CN111182354B - 视频评分推荐方法、装置、设备及计算机可读存储介质 - Google Patents

视频评分推荐方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN111182354B
CN111182354B CN201911346415.3A CN201911346415A CN111182354B CN 111182354 B CN111182354 B CN 111182354B CN 201911346415 A CN201911346415 A CN 201911346415A CN 111182354 B CN111182354 B CN 111182354B
Authority
CN
China
Prior art keywords
video
backward
user
relation
weight
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
Application number
CN201911346415.3A
Other languages
English (en)
Other versions
CN111182354A (zh
Inventor
梁德阳
孙志惠
封万里
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.)
China Mobile Communications Group Co Ltd
China Mobile Hangzhou Information Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Hangzhou Information Technology 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 China Mobile Communications Group Co Ltd, China Mobile Hangzhou Information Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201911346415.3A priority Critical patent/CN111182354B/zh
Publication of CN111182354A publication Critical patent/CN111182354A/zh
Application granted granted Critical
Publication of CN111182354B publication Critical patent/CN111182354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例涉及视频推荐领域，公开了一种视频评分推荐方法。本发明构建待评价视频集的时序行为集，从所述待评价视频集中提取当前视频，在所述时序行为集中搜索与所述当前视频对应的前向视频播放集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集的前向关系权重，并计算所述前向视频播放集的后向关系权重得到后向关系权重，将所述前向关系权重及所述后向关系权重作为预构建的视频评分计算公式参数，计算所述视频评分计算公式得到所述当前视频的评分。本发明还提出一种视频评分推荐电子设备、装置以及计算机可读存储介质。本发明可有效地提高历史视频的采用率，改善视频评分效果。

Description

视频评分推荐方法、装置、设备及计算机可读存储介质
技术领域
本发明实施例涉及视频推荐领域，特别涉及一种视频评分推荐的方法、装置、设备及计算机可读存储介质。
背景技术
在线视频媒体平台具有边下边播、不限终端等优势，随着网络带宽的不断升级和视频的快速增长，受到越来越多用户的欢迎和喜爱。用户在选择视频时，一般会参考视频历史评分进行挑选。现有视频平台的评分技术大多数是根据后台收集的与视频对应的用户点击数、播放量、分享或评论等数据，通过对上述数据进行清洗转换分析，进而得到相应视频的评分数据。
目前常用的视频评分推荐方法有基于人口统计学评分、基于内容的评分、协同过滤评分等。例如基于内容的评分主要思路是根据历史信息(如评价、分享、收藏过的文档)构造用户偏好视频评分模型。然而发明人发现，上述评分方法当数据量很大，而用户的显式评分数据很少时无法进行有效评分，此外，上述评分方式对视频进行评分时未考虑视频之间的时序关联关系，所得到的评分数据只能片面的反映用户对视频的访问情况，没有体现随时间变化的用户兴趣变化，无法综合全面的展现视频的受欢迎程度，进而导致历史视频采用率较低，评分效果不佳。
发明内容
本发明实施方式的目的在于提供一种视频评分推荐方法、装置、设备及计算机可读存储介质，有效的将视频评分融合了时序特征，解决了视频评分效果不佳、历史视频的采用率较低的问题。
为解决上述技术问题，本发明的第一实施方式提供了一种视频评分推荐方法，所述方法包括：
构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的前向视频播放集；
从所述前向视频播放集中依次提取其中一个视频作为前向视频，在所述时序行为集中搜索所述前向视频的后向视频，得到所述前向视频的后向视频播放集；
根据所述时序行为集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；
根据所述时序行为集，统计所述前向视频播放集与所述后向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述前向视频播放集内每个前向视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集；
根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分。
优选地，所述方法还包括：
汇总对所述待评价视频集内每个视频的评分；
对所述每个视频的评分根据预设的原则进行排序，得到可推荐给用户的视频及对应的视频评分。
优选地，所述根据所述时序行为集，统计所述前向视频播放集的用户ID数，包括：
计算所述当前视频与所述前向视频播放集内每个前向视频的用户ID，得到前向用户ID集；
初始化一个前向用户ID计数器，判断所述前向用户ID集内每个前向用户ID的视频播放时间关系是否在预设的时间段内；
若所述前向用户ID的视频播放时间关系不在预设的时间段内，则维持所述前向用户ID计数器；
若所述前向用户ID的视频播放时间关系在预设的时间段内，则对所述前向用户ID计数器进行加一操作；
直至所述前向用户ID集内每个前向用户ID判断完成，根据所述前向用户ID计数器得到所述前向用户ID数。
优选地，所述根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频的前向关系权重，包括：
从预先构建的前向关系权重系数表中提取前向关系权重系数；
将所述前向关系权重系数与所述用户ID数相乘得到所述前向关系权重。
优选地，所述根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分，包括：
根据用户ID的对应关系，从所述前向关系权重集提取对应的前向关系权重，及从所述后向关系权重集提取对应的后向关系权重；
将所述前向关系权重作为所述视频评分计算公式的分子，将所述后向关系权重作为所述视频评分计算公式的分母，得到所述视频评分计算公式；
求解所述所述视频评分计算公式得到所述当前视频的评分。
为解决上述技术问题，本发明的第二实施方式提供了一种视频评分推荐方法，所述方法包括：
构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的后向视频播放集；
从所述后向视频播放集中依次提取其中一个视频作为后向视频，在所述时序行为集中搜索所述后向视频的前向视频，得到所述后向视频的前向视频播放集；
根据所述时序行为集，统计所述后向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集；
根据所述时序行为集，统计所述后向视频播放集与所述前向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述后向视频播放集内每个后向视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；
根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分。
优选地，所述时序行为集，统计所述后向视频播放集的用户ID数，包括：
计算所述当前视频与所述后向视频播放集内每个后向视频的用户ID，得到后向用户ID集；
初始化一个后向用户ID计数器，判断所述后向用户ID集内每个后向用户ID的视频播放时间关系是否在预设的时间段内；
若所述后向用户ID的视频播放时间关系不在预设的时间段内，则维持所述后向用户ID计数器；
若所述后向用户ID的视频播放时间关系在预设的时间段内，则对所述后向用户ID计数器进行加一操作；
直至所述后向用户ID集内每个后向用户ID判断完成，根据所述后向用户ID计数器得到所述后向用户ID数。
为了解决上述问题，本发明还提供一种视频评分推荐装置，所述装置包括：
当前视频获取模块，用于构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
前向视频获取模块，用于从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的前向视频播放集；
前向视频分析模块，用于从所述前向视频播放集中依次提取其中一个视频作为前向视频，在所述时序行为集中搜索所述前向视频的后向视频，得到所述前向视频的后向视频播放集，根据所述时序行为集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；根据所述时序行为集，统计所述前向视频播放集与所述后向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述前向视频播放集内每个前向视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集，
视频评分模块，用于根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的视频评分推荐方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中任意一项所述的视频评分推荐方法。
本发明通过构建待评价视频集对应的时序行为集，并根据时序行为集和待评价视频集计算前后向关系以及前后向关系权重，因为前后向关系权重的计算充分考虑了视频之间的时序关联关系以及用户与视频之间的联系，所得到的各个视频的评分数据，能够综合、全面地反映视频的受欢迎程度，优化了视频评分方式，另外基于所得到的视频的评分数据进行视频推荐，能够有效地提高所推荐的视频的采用率，改善推荐效果。
进一步地，根据用户ID不同，不重复的计算前向关系权重和后向关系权重对于视频评分的影响，进一步地提高视频的采用率，且所采用的视频评分计算公式简便简单，不占用过多的计算资源和内存。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1为本发明一实施例提供的视频评分推荐方法流程示意图；
图2为本发明一实施例提供的视频评分推荐方法中S14的详细实施流程示意图；
图3为本发明一实施例提供的视频评分推荐方法中S16的详细实施流程示意图；
图4为本发明另一实施例提供的视频评分推荐方法流程示意图；
图5为本发明实施例提供的视频评分推荐方法的模块示意图；
图6为本发明实施例提供的实现视频评分推荐方法的电子设备的内部结构示意图；
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
本发明的实施方式涉及一种视频评分推荐方法，本实施方式的核心在于根据时序行为集和待评价视频集计算前后向关系以及前后向关系权重，从而有效地提高历史视频的采用率，改善视频评分效果。下面对本实施方式的视频评分推荐实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
参阅图1所示，是本发明第一实施方式中视频评分推荐的流程图，包括：
S11、构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据。
所述待评价视频集是需要进行视频评分的视频数据集合，如目前网上有很多考研辅导班都发布了自己辅导班老师讲授高等数学的教学视频，将每个考研辅导班的教学视频从网络中下载下来并整理得到所述待评价视频集，并采用本发明的下述实施方案对所述待评价视频集进行评分，以实现根据所述评分将所述待评价视频集中的一个或者多个视频推荐给用户。
所述时序行为集是记录每个视频被用户操作时相关的操作记录，其中包括用户ID、与所述用户ID对应的视频播放行为关系和视频播放时间序列关系。
具体地，所述用户ID是指用户在视频媒体平台中的账号数据，例如手机号、用户名、邮箱、微信号等；所述视频播放行为关系是描述每个用户ID操作任意两个视频行为的先后发生顺序；所述视频播放时间序列关系是描述每个用户ID操作任意两个视频时操作行为所发生的时间。
如用户χ的用户ID为“177****3125”，通过对用户ID“177****3125”在网站内的操作记录，如用户访问数据、视频下载数据等数据进行数据分析得到，用户ID“177****3125”对应的用户χ在2019年3月2日22时43分对视频A进行了访问操作，接着又在2019年3月2日23时41分对视频B进行了访问操作，则视频A和视频B之间产生了视频播放行为关系，对应的用户ID“177****3125”的视频播放行为关系为(视频A，视频B)，用户ID“177****3125”的视频播放时间序列关系可为(2019年3月2日22时43分，2019年3月2日23时41分)。
S12、从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的前向视频播放集。
如上述用户ID“177****3125”对应的用户χ在2019年3月2日22时43分对视频A进行了访问操作，接着又在2019年3月2日23时41分对视频B进行了访问操作，说明视频A和视频B之间产生了视频播放行为关系，故用户ID“177****3125”的视频播放行为关系为(视频A，视频B)；另外一个用户ID“153****8460”对应的用户ψ在2019年2月8日11时21分对视频C进行了访问操作，接着又在2019年2月2日9时01分对视频B进行了访问操作，说明视频C和视频B之间产生了视频播放行为关系，故用户ID“153****8460”的视频播放行为关系为(视频C，视频B)；另外一个用户ID“188****7160”对应的用户ω在2019年3月1日01时21分对视频D进行了访问操作，接着又在2019年3月3日7时9分对视频B进行了访问操作，说明视频D和视频B之间产生了视频播放行为关系，故用户ID“188****7160”的视频播放行为关系为(视频D，视频B)，依次类推。若当前视频为视频B，则所述当前视频B对应的前向视频播放集为【(视频A，视频B),(视频C，视频B),(视频D，视频B)】。
同理，若上述用户ID“177****3125”对应的用户χ在2019年3月2日23时41分对视频B进行了访问操作，又在2019年3月4日09时02分对视频E进行了访问操作，故用户ID“177****3125”的视频播放行为关系为(视频B，视频E)；另外一个用户ID“153****8460”对应的用户ψ在2019年2月2日9时01分对视频B进行了访问操作，又在2019年2月2日12时43分对视频F进行了访问操作，故用户ID“153****8460”的视频播放行为关系为(视频B，视频F)；另外一个用户ID“188****7160”对应的用户ω在2019年3月3日7时9分对视频B进行了访问操作，又在2019年3月4日02时12分对视频G进行了访问操作，故用户ID“188****7160”的视频播放行为关系为(视频B，视频G)，依次类推。若当前视频为视频B，则所述当前视频B对应的后向视频播放集【(视频B，视频E),(视频B，视频F),(视频B，视频G)】。
S13、从所述前向视频播放集中依次提取其中一个视频作为前向视频，在所述时序行为集中搜索所述前向视频的后向视频，得到所述前向视频的后向视频播放集。
一般来说，任何一个所述当前视频的前向视频的后向视频不仅包括所述当前视频，还可能包括其它视频。因此，为了精准地计算所述当前视频的评分，本发明还需利用所述当前视频的前向视频与其它视频之间的时序行为。
如上述当前视频为视频B，则所述当前视频B对应的前向视频播放集[(视频A，视频B),(视频C，视频B),(视频D，视频B)]，因此所述当前视频B的前向视频包括视频A、视频C、视频D。本发明从所述前向视频播放集中提取出视频A作为前向视频。
同样的，所述视频A通过在所述时序行为集中搜索发现，视频A与其它视频之间发生的时序行为包括上述用户ID“177****3125”的(视频A，视频B)和用户ID“177****0203”的(视频A，视频C)，因此可确定视频A的后向视频包括视频B和视频C；以此类推，针对视频C，视频C与其它视频的时序行为包括上述用户ID“153****8460”的(视频C，视频B)，可确定视频C的后向视频仅视频B；针对视频D，视频D与其它视频的时序行为包括上述用户ID“188****7160”的(视频D，视频B)、用户ID“131****2364”的(视频D，视频E)、用户ID“180****3319”的(视频D，视频G)，可确定视频D的后向视频包括视频B、视频E、视频G。
S14、根据所述时序行为集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集。
详细地，所述S14的详细实施流程，请参阅图2所示，包括：
S141、计算所述当前视频与所述前向视频播放集内每个前向视频的用户ID，得到前向用户ID集，初始化一个前向用户ID计数器。
S142、判断所述前向用户ID集内每个前向用户ID的视频播放时间关系是否在预设的时间段内。
S143、若所述前向用户ID的视频播放时间关系不在预设的时间段内，则维持所述前向用户ID计数器。
S144、若所述前向用户ID的视频播放时间关系在预设的时间段内，则对所述前向用户ID计数器进行加一操作，直至所述前向用户ID集内每个前向用户ID判断完成，根据所述前向用户ID计数器得到所述前向用户ID数。
如上述当前视频B的前向视频有视频A、视频C、视频D，对应的用户分别为177****3125、153****8460、188****7160，每个前向视频和当前视频的时间序列关系分别为(2019年3月2日22时43分，2019年3月2日23时41分)、(2019年2月8日11时21分，2019年2月2日9时01分)、(2019年3月1日01时21分，2019年3月3日7时9分)。所述预设的时间段的可以设置为24h，若每个前向视频和当前视频的时间序列关系超过24h，则不予与计数。
进一步地，所述根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频的前向关系权重，包括：从预先构建的前向关系权重系数表中提取前向关系权重系数，将所述前向关系权重系数与所述用户ID数相乘得到所述前向关系权重。
例如，当前视频B的前向视频有视频A、视频C、视频D，假设在所述前向关系权重系数表中记录所述当前视频B与所述当前视频B的前向视频有视频A、视频C、视频D的前向关系权重系数分别为0.1、0.2、0.3，而前向视频A和当前视频B之间的用户ID数为7000、前向视频C和当前视频B之间的用户ID数为5000、前向视频D和当前视频B之间的用户ID数为3000，分别计算前向视频A和当前视频B的前向关系权重为700、前向视频C和当前视频B的前向关系权重为1000、前向视频D和当前视频B的前向关系权重为900。
S15、根据所述时序行为集，统计所述前向视频播放集与所述后向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述前向视频播放集内每个前向视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集。
统计所述前向视频播放集与所述前向视频播放集对应的所述后向视频播放集的共有用户ID数，其方法可与上述S4描述的方法相同，这里不再重复描述。
同样的，所述后向关系权重的计算方法可与上述S4描述的方法相同。
例如，上述当前视频B的前向视频包括视频A、视频C、视频D，而视频A的后向视频包括视频B和视频C、视频C的后向视频仅包括视频B、视频D的后向视频包括视频B、视频E、视频G，因此分别计算每个前向视频对应的与后向视频的后向关系权重，进而得到后向关系权重集。
S16、根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分。
详细地，所述S16的详细实施流程，请参阅图3所述，包括：
S161、根据用户ID的对应关系，从所述前向关系权重集提取对应的前向关系权重，及从所述后向关系权重集提取对应的后向关系权重；
S162、将所述前向关系权重作为所述视频评分计算公式的分子，将所述后向关系权重作为所述视频评分计算公式的分母，计算所述分子与所述分母的比重得到对所述当前视频的贡献值；
S163、汇总每个用户ID的贡献值，并采用预设评分方法得到所述当前视频的评分。
例如，上述当前视频B的前向视频有视频A、视频C、视频D，对应的用户ID分别为177****3125、153****8460、188****7160，因此根据每个用户的不同从所述后向关系权重集需要对应的后向关系权重，如用户ID为177****3125的前向关系权重为700，后向关系权重为2000，则用户ID为177****3125对当前视频B的贡献率为0.35，以此类推，用户ID为153****8460对当前视频B的贡献率为0.25、用户ID为188****7160对当前视频B的贡献率为0.78，可采用贡献率相加的汇总方法，进而得到当前视频B的评分为0.25+0.35+0.78＝1.38。
进一步地，本发明上述实施方式还可以包括：
汇总对所述待评价视频集内每个视频的评分；
对所述每个视频的评分根据预设的原则进行排序，得到可推荐给用户的视频及对应的视频评分。
如所述待评价视频集内有视频A、视频B、视频C、视频D，根据上述方法依次得到每个视频的视频评分分别为视频A：1.12、视频B：1.38、视频C：1.26、视频D：1.03，因此排序后将视频B推荐给用户，完成视频推荐功能。
上述实施方式首先能够基于视频的用户时序行为数据，方便快捷地刻画视频之间的前后向关系以及前后向关系权重，对于各个视频的评分数据的计算充分考虑了视频之间的关联关系以及用户与视频之间的联系，所得到的各个视频的评分数据，能够综合、全面地反映视频的受欢迎程度，优化了视频评分方式，另外基于所得到的视频的评分数据进行视频推荐，能够有效地提高所推荐的视频的采用率，改善推荐效果。
然而，由于不是每个当前视频都有前向视频，或若在上述预设的时间段内没有前向视频时，则此时可根据下述描述的本发明另一实施例中所提到的后向视频计算视频评分。本发明下述描述的另一实施例与前述实施例在执行方法上没有本质区别，仅仅将当前视频的前向视频改为当前视频的后向视频，详细描述如下：
参阅图4所示，是本发明另一实施方式中的视频评分推荐的流程图，包括：
S21、构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
S22、从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的后向视频播放集；
S23、从所述后向视频播放集中依次提取其中一个视频作为后向视频，在所述时序行为集中搜索所述后向视频的前向视频，得到所述后向视频的前向视频播放集；
S24、根据所述时序行为集，统计所述后向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集；
S25、根据所述时序行为集，统计所述后向视频播放集与所述前向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述后向视频播放集内每个后向视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；
S26、根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分。
如图5所示，是本发明视频评分推荐装置的功能模块图。
本发明所述资源调度装置100可以安装于电子设备中。根据实现的功能，所述视频评分推荐装置可以包括当前视频获取模块101、前向视频获取模块102、前向视频分析模块103和视频评分模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
当前视频获取模块101，用于用于构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据。
前向视频获取模块102，用于从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的前向视频播放集。
前向视频分析模块103，用于从所述前向视频播放集中依次提取其中一个视频作为前向视频，在所述时序行为集中搜索所述前向视频的后向视频，得到所述前向视频的后向视频播放集，根据所述时序行为集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；根据所述时序行为集，统计所述前向视频播放集与所述后向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述前向视频播放集内每个前向视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集。
视频评分模块104，用于根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分。
如图6所示，是本发明实现视频评分推荐方法的电子设备的结构示意图。
所述电子设备1可以包括处理器12、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器12上运行的计算机程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如资源调度程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器12在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器12是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行资源调度程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器12等之间的连接通信。
图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的请求资源调度程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的前向视频播放集；
从所述前向视频播放集中依次提取其中一个视频作为前向视频，在所述时序行为集中搜索所述前向视频的后向视频，得到所述前向视频的后向视频播放集；
根据所述时序行为集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；
根据所述时序行为集，统计所述前向视频播放集与所述后向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述前向视频播放集内每个前向视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集；
根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分。
具体地，所述处理器10对上述指令的具体实现方法可参考图2对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果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介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以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，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种视频评分推荐方法，其特征在于，所述方法包括：
构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的前向视频播放集；
从所述前向视频播放集中依次提取其中一个视频作为前向视频，在所述时序行为集中搜索所述前向视频的后向视频，得到所述前向视频的后向视频播放集；
根据所述时序行为集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；
根据所述时序行为集，统计所述前向视频播放集与所述后向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述前向视频播放集内每个前向视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集；
根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分，具体包括：根据用户ID的对应关系，从所述前向关系权重集提取对应的前向关系权重，及从所述后向关系权重集提取对应的后向关系权重；将所述前向关系权重作为所述视频评分计算公式的分子，将所述后向关系权重作为所述视频评分计算公式的分母，计算所述分子与所述分母的比重得到对所述当前视频的贡献值；汇总每个用户ID的贡献值，并采用贡献率相加的汇总方法得到所述当前视频的评分。
2.根据权利要求1所述的视频评分推荐方法，其特征在于，所述方法还包括：
汇总所述待评价视频集内每个视频的评分；
对所述每个视频的评分根据预设的原则进行排序，得到推荐给用户的视频及对应的视频评分。
3.根据权利要求1所述的视频评分推荐方法，其特征在于，所述根据所述时序行为集，统计所述前向视频播放集的用户ID数，包括：
计算所述当前视频与所述前向视频播放集内每个前向视频的用户ID，得到前向用户ID集；
初始化一个前向用户ID计数器，判断所述前向用户ID集内每个前向用户ID的视频播放时间关系是否在预设的时间段内；
若所述前向用户ID的视频播放时间关系不在预设的时间段内，则维持所述前向用户ID计数器；
若所述前向用户ID的视频播放时间关系在预设的时间段内，则对所述前向用户ID计数器进行加一操作；
直至所述前向用户ID集内每个前向用户ID判断完成，根据所述前向用户ID计数器得到所述前向用户ID数。
4.根据权利要求1所述的视频评分推荐方法，其特征在于，所述根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频的前向关系权重，包括：
从预先构建的前向关系权重系数表中提取前向关系权重系数；
将所述前向关系权重系数与所述用户ID数相乘得到所述前向关系权重。
5.一种视频评分推荐方法，其特征在于，所述方法包括：
构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的后向视频播放集；
从所述后向视频播放集中依次提取其中一个视频作为后向视频，在所述时序行为集中搜索所述后向视频的前向视频，得到所述后向视频的前向视频播放集；
根据所述时序行为集，统计所述后向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集；
根据所述时序行为集，统计所述后向视频播放集与所述前向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述后向视频播放集内每个后向视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；
根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分，具体包括：根据用户ID的对应关系，从所述前向关系权重集提取对应的前向关系权重，及从所述后向关系权重集提取对应的后向关系权重；将所述前向关系权重作为所述视频评分计算公式的分子，将所述后向关系权重作为所述视频评分计算公式的分母，计算所述分子与所述分母的比重得到对所述当前视频的贡献值；汇总每个用户ID的贡献值，并采用贡献率相加的汇总方法得到所述当前视频的评分。
6.根据权利要求5所述的视频评分推荐方法，其特征在于，所述时序行为集，统计所述后向视频播放集的用户ID数，包括：
计算所述当前视频与所述后向视频播放集内每个后向视频的用户ID，得到后向用户ID集；
初始化一个后向用户ID计数器，判断所述后向用户ID集内每个后向用户ID的视频播放时间关系是否在预设的时间段内；
若所述后向用户ID的视频播放时间关系不在预设的时间段内，则维持所述后向用户ID计数器；
若所述后向用户ID的视频播放时间关系在预设的时间段内，则对所述后向用户ID计数器进行加一操作；
直至所述后向用户ID集内每个后向用户ID判断完成，根据所述后向用户ID计数器得到所述后向用户ID数。
7.一种视频评分推荐装置，其特征在于，所述装置包括：
当前视频获取模块，用于构建待评价视频集的时序行为集，其中所述时序行为集包括用户ID、与所述用户ID对应的视频播放行为关系数据和视频播放时间关系数据；
前向视频获取模块，用于从所述待评价视频集中依次提取其中一个视频作为当前视频，以所述当前视频为搜索条件，根据所述视频播放行为关系数据，在所述时序行为集中搜索得到所述当前视频的前向视频播放集；
前向视频分析模块，用于从所述前向视频播放集中依次提取其中一个视频作为前向视频，在所述时序行为集中搜索所述前向视频的后向视频，得到所述前向视频的后向视频播放集，根据所述时序行为集，统计所述前向视频播放集的用户ID数，根据所述用户ID数，计算所述当前视频与所述前向视频播放集内每个前向视频之间的前向关系权重，得到前向关系权重集；根据所述时序行为集，统计所述前向视频播放集与所述后向视频播放集的共有用户ID数，根据所述共有用户ID数，计算所述前向视频播放集内每个前向视频与所述后向视频播放集内每个后向视频之间的后向关系权重，得到后向关系权重集；
视频评分模块，用于根据所述前向关系权重集及所述后向关系权重集计算得到所述当前视频的评分，具体包括：根据用户ID的对应关系，从所述前向关系权重集提取对应的前向关系权重，及从所述后向关系权重集提取对应的后向关系权重；将所述前向关系权重作为所述视频评分计算公式的分子，将所述后向关系权重作为所述视频评分计算公式的分母，计算所述分子与所述分母的比重得到对所述当前视频的贡献值；汇总每个用户ID的贡献值，并采用贡献率相加的汇总方法得到所述当前视频的评分。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任一所述的视频评分推荐方法。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述的视频评分推荐方法。
CN201911346415.3A 2019-12-24 2019-12-24 视频评分推荐方法、装置、设备及计算机可读存储介质 Active CN111182354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911346415.3A CN111182354B (zh) 2019-12-24 2019-12-24 视频评分推荐方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911346415.3A CN111182354B (zh) 2019-12-24 2019-12-24 视频评分推荐方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111182354A CN111182354A (zh) 2020-05-19
CN111182354B true CN111182354B (zh) 2022-05-10

Family

ID=70652063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911346415.3A Active CN111182354B (zh) 2019-12-24 2019-12-24 视频评分推荐方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111182354B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114245220B (zh) * 2020-09-09 2023-05-16 中国联合网络通信集团有限公司 在线视频评价方法、装置、计算机设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006072745A (ja) * 2004-09-02 2006-03-16 Matsushita Electric Ind Co Ltd 入力処理装置
CN102117335A (zh) * 2011-03-25 2011-07-06 天脉聚源(北京)传媒科技有限公司 一种多媒体信息检索的方法
WO2017031692A1 (zh) * 2015-08-25 2017-03-02 华为技术有限公司 视频下载方法、装置及系统
CN109190023A (zh) * 2018-08-15 2019-01-11 深圳信息职业技术学院 协同推荐的方法、装置及终端设备
CN109214692A (zh) * 2018-09-14 2019-01-15 掌阅科技股份有限公司 基于用户时序行为的电子书评分方法及电子设备
KR20190023389A (ko) * 2017-08-29 2019-03-08 인하대학교 산학협력단 변화점 검출을 활용한 다중클래스 다중물체 추적 방법
CN110248249A (zh) * 2019-06-26 2019-09-17 深圳市轱辘汽车维修技术有限公司 一种视频推荐方法、视频推荐设备及服务器
CN110366032A (zh) * 2019-08-09 2019-10-22 腾讯科技（深圳）有限公司 视频数据处理方法、装置和视频播放方法、装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8170392B2 (en) * 2007-11-21 2012-05-01 Shlomo Selim Rakib Method and apparatus for generation, distribution and display of interactive video content
US8923684B2 (en) * 2011-05-23 2014-12-30 Cctubes, Llc Computer-implemented video captioning method and player
US9792957B2 (en) * 2014-10-08 2017-10-17 JBF Interlude 2009 LTD Systems and methods for dynamic video bookmarking

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006072745A (ja) * 2004-09-02 2006-03-16 Matsushita Electric Ind Co Ltd 入力処理装置
CN102117335A (zh) * 2011-03-25 2011-07-06 天脉聚源(北京)传媒科技有限公司 一种多媒体信息检索的方法
WO2017031692A1 (zh) * 2015-08-25 2017-03-02 华为技术有限公司 视频下载方法、装置及系统
KR20190023389A (ko) * 2017-08-29 2019-03-08 인하대학교 산학협력단 변화점 검출을 활용한 다중클래스 다중물체 추적 방법
CN109190023A (zh) * 2018-08-15 2019-01-11 深圳信息职业技术学院 协同推荐的方法、装置及终端设备
CN109214692A (zh) * 2018-09-14 2019-01-15 掌阅科技股份有限公司 基于用户时序行为的电子书评分方法及电子设备
CN110248249A (zh) * 2019-06-26 2019-09-17 深圳市轱辘汽车维修技术有限公司 一种视频推荐方法、视频推荐设备及服务器
CN110366032A (zh) * 2019-08-09 2019-10-22 腾讯科技（深圳）有限公司 视频数据处理方法、装置和视频播放方法、装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《On bit allocation and Lagrange Multiplier adjustment for rate-distortion optimized H.264 rate control》;Shuijiong Wu；Peilin Liu；Yiqing Huang；Qin Liu；Takeshi Ikenaga;《2009 IEEE Internation Workshop on Multimedia Signal Processing》;20091005;全文 *
《基于多模态内容分析的多视角视频推荐技术研究》;屈雯;《中国优秀博士学位论文全文数据库》;20160615;全文 *
《视频学习资源个性化推荐系统的设计与实现》;曾杰;《中国优秀硕士学位论文全文数据库》;20140615;全文 *

Also Published As

Publication number Publication date
CN111182354A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
WO2022141861A1 (zh) 情感分类方法、装置、电子设备及存储介质
CN109242013B (zh) 一种数据标注方法、装置、电子设备及存储介质
CN112380859A (zh) 舆情信息的推荐方法、装置、电子设备及计算机存储介质
CN112733023A (zh) 资讯推送方法、装置、电子设备及计算机可读存储介质
CN114398560B (zh) 基于web平台的营销界面设置方法、装置、设备及介质
CN111652279A (zh) 基于时序数据的行为评价方法、装置及可读存储介质
CN112395251A (zh) 数据文件的智能解析方法、装置、电子设备及存储介质
CN112559923A (zh) 网址资源推荐方法、装置、电子设备及计算机存储介质
CN113360768A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN113516417A (zh) 基于智能建模的业务评估方法、装置、电子设备及介质
WO2015014260A1 (en) Data processing method and server therefor
CN111182354B (zh) 视频评分推荐方法、装置、设备及计算机可读存储介质
CN111460293B (zh) 信息推送方法、装置及计算机可读存储介质
CN111522707A (zh) 大数据平台调度预警方法、装置及计算机可读存储介质
CN111652282A (zh) 基于大数据的用户偏好分析方法、装置及电子设备
CN115966274A (zh) 问卷题目筛选的方法、装置、电子设备及存储介质
CN114862140A (zh) 基于行为分析的潜力评估方法、装置、设备及存储介质
CN112069387B (zh) 互联网事件传播爆发预测方法、装置、电子设备及介质
CN113139129B (zh) 虚拟阅读轨迹图生成方法、装置、电子设备及存储介质
CN111383050A (zh) 产品数据整合及分析方法、装置及计算机可读存储介质
CN113220551A (zh) 指标趋势预测及预警方法、装置、电子设备及存储介质
CN113157677A (zh) 基于信托行为的数据过滤方法及装置
CN113051475B (zh) 内容推荐方法、装置、电子设备及可读存储介质
CN113592606B (zh) 基于多重决策的产品推荐方法、装置、设备及存储介质
CN112417300A (zh) 产品漏洞方案查询方法、装置、电子设备及存储介质

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