CN112188295B - 一种视频推荐方法及装置 - Google Patents
一种视频推荐方法及装置 Download PDFInfo
- Publication number
- CN112188295B CN112188295B CN202011052701.1A CN202011052701A CN112188295B CN 112188295 B CN112188295 B CN 112188295B CN 202011052701 A CN202011052701 A CN 202011052701A CN 112188295 B CN112188295 B CN 112188295B
- Authority
- CN
- China
- Prior art keywords
- video
- weight
- label
- candidate
- tag
- 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
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]
- H04N21/40—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
-
- 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
- H04N21/25891—Management of end-user data being end-user 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
- H04N21/4508—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
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)
Abstract
本申请公开了一种视频推荐方法及装置,其中所述方法包括:获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重;基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重;根据所述视频权重,从所述候选集中选取目标视频进行推荐;检测已下发的视频满足设定条件的视频标签,按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理,从而实现视频权重的动态调整,确保用户实时兴趣点视频的及时有效下发的同时,避免满屏全是单一兴趣点视频的情况。
Description
技术领域
本申请实施例涉及自动化推荐技术,尤其涉及一种视频推荐方法及装置。
背景技术
当前短视频应用程序能够为用户提供丰富的音视频内容,而底层的推荐系统承担了从平台海量资源中筛选用户感兴趣的音视频的重要工作。为了满足不同用户不断变化的兴趣偏好,推荐系统需要能够实时的捕捉到用户兴趣点,并从候选集中筛选出与之匹配的短视频内容,以提升用户的使用体验。
在相关技术中,推荐系统为实时捕捉用户兴趣点,常用的解决方法是在召回、排序阶段在模型训练过程中引入用户会话session数据,这在一定程度上能够解决用户实时兴趣点决策候选集的问题,但由于模型更新延迟,导致对最终下发视频的控制力不够,往往会出现兴趣点下发不足或过剩的情况。
发明内容
本申请提供一种视频推荐方法及装置,以解决现有技术中推荐系统对最终下发视频的控制力不够,出现兴趣点下发不足或过剩的情况的问题。
第一方面,本申请实施例提供了一种视频推荐方法,所述方法包括:
获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重;
基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重;
根据所述视频权重,从所述候选集中选取目标视频进行推荐;
检测已下发的视频满足设定条件的视频标签,按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理。
第二方面,本申请实施例还提供了一种视频推荐装置,所述装置包括:
标签权重确定模块,用于获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重;
视频权重确定模块,用于基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重;
视频推荐模块,用于根据所述视频权重,从所述候选集中选取目标视频进行推荐;
降权处理模块,用于检测已下发的视频满足设定条件的视频标签,按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理。
第三方面,本申请实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的视频推荐方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的视频推荐方法。
本申请具有如下有益效果:
在本实施例中,通过获取目标账户历史操作的视频标识对应的视频中包含的各视频标签的标签权重,来确定候选集中各候选视频的视频权重,当根据上述视频权重从候选集中选取目标视频进行推荐以后,可以检测已下发的视频满足设定条件的视频标签,当检测到满足设定条件的视频标签时,按照该视频标签的标签权重,对候选集中包含该视频标签的、未下发的视频进行降权处理,从而实现视频权重的动态调整,确保用户实时兴趣点视频的及时有效下发的同时,避免满屏全是单一兴趣点视频的情况,能够显著提升用户使用视频应用的体验,包括增加使用时长、使用频率等指标。
附图说明
图1是本申请实施例一提供的一种视频推荐方法实施例的流程图;
图2是本申请实施例二提供的一种视频推荐方法实施例的流程图;
图3是本申请实施例三提供的一种视频推荐装置实施例的结构框图;
图4是本申请实施例六提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的一种视频推荐方法实施例的流程图,本实施例可以应用于视频推荐场景,例如,应用于短视频推荐的场景中,本实施例可以由视频推荐装置实现,该视频推荐装置可以应用在视频应用程序或短视频应用程序或直播应用程序中,进行视频推荐。
本实施例具体可以包括如下步骤:
步骤110,获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重。
在一种实现中,可以从日志记录中获取目标账户在先操作的视频标识。
由于一个视频可以包括一个或多个视频标签,而一种视频标签可以出现在一个或多个视频中,因此,在一种实施方式中,可以统计目标账户历史操作的视频标识对应的视频中的各视频标签出现的次数,然后对各视频标签出现的次数进行归一化等处理,从而获得各视频标签的标签权重。
步骤120,基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重。
该步骤中,候选集可以为根据通用的推荐方法确定的、与目标账户匹配的一个或多个候选视频组成的集合。
当通过步骤110确定历史操作记录中出现的各视频标签的标签权重以后,则可以根据历史出现的各视频标签的标签权重,来确定候选集中与历史出现的视频标签相关的候选视频的视频权重。
由于一个视频可以包括一个或多个视频标签,则对于候选集中各候选视频,可以将该候选视频包含的视频标签与已确定标签权重的视频标签进行匹配,从而确定该候选视频包含的视频标签的标签权重。需要说明的是,对于候选视频中不存在匹配项的视频标签,可以将该视频标签的权重设置为预设值,例如,设置为数值0。
然后可以根据候选视频包含的视频标签的标签权重来计算该候选视频的视频权重,例如,计算候选视频包含的视频标签的标签权重之和作为视频权重。
步骤130,根据所述视频权重,从所述候选集中选取目标视频进行推荐。
在一种实现中,当确定候选集中各候选视频的视频权重以后,则可以选取视频权重最大的若干个候选视频作为目标视频,并将目标视频推荐下发至客户端。
步骤140,检测已下发的视频满足设定条件的视频标签,按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理。
在该实施例中,可以监测各视频标签对应的已下发视频的数量,如果某一视频标签对应的已下发视频满足设定条件时,则可以限制后续对该视频标签的视频下发量,以避免满屏全是单一兴趣点视频的情况。
在实现时,则可以对视频下发量满足设定条件的视频标签、对应的未下发视频进行降权处理,通过降低未下发视频的权重,来使得未下发视频能够快速退出下发,从而实现对下发视频的动态推荐策略。
在本实施例中,通过获取目标账户历史操作的视频标识对应的视频中包含的各视频标签的标签权重,来确定候选集中各候选视频的视频权重,当根据上述视频权重从候选集中选取目标视频进行推荐以后,可以检测已下发的视频满足设定条件的视频标签,当检测到满足设定条件的视频标签时,按照该视频标签的标签权重,对候选集中包含该视频标签的、未下发的视频进行降权处理,从而实现视频权重的动态调整,确保用户实时兴趣点视频的及时有效下发的同时,避免满屏全是单一兴趣点视频的情况,能够显著提升用户使用视频应用的体验,包括增加使用时长、使用频率等指标。
实施例二
图2为本申请实施例二提供的一种视频推荐方法实施例的流程图,本实施例在实施例一的基础上进行更具体的说明,包括如下步骤:
步骤210,获取目标账户的历史行为数据,所述历史行为数据包括所述目标账户操作的视频标识以及操作信息。
在一种可能的场景中,在步骤210之前,本实施例还可以包括如下步骤:
接收客户端发送的视频拉取请求,所述视频拉取请求包括目标账户。
具体的,当用户打开视频应用程序并登录目标账户以后,客户端可以检测用户拉取视频的操作,并在检测到该操作后向视频推荐装置发出视频拉取请求,该视频拉取请求可以包括目标账户。视频推荐装置接收到该视频拉取请求后,对该请求进行解析以获得目标账户,并获取目标账户的历史行为数据。
在一种示例中,历史行为数据可以为目标账户最近一次会话Session的行为数据,采用最近一次会话的历史行为数据的实时性能达到秒级别,可以提升实时兴趣视频推荐的实时性。其中,最近一次会话Session是指目标账户与应用程序的服务器最近一次(即上一次)进行通信的时间间隔。在一种实现中,为了提升用户的访问速度,可以为每次会话分配存储区用于存储该次会话操作的数据。则在视频应用程序中,用户每次会话的行为数据都可以存储在当次会话的存储区中,因此可以从目标账户最近一次会话的存储区中获取目标用户的历史行为数据。
示例性地,历史行为数据可以包括目标账户操作的视频标识以及操作信息,目标账户在最近一次会话中操作的视频标识可以组织成视频序列V={v1,v2,...,vk}。例如,如果目标用户在上一次会话中共操作过100个视频,则视频序列为V={v1,v2,...,v100}。
操作信息可以包括正向操作信息以及负向操作信息,其中,正向操作信息可以包括点赞、完播、分享、送礼物等,负向操作信息可以包括踩、倒拇指等。
步骤220,获取各视频标识对应的视频所包含的视频标签,并根据所述操作信息确定各视频标签的分布信息。
在实际中,一个视频可以包括一个或多个视频标签(Tag及hashtag等),可以获取视频序列中各视频标识对应的视频标签,并将各视频的视频标签组成视频标签序列,视频标签序列可以表示为T={{t11,...,t1n},{t21,...,t2n},...{tk1,...,tkn}},其中,{t11,...,t1n},{t21,...,t2n},...{tk1,...,tkn}分别表示不同的视频对应的视频标签集合。
获得目标账户历史操作的视频标签序列以后,可以结合各视频的操作信息,确定各视频标签的分布信息。
在一种实施方式中,步骤220中根据操作信息确定各视频标签的分布信息的步骤,进一步可以包括如下步骤:
针对各视频标签,统计该视频标签出现正向操作信息的第一次数以及出现负向操作信息的第二次数,作为所述分布信息。
在实际中,一个标签可能同时具有正向操作信息和负向操作信息,例如,用户点赞了视频v1,踩了视频v2,而这两个视频都有标签t1。得到视频标签序列以后,可以以视频标签为单位,统计每个视频标签出现正向操作信息的第一次数以及出现负向操作信息的第二次数,例如,用户点赞了视频v1和v2,踩了视频v3,视频v1包括标签t1、t2和t3,视频v2包括t2和t4,视频v3包括t2和t3,则对于标签t1而言,出现正向操作信息的第一次数为1,出现负向操作信息的第二次数为0;对于标签t2而言,出现正向操作信息的第一次数为2,出现负向操作信息的第二次数为1;对于标签t3而言,出现正向操作信息的第一次数为1,出现负向操作信息的第二次数为1;对于标签t4而言,出现正向操作信息的第一次数为1,出现负向操作信息的第二次数为0。
视频标签出现正向操作信息的第一次数以及出现负向操作信息的第二次数可以作为该视频标签的分布信息。
步骤230,根据所述分布信息,确定对应视频标签的标签权重。
得到各视频标签的分布信息以后,可以根据该视频标签的正向操作信息和负向操作信息的分布,进一步确定该视频标签的标签权重W′={w1,w2,…,wm}。
在一种实施方式中,步骤230进一步可以包括如下步骤:
步骤230-1,根据所述第一次数以及所述第二次数计算对应视频标签的权重参考值。
在一种实施方式中,根据第一次数以及第二次数,可以采用如下方式计算对应视频标签的权重参考值:
权重参考值=(k1+1)/(k1+k2+1);
其中,k1为第一次数,k2为第二次数。
步骤230-2,若所述权重参考值大于第一预设值,则将该视频标签确定为正向视频标签,并将所述视频标签的标签权重确定为所述权重参考值。
步骤230-3,若所述权重参考值小于第二预设值,则将该视频标签确定为负向视频标签,并将所述视频标签的标签权重确定为所述权重参考值的负数,其中,所述第二预设值小于所述第一预设值。
在一种实施例中,在将该视频标签确定为正向视频标签之后,本实施例还可以包括:将所述正向视频标签添加到正向视频标签集合中。
在另一种实施例中,在将该视频标签确定为负向视频标签之后,本实施例还可以包括:将所述负向视频标签添加到负向视频标签集合中。
具体的,得到视频标签的权重参考值以后,如果该权重参考值大于第一预设值,则可以将该视频标签确定为正向视频标签,并将该视频标签加入正向视频标签集合中,同时,将该视频标签的标签权重确定为该权重参考值。如果该权重参考值小于第二预设值,则可以将该视频标签确定为负向视频标签,并将该视频标签加入负向视频标签集合中,同时,将该视频标签的标签权重确定为上述权重参考值的负数。其中,第二预设值小于第一预设值。
本实施例将视频标签划分为正向视频标签集合以及负向视频标签集合,正向视频标签集合中的视频标签偏向于正向行为,例如,点赞、完播、分享等;负向视频标签集合中的视频标签偏向于负向行为,例如,踩、倒拇指等,此种划分方式可以便于后续确定视频标签的提权得分为正还是负,从而在视频推荐过程中决定采用提权或者降权处理策略。
步骤240,针对各视频标签,将所述视频标签的标签权重乘以预设的提权系数得到该视频标签的提权得分。
在该实施例中,可以根据经验设定一个提权系数,例如,将提权系数设定为1-5之间的常数,将各视频标签的标签权重乘以预设提权系数,可以得到该视频标签的提权得分。其中,对于正向视频标签集合中的视频标签,由于其标签权重为正数,则对应的提权得分也是正数;对于负向视频标签集合中的视频标签,由于其标签权重为负数,则对应的提权得分也是负数
步骤250,对于候选集中各候选视频,计算所述候选视频包含的视频标签的提权得分之和,得到该候选视频的视频权重。
在该步骤中,候选集为推荐装置按照通用的方法为目标账户初步筛选的多个候选视频组成的集合。该候选集的内容往往较宽泛,即包含较多用户感兴趣的候选视频,但由于坑位资源有限,需要从中进一步筛选出实时性最优的内容。
对于候选集中每个候选视频,可以获取该候选视频携带的视频标签,然后遍历该候选视频的各个视频标签,判断各视频标签是否具有对应的提权得分,如果视频标签有提权得分,则将获取该提权得分;如果某个视频标签没有提权得分,则可以将该视频标签的提权得分设置为数值0。然后计算该候选视频的所有视频标签的提权得分之和,得到该候选视频的视频权重。
例如,候选视频1携带标签t1和t2,其中,标签t1的提权得分为0.5,标签t2的提权得分为0.7,则该候选视频的视频权重为0.5+0.7=1.2;
又如,候选视频2携带标签t1和t5,其中,标签t1的提权得分为0.5,标签t5的提权得分为-2,则该候选视频的视频权重为0.5+(-2)=-1.5,视频权重为负数时,可以确保用户不喜欢的视频能够快速退出下发,避免负向兴趣点视频的持续下发。
步骤260,根据所述视频权重,从所述候选集中选取目标视频进行推荐。
在一种实现中,当确定候选集中各候选视频的视频权重以后,则可以将候选集中各候选视频按照视频权重进行排序,然后选取视频权重最大的一个或多个候选视频作为目标视频,并将目标视频推荐下发至客户端。
步骤270,检测已下发的视频满足设定条件的视频标签,按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理。
在一种实施方式中,可以统计各视频标签对应的已下发视频的数量,当某视频标签对应的已下发视频的数量达到预设数量阈值时,则可以判定该视频标签的已下发的视频满足设定条件,则可以对候选集中包含该视频标签的、未下发的视频进行降权处理,以限制后续对该视频标签的视频下发量,避免满屏全是单一兴趣点视频的情况。
在一种实施方式中,步骤270进一步可以包括如下步骤:
将所述候选集中包含所述视频标签的、未下发的视频的视频权重减去所述视频标签的提权得分,得到所述候选视频的新的视频权重。
在该实施例中,降权的实现过程可以为,对于候选集中未下发的候选视频,可以判断上述未下发的候选视频是否存在满足设定条件的视频标签,如果存在,则对存在满足设定条件的视频标签的候选视频进行降权处理,即将该候选视频的视频权重减去满足设定条件的视频标签的提权得分,得到该候选视频的新的视频权重,从而实现对候选视频的视频权重的动态调整。
例如,假设目标账户历史操作的视频的视频标签有三个,分别是A、B、C,对应的提权得分依次为1分、0.5分和0.1分。那么,可以对候选集中所有存在视频标签A的视频(此处称为A类视频)提权1分,对候选集中所有存在视频标签B的视频(此处称为B类视频)提权0.5分,对候选集中所有存在视频标签C的视频(此处称为C类视频)提权0.1分。随着坑位不断填补,当A类视频下发满足需求后,则取消对候选集中剩余A类视频的提权,即对剩余A类视频降权1分;当B类视频下发满足需求后,则取消对候选集中剩余B类视频的提权,即对剩余B类视频降权0.5分;当C类视频下发满足需求后,则取消对候选集中剩余C类视频的提权,即对剩余C类视频降权0.1分。经过以上动态提权过程,能大大提高A、B、C三个兴趣点视频的下发概率。通过对超出一定数量的兴趣点视频进行降权操作,避免满屏全是单一兴趣点视频的情况,从而满足用户的兴趣需求。
为了实时捕捉用户不断变化的兴趣偏好,本实施例根据目标账户短期的历史行为数据中的视频标识对应的视频所携带的视频标签,确定各视频标签的标签权重,然后根据标签权重来确定视频标签实时的提权得分,基于各视频标签的提权得分可以计算候选集中各候选视频的视频权重,确保用户实时兴趣点视频能够及时下发,提高视频下发的概率。然后在检测到已下发的视频满足设定条件的视频标签时,则可以按照该视频标签的标签权重,对候选集中包含该视频标签的、未下发的视频进行降权处理,以此动态调整候选集中各候选视频的视频权重。
实施例三
图3为本申请实施例三提供的一种视频推荐装置实施例的结构框图,该视频推荐装置可以位于服务器中,可以包括如下模块:
标签权重确定模块310,用于获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重;
视频权重确定模块320,用于基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重;
视频推荐模块330,用于根据所述视频权重,从所述候选集中选取目标视频进行推荐;
降权处理模块340,用于检测已下发的视频满足设定条件的视频标签,按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理。
在一种实施方式中,所述标签权重确定模块310可以包括如下子模块:
历史行为数据获取子模块,用于获取目标账户的历史行为数据,所述历史行为数据包括所述目标账户操作的视频标识以及操作信息;
标签分布信息确定子模块,用于获取各视频标识对应的视频所包含的视频标签,并根据所述操作信息确定各视频标签的分布信息;
标签权重确定子模块,用于根据所述分布信息,确定对应视频标签的标签权重。
在一种实施方式中,所述操作信息包括正向操作信息以及负向操作信息;
所述标签分布信息确定子模块具体用于:
针对各视频标签,统计该视频标签出现正向操作信息的第一次数以及出现负向操作信息的第二次数,作为所述分布信息。
在一种实施方式中,所述标签权重确定子模块具体用于:
根据所述第一次数以及所述第二次数计算对应视频标签的权重参考值;
若所述权重参考值大于第一预设值,则将该视频标签确定为正向视频标签,并将所述视频标签的标签权重确定为所述权重参考值;
若所述权重参考值小于第二预设值,则将该视频标签确定为负向视频标签,并将所述视频标签的标签权重确定为所述权重参考值的负数,其中,所述第二预设值小于所述第一预设值。
在一种实施方式中,所述装置还包括:
正向视频标签集合添加模块,用于在所述将该视频标签确定为正向视频标签之后,将所述正向视频标签添加到正向视频标签集合中;
负向视频标签集合添加模块,用于在所述将该视频标签确定为负向视频标签之后,将所述负向视频标签添加到负向视频标签集合中。
在一种实施方式中,所述标签权重确定子模块还用于采用如下公式计算权重参考值:
权重参考值=(第一次数+1)/(第一次数+第二次数+1)。
在一种实施方式中,所述历史行为数据为所述目标账户最近一次会话的行为数据。
在一种实施方式中,所述视频权重确定模块320可以包括如下子模块:
提权得分计算子模块,用于针对各视频标签,将所述视频标签的标签权重乘以预设的提权系数得到该视频标签的提权得分;
视频权重计算子模块,用于对于候选集中各候选视频,计算所述候选视频包含的视频标签的提权得分之和,得到该候选视频的视频权重。
在一种实施方式中,所述降权处理模块340具体用于:
将所述候选集中包含所述视频标签的、未下发的候选视频的视频权重减去所述视频标签的提权得分,得到所述候选视频的新的视频权重。
在一种实施方式中,所述降权处理模块340还用于:
统计各视频标签对应的已下发视频的数量;
当某视频标签的已下发视频的数量达到预设数量阈值时,则判定该视频标签的已下发的视频满足设定条件。
在一种实施方式中,所述视频推荐模块330具体用于:
将所述候选集中各候选视频按照所述视频权重进行排序;
选取视频权重最大的前一个或多个候选视频作为目标视频。
在一种实施方式中,所述装置还包括:
视频拉取请求接收模块,用于在所述获取目标账户历史操作的视频标识之前,接收客户端发送的视频拉取请求,所述视频拉取请求包括目标账户。
需要说明的是,本申请实施例所提供的上述视频推荐装置可执行本申请任意实施例所提供的视频推荐方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本申请实施例四提供的一种电子设备的结构示意图,如图4所示,该电子设备包括处理器410、存储器420、输入装置430和输出装置440;电子设备中处理器410的数量可以是一个或多个,图4中以一个处理器410为例;电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请实施例中的视频推荐方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的方法。
存储器420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本申请实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由服务器的处理器执行时用于执行实施例一至实施例二中任一实施例中的方法。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是,上述装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (12)
1.一种视频推荐方法,其特征在于,所述方法包括:
获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重,其中,一个视频标签对应于一个兴趣点;
基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重;
根据所述视频权重,从所述候选集中选取目标视频进行推荐下发至客户端;
监测各视频标签对应的已下发视频的数量,如果某一视频标签对应的已下发视频满足设定条件时,则按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理;
其中,所述获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重,包括:
获取目标账户最近一次会话的历史行为数据,所述历史行为数据包括所述目标账户操作的视频标识以及操作信息,所述操作信息包括正向操作信息以及负向操作信息,其中,所述正向操作信息用于描述所述目标账户对应的用户对所述视频标识对应的视频发起的正向行为;所述负向操作信息用于描述所述目标账户对应的用户对所述视频标识对应的视频发起的负向行为;
获取各视频标识对应的视频所包含的视频标签,并针对各视频标签,统计该视频标签出现正向操作信息的第一次数以及出现负向操作信息的第二次数,作为分布信息;
根据所述分布信息,确定对应视频标签的标签权重。
2.根据权利要求1所述的方法,其特征在于,所述根据所述分布信息,确定对应视频标签的标签权重,包括:
根据所述第一次数以及所述第二次数计算对应视频标签的权重参考值;
若所述权重参考值大于第一预设值,则将该视频标签确定为正向视频标签,并将所述视频标签的标签权重确定为所述权重参考值;
若所述权重参考值小于第二预设值,则将该视频标签确定为负向视频标签,并将所述视频标签的标签权重确定为所述权重参考值的负数,其中,所述第二预设值小于所述第一预设值。
3.根据权利要求2所述的方法,其特征在于,在所述将该视频标签确定为正向视频标签之后,所述方法还包括:
将所述正向视频标签添加到正向视频标签集合中;
在所述将该视频标签确定为负向视频标签之后,所述方法还包括:
将所述负向视频标签添加到负向视频标签集合中。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一次数以及所述第二次数计算对应视频标签的权重参考值,包括:
权重参考值=(第一次数+1)/(第一次数+第二次数+1)。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重,包括:
针对各视频标签,将所述视频标签的标签权重乘以预设的提权系数得到该视频标签的提权得分;
对于候选集中各候选视频,计算所述候选视频包含的视频标签的提权得分之和,得到该候选视频的视频权重。
6.根据权利要求5所述的方法,其特征在于,所述按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理,包括:
将所述候选集中包含所述视频标签的、未下发的候选视频的视频权重减去所述视频标签的提权得分,得到所述候选视频的新的视频权重。
7.根据权利要求1-4任一项所述的方法,其特征在于,
当某视频标签的已下发视频的数量达到预设数量阈值时,则判定该视频标签对应的已下发视频满足设定条件。
8.根据权利要求1所述的方法,其特征在于,所述根据所述视频权重,从所述候选集中选取目标视频进行推荐,包括:
将所述候选集中各候选视频按照所述视频权重进行排序;
选取视频权重最大的前一个或多个候选视频作为目标视频。
9.根据权利要求1所述的方法,其特征在于,在所述获取目标账户历史操作的视频标识之前,所述方法还包括:
接收客户端发送的视频拉取请求,所述视频拉取请求包括目标账户。
10.一种视频推荐装置,其特征在于,所述装置包括:
标签权重确定模块,用于获取目标账户历史操作的视频标识,并确定所述视频标识对应的视频中包含的各视频标签的标签权重,其中,一个视频标签对应于一个兴趣点;
视频权重确定模块,用于基于各视频标签的标签权重,确定预设的候选集中各候选视频的视频权重;
视频推荐模块,用于根据所述视频权重,从所述候选集中选取目标视频进行推荐下发至客户端;
降权处理模块,用于监测各视频标签对应的已下发视频的数量,如果某一视频标签对应的已下发视频满足设定条件时,则按照该视频标签的标签权重,对所述候选集中包含该视频标签的、未下发的候选视频进行降权处理;
所述标签权重确定模块包括如下子模块:
历史行为数据获取子模块,用于获取目标账户最近一次会话的历史行为数据,所述历史行为数据包括所述目标账户操作的视频标识以及操作信息,所述操作信息包括正向操作信息以及负向操作信息,其中,所述正向操作信息用于描述所述目标账户对应的用户对所述视频标识对应的视频发起的正向行为;所述负向操作信息用于描述所述目标账户对应的用户对所述视频标识对应的视频发起的负向行为;
标签分布信息确定子模块,用于针对各视频标签,统计该视频标签出现正向操作信息的第一次数以及出现负向操作信息的第二次数,作为分布信息;
标签权重确定子模块,用于根据所述分布信息,确定对应视频标签的标签权重。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-9中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011052701.1A CN112188295B (zh) | 2020-09-29 | 2020-09-29 | 一种视频推荐方法及装置 |
US18/246,004 US20230362423A1 (en) | 2020-09-29 | 2021-08-27 | Method and electronic device for recommending videos, and storage medium |
PCT/CN2021/115027 WO2022068492A1 (zh) | 2020-09-29 | 2021-08-27 | 视频推荐方法及装置 |
EP21874153.6A EP4224874A4 (en) | 2020-09-29 | 2021-08-27 | METHOD AND APPARATUS FOR VIDEO RECOMMENDATION |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011052701.1A CN112188295B (zh) | 2020-09-29 | 2020-09-29 | 一种视频推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112188295A CN112188295A (zh) | 2021-01-05 |
CN112188295B true CN112188295B (zh) | 2022-07-05 |
Family
ID=73946605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011052701.1A Active CN112188295B (zh) | 2020-09-29 | 2020-09-29 | 一种视频推荐方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230362423A1 (zh) |
EP (1) | EP4224874A4 (zh) |
CN (1) | CN112188295B (zh) |
WO (1) | WO2022068492A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112188295B (zh) * | 2020-09-29 | 2022-07-05 | 有半岛(北京)信息科技有限公司 | 一种视频推荐方法及装置 |
CN112784111A (zh) * | 2021-03-12 | 2021-05-11 | 有半岛(北京)信息科技有限公司 | 视频分类方法、装置、设备及介质 |
CN114419501A (zh) * | 2022-01-11 | 2022-04-29 | 平安普惠企业管理有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287372A (zh) * | 2019-06-26 | 2019-09-27 | 广州市百果园信息技术有限公司 | 用于负反馈的标签确定方法、视频推荐方法及其装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8489515B2 (en) * | 2009-05-08 | 2013-07-16 | Comcast Interactive Media, LLC. | Social network based recommendation method and system |
CN102957950A (zh) * | 2012-07-23 | 2013-03-06 | 华东师范大学 | 一种用于视频推荐的用户隐式评分方法 |
CN103440335B (zh) * | 2013-09-06 | 2016-11-09 | 北京奇虎科技有限公司 | 视频推荐方法及装置 |
US10387431B2 (en) * | 2015-08-24 | 2019-08-20 | Google Llc | Video recommendation based on video titles |
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 |
CN105512331B (zh) * | 2015-12-28 | 2019-03-26 | 海信集团有限公司 | 一种视频推荐方法及装置 |
CN106294830A (zh) * | 2016-08-17 | 2017-01-04 | 合智能科技(深圳)有限公司 | 多媒体资源的推荐方法及装置 |
CN106791963B (zh) * | 2016-12-08 | 2020-08-18 | Tcl科技集团股份有限公司 | 一种电视节目推荐方法及系统 |
KR20190007816A (ko) * | 2017-07-13 | 2019-01-23 | 삼성전자주식회사 | 동영상 분류를 위한 전자 장치 및 그의 동작 방법 |
EP3834424A4 (en) * | 2018-08-10 | 2022-03-23 | Microsoft Technology Licensing, LLC | PROVISION OF VIDEO RECOMMENDATION |
CN109657138B (zh) * | 2018-12-10 | 2021-02-26 | 深圳大宇无限科技有限公司 | 一种视频推荐方法、装置、电子设备及存储介质 |
CN109729395B (zh) * | 2018-12-14 | 2022-02-08 | 广州市百果园信息技术有限公司 | 视频质量评估方法、装置、存储介质和计算机设备 |
CN110059221B (zh) * | 2019-03-11 | 2023-10-20 | 咪咕视讯科技有限公司 | 视频推荐方法、电子设备及计算机可读存储介质 |
CN112188295B (zh) * | 2020-09-29 | 2022-07-05 | 有半岛(北京)信息科技有限公司 | 一种视频推荐方法及装置 |
-
2020
- 2020-09-29 CN CN202011052701.1A patent/CN112188295B/zh active Active
-
2021
- 2021-08-27 US US18/246,004 patent/US20230362423A1/en active Pending
- 2021-08-27 WO PCT/CN2021/115027 patent/WO2022068492A1/zh active Application Filing
- 2021-08-27 EP EP21874153.6A patent/EP4224874A4/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287372A (zh) * | 2019-06-26 | 2019-09-27 | 广州市百果园信息技术有限公司 | 用于负反馈的标签确定方法、视频推荐方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
US20230362423A1 (en) | 2023-11-09 |
CN112188295A (zh) | 2021-01-05 |
EP4224874A4 (en) | 2024-03-06 |
WO2022068492A1 (zh) | 2022-04-07 |
EP4224874A1 (en) | 2023-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112188295B (zh) | 一种视频推荐方法及装置 | |
CN108762907B (zh) | 基于多个客户端的任务处理方法及系统 | |
JP7293512B2 (ja) | 音声対話プラットフォームの機能ディスパッチ方法および装置 | |
CN108304490B (zh) | 基于文本的相似度确定方法、装置及计算机设备 | |
CN112085219B (zh) | 模型训练方法、短信审核方法、装置、设备以及存储介质 | |
CN113301376B (zh) | 一种基于虚拟现实技术的直播交互方法及系统 | |
CN105260913A (zh) | 用于互联网广告投放的ctr预估方法、dsp服务器、系统 | |
CN112995690B (zh) | 直播内容品类识别方法、装置、电子设备和可读存储介质 | |
CN111523035B (zh) | App浏览内容的推荐方法、装置、服务器和介质 | |
CN109740530A (zh) | 视频段的提取方法、装置、设备及计算机可读存储介质 | |
CN114896498A (zh) | 课程推荐方法、系统、终端及存储介质 | |
CN113923529A (zh) | 直播连麦方法、装置、设备以及存储介质 | |
CN110489142B (zh) | 设备软件升级的评估方法及装置、存储介质、终端 | |
CN111460292A (zh) | 模型评估方法、装置、设备和介质 | |
CN105045809A (zh) | 多媒体文件的试播方法及装置 | |
CN116777555A (zh) | 基于卷积神经网络搭建推荐模型的数据营销方法及系统 | |
CN111652001A (zh) | 一种数据处理方法及装置 | |
CN113515670B (zh) | 影视资源状态识别方法、设备及存储介质 | |
CN116016294A (zh) | 一种用于网络资产发现的无损扫描方法及系统 | |
CN113220741B (zh) | 互联网广告虚假流量识别方法、系统、设备及存储介质 | |
CN113987260A (zh) | 一种视频推送方法、装置、电子设备及存储介质 | |
CN114386996A (zh) | 推广信息管理方法及装置 | |
CN114170004A (zh) | 基于多事件的评分决策方法、装置、设备及存储介质 | |
CN113326829A (zh) | 视频中手势的识别方法、装置、可读存储介质及电子设备 | |
CN111754061A (zh) | 控制人机分流的方法、装置、服务器设备及存储介质 |
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 |