CN111741336B - 视频内容推荐方法、装置、设备及存储介质 - Google Patents

视频内容推荐方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111741336B
CN111741336B CN202010696126.2A CN202010696126A CN111741336B CN 111741336 B CN111741336 B CN 111741336B CN 202010696126 A CN202010696126 A CN 202010696126A CN 111741336 B CN111741336 B CN 111741336B
Authority
CN
China
Prior art keywords
video content
user
target
recommendation
preset
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
CN202010696126.2A
Other languages
English (en)
Other versions
CN111741336A (zh
Inventor
曹小伍
曹景溢
雷铭杰
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.)
Hangzhou Xiangyi Technology Co Ltd
Original Assignee
Hangzhou Xiangyi 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 Hangzhou Xiangyi Technology Co Ltd filed Critical Hangzhou Xiangyi Technology Co Ltd
Priority to CN202010696126.2A priority Critical patent/CN111741336B/zh
Publication of CN111741336A publication Critical patent/CN111741336A/zh
Application granted granted Critical
Publication of CN111741336B publication Critical patent/CN111741336B/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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • 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
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • 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
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种视频内容推荐方法、装置、设备及存储介质，属于视频处理技术领域。本发明通过在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；获取所述视频内容推荐请求对应的预设推荐策略；基于所述预设策略从所述待推荐视频集中选取目标视频内容；将所述目标视频内容推送至终端设备，通过不同视频内容推荐请求对应的预设推荐策略，以多种预设推荐策略结合方式从待推荐视频集中选取目标视频内容，并将目标视频内容推送至终端设备，以使用户通过终端设备观看目标视频内容，使得视频内容的推荐更加灵活多变，也使得推荐的视频内容更加符合用户的实际需求。

Description

视频内容推荐方法、装置、设备及存储介质
技术领域
本发明涉及视频处理技术领域，尤其涉及一种视频内容推荐方法、装置、设备及存储介质。
背景技术
互联网时代催生了视频的产生及迅速膨胀，随着视频信息量的大幅增长，使得用户在面对大量视频时无法从中获得自己喜欢的视频内容，如何使视频内容更受用户的喜爱成为亟待解决的问题，各类视频软件或者网站等通过视频内容推荐的方式解决此问题，而通常的推荐方式是根据用户的历史浏览记录来向用户推荐视频，但是这样的推荐方式较为单一，并且历史浏览记录往往存在滞后性，使得推荐的视频内容不符合用户的实际需求。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种视频内容推荐方法、装置、设备及存储介质，旨在解决现有技术推荐的视频内容不符合用户的实际需求的技术问题。
为实现上述目的，本发明提供了一种视频内容推荐方法，所述方法包括以下步骤:
在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；
获取所述视频内容推荐请求对应的预设推荐策略；
基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容；
将所述目标视频内容推送至所述终端设备。
优选地，所述预设推荐策略包括第一预设推荐策略；
所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤包括：
基于所述第一预设推荐策略获取用户在观看当前视频内容时的行为信息；
根据所述行为信息确定所述用户对所述当前视频内容的感兴趣程度；
获取所述当前视频内容的视频信息；
根据所述感兴趣程度和所述视频信息从所述待推荐视频集中选取目标视频内容。
优选地，所述预设推荐策略还包括第二预设推荐策略；
所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤包括：
基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像；
获取所述当前视频内容对应的目标用户，以及所述目标用户对应的目标用户画像；
根据所述当前用户画像和所述目标用户画像确定所述当前用户和所述目标用户之间的用户相似度；
根据所述用户相似度从所述待推荐视频集中选取目标视频内容。
优选地，所述基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像的步骤之前还包括：
获取历史用户的静态信息，以及所述历史用户观看视频内容时的动态信息；
根据所述静态信息和所述动态信息确定所述历史用户对应的用户属性标签；
获取所述用户属性标签对应的预设权重值；
根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像。
优选地，所述根据所述多个用户标签以及所述各个用户标签对应的预设权重值建立所述用户的用户画像的步骤之后还包括：
获取所述历史用户在预设时间段内所观看的多个视频内容，以及各个视频内容对应的历史关注度、预设系数以及时间信息；
根据所述历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度；
根据所述当前关注度对所述历史用户的用户画像进行更新；
相应地，所述基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像的步骤包括：
基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的更新后的当前用户画像。
优选地，所述将所述目标视频内容推送至所述终端设备的步骤之后，还包括：
获取用户在观看所述目标视频内容时的观看数据；
根据所述观看数据确定所述用户的推荐满意度；
在所述推荐满意度不符合预设条件时，对所述预设推荐策略进行调整，得到新的预设推荐策略，并获取所述目标视频内容的目标标签；
基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容；
将所述新的目标视频内容推送至所述终端设备。
优选地，所述基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容的步骤包括：
从所述待推荐视频集中获取多个待推荐标签；
获取与所述目标标签相同的待推荐标签，并将获取的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
此外，为实现上述目的，本发明还提出一种视频内容推荐装置，所述装置包括：
接收模块，用于在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；
获取模块，用于获取所述视频内容推荐请求对应的预设推荐策略；
选取模块，用于基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容；
推荐模块，用于将所述目标视频内容推送至所述终端设备。
此外，为实现上述目的，本发明还提出一种视频内容推荐设备，所述视频内容推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频内容推荐程序，所述视频内容推荐程序配置为实现如上文所述的视频内容推荐方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有视频内容推荐程序，所述视频内容推荐程序被处理器执行时实现如上文所述的视频内容推荐方法的步骤。
本发明在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；获取所述视频内容推荐请求对应的预设推荐策略；基于所述预设策略从所述待推荐视频集中选取目标视频内容；将所述目标视频内容推送至所述终端设备，以使用户通过终端设备观看目标视频内容，通过不同视频内容推荐请求对应的预设推荐策略，以多种预设推荐策略结合方式从待推荐视频集中选取目标视频内容，并将目标视频内容推荐给用户，使得视频内容的推荐更加灵活多变，也使得推荐的视频内容更加符合用户的实际需求。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的视频内容推荐设备的结构示意图；
图2为本发明视频内容推荐方法第一实施例的流程示意图；
图3为本发明视频内容推荐方法第二实施例的流程示意图；
图4为本发明视频内容推荐方法第三实施例的流程示意图；
图5为本发明视频内容推荐方法第四实施例的流程示意图；
图6为本发明视频内容推荐装置第一实施例的结构框图。
本发明目的的实现、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
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的视频内容推荐设备结构示意图。
如图1所示，该视频内容推荐设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘 (Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及视频内容推荐程序。
在图1所示的视频内容推荐设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明视频内容推荐设备中的处理器1001、存储器1005可以设置在视频内容推荐设备中，所述视频内容推荐设备通过处理器1001调用存储器1005中存储的视频内容推荐程序，并执行以下操作：
在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；
获取所述视频内容推荐请求对应的预设推荐策略；
基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容；
将所述目标视频内容推送至所述终端设备。
进一步地，处理器1001可以调用存储器1005中存储的视频内容推荐程序，还执行以下操作：
基于所述第一预设推荐策略获取用户在观看当前视频内容时的行为信息；
根据所述行为信息确定所述用户对所述当前视频内容的感兴趣程度；
获取所述当前视频内容的视频信息；
根据所述感兴趣程度和所述视频信息从所述待推荐视频集中选取目标视频内容。
进一步地，处理器1001可以调用存储器1005中存储的视频内容推荐程序，还执行以下操作：
所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤包括：
基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像；
获取所述当前视频内容对应的目标用户，以及所述目标用户对应的目标用户画像；
根据所述当前用户画像和所述目标用户画像确定所述当前用户和所述目标用户之间的用户相似度；
根据所述用户相似度从所述待推荐视频集中选取目标视频内容。
进一步地，处理器1001可以调用存储器1005中存储的视频内容推荐程序，还执行以下操作：
获取历史用户的静态信息，以及所述历史用户观看视频内容时的动态信息；
根据所述静态信息和所述动态信息确定所述历史用户对应的用户属性标签；
获取所述用户属性标签对应的预设权重值；
根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像。
进一步地，处理器1001可以调用存储器1005中存储的视频内容推荐程序，还执行以下操作：
获取所述历史用户在预设时间段内所观看的多个视频内容，以及各个视频内容对应的历史关注度、预设系数以及时间信息；
根据所述历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度；
根据所述当前关注度对所述历史用户的用户画像进行更新。
基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的更新后的当前用户画像。
进一步地，处理器1001可以调用存储器1005中存储的视频内容推荐程序，还执行以下操作：
获取用户在观看所述目标视频内容时的观看数据；
根据所述观看数据确定所述用户的推荐满意度；
在所述推荐满意度不符合预设条件时，对所述预设推荐策略进行调整，得到新的预设推荐策略，并获取所述目标视频内容的目标标签；
基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容；
将所述新的目标视频内容推送至所述终端设备。
进一步地，处理器1001可以调用存储器1005中存储的视频内容推荐程序，还执行以下操作：
从所述待推荐视频集中获取多个待推荐标签；
获取与所述目标标签相同的待推荐标签，并将获取的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
本发明实施例提供了一种视频内容推荐方法，参照图2，图2为本发明一种视频内容推荐方法第一实施例的流程示意图。
本实施例中，所述视频内容推荐方法包括以下步骤：
步骤S10：在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集。
在本实施例中，执行主体为服务器，服务器可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本实施例中所描述的服务器，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器，其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。服务器中存储有大量的用户所观看视频内容的历史信息，历史信息包括观看记录、用户评论信息以及用户观看视频的时间等。
可以理解的是，本发明实施例中的终端设备既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端具体可以是台式终端或移动终端，终端具体可以手机、平板电脑、笔记本电脑等中的一种。
在本实施例中，服务器将视频内容发送给终端设备，用户通过终端设备进行视频内容的观看，终端设备根据用户的行为向服务器发送视频内容推荐请求，例如，本实施例中用户主动发起视频内容推荐，终端设备则向服务器发送主动视频内容推荐请求，此时，服务器接收终端设备发送的主动视频内容推荐请求，并根据主动视频内容推荐请求从视频资源库中获取待推荐视频集，若终端设备在预设时间内未检测到用户发起视频内容请求，终端设备则向服务器发送被动视频内容推荐请求，此时，服务器接收终端设备发送的被动视频内容推荐请求，并根据被动视频内容推荐请求从视频资源库中获取待推荐视频集，本实施例中的视频内容以及视频集泛指将一系列静态影像以电信号的方式加以捕捉、纪录、处理、储存、传送与重现的各种技术，包括短视频、电影、电视以及广告等。
容易理解的是，服务器根据两种视频内容推荐请求所述获取到的待推荐视频集中的视频内容存在差异，差异之处在于服务器根据接收到的被动视频内容推荐请求获取的待推荐视频集中的视频内容还包含有热度视频或实时政治新闻等。
步骤S20：获取所述视频内容推荐请求对应的预设推荐策略。
易于理解的是，由于服务器会接收到不同的视频内容推荐请求，因此，需要根据不同的视频内容推荐请求确定对应的预设推荐策略，预设推荐策略包括基于用户画像的推荐策略和实时推荐的推荐策略。基于用户画像的推荐策略是根据用户以往的历史观看信息建立用户画像，历史观看信息包括用户所观看视频内容的视频类型、观看时间以及是否存在点赞或转发行为等信息，根据这些信息可以建立用户对应的用户画像，用户画像又称用户角色，是一种勾画目标用户、联系用户诉求与设计方向的有效工具，在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来作为实际用户的虚拟代表。实时推荐策略是在用户喜好的视频内容的基础上将热门新闻以及实时政治相关的视频一起推荐给用户，使得用户能够更好了解新闻要事。设置不同的推荐策略更加符合用户观看视频内容的实际情况，因为通常会存在用户某天想看其他视频，以了解最近社会动态的情况，两种不同的推荐策略的搭配使得视频内容的推荐更加灵活多变，更能符合用户真实的观看需求。
步骤S30：基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容。
在本实施例中，基于不同的预设策略从待推荐视频集中选取目标视频内容，目标视频为待推荐视频集中选中的，将要推给用户的视频内容，易于理解的是，基于用户画像策略从待推荐视频集中选取的目标视频内容更加符合用户的视频喜好，实时推荐策略从待推荐视频集中选取的目标视频内容更加符合用户当下观看视频内容的需求。
步骤S40：将所述目标视频内容推送至所述终端设备。
在具体实施中，在得到目标视频内容之后，可以将目标视频内容直接推送至终端，即直接在终端设备界面播放目标视频内容，也可以通过缩略窗口的方式提示用户进行目标视频内容的观看，还可以为其他推荐方式，本实施例中不加以限制。
本实施例在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；获取所述视频内容推荐请求对应的预设推荐策略；基于所述预设策略从所述待推荐视频集中选取目标视频内容；将所述目标视频内容推送给终端设备，通过不同视频内容推荐请求对应的预设推荐策略，以多种预设推荐策略结合方式从待推荐视频集中选取目标视频内容，并将目标视频内容推荐给用户，使得视频内容的推荐更加灵活多变，也使得推荐的视频内容更加符合用户的实际需求。
参考图3，图3为本发明一种视频内容推荐方法第二实施例的流程示意图。
基于上述第一实施例，提出本发明一种视频内容推荐方法第三实施例，本实施例视频内容推荐方法中所述步骤S30包括：
步骤S301：基于所述第一预设推荐策略获取用户在观看当前视频内容时的行为信息。
在本实施例中，预设推荐策略包括第一预设推荐策略，第一预设推荐策略为实时推荐策略，由于实时推荐策略会将热点视频以及实时政治等视频内容推荐给用户，但是考虑到实际情况中，实时推荐策略所推荐的视频内容用户不感兴趣或者推荐的视频内容不是用户想看的内容，因此需要获取用户在观看当前视频内容时的行为信息，行为信息包括用户对当前视频内容的点赞、转发以及评论等行为的信息，服务器可以直接检测到用户的点赞、转发以及评论等行为，而在检测到用户的评论行为时，还需要获取用户对于当前视频内容的评论信息。
步骤S302：根据所述行为信息确定所述用户对所述当前视频内容的感兴趣程度。
在具体实施中，实时推荐策略需要实时获取对于推荐的视频内容的感兴趣程度，本实施例根据行为信息确定用户对当前视频内容的感兴趣程度，具体为根据行为信息中各种行为对应的感兴趣程度计算用户最终的感兴趣度，例如点赞行为对应的感兴趣程度为1，转发行为对应的感兴趣程度为2，评论行为分为差评和好评，好评对应的感兴趣程度为1，差评对应的感兴趣程度为 -1，假设用户对当前视频内容进行了点赞、转发以及好评，则用户对当前视频内容的感兴趣程度为4，若用户只对当前视频内容进行差评，则用户对当前视频的感兴趣程度为-1。
步骤S303：获取所述当前视频内容的视频信息。
在本实施例中，在获取用户对当前视频内容的感兴趣程度的同时，还获取当前视频内容的视频信息，视频信息包括视频内容的类型、风格、播放时长以及导演跟演员风格等信息，若视频内容为广告还包括广告中的商品信息，视频信息由服务器直接获取。
步骤S304：根据所述感兴趣程度和所述视频信息从所述待推荐视频集中选取目标视频内容。
在具体实施中，根据感兴趣程度和视频信息可以确定用户对视频内容的喜好，从而从待推荐视频集中选取目标视频内容，例如，假设当前视频内容A 为搞笑视频，当前视频内容播放时长为10秒，用户甲在观看当前视频内容A 时，进行了点赞、转发以及好评行为，根据甲用户行为可以确定用户甲喜欢看搞笑短视频，则从待推荐视频集中选取搞笑短视频作为目标视频内容，又假设当前视频内容B为动作电影，电影公司为X，用户乙进行了点赞与好评行为，根据用户乙的行为可以确定用户乙对电影公司X的动作电影感兴趣，则从待推荐视频集中选取电影公司X的动作电影作为目标视频内容。
容易理解的是，目标视频内容是按照用户感兴趣程度的排序从待推荐视频集中选取的，例如用户丙对X类视频内容的感兴趣程度为5，用户丙对Y 类视频内容的感兴趣程度为4，用户丙对Z类视频内容的感兴趣程度为3，则按照感兴趣程度依次将X类视频内容、Y类视频内容及Z类视频内容依次作为目标视频内容，可以将X类视频内容全部作为目标视频内容之后，再将Y 类视频内容作为目标视频内容，也可以在将预设数量的X类视频内容依次作为目标视频内容之后，再将Y类视频内容依次作为目标视频内容，具体方式可以根据实际情况自行设定，本实施例中不加以限制。
在本实施例中，预设推荐策略还包括第二预设推荐策略，第二预设推荐策略为基于用户画像推荐策略，在预设推荐策略为第二预设推荐策略时，所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤还包括：
步骤S301':基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像。
在具体实施中，用户画像是根据用户人口特征、行为偏好特征等信息抽象出来的用户模型，是真实用户的抽象表示，是建立在一系列真实数据之上的目标用户模型，用户画像可以用来做用户分类统计、精准营销、构建智能推荐系统、服务或产品私人订制、业务经营分析等。本实施例中基于第二预设推荐策略获取正在观看当前视频内容的当前用户，以及当前用户对应的当前用户头像。
步骤S302'：获取所述当前视频内容对应的目标用户，以及所述目标用户对应的目标用户画像。
本实施例中基于第二预设推荐策略还获取当前视频内容的目标用户，以及目标用户对应的目标用户头像，目标用户头像可以理解为当前视频内容对应的用户头像，即对当前视频内容感兴趣的用户对应的用户头像。
步骤S303'：根据所述当前用户画像和所述目标用户画像确定所述当前用户和所述目标用户之间的用户相似度。
在具体实施中，将当前用户画像与目标用户画像进行比对，根据比多结果可以判断当前用户是否可能也对当前视频内容感兴趣，具体比对方式为将当前用户画像与目标用户画像进行相似度比对，根据当前用户与目标用户之间的相似度从待推荐视频集中选取目标视频内容。
在本实施例中，通过以下公式得到用户相似度：
Figure GDA0002970527380000121
其中，w1为目标用户，w2为当前用户，Sim(w1,w2)表示当前用户与目标用户之间的相似度，PSw，wk为目标用户w1对某一视频内容Sk的评价，PSw2， Sk为目标用户w2对某一视频内容Sk的评价，WSw1,w2为目标用户与当前用户共同评价过的视频内容，
Figure GDA0002970527380000122
为目标用户的平均评分，
Figure GDA0002970527380000123
为当前用户的平均评分，根据上述公式即可计算出目标用户与当前用户之间的用户相似度。
步骤S304'：根据所述用户相似度从所述待推荐视频集中选取目标视频内容。
在具体实施例中，根据用户相似度从待推荐视频集中选取目标视频内容，例如，当前视频内容C对应的目标用户为X，目标用户画像X1，当前用户为 Y，当前用户画像Y1，根据X1与Y1计算目标用户X与当前用户Y之间的用户相似度，假设计算的到目标用户X与当前用户Y之间的用户相似度为95％，判定目标用户画像X1与当前用户画像Y1是相似的，则将当前视频内容C作为目标视频内容，具体相似度判断标准可以自行设定，本实施例不加以限制。
本实施例基于第一预设推荐策略获取的行为信息确定用户对当前视频内容的感兴趣程度，根据感兴趣程度从待推荐视频集中选取目标视频内容，或者基于第二预设推荐策略获取当前用户的当前用户画像和目标用户的目标用户画像，根据当前用户画像和目标用户画像确定当前用户和目标用户之间的用户相似度，并根据用户相似度从待推荐视频集中选取目标视频内容，通过第一预设推荐策略或第二预设推荐策略使得推荐的视频内容更符合用户的实际需求。
参考图4，图4为本发明一种视频内容推荐方法第三实施例的流程示意图。
基于上述第一实施例和第二实施例，提出本发明一种视频内容推荐方法第三实施例，本实施例视频内容推荐方法在所述步骤S301'之前还包括：
步骤S3000：获取历史用户的静态信息，以及所述历史用户观看视频内容时的动态信息。
易于理解的是，在获取用户画像之前需要对用户画像进行建立，本实施例中基于历史用户的静态信息与动态信息建立历史用户对应的用户画像。
需要说明的是，历史用户的静态信息包括用户的性别、年龄、地域、收入、学历、娱乐爱好以及个性特征等，历史用户的动态信息包括观看时间、观看设备、观看频率等。
步骤S3001：根据所述静态信息和所述动态信息确定所述历史用户对应的用户属性标签。
在具体实施中，根据静态信息和动态信息可以确定历史用户的用户属性标签，例如，用户属性标签包括年龄20、学生、杭州以及喜欢看恐怖片等。
步骤S3002：获取所述用户属性标签对应的预设权重值。
在本实施例中，历史用户的用户属性标签有相应的预设权重值，预设权重值可以根据实际情况自行设定，例如观看的电影X的预设权重值为0.7，观看电影的时间2h对应的预设权重值为0.9。
步骤S3003：根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像。
在本实施例中，根据用户属性标签以及预设权重值即可建立所述用户的用户画像，例如，M电影在2018年6月30日平台上映，甲用户观看了该影片M，当建立甲用户的画像时，甲用户标签为20岁男性，时间是2018年7 月1日，行为是观看电影，使用平台是某视频平台，最近看的M电影为科幻片，科幻片预设权重可以设定为0.9，这一观影行为完成的预设权重值设定为 1，平台新上线影片多为平台独家版权采用VIP付费方式，平台预设权重值是1，那么用户的偏好标签权重即:0.9*1*1＝0.9，即建立的用户画像是在平台喜好观看科幻电影的20岁年轻男性。
进一步地，在所述步骤S3003之后，还包括：
步骤S3004：获取所述历史用户在预设时间段内所观看的多个视频内容，以及各个视频内容对应的历史关注度、预设系数以及时间信息。
需要说明的是，随着用户的年龄增长以及兴趣爱好的变化等情况，原来构建的用户画像显然与现在的用户不符合，因此需要对用户画像进行更新，本实施例通过获取预设时间段各个视频内容的历史关注度、预设系数以及时间信息确定各个视频内容的当前关注度，历史关注度表示用户对历史记录中所观看过的各个视频的关注度，预设系数表示用户对视频内容的兴趣度衰减，预设系数与距上次观看视频内容的时间间隔有关，是根据不同平台预先设定的参数，时间信息为用户观看各个视频内容的时间。
步骤S3005：根据所述历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度。
在具体实施中，本实例通过以下公式可以计算各个视频内容的当前关注度：C＝H*(-D*T)，其中C为各个视频内容的当前关注度，H为各个视频内容的历史关注度，D为预设系数，T为时间信息，根据上述公式即可计算出各个视频内容的当前关注度。
步骤S3006：根据所述当前关注度对所述历史用户的用户画像进行更新。
在本实施例中，在获取到各个视频内容的当前关注度之后，根据当前关注度对用户画像进行更新，假设用户甲的用户画像为喜欢观看搞笑视频的20 岁男性，又获取到用户甲对于恐怖视频的历史关注度为20，对于搞笑视频的历史关注度为70，假设用户甲现在为21岁男性，并且根据上述公式计算得到用户甲对于恐怖视频的当前关注度为80，用户甲对于搞笑视频的当前关注度为40，可以判断出现在的用户甲更加喜欢恐怖视频，因此对用户甲的用户画像进行更新，更新后的用户甲的用户画像为喜欢看恐怖视频的21岁男性。
进一步地，所述步骤S301'包括：
步骤S301”：基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的更新后的当前用户画像。
容易理解的是，在对用户画像进行更新之后，需要重新获取更新后的用户画像，本实施例中基于第二预设推荐策略获取当前用户，以及当前用户对应的更新后的当前用户画像。
本实施例通过获取历史用户的静态信息，以及所述历史用户观看视频内容时的动态信息；根据所述静态信息和所述动态信息确定所述历史用户的用户属性标签；获取用户属性标签对应的预设权重值；根据所述用户属性标签以及预设权重值建立所述用户的用户画像，使得构建的用户画像更全面准确，同时获取所述历史用户在预设时间段内所观看的多个视频内容，以及各个视频内容对应的历史关注度、预设系数以及时间信息；根据所述历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度；根据所述当前关注度对所述历史用户的用户画像进行更新，通过对用户画像进行更新，提高用户画像的及时性，使得视频内容推荐更加准确。
参考图5，图5为本发明一种视频内容推荐方法第四实施例的流程示意图。
基于上述第一实施例，提出本发明一种视频内容推荐方法第四实施例，本实施例视频内容推荐方法在所述步骤S40之后还包括：
步骤S50：获取用户在观看所述目标视频内容时的观看数据。
容易理解的是，在将目标视频内容推荐给用户之后，需要获取用户观看目标视频内容的反馈结果，本实施例中通过获取用户在观看目标视频内容时的观看数据得到反馈结果，观看数据包括用户观看目标视频内容时的点赞数据、评论数据、转发数据、观看时长以及视频拉黑情况等。
步骤S60：根据所述观看数据确定所述用户的推荐满意度。
在具体实施中，根据获取到的观看数据可以确定用户的推荐满意度，例如，例如点赞行为对应的推荐满意为1，转发行为对应的推荐满意度为2，看完整个视频内容对应的满意度为5，观看50％视频内容对应的满意度为3，可以根据实际情况自行设定，本实施例中不加以限制。
步骤S70：在所述推荐满意度不符合预设条件时，对所述预设推荐策略进行调整，得到新的预设推荐策略，并获取所述目标视频内容的目标标签。
需要说明的是，根据推荐满意度判断用户对推荐的目标视频内容是否满意，判断依据是将推荐满意度与预设条件进行比较，在不满足预设条件时，判断用户对推荐的目标视频内容不满意，预设条件为推荐满意度阈值，具体推荐满意度阈值本实施例中也不加以限制，在推荐满意度不满足预设条件时，说明预设推荐策略推荐的目标视频内容不够准确，因此需要对预设推荐策略进行调整，对预设推荐策略的调整包括调整第一预设策略中行为信息与感兴趣程度对应的取值大小，例如将点赞行为对应的感兴趣程度从1调整至2，对预设推荐策略的调整还包括调整第二预设推荐策略中当前用户与目标用户之间的用户相似度对应的计算公式中的相关参数，或者调整根据静态信息和动态信息确定的多个用户标签各自对应的预设权重值，具体调整方式本实施例中不加以限制，同时获取目标视频内容的目标标签，是为了将目标视频内容这一类视频内容进行标记，以与其他视频内容进行区分。
步骤S80：基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容。
在具体实施中，基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容的步骤包括：从所述待推荐视频集中获取多个待推荐标签；获取与所述目标标签相同的待推荐标签，并将获取的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容，因为旧的目标视频内容不满足用户实际需求，因此需要将旧的目标视频内容以及相关的视频内容进行剔除，避免对再次选取目标视频内容时造成干扰，相同标签的视频内容的可以认定为属于相同类型以及相同受众人群等，因此将待推荐视频集中与目标标签相同的待推荐标签对应的待推荐视频内容召回，即可得到不含有与旧的目标视频内容属于同一类型或相同受众人群的待推荐视频集，即新的待推荐视频集。
步骤S90：将所述新的目标视频内容推送至所述终端设备。
在本实施例中，在得到新的目标视频内容之后，将新的目标视频内容推送至所述终端设备，使得用户能够通过终端设备观看新的目标视频内容，然后循环上述步骤，直至推荐满意度符合预设条件。
本实施例通过获取所述用户在观看所述目标视频内容时的目标行为数据；根据所述目标行为数据确定所述用户的推荐满意度；在所述推荐满意度不符合预设条件时，对所述预设推荐策略进行调整，得到新的预设推荐策略，并获取所述目标视频内容的目标标签；并将所述待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容；将所述新的目标视频内容推送至所述终端设备，使得用户能够通过终端设备观看新的目标视频内容，通过从新的待推荐视频集中选取新的目标视频内容，提高了视频内容推荐的准确性，使得推荐的目标视频内容更加符合用户的实际需求。
参照图6，图6为本发明视频内容推荐装置第一实施例的结构框图。
如图6所示，本发明实施例提出的视频内容推荐装置包括：
接收模块10，用于在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集。
在本实施例中，执行主体为视频内容推荐装置，视频内容推荐装置可以是服务器，也可以是服务器可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本实施例中所描述的服务器，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器，其中，云服务器由基于云计算(CloudComputing)的大量计算机或网络服务器构成。服务器中存储有大量的用户所观看视频内容的历史信息，历史信息包括观看记录、用户评论信息以及用户观看视频的时间等。
可以理解的是，本发明实施例中的终端设备既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种终端设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端具体可以是台式终端或移动终端，终端具体可以手机、平板电脑、笔记本电脑等中的一种。
在本实施例中，服务器将视频内容发送给终端设备，用户通过终端设备进行视频内容的观看，终端设备根据用户的行为向服务器发送视频内容推荐请求，例如，本实施例中用户主动发起视频内容推荐，终端设备则向服务器发送主动视频内容推荐请求，此时，服务器接收终端设备发送的主动视频内容推荐请求，并根据主动视频内容推荐请求从视频资源库中获取待推荐视频集，若终端设备在预设时间内未检测到用户发起视频内容请求，终端设备则向服务器发送被动视频内容推荐请求，此时，服务器接收终端设备发送的被动视频内容推荐请求，并根据被动视频内容推荐请求从视频资源库中获取待推荐视频集，本实施例中的视频内容以及视频集泛指将一系列静态影像以电信号的方式加以捕捉、纪录、处理、储存、传送与重现的各种技术，包括短视频、电影、电视以及广告等。
容易理解的是，服务器根据两种视频内容推荐请求所述获取到的待推荐视频集中的视频内容存在差异，差异之处在于服务器根据接收到的被动视频内容推荐请求获取的待推荐视频集中的视频内容还包含有热度视频或实时政治新闻等。
获取模块20，用于获取所述视频内容推荐请求对应的预设推荐策略。
易于理解的是，由于服务器会接收到不同的视频内容推荐请求，因此，需要根据不同的视频内容推荐请求确定对应的预设推荐策略，预设推荐策略包括基于用户画像的推荐策略和实时推荐的推荐策略。基于用户画像的推荐策略是根据用户以往的历史观看信息建立用户画像，历史观看信息包括用户所观看视频内容的视频类型、观看时间以及是否存在点赞或转发行为等信息，根据这些信息可以建立用户对应的用户画像，用户画像又称用户角色，是一种勾画目标用户、联系用户诉求与设计方向的有效工具，在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来作为实际用户的虚拟代表。实时推荐策略是在用户喜好的视频内容的基础上将热门新闻以及实时政治相关的视频一起推荐给用户，使得用户能够更好了解新闻要事。设置不同的推荐策略更加符合用户观看视频内容的实际情况，因为通常会存在用户某天想看其他视频，以了解最近社会动态的情况，两种不同的推荐策略的搭配使得视频内容的推荐更加灵活多变，更能符合用户真实的观看需求。
选取模块30，用于基于所述预设策略从所述待推荐视频集中选取目标视频内容。
在本实施例中，基于不同的预设策略从待推荐视频集中选取目标视频内容，目标视频为待推荐视频集中选中的，将要推给用户的视频内容，易于理解的是，基于用户画像策略从待推荐视频集中选取的目标视频内容更加符合用户的视频喜好，实时推荐策略从待推荐视频集中选取的目标视频内容更加符合用户当下观看视频内容的需求。
推荐模块40，用于将所述目标视频内容推送至所述终端设备。
在具体实施中，在得到目标视频内容之后，可以将目标视频内容直接推送至终端，即直接在终端设备界面播放目标视频内容，也可以通过缩略窗口的方式提示用户进行目标视频内容的观看，还可以为其他推荐方式，本实施例中不加以限制。
本实施例在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；获取所述视频内容推荐请求对应的预设推荐策略；基于所述预设策略从所述待推荐视频集中选取目标视频内容；将所述目标视频内容推送给终端设备，通过不同视频内容推荐请求对应的预设推荐策略，以多种预设推荐策略结合方式从待推荐视频集中选取目标视频内容，并将目标视频内容推荐给用户，使得视频内容的推荐更加灵活多变，也使得推荐的视频内容更加符合用户的实际需求。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有视频内容推荐程序，所述视频内容推荐程序被处理器执行时实现如上文所述的视频内容推荐方法的步骤。
在一实施例中，所述选取模块30，还用于基于所述第一预设推荐策略获取用户在观看当前视频内容时的行为信息；根据所述行为信息确定所述用户对所述当前视频内容的感兴趣程度；获取所述当前视频内容的视频信息；根据所述感兴趣程度和所述视频信息从所述待推荐视频集中选取目标视频内容。
在一实施例中，所述选取模块30，还用于基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像；获取所述当前视频内容对应的目标用户，以及所述目标用户对应的目标用户画像；根据所述当前用户画像和所述目标用户画像确定所述当前用户和所述目标用户之间的用户相似度；根据所述用户相似度从所述待推荐视频集中选取目标视频内容。
在一实施例中，还包括建立模块，用于获取历史用户的静态信息，以及所述历史用户观看视频内容时的动态信息；根据所述静态信息和所述动态信息确定所述历史用户对应的用户属性标签；获取所述用户属性标签对应的预设权重值；根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像。
在一实施例中，还包括更新模块，用于获取所述历史用户在预设时间段内所观看的多个视频内容，以及各个视频内容对应的历史关注度、预设系数以及时间信息；根据所述历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度；根据所述当前关注度对所述历史用户的用户画像进行更新。所述选取模块30，还用于基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的更新后的当前用户画像。
在一实施例中，还包括调整模块，用于获取用户在观看所述目标视频内容时的观看数据；根据所述观看数据确定所述用户的推荐满意度；在所述推荐满意度不符合预设条件时，对所述预设推荐策略进行调整，得到新的预设推荐策略，并获取所述目标视频内容的目标标签；基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容；所述推荐模块40，还用于将所述新的目标视频内容推送至所述终端设备。
在一实施例中，所述调整模块，还用于从所述待推荐视频集中获取多个待推荐标签；获取与所述目标标签相同的待推荐标签，并将获取的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的视频内容推荐方法，此处不再赘述。
此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种视频内容推荐方法，其特征在于，所述视频内容推荐方法包括：
在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；
获取所述视频内容推荐请求对应的预设推荐策略；
基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容；
将所述目标视频内容推送至所述终端设备；
所述预设推荐策略还包括第二预设推荐策略；
所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤包括：
基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像；
获取所述当前视频内容对应的目标用户，以及所述目标用户对应的目标用户画像；
通过预设公式计算所述当前用户和所述目标用户之间的用户相似度，所述预设公式为
Figure FDA0002970527370000011
其中，w1为目标用户，w2为当前用户，Sim(w1，w2)表示当前用户与目标用户之间的相似度，PSw1，wk为目标用户w1对某一视频内容Sk的评价，PSw2，Sk为目标用户w2对某一视频内容Sk的评价，WSw1，w2为目标用户与当前用户共同评价过的视频内容，
Figure FDA0002970527370000012
为目标用户的平均评分，
Figure FDA0002970527370000013
为当前用户的平均评分；
根据所述用户相似度从所述待推荐视频集中选取目标视频内容；
所述将所述目标视频内容推送至所述终端设备之后，还包括：
获取用户在观看所述目标视频内容时的观看数据；
根据所述观看数据确定所述用户的推荐满意度；
在所述推荐满意度不符合预设条件时，获取所述目标视频内容的目标标签，并对所述预设推荐策略进行调整，得到新的预设推荐策略；
将与所述目标标签相同的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
2.如权利要求1所述的视频内容推荐方法，其特征在于，所述预设推荐策略包括第一预设推荐策略；
所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤包括：
基于所述第一预设推荐策略获取用户在观看当前视频内容时的行为信息；
根据所述行为信息确定所述用户对所述当前视频内容的感兴趣程度；
获取所述当前视频内容的视频信息；
根据所述感兴趣程度和所述视频信息从所述待推荐视频集中选取目标视频内容。
3.如权利要求1所述的视频内容推荐方法，其特征在于，所述基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像的步骤之前还包括：
获取历史用户的静态信息，以及所述历史用户观看视频内容时的动态信息；
根据所述静态信息和所述动态信息确定所述历史用户对应的用户属性标签；
获取所述用户属性标签对应的预设权重值；
根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像。
4.如权利要求3所述的视频内容推荐方法，其特征在于，所述根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像的步骤之后还包括：
获取所述历史用户在预设时间段内所观看的多个视频内容，以及各个视频内容对应的历史关注度、预设系数以及时间信息；
根据所述历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度；
根据所述当前关注度对所述历史用户的用户画像进行更新；
相应地，所述基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像的步骤包括：
基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的更新后的当前用户画像。
5.如权利要求1至4中任一项目所述的视频内容推荐方法，其特征在于，所述将所述目标视频内容推送至所述终端设备的步骤之后，还包括：
获取用户在观看所述目标视频内容时的观看数据；
根据所述观看数据确定所述用户的推荐满意度；
在所述推荐满意度不符合预设条件时，对所述预设推荐策略进行调整，得到新的预设推荐策略，并获取所述目标视频内容的目标标签；
基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容；
将所述新的目标视频内容推送至所述终端设备。
6.如权利要求5所述的视频内容推荐方法，其特征在于，所述基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容的步骤包括：
从所述待推荐视频集中获取多个待推荐标签；
获取与所述目标标签相同的待推荐标签，并将获取的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
7.一种视频内容推荐装置，其特征在于，所述装置包括：
接收模块，用于在接收到终端设备发送的视频内容推荐请求时，从视频资源库中获取待推荐视频集；
获取模块，用于获取所述视频内容推荐请求对应的预设推荐策略；
选取模块，用于基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容；
推荐模块，用于将所述目标视频内容推送至所述终端设备；
所述预设推荐策略还包括第二预设推荐策略；
所述选取模块，还用于：基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户，以及所述当前用户对应的当前用户画像；
获取所述当前视频内容对应的目标用户，以及所述目标用户对应的目标用户画像；
通过预设公式计算所述当前用户和所述目标用户之间的用户相似度，所述预设公式为
Figure FDA0002970527370000041
其中，w1为目标用户，w2为当前用户，Sim(w1，w2)表示当前用户与目标用户之间的相似度，PSw1，wk为目标用户w1对某一视频内容Sk的评价，PSw2，Sk为目标用户w2对某一视频内容Sk的评价，WSw1，w2为目标用户与当前用户共同评价过的视频内容，
Figure FDA0002970527370000042
为目标用户的平均评分，
Figure FDA0002970527370000043
为当前用户的平均评分；
根据所述用户相似度从所述待推荐视频集中选取目标视频内容；
所述装置还包括调整模块；
所述调整模块，用于获取用户在观看所述目标视频内容时的观看数据；
根据所述观看数据确定所述用户的推荐满意度；
在所述推荐满意度不符合预设条件时，获取所述目标视频内容的目标标签，并对所述预设推荐策略进行调整，得到新的预设推荐策略；
将与所述目标标签相同的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回，得到新的待推荐视频集；
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
8.一种视频内容推荐设备，其特征在于，所述视频内容推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频内容推荐程序，所述视频内容推荐程序配置为实现如权利要求1至6中任一项所述的视频内容推荐方法的步骤。
9.一种存储介质，其特征在于，所述存储介质上存储有视频内容推荐程序，所述视频内容推荐程序被处理器执行时实现如权利要求1至6任一项所述的视频内容推荐方法的步骤。
CN202010696126.2A 2020-07-20 2020-07-20 视频内容推荐方法、装置、设备及存储介质 Active CN111741336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010696126.2A CN111741336B (zh) 2020-07-20 2020-07-20 视频内容推荐方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010696126.2A CN111741336B (zh) 2020-07-20 2020-07-20 视频内容推荐方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111741336A CN111741336A (zh) 2020-10-02
CN111741336B true CN111741336B (zh) 2021-05-11

Family

ID=72655023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010696126.2A Active CN111741336B (zh) 2020-07-20 2020-07-20 视频内容推荐方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111741336B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541115A (zh) * 2020-12-02 2021-03-23 创盛视联数码科技（北京）有限公司 推荐教学视频的方法、电子设备及计算机可读介质
CN112511865B (zh) * 2020-12-10 2022-05-03 杭州次元岛科技有限公司 一种基于社交媒体的视频内容推荐系统
CN113094586A (zh) * 2021-04-21 2021-07-09 腾讯音乐娱乐科技（深圳）有限公司 推送ugc的方法、装置、设备及存储介质
CN113407773A (zh) * 2021-05-30 2021-09-17 咸宁方片互娱网络有限公司 一种短视频智能推荐方法、系统、电子设备及存储介质
CN113709507B (zh) * 2021-07-28 2023-09-05 北京达佳互联信息技术有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN113727169A (zh) * 2021-08-27 2021-11-30 北京字跳网络技术有限公司 视频播放方法、装置、设备及存储介质
CN115623284B (zh) * 2022-12-16 2023-03-07 湖南有态度网络科技有限公司 一种短视频的推送方法、装置、设备及存储介质
CN116028712B (zh) * 2022-12-28 2023-08-08 广州致和网络科技有限公司 一种基于历史信息的酒店房间智能推荐系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107580073A (zh) * 2017-10-19 2018-01-12 世纪龙信息网络有限责任公司 实现目标用户消息推送的方法及装置
CN110781321A (zh) * 2019-08-28 2020-02-11 腾讯科技（深圳）有限公司 一种多媒体内容推荐方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107580073A (zh) * 2017-10-19 2018-01-12 世纪龙信息网络有限责任公司 实现目标用户消息推送的方法及装置
CN110781321A (zh) * 2019-08-28 2020-02-11 腾讯科技（深圳）有限公司 一种多媒体内容推荐方法及装置

Also Published As

Publication number Publication date
CN111741336A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN111741336B (zh) 视频内容推荐方法、装置、设备及存储介质
CN107087235B (zh) 媒体内容推荐方法、服务器及客户端
US11870859B2 (en) Relevant secondary-device content generation based on associated internet protocol addressing
US8438598B2 (en) Information processing apparatus, information processing method, program, and information sharing system
US20210227279A1 (en) Intelligent multi-device content distribution based on internet protocol addressing
US20140344057A1 (en) Interactive advertising
US20170251258A1 (en) Techniques for context aware video recommendation
CN101743538A (zh) 生成用户配置文件的方法和设备
JP2010527066A (ja) 個人化されたリソースをオンデマンドで消費者デバイスアプリケーションに広帯域ネットワークを介して提供すること
KR20060103909A (ko) 추천을 위한 개선된 협동 필터링 기술
US20140379456A1 (en) Methods and systems for determining impact of an advertisement
WO2017210644A1 (en) System and method for a platform to identify and connect like-minded individuals based on interaction
CN111444415A (zh) 弹幕处理方法、服务器、客户端、电子设备及存储介质
CN111159570A (zh) 一种信息推荐方法及服务器
Li Lifestyles, technology clustering, and the adoption of over-the-top television and Internet protocol television in Taiwan
CN115455280A (zh) 一种推荐列表确定方法和服务器
CN109451334B (zh) 用户画像生成处理方法、装置及电子设备
CN114036342A (zh) 一种视频推荐方法、装置、设备及可读存储介质
US10924568B1 (en) Machine learning system for networking
US20230015546A1 (en) Systems and Methods for Alternative Adverts
CN115225921B (zh) 基于大数据的直播互动控制方法、装置、设备及存储介质
US20230007352A1 (en) Systems and Methods for Alternative Adverts
JP6069245B2 (ja) 情報処理装置、情報処理装置の制御方法、及びプログラム
US11917263B2 (en) Device, method, and graphical user interface for alternative advert system
US20230005018A1 (en) Systems and Methods of Providing Alternative Advert (AA) Query Items and AA Offers for an AA System

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