CN111435371A - 视频推荐方法及其系统、计算机程序产品、可读存储介质 - Google Patents

视频推荐方法及其系统、计算机程序产品、可读存储介质 Download PDF

Info

Publication number
CN111435371A
CN111435371A CN201910035595.7A CN201910035595A CN111435371A CN 111435371 A CN111435371 A CN 111435371A CN 201910035595 A CN201910035595 A CN 201910035595A CN 111435371 A CN111435371 A CN 111435371A
Authority
CN
China
Prior art keywords
video
user
watched
generating
list
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
CN201910035595.7A
Other languages
English (en)
Other versions
CN111435371B (zh
Inventor
王静
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910035595.7A priority Critical patent/CN111435371B/zh
Publication of CN111435371A publication Critical patent/CN111435371A/zh
Application granted granted Critical
Publication of CN111435371B publication Critical patent/CN111435371B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

本发明公开了一种视频推荐方法及其系统、计算机程序产品、可读存储介质。其中,方法包括:获取用户观看视频的历史记录,根据用户观看视频的历史记录,生成第一视频种类列表并提供至用户。获取用户从第一视频种类列表中选择的视频种类,根据用户选择的视频种类,生成第二视频种类列表。根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。由此,实现了利用用户的主观选择,对推荐视频所在的种类进行筛选,提高了生成推荐视频的准确率。解决了现有技术中推荐视频不准确的技术问题。

Description

视频推荐方法及其系统、计算机程序产品、可读存储介质
技术领域
本发明涉及数据处理技术领域,尤其涉及一种视频推荐方法及其系统、计算机程序产品、可读存储介质。
背景技术
随着网络视频技术的不断发展,向用户精准地推荐用户需要的视频已经成为提高网络视频点击量的重要手段。当用户看到推荐的视频正是自己需要的视频时,会不假思索地进行点击,既方便了用户,又有利于网络视频平台的发展。
相关技术中,通过获取用户的搜索记录和历史浏览记录分析用户的需求,生成推荐视频。但是,对搜索记录和历史浏览记录进行分析得到的用户需求可能与用户当前的真实需求不符,导致推荐的视频不够准确。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种视频推荐方法,以实现利用用户的主观选择,对推荐视频所在的种类进行筛选,提高了生成推荐视频的准确率。解决了现有技术中推荐视频不准确的技术问题。
本发明的第二个目的在于提出一种视频推荐系统。
本发明的第三个目的在于提出一种计算机程序产品。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种视频推荐方法,包括:获取用户观看视频的历史记录;根据所述用户观看视频的历史记录,生成第一视频种类列表并提供至所述用户;获取用户从所述第一视频种类列表中选择的视频种类;根据所述用户选择的视频种类,生成第二视频种类列表;以及根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频。
和现有技术相比,本发明实施例获取用户从第一视频种类列表中选择的视频种类,根据用户选择的视频种类,生成第二视频种类列表。根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。利用用户的主观选择,对推荐视频所在的种类进行筛选,提高了生成推荐视频的准确率。
另外,本发明实施例的视频推荐方法,还具有如下附加的技术特征:
可选地,所述用户观看视频的历史记录,包括用户对不同视频种类下视频的观看时长、点击次数的统计信息,所述根据所述用户观看视频的历史记录,生成第一视频种类列表并提供至所述用户,包括:根据所述用户对不同视频种类下视频的观看时长、点击次数的统计信息,对所述不同视频种类进行排序,以生成视频种类的排序列表;选取所述视频种类的排序列表中前N个视频种类,以生成所述第一视频种类列表,其中,N为预设数值;将所述第一视频种类列表提供至所述用户。
可选地,所述用户观看视频的历史记录还包括所述用户观看视频对应的场景信息,所述根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频,包括:根据所述第二视频种类列表中的视频种类,生成候选视频集合;获取用户的画像信息;根据所述用户观看视频对应的场景信息和所述用户的画像信息,生成用户的偏好信息;根据所述用户的偏好信息,从所述候选视频集合中筛选出所述推荐的视频。
可选地,所述用户观看视频对应的场景信息,包括用户观看视频对应的时间和地点。
可选地,所述获取用户的画像信息,包括:获取用户的个人信息;根据所述用户的画像信息对应的多个维度,对所述用户的个人信息进行整理;将整理后的所述用户的个人信息填入所述用户的画像信息对应的多个维度,以生成所述用户的画像信息。
本发明第二方面实施例提出了一种视频推荐系统,所述系统包括客户端和服务器,其中,所述客户端,用于获取用户观看的历史记录,以及获取用户从第一视频种类列表中选择的视频种类;所述服务器,用于根据所述用户观看视频的历史记录,生成所述第一视频种类列表并提供至所述用户,并根据所述用户选择的视频种类,生成第二视频种类列表,以及根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频。
另外,本发明实施例的视频推荐系统,还具有如下附加的技术特征:
可选地,所述客户端包括:第一获取模块,用于获取所述用户观看视频的历史记录,并将所述用户观看视频的历史记录传输给所述服务器;第二获取模块,用于获取用户从所述第一视频种类列表中选择的视频种类,并将所述用户选择的视频种类传输给所述服务器;所述服务器包括:第一生成模块,用于根据所述用户观看视频的历史记录,生成所述第一视频种类列表并提供至所述用户;第二生成模块,用于根据所述用户选择的视频种类,生成第二视频种类列表;第三生成模块,用于根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频。
可选地,所述用户观看视频的历史记录,包括用户对不同视频种类下视频的观看时长、点击次数的统计信息,所述第一生成模块,包括:排序子模块,用于根据所述用户对不同视频种类下视频的观看时长、点击次数的统计信息,对所述不同视频种类进行排序,以生成视频种类的排序列表;选取子模块,用于选取所述视频种类的排序列表中前N个视频种类,以生成所述第一视频种类列表,其中,N为预设数值;提供子模块,用于将所述第一视频种类列表提供至所述用户。
可选地,所述用户观看视频的历史记录还包括所述用户观看视频对应的场景信息,所述客户端还包括:第三获取模块,用于获取用户的画像信息,并将所述用户的画像信息传输给所述服务器;所述第三生成模块,包括:第一生成子模块,用于根据所述第二视频种类列表中的视频种类,生成候选视频集合;第二生成子模块,用于根据所述用户观看视频对应的场景信息和所述用户的画像信息,生成用户的偏好信息;筛选子模块,用于根据所述用户的偏好信息,从所述候选视频集合中筛选出所述推荐的视频。
可选地,所述用户观看视频对应的场景信息,包括用户观看视频对应的时间和地点。
可选地,所述第三获取模块,包括:获取子模块,用于获取用户的个人信息;整理子模块,用于根据所述用户的画像信息对应的多个维度,对所述用户的个人信息进行整理;填入子模块,用于将整理后的所述用户的个人信息填入所述用户的画像信息对应的多个维度,以生成所述用户的画像信息。
本发明第三方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时实现如前述方法实施例所述的视频推荐方法。
本发明第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述方法实施例所述的视频推荐方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明实施例所提供的一种视频推荐方法的流程示意图;
图2为本发明实施例所提供的另一种视频推荐方法的流程示意图;
图3为本发明实施例所提供的一种视频推荐系统的结构示意图;
图4为本发明实施例所提供的另一种视频推荐系统的结构示意图;
图5为本发明实施例所提供的视频推荐系统的运行原理静态示意图;以及
图6为本发明实施例所提供的视频推荐系统的运行原理动态示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的视频推荐方法及其系统、计算机程序产品、可读存储介质。
基于上述现有技术的描述可以知道,相关技术中,通过获取用户的搜索记录和历史浏览记录分析用户的需求,生成推荐视频。但是,对搜索记录和历史浏览记录进行分析得到的用户需求可能与用户当前的真实需求不符,导致推荐的视频不够准确。
针对这一问题,本发明实施例提供了一种视频推荐方法。获取用户从第一视频种类列表中选择的视频种类,根据用户选择的视频种类,生成第二视频种类列表。根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。利用用户的主观选择,对推荐视频所在的种类进行筛选,提高了生成推荐视频的准确率。
图1为本发明实施例所提供的一种视频推荐方法的流程示意图。如图1所示,该方法包括以下步骤:
S101,获取用户观看视频的历史记录。
其中,用户观看视频的历史记录包括用户点击或者观看过的所有视频,以及对应的时间、地点和时长。
需要说明的是,当用户点击视频页面进行观看时,将持续时间小于一分钟的行为记为对视频的点击行为,将持续时间大于等于一分钟的行为记为对视频的观看行为。
S102,根据用户观看视频的历史记录,生成第一视频种类列表并提供至用户。
其中,第一视频种类列表中的视频种类是用户经常点击或者观看的视频种类。视频种类是根据视频内容进行划分的,视频种类可以是“生活”、“科技”、“影视”、“动漫”、“游戏”等。
进一步地,为了确定用户经常点击或者观看的视频的种类,可以对用户观看视频的历史记录进行整理和统计,得到用户对不同视频种类下视频的观看时长、点击次数的统计信息,加入到用户观看视频的历史记录中。
可以理解,用户对不同视频种类下视频的观看时长、点击次数代表了用户对不同视频种类的兴趣。因此,可以据此对不同视频种类进行排序,以生成视频种类的排序列表。具体可以根据不同视频种类的累计观看时长进行排序,当不同视频种类的累计观看时长相同时,比较不同视频种类的累计点击次数。
选取视频种类的排序列表中前N个视频种类,以生成第一视频种类列表,其中,N为预设数值,那么第一视频种类列表中的视频种类就是用户最感兴趣的N个视频种类。N的数值大小设置为20比较合适。
将第一视频种类列表提供至用户,用户可以看到自己最感兴趣的20个视频种类。
进一步地,还可以将对用户观看视频的历史记录进行整理和统计的结果展示给用户。比如用户每天观看视频的时长统计,用户每天观看视频的时段统计,用户观看不同视频种类下的视频的累计时长统计。使得用户能够知道最近在观看视频上所花费的时间,以及最近自己观看视频的关注点,及时地调整观看视频的时长、时段和种类。
S103,获取用户从第一视频种类列表中选择的视频种类。
应当理解,由于第一视频种类列表中的视频种类是根据用户观看视频的历史记录生成的,但是第一视频种类列表中的视频种类并不能反映用户的当前需求。
第一种情况是,用户的兴趣可能随着时间的变化而发生了改变,对曾经感兴趣的视频种类不再感兴趣。在用户最感兴趣的20个视频种类中,只对其中的部分视频种类还感兴趣。
第二种可能的情况是,用户希望扩大自己的关注面,不想总是被推荐自己最感兴趣的那几个种类的视频,想要多被推荐第一视频种类列表中排序稍微靠后一些的种类的视频。
因此,本发明实施例所提供的视频推荐方法,让用户能够在第一视频种类列表中选择视频种类,作为用户的当前需求。
S104,根据用户选择的视频种类,生成第二视频种类列表。
可以理解,生成的第二视频种类列表是用户选择的想要被推荐的视频种类。
S105,根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。
其中,第二视频种类列表代表用户的主观意愿,用户观看视频的历史记录代表用户的历史行为。
综上所述,本发明实施例所提供的视频推荐方法,获取用户观看视频的历史记录,根据用户观看视频的历史记录,生成第一视频种类列表并提供至用户。获取用户从第一视频种类列表中选择的视频种类,根据用户选择的视频种类,生成第二视频种类列表。根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。由此,实现了利用用户的主观选择,对推荐视频所在的种类进行筛选,提高了生成推荐视频的准确率。
为了更加清楚地说明本发明实施例所提供的视频推荐方法是如何生成推荐的视频的,本发明实施例还提出了另一种视频推荐方法。基于前述说明,可以知道,用户观看视频的历史记录包括用户观看视频对应的时间和地点,根据用户观看视频对应的时间和地点,可以生成用户观看视频对应的场景信息。并且可以将用户观看视频对应的场景信息添加至用户观看视频的历史记录中。
举例来说,用户观看新闻视频对应的时间是早九点至九点半,对应的地点是地铁,那么生成的观看新闻视频的场景信息是早九点至九点半在地铁上,将早九点至九点半在地铁上作为新闻视频对应的场景信息添加至用户观看新闻视频的历史记录中。
图2为本发明实施例所提供的另一种视频推荐方法的流程示意图,如图2所示,基于图1所示的方法流程,S105根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频,包括:
S201,根据第二视频种类列表中的视频种类,生成候选视频集合。
其中,候选视频集合中的任何一个视频都属于第二视频种类列表中的某一个视频种类。
可以理解,第二视频种类列表中的视频种类是用户从第一视频种类列表中选择的,根据第二视频种类列表中的视频种类,依次选取不同视频种类对应的多个视频,生成候选视频集合。
S202,获取用户的画像信息。
其中,用户的画像信息是对用户的个人信息进行标准化处理后得到的,用户的个人信息包括用户的性别、年龄、人生阶段、资产状况、行业、教育水平、休闲爱好等各个种类的信息。
需要特别说明的是,用户的个人信息可以通过收集该用户在不同的应用产品中的个人信息和使用记录获得。
为了获取用户的画像信息,一种可能的实现方式是,获取用户的个人信息,根据用户的画像信息对应的多个维度,对用户的个人信息进行整理。将整理后的用户的个人信息填入用户的画像信息对应的多个维度,以生成用户的画像信息。
S203,根据用户观看视频对应的场景信息和用户的画像信息,生成用户的偏好信息。
可以理解,通过对用户的画像信息进行分析,可以根据具有相同画像信息的参考用户观看视频的偏好,得到用户的观看视频的偏好。
通过对用户观看视频对应的场景信息进行分析,可以获得用户具体在不同场景下观看视频的偏好。
举例来说,通过对用户的画像信息进行分析,确定用户是一个在职场打拼多年的公司中层管理人员,通过长期以来的统计数据,公司中层管理人员比较喜欢观看能够提升自己管理能力的视频和能够放松心情的视频等。
通过对用户观看视频对应的场景信息进行分析,可以获得该用户在工作闲暇时喜欢观看一些搞笑的视频。
结合该用户观看视频对应的场景信息和画像信息,生成的该用户的偏好信息是在工作闲暇时喜欢观看能够放松心情的搞笑视频。
S204,根据用户的偏好信息,从候选视频集合中筛选出推荐的视频。
应当理解,由于用户的偏好信息与用户当前所处的场景有关,因此,在不同场景下从候选视频集合中筛选出的推荐视频不同。
具体地,为了得到推荐视频,首先获取用户当前的时间和地点信息,根据用户当前的时间和地点信息,确定当前的场景信息,进而确定用户在当前场景下的偏好信息。根据用户在当前场景下的偏好信息,从候选视频集合中筛选出推荐的视频。
举例来说,已知用户在当前场景下喜欢观看的视频是搞笑视频。第二视频种类列表中的视频种类有动漫、生活、科技、游戏,生成的候选视频集合中包括动漫、生活、科技、游戏四个视频种类下的多个视频。而在动漫、生活、科技、游戏四个视频种类中,都存在搞笑视频,因此可以将四个视频种类下的搞笑视频筛选出来,作为推荐视频。
进一步地,考虑到用户在观看自己喜欢的视频时往往难以自制,恨不得一下子全部看完。为了提醒用户不要长时间连续观看视频,注意休息和锻炼身体,当用户观看视频超过一个小时后,可以向用户推荐一些健身类的视频,或者是推荐一个用眼球运动进行互动的游戏,让用户得到调节。
从而,实现了结合用户的画像信息,生成推荐的视频。
为了实现上述实施例,本发明实施例还提出一种视频推荐系统,图3为本发明实施例所提供的一种视频推荐系统的结构示意图,如图3所示,该系统包括:客户端310和服务器320。
客户端310,用于获取用户观看的历史记录,以及获取用户从第一视频种类列表中选择的视频种类。
服务器320,用于根据用户观看视频的历史记录,生成第一视频种类列表并提供至用户,并根据用户选择的视频种类,生成第二视频种类列表,以及根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。
具体地,客户端310包括:第一获取模块311,用于获取用户观看视频的历史记录,并将用户观看视频的历史记录传输给服务器320。第二获取模块312,用于获取用户从第一视频种类列表中选择的视频种类,并将用户选择的视频种类传输给服务器320。
服务器320包括:第一生成模块321,用于根据用户观看视频的历史记录,生成第一视频种类列表并提供至用户。第二生成模块322,用于根据用户选择的视频种类,生成第二视频种类列表。第三生成模块323,用于根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。
进一步地,为了确定用户经常点击或者观看的视频的种类,一种可能的实现方式是,用户观看视频的历史记录,包括用户对不同视频种类下视频的观看时长、点击次数的统计信息,第一生成模块321,包括:排序子模块3211,用于根据用户对不同视频种类下视频的观看时长、点击次数的统计信息,对不同视频种类进行排序,以生成视频种类的排序列表。选取子模块3212,用于选取视频种类的排序列表中前N个视频种类,以生成第一视频种类列表,其中,N为预设数值。提供子模块3213,用于将第一视频种类列表提供至用户。
需要说明的是,前述对视频推荐方法实施例的解释说明也适用于该实施例的视频推荐系统,此处不再赘述。
综上所述,本发明实施例所提供的视频推荐系统,获取用户观看视频的历史记录,根据用户观看视频的历史记录,生成第一视频种类列表并提供至用户。获取用户从第一视频种类列表中选择的视频种类,根据用户选择的视频种类,生成第二视频种类列表。根据第二视频种类列表和用户观看视频的历史记录,生成推荐的视频。由此,实现了利用用户的主观选择,对推荐视频所在的种类进行筛选,提高了生成推荐视频的准确率。
为了实现上述实施例,本发明还提出另一种视频推荐系统,图4为本发明实施例所提供的另一种视频推荐系统的结构示意图,如图4所示,基于图3所示的系统结构,客户端310还包括:第三获取模块313。
第三获取模块313,用于获取用户的画像信息,并将用户的画像信息传输给服务器320。
第三生成模块323,包括:第一生成子模块3231,用于根据第二视频种类列表中的视频种类,生成候选视频集合。第二生成子模块3232,用于根据用户观看视频对应的场景信息和用户的画像信息,生成用户的偏好信息。筛选子模块3233,用于根据用户的偏好信息,从候选视频集合中筛选出推荐的视频。
其中,用户观看视频对应的场景信息,包括用户观看视频对应的时间和地点。
进一步地,为了获取用户的画像信息,一种可能的实现方式是,第三获取模块313,包括:获取子模块3131,用于获取用户的个人信息。整理子模块3132,用于根据用户的画像信息对应的多个维度,对用户的个人信息进行整理。填入子模块3133,用于将整理后的用户的个人信息填入用户的画像信息对应的多个维度,以生成用户的画像信息。
需要说明的是,前述对视频推荐方法实施例的解释说明也适用于该实施例的视频推荐系统,此处不再赘述。
从而,实现了结合用户的画像信息,生成推荐的视频。
为了更加清楚地说明本发明实施例所提供的视频推荐方法及其系统,下面进行举例说明。
本发明实施例所提供的视频推荐方法由本发明实施例所提供的视频推荐系统来实现。如图5所示,视频推荐系统包括客户端和服务器,其中,客户端用于收集用户的各种信息,包括:用户观看视频的历史记录,以及用户选择的视频种类,用户的个人信息。服务器用于使用深度学习、自然语言处理等技术对客户端收集的各种信息进行分析和处理,结合用户的画像信息,生成推荐的视频。
如图6所示,信息在客户端和服务器端之间的传输过程为,客户端收集用户观看视频的历史记录,以及用户的画像信息,传输给服务器。服务器对用户观看视频的历史记录进行分析和统计,并将统计结果对应的视频种类列表发送给客户端展示给客户。客户根据自己当前的需求对视频种类列表进行个性配置,并将个性配置传输给服务器。服务器根据用户的个性配置和用户画像,生成推荐视频。
为了实现上述实施例,本发明实施例还提出一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时实现如前述方法实施例所述的视频推荐方法。
为了实现上述实施例,实施例还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述方法实施例所述的视频推荐方法。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (13)

1.一种视频推荐方法,其特征在于,包括:
获取用户观看视频的历史记录;
根据所述用户观看视频的历史记录,生成第一视频种类列表并提供至所述用户;
获取用户从所述第一视频种类列表中选择的视频种类;
根据所述用户选择的视频种类,生成第二视频种类列表;以及
根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频。
2.如权利要求1所述的方法,其特征在于,所述用户观看视频的历史记录,包括用户对不同视频种类下视频的观看时长、点击次数的统计信息,所述根据所述用户观看视频的历史记录,生成第一视频种类列表并提供至所述用户,包括:
根据所述用户对不同视频种类下视频的观看时长、点击次数的统计信息,对所述不同视频种类进行排序,以生成视频种类的排序列表;
选取所述视频种类的排序列表中前N个视频种类,以生成所述第一视频种类列表,其中,N为预设数值;
将所述第一视频种类列表提供至所述用户。
3.如权利要求2所述的方法,其特征在于,所述用户观看视频的历史记录还包括所述用户观看视频对应的场景信息,所述根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频,包括:
根据所述第二视频种类列表中的视频种类,生成候选视频集合;
获取用户的画像信息;
根据所述用户观看视频对应的场景信息和所述用户的画像信息,生成用户的偏好信息;
根据所述用户的偏好信息,从所述候选视频集合中筛选出所述推荐的视频。
4.如权利要求3所述的方法,其特征在于,所述用户观看视频对应的场景信息,包括用户观看视频对应的时间和地点。
5.如权利要求3所述的方法,其特征在于,所述获取用户的画像信息,包括:
获取用户的个人信息;
根据所述用户的画像信息对应的多个维度,对所述用户的个人信息进行整理;
将整理后的所述用户的个人信息填入所述用户的画像信息对应的多个维度,以生成所述用户的画像信息。
6.一种视频推荐系统,其特征在于,所述系统包括客户端和服务器,其中,
所述客户端,用于获取用户观看的历史记录,以及获取用户从第一视频种类列表中选择的视频种类;
所述服务器,用于根据所述用户观看视频的历史记录,生成所述第一视频种类列表并提供至所述用户,并根据所述用户选择的视频种类,生成第二视频种类列表,以及根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频。
7.如权利要求6所述的系统,其特征在于,所述客户端包括:
第一获取模块,用于获取所述用户观看视频的历史记录,并将所述用户观看视频的历史记录传输给所述服务器;
第二获取模块,用于获取用户从所述第一视频种类列表中选择的视频种类,并将所述用户选择的视频种类传输给所述服务器;
所述服务器包括:
第一生成模块,用于根据所述用户观看视频的历史记录,生成所述第一视频种类列表并提供至所述用户;
第二生成模块,用于根据所述用户选择的视频种类,生成第二视频种类列表;
第三生成模块,用于根据所述第二视频种类列表和所述用户观看视频的历史记录,生成推荐的视频。
8.如权利要求7所述的系统,其特征在于,所述用户观看视频的历史记录,包括用户对不同视频种类下视频的观看时长、点击次数的统计信息,所述第一生成模块,包括:
排序子模块,用于根据所述用户对不同视频种类下视频的观看时长、点击次数的统计信息,对所述不同视频种类进行排序,以生成视频种类的排序列表;
选取子模块,用于选取所述视频种类的排序列表中前N个视频种类,以生成所述第一视频种类列表,其中,N为预设数值;
提供子模块,用于将所述第一视频种类列表提供至所述用户。
9.如权利要求8所述的系统,其特征在于,所述用户观看视频的历史记录还包括所述用户观看视频对应的场景信息,所述客户端还包括:
第三获取模块,用于获取用户的画像信息,并将所述用户的画像信息传输给所述服务器;
所述第三生成模块,包括:
第一生成子模块,用于根据所述第二视频种类列表中的视频种类,生成候选视频集合;
第二生成子模块,用于根据所述用户观看视频对应的场景信息和所述用户的画像信息,生成用户的偏好信息;
筛选子模块,用于根据所述用户的偏好信息,从所述候选视频集合中筛选出所述推荐的视频。
10.如权利要求9所述的系统,其特征在于,所述用户观看视频对应的场景信息,包括用户观看视频对应的时间和地点。
11.如权利要求9所述的系统,其特征在于,所述第三获取模块,包括:
获取子模块,用于获取用户的个人信息;
整理子模块,用于根据所述用户的画像信息对应的多个维度,对所述用户的个人信息进行整理;
填入子模块,用于将整理后的所述用户的个人信息填入所述用户的画像信息对应的多个维度,以生成所述用户的画像信息。
12.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令处理器执行时实现如权利要求1-5中任一项所述的视频推荐方法。
13.一种非临时性计算机可读存储介质,其上存储有计算机程序,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1-5中任一项所述的视频推荐方法。
CN201910035595.7A 2019-01-15 2019-01-15 视频推荐方法及其系统、计算机程序产品、可读存储介质 Active CN111435371B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910035595.7A CN111435371B (zh) 2019-01-15 2019-01-15 视频推荐方法及其系统、计算机程序产品、可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910035595.7A CN111435371B (zh) 2019-01-15 2019-01-15 视频推荐方法及其系统、计算机程序产品、可读存储介质

Publications (2)

Publication Number Publication Date
CN111435371A true CN111435371A (zh) 2020-07-21
CN111435371B CN111435371B (zh) 2023-08-11

Family

ID=71580774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910035595.7A Active CN111435371B (zh) 2019-01-15 2019-01-15 视频推荐方法及其系统、计算机程序产品、可读存储介质

Country Status (1)

Country Link
CN (1) CN111435371B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112437350A (zh) * 2020-11-10 2021-03-02 深圳Tcl新技术有限公司 视频播放方法、装置、智能设备及计算机可读存储介质
CN112784069A (zh) * 2020-12-31 2021-05-11 重庆空间视创科技有限公司 一种iptv内容智能推荐系统以及方法
CN112822527A (zh) * 2020-12-29 2021-05-18 北京达佳互联信息技术有限公司 视频推荐方法、装置、服务器及存储介质
CN113010733A (zh) * 2020-11-25 2021-06-22 腾讯科技(深圳)有限公司 信息推荐方法、装置、电子设备及计算机可读存储介质
CN115086700A (zh) * 2022-06-15 2022-09-20 北京有竹居网络技术有限公司 推送处理方法、装置、设备及介质
CN113010733B (zh) * 2020-11-25 2024-05-17 腾讯科技(深圳)有限公司 信息推荐方法、装置、电子设备及计算机可读存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101556615A (zh) * 2008-04-08 2009-10-14 索尼株式会社 信息处理设备和方法、推荐设备和方法、信息处理系统
US20100186049A1 (en) * 2003-11-19 2010-07-22 Tom Carhart Personalized Media Services
CN102279865A (zh) * 2010-06-08 2011-12-14 索尼公司 内容推荐设备和内容推荐方法
JP2013025324A (ja) * 2011-07-14 2013-02-04 Kddi Corp レコメンド装置、レコメンド方法およびプログラム
CN102946566A (zh) * 2012-10-24 2013-02-27 北京奇虎科技有限公司 基于历史信息的视频推荐方法和装置
CN103136253A (zh) * 2011-11-30 2013-06-05 腾讯科技(深圳)有限公司 获取信息的方法和装置
CN103546778A (zh) * 2013-07-17 2014-01-29 Tcl集团股份有限公司 一种电视节目推荐方法、系统及其实现方法
JP2014215952A (ja) * 2013-04-30 2014-11-17 日本電信電話株式会社 コンテンツ推薦装置およびその動作方法
CN104301760A (zh) * 2014-11-10 2015-01-21 上海华勤通讯技术有限公司 电视节目推送方法
CN104333773A (zh) * 2013-12-18 2015-02-04 乐视网信息技术(北京)股份有限公司 一种视频推荐方法及服务器
US20160041998A1 (en) * 2014-08-05 2016-02-11 NFL Enterprises LLC Apparatus and Methods for Personalized Video Delivery
CN106383895A (zh) * 2016-09-27 2017-02-08 北京金山安全软件有限公司 信息推荐方法、装置以及终端设备
CN106649316A (zh) * 2015-10-29 2017-05-10 北京国双科技有限公司 一种视频推送方法及装置
EP3267386A1 (en) * 2016-07-07 2018-01-10 Yandex Europe AG Method and apparatus for generating a content recommendation in a recommendation system
CN108200464A (zh) * 2018-01-25 2018-06-22 青岛海信电器股份有限公司 智能电视以及便于选择教育课程内容的方法
CN108763579A (zh) * 2018-06-08 2018-11-06 Oppo(重庆)智能科技有限公司 搜索内容推荐方法、装置、终端设备及存储介质
CN109040795A (zh) * 2018-07-31 2018-12-18 上海斐讯数据通信技术有限公司 一种视频推荐方法及系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100186049A1 (en) * 2003-11-19 2010-07-22 Tom Carhart Personalized Media Services
CN101556615A (zh) * 2008-04-08 2009-10-14 索尼株式会社 信息处理设备和方法、推荐设备和方法、信息处理系统
CN102279865A (zh) * 2010-06-08 2011-12-14 索尼公司 内容推荐设备和内容推荐方法
JP2013025324A (ja) * 2011-07-14 2013-02-04 Kddi Corp レコメンド装置、レコメンド方法およびプログラム
CN103136253A (zh) * 2011-11-30 2013-06-05 腾讯科技(深圳)有限公司 获取信息的方法和装置
CN102946566A (zh) * 2012-10-24 2013-02-27 北京奇虎科技有限公司 基于历史信息的视频推荐方法和装置
JP2014215952A (ja) * 2013-04-30 2014-11-17 日本電信電話株式会社 コンテンツ推薦装置およびその動作方法
CN103546778A (zh) * 2013-07-17 2014-01-29 Tcl集团股份有限公司 一种电视节目推荐方法、系统及其实现方法
CN104333773A (zh) * 2013-12-18 2015-02-04 乐视网信息技术(北京)股份有限公司 一种视频推荐方法及服务器
US20160041998A1 (en) * 2014-08-05 2016-02-11 NFL Enterprises LLC Apparatus and Methods for Personalized Video Delivery
CN104301760A (zh) * 2014-11-10 2015-01-21 上海华勤通讯技术有限公司 电视节目推送方法
CN106649316A (zh) * 2015-10-29 2017-05-10 北京国双科技有限公司 一种视频推送方法及装置
EP3267386A1 (en) * 2016-07-07 2018-01-10 Yandex Europe AG Method and apparatus for generating a content recommendation in a recommendation system
CN106383895A (zh) * 2016-09-27 2017-02-08 北京金山安全软件有限公司 信息推荐方法、装置以及终端设备
CN108200464A (zh) * 2018-01-25 2018-06-22 青岛海信电器股份有限公司 智能电视以及便于选择教育课程内容的方法
CN108763579A (zh) * 2018-06-08 2018-11-06 Oppo(重庆)智能科技有限公司 搜索内容推荐方法、装置、终端设备及存储介质
CN109040795A (zh) * 2018-07-31 2018-12-18 上海斐讯数据通信技术有限公司 一种视频推荐方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
于洪涌;邱晨旭;闻剑峰;: "IPTV视频个性化推荐方案" *
殷复莲;柴剑平;高雅;: "数字电视节目推荐系统结构及推荐算法研究" *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112437350A (zh) * 2020-11-10 2021-03-02 深圳Tcl新技术有限公司 视频播放方法、装置、智能设备及计算机可读存储介质
CN113010733A (zh) * 2020-11-25 2021-06-22 腾讯科技(深圳)有限公司 信息推荐方法、装置、电子设备及计算机可读存储介质
CN113010733B (zh) * 2020-11-25 2024-05-17 腾讯科技(深圳)有限公司 信息推荐方法、装置、电子设备及计算机可读存储介质
CN112822527A (zh) * 2020-12-29 2021-05-18 北京达佳互联信息技术有限公司 视频推荐方法、装置、服务器及存储介质
CN112822527B (zh) * 2020-12-29 2022-08-26 北京达佳互联信息技术有限公司 视频推荐方法、装置、服务器及存储介质
CN112784069A (zh) * 2020-12-31 2021-05-11 重庆空间视创科技有限公司 一种iptv内容智能推荐系统以及方法
CN112784069B (zh) * 2020-12-31 2024-01-30 重庆空间视创科技有限公司 一种iptv内容智能推荐系统以及方法
CN115086700A (zh) * 2022-06-15 2022-09-20 北京有竹居网络技术有限公司 推送处理方法、装置、设备及介质
WO2023241650A1 (zh) * 2022-06-15 2023-12-21 北京有竹居网络技术有限公司 推送处理方法、装置、设备及介质

Also Published As

Publication number Publication date
CN111435371B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
US10356462B1 (en) Recommending a composite channel
CN111435371B (zh) 视频推荐方法及其系统、计算机程序产品、可读存储介质
CN109189951B (zh) 一种多媒体资源推荐方法、设备及存储介质
Barragáns-Martínez et al. A hybrid content-based and item-based collaborative filtering approach to recommend TV programs enhanced with singular value decomposition
Murakami et al. Metrics for evaluating the serendipity of recommendation lists
CN108875022B (zh) 一种视频推荐方法及装置
US10129596B2 (en) Adaptive row selection
US9473730B1 (en) Method and system for personalized recommendation modeling
JP4329436B2 (ja) コンテンツ視聴支援システム及びコンテンツ視聴支援方法、並びにコンピュータ・プログラム
US9465863B2 (en) Content-providing method and system
US20130024813A1 (en) Method, system, and means for expressing relative sentiments towards subjects and objects in an online environment
US20140137144A1 (en) System and method for measuring and analyzing audience reactions to video
KR101817042B1 (ko) 온라인 영상광고 계약 중개 시스템, 방법 및 그 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체
CN103339649A (zh) 基于情感的视频推荐
CN108471544B (zh) 一种构建视频用户画像方法及装置
EP3893181A1 (en) Method and system for matching location-based content
CN106131703A (zh) 一种视频推荐的方法和终端
JP2008542870A (ja) コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置
WO2013189738A1 (en) Method and apparatus for content recommendation
CN107748759A (zh) 视频推送方法及其设备
CN104967690B (zh) 一种信息推送方法及装置
JP2011095814A (ja) ユーザ嗜好適合アイテム推薦装置
CN102426577A (zh) 信息处理设备、信息处理系统、信息处理方法和程序
Xu et al. Catch-up TV recommendations: show old favourites and find new ones
US8943012B2 (en) Information processing device, information processing method, and program

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