CN111988642B - 推荐视频的方法、装置、服务器和存储介质 - Google Patents

推荐视频的方法、装置、服务器和存储介质 Download PDF

Info

Publication number
CN111988642B
CN111988642B CN201910439087.5A CN201910439087A CN111988642B CN 111988642 B CN111988642 B CN 111988642B CN 201910439087 A CN201910439087 A CN 201910439087A CN 111988642 B CN111988642 B CN 111988642B
Authority
CN
China
Prior art keywords
account
target
video
videos
primary passive
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
CN201910439087.5A
Other languages
English (en)
Other versions
CN111988642A (zh
Inventor
袁超
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 Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet 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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN201910439087.5A priority Critical patent/CN111988642B/zh
Publication of CN111988642A publication Critical patent/CN111988642A/zh
Application granted granted Critical
Publication of CN111988642B publication Critical patent/CN111988642B/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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/239—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests
    • H04N21/2393—Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests involving handling client requests
    • 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]
    • H04N21/40—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)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开是关于一种推荐视频的方法、装置、服务器和存储介质，涉及视频处理技术领域。所述方法包括：接收终端发送的视频推荐页面请求，确定终端登录的目标账户的至少一个一级被动关联账户，视频推荐页面请求是用于请求目标账户的至少一个主动关联账户发布的视频的消息；基于各一级被动关联账户的账户信息，在至少一个一级被动关联账户中，选取目标一级被动关联账户；在目标一级被动关联账户发布的视频中，确定推荐视频，向终端发送推荐视频。采用本公开，可以在目标账户的优质被动关联账户发布的视频中选取一些较好的视频进行推荐，可以丰富推荐视频的方式。

Description

推荐视频的方法、装置、服务器和存储介质
技术领域
本公开涉及视频处理技术领域，尤其涉及一种推荐视频的方法、装置、服务器和存储介质。
背景技术
用户可以通过短视频应用程序观看短视频。在用户打开短视频应用程序之后，终端可以向服务器发送视频推荐页面请求，在服务器接收到视频推荐页面请求之后，服务器可以在视频库中选取一些该用户可能比较感兴趣的视频，将选取的视频发送至终端中，以供终端在视频推荐页面中展示接收到的视频。在上述过程中，服务器可以在整个视频库中选取点击量排序靠前的热门视频进行推荐，也可以在用户关注过的用户近期发布的视频中选取视频进行推荐。
相关技术中推荐视频的方式较为单一。
发明内容
本公开提供一种推荐视频的方法和装置，能够克服相关技术中推荐视频的方式较为单一的问题。
根据本公开实施例的第一方面，提供一种推荐视频的方法，包括：
接收终端发送的视频推荐页面请求，确定所述终端登录的目标账户的至少一个一级被动关联账户，所述视频推荐页面请求是用于请求所述目标账户的至少一个主动关联账户发布的视频的消息；
基于各一级被动关联账户的账户信息，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户；
在所述目标一级被动关联账户发布的视频中，确定推荐视频，向所述终端发送所述推荐视频。
可选地，所述基于各一级被动关联账户的账户信息，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户，包括：
获取各一级被动关联账户的正向属性参数，其中，所述一级被动关联账户的账户信息包括所述一级被动关联账户的正向属性参数；
基于一级被动关联账户的正向属性参数，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户。
可选地，所述正向属性参数包括一级被动关联账户的二级被动关联账户数目，所述基于一级被动关联账户的正向属性参数，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户，包括：
确定所述至少一个一级被动关联账户的二级被动关联账户数目；
在所述至少一个一级被动关联账户中，选取二级被动关联账户数目最多的第一预设数目个目标一级被动关联账户。
可选地，所述在所述目标一级被动关联账户发布的视频中，确定推荐视频，包括：
将当前时间点减去预设时长，得到目标时间点；
在所述目标一级被动关联账户于所述目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
可选地，所述在所述目标一级被动关联账户于所述目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频，包括：
顺序对所述目标一级被动关联账户进行视频筛选处理，以筛选出所述目标一级被动关联账户于所述目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频。
可选地，所述顺序对所述目标一级被动关联账户进行视频筛选处理，以筛选出所述目标一级被动关联账户于所述目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频，包括：
将N的数值设置为1，对各目标一级被动关联账户进行排序，获取排序在第N位的目标一级被动关联账户；
如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频；
如果当前已选取的推荐视频的数目小于第二预设数目、且在所述各目标一级被动关联账户发布的所有视频中存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则确定所述第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户；如果所述第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将所述N加1，如果所述第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将所述N设置为1；转至执行如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
可选地，所述对各目标一级被动关联账户进行排序，包括：
将每个目标一级被动关联账户的账户特征信息分别和所述目标账户的账户特征信息，输入到预先训练的相关度计算网络模型中，得到所述每个目标一级被动关联账户和所述目标账户之间的相关度；
按照相关度由高到低的顺序，对各目标一级被动关联账户进行排序。
可选地，所述向所述终端发送所述推荐视频，包括：
确定各推荐视频和所述目标账户的主动关联账户发布的各目标视频对应的展示排序信息；
向所述终端发送所述推荐视频、所述目标视频、以及所述展示排序信息。
可选地，所述确定各推荐视频和所述目标账户的主动关联账户发布的各目标视频对应的展示排序信息，包括：
将每个目标视频的视频特征信息分别和所述目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个目标视频的兴趣度；
将每个推荐视频的视频特征信息分别和所述目标账户的账户特征信息，输入到所述预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个推荐视频的兴趣度；
基于所述目标账户对各目标视频的兴趣度和对各推荐视频的兴趣度，确定所述各目标视频和所述各推荐视频对应的展示排序信息。
可选地，所述账户特征信息包括个人信息、历史视频浏览记录和发布的视频的相关信息中的任一项或者多项。
根据本公开实施例的第二方面，提供一种推荐视频的装置，包括：
接收模块，被配置为接收终端发送的视频推荐页面请求，确定所述终端登录的目标账户的至少一个一级被动关联账户，所述视频推荐页面请求是用于请求所述目标账户的至少一个主动关联账户发布的视频的消息；
选取模块，被配置为基于各一级被动关联账户的账户信息，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户；
推荐模块，被配置为在所述目标一级被动关联账户发布的视频中，确定推荐视频，向所述终端发送所述推荐视频。
可选地，所述选取模块，被配置为：
获取各一级被动关联账户的正向属性参数，其中，所述一级被动关联账户的账户信息包括所述一级被动关联账户的正向属性参数；
基于一级被动关联账户的正向属性参数，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户。
可选地，所述正向属性参数包括一级被动关联账户的二级被动关联账户数目，所述选取模块，被配置为：
确定所述至少一个一级被动关联账户的二级被动关联账户数目；
在所述至少一个一级被动关联账户中，选取二级被动关联账户数目最多的第一预设数目个目标一级被动关联账户。
可选地，所述推荐模块，被配置为：
将当前时间点减去预设时长，得到目标时间点；
在所述目标一级被动关联账户于所述目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
可选地，所述推荐模块，被配置为：
顺序对所述目标一级被动关联账户进行视频筛选处理，以筛选出所述目标一级被动关联账户于所述目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频。
可选地，所述推荐模块，被配置为：
将N的数值设置为1，对各目标一级被动关联账户进行排序，获取排序在第N位的目标一级被动关联账户；
如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频；
如果当前已选取的推荐视频的数目小于第二预设数目、且在所述各目标一级被动关联账户发布的所有视频中存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则确定所述第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户；如果所述第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将所述N加1，如果所述第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将所述N设置为1；转至执行如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
可选地，所述推荐模块，被配置为：
将每个目标一级被动关联账户的账户特征信息分别和所述目标账户的账户特征信息，输入到预先训练的相关度计算网络模型中，得到所述每个目标一级被动关联账户和所述目标账户之间的相关度；
按照相关度由高到低的顺序，对各目标一级被动关联账户进行排序。
可选地，所述推荐模块，被配置为：
确定各推荐视频和所述目标账户的主动关联账户发布的各目标视频对应的展示排序信息；
向所述终端发送所述推荐视频、所述目标视频、以及所述展示排序信息。
可选地，所述推荐模块，被配置为：
将每个目标视频的视频特征信息分别和所述目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个目标视频的兴趣度；
将每个推荐视频的视频特征信息分别和所述目标账户的账户特征信息，输入到所述预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个推荐视频的兴趣度；
基于所述目标账户对各目标视频的兴趣度和对各推荐视频的兴趣度，确定所述各目标视频和所述各推荐视频对应的展示排序信息。
可选地，所述账户特征信息包括个人信息、历史视频浏览记录和发布的视频的相关信息中的任一项或者多项。
根据本公开实施例的第三方面，提供一种服务器，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行本公开实施例第一方面提供的推荐视频的方法。
根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行本公开实施例第一方面提供的推荐视频的方法。
根据本公开实施例的第五方面，提供一种应用程序，包括：
接收终端发送的视频推荐页面请求，确定所述终端登录的目标账户的至少一个被动关联账户；
至少基于被动关联账户的被动关联账户信息，在所述至少一个被动关联账户中，选取目标一级被动关联账户；
在所述目标一级被动关联账户发布的视频中，确定推荐视频，向所述终端发送所述推荐视频。
本公开的实施例提供的技术方案可以包括以下有益效果：
通过本公开实施例提供的方法，可以接收终端发送的视频推荐页面请求，确定终端登录的目标账户的至少一个被动关联账户；基于被动关联账户的被动关联账户信息，在至少一个被动关联账户中，选取目标一级被动关联账户；在目标一级被动关联账户发布的视频中，确定推荐视频，向终端发送推荐视频。进而可以在目标账户的优质被动关联账户发布的视频中选取一些较好的视频进行推荐，可以丰富推荐视频的方式。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种推荐视频的方法的流程图；
图2是根据一示例性实施例示出的一种推荐视频的装置框图；
图3是根据一示例性实施例示出的一种推荐视频的方法的流程图；
图4是根据一示例性实施例示出的一种推荐视频的装置框图；
图5是根据一示例性实施例示出的一种服务器的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种推荐视频的方法的流程图，如图1所示，推荐视频的方法用于服务器中，包括以下步骤。
在步骤S110中，接收终端发送的视频推荐页面请求，确定终端登录的目标账户的至少一个一级被动关联账户。
在实施中，用户可以通过短视频应用程序观看短视频。首先，用户可以打开短视频应用程序，进入短视频应用程序的首页，接着，用户可以选择自己感兴趣的页面进行查看。用户可以选择关注页查看自己关注过的用户最近发布的一些视频。在关注页中，除了可以为用户展示他关注过的用户最近发布的一些视频之外，还可以展示服务器推荐的一些推荐视频。这些推荐视频可以是用户的粉丝用户发布的视频。在本公开实施例中，关联账户可以包括主动关联账户(也可以称为关注账户)和被动关联账户(也可以称为粉丝账户)。主动关联账户是目标账户对任一账户主动发起的关注操作，以后续在关注页中接收该任一账户发布的视频。被动关联账户是任一账户对目标账户主动发起的关注操作，目标账户被动地被该任一账户所关注，以后续将目标账户发布的视频在该任一账户对应的关注页中进行展示。被动关联账户又可以包括一级被动关联账户、二级被动关联账户等。一级被动关联账户可以是目标账户的粉丝账户。二级被动关联账户可以是目标账户的粉丝账户的粉丝账户，二级被动关联账户和目标账户之间的关系是间接的。
在服务器确定推荐视频的过程中，当终端检测到对关注页的选择操作时，可以向服务器发送视频推荐页面请求。视频推荐页面请求可以是用于请求目标账户的至少一个主动关联账户发布的视频的消息。服务器可以接收终端发送的视频推荐页面请求。在视频推荐页面请求中携带有终端当前登录的目标账户，如账户标识。服务器可以确定视频推荐页面请求中携带的目标账户，在本地存储的粉丝列表中，确定目标账户的至少一个一级被动关联账户。这些一级被动关联账户是关注过目标账户的账户。
在步骤S120中，基于各一级被动关联账户的账户信息，在至少一个一级被动关联账户中，选取目标一级被动关联账户。
在实施中，由于目标账户的一级被动关联账户的数目可能比较多，如果将所有一级被动关联账户发布的一些视频都推荐给目标账户，目标账户可能不会很感兴趣，进而也不会产生点击量。可以在众多一级被动关联账户中，选择一些优质一级被动关联账户，推荐优质一级被动关联账户发布的一些视频。服务器中可以设置有优质粉丝挑选模块，优质粉丝挑选模块可以确定至少一个一级被动关联账户的账户信息，在至少一个一级被动关联账户中，选取目标一级被动关联账户。
可选地，步骤S120可以包括：获取各一级被动关联账户的正向属性参数，其中，一级被动关联账户的账户信息包括一级被动关联账户的正向属性参数；基于一级被动关联账户的正向属性参数，在至少一个一级被动关联账户中，选取目标一级被动关联账户。
正向属性参数是用于描述账户在短视频平台的活跃度或者受欢迎度的正向信息的参数，当账户在短视频平台的活跃度高或者受欢迎度高时，对应发布视频的数目、发布的视频的总点赞量、视频的总评论量、发布的视频的总转发量等相应较高，因此可以将类似上述可以用于描述账户在短视频平台的活跃度或者受欢迎度的正向信息的参数作为本公开中的正向属性参数。
一级被动关联账户的正向属性参数可以包括一级被动关联账户发布的视频的数目、一级被动关联账户发布的视频的总点赞量、一级被动关联账户发布的视频的总评论量、一级被动关联账户发布的视频的总转发量等可以表征一级被动关联账户在短视频平台的活跃度和受欢迎度的参数。
当正向属性参数是一级被动关联账户发布的视频的数目时，服务器可以在至少一个一级被动关联账户中，选取发布的视频的数目大于第一阈值的目标一级被动关联账户。
当正向属性参数是一级被动关联账户发布的视频总点赞量时，服务器可以在至少一个一级被动关联账户中，选取发布的视频的总点赞量大于第二阈值的目标一级被动关联账户。
当正向属性参数是一级被动关联账户发布的视频的总评论量时，服务器可以在至少一个一级被动关联账户中，选取发布的视频的总评论量大于第三阈值的目标一级被动关联账户。
当正向属性参数是一级被动关联账户发布的视频的总转发量时，服务器可以在至少一个一级被动关联账户中，选取发布的视频的总转发量大于第四阈值的目标一级被动关联账户。
或者，当正向属性参数是一级被动关联账户发布的视频的数目、一级被动关联账户发布的视频的总点赞量、一级被动关联账户发布的视频的总评论量、一级被动关联账户发布的视频的总转发量中的至少两个参数时，服务器可以在至少一个一级被动关联账户中，选取发布的视频的至少两个参数都大于各参数对应的阈值的目标一级被动关联账户。
或者，当正向属性参数是一级被动关联账户发布的视频的数目、一级被动关联账户发布的视频的总点赞量、一级被动关联账户发布的视频的总评论量、一级被动关联账户发布的视频的总转发量中的至少两个参数时，服务器可以计算至少两个参数的平均值、加权平均值或者方差，在至少一个一级被动关联账户中，选取发布的视频的至少两个参数的平均值、加权平均值或者方差大于对应的阈值的目标一级被动关联账户。
可选地，正向属性参数还可以包括一级被动关联账户的二级被动关联账户数目，基于一级被动关联账户的正向属性参数，在至少一个一级被动关联账户中，选取目标一级被动关联账户的步骤可以包括：确定至少一个一级被动关联账户的二级被动关联账户数目；在至少一个一级被动关联账户中，选取二级被动关联账户数目最多的第一预设数目个目标一级被动关联账户。
优质粉丝挑选模块可以确定每个粉丝账户的粉丝账户。例如，目标账户是A，目标账户A的粉丝账户是B，粉丝账户B也可以有自己的粉丝，粉丝账户B的粉丝账户可以是C。即粉丝账户C关注过粉丝账户B，粉丝账户B关注过目标账户A。接着，优质粉丝挑选模块可以确定每个粉丝账户的粉丝账户数目。例如，目标账户A有三个粉丝账户，分别是粉丝账户B、粉丝账户D和粉丝账户E，粉丝账户B自己有10和粉丝账户，粉丝账户D自己有20个粉丝账户，粉丝账户E自己有30个粉丝账户。优质粉丝挑选模块可以按照粉丝账户数目由多到少的顺序，对目标账户的所有粉丝账户进行排序。例如，粉丝账户E-粉丝账户D-粉丝账户B。最后，优质粉丝挑选模块可以选取粉丝账户最多的第一预设数目个目标粉丝账户。例如，优质粉丝挑选模块可以选取粉丝账户信息最多的2个目标粉丝账户，目标粉丝账户则可以是粉丝账户E和粉丝账户D。
在步骤S130中，在目标一级被动关联账户发布的视频中，确定推荐视频，向终端发送推荐视频。
在实施中，在服务器中还可以设置有优质粉丝作品挑选模块。优质粉丝作品挑选模块可以在目标一级被动关联账户发布的视频中，挑选推荐视频。服务器可以将挑选出的推荐视频发送至目标账号登录的终端。
可选地，在目标一级被动关联账户发布的视频中，确定推荐视频的步骤可以包括：将当前时间点减去预设时长，得到目标时间点；在目标一级被动关联账户于目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
可选地，在目标一级被动关联账户于目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频的步骤可以包括：顺序对目标一级被动关联账户进行视频筛选处理，以筛选出目标一级被动关联账户于目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频。
在实施中，服务器可以在目标一级被动关联账户近期发布的视频中，选择推荐视频。例如，服务器可以在目标一级被动关联账户最近3天之内发布的视频中，选择推荐视频。服务器可以确定当前时间点，将当前时间点减去预设时长，得到目标时间点。在目标一级被动关联账户于目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
可选地，在目标一级被动关联账户于目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频的步骤可以包括：将N的数值设置为1，对各目标一级被动关联账户进行排序，获取排序在第N位的目标一级被动关联账户；如果在第N位的目标一级被动关联账户发布的视频中，存在目标时间点之后发布的且未被选取为推荐视频的视频，则在第N位的目标一级被动关联账户于目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频；如果当前已选取的推荐视频的数目小于第二预设数目、且在各目标一级被动关联账户发布的所有视频中存在目标时间点之后发布的且未被选取为推荐视频的视频，则确定第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户；如果第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将N加1，如果第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将N设置为1；转至执行如果在第N位的目标一级被动关联账户发布的视频中，存在目标时间点之后发布的且未被选取为推荐视频的视频，则在第N位的目标一级被动关联账户于目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
在实施中，服务器可以对各目标一级被动关联账户进行排序。服务器可以将每个目标一级被动关联账户的账户特征信息分别和目标账户的账户特征信息，输入到预先训练的相关度计算网络模型中，得到每个目标一级被动关联账户和目标账户之间的相关度。按照相关度由高到低的顺序，对各目标一级被动关联账户进行排序。其中，账户特征信息可以包括但不限于个人信息、历史视频浏览记录、发布的视频的相关信息。
服务器可以统计每个账户的账户特征信息。服务器可以统计账户对应的个人信息，包括性别、年龄、职业、毕业学校、地址等信息。或者，服务器可以统计账户对应的历史视频浏览记录，基于账户的历史视频浏览记录，分析用户感兴趣的视频的类别和内容等信息。再或者，服务器可以统计通过账户发布的视频的相关信息，基于通过账户发布的视频的相关信息，也可以分析用户感兴趣的视频的类别和内容等信息。
在统计每个账户的账户特征信息之后，服务器可以通过预先训练的相关度计算网络模型对账户特征信息进行特征提取和分析。服务器可以将每个目标一级被动关联账户的账户特征信息分别和目标账户的账户特征信息，输入到预先训练的相关度计算网络模型中，得到每个目标一级被动关联账户和目标账户之间的相关度。例如，目标账户A的目标一级被动关联账户D、目标一级被动关联账户E，和目标账户之间的相关度依次为0.9、0.8。接着，服务器可以按照相关度由高到低的顺序，对各目标一级被动关联账户进行排序。例如，排序为目标一级被动关联账户D-目标一级被动关联账户E。目标一级被动关联账户和目标账户之间的相关度可以表示目标一级被动关联账户和目标账户之间的兴趣相似度和发布的视频的相似度。
在排序完毕之后，服务器可以设置排序位置为N，N的初始值为1，接着可以执行下面的步骤：
(1)获取排序在第N位的目标一级被动关联账户。
(2)如果在第N位的目标一级被动关联账户发布的视频中，存在目标时间点之后发布的且未被选取为推荐视频的视频，则在第N位的目标一级被动关联账户于目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
(3)如果当前已选取的推荐视频的数目小于第二预设数目、且在各目标一级被动关联账户发布的所有视频中存在目标时间点之后发布的且未被选取为推荐视频的视频，则确定第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户。
(4)如果第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将N加1。转至执行(1)，从(1)继续向后面的步骤执行。
(5)如果第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将N设置为1。转至执行(1)，从(1)继续向后面的步骤执行。
(6)如果当前已选取的推荐视频的数目等于第二预设数目、或者在各目标一级被动关联账户发布的所有视频中不存在目标时间点之后发布的且未被选取为推荐视频的视频，则停止。
例如，目标账户A的目标一级被动关联账户包括目标一级被动关联账户A、目标一级被动关联账户B和目标一级被动关联账户C，按照相关度由高到低的顺序进行排序，排序结果为目标一级被动关联账户A-目标一级被动关联账户B-目标一级被动关联账户C，这些目标一级被动关联账户在最近3天之内发布的视频依次为A：{A1、A2}、B：{空}、C{C1、C2}。设第二预设数目为3，则按照上面的方法最终挑选的推荐视频依次可以是A1、C1和A2。
可选地，在确定推荐视频之后，服务器可以直接将推荐视频发送至终端，也可以将一些目标账户关注过的主动关联账户发布的视频一同发送至终端。由于发送至终端的视频数量不唯一，在服务器中还可以确定这些视频的展示顺序，排序在前的视频，用户可以先查看到，排序在后的视频，用户可以通过滑动页面的操作进行查看。服务器可以获取目标账户的主动关联账户发布的目标视频。确定各目标视频和各推荐视频对应的展示排序信息。向终端发送推荐视频、目标视频、以及各目标视频和各推荐视频对应的展示排序信息。其中，账户特征信息可以包括但不限于个人信息、历史视频浏览记录、发布的视频的相关信息。
可选地，确定各目标视频和各推荐视频对应的展示排序信息的步骤可以包括：将每个目标视频的视频特征信息分别和目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到目标账户对每个目标视频的兴趣度；将每个推荐视频的视频特征信息分别和目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到目标账户对每个推荐视频的兴趣度；基于目标账户对各目标视频的兴趣度和对各推荐视频的兴趣度，确定各目标视频和各推荐视频对应的展示排序信息。
在实施中，服务器中还可以设置有粉丝作品插入模块。粉丝作品插入模块可以确定目标账户关注过的主动关联账户，获取主动关联账户发布的目标视频，可是主动关联账户近期发布的目标视频。接着，粉丝作品插入模块可以获取目标视频的视频特征信息，视频特征信息可以是视频所属类型、视频内容、视频的点击量、视频的浏览量、视频的评论量等信息。粉丝作品插入模块还可以获取目标账户的账户特征信息，将每个目标视频的视频特征信息分别和目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到目标账户对每个目标视频的兴趣度。目标账户对目标视频的兴趣度可以表示存在多大概率用户可能会点击查看该目标视频以及存在多大概率用户可能会评论该目标视频。粉丝作品插入模块还可以将每个推荐视频的视频特征信息分别和目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到目标账户对每个推荐视频的兴趣度。最后，粉丝作品插入模块可以基于目标账户对各目标视频的兴趣度和对各推荐视频的兴趣度，确定各目标视频和各推荐视频对应的展示排序信息，服务器可以向终端发送推荐视频、目标视频、以及各目标视频和各推荐视频对应的展示排序信息。这样终端在接收到推荐视频、目标视频、以及各目标视频和各推荐视频对应的展示排序信息之后，可以基于各目标视频和各推荐视频对应的展示排序信息对推荐视频、目标视频进行排序，按照排序依次展示推荐视频或者目标视频。
可选地，可以在关注页中展示推荐视频的对应位置上，添加对推荐视频的描述信息，例如，“该视频是你的粉丝发布的”、“Ta关注了你”等字样，以提示用户推荐视频的来源。
如图2所示，在服务器中，可以设置主动关联账户发布的视频召回和兴趣度估计模块，用于在主动关联账户发布的视频中挑选目标视频，以及对估计目标账户对目标视频的兴趣度。具体可以通过预先训练的兴趣度估计网络模型估计目标账户对目标视频的兴趣度，通过预先训练的兴趣度估计网络模型估计目标账户对目标视频的兴趣度在上述过程中已进行描述，可参见上述关于通过预先训练的兴趣度估计网络模型估计目标账户对目标视频的兴趣度的描述。可以设置目标视频排序模块，用于按照目标账户对目标视频的兴趣度，对目标视频进行排序，输出目标视频的展示排序信息。具体可以按照兴趣度由高到低的顺序对目标视频进行排序，对目标视频进行排序在上述过程中已进行描述，可参见上述关于对目标视频进行排序的描述。可以设置优质粉丝挑选模块，用于在目标账户的被动关联账户中挑选优质的目标一级被动关联账户。可以设置优质粉丝作品挑选模块，用于在目标一级被动关联账户发布的视频中挑选较好的推荐视频。可以设置优质粉丝作品的兴趣度估计模块，用于估计目标账户对推荐视频的兴趣度。具体可以通过预先训练的兴趣度估计网络模型估计目标账户对推荐视频的兴趣度，通过预先训练的兴趣度估计网络模型估计目标账户对推荐视频的兴趣度在上述过程中已进行描述，可参见上述关于通过预先训练的兴趣度估计网络模型估计目标账户对推荐视频的兴趣度的描述。可以设置粉丝作品插入策略模块，用于基于目标视频的展示排序信息和目标账户对推荐视频的兴趣度，确定推荐视频在目标视频中的插入(排序)位置。还可以设置粉丝作品添加文案模块，用于为推荐视频添加描述信息。
对应于图2所示的服务器中设置的各功能模块，如图3所示，服务器可以执行如下操作：
步骤S210，在主动关联账户发布的视频中挑选目标视频，以及对估计目标账户对目标视频的兴趣度。
具体可以通过预先训练的兴趣度估计网络模型估计目标账户对目标视频的兴趣度，通过预先训练的兴趣度估计网络模型估计目标账户对目标视频的兴趣度在上述过程中已进行描述，可参见上述关于通过预先训练的兴趣度估计网络模型估计目标账户对目标视频的兴趣度的描述。
步骤S220，按照目标账户对目标视频的兴趣度，对目标视频进行排序，输出目标视频的展示排序信息。
具体可以按照兴趣度由高到低的顺序对目标视频进行排序，对目标视频进行排序在上述过程中已进行描述，可参见上述关于对目标视频进行排序的描述。
步骤S230，在目标账户的被动关联账户中挑选优质的目标一级被动关联账户。
由于目标账户的一级被动关联账户的数目可能比较多，如果将所有一级被动关联账户发布的一些视频都推荐给目标账户，目标账户可能不会很感兴趣，进而也不会产生点击量。可以在众多一级被动关联账户中，选择一些优质一级被动关联账户，推荐优质一级被动关联账户发布的一些视频。
步骤S240，在目标一级被动关联账户发布的视频中挑选较好的推荐视频。
可选地，可以将当前时间点减去预设时长，得到目标时间点；在目标一级被动关联账户于目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
可选地，可以顺序对目标一级被动关联账户进行视频筛选处理，以筛选出目标一级被动关联账户于目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频。
可选地，可以在目标一级被动关联账户于目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频的步骤可以包括：将N的数值设置为1，对各目标一级被动关联账户进行排序，获取排序在第N位的目标一级被动关联账户；如果在第N位的目标一级被动关联账户发布的视频中，存在目标时间点之后发布的且未被选取为推荐视频的视频，则在第N位的目标一级被动关联账户于目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频；如果当前已选取的推荐视频的数目小于第二预设数目、且在各目标一级被动关联账户发布的所有视频中存在目标时间点之后发布的且未被选取为推荐视频的视频，则确定第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户；如果第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将N加1，如果第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将N设置为1；转至执行如果在第N位的目标一级被动关联账户发布的视频中，存在目标时间点之后发布的且未被选取为推荐视频的视频，则在第N位的目标一级被动关联账户于目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
步骤S250，为推荐视频添加描述信息。
例如，可以为推荐视频添加“该视频是你的粉丝发布的”、“Ta关注了你”等字样，以提示用户推荐视频的来源。
步骤S260，估计目标账户对推荐视频的兴趣度。
具体可以通过预先训练的兴趣度估计网络模型估计目标账户对推荐视频的兴趣度，通过预先训练的兴趣度估计网络模型估计目标账户对推荐视频的兴趣度在上述过程中已进行描述，可参见上述关于通过预先训练的兴趣度估计网络模型估计目标账户对推荐视频的兴趣度的描述。
步骤S270，基于目标视频的展示排序信息和目标账户对推荐视频的兴趣度，确定推荐视频在目标视频中的插入(排序)位置，得到推荐视频的展示排序信息。
步骤S280，向终端发送目标视频、推荐视频和展示排序信息。
通过本公开实施例提供的方法，可以增加目标账户和被动关联账户之间的互动，使得目标账户也对其被动关联账户进行关注。还可以增加目标账户使用短视频应用程序的时长，吸引用户进入被动关联账户的个人主页进行查看，增加目标账户使用关注页的时长。另外，由于被动关联账户发布的视频有机会被展示在主动关联账户的关注页中，可以刺激被动关联账户创作更多的视频并发布更多的视频，进而提高视频的上传量。
通过本公开实施例提供的方法，可以接收终端发送的视频推荐页面请求，确定终端登录的目标账户的至少一个被动关联账户；基于被动关联账户的被动关联账户信息，在至少一个被动关联账户中，选取目标一级被动关联账户；在目标一级被动关联账户发布的视频中，确定推荐视频，向终端发送推荐视频。进而可以在目标账户的优质被动关联账户发布的视频中选取一些较好的视频进行推荐，可以丰富推荐视频的方式。
图4是根据一示例性实施例示出的一种推荐视频的装置框图。参照图4，该装置包括接收模块310、选取模块320和推荐模块330。
接收模块310，被配置为接收终端发送的视频推荐页面请求，确定所述终端登录的目标账户的至少一个一级被动关联账户，所述视频推荐页面请求是用于请求所述目标账户的至少一个主动关联账户发布的视频的消息；
选取模块320，被配置为基于各一级被动关联账户的账户信息，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户；
推荐模块330，被配置为在所述目标一级被动关联账户发布的视频中，确定推荐视频，向所述终端发送所述推荐视频。
可选地，所述选取模块320，被配置为：
获取各一级被动关联账户的正向属性参数，其中，所述一级被动关联账户的账户信息包括所述一级被动关联账户的正向属性参数；
基于一级被动关联账户的正向属性参数，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户。
可选地，所述正向属性参数包括一级被动关联账户的二级被动关联账户数目，所述选取模块320，被配置为：
确定所述至少一个一级被动关联账户的二级被动关联账户数目；
在所述至少一个一级被动关联账户中，选取二级被动关联账户数目最多的第一预设数目个目标一级被动关联账户。
可选地，所述推荐模块330，被配置为：
将当前时间点减去预设时长，得到目标时间点；
在所述目标一级被动关联账户于所述目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
可选地，所述推荐模块330，被配置为：
顺序对所述目标一级被动关联账户进行视频筛选处理，以筛选出所述目标一级被动关联账户于所述目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频。
可选地，所述推荐模块330，被配置为：
将N的数值设置为1，对各目标一级被动关联账户进行排序，获取排序在第N位的目标一级被动关联账户；
如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频；
如果当前已选取的推荐视频的数目小于第二预设数目、且在所述各目标一级被动关联账户发布的所有视频中存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则确定所述第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户；如果所述第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将所述N加1，如果所述第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将所述N设置为1；转至执行如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
可选地，所述推荐模块330，被配置为：
将每个目标一级被动关联账户的账户特征信息分别和所述目标账户的账户特征信息，输入到预先训练的相关度计算网络模型中，得到所述每个目标一级被动关联账户和所述目标账户之间的相关度；
按照相关度由高到低的顺序，对各目标一级被动关联账户进行排序。
可选地，所述推荐模块330，被配置为：
确定各推荐视频和所述目标账户的主动关联账户发布的各目标视频对应的展示排序信息；
向所述终端发送所述推荐视频、所述目标视频、以及所述展示排序信息。
可选地，所述推荐模块330，被配置为：
将每个目标视频的视频特征信息分别和所述目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个目标视频的兴趣度；
将每个推荐视频的视频特征信息分别和所述目标账户的账户特征信息，输入到所述预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个推荐视频的兴趣度；
基于所述目标账户对各目标视频的兴趣度和对各推荐视频的兴趣度，确定所述各目标视频和所述各推荐视频对应的展示排序信息。
可选地，所述账户特征信息包括个人信息、历史视频浏览记录和发布的视频的相关信息中的任一项或者多项。
通过本公开实施例提供的装置，可以增加目标账户和被动关联账户之间的互动，使得目标账户也对其被动关联账户进行关注。还可以增加目标账户使用短视频应用程序的时长，吸引用户进入被动关联账户的个人主页进行查看，增加目标账户使用关注页的时长。另外，由于被动关联账户发布的视频有机会被展示在主动关联账户的关注页中，可以刺激被动关联账户创作更多的视频并发布更多的视频，进而提高视频的上传量。
通过本公开实施例提供的装置，可以接收终端发送的视频推荐页面请求，确定终端登录的目标账户的至少一个被动关联账户；基于被动关联账户的被动关联账户信息，在至少一个被动关联账户中，选取目标一级被动关联账户；在目标一级被动关联账户发布的视频中，确定推荐视频，向终端发送推荐视频。进而可以在目标账户的优质被动关联账户发布的视频中选取一些较好的视频进行推荐，可以丰富推荐视频的方式。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图5示出了本公开一个示例性实施例提供的服务器1900的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)1910和一个或一个以上的存储器1920。其中，所述存储器1920中存储有至少一条指令，所述至少一条指令由所述处理器1910加载并执行以实现上述实施例所述的推荐视频的方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1920，上述指令可由服务器1900的处理器1910执行以完成上述推荐视频的方法，该方法包括：接收终端发送的视频推荐页面请求，确定终端登录的目标账户的至少一个被动关联账户；至少基于被动关联账户的被动关联账户信息，在至少一个被动关联账户中，选取目标一级被动关联账户；在目标一级被动关联账户发布的视频中，确定推荐视频，向终端发送推荐视频。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种应用程序，包括一条或多条指令，该一条或多条指令可以由服务器1900的处理器1910执行，以完成上述推荐视频的方法，该方法包括：接收终端发送的视频推荐页面请求，确定终端登录的目标账户的至少一个被动关联账户；至少基于被动关联账户的被动关联账户信息，在至少一个被动关联账户中，选取目标一级被动关联账户；在目标一级被动关联账户发布的视频中，确定推荐视频，向终端发送推荐视频。可选地，上述指令还可以由服务器1900的处理器1910执行以完成上述示例性实施例中所涉及的其他步骤。
需要说明的是，本公开涉及的用户账号的信息是在得到用户的授权之后才获取的，基于用户信息所做的各项操作也是在得到用户的授权才可进行。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (22)

1.一种推荐视频的方法，其特征在于，包括：
接收终端发送的视频推荐页面请求，确定所述终端登录的目标账户的至少一个一级被动关联账户，所述视频推荐页面请求是用于请求所述目标账户的至少一个主动关联账户发布的视频的消息，所述一级被动关联账户是所述目标账户的粉丝账户，所述主动关联账户是所述目标账户主动发起关注操作的账户；
基于各一级被动关联账户的账户信息，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户；
在所述目标一级被动关联账户发布的视频中，确定推荐视频，向所述终端发送所述推荐视频。
2.根据权利要求1所述的方法，其特征在于，所述基于各一级被动关联账户的账户信息，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户，包括：
获取各一级被动关联账户的正向属性参数，其中，所述一级被动关联账户的账户信息包括所述一级被动关联账户的正向属性参数；
基于一级被动关联账户的正向属性参数，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户。
3.根据权利要求2所述的方法，其特征在于，所述正向属性参数包括一级被动关联账户的二级被动关联账户数目，所述基于一级被动关联账户的正向属性参数，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户，包括：
确定所述至少一个一级被动关联账户的二级被动关联账户数目；
在所述至少一个一级被动关联账户中，选取二级被动关联账户数目最多的第一预设数目个目标一级被动关联账户。
4.根据权利要求1所述的方法，其特征在于，所述在所述目标一级被动关联账户发布的视频中，确定推荐视频，包括：
将当前时间点减去预设时长，得到目标时间点；
在所述目标一级被动关联账户于所述目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
5.根据权利要求4所述的方法，其特征在于，所述在所述目标一级被动关联账户于所述目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频，包括：
顺序对所述目标一级被动关联账户进行视频筛选处理，以筛选出所述目标一级被动关联账户于所述目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频。
6.根据权利要求5所述的方法，其特征在于，所述顺序对所述目标一级被动关联账户进行视频筛选处理，以筛选出所述目标一级被动关联账户于所述目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频，包括：
将N的数值设置为1，对各目标一级被动关联账户进行排序，获取排序在第N位的目标一级被动关联账户；
如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频；
如果当前已选取的推荐视频的数目小于第二预设数目、且在所述各目标一级被动关联账户发布的所有视频中存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则确定所述第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户；如果所述第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将所述N加1，如果所述第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将所述N设置为1；转至执行如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
7.根据权利要求6所述的方法，其特征在于，所述对各目标一级被动关联账户进行排序，包括：
将每个目标一级被动关联账户的账户特征信息分别和所述目标账户的账户特征信息，输入到预先训练的相关度计算网络模型中，得到所述每个目标一级被动关联账户和所述目标账户之间的相关度；
按照相关度由高到低的顺序，对各目标一级被动关联账户进行排序。
8.根据权利要求1所述的方法，其特征在于，所述向所述终端发送所述推荐视频，包括：
确定各推荐视频和所述目标账户的主动关联账户发布的各目标视频对应的展示排序信息；
向所述终端发送所述推荐视频、所述目标视频、以及所述展示排序信息。
9.根据权利要求8所述的方法，其特征在于，所述确定各推荐视频和所述目标账户的主动关联账户发布的各目标视频对应的展示排序信息，包括：
将每个目标视频的视频特征信息分别和所述目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个目标视频的兴趣度；
将每个推荐视频的视频特征信息分别和所述目标账户的账户特征信息，输入到所述预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个推荐视频的兴趣度；
基于所述目标账户对各目标视频的兴趣度和对各推荐视频的兴趣度，确定所述各目标视频和所述各推荐视频对应的展示排序信息。
10.根据权利要求9所述的方法，其特征在于，所述账户特征信息包括个人信息、历史视频浏览记录和发布的视频的相关信息中的任一项或者多项。
11.一种推荐视频的装置，其特征在于，包括：
接收模块，被配置为接收终端发送的视频推荐页面请求，确定所述终端登录的目标账户的至少一个一级被动关联账户，所述视频推荐页面请求是用于请求所述目标账户的至少一个主动关联账户发布的视频的消息，所述一级被动关联账户是所述目标账户的粉丝账户，所述主动关联账户是所述目标账户主动发起关注操作的账户；
选取模块，被配置为基于各一级被动关联账户的账户信息，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户；
推荐模块，被配置为在所述目标一级被动关联账户发布的视频中，确定推荐视频，向所述终端发送所述推荐视频。
12.根据权利要求11所述的装置，其特征在于，所述选取模块，被配置为：
获取各一级被动关联账户的正向属性参数，其中，所述一级被动关联账户的账户信息包括所述一级被动关联账户的正向属性参数；
基于一级被动关联账户的正向属性参数，在所述至少一个一级被动关联账户中，选取目标一级被动关联账户。
13.根据权利要求12所述的装置，其特征在于，所述正向属性参数包括一级被动关联账户的二级被动关联账户数目，所述选取模块，被配置为：
确定所述至少一个一级被动关联账户的二级被动关联账户数目；
在所述至少一个一级被动关联账户中，选取二级被动关联账户数目最多的第一预设数目个目标一级被动关联账户。
14.根据权利要求11所述的装置，其特征在于，所述推荐模块，被配置为：
将当前时间点减去预设时长，得到目标时间点；
在所述目标一级被动关联账户于所述目标时间点之后发布的视频中，确定数目小于或者等于第二预设数目的推荐视频。
15.根据权利要求14所述的装置，其特征在于，所述推荐模块，被配置为：
顺序对所述目标一级被动关联账户进行视频筛选处理，以筛选出所述目标一级被动关联账户于所述目标时间点之后发布的数目小于或者等于第二预设数目的推荐视频。
16.根据权利要求15所述的装置，其特征在于，所述推荐模块，被配置为：
将N的数值设置为1，对各目标一级被动关联账户进行排序，获取排序在第N位的目标一级被动关联账户；
如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频；
如果当前已选取的推荐视频的数目小于第二预设数目、且在所述各目标一级被动关联账户发布的所有视频中存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则确定所述第N位的目标一级被动关联账户是否为排序在最后一位的目标一级被动关联账户；如果所述第N位的目标一级被动关联账户不是排序在最后一位的目标一级被动关联账户，则将所述N加1，如果所述第N位的目标一级被动关联账户是排序在最后一位的目标一级被动关联账户，则将所述N设置为1；转至执行如果在所述第N位的目标一级被动关联账户发布的视频中，存在所述目标时间点之后发布的且未被选取为推荐视频的视频，则在所述第N位的目标一级被动关联账户于所述目标时间点之后发布的且未被选取为推荐视频的视频中，选取最先发布的视频，作为推荐视频。
17.根据权利要求16所述的装置，其特征在于，所述推荐模块，被配置为：
将每个目标一级被动关联账户的账户特征信息分别和所述目标账户的账户特征信息，输入到预先训练的相关度计算网络模型中，得到所述每个目标一级被动关联账户和所述目标账户之间的相关度；
按照相关度由高到低的顺序，对各目标一级被动关联账户进行排序。
18.根据权利要求11所述的装置，其特征在于，所述推荐模块，被配置为：
确定各推荐视频和所述目标账户的主动关联账户发布的各目标视频对应的展示排序信息；
向所述终端发送所述推荐视频、所述目标视频、以及所述展示排序信息。
19.根据权利要求18所述的装置，其特征在于，所述推荐模块，被配置为：
将每个目标视频的视频特征信息分别和所述目标账户的账户特征信息，输入到预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个目标视频的兴趣度；
将每个推荐视频的视频特征信息分别和所述目标账户的账户特征信息，输入到所述预先训练的兴趣度估计网络模型中，得到所述目标账户对所述每个推荐视频的兴趣度；
基于所述目标账户对各目标视频的兴趣度和对各推荐视频的兴趣度，确定所述各目标视频和所述各推荐视频对应的展示排序信息。
20.根据权利要求19所述的装置，其特征在于，所述账户特征信息包括个人信息、历史视频浏览记录和发布的视频的相关信息中的任一项或者多项。
21.一种服务器，其特征在于，包括：
一个或多个处理器；
用于存储所述一个或多个处理器可执行指令的一个或多个存储器；
其中，所述一个或多个处理器被配置为执行权利要求1-10任一项所述的推荐视频的方法。
22.一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行权利要求1-10任一项所述的推荐视频的方法。
CN201910439087.5A 2019-05-24 2019-05-24 推荐视频的方法、装置、服务器和存储介质 Active CN111988642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910439087.5A CN111988642B (zh) 2019-05-24 2019-05-24 推荐视频的方法、装置、服务器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910439087.5A CN111988642B (zh) 2019-05-24 2019-05-24 推荐视频的方法、装置、服务器和存储介质

Publications (2)

Publication Number Publication Date
CN111988642A CN111988642A (zh) 2020-11-24
CN111988642B true CN111988642B (zh) 2022-05-24

Family

ID=73437006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910439087.5A Active CN111988642B (zh) 2019-05-24 2019-05-24 推荐视频的方法、装置、服务器和存储介质

Country Status (1)

Country Link
CN (1) CN111988642B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114691970A (zh) * 2020-12-30 2022-07-01 北京达佳互联信息技术有限公司 数据处理方法、装置、服务器及存储介质
CN113259728B (zh) * 2021-07-15 2021-10-01 北京达佳互联信息技术有限公司 推荐视频的方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103138954A (zh) * 2011-12-02 2013-06-05 中国移动通信集团公司 一种推荐项的推送方法、系统及推荐服务器
CN105893436A (zh) * 2015-12-14 2016-08-24 乐视网信息技术（北京）股份有限公司 视频网站单账号多喜好推荐方法和装置
CN106656768A (zh) * 2017-02-09 2017-05-10 腾讯科技（深圳）有限公司 一种资源推荐方法及装置
US10049472B1 (en) * 2014-10-06 2018-08-14 Twitter, Inc. User content presentation based on strength of relationship
CN108446311A (zh) * 2018-02-06 2018-08-24 微梦创科网络科技（中国）有限公司 一种基于社交网络的app推荐方法及装置
CN108959634A (zh) * 2018-07-25 2018-12-07 南京创维信息技术研究院有限公司 视频推荐方法、装置、设备及存储介质
CN109063157A (zh) * 2018-08-10 2018-12-21 优视科技新加坡有限公司 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质
CN109544396A (zh) * 2019-01-10 2019-03-29 腾讯科技（深圳）有限公司 账号推荐方法、装置、服务器、终端及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170171334A1 (en) * 2015-12-14 2017-06-15 Le Holdings (Beijing) Co., Ltd. Single-account multiple-preference recommendation method for video website and electronic device

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103138954A (zh) * 2011-12-02 2013-06-05 中国移动通信集团公司 一种推荐项的推送方法、系统及推荐服务器
US10049472B1 (en) * 2014-10-06 2018-08-14 Twitter, Inc. User content presentation based on strength of relationship
CN105893436A (zh) * 2015-12-14 2016-08-24 乐视网信息技术（北京）股份有限公司 视频网站单账号多喜好推荐方法和装置
CN106656768A (zh) * 2017-02-09 2017-05-10 腾讯科技（深圳）有限公司 一种资源推荐方法及装置
CN108446311A (zh) * 2018-02-06 2018-08-24 微梦创科网络科技（中国）有限公司 一种基于社交网络的app推荐方法及装置
CN108959634A (zh) * 2018-07-25 2018-12-07 南京创维信息技术研究院有限公司 视频推荐方法、装置、设备及存储介质
CN109063157A (zh) * 2018-08-10 2018-12-21 优视科技新加坡有限公司 资源推荐方法及其装置、设备/终端/服务器、计算机可读介质
CN109544396A (zh) * 2019-01-10 2019-03-29 腾讯科技（深圳）有限公司 账号推荐方法、装置、服务器、终端及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AttentionRank+:一种基于关注关系与多用户行为的图推荐算法;刘梦娟等;《计算机学报》;20160302;634-648 *

Also Published As

Publication number Publication date
CN111988642A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
US11061966B2 (en) Method for processing fusion data and information recommendation system
US11128582B2 (en) Emoji recommendation method and apparatus
CN107451199B (zh) 问题推荐方法及装置、设备
CN110929052B (zh) 多媒体资源推荐方法、装置、电子设备及存储介质
CN109241425B (zh) 一种资源推荐方法、装置、设备及存储介质
RU2725659C2 (ru) Способ и система для оценивания данных о взаимодействиях пользователь-элемент
TWI716057B (zh) 服務推薦方法、裝置及設備
WO2019227560A1 (zh) 信息推荐方法、装置、系统、设备及可读存储介质
CN109062919B (zh) 一种基于深度强化学习的内容推荐方法及装置
CN111105819B (zh) 剪辑模板的推荐方法、装置、电子设备及存储介质
WO2017121314A1 (zh) 信息推荐方法及装置
US10380649B2 (en) System and method for logistic matrix factorization of implicit feedback data, and application to media environments
CN109241242B (zh) 一种直播间话题推荐方法、装置、服务器及存储介质
CN109688479B (zh) 一种弹幕显示方法、弹幕显示装置和弹幕显示服务器
CN109168047B (zh) 视频推荐方法、装置、服务器及存储介质
US20130332592A1 (en) Disambiguating online identities
EP3739470A1 (en) Method and apparatus for performing categorised matching of videos, and selection engine
CN113535991B (zh) 一种多媒体资源推荐方法、装置、电子设备及存储介质
KR101725510B1 (ko) 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치
CN111988642B (zh) 推荐视频的方法、装置、服务器和存储介质
US11470032B2 (en) Method for recommending groups and related electronic device
CN111581521A (zh) 群组成员的推荐方法、装置、服务器、存储介质及系统
CN112269917A (zh) 一种媒体资源展示方法及装置、设备、系统、存储介质
CN111294620A (zh) 视频的推荐方法及装置
CN116628235B (zh) 数据推荐方法、装置、设备及介质

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