CN112100441A - 视频推荐方法、电子设备和计算机可读存储介质 - Google Patents

Abstract

本发明实施例涉及互联网技术领域，公开了一种视频推荐方法、电子设备和计算机可读存储介质。上述视频推荐方法包括：确定对冷启动用户所需推荐的目标视频的目标数量；获取待推荐的候选视频集；其中，所述候选视频集中包括新上架的第一类视频集和已上架的第二类视频集；从所述候选视频集中选择出所述目标视频，并将各所述目标视频推荐至所述冷启动用户；其中，选择出的所述目标视频的数量大于或等于所述目标数量，所述目标视频包括所述第一类视频集中的第一类目标视频和所述第二类视频集中的第二类目标视频，使得冷启动用户点击被推荐的视频的可能性较大，从而容易获知冷启动用户的偏好、兴趣，提高了对冷启动用户的推荐效果。

Description

视频推荐方法、电子设备和计算机可读存储介质

技术领域

本发明实施例涉及互联网技术领域，特别涉及一种视频推荐方法、电子设备和计算机可读存储介质。

背景技术

目前，对于冷启动用户常推荐热门视频内容，或将视频内容先根据特征做分类聚类，使用深度学习算法对视频内容质量评分，预测新上架视频内容的点击率，然后按评分给用户推荐各种各样的视频，从而发现用户兴趣，进行用户画像，完成冷启动。

然而，发明人发现相关技术中至少存在如下问题：对于冷启动用户无论是直接推荐热门视频，还是基于对新上架的视频预测的评分值进行推荐，冷启动用户点击被推荐的视频的可能性均较小，从而难以获知冷启动用户的偏好和兴趣，对冷启动用户的推荐效果较差。

发明内容

本发明实施方式的目的在于提供一种视频推荐方法、电子设备和计算机可读存储介质，使得冷启动用户点击被推荐的视频的可能性较大，从而容易获知冷启动用户的偏好、兴趣，提高了对冷启动用户的推荐效果。

为解决上述技术问题，本发明的实施方式提供了一种视频推荐方法，包括以下步骤：确定对冷启动用户所需推荐的目标视频的目标数量；获取待推荐的候选视频集；其中，所述候选视频集中包括新上架的第一类视频集和已上架的第二类视频集；从所述候选视频集中选择出所述目标视频，并将各所述目标视频推荐至所述冷启动用户；其中，选择出的所述目标视频的数量大于或等于所述目标数量，所述目标视频包括所述第一类视频集中的第一类目标视频和所述第二类视频集中的第二类目标视频。

本发明的实施方式还提供了一种电子设备，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上述的视频推荐方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的视频推荐方法。

本发明的发明人通过研究发现，现有技术中，对于冷启动用户，如果直接推荐热门视频会造成新上架的视频可能一直得不到推荐，导致对冷启动用户实际推荐的视频的没有覆盖新上架的视频，即对冷启动用户实际推荐的视频的覆盖范围较小，冷启动用户点击被推荐的视频的可能性就较小，从而难以获知冷启动用户的偏好和兴趣，对冷启动用户的推荐效果较差。如果直接基于对新上架的视频预测的评分值进行推荐，由于预测的评分值并不能准确衡量视频的质量，可能会导致实际向冷启动用户推荐的视频质量不是很高，也会使冷启动用户点击被推荐的视频的可能性较小，从而难以获知冷启动用户的偏好和兴趣，对冷启动用户的推荐效果较差。

本发明实施方式相对于现有技术而言，确定对冷启动用户所需推荐的目标视频的目标数量，获取待推荐的候选视频集；其中，候选视频集中包括新上架的第一类视频集和已上架的第二类视频集，即待推荐的候选视频集同时覆盖了已上架的视频和新上架的视频。从候选视频集中选择出目标视频，并将各目标视频推荐至冷启动用户；其中，选择出的目标视频的数量大于或等于目标数量，选择出的目标视频中包括第一类视频集中的视频和第二类视频集中的视频。也就是说，推荐至冷启动用户的目标视频的数量大于或等于所需推荐的目标视频的目标数量，以使得向冷启动用户推荐一定数量(即上述的目标数量)的目标视频后，容易检测到冷启动用户的点击操作，即容易使冷启动用户发生点击行为。而且，由于推荐至冷启动用户的目标视频中包括第一类视频集中的视频和第二类视频集中的视频，即推荐至冷启动用户的目标视频的覆盖范围较广，增加了冷启动用户点击被推荐的视频的可能性，从而容易获知冷启动用户的偏好和兴趣。本发明实施方式从向冷启动用户推荐的视频数量和推荐的视频的覆盖范围两方面入手，提高了对冷启动用户的推荐效果。

另外，所述从所述候选视频集中选择出目标视频，包括：预估所述冷启动用户对所述候选视频集中各视频的点击概率；其中，所述点击概率包括所述冷启动用户对所述第一类视频集中各第一类视频的第一点击概率和所述冷启动用户对所述第二类视频集中各第二类视频的第二点击概率；根据所述第一点击概率，在所述第一类视频集中选择出所述第一类目标视频；根据所述第二点击概率，在所述第二类视频集中选择出所述第二类目标视频。冷启动用户对候选视频集中各视频的点击概率，在一定程度上可以反映出如果将候选视频集中各视频推荐给冷启动用户，冷启动用户点击被推荐的视频的可能性大小，结合冷启动用户对候选视频集中各视频的点击概率，来分别在第一类视频集中选择出第一类目标视频，在第二类视频集中选择出第二类目标视频，有利于更加合理的选择出目标视频，从而推荐给冷启动用户，在一定程度上有利于提高冷启动用户对被推荐的目标视频进行点击操作的可能性，使得可以更容易获知冷启动用户的偏好和兴趣。

另外，所述第二类视频集包括时效类视频集和非时效类视频集，所述第二点击概率包括所述冷启动用户对所述时效类视频集中各时效类视频的第三点击概率和所述冷启动用户对所述非时效类视频集中各非时效类视频的第四点击概率，所述第二类目标视频包括时效类目标视频和非时效类目标视频；所述根据所述第二点击概率，在所述第二类视频集中选择出所述第二类目标视频，包括：根据所述第三点击概率，在所述时效类视频集中选择出所述时效类目标视频；根据所述第四点击概率，在所述非时效类视频集中选择出所述非时效类目标视频。也就是说，对第二类视频集进行了细分，细分为时效类视频集和非时效类视频集，向冷启动用户推荐的第二类目标视频中包括了时效类目标视频和非时效类目标视频，有利于进一步扩大对冷启动用户推荐的视频的范围，从而尽可能覆盖到用户的偏好和兴趣，进一步增加了冷启动用户对被推荐的目标视频进行点击操作的可能性。

另外，所述根据所述第一点击概率、所述第三点击概率和所述第四点击概率，对各所述目标视频进行排序，包括：选择出所述第一点击概率最大的第一类目标视频、所述第三点击概率最大的时效类目标视频、所述第四点击概率最大的非时效类目标视频，作为排列在前三位的已完成排序的目标视频；遍历各个未完成排序的目标视频，对遍历到的目标视频执行以下步骤：确定遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离；根据所述欧氏距离，确定所述遍历到的目标视频是否满足预设要求；若遍历到的目标视频满足所述预设要求，将所述遍历到的目标视频排列在上一个已完成排序的目标视频之后。其中，两个目标视频之间欧氏距离的大小可以反映这两个目标视频之间相似度的大小，欧氏距离越大，相似度越小，反之欧氏距离越小，相似度越大。本发明实施方式中，在三类目标视频即第一类目标视频、时效类目标视频、非时效类目标视频中分别选择出点击概率最大的三个目标视频作为排列在前三位的已完成排序的目标视频，然后依次遍历各个未完成排序的目标视频，结合遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离，确定遍历到的目标视频是否可以排列在上一个已完成排序的目标视频之后，即各个目标视频的排列顺序可以反映目标视频相互之间的相似度，有利于向冷启动用户以合理的排列顺序推荐各目标视频。

另外，所述确定对冷启动用户所需推荐的目标视频的目标数量，包括：确定为了使所述冷启动用户发生至少一次点击行为，所需推荐的目标视频的最少数量；将所述最少数量作为所述目标数量。通过将为了使冷启动用户发生至少一次点击行为，所需推荐的目标视频的最少数量作为目标数量，有利于确保向冷启动用户推荐最少数量的目标视频的情况下，还能够检测到用户的点击行为，有利于在完成冷启动的同时，无需向冷启动用户推荐大量的目标视频，减少了推荐负担。

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。

图1是根据本发明第一实施方式中的视频推荐方法的流程图；

图2是根据本发明第二实施方式中的视频推荐方法的流程图；

图3是根据本发明第三实施方式中的视频推荐方法的流程图；

图4是根据本发明第四实施方式中的视频推荐方法的流程图；

图5是根据本发明第五实施方式中的电子设备的结构示意图。

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。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。

本发明的第一实施方式涉及一种视频推荐方法，应用于电子设备；其中，电子设备可以为视频推荐平台。本实施方式的应用场景可以理解为：对通过视频推荐平台浏览视频的新用户推荐视频，在具体实现中，对于视频推荐平台而言，由于视频推荐平台中并没有新用户的视频浏览点击记录，因此，新用户也可以称为冷启动用户。

下面对本实施方式的视频推荐方法的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。本发明实施方式的视频推荐方法的流程图可以如图1所示，包括：

步骤101：确定对冷启动用户所需推荐的目标视频的目标数量。

可以理解的是，对冷启动用户推荐目标视频的主要目的包括：通过检测冷启动用户对所推荐的目标视频的点击操作，来确定冷启动用户的兴趣、偏好等信息，从而完成冷启动，方便后续基于确定的兴趣、偏好等信息继续进行视频推荐。也就是说，对冷启动用户推荐目标视频，主要是为了尽可能的使冷启动用户对被推荐的目标视频发生点击行为。

具体的说，视频推荐平台可以确定为了检测到冷启动用户的点击操作所需推荐的目标视频的目标数量。也就是说，视频推荐平台需要给冷启动用户推荐多少条目标视频，才能检测到冷启动用户的点击操作，即视频推荐平台需要给冷启动用户推荐多少条目标视频，才能使冷启动用户发生点击行为。

在一个例子中，确定对冷启动用户所需推荐的目标视频的目标数量的方式可以如下：确定为了使冷启动用户发生至少一次点击行为，所需推荐的目标视频的最少数量；将最少数量作为所述目标数量。也就是说，视频推荐平台需要给冷启动用户最少推荐多少条目标视频，才能使冷启动用户发生至少一次点击行为。

在一个例子中，上述最少数量的确定方式可以如下：计算当前所有冷启动用户的总体点击率，基于总体点击率计算出检测到一次点击操作需要推荐的最少视频数量。其中，计算当前所有冷启动用户的总体点击率的方式可以为：视频推荐平台对当前所有冷启动用户推荐的视频的点击量除以视频推荐平台对当前所有冷启动用户推荐的视频的曝光量即推荐的视频数量，如平均推荐10条内容有一条会被点击，则总体点击率为10％，为保证取得冷启动用户偏好，即冷启动用户至少发生一次点击行为，需要给冷启动用户推荐10条内容。

在一个例子中，可以通过如下公式计算使冷启动用户发生至少一次点击行为，所需推荐的目标视频的最少数量：

N＝round(1/P)

其中，round为四舍五入取整，N为计算的最少数量，P为当前所有冷启动用户的总体点击率。

步骤102：获取待推荐的候选视频集。

其中，候选视频集中包括新上架的第一类视频集和已上架的第二类视频集。可以理解的是，新上架的第一类视频集中的视频均为新上架的视频，即新上架的第一类视频集为当前所有新上架的视频的集合。新上架的视频可以理解为在视频推荐平台上新发布的，还没有点击量的新视频。已上架的第二类视频集中的视频均为已上架的视频，即已上架的第二类视频集为当前所有已上架的视频的集合。已上架的视频可以理解为在视频推荐平台上已发布一段时间的，具有一定的点击量的旧视频。

具体的说，视频推荐平台可以获取发布在视频推荐平台上的视频作为候选视频集。比如可以获取预设时间段内发布在视频推荐平台上的视频作为候选视频集；其中，预设时间段可以根据实际需要进行设置，比如可以设置为前三天、前一天、前12小时等。然后，可以对候选视频集中的各视频进行分类，比如分为新上架的视频和已上架的视频，所有新上架的视频组合形成第一类视频集，所有已上架的视频组合形成第二类视频集。

步骤103：从候选视频集中选择出目标视频，并将各目标视频推荐至冷启动用户。

其中，选择出的目标视频的数量大于或等于上述的目标数量，目标视频包括第一类视频集中的视频和第二类视频集中的视频。比如，确定的目标数量为N，则视频推荐平台可以从候选视频集中至少选择出N个目标视频。

在一个例子中，视频推荐平台可以从第一类视频集中至少选择A个视频作为第一类目标视频，从第二类视频集中至少选择B个视频作为第二类目标视频；其中，A和B均为大于1的自然数，且A+B＝N；A和B的具体大小可以根据实际需要进行设置，比如用户在一天中的不同时段对不同类型的视频的需求程度不同，如早上用户更想知道有什么新鲜事发生，即新上架的视频需求更大，则可以将A设置的更大，中午和晚上对热门视频更感兴趣，即已上架的视频需求更大，则可以将B设置的更大。

在一个例子中，视频推荐平台可以根据第一类视频集中各视频的发布时间，选择最新发布的A个视频作为第一类目标视频，类似的也可以根据第二类视频集中各视频的发布时间，选择最新发布的B个视频作为第二类目标视频。

在一个例子中，视频推荐平台在选择出目标视频后，可以将选择出的各目标视频推送至冷启动用户使用的终端，冷启动用户可以浏览终端上显示的各目标视频，并对感兴趣的视频进行点击操作。其中，终端可以为手机、电脑等可以观看视频的设备。

需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。

与现有技术相比，本实施方式推荐至冷启动用户的目标视频的数量大于或等于目标数量，以使得向冷启动用户推荐一定数量(即上述的目标数量)的目标视频后，容易检测到冷启动用户的点击操作，即容易使冷启动用户发生点击行为。而且，由于推荐至冷启动用户的目标视频中包括第一类视频集中的视频和第二类视频集中的视频，即推荐至冷启动用户的目标视频的覆盖范围较广，增加了冷启动用户点击被推荐的视频的可能性，从而容易获知冷启动用户的偏好和兴趣。本发明实施方式从向冷启动用户推荐的视频数量和推荐的视频的覆盖范围两方面入手，提高了对冷启动用户的推荐效果。

本发明的第二实施方式涉及一种视频推荐方法。下面对本实施方式的视频推荐方法的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。本发明实施方式的视频推荐方法的流程图可以如图2所示，包括：

步骤201：确定对冷启动用户所需推荐的目标视频的目标数量。

步骤202：获取待推荐的候选视频集。

其中，步骤201至步骤202与第一实施方式中步骤101至步骤102大致相同，为避免重复，此处不再赘述。

步骤203：预估冷启动用户对候选视频集中各视频的点击概率。

也就是说，视频推荐平台可以预估将候选视频集中各视频推荐给冷启动用户后，冷启动用户对各视频的点击概率。其中，点击概率包括冷启动用户对第一类视频集中各第一类视频的第一点击概率和冷启动用户对第二类视频集中各第二类视频的第二点击概率。

在一个例子中，预估点击概率的方式可以如下：

首先，视频推荐平台可以获取候选视频集中各视频的特征向量；其中，特征向量用于描述视频在不同维度的特征。不同维度的特征可以包括但不限于：视频中的人名、地名、内容名、实体名、事件名、视频的作者等。比如，获取的视频的特征向量可以表示为：y_i＝[x₁,x₂...x_j...]，其中y_i为视频i的特征向量，x_j为第j维特征。

然后，视频推荐平台可以获取不同维度的特征关联的历史点击数据。其中，不同维度的特征关联的历史点击数据可以为：包括不同维度的特征的视频的曝光次数和点击次数。比如，当前要预估视频1的点击概率，视频1的特征向量描述的视频1在不同维度的特征包括：人名A、地名B、事件名C，则可以获取人名A、地名B、事件名C关联的历史点击数据，即包括人名A、地名B、事件名C的视频的曝光次数和点击次数。在具体实现中，包括不同维度的特征的视频的曝光次数和点击次数可以为：包括多个不同维度组合的视频的曝光次数和点击次数，比如：包括人名A、地名B的组合(特征组合1)的视频的曝光次数和点击次数、包括人名A、事件名C的组合(特征组合2)的视频的曝光次数和点击次数、包括地名B、事件名C的组合(特征组合3)的视频的曝光次数和点击次数、包括人名A、地名B、事件名C的组合的视频的曝光次数和点击次数。

接着，视频推荐平台可以根据历史点击数据，预估冷启动用户对候选视频集中各视频的点击概率。具体的，视频推荐平台可以根据历史点击数据，计算候选视频集中待预估点击概率的目标视频中不同维度特征组合的点击率，得到每个特征组合的点击率；比如，上述特征组合1的点击率为：包括人名A、地名B的组合(特征组合1)的视频的点击次数除以曝光次数，类似的还可以得到上述特征组合2的点击率、上述特征组合3的点击率。然后。可以根据不同维度特征组合的点击率，预估冷启动用户对目标视频的点击概率。比如，可以在不同维度特征组合的点击率中选择最高的点击率作为预估的冷启动用户对目标视频的点击概率。按照上述方式，视频推荐平台可以根据预估冷启动用户对候选视频集中各视频的点击概率。在具体实现中，不同特征组合的点击率可以预存在视频推荐平台，方便了需要预估点击概率时可以直接从视频推荐平台获取预存的不同特征组合的点击率，从而根据预存的不同特征组合的点击率，预估冷启动用户对候选视频集中各视频的点击概率，有利于提高预估的速度和便捷性，而且，不同特征组合的点击率的参考意义更强，能够结合不同维度的特征，有利于提高预估的点击概率的准确性和合理性。

在一个例子中，视频推荐平台也可以根据历史点击数据，计算候选视频集中待预估点击概率的目标视频中各个单维度特征的点击率，得到每个特征的点击率，然后在每个特征的点击率中，选择最大的一个作为预估的冷启动用户对待预估点击概率的目标视频的点击概率。比如可以通过如下公式得到待预估点击概率的目标视频的点击概率p(y_i)：

p(y_i)＝max[p(x₀),p(x₁)...p(x_j)...]；其中，p(x_j)为特征x_j的点击率。

在具体实现中，为方便区分，冷启动用户对第一类视频集中各第一类视频的点击概率可以称之为第一点击概率。冷启动用户对第二类视频集中各第二类视频的点击概率可以称之为第二点击概率。可以理解的是，上述示例中，第一点击概率和第二点击概率的预估方式相同。

在另一个例子中，第一点击概率和第二点击概率的预估方式也可以不同。第一点击概率的预估方式为上述示例中的预估方式，考虑到第二点击概率为冷启动用户对第二类视频集中各第二类视频(已上架的视频)的点击概率，也就是说，第二类视频具有一定的点击数和曝光数，因此可以直接将第二类视频的点击率作为预估的第二点击概率。在具体实现中，第二点击概率可以通过如下公式计算得到：

其中，

为第二类视频y_i的点击数，

为第二类视频y_i的曝光数。

步骤204：根据第一点击概率，在第一类视频集中选择出第一类目标视频。

在一个例子中，可以按照第一点击率从大到小，对第一类视频集中各第一类视频进行排序，选择出排名在前A位的第一类视频作为第一类目标视频。其中，A的设置方式可以参考第一实施方式中提到的设置方式，为避免重复，本实施方式对此不再赘述。

步骤205：根据第二点击概率，在第二类视频集中选择出第二类目标视频。

在一个例子中，可以按照第二点击率从大到小，对第二类视频集中各第二类视频进行排序，选择出排名在前B位的第二类视频作为第二类目标视频。其中，B的设置方式可以参考第一实施方式中提到的设置方式，为避免重复，本实施方式对此不再赘述。

步骤206：将第一类目标视频和第二类目标视频推荐至冷启动用户。

也就是说，视频推荐平台可以将选择出的A个第一类目标视频和B个第二类目标视频推送至冷启动用户所使用的终端，使得冷启动用户可以通过终端浏览视频推荐平台推荐的A个第一类目标视频和B个第二类目标视频。

需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。

与现有技术相比，冷启动用户对候选视频集中各视频的点击概率，在一定程度上可以反映出如果将候选视频集中各视频推荐给冷启动用户，冷启动用户点击被推荐的视频的可能性大小，结合冷启动用户对候选视频集中各视频的点击概率，来分别在第一类视频集中选择出第一类目标视频，在第二类视频集中选择出第二类目标视频，有利于更加合理的选择出目标视频，从而推荐给冷启动用户，在一定程度上有利于提高冷启动用户对被推荐的目标视频进行点击操作的可能性，使得可以更容易获知冷启动用户的偏好和兴趣。

本发明的第三实施方式涉及一种视频推荐方法。下面对本实施方式的视频推荐方法的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。本发明实施方式的视频推荐方法的流程图可以如图3所示，包括：

步骤301：确定对冷启动用户所需推荐的目标视频的目标数量。

其中，步骤301与第一实施方式中步骤101大致相同，为避免重复，此处不再赘述。

步骤302：获取待推荐的候选视频集。

其中，步骤302与第一实施方式中步骤101大致相同，下面主要对不同之处进行说明：

本实施方式中，候选视频集中包括新上架的第一类视频集和已上架的第二类视频集，第二类视频集包括时效类视频集和非时效类视频集。时效类视频集中的视频均为时效类视频，比如，视频的内容为新闻、资讯等，则该视频可以视为时效类视频。非时效类视频集中的视频均为非时效类视频，比如，视频的内容为搞笑、猎奇等，则该视频可以视为非时效类视频。

也就是说，第一实施方式中候选视频集包括两种类别的视频集，分别为：第一类视频集和第二类视频集。本实施方式中对第二类视频集进行了进一步细分，包括：时效类视频集和非时效类视频集，即本实施方式中的候选视频集包括三种类别的视频集，分别为：第一类视频集、时效类视频集和非时效类视频集。

步骤303：预估冷启动用户对候选视频集中各视频的点击概率。

其中，步骤303与第二实施方式中步骤203大致相同，下面主要对不同之处进行说明：

本实施方式中，点击概率包括冷启动用户对第一类视频集中各第一类视频的第一点击概率、冷启动用户对时效类视频集中各时效类视频的第三点击概率和冷启动用户对非时效类视频集中各非时效类视频的第四点击概率。也就是说，相比第二实施方式，本实施方式由于对对第二类视频集进行了进一步细分，因此，第二点击概率也可以认为被进一步细分为：第三点击概率和第四点击概率。其中，第三点击概率和第四点击概率的预估方式和第二点击概率的预估方式大致相同，可以参考第二实施方式中第二点击概率的预估方式，为避免重复，此处不再赘述。

步骤304：根据第一点击概率，在第一类视频集中选择出第一类目标视频。

其中，步骤304与第二实施方式中步骤204大致相同，为避免重复，此处不再赘述。

步骤305：根据第三点击概率，在时效类视频集中选择出时效类目标视频。

步骤306：根据第四点击概率，在非时效类视频集中选择出非时效类目标视频。

在一个例子中，可以按照第三点击率从大到小，对时效类视频集中各时效类视频进行排序，选择出排名在前C位的视频作为时效类目标视频。可以按照第四点击率从大到小，对非时效类视频集中各非时效类视频进行排序，选择出排名在前D位的视频作为非时效类目标视频。其中，C+D＝B，B为第一、二实施方式中提到的选择出的第二类目标视频的数量，也就是说，B个第二类目标视频中包括C个时效类目标视频和D个非时效类目标视频。在具体实现中，C和D的具体取值可以根据实际需要进行设置，比如，用户在一天中的不同时段对不同类型的视频的需求程度不同，如中午用户对其他人都在看什么新闻、资讯更感兴趣，即时效类视频需求更大，则可以将C设置的更大；晚上用户更喜欢看搞笑、猎奇的视频，即非时效类视频需求更大，则可以将D设置的更大。

在一个例子中，第一类视频集、时效类视频集和非时效类视频集可以分别称为：召回源R₀，R₁，R₂，本实施方式中在上述三个召回源中可以选择出M个视频作为目标视频，M大于或等于N，N为步骤301中确定的目标数量，在具体实现中可以为所需推荐的目标视频的最少数量。M个目标视频中三个召回源中的视频数量都大于0，可以表示为：

其中，

为召回源R_i的召回数量，也就是说，M个目标视频中包括了从召回源R₀中选择出的第一类目标视频、从召回源R₁中选择出的时效类目标视频、从召回源R₂中选择出的非时效类目标视频。

需要说明的是，本实施方式中步骤304至步骤306的执行顺序只是以图3中的顺序为例，在具体实现中并不以此为限。

步骤307：将第一类目标视频、时效类目标视频和非时效类目标视频推荐至冷启动用户。

也就是说，视频推荐平台可以将选择出的A个第一类目标视频、C个时效类目标视频和D个非时效类目标视频推送至冷启动用户所使用的终端，使得冷启动用户可以通过终端浏览视频推荐平台推荐的A个第一类目标视频、C个时效类目标视频和D个非时效类目标视频。

需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。

与现有技术相比，本实施方式对第二类视频集进行了细分，细分为时效类视频集和非时效类视频集，向冷启动用户推荐的第二类目标视频中包括了时效类目标视频和非时效类目标视频，有利于进一步扩大对冷启动用户推荐的视频的范围，从而尽可能覆盖到用户的偏好和兴趣，进一步增加了冷启动用户对被推荐的目标视频进行点击操作的可能性。

本发明的第四实施方式涉及一种视频推荐方法。下面对本实施方式的视频推荐方法的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。本发明实施方式的视频推荐方法的流程图可以如图4所示，包括：

步骤401：确定对冷启动用户所需推荐的目标视频的目标数量。

步骤402：获取待推荐的候选视频集。

步骤403：预估冷启动用户对候选视频集中各视频的点击概率。

步骤404：根据第一点击概率，在第一类视频集中选择出第一类目标视频。

步骤405：根据第三点击概率，在时效类视频集中选择出时效类目标视频。

步骤406：根据第四点击概率，在非时效类视频集中选择出非时效类目标视频。

其中，步骤401至步骤406与第三实施方式中步骤301至步骤306大致相同，为避免重复，此处不再赘述。

步骤407：根据第一点击概率、第三点击概率和第四点击概率，对各目标视频进行排序。

在一个例子中，对各目标视频进行排序的方式可以为：按照第一点击概率从高到低，对选择出的各第一类目标视频进行排序，得到第一类目标视频序列。按照第三点击概率从高到低，对选择出的各时效类目标视频进行排序，得到时效类目标视频序列。按照第四点击概率从高到低，对选择出的各非时效类目标视频进行排序，得到非时效类目标视频序列。最后，再根据预设要求，对第一类目标视频序列(序列1)、时效类目标视频序列(序列2)、非时效类目标视频序列(序列3)进行排序，得到各目标视频的排序结果。其中，预设要求可以根据实际需要进行设置，比如将上述序列1、序列2、序列3中哪一个序列排在第一位、哪一个序列排在第二位、哪一个序列排在第三位。

在另一个例子中，对各目标视频进行排序的方式可以如下：

首先，选择出第一点击概率最大的第一类目标视频、第三点击概率最大的时效类目标视频、第四点击概率最大的非时效类目标视频，作为排列在前三位的已完成排序的目标视频。在具体实现中，可以生成临时列表L，在三类目标视频(第一类目标视频、时效类目标视频和非时效类目标视频)中分别选择出第一点击概率最大的第一类目标视频、第三点击概率最大的时效类目标视频和第四点击概率最大的非时效类目标视频加入列表L，作为排列在前三位的已完成排序的目标视频。

然后，遍历各个未完成排序的目标视频，对遍历到的目标视频执行以下步骤：

确定遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离，然后根据欧氏距离，确定遍历到的目标视频是否满足预设要求，若遍历到的目标视频满足所述预设要求，将遍历到的目标视频排列在上一个已完成排序的目标视频之后。

在一个例子中，确定遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离的方式，可以为：获取遍历到的目标视频的第一特征向量，并获取各个已完成排序的目标视频的第二特征向量；根据第一特征向量、第二特征向量、预设的遍历到的目标视频所属类别的权重、预设的各个已完成排序的目标视频的所属类别的权重，确定遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离。其中，目标视频所属类别为以下任意一种：第一类即新上架的视频类、时效类、非时效类，根据实际需要可以对不同的类别预设不同的权重，比如，根据用户在一天中的不同时段对各类别视频的需求程度不同，设置不同类别对应的权重，对某一类别的视频需求程度越大，该类别对应的权重设置的越大。

在一个例子中，以遍历到的目标视频(视频i)与一个已完成排序的目标视频(视频j)之间的欧氏距离的计算方式为例，可以通过如下公式计算视频1与视频2之间的欧氏距离：

其中，

为视频i所属类别t_i的权重，

为视频j所属类别t_j的权重，y_i为视频i的特征向量、y_j为视频j的特征向量。

在一个例子中，预设要求包括：遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离均大于预设距离；其中，预设距离可以根据实际需要进行设置。可以理解的是，如果遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离均大于预设距离，可以认为遍历到的目标视频与各个已完成排序的目标视频之间的相似度均很小，则可以将遍历到的目标视频排列在上一个已完成排序的目标视频之后。这样的排序方式有利于，使得已完成排序目标视频相互之间的相似度均较小。

在另一个例子中，预设要求包括：每遍历完一次当前所有未完成排序的目标视频，确定所述遍历到的目标视频与各个已完成排序的目标视频的欧氏距离的和最大。也就是说，每遍历完一次当前所有未完成排序的目标视频，在遍历过的当前所有未完成排序的目标视频中选择出一个与各个已完成排序的目标视频的欧氏距离的和最大的目标视频作为满足预设要求得目标视频。这样的排序方式有利于使得各目标视频按照相互之间的相似度从小到大排列，如果按照这种排序方式向冷启动用户推荐各目标视频，有利于使得冷启动用户在浏览时可以依次浏览到相互之间相似度较小的视频，避免冷启动用户当前浏览的是一个不感兴趣的视频a，下一个浏览的是与视频a很相似的视频b，有利于加快视频推荐平台检测到冷启动用户对所推荐的视频的点击操作的速度，快速分析得到冷启动用户的兴趣、爱好。

比如，可以按照如下步骤进行排序：

首先，生成临时列表L。

然后，在三类目标视频(第一类目标视频、时效类目标视频和非时效类目标视频)中分别选择出第一点击概率最大的第一类目标视频、第三点击概率最大的时效类目标视频和第四点击概率最大的非时效类目标视频加入列表L，作为排列在前三位的已完成排序的目标视频。

接着，从三类目标视频(共M个目标视频)中未完成排序的目标视频中，选取与列表L内的各目标视频的欧式距离的和最大的目标视频加入列表L，按此迭代直到列表L中目标视频的数量为N。其中，M、N的含义与上述各实施例中提到的M、N的含义相同。

最后，将临时列表L中的N个目标视频依次加入临时列表L的顺序，作为对各目标视频进行排序的结果。在具体实现中，可以按照排序结果将N个目标视频加入推荐列表，该推荐列表即为需推荐至冷启动用户的推荐列表。

在一个例子中，当有新的视频上架，或者推荐列表的曝光数积累到某阈值，则可以更新所有视频的点击率，新上架的视频如果已经有用户的点击操作，则可以根据其实际属性加入分类至时效类视频集内或非时效类视频集。

步骤408：根据排序的结果，将各目标视频推荐至冷启动用户。

也就是说，可以根据排序的结果，将各目标视频中已完成排序的目标视频按照排序的结果依次推送至冷启动用户所使用的终端。在具体实现中，视频推荐平台可以直接将上述推荐列表推送至冷启动用户所使用的终端。

在一个例子中，可以以推荐列表中的目标视频发生至少一次点击的概率最大化为目标，抽象出最小收益最大化目标函数，然后，通过限制条件对上述目标函数进行限制，以最终实现推荐列表中的目标视频发生至少一次点击的概率最大化的目标：

目标函数:max min P(Y)＝p(y₁,y₂...y_N)

限制条件:

1、

2、p(y_i)＝max[p(x₀),p(x₁)...p(x_j)...]

3、N＝round(1/P)

4、

i＝0,1,2

其中，Y＝[y₁,y₂…y_N]为推荐列表中的N条视频，P(Y)为该推荐列表被点击的概率。由于上述限制条件中的前4个均在上述各实施方式中描述过，本实施方式对前4个限制条件不做具体描述。下面主要对第5个限制条件进行解释，第5个限制条件中包括了上面提到的欧氏距离的公式，主要是为了在未完成排序的各目标视频中选取出一个与已完成排序的各目标视频的欧式距离的和最大的目标视频。

需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。

与现有技术相比，本实施方式中考虑到两个目标视频之间欧氏距离的大小可以反映这两个目标视频之间相似度的大小，欧氏距离越大，相似度越小，反之欧氏距离越小，相似度越大。本发明实施方式中，在三类目标视频即第一类目标视频、时效类目标视频、非时效类目标视频中分别选择出点击概率最大的三个目标视频作为排列在前三位的已完成排序的目标视频，然后依次遍历各个未完成排序的目标视频，结合遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离，确定遍历到的目标视频是否可以排列在上一个已完成排序的目标视频之后，即各个目标视频的排列顺序可以反映目标视频相互之间的相似度，有利于向冷启动用户以合理的排列顺序推荐各目标视频。

另外，本实施方式中，考虑到现有技术中要获取宽范围的视频，需要积累一段时间的视频再作计算，而要快速得到用户对视频的反馈，则需要将视频尽快的推给用户。现有技术中，通过分类聚类，取多个类簇来保证宽范围的视频的计算方法，都需要积累一定的视频量再做计算，效率较低。本实施方式中以使推荐列表的内容发生至少一次点击的概率最大化为目标，可以高效的计算出足够宽范围的视频推荐列表，快速得到冷启动用户的真实点击反馈。本申请的发明人通过实验发现，本实施方式的视频推荐方法，相比于现有的分类簇按热度排序的推荐召回集，点击率可以提升1.6至2.1％(现有技术中按热度排序进行推荐的点击率为6.5％-7.2％)。相比于分类簇按新鲜度排序的推荐召回集，点击率可以提升1.9至2.5％(现有技术中按新鲜度排序进行推荐的点击率为6.2％-6.8％)，本实施方式中可以使冷启动点击率达到8.1％至9.3％。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第五实施方式涉及一种电子设备，如图5所示，包括至少一个处理器501；以及，与至少一个处理器501通信连接的存储器502；其中，存储器502存储有可被至少一个处理器501执行的指令，指令被至少一个处理器501执行，以使至少一个处理器501能够执行第一至第四实施方式中的视频推荐方法。

其中，存储器502和处理器501采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器501和存储器502的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器501处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器501。

处理器501负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器502可以被用于存储处理器501在执行操作时所使用的数据。

本发明第六实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (10)

1.一种视频推荐方法，其特征在于，包括：

确定对冷启动用户所需推荐的目标视频的目标数量；

获取待推荐的候选视频集；其中，所述候选视频集中包括新上架的第一类视频集和已上架的第二类视频集；

从所述候选视频集中选择出所述目标视频，并将各所述目标视频推荐至所述冷启动用户；其中，选择出的所述目标视频的数量大于或等于所述目标数量，所述目标视频包括所述第一类视频集中的第一类目标视频和所述第二类视频集中的第二类目标视频。

2.根据权利要求1所述的视频推荐方法，其特征在于，所述从所述候选视频集中选择出目标视频，包括：

预估所述冷启动用户对所述候选视频集中各视频的点击概率；其中，所述点击概率包括所述冷启动用户对所述第一类视频集中各第一类视频的第一点击概率和所述冷启动用户对所述第二类视频集中各第二类视频的第二点击概率；

根据所述第一点击概率，在所述第一类视频集中选择出所述第一类目标视频；

根据所述第二点击概率，在所述第二类视频集中选择出所述第二类目标视频。

3.根据权利要求2所述的视频推荐方法，其特征在于，所述第二类视频集包括时效类视频集和非时效类视频集，所述第二点击概率包括所述冷启动用户对所述时效类视频集中各时效类视频的第三点击概率和所述冷启动用户对所述非时效类视频集中各非时效类视频的第四点击概率，所述第二类目标视频包括时效类目标视频和非时效类目标视频；

所述根据所述第二点击概率，在所述第二类视频集中选择出所述第二类目标视频，包括：

根据所述第三点击概率，在所述时效类视频集中选择出所述时效类目标视频；

根据所述第四点击概率，在所述非时效类视频集中选择出所述非时效类目标视频。

4.根据权利要求3所述的视频推荐方法，其特征在于，所述将各所述目标视频推荐至所述冷启动用户，包括：

根据所述第一点击概率、所述第三点击概率和所述第四点击概率，对各所述目标视频进行排序；

根据排序的结果，将各所述目标视频推荐至所述冷启动用户。

5.根据权利要求4所述的视频推荐方法，其特征在于，所述根据所述第一点击概率、所述第三点击概率和所述第四点击概率，对各所述目标视频进行排序，包括：

选择出所述第一点击概率最大的第一类目标视频、所述第三点击概率最大的时效类目标视频、所述第四点击概率最大的非时效类目标视频，作为排列在前三位的已完成排序的目标视频；

遍历各个未完成排序的目标视频，对遍历到的目标视频执行以下步骤：

确定遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离；

根据所述欧氏距离，确定所述遍历到的目标视频是否满足预设要求；

若遍历到的目标视频满足所述预设要求，将所述遍历到的目标视频排列在上一个已完成排序的目标视频之后。

6.根据权利要求5所述的视频推荐方法，其特征在于，所述确定遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离，包括：

获取所述遍历到的目标视频的第一特征向量，并获取各个已完成排序的目标视频的第二特征向量；

根据所述第一特征向量、第二特征向量、预设的所述遍历到的目标视频所属类别的权重、预设的所述各个已完成排序的目标视频的所属类别的权重，确定遍历到的目标视频与各个已完成排序的目标视频之间的欧氏距离。

7.根据权利要求2中所述的视频推荐方法，其特征在于，所述预估所述冷启动用户对所述候选视频集中各视频的点击概率，包括：

获取所述候选视频集中各视频的特征向量；其中，所述特征向量用于描述所述视频在不同维度的特征；

获取所述不同维度的特征关联的历史点击数据；

根据所述历史点击数据，预估所述冷启动用户对所述候选视频集中各视频的点击概率。

8.根据权利要求1至7中任一项所述的视频推荐方法，其特征在于，所述确定对冷启动用户所需推荐的目标视频的目标数量，包括：

确定为了使所述冷启动用户发生至少一次点击行为，所需推荐的目标视频的最少数量；

将所述最少数量作为所述目标数量。

9.一种电子设备，其特征在于，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8中任一所述的视频推荐方法。

10.一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权利要求1至8中任一项所述的视频推荐方法。

Images