CN112822527B - 视频推荐方法、装置、服务器及存储介质 - Google Patents

视频推荐方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN112822527B
CN112822527B CN202011593410.3A CN202011593410A CN112822527B CN 112822527 B CN112822527 B CN 112822527B CN 202011593410 A CN202011593410 A CN 202011593410A CN 112822527 B CN112822527 B CN 112822527B
Authority
CN
China
Prior art keywords
video
historical
information
attribute
login account
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
CN202011593410.3A
Other languages
English (en)
Other versions
CN112822527A (zh
Inventor
陆海涛
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 CN202011593410.3A priority Critical patent/CN112822527B/zh
Publication of CN112822527A publication Critical patent/CN112822527A/zh
Application granted granted Critical
Publication of CN112822527B publication Critical patent/CN112822527B/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]
    • H04N21/20—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
    • H04N21/466—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]
    • H04N21/40—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
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47202—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting content on demand, e.g. video on demand

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本公开公开了一种视频推荐方法、装置、服务器及存储介质，属于通信技术领域。该视频推荐方法包括接收登录帐户所在的终端发送的视频推荐请求；响应于视频推荐请求，获取登录帐户的历史视频信息，其中，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息；根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频，其中，操作特征用于表示登录帐户对历史视频执行的操作；至少基于目标视频的视频特征，从视频库中筛选出候选视频；从候选视频中得到登录帐户的推荐视频。采用本公开提供的视频推荐方法、装置、服务器及存储介质，至少解决现有视频推荐准确度低的问题。

Description

视频推荐方法、装置、服务器及存储介质
技术领域
本公开涉及通信技术领域，具体涉及一种视屏筛选方法、装置、服务器及存储介质。
背景技术
视频推荐系统一般包括候选视频召回和排序推荐两个过程。例如，采用各种召回策略获取候选视频，然后对候选视频进行排序和筛选，得到最终的推荐结果，并将推荐结果展示给用户。
目前，视频推荐技术中获取候选视频普遍采用的是，按照用户观看历史视频的时间顺序选择种子视频，并根据这些种子视频召回候选视频。例如，从1000个观看历史视频中选择最近观看的20个作为种子视频，并基于这最近观看的20种子视频召回候选视频。但是，用户最近的观看历史列表中往往包含用户出于偶然原因点击的视频，如猎奇但并非真正喜欢，误操作等，用这些视频作为种子视频召回候选视频，会降低召回候选视频的准确度，进而导致最终的推荐结果不满足用户需求。
发明内容
本公开实施例的目的是提供一种视频推荐方法、装置、服务器及存储介质，以至少解决现有视频推荐准确度低的问题。
本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种视频推荐方法，该方法可以包括：
接收登录帐户所在的终端发送的视频推荐请求；
响应于视频推荐请求，获取登录帐户的历史视频信息，其中，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息；
根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频，其中，操作特征用于表示登录帐户对历史视频执行的操作；
至少基于目标视频的视频特征，从视频库中筛选出候选视频；
从候选视频中得到登录帐户的推荐视频。
在其中一个实施例中，在上述涉及的根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频的步骤中，具体可以包括：
根据各历史视频的操作特征，确定各历史视频的交互属性；
根据各历史视频的视频特征，确定各历史视频的视频属性；
基于各历史视频的交互属性和视频属性，确定各历史视频与登录帐户的匹配程度；
基于各历史视频与登录账户的匹配程度，从历史视频列表中筛选出目标视频。
基于此，在上述涉及的根据各历史视频的操作特征，确定各历史视频的交互属性的步骤中，具体可以包括：
基于各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性；其中，操作特征至少用于记录各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息。
在其中一个实施例中，在上述涉及的基于各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性的步骤中，具体可以包括：
对各历史视频的位置信息和正向交互操作信息进行归一化处理，得到处理后的位置信息和正向交互操作信息；
对处理后的位置信息和正向交互操作信息，进行加权计算，得到各历史视频的交互属性的表示参数。
在其中一个实施例中，在上述涉及的根据各历史视频的视频特征，确定各历史视频的视频属性的步骤中，具体可以包括：
基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，
其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
在其中一个实施例中，在上述涉及的基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性的步骤中，具体可以包括：
对各历史视频的视频类型信息和视频内容信息进行归一化处理，得到处理后的视频类型信息和视频内容信息；
对处理后的视频类型信息和视频内容信息，进行加权计算，得到各历史视频的视频属性的表示参数。
在其中一个实施例中，在上述涉及的基于各历史视频的交互属性和视频属性，确定各历史视频与登录帐户的匹配程度的步骤中，具体可以包括：
基于各历史视频的交互属性和视频属性，进行加权计算，得到各历史视频与登录帐户的匹配值；
其中，在历史视频列表中，历史视频的匹配值越大，表示该历史视频与登录帐户的匹配程度越高。
另外，在其中一个实施例中，在上述涉及的基于各历史视频的交互属性和视频属性，进行加权计算的步骤之前，该视频推荐方法还可以包括：
基于确定的匹配目标调整加权计算的权重参数，其中，匹配程度用于表示历史视频与登录帐户的匹配目标之间的匹配程度，
其中，若匹配目标为登录帐户的正向操作视频，则调高视频属性的预定权重值；若匹配目标为登录帐户的多维度属性视频，则调低视频属性的预定权重值，
正向操作视频表示登录帐号在未来的预定时间内执行正向操作的视频；
多维度属性视频表示登录帐号执行正向操作的、具有多重属性特征的视频。
本公开实施例中的交互属性的权重值大于视频属性的权重值。
根据本公开实施例的第二方面，提供一种视频推荐装置，该装置可以包括：
接收模块，被配置为执行接收登录帐户所在的终端发送的视频推荐请求；
获取模块，被配置为执行响应于视频推荐请求，获取登录帐户的历史视频信息，其中，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息；
筛选模块，被配置为执行根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频，其中，操作特征用于表示登录帐户对历史视频执行的操作；
处理模块，被配置为执行至少基于目标视频的视频特征，从视频库中筛选出候选视频；
确定模块，被配置为执行从候选视频中得到登录帐户的推荐视频。
在其中一个实施例中，筛选模块包括：
第一确定模块，被配置为执行根据各历史视频的操作特征，确定各历史视频的交互属性；
第二确定模块，被配置为执行根据各历史视频的视频特征，确定各历史视频的视频属性；
第三确定模块，被配置为执行基于各历史视频的交互属性和视频属性，确定各历史视频与登录帐户的匹配程度；
第一筛选模块，被配置为执行基于各历史视频与登录账户的匹配程度，从历史视频列表中筛选出目标视频。
基于此，第一确定模块被配置为执行，基于各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性，
其中，操作特征至少用于记录各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息。
进一步地，第一确定模块包括：
第一处理模块，被配置为执行对各历史视频的位置信息和正向交互操作信息进行归一化处理，得到处理后的位置信息和正向交互操作信息；
第一计算模块，被配置为执行对处理后的位置信息和正向交互操作信息，进行加权计算，得到各历史视频的交互属性的表示参数。
在其中一个实施例中，第二确定模块被配置为执行，基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
其中，第二确定模块被配置为执行，基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
在其中一个实施例中，第二确定模块包括：
第二处理模块，被配置为执行对各历史视频的视频类型信息和视频内容信息进行归一化处理，得到处理后的视频类型信息和视频内容信息；
第二计算模块，被配置为执行对处理后的视频类型信息和视频内容信息，进行加权计算，得到各历史视频的视频属性的表示参数。
在其中一个实施例中，第三确定模块被配置为执行，基于各历史视频的交互属性和视频属性，进行加权计算，得到各历史视频与登录帐户的匹配值；
其中，在历史视频列表中，历史视频的匹配值越大，表示该历史视频与登录帐户的匹配程度越高。
基于此，视第三确定模块被配置为执行，基于确定的匹配目标调整加权计算的权重参数，其中，匹配程度用于表示历史视频与登录帐户的匹配目标之间的匹配程度，
其中，若匹配目标为登录帐户的正向操作视频，则调高视频属性的预定权重值；若匹配目标为登录帐户的多维度属性视频，则调低视频属性的预定权重值，
正向操作视频表示登录帐号在未来的预定时间内执行正向操作的视频；
多维度属性视频表示登录帐号执行正向操作的、具有多重属性特征的视频。
在其中一个实施例中，交互属性的权重值大于视频属性的权重值。
根据本公开实施例的第三方面，提供一种服务器，该服务器可以包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的视频推荐方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，当计算机可读存储介质中的指令由服务器的处理器执行时，以使服务器实现以实现如第一方面的任一项实施例中所示的视频推荐方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在可读存储介质中，设备的至少一个处理器从存储介质读取并执行计算机程序，使得设备执行第一方面的任一项实施例中所示的视频推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
本公开实施例通过登录帐户所在的终端发送的视频推荐请求，获取登录帐户的历史视频信息，这里，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息。接着，根据各历史视频的视频特征和表示登录帐户对历史视频执行的操作操作特征，从历史视频列表中筛选出目标视频，至少基于目标视频的视频特征，从视频库中筛选出候选视频。然后，从候选视频中得到登录帐户的推荐视频。这样，可以确保筛选的候选视频的质量，过滤掉低质量且用户误操作的无效视频，防止低质量或无效视频在视频推荐系统中造成的无效计算，从而提高召回候选视频的效率和精细度。
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，并不能限值本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种视频推荐的架构图；
图2是根据一示例性实施例示出的一种视频推荐方法的流程图；
图3是根据一示例性实施例示出的一种视频推荐装置的结构框图；
图4是根据一示例性实施例示出的一种计算设备的结构框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。
本公开所提供的视频推荐方法，可以应用于如图1的架构中，具体结合图1进行详细说明。
图1是根据一示例性实施例示出的一种视频推荐的架构图。
如图1所示，该架构图中可以包括运行客户端的终端10和运行服务端的服务器11。服务器11可以通过网络如核心网与运行客户端的终端10建立连接并进行信息交互。其中，终端10可以是手机、平板电脑、一体机等具有通讯功能的设备，也可以是虚拟机或模拟器模拟的设备。服务器11可以是云服务器或者服务器集群等具有存储以及计算功能的设备。
基于上述架构，用户通过客户端登录视频播放类应用程序的帐户时，终端10可以获取该帐户下的历史视频列表，该历史视频列表中包括多个历史视频信息，这里，多个历史视频信息中各历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息。这样，终端10可以基于历史视频列表向服务器11发送视频推荐请求，以请求推荐新的视频。
由此，服务器11在接收到终端10发送的视频推荐请求时，可以根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频，其中，操作特征用于表示登录帐户对历史视频执行的操作。接着，至少基于目标视频的视频特征，从视频库中筛选出候选视频。然后，服务器11根据这些从视频库中筛选出应向该登录帐户的推荐视频，并将推荐视频发送至终端10，以通过终端10上视频播放类应用程序向用户展示。
本公开实施例通过登录帐户所在的终端发送的视频推荐请求，获取登录帐户的历史视频信息，这里，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息。接着，根据各历史视频的视频特征和表示登录帐户对历史视频执行的操作操作特征，从历史视频列表中筛选出目标视频，至少基于目标视频的视频特征，从视频库中筛选出候选视频。然后，从候选视频中得到登录帐户的推荐视频。这样，可以确保筛选的候选视频的质量，过滤掉低质量且用户误操作的无效视频，防止低质量或无效视频在视频推荐系统中造成的无效计算，从而提高召回候选视频的效率和精细度。
根据上述架构以及应用场景，下面结合图2对本公开实施例提供的视频推荐方法进行详细说明，该视频推荐方法可以应用于图1中所示的服务器11，本公开实施例对此不作限定。
图2是根据一示例性实施例示出的一种视频推荐方法的流程图。
如图2所示，该视频推荐方法具体可以包括如下步骤：
步骤210，接收登录帐户所在的终端发送的视频推荐请求。
步骤220，响应于视频推荐请求，获取登录帐户的历史视频信息，其中，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息。
步骤230，根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频，其中，操作特征用于表示登录帐户对历史视频执行的操作。
步骤240，至少基于目标视频的视频特征，从视频库中筛选出候选视频。
步骤250，从候选视频中得到登录帐户的推荐视频。
由此，这样，可以确保筛选的候选视频的质量，过滤掉低质量且用户误操作的无效视频，防止低质量或无效视频在视频推荐系统中造成的无效计算，从而提高召回候选视频的效率和精细度。
下面对上述步骤进行详细说明，具体如下所示：
步骤230，具体可以包括步骤2301-步骤2304。
步骤2301，根据各历史视频的操作特征，确定各历史视频的交互属性。
在可能的实施例中，可以基于各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性。其中，操作特征至少用于记录各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息。
在本公开的实施例中涉及的正向交互操作信息可以包括下述中的至少一种：播放时长、点击行为数据、点赞行为数据、转发行为数据、评论行为数据和关注行为数据。
这里，播放时长可以根据用户对各历史视频进行播放和停止播放的操作确定；点击行为数据可以包括根据用户对各历史视频的点击行为确定的数据，如在检测到点击行为时，记为1，反之，在未检测到点击行为时，记为0，或者，统计与点击行为相关的点击率的数据。同理，点赞行为数据可以包括根据用户对各历史视频的点赞行为确定的数据；转发行为数据可以包括根据用户对各历史视频的转发行为确定的数据；评论行为数据可以包括根据用户对各历史视频的评论行为确定的数据，关注行为数据可以包括根据用户对各历史视频的关注行为确定的数据。各历史视频在历史视频列表中的位置信息可以为历史视频按照播放时间顺序排列之后，各历史视频在历史视频列表中的位置信息。
进一步地，步骤2301具体可以包括：
对各历史视频的位置信息和正向交互操作信息进行归一化处理，得到处理后的位置信息和正向交互操作信息；对处理后的位置信息和正向交互操作信息，进行加权计算，得到各历史视频的交互属性的表示参数。这里，本公开实施例通过对各历史视频的位置信息和正向交互操作信息进行归一化处理，以便方便提取各历史视频的位置信息和正向交互操作信息，以减少计算量。
基于此，本公开实施例中，可以通过公式(1)计算各历史视频的交互属性的表示参数。
Score1(i)＝(L–index(i))*Wposition)+ViewLength(i)*Wlength+Ilike(i)*Wlike+Ifollow(i)*Wfollow+Iforward(i)*Wforward+Icomment(i)*Wcomment+… (1)
其中，Score1(i)为历史视频i的交互属性的表示参数，L为历史视频列表中包含历史视频的数量值，该历史视频列表按照历史视频播放时间的顺序排列，index(i)为各历史视频i在历史视频列表中的排列次序，Wposition为排列次序的权重值，ViewLength(i)为历史视频i的播放时长、Wlength为播放时长的权重值，Ilike(i)为历史视频i的点赞行为数据，Wlike为点赞行为数据的权重值，Ifollow(i)为历史视频i的关注行为数据，Wfollow为关注行为数据的权重值，Iforward(i)为历史视频i的转发行为数据，Wforward为转发行为数据的权重值，Icomment(i)为历史视频i的评论行为数据，Wcomment为评论行为数据的权重值。需要说明的是，公式(1)中的省略号表示可以引入其他体现正向交互操作信息的数据和与数据对应的权重值。
步骤2302，根据各历史视频的视频特征，确定各历史视频的视频属性。
在可能的实施例中，可以基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
在本公开的实施例视频类型信息视频类型信息可以包括健身，厨艺，旅游，吃播等视频类型信息。视频内容信息中的视频文本可以包括视频标题，与视频有关的描述，评论文字，对白等。视频发布者属性可以把包括视频发布者发布视频的地址，发布者的账户，视频内容中涉及的被拍摄者的帐户，视频内容中涉及的地标建筑物等。历史视频的视觉类型可以包括视频封面为动画类型、视频封面为任务夸张的类型、视频封面为风景的类型、视频封面为动物的类型等。
进一步地，对各历史视频的视频类型信息和视频内容信息进行归一化处理，得到处理后的视频类型信息和视频内容信息；对处理后的视频类型信息和视频内容信息，进行加权计算，得到各历史视频的视频属性的表示参数。这里，本公开实施例通过对各历史视频的视频类型信息和视频内容信息进行归一化处理，以便方便提取各历史视频的视频类型信息和视频内容信息，以减少计算量。
基于此，本公开实施例中，可以通过公式(2)计算各历史视频的视频属性的表示参数。
Score2(i)＝ContentTypeCount(i)*Wtype+VisionTypeCount(i)*Wvision+TextTypeCount(i)*Wtext+AidCount(i)*Waid… (2)
其中，Score2(i)为历史视频i的交互属性的表示参数，ContentTypeCount(i)为历史视频i的视频类型信息在历史视频列表中累计出现的数量值，Wtype为视频类型信息在历史视频列表中累计出现的数量值对应的权重值，VisionTypeCount(i)为历史视频i的视觉类型在历史视频列表中累计出现的数量值，Wvision为视觉类型在历史视频列表中累计出现的数量值对应的权重值，TextTypeCount(i)为历史视频i的视频文本在历史视频列表中累计出现的数量值，Wtext为视频文本在历史视频列表中累计出现的数量值对应的权重值，AidCount(i)为历史视频i的视频发布者属性在历史视频列表中累计出现的数量值，Waid为视频发布者属性在历史视频列表中累计出现的数量值对应的权重值。公式(1)中的省略号表示可以引入其他各历史视频的视频属性的数据和与数据对应的权重值，如历史视频i在历史视频列表中重复出现的数量值，以及重复出现的数量值对应的权重值。
步骤2303，基于各历史视频的交互属性和视频属性，确定各历史视频与登录帐户的匹配程度。
基于各历史视频的交互属性和视频属性，进行加权计算，得到各历史视频与登录帐户的匹配值；其中，在历史视频列表中，历史视频的匹配值越大，表示该历史视频与登录帐户的匹配程度越高。
基于此，本公开实施例中，可以通过公式(3)确定各历史视频与登录帐户的匹配程度。
RankScore(i)＝a*Score1(i)+b*Score2(i) (3)
其中，RankScore(i)为各历史视频与登录帐户的匹配程度，a为匹配程度的权重值，Score1(i)为各历史视频的交互属性，b为视频属性的权重值，Score2(i)为视频属性。这里，a*Score1(i)可以用于表征历史视频i在历史视频列表中的重要程度，b*Score2(i)用于表征历史视频i在历史视频列表中重复程度。
基于此，本公开实施例中，还提供了在基于各历史视频的交互属性和视频属性，进行加权计算之前，调整匹配程度的权重值和视频属性的权重值的方式，具体如下所示：
基于确定的匹配目标调整加权计算的权重参数，其中，匹配程度用于表示历史视频与登录帐户的匹配目标之间的匹配程度。
其中，若匹配目标为登录帐户的正向操作视频，则调高视频属性的预定权重值；若匹配目标为登录帐户的多维度属性视频，则调低视频属性的预定权重值。这里，正向操作视频表示登录帐号在未来的预定时间内执行正向操作的视频；多维度属性视频表示登录帐号执行正向操作的、具有多重属性特征的视频。交互属性的权重值大于视频属性的权重值。
举例说明，若匹配目标为强调用户的长期兴趣如用户在一年以上喜欢同一类型的视频或者同一系列的综艺，则b可以设置为正数；若匹配目标为强调用户兴趣的多样性如用户在一个月内喜欢视频的类型，b可以设置为负数。在本公开实施例中可以将交互属性的权重值设置为大于视频属性的权重值。
由于用户往往对长期兴趣涉及的视频有正向交互操作信息，有公式(1)计算各历史视频的交互属性，无论b是正是负，都能将用户长期喜欢的视频排在前列。同理，用户往往对误点击视频很少有正向交互操作，公式(1)能有效过滤用户的误点击。通过调整b可以调整筛选出候选视频的多样性，以便更能准确的获取用户喜欢的视频类型，以便后期向用户推荐新的视频。
当然，除了上述涉及到的确定基于各历史视频与登录账户的匹配程度的方式之外，本公开实施例还可以利用基于监督学习或强化学习的方式从视频库中筛选出候选视频。其中，可以根据已构建的深度神经网络模型，将各历史视频的操作特征和视频特征作为网络的样本输入，通过深度神经网络模型输出各历史视频与登录帐户的匹配程度，基于各历史视频与登录账户的匹配程度，从历史视频列表中筛选出目标视频。
需要说明的是，该深度神经网络模型可以通过海量历史视频的操作特征和视频特征进行训练得到。
步骤2404，基于各历史视频与登录账户的匹配程度，从历史视频列表中筛选出目标视频。
其中，可以将各历史视频按照各历史视频与登录账户的匹配程度由大到小的排列顺序，提取匹配程度大于或者等于预设匹配程度的历史视频，并将该匹配程度大于或者等于预设匹配程度的历史视频确定为目标视频。
接着，涉及步骤240，可以通过推荐系统中的因子分解机(FactorizationMachine，FM)模型计算出各目标视频的视频特征对应的向量，也可以通过深度神经网络模型计算出各目标视频的视频特征对应的向量，用这些向量计算余弦相似度或者向量内积作为视频之间的相似度，如以历史视频列表中多个目标视频为例，计算目标视频i与多个目标视频中其他目标视频的相似度，得到目标视频i与其他目标视频的多个相似度，并将多个相似度的值按从大到小排序，将相似度大于预设相似度的目标视频确定为候选视频。
然后，涉及步骤250，在候选视频中随机挑选任意个候选视频作为推荐视频，这里，可以是周期性的挑选任意个候选视频作为推荐视频。
综上，本公开实施例通过登录帐户所在的终端发送的视频推荐请求，获取登录帐户的历史视频信息，这里，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息。接着，根据各历史视频的视频特征和表示登录帐户对历史视频执行的操作操作特征，从历史视频列表中筛选出目标视频，至少基于目标视频的视频特征，从视频库中筛选出候选视频。然后，从候选视频中得到登录帐户的推荐视频。这样，可以确保筛选的候选视频的质量，过滤掉低质量且用户误操作的无效视频，防止低质量或无效视频在视频推荐系统中造成的无效计算，从而提高召回候选视频的效率和精细度，以提高用户的体验感。
此外，对于数量有限的视频列表，如视频数量低于预设视频数量阈值的情况下，能通过调整公式(3)中涉及的a和b以及a、b对应的权重，得到各历史视频与登录帐户的匹配程度，以为用户推荐长期喜欢的视频。
需要说明的是，上述本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
基于相同的发明构思，本公开还提供了一种视频推荐装置。具体结合图3进行详细说明。
图3是根据一示例性实施例示出的一种视频推荐装置的结构框图。
如图3所示，该视频推荐装置30具体可以包括：
接收模块301，被配置为执行接收登录帐户所在的终端发送的视频推荐请求。
获取模块302，被配置为执行响应于视频推荐请求，获取登录帐户的历史视频信息，其中，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息。
筛选模块303，被配置为执行根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频，其中，操作特征用于表示登录帐户对历史视频执行的操作。
处理模块304，被配置为执行至少基于目标视频的视频特征，从视频库中筛选出候选视频。
确定模块305，被配置为执行从候选视频中得到登录帐户的推荐视频。
由此，可以确保筛选的候选视频的质量，过滤掉低质量且用户误操作的无效视频，防止低质量或无效视频在视频推荐系统中造成的无效计算，从而提高召回候选视频的效率和精细度。
在其中一个实施例中，筛选模块303包括：
第一确定模块，被配置为执行根据各历史视频的操作特征，确定各历史视频的交互属性；
第二确定模块，被配置为执行根据各历史视频的视频特征，确定各历史视频的视频属性；
第三确定模块，被配置为执行基于各历史视频的交互属性和视频属性，确定各历史视频与登录帐户的匹配程度；
第一筛选模块，被配置为执行基于各历史视频与登录账户的匹配程度，从历史视频列表中筛选出目标视频。
基于此，第一确定模块被配置为执行，基于各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性，
其中，操作特征至少用于记录各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息。
进一步地，第一确定模块包括：
第一处理模块，被配置为执行对各历史视频的位置信息和正向交互操作信息进行归一化处理，得到处理后的位置信息和正向交互操作信息；
第一计算模块，被配置为执行对处理后的位置信息和正向交互操作信息，进行加权计算，得到各历史视频的交互属性的表示参数。
在其中一个实施例中，第二确定模块被配置为执行，基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
其中，第二确定模块被配置为执行，基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
在其中一个实施例中，第二确定模块包括：
第二处理模块，被配置为执行对各历史视频的视频类型信息和视频内容信息进行归一化处理，得到处理后的视频类型信息和视频内容信息；
第二计算模块，被配置为执行对处理后的视频类型信息和视频内容信息，进行加权计算，得到各历史视频的视频属性的表示参数。
在其中一个实施例中，第三确定模块被配置为执行，基于各历史视频的交互属性和视频属性，进行加权计算，得到各历史视频与登录帐户的匹配值；
其中，在历史视频列表中，历史视频的匹配值越大，表示该历史视频与登录帐户的匹配程度越高。
基于此，视第三确定模块被配置为执行，基于确定的匹配目标调整加权计算的权重参数，其中，匹配程度用于表示历史视频与登录帐户的匹配目标之间的匹配程度，
其中，若匹配目标为登录帐户的正向操作视频，则调高视频属性的预定权重值；若匹配目标为登录帐户的多维度属性视频，则调低视频属性的预定权重值；其中，正向操作视频表示登录帐号在未来的预定时间内执行正向操作的视频；多维度属性视频表示登录帐号执行正向操作的、具有多重属性特征的视频。
在其中一个实施例中，交互属性的权重值大于视频属性的权重值。
综上，本公开实施例通过登录帐户所在的终端发送的视频推荐请求，获取登录帐户的历史视频信息，这里，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息。接着，根据各历史视频的视频特征和表示登录帐户对历史视频执行的操作操作特征，从历史视频列表中筛选出目标视频，至少基于目标视频的视频特征，从视频库中筛选出候选视频。然后，从候选视频中得到登录帐户的推荐视频。这样，可以确保筛选的候选视频的质量，过滤掉低质量且用户误操作的无效视频，防止低质量或无效视频在视频推荐系统中造成的无效计算，从而提高召回候选视频的效率和精细度，以提高推荐结果的准确度。
基于同一发明构思，本公开实施例还提供了一种计算设备，具体结合图4进行详细说明。
图4是根据一示例性实施例示出的一种计算设备的结构框图。
如图4所示，该计算设备40能够实现根据本公开实施例中的视频推荐方法以及视频推荐装置的计算设备的示例性硬件架构的结构图。该计算设备可以指代本公开实施例中的服务器。
该计算设备4可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(application specific integrated circuit，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。
存储器402可以包括用于信息或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(hard disk drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，USB)驱动器或者两个及其以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在综合网关设备的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存，或者两个或及其以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以执行如下步骤：
处理器401，被配置为执行接收登录帐户所在的终端发送的视频推荐请求；响应于视频推荐请求，获取登录帐户的历史视频信息，其中，历史视频信息用于记录在终端展示过、且被执行过播放操作的历史视频列表的信息；根据各历史视频的操作特征和视频特征，从历史视频列表中筛选出目标视频，其中，操作特征用于表示登录帐户对历史视频执行的操作；至少基于目标视频的视频特征，从视频库中筛选出候选视频；以及，从候选视频中得到登录帐户的推荐视频。
在其中一个实施例中，处理器401，被配置为执行根据各历史视频的操作特征，确定各历史视频的交互属性；被配置为执行根据各历史视频的视频特征，确定各历史视频的视频属性；被配置为执行基于各历史视频的交互属性和视频属性，确定各历史视频与登录帐户的匹配程度；以及，被配置为执行基于各历史视频与登录账户的匹配程度，从历史视频列表中筛选出目标视频。
基于此，处理器401被配置为执行，基于各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性，其中，操作特征至少用于记录各历史视频在历史视频列表中的位置信息和各历史视频的正向交互操作信息。
进一步地，处理器401被配置为执行，对各历史视频的位置信息和正向交互操作信息进行归一化处理，得到处理后的位置信息和正向交互操作信息；以及，对处理后的位置信息和正向交互操作信息，进行加权计算，得到各历史视频的交互属性的表示参数。
在其中一个实施例中，处理器401被配置为执行，基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
其中，处理器401被配置为执行，基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，视频特征至少用于记录各历史视频的视频类型信息和各历史视频的视频内容信息，视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
在其中一个实施例中，处理器401还被配置为执行对各历史视频的视频类型信息和视频内容信息进行归一化处理，得到处理后的视频类型信息和视频内容信息；对处理后的视频类型信息和视频内容信息，进行加权计算，得到各历史视频的视频属性的表示参数。
在其中一个实施例中，处理器401被配置为执行，基于各历史视频的交互属性和视频属性，进行加权计算，得到各历史视频与登录帐户的匹配值；其中，在历史视频列表中，历史视频的匹配值越大，表示该历史视频与登录帐户的匹配程度越高。
基于此，处理器401被配置为执行，基于确定的匹配目标调整加权计算的权重参数，其中，匹配程度用于表示历史视频与登录帐户的匹配目标之间的匹配程度，其中，若匹配目标为登录帐户的正向操作视频，则调高视频属性的预定权重值；若匹配目标为登录帐户的多维度属性视频，则调低视频属性的预定权重值，正向操作视频表示登录帐号在未来的预定时间内执行正向操作的视频；多维度属性视频表示登录帐号执行正向操作的、具有多重属性特征的视频。
在其中一个实施例中，交互属性的权重值大于视频属性的权重值。
在一个示例中，该计算设备4还可包括收发器403和总线404。其中，如图4所示，处理器401、存储器402和收发器403通过总线404连接并完成相互间的通信。
总线404包括硬件、软件或两者。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围控件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线1003可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
本公开实施例还提供了一种计算机存储介质，计算机存储介质中存储有计算机可执行指令，计算机可执行指令用于实现本公开实施例所记载的视频推荐方法。
在一些可能的实施方式中，本公开提供的方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的方法中的步骤，例如，计算机设备可以执行本公开实施例所记载的视频推荐方法。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本公开是参照根据本公开的方法、设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程视频推荐设备的处理器以产生一个机器，使得通过计算机或其他可编程视频推荐设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程视频推荐设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程视频推荐设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。

Claims (20)

1.一种视频推荐方法，其特征在于，包括：
接收登录帐户所在的终端发送的视频推荐请求；
响应于所述视频推荐请求，获取所述登录帐户的历史视频信息，其中，所述历史视频信息用于记录在所述终端展示过、且被执行过播放操作的历史视频列表的信息；
根据各历史视频的操作特征和视频特征，从所述历史视频列表中筛选出目标视频，其中，所述操作特征用于表示所述登录帐户对所述历史视频执行的操作，所述操作特征至少用于记录所述各历史视频在所述历史视频列表中的位置信息和所述各历史视频的正向交互操作信息，所述正向交互操作信息至少包括点赞行为数据、转发行为数据、评论行为数据和关注行为数据；
至少基于所述目标视频的视频特征，从视频库中筛选出候选视频；
从所述候选视频中得到所述登录帐户的推荐视频。
2.根据权利要求1所述的方法，其特征在于，所述根据各历史视频的操作特征和视频特征，从所述历史视频列表中筛选出目标视频，包括：
根据各历史视频的所述操作特征，确定各历史视频的交互属性；
根据各历史视频的所述视频特征，确定各历史视频的视频属性；
基于各历史视频的交互属性和视频属性，确定各历史视频与所述登录帐户的匹配程度；
基于各历史视频与所述登录帐户 的匹配程度，从所述历史视频列表中筛选出所述目标视频。
3.根据权利要求2所述的方法，其特征在于，所述根据各历史视频的所述操作特征，确定各历史视频的交互属性，包括：
基于各历史视频在所述历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性。
4.根据权利要求3所述的方法，其特征在于，所述基于各历史视频在所述历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性，包括：
对各历史视频的所述位置信息和所述正向交互操作信息进行归一化处理，得到处理后的位置信息和正向交互操作信息；
对所述处理后的位置信息和正向交互操作信息，进行加权计算，得到各历史视频的交互属性的表示参数。
5.根据权利要求2所述的方法，其特征在于，所述根据各历史视频的所述视频特征，确定各历史视频的视频属性，包括：
基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，
其中，所述视频特征至少用于记录所述各历史视频的视频类型信息和各历史视频的视频内容信息，所述视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
6.根据权利要求5所述的方法，其特征在于，所述基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，包括：
对各历史视频的所述视频类型信息和所述视频内容信息进行归一化处理，得到处理后的视频类型信息和视频内容信息；
对所述处理后的视频类型信息和视频内容信息，进行加权计算，得到各历史视频的视频属性的表示参数。
7.根据权利要求2所述的方法，其特征在于，所述基于各历史视频的交互属性和视频属性，确定各历史视频与所述登录帐户的匹配程度，包括：
基于各历史视频的交互属性和视频属性，进行加权计算，得到各历史视频与所述登录帐户的匹配值；
其中，在所述历史视频列表中，历史视频的匹配值越大，表示该历史视频与所述登录帐户的匹配程度越高。
8.根据权利要求7所述的方法，其特征在于，在所述基于各历史视频的交互属性和视频属性，进行加权计算之前，所述方法还包括：
基于确定的匹配目标调整加权计算的权重参数，其中，所述匹配程度用于表示所述历史视频与所述登录帐户的匹配目标之间的匹配程度，
其中，若所述匹配目标为所述登录帐户的正向操作视频，则调高所述视频属性的预定权重值；若所述匹配目标为所述登录帐户的多维度属性视频，则调低所述视频属性的预定权重值，
所述正向操作视频表示所述登录帐户 在未来的预定时间内执行正向操作的视频；
所述多维度属性视频表示所述登录帐户 执行正向操作的、具有多重属性特征的视频。
9.根据权利要求7所述的方法，其特征在于，所述交互属性的权重值大于所述视频属性的权重值。
10.一种视频推荐装置，其特征在于，包括：
接收模块，被配置为执行接收登录帐户所在的终端发送的视频推荐请求；
获取模块，被配置为执行响应于所述视频推荐请求，获取所述登录帐户的历史视频信息，其中，所述历史视频信息用于记录在所述终端展示过、且被执行过播放操作的历史视频列表的信息；
筛选模块，被配置为执行根据各历史视频的操作特征和视频特征，从所述历史视频列表中筛选出目标视频，其中，所述操作特征用于表示所述登录帐户对所述历史视频执行的操作，所述操作特征至少用于记录所述各历史视频在所述历史视频列表中的位置信息和所述各历史视频的正向交互操作信息，所述正向交互操作信息至少包括点赞行为数据、转发行为数据、评论行为数据和关注行为数据；
处理模块，被配置为执行至少基于所述目标视频的视频特征，从视频库中筛选出候选视频；
确定模块，被配置为执行从所述候选视频中得到所述登录帐户的推荐视频。
11.根据权利要求10所述的装置，其特征在于，所述筛选模块包括：
第一确定模块，被配置为执行根据各历史视频的所述操作特征，确定各历史视频的交互属性；
第二确定模块，被配置为执行根据各历史视频的所述视频特征，确定各历史视频的视频属性；
第三确定模块，被配置为执行基于各历史视频的交互属性和视频属性，确定各历史视频与所述登录帐户的匹配程度；
第一筛选模块，被配置为执行基于各历史视频与所述登录帐户的匹配程度，从所述历史视频列表中筛选出所述目标视频。
12.根据权利要求11所述的装置，其特征在于，所述第一确定模块被配置为执行，基于各历史视频在所述历史视频列表中的位置信息和各历史视频的正向交互操作信息，确定各历史视频的交互属性。
13.根据权利要求12所述的装置，其特征在于，所述第一确定模块包括：
第一处理模块，被配置为执行对各历史视频的所述位置信息和所述正向交互操作信息进行归一化处理，得到处理后的位置信息和正向交互操作信息；
第一计算模块，被配置为执行对所述处理后的位置信息和正向交互操作信息，进行加权计算，得到各历史视频的交互属性的表示参数。
14.根据权利要求11所述的装置，其特征在于，所述第二确定模块被配置为执行，基于各历史视频的视频类型信息和视频内容信息，确定各历史视频的视频属性，其中，所述视频特征至少用于记录所述各历史视频的视频类型信息和各历史视频的视频内容信息，所述视频内容信息至少包括历史视频的视觉类型、视频文本、以及视频发布者属性中的至少之一。
15.根据权利要求14所述的装置，其特征在于，所述第二确定模块包括：
第二处理模块，被配置为执行对各历史视频的所述视频类型信息和所述视频内容信息进行归一化处理，得到处理后的视频类型信息和视频内容信息；
第二计算模块，被配置为执行对所述处理后的视频类型信息和视频内容信息，进行加权计算，得到各历史视频的视频属性的表示参数。
16.根据权利要求11所述的装置，其特征在于，所述第三确定模块被配置为执行，基于各历史视频的交互属性和视频属性，进行加权计算，得到各历史视频与所述登录帐户的匹配值；
其中，在所述历史视频列表中，历史视频的匹配值越大，表示该历史视频与所述登录帐户的匹配程度越高。
17.根据权利要求16所述的装置，其特征在于，所述第三确定模块被配置为执行，基于确定的匹配目标调整加权计算的权重参数，其中，所述匹配程度用于表示所述历史视频与所述登录帐户的匹配目标之间的匹配程度，
其中，若所述匹配目标为所述登录帐户的正向操作视频，则调高所述视频属性的预定权重值；若所述匹配目标为所述登录帐户的多维度属性视频，则调低所述视频属性的预定权重值，
所述正向操作视频表示所述登录帐户在未来的预定时间内执行正向操作的视频；
所述多维度属性视频表示所述登录帐户执行正向操作的、具有多重属性特征的视频。
18.根据权利要求16所述的装置，其特征在于，所述交互属性的权重值大于所述视频属性的权重值。
19.一种服务器，其特征在于，包括：
处理器；
用于存储所述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所述指令，以实现如权利要求1至9中任一项所述的视频推荐方法。
20.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由服务器的处理器执行时，以使所述服务器实现如权利要求1至9中任一项所述的视频推荐方法。
CN202011593410.3A 2020-12-29 2020-12-29 视频推荐方法、装置、服务器及存储介质 Active CN112822527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011593410.3A CN112822527B (zh) 2020-12-29 2020-12-29 视频推荐方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011593410.3A CN112822527B (zh) 2020-12-29 2020-12-29 视频推荐方法、装置、服务器及存储介质

Publications (2)

Publication Number Publication Date
CN112822527A CN112822527A (zh) 2021-05-18
CN112822527B true CN112822527B (zh) 2022-08-26

Family

ID=75855786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011593410.3A Active CN112822527B (zh) 2020-12-29 2020-12-29 视频推荐方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN112822527B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113709507B (zh) * 2021-07-28 2023-09-05 北京达佳互联信息技术有限公司 一种视频推荐方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783687A (zh) * 2018-11-22 2019-05-21 广州市易杰数码科技有限公司 一种基于图结构的推荐方法、装置、设备及存储介质
CN110557659A (zh) * 2019-08-08 2019-12-10 北京达佳互联信息技术有限公司 视频推荐方法、装置、服务器及存储介质
CN111435371A (zh) * 2019-01-15 2020-07-21 百度在线网络技术（北京）有限公司 视频推荐方法及其系统、计算机程序产品、可读存储介质
CN111935291A (zh) * 2020-08-14 2020-11-13 腾讯科技（深圳）有限公司 游戏推送方法、装置、设备及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180109827A1 (en) * 2016-10-13 2018-04-19 International Business Machines Corporation User affinity for video content and video content recommendations

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783687A (zh) * 2018-11-22 2019-05-21 广州市易杰数码科技有限公司 一种基于图结构的推荐方法、装置、设备及存储介质
CN111435371A (zh) * 2019-01-15 2020-07-21 百度在线网络技术（北京）有限公司 视频推荐方法及其系统、计算机程序产品、可读存储介质
CN110557659A (zh) * 2019-08-08 2019-12-10 北京达佳互联信息技术有限公司 视频推荐方法、装置、服务器及存储介质
CN111935291A (zh) * 2020-08-14 2020-11-13 腾讯科技（深圳）有限公司 游戏推送方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN112822527A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN110909205B (zh) 一种视频封面确定方法、装置、电子设备及可读存储介质
CN110856037B (zh) 一种视频封面确定方法、装置、电子设备及可读存储介质
CN113383362B (zh) 用户识别方法及相关产品
CN109996122B (zh) 一种视频推荐方法、装置、服务器及存储介质
CN113422988B (zh) 直播封面生成方法、装置、电子设备及存储介质
CN111340233B (zh) 机器学习模型的训练方法及装置、样本处理方法及装置
CN108628721A (zh) 用户数据值的异常检测方法、装置、存储介质及电子装置
CN111581521A (zh) 群组成员的推荐方法、装置、服务器、存储介质及系统
CN110909005B (zh) 一种模型特征分析方法、装置、设备及介质
CN111177725B (zh) 一种检测恶意刷点击操作的方法、装置、设备及存储介质
CN112100221A (zh) 一种资讯推荐方法、装置、推荐服务器及存储介质
CN114245185B (zh) 视频推荐方法、模型训练方法、装置、电子设备及介质
CN112822527B (zh) 视频推荐方法、装置、服务器及存储介质
CN111385659B (zh) 一种视频推荐方法、装置、设备及存储介质
CN116450881B (zh) 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备
CN112733014A (zh) 推荐方法、装置、设备及存储介质
CN112686690A (zh) 数据处理方法、装置、电子设备及计算机可读存储介质
CN111611973A (zh) 目标用户识别的方法、装置及存储介质
CN112565902A (zh) 一种视频推荐方法、装置及电子设备
CN112804566A (zh) 节目推荐方法、设备及计算机可读存储介质
CN114842382A (zh) 一种生成视频的语义向量的方法、装置、设备及介质
CN111309706A (zh) 模型训练方法、装置、可读存储介质及电子设备
CN112243156B (zh) 弹幕显示方法和装置及存储介质
CN116910303B (zh) 基于舞蹈室学习阶段的舞蹈视频推荐方法和装置
CN117370215B (zh) 寻优抽样方法、装置、电子设备及存储介质

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