容量存储设备707可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器704和大容量存储设备707可以统称为存储器。
根据本申请的各种实施例,服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在系统总线705上的网络接口单元711连接到网络712,或者说,也可以使用网络接口单元711来连接到其他类别的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。
在一些实施例中,还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中用户对视频的兴趣度确定方法的步骤。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 Access Memory,随机存取存储器)、CD-ROM、磁带、软盘和光数据存储设备等。
值得注意的是,本申请提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。所述计算机指令可以存储在上述计算机可读存储介质中。
也即是,在一些实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述所述的用户对视频的兴趣度确定方法的步骤。
以上所述为本申请提供的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种用户对视频的兴趣度确定方法,其特征在于,所述方法包括:
获取目标用户在预设时长内的N个行为数据,所述N个行为数据与视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,所述行为数据用于指示所述目标用户对相应一类视频的操作行为,所述N和所述M均为大于或等于1的整数;
根据所述N个行为数据,分别确定所述N个行为数据中每个行为数据对应的M个衰减值,其中,所述M个衰减值与所述M个维度一一对应,所述衰减值用于指示所述目标用户对相应一类视频进行相应维度的操作的衰减程度;
根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度;
所述根据所述N个行为数据,分别确定所述N个行为数据中每个行为数据对应的M个衰减值,包括:
对于所述N个行为数据中的第一行为数据,将所述第一行为数据包括的M个维度的数据中属于同一维度的数据进行相加,得到所述第一行为数据对应的M个维度的统计值,所述第一行为数据是指所述N个行为数据中的任一行为数据,所述M个维度的数据包括所述目标用户对相应一类视频的点击次数、观看时长、虚拟物品赠送金额、关注次数和留言次数;
根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值,包括:
根据所述预设时长和预设衰减值,确定第一衰减系数;
将所述第一行为数据对应的M个维度的统计值分别乘以所述第一衰减系数,得到所述第一行为数据对应的M个衰减值。
3.如权利要求1所述的方法,其特征在于,所述根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值,包括:
根据所述预设时长和预设衰减值,确定第二衰减系数;
将所述第一行为数据对应的M个维度的统计值分别除以所述第二衰减系数,得到所述第一行为数据对应的M个衰减值。
4.如权利要求1所述的方法,其特征在于,所述根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度,包括:
对于所述N个行为数据中的第一行为数据,将所述第一行为数据对应的M个衰减值与每个维度对应的权重分别相乘后求和,得到所述目标用户对所述第一行为数据对应的一类视频的兴趣度。
5.如权利要求1所述的方法,其特征在于,所述根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度之后,还包括:
根据所述目标用户对所述每类视频的兴趣度,从所述N类视频中确定兴趣度最高的一类视频的类别标识;
将所述类别标识所对应的视频添加至推荐集合中,所述推荐集合包括向所述目标用户进行推荐的视频。
6.一种用户对视频的兴趣度确定装置,其特征在于,所述装置包括:
获取模块,用于获取目标用户在预设时长内的N个行为数据,所述N个行为数据与视频播放应用中的N类视频一一对应,每个行为数据包括M个维度的数据,所述行为数据用于指示所述目标用户对相应一类视频的操作行为,所述N和所述M均为大于或等于1的整数;
第一确定模块,用于根据所述N个行为数据,分别确定所述N个行为数据中每个行为数据对应的M个衰减值,其中,所述M个衰减值与所述M个维度一一对应,所述衰减值用于指示所述目标用户对相应一类视频进行相应维度的操作的衰减程度;
第二确定模块,用于根据所述N个行为数据中每个行为数据对应的M个衰减值,确定所述目标用户对所述N类视频中每类视频的兴趣度;
所述第一确定模块包括:
计算子模块,用于对于所述N个行为数据中的第一行为数据,将所述第一行为数据包括的M个维度的数据中属于同一维度的数据进行相加,得到所述第一行为数据对应的M个维度的统计值,所述第一行为数据是指所述N个行为数据中的任一行为数据,所述M个维度的数据包括所述目标用户对相应一类视频的点击次数、观看时长、虚拟物品赠送金额、关注次数和留言次数;
确定子模块,用于根据所述第一行为数据对应的M个维度的统计值,确定所述第一行为数据对应的M个衰减值。
7.一种服务器,其特征在于,所述服务器包括存储器和处理器,所述存储器用于存放计算机程序,所述处理器用于执行所述存储器上所存放的计算机程序,以实现上述权利要求1-5任一所述方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911000435.5A CN110719506B (zh) | 2019-10-21 | 2019-10-21 | 用户对视频的兴趣度确定方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911000435.5A CN110719506B (zh) | 2019-10-21 | 2019-10-21 | 用户对视频的兴趣度确定方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110719506A CN110719506A (zh) | 2020-01-21 |
CN110719506B true CN110719506B (zh) | 2022-02-11 |
Family
ID=69212945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911000435.5A Active CN110719506B (zh) | 2019-10-21 | 2019-10-21 | 用户对视频的兴趣度确定方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110719506B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113014938B (zh) * | 2021-02-24 | 2022-06-14 | 北京金和网络股份有限公司 | 多维度视频直播推荐方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130122346A (ko) * | 2012-04-30 | 2013-11-07 | 중앙대학교 산학협력단 | 평판 정보 제공 장치 및 방법 |
CN108062415A (zh) * | 2018-01-02 | 2018-05-22 | 武汉斗鱼网络科技有限公司 | 用户行为的统计方法、装置及终端设备 |
CN109359217A (zh) * | 2018-09-21 | 2019-02-19 | 武汉斗鱼网络科技有限公司 | 一种用户兴趣度计算方法、服务器及可读存储介质 |
CN110033324A (zh) * | 2019-04-11 | 2019-07-19 | 上海拉扎斯信息科技有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN110245274A (zh) * | 2019-04-23 | 2019-09-17 | 五八有限公司 | 一种标签热度计算方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309398A (zh) * | 2018-02-06 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 用户数据处理方法、装置、计算设备以及存储介质 |
-
2019
- 2019-10-21 CN CN201911000435.5A patent/CN110719506B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130122346A (ko) * | 2012-04-30 | 2013-11-07 | 중앙대학교 산학협력단 | 평판 정보 제공 장치 및 방법 |
CN108062415A (zh) * | 2018-01-02 | 2018-05-22 | 武汉斗鱼网络科技有限公司 | 用户行为的统计方法、装置及终端设备 |
CN109359217A (zh) * | 2018-09-21 | 2019-02-19 | 武汉斗鱼网络科技有限公司 | 一种用户兴趣度计算方法、服务器及可读存储介质 |
CN110033324A (zh) * | 2019-04-11 | 2019-07-19 | 上海拉扎斯信息科技有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN110245274A (zh) * | 2019-04-23 | 2019-09-17 | 五八有限公司 | 一种标签热度计算方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110719506A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241425B (zh) | 一种资源推荐方法、装置、设备及存储介质 | |
US20180026859A1 (en) | Method, apparatus, and system for determining a location corresponding to an ip address | |
CN110210883B (zh) | 群控账号识别方法、装置、服务器及存储介质 | |
CN111107416B (zh) | 一种弹幕屏蔽方法、装置及电子设备 | |
CN106469202A (zh) | 一种影视大数据平台的数据分析方法 | |
CN109359217B (zh) | 一种用户兴趣度计算方法、服务器及可读存储介质 | |
CN112969079B (zh) | 主播的资源分配方法、装置、计算机设备及存储介质 | |
CN112818224B (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN108768743B (zh) | 一种用户识别方法、装置及服务器 | |
CN111683274A (zh) | 弹幕广告展示方法、装置、设备及计算机可读存储介质 | |
CN104967690A (zh) | 一种信息推送方法及装置 | |
CN110719506B (zh) | 用户对视频的兴趣度确定方法、装置、服务器及存储介质 | |
CN109462777B (zh) | 视频热度更新方法、装置、终端及存储介质 | |
US20140289334A1 (en) | System and method for recommending multimedia information | |
CN111479168B (zh) | 用于标记多媒体内容热点的方法、装置、服务器以及介质 | |
CN112788351B (zh) | 一种目标直播间的识别方法、装置、设备和存储介质 | |
CN106487653B (zh) | 一种消息处理方法及服务器 | |
CN114845142B (zh) | 数据记录方法、装置、电子设备及存储介质 | |
CN110020129B (zh) | 点击率校正方法、预估方法、装置、计算设备及存储介质 | |
CN110971973A (zh) | 一种视频推送方法、装置及电子设备 | |
CN105653645B (zh) | 网络信息关注度评估方法及装置 | |
CN112084447B (zh) | 一种数据分配方法、装置、介质和电子设备 | |
CN109922359B (zh) | 一种用户处理方法、装置、设备和存储介质 | |
CN112672202A (zh) | 弹幕处理方法、设备和存储介质 | |
CN107368533B (zh) | 一种内容项推荐方法、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 |