CN110825910A - 基于大数据的视频课程推荐方法及相关装置 - Google Patents

基于大数据的视频课程推荐方法及相关装置 Download PDF

Info

Publication number
CN110825910A
CN110825910A CN201910978382.8A CN201910978382A CN110825910A CN 110825910 A CN110825910 A CN 110825910A CN 201910978382 A CN201910978382 A CN 201910978382A CN 110825910 A CN110825910 A CN 110825910A
Authority
CN
China
Prior art keywords
watching
viewing
video
user terminal
course
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
Application number
CN201910978382.8A
Other languages
English (en)
Other versions
CN110825910B (zh
Inventor
尚延良
钟凯
洪宇明
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910978382.8A priority Critical patent/CN110825910B/zh
Publication of CN110825910A publication Critical patent/CN110825910A/zh
Priority to PCT/CN2020/099574 priority patent/WO2021073164A1/zh
Application granted granted Critical
Publication of CN110825910B publication Critical patent/CN110825910B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/732—Query formulation
    • 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
    • G06F16/74—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本申请实施例公开了一种基于大数据的视频课程推荐方法及相关装置，其中，基于大数据的视频课程推荐方法包括：平台服务器接收用户终端发送的课程请求指令；对用户终端进行权限解析，确定用户终端为目标用户；获取存储服务器中存储的与课程请求指令匹配的视频课程的观看记录，并确定观看记录中的有效观看次数；根据有效观看次数确定视频课程的热度值，基于热度值向目标用户推荐目标视频课程。本申请实施例通过有效观看次数确定视频课程的热度值，能够排除掉无效观看次数对热度值的影响，提升了热度值计算的准确性和可靠性，进而提升了视频课程推荐的准确性。

Description

基于大数据的视频课程推荐方法及相关装置
技术领域
本申请涉及数据处理技术领域，具体涉及一种基于大数据的视频课程推荐方法及相关装置。
背景技术
在线教育顾名思义，是以网络为介质的教学方式，通过网络，学员与教师即使相隔万里也可以开展教学活动；此外，借助网络课件，学员还可以随时随地进行学习，真正打破了时间和空间的限制，对于工作繁忙，学习时间不固定的职场人而言网络远程教育是最方便不过的学习方式。
在线教育中，需要用到大量的视频课程，学员通过观看视频课程进行在线学习。但是网络上的海量视频课程种类五花八门，囊括的范围也非常广泛，如何减少服务器无效数据处理量，提升视频课程推送效率和准确率，是一个至关重要的问题。
发明内容
本申请实施例提供了一种基于大数据的视频课程推荐方法及相关装置，以期通过目标用户权限认证，减少无效数据处理量，同时通过有效观看次数确定视频课程的热度值，能够排除掉无效观看次数对热度值的影响，提升目标视频课程推送的效率和准确性。
第一方面，本申请实施例提供一种基于大数据的视频课程推荐方法，所述基于大数据的视频课程推荐方法包括：
平台服务器接收用户终端发送的课程请求指令；
平台服务器对用户终端进行权限解析，确定所述用户终端为目标用户；
平台服务器获取存储系统中存储的与所述课程请求指令匹配的视频课程的观看记录，并确定所述观看记录中的有效观看次数；
平台服务器根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
在一个可能的示例中，所述对用户终端进行权限解析，确定所述用户终端为目标用户，包括：
获取所述用户终端的通用唯一识别码UUID，并对所述UUID进行认证；
若确定所述UUID通过认证，则判定所述用户终端通过第一认证；
获取所述用户终端的观看权限，并确定所述观看权限与所述课程请求指令是否匹配；
若匹配成功，则确定所述用户终端通过第二认证；
确定所述用户终端为目标用户。
在一个可能的示例中，在确定所述观看权限与所述课程请求指令是否匹配后，所述方法还包括：
所匹配失败，解析所述用户终端的好友列表，获取所述好友列表对应的好友用户终端；
获取所述好友用户终端的中的目标用户，作为好友目标用户；
向所述好友目标用户请求获取临时认证权限，所述临时认证权限表征授权所述用户终端在第一预设时长内通过第二认证；
确定获得临时认证权限的所述用户终端在所述第一预设时长内为目标用户。
在一个可能的示例中，所述确定所述观看记录中的有效观看次数，包括：
获取所述观看记录中的N次观看对应的N个观看时长；
确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1；或
确定所述N个观看时长中与所述目标视频课程总时长的比值大于第一预设比值的观看时长个数为N1；
将所述N1作为所述目标用户的有效观看次数。
在一个可能的示例中，所述确定所述观看记录中的有效观看次数，包括：
获取所述观看记录中的N次观看对应的N个观看时长；
获取所述N次观看对应的N个视频跨度时长；
根据所述N个观看时长和所述N个视频跨度时长确定所述N次观看中，视频观看时长与跨度时长的比值大于第二预设比值的T1次观看；
将所述T1作为所述目标用户的有效观看次数。
在一个可能的示例中，在确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1之后，所述方法还包括：
获取所述N个观看时长中不大于第一预设阈值的N2个观看时长，其中N1+N2＝N；
对所述N2个观看时长相加获得第一观看时长，并确定所述第一观看时长是否大于第一预设阈值；
若确定所述第一观看时长大于所述第一预设阈值，则确定所述观看记录中的有效观看次数为N1+1。
在一个可能的示例中，在获取所述N个观看时长中不大于第一预设阈值的N2个观看时长之后，所述方法还包括：
对所述N2个观看时长中的非重复观看时长相加，获得第二观看时长；
对所述N2个观看时长中的重复观看时长乘以系数α后求和，计算获得第三观看时长，其中0≤α<1；
对所述第二观看时长和所述第三观看时长求和，获得第一观看时长。
在一个可能的示例中，所述根据所述有效观看次数确定视频课程的热度值，包括：
获取所述视频课程的总浏览次数S；
根据所述总浏览次数S和有效观看次数M计算获得目标课程的热度值，对应的计算公式为：
H＝[(M/S)*1000]+b，其中H表示热度值，M为N1，T1或N1+1中的任意值，b为大于0的常数。
在一个可能的示例中，所述方法还包括：
获取所述目标视频课程的多个标签关键词；
将所述多个标签关键词与所述视频课程平台的热搜词进行关键字匹配；
根据匹配结果确定所述目标视频课程与热搜词的关联值，将所述关联值作为常数b。
第二方面，本申请提供一种视频课程推荐装置，所述视频课程推荐装置包括：
指令接收单元，用于接收用户终端发送的课程请求指令；
解析单元，用于对用户终端进行权限解析，确定所述用户终端为目标用户；
确定单元，用于获取存储系统中存储的与所述课程请求指令匹配的视频课程的观看记录，并确定所述观看记录中的有效观看次数；
推荐单元，用于根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
第三方面，本申请实施例提供一种电子装置，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。
可以看出，本申请实施例中，平台服务器接收用户终端发送的课程请求指令；对用户终端进行权限解析，确定用户终端为目标用户；获取存储服务器中存储的与课程请求指令匹配的视频课程的观看记录，并确定观看记录中的有效观看次数；根据有效观看次数确定视频课程的热度值，基于热度值向目标用户推荐目标视频课程。该过程通过目标用户权限认证，减少无效数据处理量，提升了视频课程推荐的效率，另外通过有效观看次数确定视频课程的热度值，能够排除掉无效观看次数对热度值的影响，杜绝了刷热度的行为，提升了热度值计算的准确性和可靠性，进而提升了为目标用户推荐目标视频课程的准确性。
附图说明
下面将对本申请实施例所涉及到的附图作简单地介绍。
图1A为本申请实施例提供的一种视频课程系统示意图；
图1B是本申请实施例提供的一种基于大数据的视频课程推荐方法流程示意图；
图1C是本申请实施例提供的一种视频课程的播放界面示意图；
图2是本申请实施例提供的另一种基于大数据的视频课程推荐方法流程示意图；
图3是本申请实施例提供的另一种基于大数据的视频课程推荐方法流程示意图；
图4是本申请实施例提供的一种电子装置示意图；
图5是本申请实施例提供的一种视频课程推荐装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子装置可以包括各种具有无线通信功能的手持设备、车载设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(Mobile Station，MS)，终端设备(Terminal Device)等等。为方便描述，上面提到的设备统称为电子装置。当然，本申请实施例中的电子装置可以配置一些外围配件，例如，屏幕保护膜、保护套等等。本申请实施例中的电子装置至少可以包括处理器，以及与处理器连接的电池。上述处理器可以集成Sensor Hub模块，或者，电子装置可以包含Sensor Hub模块，可以通过处理器控制Sensor Hub模块完成下述本申请实施例。
下面对本申请实施例进行详细介绍。
请参阅图1A，图1A为本申请实施例提供的一种视频课程系统示意图，如图1A所示，视频课程系统中包括平台服务器20、存储服务器30和用户终端10，其中平台服务器用于支持视频课程平台的运行、响应和数据处理，存储服务器用于存储视频课程平台相关的数据，用户终端用于提交各种请求指令同时对平台服务器发送的指令或信息进行响应，完成用户与视频课程平台的交互。
请参阅图1B，图1B是本申请实施例提供的一种基于大数据的视频课程推荐方法流程示意图，该方法运用于如图1A所示的视频课程系统，如图1B所示，该基于大数据的视频课程推荐方法包括如下步骤：
步骤101、平台服务器接收用户终端发送的课程请求指令。
用户终端向平台服务器发送课程请求指令，可以是通过输入关键字进行搜索，或者是在视频课程平台的界面上进行课程类型选择，也可以是在选择了课程类型的前提下再进行关键字搜索。平台服务器接收用户终端发送的课程请求指令，并对课程请求指令作出响应。
步骤102、平台服务器对用户终端进行权限解析，确定所述用户终端为目标用户。
对于平台服务器来说，并不会对所有用户终端作出同样的响应。平台服务器首先需要确定用户终端为目标用户，目标用户可以为：已注册用户、VIP用户、付费用户或者等级与其输入的课程请求指令相匹配的用户等。在确定用户终端为目标用户后，再根据用户终端发送的课程请求指令获取为用户推荐的课程。
可选的，对用户终端进行权限解析，确定用户终端为目标用户，包括：获取用户终端的通用唯一识别码UUID，并对UUID进行认证；若确定UUID通过认证，则判定用户终端通过第一认证；获取用户终端的观看权限，并确定观看权限与课程请求指令是否匹配；若匹配成功，则确定用户终端通过第二认证；确定用户终端为目标用户。
通用唯一识别码(Universally Unique Identifier,UUID)可以用来唯一标识设备，并且UUID的生存周期由应用程序(Application，APP)的生存周期决定，即当设备安装一个APP时，同时生成一个UUID，而当APP被卸载时，UUID也被回收，下一次该设备再安装这个APP时，会生成新的UUID。同样的，用户在网页上通过显式(通过用户名和密码)或者隐式(通过“记住我”功能)登陆进入平台后，平台服务器也会为用户分配一个UUID，因此，可以采用用户设备的UUID来确定用户是否为平台服务器授权的终端。
确定UUID通过认证后，可以确定用户终端为注册并登陆过平台服务器的用户，但是并不意味着用户就能够对平台上的任何视频课程有获取权限。还要对用户终端进行观看权限和课程请求指令的匹配认证。例如用户的课程请求指令中包括“高考”一词，而该关键词存储在付费视频集合中，用户的观看权限为“可观看任意视频”，那么观看权限与课程请求指令匹配成功，用户通过第二认证，确定用户终端为目标用户。
可选的，在确定观看权限与课程请求指令是否匹配后，方法还包括：所匹配失败，解析用户终端的好友列表，获取好友列表对应的好友用户终端；获取好友用户终端的中的目标用户，作为好友目标用户；向好友目标用户请求获取临时认证权限，临时认证权限表征授权用户终端在第一预设时长内通过第二认证；确定获得临时认证权限的用户终端在第一预设时长内为目标用户。
根据上述内容可知，当用户的课程请求指令中包括“高考”一词，而该关键词存储在付费视频集合中，用户的观看权限为“仅观看免费视频”，观看权限与课程请求指令匹配失败，用户不能通过第二认证。但是可能用户有具有视频观看权限的好友，可以向好友求助，获得临时观看付费视频的权限。因此，解析用户终端的好友列表，并通过平台服务器向通过第二认证的好友目标用户求取获取临时认证权限，临时认证权限表征授权用户终端在第一预设时长内通过第二认证；那么在这个第一预设时长内，用户终端可以被认证为目标用户。
步骤103、平台服务器获取存储服务器中存储的与所述课程请求指令匹配的视频课程的观看记录，并确定所述观看记录中的有效观看次数。
视频课程系统除了包括平台服务器之外，还包括存储服务器，用于存储平台服务器进行数据处理、指令解析或请求响应过程中产生的数据，还包括平台服务器写入的数据。当平台服务器确定发起课程请求指令的为目标用户时，则获取存储服务器中的视频课程观看记录，并对观看记录进行解析，根据解析结果为目标用户推荐目标视频课程。
视频课程平台是提供各类在线视频课程的网络平台，包括学生课业相关的语文、数学、物理、生物等视频课程，也包括成人培训的职业技能、技术培训等各类课程。请参阅图1C，图1C是本申请实施例提供的一种视频课程的播放界面示意图，在图1C中，可以进行播放或暂停，也可以进行快进，视频总时长为60:00，目前播放到32:00，视频课程被用户点击观看后，会产生对应的观看记录，根据观看记录可以对该视频进行热度评价。因此，在评价视频课程热度时，首先获取每一个视频课程都有对应的观看记录。观看记录包括的内容可以为：用户名称或用户ID号，观看视频的观看时间，包括观看的起止时间，观看的视频时间跨度，是指观看的视频内容的起止时间。观看记录可以如表1所示：
表1用户观看记录表
用户 观看视频 观看时间 视频跨度 设备
用户1 视频1 12:00:00-12:05:59 03:18-20:21 手机
用户2 视频2 11:00:01-12:30:40 00:00-90:00 电脑
用户1 视频2 13:00:00-13:20:01 30:20-50:20 电脑
用户1 视频2 14:40:01-14:40:31 50:21-50:51 手机
根据获得的观看记录可以进行分析，确定其中的有效观看。
具体地，用户对目标视频课程的观看不一定是有效观看，例如用户观看目标视频的时长为10秒钟，无法充分获取有效信息；或者用户观看目标视频的时间是从12:00:00到12:01:59，观看时长为T2＝12:01:59-12:00:00＝1′59″，但是对应观看视频内容为从视频的03：18至20：21，视频跨越时长为T2'＝20：21-03：18＝17′3″，用户很大可能没有观看到视频课程中的有效内容，这些都不能作为有效观看，需要进行筛选。
可选的，确定所述观看记录中的有效观看次数，包括：获取观看记录中的N次观看对应的N个观看时长；确定N个观看时长中大于第一预设阈值的观看时长个数为N1；或确定N个观看时长中与目标视频课程总时长的比值大于第一预设比值的观看时长个数为N1；将N1作为目标用户的有效观看次数。
具体地，评价是否为有效观看需要按照用户行为来具体分析。对于每一个用户，他可能多次重复看相同的片段，也可能每次观看一小部分，最终完成一整个视频课程的观看。因此，获取N次观看对应的N个观看时长，然后确定N个观看时长中大于第一预设阈值的观看时长个数N1，例如第一预设阈值为5分钟，那么所有大于5分钟的观看时长对应的N1次观看都为有效观看。或者，N个观看时长中与视频课程总时长的比值大于第一预设比值的观看，都为有效观看，例如某次观看对应的观看时长为20分钟，视频课程总时长为60分钟，观看时长与视频课程总时长的比值为P1＝20/60×100％＝33％，第一预设比值为30％，可以确定该次观看为有效观看。
可选的，确定所述观看记录中的有效观看次数，包括：获取观看记录中N次观看对应的N个观看时长；获取N次观看对应的N个视频跨度时长；根据N个观看时长和N个视频跨度时长确定N次观看中，视频跨度时长与观看时长的比值大于第二预设比值的T1次观看；将T1作为目标用户的有效观看次数。
在一些情况下，用户对视频的观看时长和实际观看的内容是不匹配的，例如表1中的第1条记录，用户1在观看视频1时，观看目标视频的时间是从12:00:00到12:01:59，观看时长为t1＝12:02:00-12:00:00＝2分钟，但是对应观看视频内容为从视频的03：18至20：21，视频跨越时长为t1’＝20:18-03:18＝17分钟，假设视频跨度时长与观看时长的比值大于第二预设比值时，确定为有效观看，否者为无效观看，第二预设比值可以是50％，80％等。在上述示例中，视频观看时长t1与视频跨越时长t1’的比值为P2＝(2÷17)×100％＝12％，P2小于第二预设比值，因此，用户1对视频1的观看为无效观看。
可见，在本申请实施例中，通过观看记录中视频课程的观看时长是否大于第一预设阈值或者观看时长与视频总时长的比值是否大于第一预设比值来判断观看记录是否为有效观看，主要是为了筛选掉用户观看视频时间过短的无效观看；通过观看视频课程时的观看时长和视频跨度时长的比值是否大于第二预设比值来判断观看记录是否有效，时为了筛选掉观看记录中过多快进导致的无效观看。该过程总体上提升了确定有效观看的准确性。
可选的，在确定N个观看时长中大于第一预设阈值的观看时长个数为N1之后，方法还包括：获取N个观看时长中不大于第一预设阈值的N2个观看时长，其中N1+N2＝N；确定N2个观看时长中观看时长大于第二预设阈值的N3个观看时长；对N3个观看时长相加获得第一观看时长，并确定第一观看时长是否大于第一预设阈值；若确定第一观看时长大于第一预设阈值，则确定有效观看次数为N1+1。
在筛选出观看时长大于第一预设阈值的N1个观看时长后，剩余的N2个观看时长都是不大于第一预设阈值的，假设第一预设阈值为5min，那么N2个观看时长都小于或等于5min，这些观看很大可能为无效观看，但也不排除用户时通过多次零碎时间将整个视频课程观看完，因此将N2个观看时长相加求和获得第一观看时长T1，并确定第一观看时长是否大于第一预设阈值，如果是，说明用户通过多次零碎观看完成了一次有效观看，再加上之前的N1次有效观看，因此目标用户的有效观看次数为N1+1。
在获取N个观看时长中不大于第一预设阈值的N2个观看时长之后，该方法还包括：对N2个观看时长中的非重复观看时长相加，获得第二观看时长；对N2个观看时长中的重复观看时长乘以系数α后求和，计算获得第三观看时长，其中0≤α<1；对第二观看时长和第三观看时长求和，获得第一观看时长。
具体地，如果用户零碎观看时间观看的是同一个视频的重复内容，例如用户A第一次观看了视频1的10:20-15:20的视频内容，第二次观看了视频1的10:20-12:30的内容，那么第一次和第二次重复观看了10:20-12:30的视频内容，重复的这一段并不能直接组成一次完整的观看过程，但也是用户A对视频课程的一种关注方式，那么对这段重复的内容对应的观看时长乘以一个小于1的系数，进行折算，然后与观看总时长相加。公式表达为：T1＝T+α.t,其中t为重复的视频观看时长，T为非重复的视频观看时长。根据第一观看时长T1是否大于第一预设阈值确定是否增加一次有效观看次数。
可见，在本申请实施例中，将观看时长不大于第一预设阈值的观看时长求和获得第一观看时长，根据第一观看时长是否大于第一预设阈值确定是否增加一次有效观看次数，可以提升确定有效观看次数的准确性。而将重复观看时长进行折算，可以减少重复播放小段内容对有效观看次数的影响，进一步提升确定有效观看次数的准确性。
104、平台服务器根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
确定每个视频课程的有效观看次数后，可以根据有效观看次数确定视频课程的热度值。
可选的，根据有效观看次数确定视频课程的热度值，包括：获取视频课程的总浏览次数S；根据总浏览次数S和有效观看次数M计算获得目标课程的热度值，对应的计算公式为：H＝(M/S)*1000+b，其中H表示热度值，M为N1，T1或N1+1中的任意值，b为大于0的常数。
用户在视频课程平台浏览的时候，可能会浏览到很多视频课程，但是用户是否对视频课程感兴趣，是由是否对其进行有效观看来确定的。因此，获得视频课程的总浏览次数S和有效观看次数M，并根据第一公式：H＝[(M/S)*1000]+b计算获得目标视频课程的热度值，其中[(M/S)*1000]表示对中括号里的求得的数值取整，b是一个大于0的常数，说明视频课程除了与有效观看次数有关，还可以与其他因素相关，例如b可以由视频课程与热搜词、热度高的视频课程，或者与主推视频课程之间的关联关系确定。
可选的，该方法还包括：获取视频课程的多个标签关键词；将多个标签关键词与视频课程平台的热搜词进行关键字匹配；根据匹配结果确定目标视频课程与热搜词的关联值；将关联值作为常数，用于进行目标视频课程的热度值计算。
如果视频课程只根据观看记录计算热度值，那么可能存在新上架视频课程没有热度值，无法吸引用户观看视频课程的问题。因此，在根据观看记录计算热度值之外，还根据视频课程与热搜词的关联关系计算热度值。目标视频课程可以拥有多个标签关键字，用来描述课程主要内容或主题，例如“诗歌”、“语文”、“中考”等，热搜词是根据用户在搜索页面输入的搜索词好搜索次数确定的，将标签关键词与热搜词进行关键字匹配，并根据匹配成功的个数占自身标签关键词的比例确定匹配度，进而根据匹配度确定关联值，将关联值作为常数，用作计算公式中的热度值计算。
计算获得视频课程的热度值后，将热度值最高的R个视频课程作为目标视频课程推荐给目标用户。R的值可以根据目标用户的等级、课程请求指令中要求获取的课程数量或者热度值大于预设热度值的个数来确定。
可见，在本申请实施例中，平台服务器接收用户终端发送的课程请求指令；对用户终端进行权限解析，确定用户终端为目标用户；获取存储服务器中存储的与课程请求指令匹配的视频课程的观看记录，并确定观看记录中的有效观看次数；根据有效观看次数确定视频课程的热度值，基于热度值向目标用户推荐目标视频课程。该过程通过目标用户权限认证，减少无效数据处理量，提升了视频课程推荐的效率，另外通过有效观看次数确定视频课程的热度值，能够排除掉无效观看次数对热度值的影响，杜绝了刷热度的行为，提升了热度值计算的准确性和可靠性，进而提升了为目标用户推荐目标视频课程的准确性。
请参阅图2，图2是本申请实施例提供的另一种基于大数据的视频课程推荐方法流程示意图，如图2所示，所述基于大数据的视频课程推荐方法包括如下步骤：
步骤201、获取存储服务器中存储的与所述课程请求指令匹配的视频课程的观看记录；
步骤202、获取所述观看记录中的N次观看对应的N个观看时长；
步骤203、确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1；
步骤204、获取所述N个观看时长中不大于第一预设阈值的N2个观看时长，其中N1+N2＝N；
步骤205、对所述N2个观看时长中的非重复观看时长相加，获得第二观看时长；
步骤206、对所述N2个观看时长中的重复观看时长乘以系数α后求和，计算获得第三观看时长，其中0≤α<1；
步骤207、对所述第二观看时长和所述第三观看时长求和，获得第一观看时长，确定所述第一观看时长是否大于第一预设阈值；
步骤208、若确定所述第一观看时长大于所述第一预设阈值，则确定所述目标用户的有效观看次数为N1+1；
步骤209、根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
其中上述步骤201-步骤209的具体描述可参照步骤101-步骤104所描述的基于大数据的视频课程推荐方法的相应描述，在此不再赘述。
可见，在本申请实施例中，先获得观看时长大于第一预设阈值的观看次数N1，再将观看时长不大于第一预设阈值的观看时长进行重复观看时长和非重复观看时长的求和获得第一观看时长，如果第一观看时长大于第一预设阈值，则有效观看次数为N1+1，可以提升确定有效观看次数的准确性。而将重复观看时长进行折算，可以减少重复播放小段内容对有效观看次数的影响，进一步提升确定有效观看次数的准确性。
请参阅图3，图3是本申请实施例提供的另一种基于大数据的视频课程推荐方法流程示意图，如图3所示，所述基于大数据的视频课程推荐方法包括如下步骤：
步骤301、获取存储服务器中存储的与所述课程请求指令匹配的视频课程的观看记录；
步骤302、确定所述观看记录中的有效观看次数M；
步骤303、获取所述视频课程的多个标签关键词，并将所述多个标签关键词与所述视频课程平台的热搜词进行关键字匹配；
步骤304、根据匹配结果确定所述视频课程与热搜词的关联值，将所述关联值作为常数b；
步骤305、获取所述视频课程的总浏览次数S；
步骤306、根据所述总浏览次数S和有效观看次数M计算获得视频课程的热度值，对应的计算公式为：H＝[(M/S)*1000]+b，其中H表示热度值。
其中上述步骤301-步骤306的具体描述可参照步骤101-步骤104所描述的基于大数据的视频课程推荐方法的相应描述，在此不再赘述。
在本申请实施例中，在根据观看记录计算热度值的同时，将视频课程与热搜词的关联关系计算热度值也作为计算视频课程热度值的参数，可以减少新上架视频课程没有热度值，无法吸引用户观看视频课程的问题。提升热度值计算的实用性。
如上述一致地，请参阅图4，图4是本申请实施例提供的一种电子装置的结构示意图，如图4所示，该电子装置包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
接收用户终端发送的课程请求指令；
对用户终端进行权限解析，确定所述用户终端为目标用户；
获取存储服务器中存储的与所述课程请求指令匹配的视频课程的观看记录，并确定所述观看记录中的有效观看次数；
根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
可见，本申请实施例提供的电子装置，接收用户终端发送的课程请求指令；对用户终端进行权限解析，确定用户终端为目标用户；获取存储服务器中存储的与课程请求指令匹配的视频课程的观看记录，并确定观看记录中的有效观看次数；根据有效观看次数确定视频课程的热度值，基于热度值向目标用户推荐目标视频课程。该过程通过目标用户权限认证，减少无效数据处理量，提升了视频课程推荐的效率，另外通过有效观看次数确定视频课程的热度值，能够排除掉无效观看次数对热度值的影响，杜绝了刷热度的行为，提升了热度值计算的准确性和可靠性，进而提升了为目标用户推荐目标视频课程的准确性。
在一个可能的示例中，所述对用户终端进行权限解析，确定所述用户终端为目标用户，包括：
获取所述用户终端的通用唯一识别码UUID，并对所述UUID进行认证；
若确定所述UUID通过认证，则判定所述用户终端通过第一认证；
获取所述用户终端的观看权限，并确定所述观看权限与所述课程请求指令是否匹配；
若匹配成功，则确定所述用户终端通过第二认证；
确定所述用户终端为目标用户。
在一个可能的示例中，在确定所述观看权限与所述课程请求指令是否匹配后，所述方法还包括：
所匹配失败，解析所述用户终端的好友列表，获取所述好友列表对应的好友用户终端；
获取所述好友用户终端的中的目标用户，作为好友目标用户；
向所述好友目标用户请求获取临时认证权限，所述临时认证权限表征授权所述用户终端在第一预设时长内通过第二认证；
确定获得临时认证权限的所述用户终端在所述第一预设时长内为目标用户。
在一个可能的示例中，在所述确定所述观看记录中的有效观看次数方面，上述程序包括用于执行以下步骤的指令：
获取所述观看记录中的N次观看对应的N个观看时长；
确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1；或
确定所述N个观看时长中与所述目标视频课程总时长的比值大于第一预设比值的观看时长个数为N1；
将所述N1作为所述目标用户的有效观看次数。
在一个可能的示例中，在所述确定所述观看记录中的有效观看次数方面，上述程序包括用于执行以下步骤的指令：
获取所述观看记录中的N次观看对应的N个观看时长；
获取所述N次观看对应的N个视频跨度时长；
根据所述N个观看时长和所述N个视频跨度时长确定所述N次观看中，视频观看时长与跨度时长的比值大于第二预设比值的T1次观看；
将所述T1作为所述目标用户的有效观看次数。
在一个可能的示例中，在确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1之后，上述程序包括用于执行以下步骤的指令：
获取所述N个观看时长中不大于第一预设阈值的N2个观看时长，其中N1+N2＝N；
对所述N2个观看时长相加获得第一观看时长，并确定所述第一观看时长是否大于第一预设阈值；
若确定所述第一观看时长大于所述第一预设阈值，则确定所述观看记录中的有效观看次数为N1+1。
在一个可能的示例中，在获取所述N个观看时长中不大于第一预设阈值的N2个观看时长之后，上述程序包括用于执行以下步骤的指令：
对所述N2个观看时长中的非重复观看时长相加，获得第二观看时长；
对所述N2个观看时长中的重复观看时长乘以系数α后求和，计算获得第三观看时长，其中0≤α<1；
对所述第二观看时长和所述第三观看时长求和，获得第一观看时长。
在一个可能的示例中，在所述根据所述有效观看次数确定视频课程的热度值方面，上述程序包括用于执行以下步骤的指令：
获取所述目标视频课程的总浏览次数S；
根据所述总浏览次数S和总有效观看次数M计算获得目标课程的热度值，对应的计算公式为：
H＝[(M/S)*1000]+b，其中H表示热度值，b为大于0的常数。
在一个可能的示例中，上述程序包括用于执行以下步骤的指令：
获取所述视频课程的多个标签关键词；
将所述多个标签关键词与所述视频课程平台的热搜词进行关键字匹配；
根据匹配结果确定所述视频课程与热搜词的关联值，将所述关联值作为常数b。
图5是本申请实施例中所涉及的视频课程推荐装置500的功能单元组成框图。该视频课程推荐装置500应用于电子装置，该视频课程推荐装置500包括：
指令接收单元501，用于接收用户终端发送的课程请求指令；
解析单元502，用于对用户终端进行权限解析，确定所述用户终端为目标用户；
确定单元503，用于获取存储系统中存储的与所述课程请求指令匹配的视频课程的观看记录，并确定所述观看记录中的有效观看次数；
推荐单元504，用于根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
可以看出，本申请实施例中的视频课程推荐装置，接收用户终端发送的课程请求指令；对用户终端进行权限解析，确定用户终端为目标用户；获取存储服务器中存储的与课程请求指令匹配的视频课程的观看记录，并确定观看记录中的有效观看次数；根据有效观看次数确定视频课程的热度值，基于热度值向目标用户推荐目标视频课程。该过程通过目标用户权限认证，减少无效数据处理量，提升了视频课程推荐的效率，另外通过有效观看次数确定视频课程的热度值，能够排除掉无效观看次数对热度值的影响，杜绝了刷热度的行为，提升了热度值计算的准确性和可靠性，进而提升了为目标用户推荐目标视频课程的准确性。
在一个可能的示例中，所述解析单元502具体用于：
获取所述用户终端的通用唯一识别码UUID，并对所述UUID进行认证；
若确定所述UUID通过认证，则判定所述用户终端通过第一认证；
获取所述用户终端的观看权限，并确定所述观看权限与所述课程请求指令是否匹配；
若匹配成功，则确定所述用户终端通过第二认证；
确定所述用户终端为目标用户。
在一个可能的示例中，在确定所述观看权限与所述课程请求指令是否匹配后，所述解析单元502还用于：
所匹配失败，解析所述用户终端的好友列表，获取所述好友列表对应的好友用户终端；
获取所述好友用户终端的中的目标用户，作为好友目标用户；
向所述好友目标用户请求获取临时认证权限，所述临时认证权限表征授权所述用户终端在第一预设时长内通过第二认证；
确定获得临时认证权限的所述用户终端在所述第一预设时长内为目标用户。
在一个可能的示例中，所述确定单元503具体用于：
获取所述观看记录中的N次观看对应的N个观看时长；
确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1；或
确定所述N个观看时长中与所述视频课程总时长的比值大于第一预设比值的观看时长个数为N1；
将所述N1作为所述观看记录中的有效观看次数。
在一个可能的示例中，所述确定单元503具体用于：
获取所述观看记录中的N次观看对应的N个观看时长；
获取所述N次观看对应的N个视频跨度时长；
根据所述N个观看时长和所述N个视频跨度时长确定所述N次观看中，视频观看时长与跨度时长的比值大于第二预设比值的T1次观看；
将所述T1作为所述目标用户的有效观看次数。
在一个可能的示例中，在确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1之后，确定单元503还用于：
获取所述N个观看时长中不大于第一预设阈值的N2个观看时长，其中N1+N2＝N；
对所述N2个观看时长相加获得第一观看时长，并确定所述第一观看时长是否大于第一预设阈值；
若确定所述第一观看时长大于所述第一预设阈值，则确定所述目标用户的有效观看次数为N1+1。
在一个可能的示例中，在获取所述N个观看时长中不大于第一预设阈值的N2个观看时长之后，确定单元503还用于：
对所述N2个观看时长中的非重复观看时长相加，获得第二观看时长；
对所述N2个观看时长中的重复观看时长乘以系数α后求和，计算获得第三观看时长，其中0≤α<1；
对所述第二观看时长和所述第三观看时长求和，获得第一观看时长。
在一个可能的示例中，所述推荐单元504具体用于：
获取所述视频课程的总浏览次数S；
根据所述总浏览次数S和有效观看次数M计算获得目标课程的热度值，对应的计算公式为：
H＝[(M/S)*1000]+b，其中H表示热度值，M为N1，T1或N1+1中的任意值，b为大于0的常数。
在一个可能的示例中，所述推荐单元504还用于：
获取所述视频课程的多个标签关键词；
将所述多个标签关键词与所述视频课程平台的热搜词进行关键字匹配；
根据匹配结果确定所述视频课程与热搜词的关联值，将所述关联值作为常数b。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括移动终端。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括移动终端。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若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器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、ROM、RAM、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。

Claims (10)

1.一种基于大数据的视频课程推荐方法，其特征在于，所述方法运用于视频课程系统，所述系统包括平台服务器、存储服务器和用户终端，所述方法包括：
平台服务器接收用户终端发送的课程请求指令；
平台服务器对用户终端进行权限解析，确定所述用户终端为目标用户；
平台服务器获取存储服务器中存储的与所述课程请求指令匹配的视频课程的观看记录，并确定所述观看记录中的有效观看次数；
平台服务器根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
2.根据权利要求1所述的方法，其特征在于，所述对用户终端进行权限解析，确定所述用户终端为目标用户，包括：
获取所述用户终端的通用唯一识别码UUID，并对所述UUID进行认证；
若确定所述UUID通过认证，则判定所述用户终端通过第一认证；
获取所述用户终端的观看权限，并确定所述观看权限与所述课程请求指令是否匹配；
若匹配成功，则确定所述用户终端通过第二认证；
确定所述用户终端为目标用户。
3.根据权利要求2所述的方法，其特征在于，在确定所述观看权限与所述课程请求指令是否匹配后，所述方法还包括：
若匹配失败，解析所述用户终端的好友列表，获取所述好友列表对应的好友用户终端；
获取所述好友用户终端的中的目标用户，作为好友目标用户；
向所述好友目标用户请求获取临时认证权限，所述临时认证权限表征授权所述用户终端在第一预设时长内通过第二认证；
确定获得临时认证权限的所述用户终端在所述第一预设时长内为目标用户。
4.根据权利要求1所述的方法，其特征在于，所述确定所述观看记录中的有效观看次数，包括：
获取所述观看记录中的N次观看对应的N个观看时长；
确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1；或
确定所述N个观看时长中与视频课程总时长的比值大于第一预设比值的观看时长个数为N1；
将所述N1作为所述观看记录中的有效观看次数。
5.根据权利要求1所述的方法，其特征在于，所述确定所述观看记录中的有效观看次数，包括：
获取所述观看记录中N次观看对应的N个观看时长；
获取所述N次观看对应的N个视频跨度时长；
根据所述N个观看时长和所述N个视频跨度时长确定所述N次观看中，视频观看时长与跨度时长的比值大于第二预设比值的T1次观看；
将所述T1作为所述目标用户的有效观看次数。
6.根据权利要求4所述的方法，其特征在于，在确定所述N个观看时长中大于第一预设阈值的观看时长个数为N1之后，所述方法还包括：
获取所述N个观看时长中不大于第一预设阈值的N2个观看时长，其中N1+N2＝N；
对所述N2个观看时长相加获得第一观看时长，并确定所述第一观看时长是否大于第一预设阈值；
若确定所述第一观看时长大于所述第一预设阈值，则确定所述观看记录中的有效观看次数为N1+1。
7.根据权利要求6所述的方法，其特征在于，在获取所述N个观看时长中不大于第一预设阈值的N2个观看时长之后，所述方法还包括：
对所述N2个观看时长中的非重复观看时长相加，获得第二观看时长；
对所述N2个观看时长中的重复观看时长乘以系数α后求和，计算获得第三观看时长，其中0≤α<1；
对所述第二观看时长和所述第三观看时长求和，获得第一观看时长。
8.一种视频课程推荐装置，其特征在于，所述装置包括：
指令接收单元，用于接收用户终端发送的课程请求指令；
解析单元，用于对用户终端进行权限解析，确定所述用户终端为目标用户；
确定单元，用于获取存储系统中存储的与所述课程请求指令匹配的视频课程的观看记录，并确定所述观看记录中的有效观看次数；
推荐单元，用于根据所述有效观看次数确定视频课程的热度值，基于所述热度值向目标用户推送目标视频课程。
9.一种电子装置，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
CN201910978382.8A 2019-10-15 2019-10-15 基于大数据的视频课程推荐方法及相关装置 Active CN110825910B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910978382.8A CN110825910B (zh) 2019-10-15 2019-10-15 基于大数据的视频课程推荐方法及相关装置
PCT/CN2020/099574 WO2021073164A1 (zh) 2019-10-15 2020-06-30 基于大数据的视频课程推荐方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910978382.8A CN110825910B (zh) 2019-10-15 2019-10-15 基于大数据的视频课程推荐方法及相关装置

Publications (2)

Publication Number Publication Date
CN110825910A true CN110825910A (zh) 2020-02-21
CN110825910B CN110825910B (zh) 2023-10-13

Family

ID=69549396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910978382.8A Active CN110825910B (zh) 2019-10-15 2019-10-15 基于大数据的视频课程推荐方法及相关装置

Country Status (2)

Country Link
CN (1) CN110825910B (zh)
WO (1) WO2021073164A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111225246A (zh) * 2020-03-20 2020-06-02 北京奇艺世纪科技有限公司 一种视频推荐方法、装置及电子设备
CN111428138A (zh) * 2020-03-26 2020-07-17 中国建设银行股份有限公司 一种课程推荐方法、系统、设备及存储介质
CN111680224A (zh) * 2020-04-22 2020-09-18 威比网络科技(上海)有限公司 跨平台课程推送方法、装置、电子设备、存储介质
CN112235611A (zh) * 2020-10-14 2021-01-15 广州欢网科技有限责任公司 搜索热词提取方法、装置及智能电视
WO2021073164A1 (zh) * 2019-10-15 2021-04-22 平安科技（深圳）有限公司 基于大数据的视频课程推荐方法和相关装置
CN113254845A (zh) * 2021-07-07 2021-08-13 江西交通职业技术学院 一种基于大数据的教育系统及数据处理方法
CN116541432A (zh) * 2023-05-22 2023-08-04 杭州精英在线教育科技股份有限公司 一种基于教育机器人的在线课堂智能推荐方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113918812B (zh) * 2021-10-11 2024-10-11 北京量子之歌科技有限公司 一种课程学习路径的确定方法、装置、设备和存储介质
CN114896498A (zh) * 2022-05-16 2022-08-12 咪咕文化科技有限公司 课程推荐方法、系统、终端及存储介质
CN115379117B (zh) * 2022-08-22 2023-05-23 天翼数字生活科技有限公司 一种旧视频片源修复筛选方法、装置、终端及介质
CN116074120B (zh) * 2023-03-07 2023-05-30 北京思想天下教育科技有限公司 一种基于大数据云平台的线上集体开通系统
CN116307934B (zh) * 2023-05-16 2023-09-26 北京普为本教育科技有限公司 一种基于云计算的录播教学课程质量评价方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104156472A (zh) * 2014-08-25 2014-11-19 四达时代通讯网络技术有限公司 一种视频推荐方法及系统
US20150095937A1 (en) * 2013-09-30 2015-04-02 Google Inc. Visual Hot Watch Spots in Content Item Playback
CN106227883A (zh) * 2016-08-05 2016-12-14 北京聚爱聊网络科技有限公司 一种多媒体内容的热度分析方法和装置
CN106911940A (zh) * 2017-03-01 2017-06-30 广东小天才科技有限公司 一种基于大数据的学习视频播放控制方法及视频服务器
CN108966014A (zh) * 2018-08-01 2018-12-07 中国联合网络通信集团有限公司 一种热度视频评估方法和系统
CN109729087A (zh) * 2015-12-22 2019-05-07 北京奇虎科技有限公司 实现借出账户给他人的方法和相应的系统
US20190268650A1 (en) * 2012-04-18 2019-08-29 Scorpcast, Llc Interactive video distribution system and video player utilizing a client server architecture
CN110263189A (zh) * 2019-06-24 2019-09-20 腾讯科技（深圳）有限公司 媒体内容的推荐方法、装置、存储介质和计算机设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140149425A1 (en) * 2012-11-23 2014-05-29 Mobitv, Inc. View count weighted content recommendation
CN109446419B (zh) * 2018-10-17 2020-10-16 武汉斗鱼网络科技有限公司 一种推荐视频的方法以及装置
CN110825910B (zh) * 2019-10-15 2023-10-13 平安科技（深圳）有限公司 基于大数据的视频课程推荐方法及相关装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190268650A1 (en) * 2012-04-18 2019-08-29 Scorpcast, Llc Interactive video distribution system and video player utilizing a client server architecture
US20150095937A1 (en) * 2013-09-30 2015-04-02 Google Inc. Visual Hot Watch Spots in Content Item Playback
CN104156472A (zh) * 2014-08-25 2014-11-19 四达时代通讯网络技术有限公司 一种视频推荐方法及系统
CN109729087A (zh) * 2015-12-22 2019-05-07 北京奇虎科技有限公司 实现借出账户给他人的方法和相应的系统
CN106227883A (zh) * 2016-08-05 2016-12-14 北京聚爱聊网络科技有限公司 一种多媒体内容的热度分析方法和装置
CN106911940A (zh) * 2017-03-01 2017-06-30 广东小天才科技有限公司 一种基于大数据的学习视频播放控制方法及视频服务器
CN108966014A (zh) * 2018-08-01 2018-12-07 中国联合网络通信集团有限公司 一种热度视频评估方法和系统
CN110263189A (zh) * 2019-06-24 2019-09-20 腾讯科技（深圳）有限公司 媒体内容的推荐方法、装置、存储介质和计算机设备

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021073164A1 (zh) * 2019-10-15 2021-04-22 平安科技（深圳）有限公司 基于大数据的视频课程推荐方法和相关装置
CN111225246A (zh) * 2020-03-20 2020-06-02 北京奇艺世纪科技有限公司 一种视频推荐方法、装置及电子设备
CN111225246B (zh) * 2020-03-20 2022-02-01 北京奇艺世纪科技有限公司 一种视频推荐方法、装置及电子设备
CN111428138A (zh) * 2020-03-26 2020-07-17 中国建设银行股份有限公司 一种课程推荐方法、系统、设备及存储介质
CN111680224A (zh) * 2020-04-22 2020-09-18 威比网络科技(上海)有限公司 跨平台课程推送方法、装置、电子设备、存储介质
CN112235611A (zh) * 2020-10-14 2021-01-15 广州欢网科技有限责任公司 搜索热词提取方法、装置及智能电视
CN113254845A (zh) * 2021-07-07 2021-08-13 江西交通职业技术学院 一种基于大数据的教育系统及数据处理方法
CN116541432A (zh) * 2023-05-22 2023-08-04 杭州精英在线教育科技股份有限公司 一种基于教育机器人的在线课堂智能推荐方法
CN116541432B (zh) * 2023-05-22 2023-10-17 杭州精英在线教育科技股份有限公司 一种基于教育机器人的在线课堂智能推荐方法

Also Published As

Publication number Publication date
CN110825910B (zh) 2023-10-13
WO2021073164A1 (zh) 2021-04-22

Similar Documents

Publication Publication Date Title
CN110825910B (zh) 基于大数据的视频课程推荐方法及相关装置
CN106919641B (zh) 一种兴趣点搜索方法及装置、电子设备
JP5421262B2 (ja) コンピュータベースの学習のための方法、媒体およびシステム
US8140544B2 (en) Interactive digital video library
CN108810642B (zh) 一种弹幕显示方法、装置及电子设备
CN111428085B (zh) 基于热度值的视频课程推荐方法及相关装置
CN108536814B (zh) 直播间推荐方法、计算机可读存储介质及电子设备
US8174579B2 (en) Related scene addition apparatus and related scene addition method
CN110602528B (zh) 视频处理方法、终端、服务器及存储介质
Hurwitz et al. Content analysis across new media platforms: Methodological considerations for capturing media-rich data
CN110688574A (zh) 一种学习内容推荐的方法、系统、设备及可读存储介质
CN111931073B (zh) 内容推送方法、装置、电子设备及计算机可读介质
US20210192973A1 (en) Systems and methods for generating personalized assignment assets for foreign languages
US20220058562A1 (en) Dynamic and continous onboarding of service providers in an online expert marketplace
KR20160123948A (ko) 교육 컨텐츠를 위한 서비스 제공 서버, 개발자 단말 및 그 방법
CN111192170B (zh) 题目推送方法、装置、设备和计算机可读存储介质
WO2014155688A1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Uriawan et al. Pearson correlation method and web scraping for analysis of islamic content on instagram videos
US10235895B2 (en) Facilitated learning-structure generation using a semantic publishing system
US10235727B2 (en) Learning facility management in a modular learning system
WO2013039935A1 (en) Microlearning event management in a modular learning system
CN111046293B (zh) 一种根据测评结果推荐内容的方法及其系统
CN113377972A (zh) 多媒体内容推荐方法、装置、计算设备和存储介质
CN111371844B (zh) 课程推送方法及相关装置
CN111078746B (zh) 一种听写内容确定方法及电子设备

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