CN113297417B - 视频推送方法、装置、电子设备和存储介质 - Google Patents

Abstract

本公开关于一种视频推送方法、装置、电子设备和存储介质，该方法包括：获取终端当前登录账户的账户信息以及待推送视频信息；所述账户信息匹配有对应的账户信息特征编码，所述待推送视频信息匹配有对应的待推送视频信息特征编码；确定所述账户信息特征编码与所述待推送视频信息特征编码之间的特征相似度，作为所述待推送视频信息的推荐度；根据所述推荐度，从所述待推送视频信息中确定出与所述终端当前登录账户对应的视频信息；将与所述终端当前登录账户对应的视频信息推送至所述终端。采用本方法能够提高视频推送的准确度。

Description

视频推送方法、装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种视频推送方法、装置、电子设备和存储介质。

背景技术

随着计算机技术的发展，各种用于浏览视频的应用程序层出不穷，越来越多的用户选择通过应用程序来浏览视频，故对视频的精准推送显得越来越重要。

相关技术中，一般是将用户点击的视频信息作为正样本，将用户未点击的视频信息作为负样本，并通过正样本和负样本对视频推荐模型进行训练，再通过训练后的视频推荐模型，将与用户点击的视频相关的视频推送给用户；但是，将每条视频信息单作一个个独立的样本数据，且只考虑视频信息，导致在训练的过程中丢失很多信息，造成视频推送的准确度较低。

发明内容

本公开提供一种视频推送方法、装置、电子设备和存储介质，以至少解决相关技术中视频推送的准确度较低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种视频推送方法，包括：

获取终端当前登录账户的账户信息以及待推送视频信息；所述账户信息匹配有对应的账户信息特征编码，所述待推送视频信息匹配有对应的待推送视频信息特征编码；

确定所述账户信息特征编码与所述待推送视频信息特征编码之间的特征相似度，作为所述待推送视频信息的推荐度；

根据所述推荐度，从所述待推送视频信息中确定出与所述终端当前登录账户对应的视频信息；

将与所述终端当前登录账户对应的视频信息推送至所述终端。

在其中一个实施例中，在获取终端当前登录账户的账户信息以及待推送视频信息之前，还包括：

分别将所述账户信息以及所述待推送视频信息输入预先训练的特征嵌入网络模型中，得到所述账户信息对应的所述账户信息特征编码以及所述待推送视频信息对应的所述待推送视频信息特征编码。

在其中一个实施例中，所述预先训练的特征嵌入网络模型的训练步骤，包括：

获取样本训练数据集；所述样本训练数据集包括样本账户的账户信息以及所述样本账户所操作过的样本视频的视频信息；

获取所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息；

分别将所述样本账户的账户信息、所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的视频信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值；

根据所述目标损失值对所述待训练的特征嵌入网络模型的网络参数进行调整，直到根据网络参数调整后的特征嵌入网络模型得到的所述目标损失值满足预设条件。

在其中一个实施例中，所述获取所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息的步骤，包括：

获取所述样本账户的账户标识；

查询正样本账户队列，确定与所述样本账户的账户标识对应的正样本账户列表；从所述正样本账户列表包含的正样本账户的账户信息中，随机采样出所述样本账户的正样本账户的账户信息；

获取所述样本视频的视频标识；

查询正样本视频队列，确定与所述样本视频的视频标识对应的正样本视频列表；从所述正样本视频列表包含的正样本视频的视频信息中，随机采样出所述样本视频的正样本视频的视频信息；

查询负样本队列；所述负样本队列中包括负样本账户队列以及负样本视频队列；

从所述负样本账户队列包含的负样本账户的账户信息中，随机采样出所述样本账户的负样本账户的账户信息；

从所述负样本视频队列包含的负样本视频的视频信息中，随机采样出所述样本视频的负样本视频的视频信息。

在其中一个实施例中，所述分别将所述样本账户的账户信息、所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的视频信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值的步骤，包括：

分别通过待训练的特征嵌入网络模型，得到所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码；

根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到目标损失值。

在其中一个实施例中，所述根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到目标损失值的步骤，包括：

根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码以及所述负样本账户的账户信息的特征编码，得到第一损失值；

根据所述正样本视频的视频信息的特征编码、所述样本账户的账户信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第二损失值；

根据所述正样本视频的视频信息的特征编码、所述样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第三损失值；

根据所述第一损失值、所述第二损失值以及所述第三损失值，得到所述目标损失值。

在其中一个实施例中，所述根据所述推荐度，从所述待推送视频信息中确定出与所述终端当前登录账户对应的视频信息的步骤，包括：

将所述推荐度大于预设阈值的待推送视频信息，确定为与所述终端当前登录账户对应的视频信息。

在其中一个实施例中，所述将与所述终端当前登录账户对应的视频信息推送至所述终端的步骤，包括：

按照所述推荐度，对与所述终端当前登录账户对应的视频信息进行排序，得到排序后的视频信息；

按照预设频率，将所述排序后的视频信息推送至所述终端。

根据本公开实施例的第二方面，提供一种视频推送装置，包括：

信息获取单元，被配置为执行获取终端当前登录账户的账户信息以及待推送视频信息；所述账户信息匹配有对应的账户信息特征编码，所述待推送视频信息匹配有对应的待推送视频信息特征编码；

推荐度确定单元，被配置为执行确定所述账户信息特征编码与所述待推送视频信息特征编码之间的特征相似度，作为所述待推送视频信息的推荐度；

视频信息确定单元，被配置为执行根据所述推荐度，从所述待推送视频信息中确定出与所述终端当前登录账户对应的视频信息；

视频信息推送单元，被配置为执行将与所述终端当前登录账户对应的视频信息推送至所述终端。

在其中一个实施例中，上述视频推送装置还包括特征编码获取单元，被配置为执行分别将所述账户信息以及所述待推送视频信息输入预先训练的特征嵌入网络模型中，得到所述账户信息对应的所述账户信息特征编码以及所述待推送视频信息对应的所述待推送视频信息特征编码。

在其中一个实施例中，上述视频推送装置还包括模型训练单元，被配置为执行获取样本训练数据集；所述样本训练数据集包括样本账户的账户信息以及所述样本账户所操作过的样本视频的视频信息；获取所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息；分别将所述样本账户的账户信息、所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的视频信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值；根据所述目标损失值对所述待训练的特征嵌入网络模型的网络参数进行调整，直到根据网络参数调整后的特征嵌入网络模型得到的所述目标损失值满足预设条件。

在其中一个实施例中，所述模型训练单元，还被配置为执行获取所述样本账户的账户标识；查询正样本账户队列，确定与所述样本账户的账户标识对应的正样本账户列表；从所述正样本账户列表包含的正样本账户的账户信息中，随机采样出所述样本账户的正样本账户的账户信息；获取所述样本视频的视频标识；查询正样本视频队列，确定与所述样本视频的视频标识对应的正样本视频列表；从所述正样本视频列表包含的正样本视频的视频信息中，随机采样出所述样本视频的正样本视频的视频信息；查询负样本队列；所述负样本队列中包括负样本账户队列以及负样本视频队列；从所述负样本账户队列包含的负样本账户的账户信息中，随机采样出所述样本账户的负样本账户的账户信息；从所述负样本视频队列包含的负样本视频的视频信息中，随机采样出所述样本视频的负样本视频的视频信息。

在其中一个实施例中，所述模型训练单元，还被配置为执行分别通过待训练的特征嵌入网络模型，得到所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码；根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到目标损失值。

在其中一个实施例中，所述模型训练单元，还被配置为执行根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码以及所述负样本账户的账户信息的特征编码，得到第一损失值；根据所述正样本视频的视频信息的特征编码、所述样本账户的账户信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第二损失值；根据所述正样本视频的视频信息的特征编码、所述样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第三损失值；根据所述第一损失值、所述第二损失值以及所述第三损失值，得到所述目标损失值。

在其中一个实施例中，所述视频信息确定单元，还被配置为执行将所述推荐度大于预设阈值的待推送视频信息，确定为与所述终端当前登录账户对应的视频信息。

在其中一个实施例中，所述视频信息推送单元，还被配置为执行按照所述推荐度，对与所述终端当前登录账户对应的视频信息进行排序，得到排序后的视频信息；按照预设频率，将所述排序后的视频信息推送至所述终端。

根据本公开实施例的第三方面，提供一种电子设备，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，以实现如第一方面的实施方式中的方法。

根据本公开实施例的第四方面，提供一种存储介质，包括：当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面的实施方式中的方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码被计算机运行时，使得所述计算机执行上述各方面中的方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

通过获取终端当前登录账户的账户信息所对应的账户信息特征编码以及待推送视频信息所对应的待推送视频信息特征编码之间的特征相似度，确定待推送视频信息的推荐度，进而根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息，并将视频信息推送至终端；综合考虑了推送用户的账户信息以及待推送视频信息，避免了仅仅考虑视频信息导致视频推送的准确度较低的缺陷，从而使得推送给终端的视频更加准确，进而提高了视频推送的准确度；同时，根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息，再将确定出的视频信息推送给终端，进一步提高了视频推送的准确度，进而有效地提高了视频的点击率。

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，并不能限制本公开。

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送方法的应用环境图。

图2是根据一示例性实施例示出的一种视频推送方法的流程图。

图3是根据一示例性实施例示出的预先训练的特征嵌入网络模型的训练步骤的流程图。

图4是根据一示例性实施例示出的获取样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息的步骤的流程图。

图5是根据一示例性实施例示出的获取目标损失值的步骤的流程示意图。

图6是根据另一示例性实施例示出的一种视频推送方法的流程图。

图7是根据一示例性实施例示出的一种视频推送装置的框图。

图8是根据一示例性实施例示出的一种计算机设备的内部结构图。

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。

图1为一示例性实施例示出的一种视频推送方法的应用环境图。参照图1，该应用环境图包括终端110和服务器120，终端110和服务器120通过网络连接。终端110是具有视频观看功能的电子设备，该电子设备可以是智能手机、平板电脑或笔记本电脑等等；服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。图1中以终端110是智能手机为例进行说明，参考图1，服务器120获取终端110当前登录账户的账户信息以及待推送视频信息；其中，账户信息匹配有对应的账户信息特征编码，待推送视频信息匹配有对应的待推送视频信息特征编码；确定账户信息特征编码与待推送视频信息特征编码之间的特征相似度，作为待推送视频信息的推荐度；根据推荐度，从待推送视频信息中确定出与终端110当前登录账户对应的视频信息；将与终端110当前登录账户对应的视频信息推送至终端110，终端110通过界面显示视频信息。

图2是根据一示例性实施例示出的一种视频推送方法的流程图，如图2所示，视频推送方法用于如图1所示的服务器中，包括以下步骤。

在步骤S21中，获取终端当前登录账户的账户信息以及待推送视频信息；账户信息匹配有对应的账户信息特征编码，待推送视频信息匹配有对应的待推送视频信息特征编码。

其中，账户是指终端中的视频应用程序的注册账户，比如短视频应用程序的注册账户、视频浏览程序的注册账户等。账户信息是指用于标识账户的信息，比如账户名称、账户号码、账户编号等。

其中，待推送视频信息是指初步确定的多个视频信息，并非最终推送给终端的视频信息；具体是指最新的视频信息，比如近几天的视频信息；在实际场景中，待推送视频信息可以是指短视频信息、微电影信息、电影信息、电视剧信息等。

其中，账户信息特征编码是指经过压缩编码后的用于表示账户信息的低层语义的低维度特征向量，待推送视频信息特征编码也是经过压缩编码后的用于表示待推送视频信息的低层语义的低维度特征向量，两者均是通过预先训练的特征嵌入网络模型学习得到。

示例性地，在短视频应用程序打开场景中，终端当前登录账户是指短视频应用程序的观看账户，待推送视频信息是指推送至终端的短视频播放界面的预选短视频；在短视频应用程序关闭场景中，终端当前登录账户也是指短视频应用程序的观看账户，待推送视频信息是指以通知消息提醒的方式向终端推送的预选短视频。

在步骤S22中，确定账户信息特征编码与待推送视频信息特征编码之间的特征相似度，作为待推送视频信息的推荐度。

其中，特征相似度用于衡量账户信息特征编码所表示的特征与待推送视频信息编码所表示的特征之间的相似度；一般地，特征相似度越高，表示账户信息特征编码所表示的特征与待推送视频信息编码所表示的特征之间越相似，说明账户信息特征编码所对应的账户对待推送视频信息编码所对应的待推送视频信息越感兴趣。

其中，推荐度用于衡量推送给账户的待推送视频信息的先后排列顺序；一般地，待推送视频信息的推荐度越高，则该待推送视频信息越先推送给账户。

具体地，服务器统计账户信息特征编码与待推送视频信息特征编码之间的余弦相似度，作为账户信息特征编码与待推送视频信息特征编码之间的特征相似度；同时，将账户信息特征编码与待推送视频信息特征编码之间的特征相似度，作为待推送视频信息特征编码所对应的待推送视频信息的推荐度；这样，综合考虑了推送用户的账户信息以及待推送视频信息，使得确定出的待推送视频信息的推荐度更加准确，有利于后续根据准确确定出的推荐度，从待推送视频信息中筛选出更加准确的视频信息推送给终端，实现了视频信息的精准推送，进一步提高了视频推送的准确度。

例如，账户信息特征编码为v₁，待推送视频信息特征编码为v₂，则账户信息特征编码与待推送视频信息特征编码之间的特征相似度为：

在步骤S23中，根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息。

具体地，服务器将推荐度满足预设条件的待推送视频信息，比如推荐度最大的待推送视频信息，作为与终端当前登录账户对应的视频信息；这样，使得后续推送给终端的视频信息更加精准，从而提高了视频推送的准确度。

在步骤S24中，将与终端当前登录账户对应的视频信息推送至终端。

具体地，服务器按照预设频率，将与终端当前登录账户对应的视频信息推送至终端，通过终端界面显示推荐度更高的视频信息，满足终端当前登录账户的兴趣需求，从而实现了视频信息的精准推送。

进一步地，服务器还可以将与终端当前登录账户对应的视频信息，转化成与预设推送模式对应的视频信息，并将该视频信息推送至终端。其中，预设推送模式是指视频信息的排版模式，比如电影模式、复古模式等。

示例性地，在短视频应用程序打开场景中，终端响应账户在短视频播放界面上的触发操作，生成推送请求，并将推送请求发送至对应的服务器；服务器对接收的推送请求进行解析，得到终端当前登录账户；从待推送视频信息中，将与终端当前登录账户对应的视频信息推送至终端。

示例性地，在短视频应用程序关闭场景中，服务器将与终端当前登录账户对应的视频信息，以通知消息的形式推送至终端，通过终端的通知消息栏显示与终端当前登录账户对应的视频信息。

本公开实施例提供的视频推送方法，通过获取终端当前登录账户的账户信息所对应的账户信息特征编码以及待推送视频信息所对应的待推送视频信息特征编码之间的特征相似度，确定待推送视频信息的推荐度，进而根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息，并将视频信息推送至终端；综合考虑了推送用户的账户信息以及待推送视频信息，避免了仅仅考虑视频信息导致视频推送的准确度较低的缺陷，从而使得推送给终端的视频更加准确，进而提高了视频推送的准确度；同时，根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息，再将确定出的视频信息推送给终端，进一步提高了视频推送的准确度，进而有效地提高了视频的点击率。

在一示例性实施例中，步骤S21之前，上述视频推送方法还包括：分别将账户信息以及待推送视频信息输入预先训练的特征嵌入网络模型中，得到账户信息对应的账户信息特征编码以及待推送视频信息对应的待推送视频信息特征编码。

其中，预先训练的特征嵌入网络模型是一种能够对账户信息以及待推送视频信息进行特征提取和特征编码，以得到账户信息对应的账户信息特征编码以及待推送视频信息对应的待推送视频信息特征编码的神经网络模型。

具体地，服务器预先获取终端当前登录账户的账户信息，并将网络上预设时间段内的视频信息，作为待推送视频信息；分别将账户信息以及待推送视频信息输入预先训练的特征嵌入网络模型中，通过预先训练的特征嵌入网络模型提取账户信息的特征以及待推送视频信息的特征，并对账户信息的特征以及待推送视频信息的特征进行特征编码，得到账户信息对应的账户信息特征编码以及待推送视频信息对应的待推送视频信息特征编码。

本公开实施例提供的技术方案中，通过预先训练的特征嵌入网络模型，获取账户信息对应的账户信息特征编码以及待推送视频信息对应的待推送视频信息特征编码；方便后续根据账户信息特征编码以及待推送视频信息特征编码，从待推送视频信息中确定出推荐度更高的视频信息，从而实现视频信息的精准推送。

在一示例性实施例中，如图3所示，预先训练的特征嵌入网络模型的训练步骤，包括以下步骤：

在步骤S31中，获取样本训练数据集；样本训练数据集包括样本账户的账户信息以及样本账户所操作过的样本视频的视频信息。

其中，样本账户所操作过的样本视频的视频信息，是指样本用户点击、点赞、转发或者评论过的历史视频的视频信息。

具体地，服务器基于大数据技术，获取样本账户的账户信息以及样本账户所操作过的样本视频的视频信息，作为样本训练数据集。

在步骤S32中，获取样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息。

其中，样本账户的正样本账户是指样本账户的相似账户，具体是指和样本账户有着相似的视频观看兴趣的账户；例如，将与样本账户历史上共同操作过的视频数量大于预设数量的账户，作为样本账户的正样本账户。样本账户的负样本账户是指随机负采样的账户，具体是指在所有的账户中进行随机采样得到的账户。

其中，样本视频的正样本视频是指样本视频的相似视频，具体是指和样本视频有着大量相同观看账户的视频；例如，将与样本视频历史上被共同账户操作过的次数大于预设次数的视频，作为样本视频的正样本视频。样本视频的负样本视频是指随机负采样的视频，具体是指在所有的视频中进行随机采样得到的视频。

具体地，服务器从存储有样本账户的多个正样本账户的账户信息的队列中，随机采样出一个正样本账户的账户信息，作为样本账户的正样本账户的账户信息；从存储有多个负样本账户的账户信息的队列中，随机采样出一个负样本账户的账户信息，作为样本账户的负样本账户的账户信息；从存储有样本视频的多个正样本视频的视频信息的队列中，随机采样出一个正样本视频的视频信息，作为样本视频的正样本视频的视频信息；从存储有多个负样本视频的视频信息的队列中，随机采样出一个负样本视频的视频信息，作为样本视频的负样本视频的视频信息。

在步骤S33中，分别将样本账户的账户信息、样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的视频信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值。

其中，目标损失值用于衡量通过待训练的特征嵌入网络模型学习得到的特征编码所反映的行为与样本账户的真实行为之间的偏差。

在步骤S34中，根据目标损失值对待训练的特征嵌入网络模型的网络参数进行调整，直到根据网络参数调整后的特征嵌入网络模型得到的目标损失值满足预设条件。

其中，根据网络参数调整后的特征嵌入网络模型得到的目标损失值满足预设条件，是指根据网络参数调整后的特征嵌入网络模型学习到的特征编码所反映的行为比较接近样本账户的真实行为。

具体地，若根据网络参数调整后的特征嵌入网络模型得到的目标损失值不满足预设条件，则继续调整特征嵌入网络模型的网络参数，并重复执行上述步骤S33，直到根据网络参数调整后的特征嵌入网络模型得到的目标损失值满足预设条件。

进一步地，若根据网络参数调整后的特征嵌入网络模型得到的目标损失值满足预设条件，将通过网络参数调整后的特征嵌入网络模型作为预先训练的特征嵌入网络模型。

本公开实施例提供的技术方案中，通过样本账户的账户信息、正样本账户的账户信息、负样本账户的账户信息、样本视频的视频信息、正样本视频的视频信息以及负样本视频的视频信息对特征嵌入网络模型进行训练，有利于综合考虑样本账户与正样本账户之间的关系、样本账户与负样本账户之间的关系、样本视频与正样本视频之间的关系、样本视频与负样本视频之间的关系、样本账户与样本视频之间的关系、样本账户与负样本视频之间的关系，使得训练得到的特征嵌入网络模型输出的账户信息特征编码和视频信息特征编码更能反映账户信息所表示的特征以及视频信息所表示的特征，进一步提高了得到的账户信息特征编码和视频信息特征编码的准确度。

在一示例性实施例中，如图4所示，上述步骤S32，还包括以下步骤：

在步骤S41中，获取样本账户的账户标识。

其中，账户标识是指用于标识样本账户的信息，比如账户名称、账户号码、账户编号等。

在步骤S42中，查询正样本账户队列，确定与样本账户的账户标识对应的正样本账户列表；从正样本账户列表包含的正样本账户的账户信息中，随机采样出样本账户的正样本账户的账户信息。

其中，正样本账户队列存储了多个样本账户的账户标识对应的正样本账户列表，每个正样本账户列表存储的是样本账户的多个正样本账户的账户信息，具体存储的是与样本账户有着相似的视频观看兴趣的账户的账户信息。

具体地，服务器从正样本账户队列中，确定与样本账户的账户标识对应的正样本账户列表，从正样本账户列表中，随机采样出一个正样本账户的账户信息，作为样本账户的正样本账户的账户信息。

进一步地，服务器还可以采集与样本账户有着相似的视频观看兴趣的账户的账户信息，作为样本账户的多个正样本账户的账户信息；将样本账户的多个正样本账户的账户信息，存储至该样本账户的账户标识对应的正样本账户列表中；根据多个样本账户的账户标识对应的正样本账户列表，构建正样本账户队列。

比如，样本账户的账户ID为U1，样本账户近期点击过的视频ID为P1、P2、P3；视频账户点击队列中存储有P1(U2，U3，U4)、P2(U5，U6，U7)、P3(U8，U9，U10)，账户ID分别为U2，U3，U4的样本账户，表示的是点击过视频ID为P1的视频的样本账户；账户ID分别为U5，U6，U7的样本账户，表示的是点击过视频ID为P2的视频的样本账户；账户ID分别为U8，U9，U10的样本账户，表示的是点击过视频ID为P3的视频的样本账户。分别从P1(U2，U3，U4)、P2(U5，U6，U7)、P3(U8，U9，U10)中各随机选择一个账户ID，比如U3、U7、U9，构建账户ID为U1的样本账户的正样本账户列表：U1(U3，U7，U9)。以此类推，可以构建多个样本账户的账户ID对应的正样本账户列表，并通过多个样本账户的账户ID对应的正样本账户列表，构建正样本账户队列。

需要说明的是，正样本账户队列中的正样本账户列表所存储的正样本账户的账户信息，可以根据各个账户的最新视频操作记录实时更新。

在步骤S43中，获取样本视频的视频标识。

其中，视频标识是指用于标识样本视频的信息，比如视频名称、视频编号等。

在步骤S44中，查询正样本视频队列，确定与样本视频的视频标识对应的正样本视频列表；从正样本视频列表包含的正样本视频的视频信息中，随机采样出样本视频的正样本视频的视频信息。

其中，正样本视频队列存储了多个样本视频的视频标识对应的正样本视频列表，每个正样本视频列表存储的是样本视频的多个正样本视频的视频信息，具体存储的是样本账户历史操作过的样本视频的视频信息，比如样本账户近几天点击过的样本视频的视频信息。

具体地，服务器从正样本视频队列中，确定与样本视频的视频标识对应的正样本视频列表，从正样本视频列表中，随机采样出一个正样本视频的视频信息，作为样本视频的正样本视频的视频信息。

进一步地，服务器采集操作过样本视频的样本账户历史操作过的样本视频的视频信息，作为样本视频的多个正样本视频的视频信息；将样本视频的多个正样本视频的视频信息，存储至该样本视频的视频标识对应的正样本视频列表中；根据多个样本视频的视频标识对应的正样本视频列表，构建正样本视频队列。

比如，样本视频的视频ID为P1，近期点击过该样本视频的样本账户的账户ID分别为U1，U2，U3；账户ID为U1的样本账户近期点击过的样本视频的视频ID分别为P1、P2、P3；账户ID为U2的样本账户近期点击过的样本视频的视频ID分别为P1、P4、P5；账户ID为U3的样本账户近期点击过的样本视频的视频ID分别为P1、P6、P7；基于此，构建视频ID为P1的样本视频对应的正样本视频列表：P1(P2，P3，P4，P5，P6，P7)。以此类推，可以构建多个样本视频的视频ID对应的正样本视频列表，并通过多个样本视频的视频ID对应的正样本视频列表，构建正样本视频队列。

需要说明的是，正样本视频队列中的正样本视频列表所存储的正样本视频的视频信息，可以根据各个账户的最新视频操作记录实时更新。

在步骤S45中，查询负样本队列；负样本队列中包括负样本账户队列以及负样本视频队列。

其中，负样本队列存储的是样本账户的账户信息，以及样本账户近期操作过的样本视频的视频信息，比如样本账户当前点击的样本视频的视频信息；其中，负样本账户队列存储的是样本账户的账户信息，负样本视频队列存储的是样本账户近期操作过的样本视频的视频信息。

需要说明的是，负样本账户队列存储的样本账户的账户信息称为负样本账户的账户信息，负样本视频队列存储的样本账户近期操作过的样本视频的视频信息称为负样本视频的视频信。

在步骤S46中，从负样本账户队列包含的负样本账户的账户信息中，随机采样出样本账户的负样本账户的账户信息。

具体地，服务器从负样本账户队列包含的负样本账户的账户信息中，随机采样出一个负样本账户的账户信息，作为样本账户的负样本账户的账户信息。

在步骤S47中，从负样本视频队列包含的负样本视频的视频信息中，随机采样出样本视频的负样本视频的视频信息。

具体地，服务器从负样本视频队列包含的负样本视频的视频信息中，随机采样出一个负样本视频的视频信息，作为样本视频的负样本视频的视频信息。

本公开实施例提供的技术方案，通过从各个队列中抽取出需要的账户信息和视频信息，有利于保证样本的整体性以及动态性，从而能够更有效地对特征嵌入网络模型进行训练，进一步提高了特征嵌入网络模型输出的特征编码的准确度。

在一示例性实施例中，如图5所示，上述步骤S33还包括以下步骤：

在步骤S51中，分别通过待训练的特征嵌入网络模型，得到样本账户的账户信息的特征编码、正样本账户的账户信息的特征编码、负样本账户的账户信息的特征编码、样本视频的视频信息的特征编码、正样本视频的视频信息的特征编码以及负样本视频的视频信息的特征编码。

具体地，服务器分别将样本账户的账户信息、正样本账户的账户信息、负样本账户的账户信息、样本视频的视频信息、正样本视频的视频信息以及负样本视频的视频信息输入待训练的特征嵌入网络模型，得到样本账户的账户信息的特征编码、正样本账户的账户信息的特征编码、负样本账户的账户信息的特征编码、样本视频的视频信息的特征编码、正样本视频的视频信息的特征编码以及负样本视频的视频信息的特征编码。

在步骤S52中，根据样本账户的账户信息的特征编码、正样本账户的账户信息的特征编码、负样本账户的账户信息的特征编码、样本视频的视频信息的特征编码、正样本视频的视频信息的特征编码以及负样本视频的视频信息的特征编码，得到目标损失值。

本公开实施例提供的技术方案，通过待训练的特征嵌入网络模型，基于样本账户的账户信息、样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的视频信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息，得到目标损失值，有利于后续基于目标损失值对待训练的特征嵌入网络模型进行反复训练，以得到满足要求的特征嵌入网络模型，作为预先训练的特征嵌入网络模型。

在一示例性实施例中，上述步骤S52，还包括：根据样本账户的账户信息的特征编码、正样本账户的账户信息的特征编码以及负样本账户的账户信息的特征编码，得到第一损失值；根据正样本视频的视频信息的特征编码、样本账户的账户信息的特征编码以及负样本视频的视频信息的特征编码，得到第二损失值；根据正样本视频的视频信息的特征编码、样本视频的视频信息的特征编码以及负样本视频的视频信息的特征编码，得到第三损失值；根据第一损失值、第二损失值以及第三损失值，得到目标损失值。

其中，第一损失值用于衡量账户与账户之间的相似性损失，第二损失值用于衡量账户与视频之间的协同损失，第三损失值用于衡量视频与视频之间的相似性损失；目标损失值用于综合衡量账户与账户之间的相似性损失、账户与视频之间的协同损失以及视频与视频之间的相似性损失。

具体地，服务器通过对数损失函数，计算样本账户的账户信息的特征编码与正样本账户的账户信息的特征编码的正样本损失值，以及样本账户的账户信息的特征编码与负样本账户的账户信息的特征编码的负样本损失值，并将该正样本损失值和负样本损失值进行相加，得到第一损失值。通过对数损失函数以及pairwise的方式，基于正样本视频的视频信息的特征编码、样本账户的账户信息的特征编码以及负样本视频的视频信息的特征编码，得到第二损失值。通过对数损失函数，计算样本视频的视频信息的特征编码与正样本视频的视频信息的特征编码的正样本损失值，以及样本视频的视频信息的特征编码与负样本视频的视频信息的特征编码的负样本损失值，并将该正样本损失值和负样本损失值进行相加，得到第三损失值。将第一损失值、第二损失值和第三损失值进行相加，得到目标损失值。

本公开实施例提供的技术方案，综合考虑多种损失值，有利于综合衡量账户与账户之间的相似性损失、账户与视频之间的协同损失以及视频与视频之间的相似性损失，使得后续训练出的特征嵌入网络模型输出的特征编码更加准确。

在一示例性实施例中，上述步骤S23，还包括：将推荐度大于预设阈值的待推送视频信息，确定为与终端当前登录账户对应的视频信息。

具体地，服务器从待推送视频信息中，筛选出推荐度大于预设阈值的待推送视频信息，作为与终端当前登录账户对应的视频信息，便于后续只将推荐度大于预设阈值的待推送视频信息推送至终端，从而实现了视频信息的精准推送。

在一示例性实施例中，上述步骤S24，还包括：按照推荐度，对与终端当前登录账户对应的视频信息进行排序，得到排序后的视频信息；按照预设频率，将排序后的视频信息推送至终端。

其中，预设频率是指视频信息推送至终端的频率，比如每分钟推送10条视频信息。

具体地，服务器按照推荐度从大到小的顺序，对与终端当前登录账户对应的视频信息进行依次排序，得到排序后的视频信息；按照预设频率，将排序后的视频信息推送至终端，通过终端界面展示排序后的视频信息，便于终端当前登录账户进行观看。

本公开实施例提供的技术方案中，将按照推荐度排序后的视频信息推送至终端，有利于实现视频信息的精准推送，从而提高了视频推送的准确度；同时，有利于提高视频的点击率。

在一示例性实施例中，如图6所示，提供了另一种视频推送方法，包括以下步骤：

在步骤S61中，分别将账户信息以及待推送视频信息输入预先训练的特征嵌入网络模型中，得到账户信息对应的账户信息特征编码以及待推送视频信息对应的待推送视频信息特征编码。

在步骤S62中，获取终端当前登录账户的账户信息以及待推送视频信息；账户信息匹配有对应的账户信息特征编码，待推送视频信息匹配有对应的待推送视频信息特征编码。

在步骤S63中，确定账户信息特征编码与待推送视频信息特征编码之间的特征相似度，作为待推送视频信息的推荐度。

在步骤S64中，根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息。

在步骤S65中，将与终端当前登录账户对应的视频信息推送至终端。

本公开实施例提供的视频推送方法，综合考虑了推送用户的账户信息以及待推送视频信息，避免了仅仅考虑视频信息导致得到的视频推送的准确度较低的缺陷，从而使得推送给终端的视频更加准确，进而提高了视频推送的准确度；同时，根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息，再将确定出的视频信息推送给终端，进一步提高了视频推送的准确度，进而有效地提高了视频的点击率。

图7是根据一示例性实施例示出的一种视频推送装置的框图。参照图7，该装置包括信息获取单元710，推荐度确定单元720，视频信息确定单元730和视频信息推送单元740。

信息获取单元710，被配置为执行获取终端当前登录账户的账户信息以及待推送视频信息；账户信息匹配有对应的账户信息特征编码，待推送视频信息匹配有对应的待推送视频信息特征编码；

推荐度确定单元720，被配置为执行确定账户信息特征编码与待推送视频信息特征编码之间的特征相似度，作为待推送视频信息的推荐度；

视频信息确定单元730，被配置为执行根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息；

视频信息推送单元740，被配置为执行将与终端当前登录账户对应的视频信息推送至终端。

本公开实施例提供的视频推送装置，通过获取终端当前登录账户的账户信息所对应的账户信息特征编码以及待推送视频信息所对应的待推送视频信息特征编码之间的特征相似度，确定待推送视频信息的推荐度，进而根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息，并将视频信息推送至终端；综合考虑了推送用户的账户信息以及待推送视频信息，避免了仅仅考虑视频信息导致视频推送的准确度较低的缺陷，从而使得推送给终端的视频更加准确，进而提高了视频推送的准确度；同时，根据推荐度，从待推送视频信息中确定出与终端当前登录账户对应的视频信息，再将确定出的视频信息推送给终端，进一步提高了视频推送的准确度，进而有效地提高了视频的点击率。

在一示例性实施例中，上述视频推送装置还包括特征编码获取单元，还被配置为执行分别将账户信息以及待推送视频信息输入预先训练的特征嵌入网络模型中，得到账户信息对应的账户信息特征编码以及待推送视频信息对应的待推送视频信息特征编码。

在一示例性实施例中，上述视频推送装置还包括模型训练单元，被配置为执行获取样本训练数据集；样本训练数据集包括样本账户的账户信息以及样本账户所操作过的样本视频的视频信息；获取样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息；分别将样本账户的账户信息、样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的视频信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值；根据目标损失值对待训练的特征嵌入网络模型的网络参数进行调整，直到根据网络参数调整后的特征嵌入网络模型得到的目标损失值满足预设条件。

在一示例性实施例中，上述模型训练单元，还被配置为执行获取样本账户的账户标识；查询正样本账户队列，确定与样本账户的账户标识对应的正样本账户列表；从正样本账户列表包含的正样本账户的账户信息中，随机采样出样本账户的正样本账户的账户信息；获取样本视频的视频标识；查询正样本视频队列，确定与样本视频的视频标识对应的正样本视频列表；从正样本视频列表包含的正样本视频的视频信息中，随机采样出样本视频的正样本视频的视频信息；查询负样本队列；负样本队列中包括负样本账户队列以及负样本视频队列；从负样本账户队列包含的负样本账户的账户信息中，随机采样出样本账户的负样本账户的账户信息；从负样本视频队列包含的负样本视频的视频信息中，随机采样出样本视频的负样本视频的视频信息。

在一示例性实施例中，上述模型训练单元，还被配置为执行分别通过待训练的特征嵌入网络模型，得到样本账户的账户信息的特征编码、正样本账户的账户信息的特征编码、负样本账户的账户信息的特征编码、样本视频的视频信息的特征编码、正样本视频的视频信息的特征编码以及负样本视频的视频信息的特征编码；根据样本账户的账户信息的特征编码、正样本账户的账户信息的特征编码、负样本账户的账户信息的特征编码、样本视频的视频信息的特征编码、正样本视频的视频信息的特征编码以及负样本视频的视频信息的特征编码，得到目标损失值。

在一示例性实施例中，上述模型训练单元，还被配置为执行根据样本账户的账户信息的特征编码、正样本账户的账户信息的特征编码以及负样本账户的账户信息的特征编码，得到第一损失值；根据正样本视频的视频信息的特征编码、样本账户的账户信息的特征编码以及负样本视频的视频信息的特征编码，得到第二损失值；根据正样本视频的视频信息的特征编码、样本视频的视频信息的特征编码以及负样本视频的视频信息的特征编码，得到第三损失值；根据第一损失值、第二损失值以及第三损失值，得到目标损失值。

在一示例性实施例中，上述视频信息确定单元730，还被配置为执行将推荐度大于预设阈值的待推送视频信息，确定为与终端当前登录账户对应的视频信息。

在一示例性实施例中，上述视频信息推送单元740，还被配置为执行按照推荐度，对与终端当前登录账户对应的视频信息进行排序，得到排序后的视频信息；按照预设频率，将排序后的视频信息推送至终端。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8是根据一示例性实施例示出的一种电子设备的框图。参照图8，该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储账户信息、视频信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频推送方法。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本公开还提供了一种电子设备，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，以实现上述视频推送方法实施例中对应的各个步骤和/或流程。

本公开还提供了一种包括指令的存储介质，例如包括指令的存储器，上述指令可由电子设备的处理器执行以完成上述视频推送方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序代码，当计算机程序代码被计算机运行时，使得计算机执行上述视频推送方法实施例中对应的各个步骤和/或流程。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (16)

1.一种视频推送方法，其特征在于，包括：

获取终端当前登录账户的账户信息以及待推送视频信息；

分别将所述账户信息以及所述待推送视频信息，输入预先训练的特征嵌入网络模型中，得到所述账户信息对应的账户信息特征编码，以及所述待推送视频信息对应的待推送视频信息特征编码；

确定所述账户信息特征编码与所述待推送视频信息特征编码之间的特征相似度，作为所述待推送视频信息的推荐度；

根据所述推荐度，从所述待推送视频信息中确定出与所述终端当前登录账户对应的视频信息；

将与所述终端当前登录账户对应的视频信息推送至所述终端；

其中，所述特征嵌入网络模型通过样本账户的账户信息、所述样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的视频信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息训练得到；其中，所述正样本账户是指所述样本账户的相似账户，所述负样本账户是指随机负采样的账户，所述正样本视频是指所述样本视频的相似视频，所述负样本视频是指随机负采样的视频；

进一步地，所述特征嵌入网络模型的训练过程包括：

根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码以及所述负样本账户的账户信息的特征编码，得到第一损失值；

根据所述正样本视频的视频信息的特征编码、所述样本账户的账户信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第二损失值；

根据所述正样本视频的视频信息的特征编码、所述样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第三损失值；

根据所述第一损失值、所述第二损失值以及所述第三损失值，得到目标损失值；

根据所述目标损失值对待训练的特征嵌入网络模型的网络参数进行调整，直到根据网络参数调整后的特征嵌入网络模型得到的所述目标损失值满足预设条件。

2.根据权利要求1所述的方法，其特征在于，所述预先训练的特征嵌入网络模型的训练步骤，包括：

获取样本训练数据集；所述样本训练数据集包括样本账户的账户信息以及所述样本账户所操作过的样本视频的视频信息；

获取所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息；

分别将所述样本账户的账户信息、所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的视频信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值。

3.根据权利要求2所述的方法，其特征在于，所述获取所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息的步骤，包括：

获取所述样本账户的账户标识；

查询正样本账户队列，确定与所述样本账户的账户标识对应的正样本账户列表；从所述正样本账户列表包含的正样本账户的账户信息中，随机采样出所述样本账户的正样本账户的账户信息；

获取所述样本视频的视频标识；

查询正样本视频队列，确定与所述样本视频的视频标识对应的正样本视频列表；从所述正样本视频列表包含的正样本视频的视频信息中，随机采样出所述样本视频的正样本视频的视频信息；

查询负样本队列；所述负样本队列中包括负样本账户队列以及负样本视频队列；

从所述负样本账户队列包含的负样本账户的账户信息中，随机采样出所述样本账户的负样本账户的账户信息；

从所述负样本视频队列包含的负样本视频的视频信息中，随机采样出所述样本视频的负样本视频的视频信息。

4.根据权利要求2所述的方法，其特征在于，所述分别将所述样本账户的账户信息、所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的视频信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值的步骤，包括：

分别通过待训练的特征嵌入网络模型，得到所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码；

根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到目标损失值。

5.根据权利要求1所述的方法，其特征在于，所述将与所述终端当前登录账户对应的视频信息推送至所述终端的步骤，包括：

将与所述终端当前登录账户对应的视频信息转化为与预设推送模式对应的视频信息，将转化后的视频信息推送至所述终端；

其中，所述预设推送模式表示视频信息的排版模式。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述推荐度，从所述待推送视频信息中确定出与所述终端当前登录账户对应的视频信息的步骤，包括：

将所述推荐度大于预设阈值的待推送视频信息，确定为与所述终端当前登录账户对应的视频信息。

7.根据权利要求6所述的方法，其特征在于，所述将与所述终端当前登录账户对应的视频信息推送至所述终端的步骤，包括：

按照所述推荐度，对与所述终端当前登录账户对应的视频信息进行排序，得到排序后的视频信息；

按照预设频率，将所述排序后的视频信息推送至所述终端。

8.一种视频推送装置，其特征在于，包括：

信息获取单元，被配置为执行获取终端当前登录账户的账户信息以及待推送视频信息；

特征编码获取单元，被配置为执行分别将所述账户信息以及所述待推送视频信息输入预先训练的特征嵌入网络模型中，得到所述账户信息对应的所述账户信息特征编码以及所述待推送视频信息对应的所述待推送视频信息特征编码；

推荐度确定单元，被配置为执行确定所述账户信息特征编码与所述待推送视频信息特征编码之间的特征相似度，作为所述待推送视频信息的推荐度；

视频信息确定单元，被配置为执行根据所述推荐度，从所述待推送视频信息中确定出与所述终端当前登录账户对应的视频信息；

视频信息推送单元，被配置为执行将与所述终端当前登录账户对应的视频信息推送至所述终端；

模型训练单元，被配置为执行通过样本账户的账户信息、所述样本账户的正样本账户的账户信息、样本账户的负样本账户的账户信息、样本视频的视频信息、样本视频的正样本视频的视频信息以及样本视频的负样本视频的视频信息训练得到所述特征嵌入网络模型；其中，所述正样本账户是指所述样本账户的相似账户，所述负样本账户是指随机负采样的账户，所述正样本视频是指所述样本视频的相似视频，所述负样本视频是指随机负采样的视频；

所述模型训练单元，还被配置为执行根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码以及所述负样本账户的账户信息的特征编码，得到第一损失值；根据所述正样本视频的视频信息的特征编码、所述样本账户的账户信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第二损失值；根据所述正样本视频的视频信息的特征编码、所述样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到第三损失值；根据所述第一损失值、所述第二损失值以及所述第三损失值，得到目标损失值；根据所述目标损失值对待训练的特征嵌入网络模型的网络参数进行调整，直到根据网络参数调整后的特征嵌入网络模型得到的所述目标损失值满足预设条件。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括模型训练单元，被配置为执行获取样本训练数据集；所述样本训练数据集包括样本账户的账户信息以及所述样本账户所操作过的样本视频的视频信息；获取所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息；分别将所述样本账户的账户信息、所述样本账户的正样本账户的账户信息、所述样本账户的负样本账户的账户信息、所述样本视频的视频信息、所述样本视频的正样本视频的视频信息以及所述样本视频的负样本视频的视频信息输入待训练的特征嵌入网络模型，得到目标损失值。

10.根据权利要求9所述的装置，其特征在于，所述模型训练单元，还被配置为执行获取所述样本账户的账户标识；查询正样本账户队列，确定与所述样本账户的账户标识对应的正样本账户列表；从所述正样本账户列表包含的正样本账户的账户信息中，随机采样出所述样本账户的正样本账户的账户信息；获取所述样本视频的视频标识；查询正样本视频队列，确定与所述样本视频的视频标识对应的正样本视频列表；从所述正样本视频列表包含的正样本视频的视频信息中，随机采样出所述样本视频的正样本视频的视频信息；查询负样本队列；所述负样本队列中包括负样本账户队列以及负样本视频队列；从所述负样本账户队列包含的负样本账户的账户信息中，随机采样出所述样本账户的负样本账户的账户信息；从所述负样本视频队列包含的负样本视频的视频信息中，随机采样出所述样本视频的负样本视频的视频信息。

11.根据权利要求9所述的装置，其特征在于，所述模型训练单元，还被配置为执行分别通过待训练的特征嵌入网络模型，得到所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码；根据所述样本账户的账户信息的特征编码、所述正样本账户的账户信息的特征编码、所述负样本账户的账户信息的特征编码、所述样本视频的视频信息的特征编码、所述正样本视频的视频信息的特征编码以及所述负样本视频的视频信息的特征编码，得到目标损失值。

12.根据权利要求8所述的装置，其特征在于，所述视频信息推送单元，还被配置为执行将与所述终端当前登录账户对应的视频信息转化为与预设推送模式对应的视频信息，将转化后的视频信息推送至所述终端；其中，所述预设推送模式表示视频信息的排版模式。

13.根据权利要求8至12任一项所述的装置，其特征在于，所述视频信息确定单元，还被配置为执行将所述推荐度大于预设阈值的待推送视频信息，确定为与所述终端当前登录账户对应的视频信息。

14.根据权利要求13所述的装置，其特征在于，所述视频信息推送单元，还被配置为执行按照所述推荐度，对与所述终端当前登录账户对应的视频信息进行排序，得到排序后的视频信息；按照预设频率，将所述排序后的视频信息推送至所述终端。

15.一种电子设备，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7中任一项所述的视频推送方法。

16.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至7中任一项所述的视频推送方法。