CN111026913A - 一种视频分发方法、装置、电子设备及存储介质 - Google Patents
一种视频分发方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111026913A CN111026913A CN201911257803.4A CN201911257803A CN111026913A CN 111026913 A CN111026913 A CN 111026913A CN 201911257803 A CN201911257803 A CN 201911257803A CN 111026913 A CN111026913 A CN 111026913A
- Authority
- CN
- China
- Prior art keywords
- video
- evaluation value
- list
- user
- videos
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 225
- 238000012216 screening Methods 0.000 claims abstract description 45
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 19
- 238000012935 Averaging Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 8
- 230000006378 damage Effects 0.000 description 7
- 230000036541 health Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06F16/735—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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例的目的在于提供一种视频分发方法、装置、电子设备及存储介质。其中，视频分发方法，包括：从指定视频集中，筛选与用户的画像相匹配的多个第一视频；针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频；其中，所述预定筛选条件为至少基于用户的新热视频需求所设定的条件；向所述用户分发所选取的目标视频。通过本方案能够解决现有基于用户画像的视频分发方法难以满足用户对新热视频的观看需求的问题。
Description
技术领域
本发明涉及互联网技术领域，特别是涉及一种视频分发方法、装置、电子设备及存储介质。
背景技术
传统互联网服务提供商往往是对用户群体提供集中式服务。伴随用户数据和网络信息爆炸式的增长，目前互联网服务提供商对用户体验的追求已经进入到“智能化”、“个性化”的时代。
随着网络技术的发展，已出现通过基于用户画像的个性化视频分发方法。但是现有这种视频分发方法，存在向用户重复推出基于用户画像的老旧视频的问题，难以满足用户对新热视频的观看需求。
发明内容
本发明实施例提供了一种视频分发方法、装置、电子设备及存储介质，可以解决现有基于用户画像的视频分发方法难以满足用户对新热视频的观看需求的问题。具体技术方案如下：
第一方面，本发明实施例提供了一种视频分发方法，所述方法包括：
从指定视频集中，筛选与用户的画像相匹配的多个第一视频；
针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值；
至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频；其中，所述预定筛选条件为至少基于用户的新热视频需求所设定的条件；
向所述用户分发所选取的目标视频。
可选地，所述利用所确定的匹配结果，计算该第一视频的第一类评估值，包括：
如果所确定的匹配结果中存在相匹配的匹配结果，则利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值；否则，将预设值确定为该第一视频的第一类评估值；其中，所述预定属性值为表征所述榜单条目新热程度的属性值。
可选地，所述确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，包括：
对该第一视频的内容描述语句进行分词，得到多个视频分词，并对所述多个视频分词的分词向量值相加并求平均，得到该第一视频对应的第一向量；其中，所述内容描述语句包括该第一视频的视频标题、视频简介和/或视频评论；
针对指定榜单中的每一榜单条目，将该榜单条目的标题内容进行分词，得到多个条目分词，并对所得到的多个条目分词的分词向量值相加并求平均，得到该榜单条目对应的第二向量；
针对每一榜单条目，如果该榜单条目对应的第二向量与该第一视频对应的第一向量的距离大于预定距离，则判定该第一视频所反映视频内容与该榜单条目相匹配。
可选地，所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频之前，所述方法还包括：
针对每个第一视频，计算该第一视频的预估点击率，作为第二类评估值；
所述至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频，包括：
至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值；
从多个第一视频，选取综合评估值至少高于预定评估阈值的目标视频。
可选地，所述针对每个第一视频，计算该第一视频的预估点击率，包括：
针对每个第一视频，基于所述用户的用户特征和该第一视频的视频特征，利用梯度提升树gbdt模型，计算所述用户点击该第一视频的预估点击率。
可选地，所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值之前，所述方法还包括：
针对每个第一视频，计算该第一视频在指定时间段内的点击率，作为第三类评估值；
所述至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值，包括：
基于每个第一视频的第一类评估值、第二类评估值和第三类评估值，计算该第一视频的综合评估值。
可选地，所述计算该第一视频的综合评估值，所应用的公式包括：
其中，Score为第一视频的综合评估值；
h为第一视频的第一类评估值，q为第一视频的第二类评估值，c为第一视频的第三类评估值；
w1、w2及w3为预设权重值。
可选地，所述方法还包括：
至少基于每个第一视频的第一类评估值，从多个第一视频中选取不符合预定筛选条件的视频；
按照预设的分发概率，向所述用户分发所述不符合预定筛选条件的视频。
第二方面，本发明实施例提供了一种视频分发装置，所述装置包括：
第一筛选模块，用于从指定视频集中，筛选与用户的画像相匹配的多个第一视频；
第一评估值模块，用于针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值；
第二筛选模块，用于至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频；其中，所述预定筛选条件为至少基于用户的新热视频需求所设定的条件；
第一分发模块，向所述用户分发所选取的目标视频。
可选地，所述第一评估值模块，具体用于如果所确定的匹配结果中存在相匹配的匹配结果，则利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值；否则，将预设值确定为该第一视频的第一类评估值；其中，所述预定属性值为表征所述榜单条目新热程度的属性值。
可选地，所述第一评估值模块，具体用于对该第一视频的内容描述语句进行分词，得到多个视频分词，并对所述多个视频分词的分词向量值相加并求平均，得到该第一视频对应的第一向量；其中，所述内容描述语句包括该第一视频的视频标题、视频简介和/或视频评论；
针对指定榜单中的每一榜单条目，将该榜单条目的标题内容进行分词，得到多个条目分词，并对所得到的多个条目分词的分词向量值相加并求平均，得到该榜单条目对应的第二向量；
针对每一榜单条目，如果该榜单条目对应的第二向量与该第一视频对应的第一向量的距离大于预定距离，则判定该第一视频所反映视频内容与该榜单条目相匹配。
可选地，所述装置还包括第二评估值模块；
所述第二评估值模块，用于在所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频之前，针对每个第一视频，计算该第一视频的预估点击率，作为第二类评估值；
所述第二筛选模块，具体用于至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值；
从多个第一视频，选取综合评估值至少高于预定评估阈值的目标视频。
可选地，所述第二评估值模块，具体用于针对每个第一视频，基于所述用户的用户特征和该第一视频的视频特征，利用梯度提升树gbdt模型，计算所述用户点击该第一视频的预估点击率。
可选地，所述装置还包括第二评估值模块；
所述第二评估值模块，用于在所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值之前，针对每个第一视频，计算该第一视频在指定时间段内的点击率，作为第三类评估值；
所述第二筛选模块，具体用于基于每个第一视频的第一类评估值、第二类评估值和第三类评估值，计算该第一视频的综合评估值。
可选地，所述计算该第一视频的综合评估值，所应用的公式包括：
其中，Score为第一视频的综合评估值；
h为第一视频的第一类评估值，q为第一视频的第二类评估值，c为第一视频的第三类评估值；
w1、w2及w3为预设权重值。
可选地，所述装置还包括第二分发模块；
所述第二分发模块，用于至少基于每个第一视频的第一类评估值，从多个第一视频中选取不符合预定筛选条件的视频；
按照预设的分发概率，向所述用户分发所述不符合预定筛选条件的视频。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的方法步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读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，实现上述第一方面所述的方法步骤。
本发明实施例提供的方案中，在通过用户的画像筛选出符合用户个性化需求的各个第一视频后，通过各个第一视频所反映视频内容与指定榜单中榜单条目的匹配结果，评估各个第一视频的新热程度，进而基于各个第一视频的新热程度为用户分发视频。可见，由于分发视频时综合考虑个性化评估以及新热程度的评估，因此，通过本方案可以解决现有基于用户画像视频分发方法难以满足用户对新热视频的观看需求的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例所提供的一种视频分发方法的流程图；
图2为本发明实施例所提供的另一种视频分发方法的流程图；
图3为本发明实施例所提供的又一种视频分发方法的流程图；
图4为本发明实施例所提供的一种视频分发装置的结构示意图；
图5为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
为了解决现有基于用户画像的视频分发方法难以满足用户对新热视频的观看需求的问题，本发明实施例体用了一种视频分发方法、装置、电子设备及存储介质。
下面首先对本发明实施例所提供的一种视频分发方法进行介绍。
其中，本发明实施例所提供的一种视频分发方法可以应用于电子设备。在具体应用中，该电子设备可以为服务器，当然，也可以为终端设备。具体的，本发明实施例的视频分发方法的执行主体可以为运行于电子设备中的一种视频分发装置。
如图1所示，本发明实施例所提供的一种视频分发方法，可以包括如下步骤：
S101，从指定视频集中，筛选与用户的画像相匹配的多个第一视频。
需要说明的是，用户的画像是指根据用户的基本属性、用户偏好、生活习惯、用户行为等信息而抽象出来用户模型，通过用户的画像可以描述用户。其中，用户的画像可以通过标签形式进行表征，即为用户关联至少一个标签，而标签是通过对用户信息分析而来的高度精炼的特征标识，这些特征标识可以让人更容易理解用户，并且可以方便计算机处理。
其中，从指定视频集中，筛选与用户的画像相匹配的多个第一视频的实现方式存在多种。示例性的，在一种实现方式中，从指定视频集中，筛选与用户的画像相匹配的多个第一视频，可以采用如下步骤：
首先，获取所述用户画像的标签和所述指定视频集中视频的标签；
然后，针对指定视频集中的每一视频，判断该视频和用户的画像是否具有至少一个相同的标签；如果是，则该视频与所述画像相匹配，可将该视频作为第一视频。
可以理解的是，视频的标签可以根据视频的实际情况，例如按照视频中记载的事物类型、内容和事物所处地理位置等，灵活地进行命名，一个视频可以具有至少一个标签。同样，用户的画像的标签也可以根据用户的实际情况，例如用户经常观看的视频类型、内容和用户所处地理位置等，灵活设定；一个用户的画像可以具有至少一个标签。
以视频“video_id3456671900日本京都动画工作室爆炸起火致40多人受伤7到8人重伤”为例，该视频具有关于视频类型的标签“资讯、社会、灾难意外”和关于视频内容的标签“日本、事故、爆炸”。
如果某用户的用户画像中，至少具有标签“资讯/社会/灾难意外”和标签“日本/事故/爆炸”中的一个标签，则判定该视频与该用户画像相匹配，可将该视频作为第一视频。
S102，针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；
其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值。示例性的，指定榜单可以为百度风云榜、微博热搜榜等等体现榜单条目新热程度的榜单。
可以理解的是，匹配结果是指该第一视频所反映的视频内容与指定榜单中的榜单条目匹配或者不匹配。其中，榜单由多个条目组成，榜单条目即榜单中的某一条条目。另外，第一视频所反映视频内容可以通过视频的视频标题、视频简介、视频评论等体现。
为了布局清晰以及方案清楚，后续对步骤S102进行详细说明。
S103，至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频；其中，所述预定筛选条件为至少基于用户的新热视频需求所设定的条件；
示例性的，在一种实现方式中，为了将较新且较热门的视频展示给用户时，可将预定筛选条件设置为第一评估阈值，从多个第一视频中筛选出第一类评估值大于所述第一评估阈值的目标视频。
需要说明的是，至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频的实现方式存在多种，后续具体实施例进行详细介绍。
S104，向所述用户分发所选取的目标视频。
当选取目标视频后，便可直接向所述用户分发所选取的目标视频。
此外，本发明实施例所提供的上述视频分发方法，还可以包括：
至少基于每个第一视频的第一类评估值，从多个第一视频中选取不符合预定筛选条件的视频；
按照预设的分发概率，向所述用户分发所述不符合预定筛选条件的视频。
需要说明的是，考虑到某些第一视频的第一类评估值仅仅略小于第一评估阈值，此时，虽然不符合预定筛选条件，但是如果将该第一视频舍弃，则可能遗漏某些用户较为关注的视频；因此，对于此类第一视频，可通过预设一定的概率进行视频分发。可以理解的是，分发概率可按照实际情况进行设置；例如，第一评估阈值设为60，对于第一类评估值为50～60的第一视频，可以按照0.7的概率进行分发；对于第一类评估值为40～50的第一视频可以按照0.5～0.6的概率进行分发。
本发明实施例提供的方案中，在通过用户的画像筛选出符合用户个性化需求的各个第一视频后，通过各个第一视频所反映视频内容与指定榜单中榜单条目的匹配结果，评估各个第一视频的新热程度，进而基于各个第一视频的新热程度为用户分发视频。可见，由于分发视频时综合考虑个性化评估以及新热程度的评估，因此，通过本方案可以解决现有基于用户画像视频分发方法难以满足用户对新热视频的观看需求的问题。
为了方案清楚及布局清晰，下面对步骤S102进行示例性的说明：
可选地，在一种实现方式中，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，可以包括如下的步骤1至步骤3：
步骤1、对该第一视频的内容描述语句进行分词，得到多个视频分词，并对所述多个视频分词的分词向量值相加并求平均，得到该第一视频对应的第一向量；其中，所述内容描述语句包括该第一视频的视频标题、视频简介和/或视频评论；
需要说明的是，可以通过Word2Vec算法获得视频分词的分词向量值。由于Word2Vec是一款用于词向量计算的Google开源工具，因此，本发明实施例在此不再赘述。
步骤2、针对指定榜单中的每一榜单条目，将该榜单条目的标题内容进行分词，得到多个条目分词，并对所得到的多个条目分词的分词向量值相加并求平均，得到该榜单条目对应的第二向量；
步骤3、针对每一榜单条目，如果该榜单条目对应的第二向量与该第一视频对应的第一向量的距离大于预定距离，则判定该第一视频所反映视频内容与该榜单条目相匹配。
可选地，在另一种实现方式中，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，可以包括如下的步骤1至步骤3：
步骤1、对该第一视频的内容描述语句进行分词，得到多个视频分词，并从所述多个视频分词中筛选出N个第一实体词，对所述N个第一实体词的分词向量值相加并求平均，得到该第一视频对应的第一向量；其中，所述内容描述语句包括该第一视频的视频标题、视频简介和/或视频评论；所述实体词为内容描述语句中具有独立含义的词汇，可以为名词、代词、形容词等；
步骤2、针对指定榜单中的每一榜单条目，将该榜单条目的标题内容进行分词，得到多个条目分词，并从所述多个条目分词中筛选出N个第二实体词，对所述N个第二实体词的分词向量值相加并求平均，得到该榜单条目对应的第二向量；
步骤3、针对每一榜单条目，如果该榜单条目对应的第二向量与该第一视频对应的第一向量的距离大于预定距离，则判定该第一视频所反映视频内容与该榜单条目相匹配。
为了便于理解，以视频标题为“主持人怼明星粉丝现场录音曝光：你们就不害臊吗”的第一视频为例，该第一视频的视频标题经分词后得到多个视频分词：“主持人/怼/明星/粉丝/现场/录音/曝光/：/你们/就/不害臊/吗”，对该多个视频分词的分词向量值相加并求平均，得到该第一视频对应的第一向量embedding1。
对于百度风云榜单的每一榜单条目的标题进行分词，以百度风云榜单第13位“主持人骂明星粉丝”为例，分词后得到“主持人/骂/明星/粉丝”，对所得到的多个条目分词的分词向量值相加并求平均，得到该榜单条目对应的第二向量embedding2。
对该百度风云榜单第13位，计算第一向量embedding1与第二向量embedding2的距离，通过判断该距离是否大于预定距离，判定该第一视频所反映视频内容是否与该榜单条目相匹配；具体而言，计算得COS(embedding1,embedding2)＝0.961>0.9，故百度风云榜单第13位“主持人骂明星粉丝”与该第一视频“主持人怼明星粉丝现场录音曝光：你们就不害臊吗”相匹配。
还以上述视频标题为“主持人怼明星粉丝现场录音曝光：你们就不害臊吗”的第一视频为例，此时，选用微博热搜榜的榜单条目第1位“主持人现场录音”进行匹配。
对于微博热搜榜单的第1位“主持人现场录音”进行分词，得到“主持人/现场/录音”，对所得到的多个条目分词的分词向量值相加并求平均，得到该榜单条目对应的第三向量embedding3；计算第一向量embedding1与第三向量embedding3的距离，通过判断该距离是否大于预定距离，判定该第一视频所反映视频内容是否与该榜单条目相匹配。
具体而言，计算得COS(embedding1,embedding3)＝0.914>0.9，故微博热搜榜单的第1位“主持人现场录音”与该第一视频“主持人怼明星粉丝现场录音曝光：你们就不害臊吗”相匹配。
需要强调的是，上述所给出的所述确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果的具体实现方式的介绍，并不应该构成对本发明实施例的限定。
另外，可选地，在一种实现方式中，利用所确定的匹配结果，计算该第一视频的第一类评估值，可以包括如下步骤：
如果所确定的匹配结果中存在相匹配的匹配结果，则利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值；否则，将预设值确定为该第一视频的第一类评估值；
其中，所述预定属性值为表征所述榜单条目新热程度的属性值，例如可以是指定榜单如百度风云榜、微博热搜榜等榜单的搜索指数。所述预设值可以根据实际情况设定，例如默认设置为0。
其中，按照指定榜单中与该第一视频相匹配的榜单条目的数量多少，可以按照不同的方式计算该第一视频的第一类评估值。
当所述指定榜单中仅有一条榜单条目与该第一视频相匹配时，可直接将该榜单条目的预定属性值确定为该第一视频的第一类评估值；
当所述指定榜单中具有多个榜单条目与该第一视频相匹配时，利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值，可以有多种方式：
示例性的，在一种可能的实现方式中，利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值的步骤，可以包括：
对多个榜单条目分别具有的预定属性值求和并取平均值，将该平均值确定为该第一视频的第一类评估值；
在另一种可能的实现方式中，利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值的步骤，也可以包括：
对多个榜单条目分别对应的预定属性值按照从大到小的顺序排序，对排序在前的n个预定属性值求和并取平均值，将该平均值确定为该第一视频的第一类评估值。n的取值，可以根据实际情况灵活设定。
在又一种可能的实现方式中，利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值的步骤，可以包括：
对多个榜单条目分别对应的预定属性值按照从大到小的顺序排序，将排序第一的预定属性值确定为该第一视频的第一类评估值。
当然，上述按照预定属性值大小顺序排序的方式，也可以按照从小到大的顺序排序。此时，对于第二种方式，则选择排序在后的n个预定属性值求和并取平均值，对于第三种方式，则选择排序最后预定属性值。
另外，也可以按照上述方式，采用不同榜单，与该第一视频分别进行匹配，对于不同榜单条目对应的预定属性值，分别按照预设的权重值进行加权求和，得到该第一视频的第一类评估值。
仍以上述实施例中视频标题为“主持人怼明星粉丝现场录音曝光：你们就不害臊吗”的第一视频为例，其百度风云榜和微博热搜榜分别匹配得到的榜单条目为：百度风云榜单第13位“主持人骂明星粉丝”和微博热搜榜单的第1位“主持人现场录音”。对百度风云榜单第13位“主持人骂明星粉丝”和微博热搜榜单的第1位“主持人现场录音”分别设置对应的权重值0.8和0.2，将百度风云榜单第13位“主持人骂明星粉丝”的预定属性值和微博热搜榜单的第1位“主持人现场录音”的预定属性值分别与其权重值相乘后求和，即可计算得到该第一视频的第一类评估值。
为了进一步提高分发视频与用户的个性化匹配程度，如图2所示，本发明实施例所提供的另一种视频分发方法，所述方法可以包括如下步骤：
S201，从指定视频集中，筛选与用户的画像相匹配的多个第一视频；
S202，针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；
其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值；
本发明实施例中，S201-S202可以与上述实施例中S101-S102的步骤相同，在此不做赘述。
S203，针对每个第一视频，计算该第一视频的预估点击率，作为第二类评估值；
可选地，在一种实现方式中，本发明实施例中针对每个第一视频，计算该第一视频的预估点击率，可以包括如下步骤：
针对每个第一视频，基于所述用户的用户特征和该第一视频的视频特征，利用梯度提升树gbdt模型，计算所述用户点击该第一视频的预估点击率。
所述梯度提升树gbdt模型是基于训练样本，所训练得到的模型，所述训练样本包括用户的用户特征和样本视频的视频特征，以及所述样本用户对于所述样本视频的点击率真值，该点击率真值可以为点击或未点击；该点击率真值作为模型训练的监督值。其中，所述用户特征可以包括年龄、性别和/或行为特征等，所述视频特征可以包括所述第一视频的时长、类型和/或内容等。
需要说明的是，梯度提升树gbdt(Gradient Boosting Decision Tree)属于现有技术，本发明实施例对此不再进行赘述。
需要强调的是，上述针对每个第一视频，计算该第一视频的预估点击率的实现方式仅仅作为示例，并不应该构成对本发明实施例的限定。任何一种能够实现点击率预估方式均可以应用于本申请中。
S204，基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值；
需要说明的是，本发明实施例中计算该第一视频综合评估值的方式可以有多种。
示例性的，在一种可能的实现方式中，可通过对该视频的第一类评估值和第二类评估值求和并取平均值，得到该第一视频综合评估值。
在另一种可能的实现方式中，可以对该视频的第一类评估值和第二类评估值分别按照预设的权重值进行加权求和，得到该第一视频综合评估值。
S205，从多个第一视频，选取综合评估值至少高于预定评估阈值的目标视频。
需要说明的是，综合评估值至少高于预定评估阈值，是指选取的目标视频必须高于预定评估阈值，在此基础之上还可以考虑其他因素。
例如，当高于预定评估阈值的第一视频的数量较多时，在所有高于预定评估阈值的第一视频中，可以随机选取一定数量的第一视频作为目标视频；也可以对多个第一视频按照综合评估值从高到低进行排序，选取排序在前的若干第一视频作为目标视频。
S206，向所述用户分发所选取的目标视频。
当选取目标视频后，便可直接向所述用户分发所选取的目标视频。
本发明实施例提供的方案中，在通过用户的画像筛选出符合用户个性化需求的各个第一视频后，通过各个第一视频所反映视频内容与指定榜单中榜单条目的匹配结果，评估各个第一视频的新热程度，进而基于各个第一视频的新热程度为用户分发视频。可见，由于分发视频时综合考虑个性化评估以及新热程度的评估，因此，通过本方案可以解决现有基于用户画像视频分发方法难以满足用户对新热视频的观看需求的问题。
另外，在将第一视频与用户画像匹配，筛选得到满足用户个性化观看需求的第一视频的基础上，还采用用于表征用户个性化特征的第一视频的预估点击率作为第二类评估值。通过综合考虑表征第一类评估值和第二类评估值，有效提高了用户画像与用户的匹配程度，有效满足了作为单独个体的用户对个性化新热视频的观看需求。
在将第一视频与体现榜单条目新热程度的榜单进行匹配的基础上，还可以考虑历史数据所反映出的第一视频的点击率，来提高分发视频的质量。基于该种处理思路，如图3所示，本发明实施例所提供的还一种视频分发方法，所述方法可以包括如下步骤：
S301，从指定视频集中，筛选与用户的画像相匹配的多个第一视频；
S302，针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值；
S303，针对每个第一视频，计算该第一视频的预估点击率，作为第二类评估值；
S304，针对每个第一视频，计算该第一视频在指定时间段内的点击率，作为第三类评估值；
需要说明的是，本发明实施例中，计算该第一视频在指定时间段内的点击率，可以包括如下步骤：
收集该第一视频在指定时间段内的展示次数和点击次数；
计算该第一视频在指定时间段内的点击次数与展示次数的比值，即可获得该第一视频在指定时间段内的点击率。
S305，基于每个第一视频的第一类评估值、第二类评估值和第三类评估值，计算该第一视频的综合评估值。
可选地，在一种实现方式中，所述计算该第一视频的综合评估值，所应用的公式可以包括：
其中，Score为第一视频的综合评估值；
h为第一视频的第一类评估值，q为第一视频的第二类评估值，c为第一视频的第三类评估值；
w1、w2及w3为预设权重值。
需要说明的是，上述公式中，通过采用Sigmoid函数形式的
引入第一视频在指定时间段内点击率的第三类评估值c，能够对第一视频进行提权，从而有效提高具有高点击率的热点视频的分发概率，能够进一步向用户分发具有高质量的视频。
可选地，在另一种实现方式中，所述计算该第一视频的综合评估值，所应有的公式可以包括：
Score＝w1*h+w2*q+w3*c
其中，Score为第一视频的综合评估值；
h为第一视频的第一类评估值，q为第一视频的第二类评估值，c为第一视频的第三类评估值；
w1、w2及w3为预设权重值。
需要强调的是，上述计算该第一视频的综合评估值，所应有的两种公式，仅仅作为公式示例，并不应该构成对本发明实施例的限定。
S306，从多个第一视频，选取综合评估值至少高于预定评估阈值的目标视频。
S307，向所述用户分发所选取的目标视频。
本发明实施例中，S301-S303和S306-S307分别可以与上述实施例中S201-S203和S205-S206的步骤相同，在此不做赘述。
本发明实施例提供的方案中，在通过用户的画像筛选出符合用户个性化需求的各个第一视频后，通过各个第一视频所反映视频内容与指定榜单中榜单条目的匹配结果，评估各个第一视频的新热程度，进而基于各个第一视频的新热程度为用户分发视频。可见，由于分发视频时综合考虑个性化评估以及新热程度的评估，因此，通过本方案可以解决现有基于用户画像视频分发方法难以满足用户对新热视频的观看需求的问题。
另外，本发明实施例通过在将第一视频与体现榜单条目新热程度的榜单进行匹配的基础上，考虑历史数据所反映出的用户对第一视频的点击率，能够有效来提高分发视频的质量，从而进一步满足了用户对新热视频的观看需求。
如图4所示，相应于上述方法实施例，本发明实施例还提供了一种视频分发装置，所述装置可以包括：
第一筛选模块401，用于从指定视频集中，筛选与用户的画像相匹配的多个第一视频；
第一评估值模块402，用于针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值；
第二筛选模块403，用于至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频；其中，所述预定筛选条件为至少基于用户的新热视频需求所设定的条件；
第一分发模块404，向所述用户分发所选取的目标视频。
本发明实施例提供的方案中，在通过用户的画像筛选出符合用户个性化需求的各个第一视频后，通过各个第一视频所反映视频内容与指定榜单中榜单条目的匹配结果，评估各个第一视频的新热程度，进而基于各个第一视频的新热程度为用户分发视频。可见，由于分发视频时综合考虑个性化评估以及新热程度的评估，因此，通过本方案可以解决现有基于用户画像视频分发方法难以满足用户对新热视频的观看需求的问题。
可选地，所述第一评估值模块，具体用于如果所确定的匹配结果中存在相匹配的匹配结果，则利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值；否则，将预设值确定为该第一视频的第一类评估值；其中，所述预定属性值为表征所述榜单条目新热程度的属性值。
可选地，所述第一评估值模块，具体用于对该第一视频的内容描述语句进行分词，得到多个视频分词，并对所述多个视频分词的分词向量值相加并求平均，得到该第一视频对应的第一向量；其中，所述内容描述语句包括该第一视频的视频标题、视频简介和/或视频评论；
针对指定榜单中的每一榜单条目，将该榜单条目的标题内容进行分词，得到多个条目分词，并对所得到的多个条目分词的分词向量值相加并求平均，得到该榜单条目对应的第二向量；
针对每一榜单条目，如果该榜单条目对应的第二向量与该第一视频对应的第一向量的距离大于预定距离，则判定该第一视频所反映视频内容与该榜单条目相匹配。
可选地，所述装置还包括第二评估值模块；
所述第二评估值模块，用于在所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频之前，针对每个第一视频，计算该第一视频的预估点击率，作为第二类评估值；
所述第二筛选模块，具体用于至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值；
从多个第一视频，选取综合评估值至少高于预定评估阈值的目标视频。
可选地，所述第二评估值模块，具体用于针对每个第一视频，基于所述用户的用户特征和该第一视频的视频特征，利用梯度提升树gbdt模型，计算所述用户点击该第一视频的预估点击率。
可选地，所述装置还包括第二评估值模块；
所述第二评估值模块，用于在所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值之前，针对每个第一视频，计算该第一视频在指定时间段内的点击率，作为第三类评估值；
所述第二筛选模块，具体用于基于每个第一视频的第一类评估值、第二类评估值和第三类评估值，计算该第一视频的综合评估值。
可选地，所述计算该第一视频的综合评估值，所应用的公式包括：
其中，Score为第一视频的综合评估值；
h为第一视频的第一类评估值，q为第一视频的第二类评估值，c为第一视频的第三类评估值；
w1、w2及w3为预设权重值。
可选地，所述装置还包括第二分发模块；
所述第二分发模块，用于至少基于每个第一视频的第一类评估值，从多个第一视频中选取不符合预定筛选条件的视频；
按照预设的分发概率，向所述用户分发所述不符合预定筛选条件的视频。
在本发明提供的又一实施例中，还提供了一种电子设备，如图5所示，该电子设备包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信；
存储器503，用于存放计算机程序；
处理器501，用于执行存储器上所存放的程序时，实现本发明实施例所提供的视频分发方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，该计算机程序被处理器执行时，实现本发明实施例所提供的视频分发方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。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。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (11)
1.一种视频分发方法，其特征在于，包括：
从指定视频集中，筛选与用户的画像相匹配的多个第一视频；
针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值；
至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频；其中，所述预定筛选条件为至少基于用户的新热视频需求所设定的条件；
向所述用户分发所选取的目标视频。
2.根据权利要求1所述的方法，其特征在于，所述利用所确定的匹配结果，计算该第一视频的第一类评估值，包括：
如果所确定的匹配结果中存在相匹配的匹配结果，则利用所述相匹配的匹配结果所对应的榜单条目的预定属性值，确定该第一视频的第一类评估值；否则，将预设值确定为该第一视频的第一类评估值；其中，所述预定属性值为表征所述榜单条目新热程度的属性值。
3.根据权利要求1或2所述的方法，其特征在于，所述确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，包括：
对该第一视频的内容描述语句进行分词，得到多个视频分词，并对所述多个视频分词的分词向量值相加并求平均，得到该第一视频对应的第一向量；其中，所述内容描述语句包括该第一视频的视频标题、视频简介和/或视频评论；
针对指定榜单中的每一榜单条目，将该榜单条目的标题内容进行分词，得到多个条目分词，并对所得到的多个条目分词的分词向量值相加并求平均，得到该榜单条目对应的第二向量；
针对每一榜单条目，如果该榜单条目对应的第二向量与该第一视频对应的第一向量的距离大于预定距离，则判定该第一视频所反映视频内容与该榜单条目相匹配。
4.根据权利要求3所述的方法，其特征在于，所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频之前，所述方法还包括：
针对每个第一视频，计算该第一视频的预估点击率，作为第二类评估值；
所述至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频，包括：
至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值；
从多个第一视频，选取综合评估值至少高于预定评估阈值的目标视频。
5.根据权利要求4所述的方法，其特征在于，所述针对每个第一视频，计算该第一视频的预估点击率，包括：
针对每个第一视频，基于所述用户的用户特征和该第一视频的视频特征，利用梯度提升树gbdt模型，计算所述用户点击该第一视频的预估点击率。
6.根据权利要求4所述的方法，其特征在于，所述从指定视频集中，筛选与用户的画像相匹配的多个第一视频之后，所述至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值之前，所述方法还包括：
针对每个第一视频，计算该第一视频在指定时间段内的点击率，作为第三类评估值；
所述至少基于每个第一视频的第一类评估值和第二类评估值，计算该第一视频的综合评估值，包括：
基于每个第一视频的第一类评估值、第二类评估值和第三类评估值，计算该第一视频的综合评估值。
7.根据权利要求6所述的方法，其特征在于，所述计算该第一视频的综合评估值，所应用的公式包括：
其中，Score为第一视频的综合评估值；
h为第一视频的第一类评估值，q为第一视频的第二类评估值，c为第一视频的第三类评估值；
w1、w2及w3为预设权重值。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
至少基于每个第一视频的第一类评估值，从多个第一视频中选取不符合预定筛选条件的视频；
按照预设的分发概率，向所述用户分发所述不符合预定筛选条件的视频。
9.一种视频分发装置，其特征在于，包括：
第一筛选模块，用于从指定视频集中，筛选与用户的画像相匹配的多个第一视频；
第一评估值模块，用于针对每个第一视频，确定该第一视频所反映视频内容与指定榜单中各个榜单条目的匹配结果，利用所确定的匹配结果，计算该第一视频的第一类评估值；其中，所述指定榜单为用于体现榜单条目新热程度的榜单，所述第一类评估值为用于评估所述第一视频新热程度的评估值；
第二筛选模块，用于至少基于每个第一视频的第一类评估值，从多个第一视频中选取符合预定筛选条件的目标视频；其中，所述预定筛选条件为至少基于用户的新热视频需求所设定的条件；
第一分发模块，向所述用户分发所选取的目标视频。
10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1至8任一项所述的方法步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读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至8任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911257803.4A CN111026913B (zh) | 2019-12-10 | 2019-12-10 | 一种视频分发方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911257803.4A CN111026913B (zh) | 2019-12-10 | 2019-12-10 | 一种视频分发方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111026913A true CN111026913A (zh) | 2020-04-17 |
| CN111026913B CN111026913B (zh) | 2024-04-23 |
Family
ID=70205287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911257803.4A Active CN111026913B (zh) | 2019-12-10 | 2019-12-10 | 一种视频分发方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111026913B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114374881A (zh) * | 2022-01-05 | 2022-04-19 | 北京百度网讯科技有限公司 | 分配用户流量的方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105898425A (zh) * | 2015-12-14 | 2016-08-24 | 乐视网信息技术（北京）股份有限公司 | 视频推荐方法、系统及服务器 |
| CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股（北京）有限公司 | 个性化视频推荐方法及装置 |
| US9615136B1 (en) * | 2013-05-03 | 2017-04-04 | Amazon Technologies, Inc. | Video classification |
| WO2017101299A1 (zh) * | 2015-12-15 | 2017-06-22 | 乐视控股（北京）有限公司 | 视频推荐方法、装置和设备 |
| CN107066621A (zh) * | 2017-05-11 | 2017-08-18 | 腾讯科技（深圳）有限公司 | 一种相似视频的检索方法、装置和存储介质 |
| CN109120964A (zh) * | 2018-09-30 | 2019-01-01 | 武汉斗鱼网络科技有限公司 | 视频集合的消息推送方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-10 CN CN201911257803.4A patent/CN111026913B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9615136B1 (en) * | 2013-05-03 | 2017-04-04 | Amazon Technologies, Inc. | Video classification |
| CN105898425A (zh) * | 2015-12-14 | 2016-08-24 | 乐视网信息技术（北京）股份有限公司 | 视频推荐方法、系统及服务器 |
| WO2017101299A1 (zh) * | 2015-12-15 | 2017-06-22 | 乐视控股（北京）有限公司 | 视频推荐方法、装置和设备 |
| CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股（北京）有限公司 | 个性化视频推荐方法及装置 |
| CN107066621A (zh) * | 2017-05-11 | 2017-08-18 | 腾讯科技（深圳）有限公司 | 一种相似视频的检索方法、装置和存储介质 |
| CN109120964A (zh) * | 2018-09-30 | 2019-01-01 | 武汉斗鱼网络科技有限公司 | 视频集合的消息推送方法、装置、计算机设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114374881A (zh) * | 2022-01-05 | 2022-04-19 | 北京百度网讯科技有限公司 | 分配用户流量的方法、装置、电子设备及存储介质 |
| CN114374881B (zh) * | 2022-01-05 | 2023-09-01 | 北京百度网讯科技有限公司 | 分配用户流量的方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111026913B (zh) | 2024-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9704185B2 (en) | Product recommendation using sentiment and semantic analysis | |
| CN108288229B (zh) | 一种用户画像构建方法 | |
| Sedhai et al. | Hspam14: A collection of 14 million tweets for hashtag-oriented spam research | |
| US9396763B2 (en) | Computer-assisted collaborative tagging of video content for indexing and table of contents generation | |
| CN107463605B (zh) | 低质新闻资源的识别方法及装置、计算机设备及可读介质 | |
| Freeman | Using naive bayes to detect spammy names in social networks | |
| CN107810497B (zh) | 呈现搜索结果的方法、系统、和介质 | |
| Finkelstein et al. | App store analysis: Mining app stores for relationships between customer, business and technical characteristics | |
| US10637826B1 (en) | Policy compliance verification using semantic distance and nearest neighbor search of labeled content | |
| US10956522B1 (en) | Regular expression generation and screening of textual items | |
| US11416907B2 (en) | Unbiased search and user feedback analytics | |
| CN111107416B (zh) | 一种弹幕屏蔽方法、装置及电子设备 | |
| CN112036659B (zh) | 基于组合策略的社交网络媒体信息流行度预测方法 | |
| CN111639696A (zh) | 一种用户分类方法及装置 | |
| CA3096368C (en) | Media source measurement for incorporation into a censored media corpus | |
| CN112989118B (zh) | 视频召回方法及装置 | |
| CN111400516B (zh) | 标签确定方法、电子设备及存储介质 | |
| Bayer | Rights and duties of online platforms | |
| US10530889B2 (en) | Identifying member profiles containing disallowed content in an online social network | |
| CN111026913B (zh) | 一种视频分发方法、装置、电子设备及存储介质 | |
| CN111324733A (zh) | 内容推荐方法、装置、设备及存储介质 | |
| CN110633408A (zh) | 智能商业资讯的推荐方法和系统 | |
| CN111324811A (zh) | 一种热点内容确认方法及装置 | |
| KR20210037934A (ko) | 개인정보보호 정책서 분석 기반 개인정보 수집/활용자의 신뢰도 평가 방법 및 장치 | |
| US9348902B2 (en) | Automated attribute disambiguation with human input |
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 |