CN112135193A - 视频推荐方法及装置 - Google Patents

视频推荐方法及装置 Download PDF

Info

Publication number
CN112135193A
CN112135193A CN202011014502.1A CN202011014502A CN112135193A CN 112135193 A CN112135193 A CN 112135193A CN 202011014502 A CN202011014502 A CN 202011014502A CN 112135193 A CN112135193 A CN 112135193A
Authority
CN
China
Prior art keywords
matrix
video
playing
weight
label
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
CN202011014502.1A
Other languages
English (en)
Other versions
CN112135193B (zh
Inventor
彭一
唐广宇
喻俊
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.)
Hunan MgtvCom Interactive Entertainment Media Co Ltd
Original Assignee
Hunan MgtvCom Interactive Entertainment Media 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 Hunan MgtvCom Interactive Entertainment Media Co Ltd filed Critical Hunan MgtvCom Interactive Entertainment Media Co Ltd
Priority to CN202011014502.1A priority Critical patent/CN112135193B/zh
Publication of CN112135193A publication Critical patent/CN112135193A/zh
Application granted granted Critical
Publication of CN112135193B publication Critical patent/CN112135193B/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
    • H04N21/45—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明提供一种视频推荐方法及装置，该方法包括：在到达当前计算周期的结束节点时，确定与当前计算周期对应的初始标签权重矩阵，得到对初始标签权重矩阵衰减后的权重衰减矩阵；基于与当前计算周期对应的视频播放日志数据生成视频播放矩阵；获取视频标签矩阵，基于视频标签矩阵、视频播放矩阵和权重衰减矩阵得到标签权重矩阵，并将标签权重矩阵作为下一计算周期的初始标签权重矩阵；基于标签权重矩阵得到视频推荐矩阵，并基于视频推荐矩阵中的每个用户对每个视频的观看权重值，为每个用户推荐视频。本发明通过增量叠加的方式处理为用户推荐视频时所涉及到的数据，避免进行全量计算，减少了计算量，提高了为用户推荐视频的效率。

Description

视频推荐方法及装置
技术领域
本发明涉及计算机技术领域，特别涉及一种视频推荐方法及装置。
背景技术
随着网络技术的飞速发展与进步，互联网成为人们生活中必不可少的重要部分，通过使用互联网，人们的生活更加的方便和丰富。随着各种可联网设备的普及，人们可以通过各式各样的联网设备在互联网上浏览视频，例如手机、IPAD等各种便携式的可联网设备，使得人们可以随时随地在各种视频平台上浏览视频。
视频平台为了吸引用户观看本视频平台内的更多视频，通常会向用户推荐用户感兴趣的视频，从而吸引用户在视频平台中观看视频，进而提高用户对该视频平台的使用频率以及提高该视频平台中视频的播放量，由此可以为该视频平台带来更多的经济收益。
向用户推荐视频的方式有很多种，其中一种方式就是根据标签为用户推荐视频，而在使用标签为用户推荐视频时，现有的推荐方式是在每次为用户推荐视频的时候，需要一次性载入大量的历史浏览记录进行全量计算，以便根据计算得到的标签为用户推荐视频，而这种视频推荐方式的计算量相当庞大，在计算的过程中需要花费大量的时间和占用视频平台大量的计算资源，降低了视频平台向用户推荐视频的效率。
发明内容
有鉴于此，本发明提供一种视频推荐方法及装置，应用本发明，可以快速确定用户感兴趣的视频，在确定用户感兴趣的视频的计算过程中，以迭代增量的方式进行计算，由此有效减少了计算量，提高了效率。
为实现上述目的，本发明提供如下技术方案：
一种视频推荐方法，包括：
在到达当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；
将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；
获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；
获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；
按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；
获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。
上述的方法，可选的，所述将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵，包括：
将所述初始标签权重矩阵与预设的衰减因子进行运算，得到第一矩阵；
确定所述第一矩阵中的各个数值，并将每个所述数值与预设的阈值进行比对；
将所述第一矩阵中小于所述阈值的每个数值进行置零处理，以得到第二矩阵，并将所述第二矩阵确定为权重衰减矩阵。
上述的方法，可选的，所述基于所述视频播放日志数据生成视频播放矩阵，包括：
确定所述视频播放日志数据中的每条播放日志的播放信息；
基于所述播放信息，确定每条所述播放日志的播放类型，所述播放类型为有效播放、无效播放或未播放；
基于播放类型为有效播放的各条所述播放日志和播放类型为未播放的各条所述播放日志，构建视频播放矩阵。
上述的方法，可选的，所述将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，包括：
将所述视频播放矩阵与所述视频标签矩阵相乘，得到第一运算矩阵；
将所述第一运算矩阵与所述权重衰减矩阵相加，得到第二运算矩阵，并将所述第二运算矩阵确定为与所述当前计算周期对应的标签权重矩阵。
上述的方法，可选的，所述按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵，包括：
确定所述视频标签矩阵的转置矩阵；
将所述标签权重矩阵与所述转置矩阵相乘，以得到与所述当前计算周期对应的视频推荐矩阵。
一种视频推荐装置，包括：
确定单元，用于在到达当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；
衰减单元，用于将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；
获取单元，用于获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；
第一运算单元，用于获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；
第二运算单元，用于按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；
推荐单元，用于获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。
上述的装置，可选的，所述衰减单元，包括：
第一运算子单元，用于将所述初始标签权重矩阵与预设的衰减因子进行运算，得到第一矩阵；
第一确定子单元，用于确定所述第一矩阵中的各个数值，并将每个所述数值与预设的阈值进行比对；
第二确定子单元，用于将所述第一矩阵中小于所述阈值的每个数值进行置零处理，以得到第二矩阵，并将所述第二矩阵确定为权重衰减矩阵。
上述的装置，可选的，所述获取单元，包括：
第三确定子单元，用于确定所述视频播放日志数据中的每条播放日志的播放信息；
第四确定子单元，用于基于所述播放信息，确定每条所述播放日志的播放类型，所述播放类型为有效播放、无效播放或未播放；
构建子单元，用于基于播放类型为有效播放的各条所述播放日志和播放类型为未播放的各条所述播放日志，构建视频播放矩阵。
上述的装置，可选的，所述第一运算单元，包括：
第二运算子单元，用于将所述视频播放矩阵与所述视频标签矩阵相乘，得到第一运算矩阵；
第五确定子单元，用于将所述第一运算矩阵与所述权重衰减矩阵相加，得到第二运算矩阵，并将所述第二运算矩阵确定为与所述当前计算周期对应的标签权重矩阵。
上述的装置，可选的，所述第二运算单元，包括：
第六确定子单元，用于确定所述视频标签矩阵的转置矩阵；
第三运算子单元，用于将所述标签权重矩阵与所述转置矩阵相乘，以得到与所述当前计算周期对应的视频推荐矩阵。
与现有技术相比，本发明具有以下优点：
本发明提供一种视频推荐方法，该方法包括：在到达当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；将初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。应用本发明，以周期计算的方式处理为用户推荐视频时所涉及到的数据，由此可以在处理数据时增量叠加进行计算，可以有效减少在为用户推荐视频时的计算量，进一步提高了为用户推荐视频的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种视频推荐方法的方法流程图；
图2为本发明实施例提供的一种视频推荐方法的另一方法流程图；
图3为本发明实施例提供的一种视频推荐方法的又一方法流程图；
图4为本发明实施例提供的一种视频推荐方法的再一方法流程图；
图5为本发明实施例提供的一种视频推荐装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本申请中，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种视频推荐方法，该方法可以应用在多种视频播放平台、视频推荐平台、使用视频播放软件的智能设备或是视频播放管理系统，其执行主体可以为计算机终端或各种移动设备的处理器，所述方法的方法流程图如图1所示，具体包括：
S101、在到达当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵。
本发明实施例提供的方法中，在视频推荐平台或系统在投入使用后，周期性处理系统中用户观看视频的数据，当系统达到当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵，所述结束节点也可以为结束时间节点；其中，计算周期的时长可以以天、小时、分钟或是秒为单位进行计算，例如以24小时作为一个时间周期，则当系统是在1月1日零点开始投入使用时，则从1月1日零点至1月2日零点的时长则作为当前计算周期，而从1月2日零点至1月3日零点的时长则作为下一计算周期，从1月3日零点至1月4日零点的时长则作为下下一计算周期，以此类推，此处不再举例；当前计算周期的结束节点为1月2日零点，换句话说，当前计算周期的结束节点为下一计算周期的开始节点。需要说明的是，在系统投入运行时对应的第一个当前计算周期所对应的初始标签权重矩阵是预设的矩阵，该矩阵通过其他媒资系统的数据或是用户视频爱好的调查数据进行处理后得到，或是通过商业购买的方式得到。需要说明的是，所述初始标签权重矩阵由多个标签参数值组成，其中，所述初始标签权重矩阵的行数为用户数，初始标签权重矩阵的列数为标签数；所述初始标签权重矩阵中的每个标签参数值表示用户的标签的权重值；例如初始标签权重矩阵的第一行第一列的标签参数值的值为0.6，则表示用户1的标签1的权重值为0.6；其中，标签的种类包括但不限于明星、演员以及喜视频的类型等标签；进一步的，标签还可以包含用户属性，例如用户性别、年龄以及地域等。其中，标签参数值可以为向量值。
S102、将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵。
本发明实施例提供的方法中，基于预设的衰减因子，对所述初始标签权重矩阵进行衰减处理，得到进行衰减处理后的矩阵，该矩阵为权重衰减矩阵；所述衰减因子为任意正数，通常所述衰减因子为小于或等于1的正数，即衰减因子的取值范围为(0,1]的小数，通常衰减因子的取值不为1；对所述初始标签权重矩阵进行衰减处理的目的是降低初始标签权重矩阵中的标签参数值在系统中所占据的权重，所述标签参数值还可以称为标签向量，由此可以确保用户在近期的行为对系统的整个标签的权重的影响。
S103、获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵。
本发明实施例提供的方法中，获取在当前计算周期内各个用户的视频播放日志数据，其中所述视频播放日志数据也为用户行为数据，所述视频播放日志数据由每个用户在当前计算周期内对每个视频的播放情况信息组成，每个用户对每个视频的播放情况生成一条播放日志；基于所述视频播放日志数据获取各个矩阵参数，基于各个所述矩阵参数构建视频播放矩阵，其中，所述视频播放矩阵的行数为用户数，视频播放矩阵的列数为视频的个数；所述视频播放矩阵中的每个矩阵参数表示用户对视频的播放情况，例如，所述视频播放矩阵第一行第一列的矩阵参数为1时，表示用户1有效播放了视频1。
S104、获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵。
本发明实施例提供的方法中，获取预设的视频标签矩阵，其中，视频标签矩阵通过外部系统得到的，外部系统通过对每条视频进行处理，向每条视频打上对应的标签，标签包括但不限于明星、类型、演员以及年份等，再根据每条视频所对应的标签生成视频标签矩阵，其中，所述视频标签矩阵中包含多个视频参数，每个视频参数表示标签在视频中的情况，例如：若所述视频标签矩阵中的第一行第一列的视频参数为1，则表示视频1包含标签1；若所述视频标签矩阵中的第一行第二列的视频参数为0，则表示视频1不包含标签2；换句话说，视频参数可以表示视频中是否包含该标签。将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，将运算得到的矩阵确定为与当前计算周期对应的标签权重矩阵，其中，所述标签权重矩阵的行数为用户数，标签权重矩阵的列数为标签数；所述标签权重矩阵由多个标签参数值组成，每个所述标签参数值表示用户的标签的权重值，例如，假设所述标签权重矩阵中的第一行第二列的标签参数值为0.4，则表示用户1的标签2的权重值为0.4；将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵，由此可将计算得到的标签权重矩阵作为下一计算周期的初始标签权重矩阵进行运算，由此实现了增量计算，进而减少系统的计算量，提高了系统的工作效率。
S105、按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵。
本发明实施例提供的方法中，在获得与当前计算周期对应的标签权重矩阵后，需按照预设的计算规则对所述标签权重矩阵进行运算处理，以得到与所述当前计算周期对应的视频推荐矩阵，所述视频推荐矩阵的行数与用户数相同；所述视频推荐矩阵的列数与视频数相同，所述视频推荐矩阵由每个用户对每个视频的观看权重值构成，观看权重值用于表征用户对视频的喜爱程度，观看权重值越大，则表示用户对视频的喜爱程度越深。
S106、获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。
本发明实施例提供的方法中，在得到与所述当前计算周期对应的视频推荐矩阵后，对视频推荐矩阵进行解析，以获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值，每个用户对应多个观看权重值；在为用户推荐视频时，可以根据观看权重值的大小为用户推荐视频，可选的，对每个用户而言，在与该用户对应的各个观看权重值中确定最大的观看权重值，进而将与最大的观看权重值对应的视频确定为目标视频，将所述目标视频向用户推荐；可选的，对每个用户而言，在与该用户对应的各个观看权重值中确定满足预设数目的目标权重值，并将每个目标权重值所对应的视频向用户推荐；其中，在确定满足预设数目的目标权重值时，可选的，按照从大到小的顺序在各个观看权重值中依次进行选取，在选取的观看权重值的个数与预设数目相同时，停止选取观看权重值，此时，所选取的观看权重值即为目标权重值。
本发明实施例提供的方法中，在达到预设的当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；将初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。应用本发明，以周期计算的方式处理为用户推荐视频时所涉及到的数据，由此可以在处理数据时以增量叠加的方式进行计算，可以有效减少在为用户推荐视频时的计算量，进一步提高了为用户推荐视频的效率。
本发明实施例提供的方法中，在确定与所述当前计算周期对应的初始标签权重矩阵后，对所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵，对所述初始标签权重矩阵进行衰减处理的过程下所述：
将所述初始标签权重矩阵与预设的衰减因子进行运算，得到第一矩阵；
确定所述第一矩阵中的各个数值，并将每个所述数值与预设的阈值进行比对；
将所述第一矩阵中小于所述阈值的每个数值进行置零处理，以得到第二矩阵，并将所述第二矩阵确定为权重衰减矩阵。
本发明实施例提供的方法中，将所述初始标签权重矩阵与预设的衰减因子相乘，即将所述初始标签权重矩阵中的每个数值与预设的衰减因子相乘，以得到第一矩阵，其中，初始标签权重矩阵中的数值可称为标签参数值。确定第一矩阵中的各个数值，需要说明的是，第一矩阵中的数值也可称为标签参数值；将第一矩阵中的各个数值与预设的阈值进行比对，并将小于所述阈值的数值置零，以此得到第二矩阵，将所述第二矩阵确定为权重衰减矩阵；需要说明的是，所述阈值可为0.05，例如：假设第一矩阵第二行第二列的数值为0.01，该数值小于0.05，则将该数值设置为0；所述阈值可根据实际需求进行设置。本发明实施例提供的方法中，通过对初始矩阵进行衰减处理，由此可以将用户之前的数据进行降权，由此可以突出用户近期观看视频的数据的影响，提高用户近期的数据的权重，可以使得系统快速、及时响应用户兴趣的变化；通过置零处理后的。
本发明实施例提供的方法中，在为用户推荐视频时，需要获取与当前计算周期对应的视频播放日志数据，其中，与当前计算周期对应的视频播放日志数据为用户近期观看视频的行为数据或者为用户近期播放视频的数据，对视频播放日志数据进行处理，以得到视频播放矩阵，对视频播放日志数据进行处理的过程如图2所示，具体说明如下所述：
S201、确定所述视频播放日志数据中的每条播放日志的播放信息。
本发明实施例提供的方法中，对所述视频播放日志数据进行解析，以确定所述视频播放日志数据中的每条播放日志，获取每条播放日志的播放信息，其中，播放日志为用户对视频播放的日志，每个用户对每个视频均存在一条播放日志；播放信息中包含但不限于用户信息、视频开始播放的时间以及该视频持续播放的时间长度等。
S202、基于所述播放信息，确定每条所述播放日志的播放类型，所述播放类型为有效播放、无效播放或未播放。
本发明实施例提供的方法中，对于每条播放日志，基于该播放日志中的播放信息，确定该条播放日志的播放类型，播放类型为有效播放、无效播放或者为未播放；其中，确定播放日志的播放类型的其中一种方式为：确定该播放日志中的视频持续播放的时间长度，判断该时间长度是否为零，当该时间长度为零时，确定该播放日志的播放类型为未播放；当该时间长度不为零时，判断该时间长度是否大于预设的播放时长；当该时间长度大于预设的播放时长时，确定该播放日志的播放类型为有效播放；当该时间长度不大于预设的播放时长时，确定该播放日志的播放类型为无效播放；需要说明的是，不同的视频对应不同的播放时长，可根据视频的时间长度进行设置。
S203、基于播放类型为有效播放的各条所述播放日志和播放类型为未播放的各条所述播放日志，构建视频播放矩阵。
本发明实施例提供的方法中，在确定每条播放日志的播放类型后，播放类型为有效播放的播放日志可以用数值1表示，播放类型为无效播放的播放日志可以用数值-1表示，播放类型为未播放的播放日志可以用数值0表示；确定播放类型为有效播放的每条播放日志和播放类型为未播放的每条播放日志排列成矩阵，并将用于表示播放类型的数值在矩阵中代替播放日志，例如用播放日志排列成的矩阵中的第一行第三列为播放类型为有效播放的播放日志，则用1表示；例如用播放日志排列成的矩阵中的第二行第三列为播放类型为未播放的播放日志，则用0表示。优选的，可将播放类型为无效播放的播放日志作为播放类型为未播放的播放日志进行处理；实际在构建视频播放矩阵的过程中，播放类型为无效播放的播放日志是极少的，因此，将播放类型为无效播放的播放日志丢弃对构建视频播放矩阵的影响是极小的。
本发明实施例提供的方法中，通过对与当前计算周期对应的视频播放日志数据进行处理，由此可以得到与当前计算周期对应的视频播放矩阵，由此可以得到用户近期对视频的播放行为的矩阵，通过周期性处理用户近期的对视频的播放行为数据，可得到用户近期对视频的播放行为的矩阵，由此可以快速响应用户近期对视频的爱好和兴趣的变化，并且有效减少对数据处理的计算量。
本发明实施例提供的方法中，在得到视频标签矩阵、视频播放矩阵和权重衰减矩阵后，需要对这三个矩阵进行运算，以得到与当前计算周期对应的标签权重矩阵，具体的流程如图3所示，具体说明如下所述：
S301、将所述视频播放矩阵与所述视频标签矩阵相乘，得到第一运算矩阵。
S302、将所述第一运算矩阵与所述权重衰减矩阵相加，得到第二运算矩阵，并将所述第二运算矩阵确定为与所述当前计算周期对应的标签权重矩阵。
本发明实施例提供的方法中，将所述视频播放矩阵与所述视频标签矩阵按照矩阵乘法运算法则进行运算，得到第一运算矩阵，其中第一运算矩阵的行数与视频播放矩阵的行数对应，第一矩阵的列数与视频标签矩阵的列数对应；将第一运算矩阵与权重衰减矩阵按照矩阵的加法运算法则进行运算，得到第二运算矩阵；并将第二运算矩阵确定为与当前计算周期对应的标签权重矩阵。
本发明实施例提供的方法中，将视频播放矩阵与视频标签矩阵进行运算，并将运算得到的矩阵与权重衰减矩阵相加，由此实现在为用户推荐视频的过程中对数据的增量叠加计算，由此可以避免在为用户推荐视频时对数据进行全量计算，可以有效减少计算量，提高计算的效率。
本发明实施例提供的方法中，在计算得到与当前计算周期对应的标签权重矩阵后，将该标签权重矩阵作为下一计算周期的初始标签权重矩阵，由此在达到下一计算周期的结束节点时，可使用该初始标签权重矩阵，由此可以有效减少计算量，减少占用的计算资源，提高工作效率，有效提高为用户推荐视频的效率。
本发明实施例提供的方法中，在得到标签权重矩阵后，需要对标签权重矩阵进行处理，以得到与所述当前计算周期对应的视频推荐矩阵，具体如图4所示，具体说明如下所述：
S401、确定所述视频标签矩阵的转置矩阵。
S402、将所述标签权重矩阵与所述转置矩阵相乘，以得到与所述当前计算周期对应的视频推荐矩阵。
本发明实施例提供的方法中，将所述视频标签矩阵进行处理，以得到与其对应的转置矩阵，将所述标签权重矩阵与转置矩阵按照乘法法则进行运算，以得到与所述当前计算周期对应的视频推荐矩阵，所述视频推荐矩阵中包含每个用户对每个视频的观看权重值。本发明实施例提供的方法中，通过对标签权重矩阵进行处理，由此可得到用于向用户推荐视频的视频推荐矩阵，由此可以快速响应用户对视频兴趣的变化需求，因此可以为用户推荐用户近期感兴趣的视频。
本发明实施例提供的方法中，为具体说明本方案的实现过程，以一实例进行说明，具体内容如下所述：
假设视频推荐系统应用本发明提供的方法在该系统中开始使用的时间是2月1日的零点，计算周期以24小时为一个周期，即计算周期以一天为一个周期，则第一个计算周期的时间长度为2月1日零点至2月2日零点的时长，第二个计算周期的为2月2日零点至2月3日零点的时长，以此类推，不再进行赘述；其中，计算周期可以根据日志大小、计算效率、服务器资源等实际情况来进行调整和设置的。以第一个计算周期为当前计算周期进行说明，当达到2月2日零点时，确定与当前计算周期对应的初始标签权重矩阵W0，其中，第一个计算周期对应的初始标签权重矩阵通过各种其他系统、用户调查、商业购买等其他方式得到的；
其中，
Figure BDA0002698588740000131
Figure BDA0002698588740000132
表示初始标签权重矩阵中用户um对应标签tn的标签权重值，其中，m与n的取值均为正整数，
Figure BDA0002698588740000133
可为向量值。
进一步的，对初始标签权重矩阵W0进行衰减处理，得到权重衰减矩阵W1，对初始标签权重矩阵进行衰减处理的过程为：将初始标签权重矩阵W0与预设的衰减因子γ相乘，并将得到的矩阵中小于预设的阈值的数值置零，以得到权重衰减矩阵W1，可表示为：W1＝f(W0*γ)，其中，
Figure BDA0002698588740000134
其中，阈值为0.05；
其中，权重衰减矩阵W1可表示为：
Figure BDA0002698588740000135
其中，
Figure BDA0002698588740000136
表示标签权重矩阵中用户um对应标签tn的标签权重值，其中，m与n的取值均为正整数，
Figure BDA0002698588740000137
可为向量值。
进一步的，获取与当前计算周期对应的视频播放日志数据，即获取2月1日零点至2月2日零点这段时间内的视频播放日志数据，对视频播放日志数据进行处理，生成视频播放矩阵D，其中，视频播放矩阵D可表示为：
Figure BDA0002698588740000138
其中，
Figure BDA0002698588740000139
表示用户um对视频vi的观看情况；其中，
Figure BDA00026985887400001310
其中，m与i的取值均为正整数，进一步的，当
Figure BDA00026985887400001311
时，说明用户um在当前计算周期内看过视频vi，换句话说，用户um在当前计算周期内有效看过视频vi；当
Figure BDA00026985887400001312
时，说明用户um在当前计算周期内未看过视频vi；
进一步的，获取预设的视频标签矩阵C，其中，所述视频标签矩阵C通过外部系统获得，该矩阵可以是最基础的视频媒资标签的矩阵，例如明星、类型、演员、年份等，该矩阵还可以是机器打上的标签，或者上述的综合体，其意义是可以在标签的空间用一个向量描述一个视频。其中，视频标签矩阵C可以表示为：
Figure BDA0002698588740000141
其中，
Figure BDA0002698588740000142
表示视频vi对标签tn包含情况，进一步的，
Figure BDA0002698588740000143
其中，当
Figure BDA0002698588740000144
时，表示视频vi不包含标签tn；当
Figure BDA0002698588740000145
时，表示视频vi包含标签tn，i与n的取值均为正整数；
将所述权重衰减矩阵W1、视频播放矩阵D以及视频标签矩阵C进行运算，其过程为，先将视频播放矩阵D与所述视频标签矩阵C相乘，并将得到的矩阵与权重衰减矩阵W1相加，得到标签权重矩阵W2；即：W2＝D*C+W1；并将标签权重矩阵W2作为下一计算周期的初始标签权重矩阵，即将标签权重矩阵W2作为2月2日零点至2月3日零点这个计算周期的初始标签权重矩阵；
标签权重矩阵W2可表示为：
Figure BDA0002698588740000146
其中，
Figure BDA0002698588740000147
表示标签权重矩阵中用户um对应标签tn的标签权重值，其中，m与n的取值均为正整数，
Figure BDA0002698588740000148
可为向量值。
对视频标签矩阵C进行转置处理，得到视频标签矩阵C的转置矩阵CT，将标签权重矩阵W2与转置矩阵CT，以得到与所述当前计算周期对应的视频推荐矩阵S，即S＝W2*CT；
视频推荐矩阵S可表示为：
Figure BDA0002698588740000149
其中，
Figure BDA00026985887400001410
表示用户um对视频vi的观看权重值，其中，m与i的取值均为正整数；进一步说明，观看权重值越大，则表示用户um对视频vi更感兴趣。
进一步的，可根据视频推荐矩阵S中的每个用户对每个视频的观看权重值为用户推荐视频。
进一步的，在达到第二个计算周期的结束节点时，即达到2月3日零点时，将在第一计算周期的计算得到的标签权重矩阵W2作为这一计算周期的初始标签权重矩阵W0，并重复上述的流程；由此可以看出，在为用户推荐视频时，对相应数据的处理是增量叠加的，相对于传统的获取全部的数据进行计算的全量计算方式，节省了大量的计算资源，减少了大量的计算量，进而提高了效率。
通过应用本发明，通过引入衰减因子对与用户相关的标签矩阵进行衰减处理，降低了用户的历史的观看视频的权重，从而突出用户在近期观看视频所占有的权重，由此可以快速、及时响应用户对视频兴趣的变化，并且本发明通过，采用迭代的方法去更新标签矩阵的算法，这样在保证标签质量的同时，大大降低了标签计算的复杂度；并且在新的计算方法中，我们赋予用户最近的行为更高的权重，这样能更好的响应用户的实情兴趣和行为变化，避免了传统系统中因采用长期、大量的数据进行计算导致计算费时，效率低的问题，并且传统方案中不能有效区分对待用户的近期的行为和喜好与历史行为的重要程度，本发明通过引入衰减因子，可以降低用户对视频观看的历史的权重，进而使用户近期观看视频的数据所占的比重大，可以快速响应和调整用户的视频的爱好变化。
与图1所述的方法对应的，本发明实施例还提供了一种视频推荐装置，用于对图1中方法的具体实现，本发明实施例提供的视频推荐装置，可以应用在计算机终端或各种移动设备中，其结构示意图如图5所示，具体包括：
确定单元501，用于在到达当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；
衰减单元502，用于将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；
获取单元503，用于获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；
第一运算单元504，用于获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；
第二运算单元505，用于按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；
推荐单元506，用于获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。
本发明实施例提供的装置中，在达到预设的当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；将初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。应用本发明，以周期计算的方式处理为用户推荐视频时所涉及到的数据，由此可以在处理数据时增量叠加进行计算，可以有效减少在为用户推荐视频时的计算量，进一步提高了为用户推荐视频的效率。
基于上述方案，本发明实施例提供的装置中，所述衰减单元502，配置为：
第一运算子单元，用于将所述初始标签权重矩阵与预设的衰减因子进行运算，得到第一矩阵；
第一确定子单元，用于确定所述第一矩阵中的各个数值，并将每个所述数值与预设的阈值进行比对；
第二确定子单元，用于将所述第一矩阵中小于所述阈值的每个数值进行置零处理，以得到第二矩阵，并将所述第二矩阵确定为权重衰减矩阵。
基于上述方案，本发明实施例提供的装置中，所述获取单元503，配置为：
第三确定子单元，用于确定所述视频播放日志数据中的每条播放日志的播放信息；
第四确定子单元，用于基于所述播放信息，确定每条所述播放日志的播放类型，所述播放类型为有效播放、无效播放或未播放；
构建子单元，用于基于播放类型为有效播放的各条所述播放日志和播放类型为未播放的各条所述播放日志，构建视频播放矩阵。
基于上述方案，本发明实施例提供的装置中，所述第一运算单元504，配置为：
第二运算子单元，用于将所述视频播放矩阵与所述视频标签矩阵相乘，得到第一运算矩阵；
第五确定子单元，用于将所述第一运算矩阵与所述权重衰减矩阵相加，得到第二运算矩阵，并将所述第二运算矩阵确定为与所述当前计算周期对应的标签权重矩阵。
基于上述方案，本发明实施例提供的装置中，所述第二运算单元505，配置为：
第六确定子单元，用于确定所述视频标签矩阵的转置矩阵；
第三运算子单元，用于将所述标签权重矩阵与所述转置矩阵相乘，以得到与所述当前计算周期对应的视频推荐矩阵。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种视频推荐方法，其特征在于，包括：
在到达当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；
将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；
获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；
获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；
按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；
获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。
2.根据权利要求1所述的方法，其特征在于，所述将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵，包括：
将所述初始标签权重矩阵与预设的衰减因子进行运算，得到第一矩阵；
确定所述第一矩阵中的各个数值，并将每个所述数值与预设的阈值进行比对；
将所述第一矩阵中小于所述阈值的每个数值进行置零处理，以得到第二矩阵，并将所述第二矩阵确定为权重衰减矩阵。
3.根据权利要求1所述的方法，其特征在于，所述基于所述视频播放日志数据生成视频播放矩阵，包括：
确定所述视频播放日志数据中的每条播放日志的播放信息；
基于所述播放信息，确定每条所述播放日志的播放类型，所述播放类型为有效播放、无效播放或未播放；
基于播放类型为有效播放的各条所述播放日志和播放类型为未播放的各条所述播放日志，构建视频播放矩阵。
4.根据权利要求1所述的方法，其特征在于，所述将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，包括：
将所述视频播放矩阵与所述视频标签矩阵相乘，得到第一运算矩阵；
将所述第一运算矩阵与所述权重衰减矩阵相加，得到第二运算矩阵，并将所述第二运算矩阵确定为与所述当前计算周期对应的标签权重矩阵。
5.根据权利要求1所述的方法，其特征在于，所述按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵，包括：
确定所述视频标签矩阵的转置矩阵；
将所述标签权重矩阵与所述转置矩阵相乘，以得到与所述当前计算周期对应的视频推荐矩阵。
6.一种视频推荐装置，其特征在于，包括：
确定单元，用于在到达当前计算周期的结束节点时，确定与所述当前计算周期对应的初始标签权重矩阵；
衰减单元，用于将所述初始标签权重矩阵进行衰减处理，以得到权重衰减矩阵；
获取单元，用于获取与所述当前计算周期对应的视频播放日志数据，并基于所述视频播放日志数据生成视频播放矩阵；
第一运算单元，用于获取预设的视频标签矩阵，并将所述视频标签矩阵、所述视频播放矩阵和所述权重衰减矩阵进行运算，得到与所述当前计算周期对应的标签权重矩阵，并将所述标签权重矩阵作为下一计算周期的初始标签权重矩阵；
第二运算单元，用于按照预设的计算规则对所述标签权重矩阵进行运算，得到与所述当前计算周期对应的视频推荐矩阵；
推荐单元，用于获取所述视频推荐矩阵中包含的每个用户对各个视频的观看权重值；并基于所述每个用户对每个视频的观看权重值，为每个所述用户推荐视频。
7.根据权利要求6所述的装置，其特征在于，所述衰减单元，包括：
第一运算子单元，用于将所述初始标签权重矩阵与预设的衰减因子进行运算，得到第一矩阵；
第一确定子单元，用于确定所述第一矩阵中的各个数值，并将每个所述数值与预设的阈值进行比对；
第二确定子单元，用于将所述第一矩阵中小于所述阈值的每个数值进行置零处理，以得到第二矩阵，并将所述第二矩阵确定为权重衰减矩阵。
8.根据权利要求6所述的装置，其特征在于，所述获取单元，包括：
第三确定子单元，用于确定所述视频播放日志数据中的每条播放日志的播放信息；
第四确定子单元，用于基于所述播放信息，确定每条所述播放日志的播放类型，所述播放类型为有效播放、无效播放或未播放；
构建子单元，用于基于播放类型为有效播放的各条所述播放日志和播放类型为未播放的各条所述播放日志，构建视频播放矩阵。
9.根据权利要求6所述的装置，其特征在于，所述第一运算单元，包括：
第二运算子单元，用于将所述视频播放矩阵与所述视频标签矩阵相乘，得到第一运算矩阵；
第五确定子单元，用于将所述第一运算矩阵与所述权重衰减矩阵相加，得到第二运算矩阵，并将所述第二运算矩阵确定为与所述当前计算周期对应的标签权重矩阵。
10.根据权利要求6所述的装置，其特征在于，所述第二运算单元，包括：
第六确定子单元，用于确定所述视频标签矩阵的转置矩阵；
第三运算子单元，用于将所述标签权重矩阵与所述转置矩阵相乘，以得到与所述当前计算周期对应的视频推荐矩阵。
CN202011014502.1A 2020-09-24 2020-09-24 视频推荐方法及装置 Active CN112135193B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011014502.1A CN112135193B (zh) 2020-09-24 2020-09-24 视频推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011014502.1A CN112135193B (zh) 2020-09-24 2020-09-24 视频推荐方法及装置

Publications (2)

Publication Number Publication Date
CN112135193A true CN112135193A (zh) 2020-12-25
CN112135193B CN112135193B (zh) 2022-06-07

Family

ID=73839616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011014502.1A Active CN112135193B (zh) 2020-09-24 2020-09-24 视频推荐方法及装置

Country Status (1)

Country Link
CN (1) CN112135193B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112612921A (zh) * 2020-12-31 2021-04-06 湖南快乐阳光互动娱乐传媒有限公司 视频的标签确定方法及装置
CN113420181A (zh) * 2021-06-23 2021-09-21 未鲲(上海)科技服务有限公司 视频推荐方法、装置、计算机设备和存储介质
CN116010650A (zh) * 2023-03-20 2023-04-25 南京邮电大学 一种基于负反馈的用户反感标签确定方法
CN116094943A (zh) * 2023-04-07 2023-05-09 湖南快乐阳光互动娱乐传媒有限公司 一种pcdn节点重要性排名方法、装置和设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020161A (zh) * 2012-11-26 2013-04-03 北京奇虎科技有限公司 在线视频推荐方法和推荐系统及处理系统
US20150220525A1 (en) * 2014-02-04 2015-08-06 Google Inc. Adaptive music and video recommendations
CN104933134A (zh) * 2015-06-12 2015-09-23 海信集团有限公司 一种用户特征的分析方法及装置
CN105142028A (zh) * 2015-07-29 2015-12-09 华中科技大学 面向三网融合的电视节目内容搜索与推荐方法
CN107613391A (zh) * 2016-07-12 2018-01-19 上海视畅信息科技有限公司 一种基于视频内容的关联广告推荐方法
CN109657138A (zh) * 2018-12-10 2019-04-19 深圳墨世科技有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN109947983A (zh) * 2017-09-19 2019-06-28 Tcl集团股份有限公司 视频推荐方法、系统、终端及计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020161A (zh) * 2012-11-26 2013-04-03 北京奇虎科技有限公司 在线视频推荐方法和推荐系统及处理系统
US20150220525A1 (en) * 2014-02-04 2015-08-06 Google Inc. Adaptive music and video recommendations
CN104933134A (zh) * 2015-06-12 2015-09-23 海信集团有限公司 一种用户特征的分析方法及装置
CN105142028A (zh) * 2015-07-29 2015-12-09 华中科技大学 面向三网融合的电视节目内容搜索与推荐方法
CN107613391A (zh) * 2016-07-12 2018-01-19 上海视畅信息科技有限公司 一种基于视频内容的关联广告推荐方法
CN109947983A (zh) * 2017-09-19 2019-06-28 Tcl集团股份有限公司 视频推荐方法、系统、终端及计算机可读存储介质
CN109657138A (zh) * 2018-12-10 2019-04-19 深圳墨世科技有限公司 一种视频推荐方法、装置、电子设备及存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112612921A (zh) * 2020-12-31 2021-04-06 湖南快乐阳光互动娱乐传媒有限公司 视频的标签确定方法及装置
CN112612921B (zh) * 2020-12-31 2022-02-22 湖南快乐阳光互动娱乐传媒有限公司 视频的标签确定方法及装置
CN113420181A (zh) * 2021-06-23 2021-09-21 未鲲(上海)科技服务有限公司 视频推荐方法、装置、计算机设备和存储介质
CN116010650A (zh) * 2023-03-20 2023-04-25 南京邮电大学 一种基于负反馈的用户反感标签确定方法
CN116010650B (zh) * 2023-03-20 2023-09-15 南京邮电大学 一种基于负反馈的用户反感标签确定方法
CN116094943A (zh) * 2023-04-07 2023-05-09 湖南快乐阳光互动娱乐传媒有限公司 一种pcdn节点重要性排名方法、装置和设备
CN116094943B (zh) * 2023-04-07 2023-06-06 湖南快乐阳光互动娱乐传媒有限公司 一种pcdn节点重要性排名方法、装置和设备

Also Published As

Publication number Publication date
CN112135193B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN112135193B (zh) 视频推荐方法及装置
CN109819284B (zh) 一种短视频推荐方法、装置、计算机设备及存储介质
CN106326391B (zh) 多媒体资源推荐方法及装置
US9681168B2 (en) Recommending a composite channel
US6151585A (en) Methods and apparatus for determining or inferring influential rumormongers from resource usage data
US9569553B2 (en) Personalized bookmarks for social networking system actions based on user activity
CN111935291B (zh) 游戏推送方法、装置、设备及计算机可读存储介质
US20110197130A1 (en) Method and system for determining viewing time of an online video
CN108536814B (zh) 直播间推荐方法、计算机可读存储介质及电子设备
EP3213289B1 (en) Automated social message stream population
CN107637085B (zh) 用于多媒体推广和对内容优先排序的系统和方法
JP5265659B2 (ja) 広告情報提供装置
US20110166938A1 (en) Methods For Advertising
CN110298716A (zh) 信息推送方法和装置
CN108600780B (zh) 用于推送信息的方法、电子设备、计算机可读介质
CN111046230A (zh) 内容推荐方法及装置、电子设备和可存储介质
CN106919693B (zh) 一种提高热词曝光覆盖率的方法和装置
CN113626638A (zh) 短视频推荐处理方法、装置、智能终端及存储介质
CN117291670B (zh) 基于人群数据的视频广告播放方法及装置
JP2023513095A (ja) 選択および表示のための機械学習によるビデオのキュレーション
US9098863B2 (en) Compressed analytics data for multiple recurring time periods
CN112861018A (zh) 内容发布方法、装置、计算机可读存储介质及电子设备
CN113836388A (zh) 信息推荐方法、装置、服务器及存储介质
CN107562846A (zh) 一种推荐应用的方法和装置
US9319290B1 (en) Method for calculating the subscribability of a channel on the web

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