CN112464025A - 视频推荐方法、装置、电子设备及介质 - Google Patents

视频推荐方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN112464025A
CN112464025A CN202011495896.7A CN202011495896A CN112464025A CN 112464025 A CN112464025 A CN 112464025A CN 202011495896 A CN202011495896 A CN 202011495896A CN 112464025 A CN112464025 A CN 112464025A
Authority
CN
China
Prior art keywords
label
emotion
video
user
recommended
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
CN202011495896.7A
Other languages
English (en)
Other versions
CN112464025B (zh
Inventor
金凌琳
余锋
李振汉
王威
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.)
Dangqu Network Technology Hangzhou Co Ltd
Original Assignee
Dangqu Network Technology Hangzhou 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 Dangqu Network Technology Hangzhou Co Ltd filed Critical Dangqu Network Technology Hangzhou Co Ltd
Priority to CN202011495896.7A priority Critical patent/CN112464025B/zh
Publication of CN112464025A publication Critical patent/CN112464025A/zh
Application granted granted Critical
Publication of CN112464025B publication Critical patent/CN112464025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73Querying
    • G06F16/735Filtering based on additional data, e.g. user or group profiles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种视频推荐方法、装置、电子设备及介质,涉及智能电视技术领域,用于解决相关技术中通过根据热门视频排行向用户推荐视频的方式使得视频推荐准确率不高的问题。其中,该方法包括:接收触发信号,触发信号携带有用户身份信息和用户情绪信息;根据用户身份信息获取推荐条目组,其中,情绪标签和类型标签经由推荐条目组中对应的推荐条目建立关联;根据用户情绪信息生成当前情绪标签;基于推荐项目组查询与当前情绪标签关联的类型标签,并基于与当前情绪标签关联的类型标签确定推荐的视频。本发明提高了视频推荐的准确率。

Description

视频推荐方法、装置、电子设备及介质
技术领域
本发明涉及智能电视技术领域,尤其是涉及一种视频推荐方法、装置、电子设备及介质。
背景技术
随着互联网和大数据的不断发展,智能电视也逐渐地走向了智能化和多样化,例如:在机顶盒/电视/投影仪等设备内安装智能电视操作系统,使得智能电视通过该智能电视操作系统可以实现门户导航、节目检索、软件下载以及信息上传等操作。
在相关技术中,智能电视向用户推荐视频时,通常根据热门视频排行确定推荐的视频,但由于用户对视频的选择往往受到情绪的影响,较大可能导致推荐的视频不符合用户的选择要求,即视频推荐准确率不高。
目前针对相关技术中通过根据热门视频排行向用户推荐视频的方式使得视频推荐准确率不高的问题,尚未提出有效的解决方案。
发明内容
为了克服相关技术的不足,本发明的目的在于提供一种视频推荐方法、装置、电子设备及介质,其提高了视频推荐的准确率。
本发明的目的之一采用如下技术方案实现:
一种视频推荐方法,所述方法包括:
接收触发信号,所述触发信号携带有用户身份信息和用户情绪信息;
根据所述用户身份信息获取推荐条目组,其中,情绪标签和类型标签经由所述推荐条目组中对应的推荐条目建立关联;
根据所述用户情绪信息生成当前情绪标签;
基于所述推荐项目组查询与所述当前情绪标签关联的类型标签,并基于与所述当前情绪标签关联的类型标签确定推荐的视频。
在其中一些实施例中,所述用户情绪信息包括一个以上经由相机采集的用户脸部表情;所述根据所述用户情绪信息生成当前情绪标签包括:
分别将所述用户脸部表情转换为情绪标签;
将比重最大的情绪标签作为所述当前情绪标签。
在其中一些实施例中,与所述当前情绪标签关联的类型标签具有一个以上,并均记为第一标签;所述基于与所述当前情绪标签关联的类型标签确定推荐的视频包括:
获取各个第一标签的信用值,所述信用值的排位分别对应有预设数量;
根据所述信用值选取排位靠前的N个第一标签,并均记为选定标签;
分别自所述选定标签的视频资源库中选取对应预设数量的视频,以作为所述推荐的视频。
在其中一些实施例中,对于任意选定标签,在与所述选定标签相关的所述推荐的视频存在被选中的情况下,所述方法还包括:
控制所述选定标签的信用值增加一个信用单位。
在其中一些实施例中,对于任意选定标签,在与所述选定标签相关的所述推荐的视频均未被选中的情况下,所述方法还包括:
判断所述选定标签的信用值是否大于基础值,若是,则控制所述选定标签的信用值减小一个调整单位。
在其中一些实施例中,对于任意选定标签,所述自所述选定标签视频资源库中选取对应预设数量的视频包括:
获取视频排行榜;
根据所述视频排行榜选取排位靠前的对应预设数量的视频。
在其中一些实施例中,所述方法还包括:
根据所述推荐的视频生成对应的卡片,其中,所述卡片包括主题参量和其他参量,所述其他参量包括海报、简介、主创、评分、热度、对应类型标签中的任意一种或多种组合。
本发明的目的之二采用如下技术方案实现:
一种视频推荐装置,所述装置包括:
接收模块,用于接收触发信号,所述触发信号携带有用户身份信息和用户情绪信息;
获取模块,用于根据所述用户身份信息获取推荐条目组,其中,情绪标签和类型标签经由所述推荐条目组中对应的推荐条目建立关联;
生成模块,用于根据所述用户情绪信息生成当前情绪标签;
处理模块,用于基于所述推荐项目组查询与所述当前情绪标签关联的类型标签,并基于与所述当前情绪标签关联的类型标签确定推荐的视频。
本发明的目的之三在于提供执行发明目的之一的电子设备,其包括存储器和处理器,所处存储器中存储有计算机程序,所述处理器被设置为执行所述计算机程序时实现上述的方法。
本发明的目的之四在于提供存储发明目的之一的计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
相比相关技术,本发明的有益效果在于:通过该推荐条目组,可以根据当前情绪标签得到相关联的类型标签,以作为确定推荐的视频的基础,即推荐的视频受当前情绪标签的影响,因此更为符合用户的选择要求,从而提高而来视频推荐的准确率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例一所示视频推荐方法的流程图;
图2是本申请实施例二所示步骤S105的流程图;
图3是本申请实施例三所示视频推荐装置的结构框图;
图4是本申请实施例四所示电子设备的结构框图。
附图说明:31、接收模块;32、获取模块;33、生成模块;34、处理模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
实施例一
本实施例一提供了一种视频推荐方法,旨在解决相关技术中通过根据热门视频排行向用户推荐视频的方式使得视频推荐准确率不高的问题。
图1是本申请实施例一所示视频推荐方法的流程图,参照图1所示,本方法包括步骤S101至步骤S105。
步骤S101、接收触发信号。该触发信号携带有用户身份信息和用户情绪信息。在此值得说明的是,该触发信号可以是执行设备根据用户观看情况自行生成的,也可以是用户基于独立设备发送的,具体在此不做赘述,只要执行设备响应触发信号执行该视频推荐方以实现向用户推荐视频即可。
在此值得说明的是,该用户身份信息可以是账户、指纹、人脸等中的任意一种,具体在此不做限制;该用户情绪信息具有采集时间段,该采集时间段的时长可以进行调整,只要终止时间等于或接近于触发信号的生成时间即可,用户情绪信息可以是在采集时间段内的用户脸部表情,也可以在采集时间段用户上传的情绪说明,还可以是在采集时间段内用户观看视频的类型,具体在此也不做限制。
步骤S102、根据用户身份信息获取推荐条目组。可以理解,用户身份信息与推荐条目组可以是多对一,也可以是一对一。其中,情绪标签和类型标签经由推荐条目组中对应的推荐条目建立关联,该情绪标签可以是高兴、悲伤、愤怒、哭泣等情绪中的任意一种,该类型标签可以是悬疑、搞笑、情感、家庭等类型中的任意一种。在此值得说明的是,该推荐条目组具有一条以上的推荐条目,且情绪标签与类型标签可以是一对一,也可以是一对多。
步骤S103、根据用户情绪信息生成当前情绪标签。可以理解,响应该触发信号的过程中仅可以得到一个当前情绪标签,因此,该步骤S103可以视为转换和整理的过程。
步骤S104、基于推荐项目组查询与当前情绪标签关联的类型标签。具体地,可以将当前情绪标签作为查找条件,将推荐项目组作为库,相应可以得到一个以上的类型标签,在此均可以记为第一标签。
步骤S105、基于与当前情绪标签关联的类型标签确定推荐的视频。可以理解,该视频的数量在此不做限制,在此均可以记为第一视频。相应地,将执行设备将各个第一视频的信息推荐于相应的终端设备即可,具体形式在此不做限制。优选地,该终端设备具有电视操作系统,即该终端设备可以为机顶盒、电视、投影仪等设备中的任意一种。
值得说明的是,该方法的步骤是基于执行设备完成的。具体地,该执行设备可以为服务器、云服务器、用户端以及处理器等设备,但该执行设备不限于上述类型。
综上所示,通过该推荐条目组,可以根据当前情绪标签得到相关联的类型标签,以作为确定推荐的视频的基础,即推荐的视频受当前情绪标签的影响,因此更为符合用户的选择要求,从而提高而来视频推荐的准确率。
可以理解,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在一个可选的实施方式中,用户情绪信息包括一个以上的用户脸部表情,该用户脸部表情经由相机采集得到,相应地,该相机可以经由终端设备与执行设备通信连接。
在此值得说明的是,由于此处采用用户脸部表情,因此该身份信息优选与用户情绪信息对应,具体地,执行设备在接收到触发信号之后,可以基于用户脸部表情进行人脸识别,从而确定用户身份,以得到用户身份信息。可以理解,在相关技术中,通常基于账户确定用户身份,但是,该账户是用户手动登录于终端设备的,其无法保证账户与真实的用户对应,而此处采用基于相机的人脸识别,可以保证用户身份信息与真实的用户对应。
在一个可选的实施方式中,在上述经由相机采集用户脸部表情的基础上,步骤S103可以包括以下步骤:分别将用户脸部表情转换为情绪标签;将比重最大的情绪标签作为当前情绪标签。
可以理解,用户情绪信息为在采集时间段内用户脸部表情的集合,即各个用户表情对应同一用户,且一个用户表情可以转换为一个情绪标签,具体的转换算法均为现有技术,在此不做赘述,因此,通过该步骤103可以得到多个情绪标签,在此值得说明的是,若存在多个比重最大的情绪标签,则可以进行随机选取,或根据情绪标签的优先级选取。在此可以进行举例说明:用户情绪信息具有30张用户脸部表情,然后将该30个用户脸部表情转换为30个情绪标签,其高兴的情绪标签具有10张,且比重最大,则当前情绪标签即为高兴。
通过该技术方案,当前用户情绪标签可以较为准确地反映用户在采集时间段内用户的状态,以便于在步骤S104和步骤S105之后可以得到符合用户选择要求的视频。
在一个可选的实施方式中,该方法还包括可以显示步骤,该显示步骤是在步骤S105之后执行。具体地,该显示步骤可以包括:根据推荐的视频生成对应的卡片。该卡片用于下发至终端设备,以供用户查看选择第一视频的信息,且在用户选择任意卡片的情况下,执行设备可以控制终端设备跳转至对应的播放页面。可以理解,该卡片优选与第一视频呈一对一设置。
该卡片可以包括主题参量和其他参量,其他参量可以包括海报、简介、主创、评分、热度、对应类型标签中的任意一种或多种组合。当然,其他参量不限于上述类型。
实施例二
本实施例二提供了一种视频推荐方法,本实施例二是在实施例一的基础上进行的。图2为本申请实施例二所示步骤S105的流程图,参照图1和图2所示,步骤S105可以包括步骤S201至步骤S202。
步骤S201、获取各个第一标签的信用值,信用值的排位分别对应有预设数量。可以参考实施例一的相关说明,该第一标签具有一个以上,且均与当前情绪标签相关联。
由于各个第一标签均具有信用值,该信用值优选以数值的方式呈现,例如:信用值与排位呈正反馈,第一标签可以具体分别为:搞笑、情感、家庭、悬疑、历史记录片、自然纪录片,相应地信用值可以对应分别为:5、4、3、0、0、0。因此,与当前情绪标签关联的各个第一标签可以按照信用值排列,若存在信用值相同的情况,则信用值相同的第一标签可以随机排序、按照首字母排序、按照优先级排序,具体不做限制。相应地,各个第一标签具有排位。该预设数量有开发人员设置,当然也可以进行调整,只要各个排位均具有预设数量即可,
步骤S202、根据信用值选取排位靠前的N个第一标签,并均记为选定标签。该数量N的具体数值在此不做限制,只要不小于1即可。
步骤S203、分别自选定标签的视频资源库中选取对应预设数量的视频,以作为推荐的视频。对于任意选定标签而言,通过选定标签选取预设数量的第一视频可以采用现有技术,只要得到的第一视频的类型标签与该选定标签相同即可。
通过本技术方案,引入了信用值,以作为得到选定标签的基础,从而得到符合要求的第一视频。
在一个可选的实施方式中,在N=1的情况下,推荐的视频(即各个第一视频)的类型标签均相同,以便于用户可以在同一类型标签中进行选择,以便于更好地确定用户的喜好,但其学习的过程较长且提供的选择较为单一。
在一个可选的实施方式中,在N大于1的情况下,推荐的视频的类型可以相同,也可以不相同,通过该技术方案,扩大了用户对类型标签的选择范围,且其学习的过程较短,但不好把握用户的喜好。进一步地,类型标签不同的第一视频优选安按照选定标签的信用值的排位进行排序,而类型标签相同的第一视频的排序在此可以不做限定。
在一个可选的实施方式中,在上述步骤S203中,在此以任意选定标签为例进行举例说明,该步骤S203可以包括以下步骤:获取视频排行榜;根据视频排行榜选取排位靠前的对应预设数量的视频。该视频排行榜可以按照热度、评分、播放量、收藏量、评论量、弹幕量中的任意一种或多种组合进行排序。进一步地,可以在上述N大于1的基础上,类型标签相同的第一视频的排序按照该视频排行榜进行排序。
在一个可选的实施方式中,在第一视频的相关信息下发至终端设备之后,相应地,用户可以进行选择或不选择,并反馈于执行设备。在此以任意选定标签进行举例说明。
在与选定标签相关的第一视频存在被选中的情况下,该方法还可以包括信用增加步骤,该信用增加步骤可以包括:控制所述选定标签的信用值增加一个信用单位。在此值得说明的时,任意选定标签的信用值均以一个信用单位进行增加。例如在步骤S201的相关步骤中,用户选择的视频对应的选定标签为搞笑,则其信用值由5调整为6。
在与选定标签相关的第一视频均未被选中的情况下,该方法还可以包括信用减小步骤,该信用减小步骤可以包括:判断所述选定标签的信用值是否大于基础值,若是,则控制所述选定标签的信用值减小一个调整单位;若否,则可以不错处理。
进一步地,信用单位除以调整单位得到的倍数可以在[1,10],在此该倍数优选与选定标签的数量相等,可以均为4。
例如在步骤S201的相关步骤中,选定标签为搞笑和情感,各个预设数量均为2,其中倍数可以采用2,在用户选择的视频对应的类型标签为搞笑,则为情感的选定标签自4调整为3.5。在此值得说明的是,该推荐条目组为预设的,相应地,在终端设备进行首次推荐时,各个第一标签的信用值相同且均为基础值。
通过该技术方案,尽管推荐条目的关联关系发生改变,但是关联的程度随着信用值的改变而有所调整,从而形成针对用户的定制化推荐,以符合用户的选择要求,从而提高视频推荐的准确率,进而提高用户体验。
实施例三
本实施例三提供一种视频推荐装置,其为上述实施例的虚拟装置结构。图3是本申请实施例三所示视频推荐装置的结构框图,参照图3所示,该装置可以包括:接收模块31、获取模块32、生成模块33、处理模块34。
接收模块31,用于接收触发信号,触发信号携带有用户身份信息和用户情绪信息;
获取模块32,用于根据用户身份信息获取推荐条目组,其中,情绪标签和类型标签经由推荐条目组中对应的推荐条目建立关联;
生成模块33,用于根据用户情绪信息生成当前情绪标签;
处理模块34,用于基于推荐项目组查询与当前情绪标签关联的类型标签,并基于与当前情绪标签关联的类型标签确定推荐的视频。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
实施例四
本实施例四提供了一种电子设备,图4是本申请实施例四所示电子设备的结构框图,参照图4所示,该电子设备包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行实现上述实施例中的任意一种视频推荐方法,具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
另外,结合上述实施例中的视频推荐方法,本申请实施例四可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种视频推荐方法,该方法包括:
接收触发信号,触发信号携带有用户身份信息和用户情绪信息;
根据用户身份信息获取推荐条目组,其中,情绪标签和类型标签经由推荐条目组中对应的推荐条目建立关联;
根据用户情绪信息生成当前情绪标签;
基于推荐项目组查询与当前情绪标签关联的类型标签,并基于与当前情绪标签关联的类型标签确定推荐的视频。
如图4所示,以一个处理器为例,电子设备中的处理器、存储器、输入装置和输出装置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。
存储器作为一种计算机可读存储介质,可以包括高速随机存取存储器、非易失性存储器等,可用于存储操作系统、软件程序、计算机可执行程序和数据库,如本发明实施例一的视频推荐方法对应的程序指令/模块,还可以包括内存,可用于为操作系统和计算机程序提供运行环境。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。
处理器用于提供计算和控制能力,可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。处理器通过运行存储在存储器中的计算机可执行程序、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,即实现实施例一的视频推荐方法。
该电子设备的输出装置可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
该电子设备还可包括网络接口/通信接口,该电子设备的网络接口用于与外部的终端通过网络连接通信。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。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)、DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
值得注意的是,在该视频推荐方法的实施例中,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,并不用于限制本发明的保护范围。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种视频推荐方法,其特征在于,所述方法包括:
接收触发信号,所述触发信号携带有用户身份信息和用户情绪信息;
根据所述用户身份信息获取推荐条目组,其中,情绪标签和类型标签经由所述推荐条目组中对应的推荐条目建立关联;
根据所述用户情绪信息生成当前情绪标签;
基于所述推荐项目组查询与所述当前情绪标签关联的类型标签,并基于与所述当前情绪标签关联的类型标签确定推荐的视频。
2.根据权利要求1所述的方法,其特征在于,所述用户情绪信息包括一个以上经由相机采集的用户脸部表情;所述根据所述用户情绪信息生成当前情绪标签包括:
分别将所述用户脸部表情转换为情绪标签;
将比重最大的情绪标签作为所述当前情绪标签。
3.根据权利要求1所述的方法,其特征在于,与所述当前情绪标签关联的类型标签具有一个以上,并均记为第一标签;所述基于与所述当前情绪标签关联的类型标签确定推荐的视频包括:
获取各个第一标签的信用值,所述信用值的排位分别对应有预设数量;
根据所述信用值选取排位靠前的N个第一标签,并均记为选定标签;
分别自所述选定标签的视频资源库中选取对应预设数量的视频,以作为所述推荐的视频。
4.根据权利要求3所述的方法,其特征在于,对于任意选定标签,在与所述选定标签相关的所述推荐的视频存在被选中的情况下,所述方法还包括:
控制所述选定标签的信用值增加一个信用单位。
5.根据权利要求3或4所述的方法,其特征在于,对于任意选定标签,在与所述选定标签相关的所述推荐的视频均未被选中的情况下,所述方法还包括:
判断所述选定标签的信用值是否大于基础值,若是,则控制所述选定标签的信用值减小一个调整单位。
6.根据权利要求3所述的方法,其特征在于,对于任意选定标签,所述自所述选定标签视频资源库中选取对应预设数量的视频包括:
获取视频排行榜;
根据所述视频排行榜选取排位靠前的对应预设数量的视频。
7.根据权利要求1至4中任意一项所述的方法,其特征在于,所述方法还包括:
根据所述推荐的视频生成对应的卡片,其中,所述卡片包括主题参量和其他参量,所述其他参量包括海报、简介、主创、评分、热度、对应类型标签中的任意一种或多种组合。
8.一种视频推荐装置,其特征在于,所述装置包括:
接收模块,用于接收触发信号,所述触发信号携带有用户身份信息和用户情绪信息;
获取模块,用于根据所述用户身份信息获取推荐条目组,其中,情绪标签和类型标签经由所述推荐条目组中对应的推荐条目建立关联;
生成模块,用于根据所述用户情绪信息生成当前情绪标签;
处理模块,用于基于所述推荐项目组查询与所述当前情绪标签关联的类型标签,并基于与所述当前情绪标签关联的类型标签确定推荐的视频。
9.一种电子设备,其包括存储器和处理器,其特征在于,所处存储器中存储有计算机程序,所述处理器被设置为执行所述计算机程序时实现权利要求1至7中任意一项所述的方法。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN202011495896.7A 2020-12-17 2020-12-17 视频推荐方法、装置、电子设备及介质 Active CN112464025B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011495896.7A CN112464025B (zh) 2020-12-17 2020-12-17 视频推荐方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011495896.7A CN112464025B (zh) 2020-12-17 2020-12-17 视频推荐方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN112464025A true CN112464025A (zh) 2021-03-09
CN112464025B CN112464025B (zh) 2023-08-01

Family

ID=74803576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011495896.7A Active CN112464025B (zh) 2020-12-17 2020-12-17 视频推荐方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN112464025B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113365148A (zh) * 2021-06-11 2021-09-07 北京百度网讯科技有限公司 分数调整方法、装置、电子设备、存储介质和程序产品
CN113407825A (zh) * 2021-06-02 2021-09-17 杭州当贝网络科技有限公司 结合用户偏好的个性化视频推荐方法
CN113449147A (zh) * 2021-07-06 2021-09-28 乐视云计算有限公司 基于主题的视频推荐方法和装置
CN113572893A (zh) * 2021-07-13 2021-10-29 青岛海信移动通信技术股份有限公司 一种终端设备、情绪反馈方法及存储介质
CN113688260A (zh) * 2021-08-31 2021-11-23 维沃移动通信有限公司 视频推荐方法和装置
CN113852861A (zh) * 2021-09-23 2021-12-28 深圳Tcl数字技术有限公司 节目推送方法、装置、存储介质及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103024521A (zh) * 2012-12-27 2013-04-03 深圳Tcl新技术有限公司 节目筛选方法、系统及具有该系统的电视
CN103870529A (zh) * 2012-12-13 2014-06-18 现代自动车株式会社 用于车辆的音乐推荐系统和方法
US20160109941A1 (en) * 2014-10-15 2016-04-21 Wipro Limited System and method for recommending content to a user based on user's interest
CN105956059A (zh) * 2016-04-27 2016-09-21 乐视控股(北京)有限公司 基于情绪识别的信息推荐方法和装置
CN106302678A (zh) * 2016-08-08 2017-01-04 北京谱思科技有限公司 一种音乐推荐方法及装置
CN109040795A (zh) * 2018-07-31 2018-12-18 上海斐讯数据通信技术有限公司 一种视频推荐方法及系统
CN110096613A (zh) * 2019-04-12 2019-08-06 北京奇艺世纪科技有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN110321477A (zh) * 2019-05-24 2019-10-11 平安科技(深圳)有限公司 信息推荐方法、装置、终端及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870529A (zh) * 2012-12-13 2014-06-18 现代自动车株式会社 用于车辆的音乐推荐系统和方法
CN103024521A (zh) * 2012-12-27 2013-04-03 深圳Tcl新技术有限公司 节目筛选方法、系统及具有该系统的电视
US20160109941A1 (en) * 2014-10-15 2016-04-21 Wipro Limited System and method for recommending content to a user based on user's interest
CN105956059A (zh) * 2016-04-27 2016-09-21 乐视控股(北京)有限公司 基于情绪识别的信息推荐方法和装置
CN106302678A (zh) * 2016-08-08 2017-01-04 北京谱思科技有限公司 一种音乐推荐方法及装置
CN109040795A (zh) * 2018-07-31 2018-12-18 上海斐讯数据通信技术有限公司 一种视频推荐方法及系统
CN110096613A (zh) * 2019-04-12 2019-08-06 北京奇艺世纪科技有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN110321477A (zh) * 2019-05-24 2019-10-11 平安科技(深圳)有限公司 信息推荐方法、装置、终端及存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113407825A (zh) * 2021-06-02 2021-09-17 杭州当贝网络科技有限公司 结合用户偏好的个性化视频推荐方法
CN113365148A (zh) * 2021-06-11 2021-09-07 北京百度网讯科技有限公司 分数调整方法、装置、电子设备、存储介质和程序产品
CN113365148B (zh) * 2021-06-11 2022-11-11 北京百度网讯科技有限公司 分数调整方法、装置、电子设备、存储介质和程序产品
CN113449147A (zh) * 2021-07-06 2021-09-28 乐视云计算有限公司 基于主题的视频推荐方法和装置
CN113572893A (zh) * 2021-07-13 2021-10-29 青岛海信移动通信技术股份有限公司 一种终端设备、情绪反馈方法及存储介质
CN113688260A (zh) * 2021-08-31 2021-11-23 维沃移动通信有限公司 视频推荐方法和装置
CN113852861A (zh) * 2021-09-23 2021-12-28 深圳Tcl数字技术有限公司 节目推送方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN112464025B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN112464025A (zh) 视频推荐方法、装置、电子设备及介质
CN110781391B (zh) 一种信息推荐方法、装置、设备及存储介质
CN109086439B (zh) 信息推荐方法及装置
CN111444428A (zh) 基于人工智能的信息推荐方法、装置、电子设备及存储介质
US20220284327A1 (en) Resource pushing method and apparatus, device, and storage medium
CN110837579A (zh) 视频分类方法、装置、计算机以及可读存储介质
CN109783730A (zh) 产品推荐方法、装置、计算机设备和存储介质
CN110727868B (zh) 对象推荐方法、装置和计算机可读存储介质
CN107657004A (zh) 视频推荐方法、系统及设备
CN112930669B (zh) 内容推荐方法、装置、移动终端及服务器
CN111107435B (zh) 视频推荐方法及装置
CN107592572B (zh) 视频推荐方法、装置及其设备
CN112818224B (zh) 信息推荐方法、装置、电子设备及可读存储介质
CN110727789A (zh) 文档的概要生成
CN112487242A (zh) 用于识别视频的方法、装置、电子设备及可读存储介质
CN112883257A (zh) 行为序列数据处理方法、装置、电子设备及存储介质
CN109213933B (zh) 内容项推荐方法、装置、设备及存储介质
CN110162689B (zh) 信息推送方法、装置、计算机设备和存储介质
CN113869377A (zh) 训练方法、装置及电子设备
CN114938458B (zh) 对象信息展示方法、装置、电子设备及存储介质
CN111597444B (zh) 一种搜索方法、装置、服务器、存储介质
CN111797765B (zh) 图像处理方法、装置、服务器及存储介质
CN116361508A (zh) 一种视频推荐方法及相关设备
CN113641855A (zh) 一种视频推荐方法、装置、设备及存储介质
CN113515701A (zh) 信息推荐方法及装置

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