CN113411673A - 一种短视频播放智能推荐方法、系统及计算机存储介质 - Google Patents

一种短视频播放智能推荐方法、系统及计算机存储介质 Download PDF

Info

Publication number
CN113411673A
CN113411673A CN202110772900.8A CN202110772900A CN113411673A CN 113411673 A CN113411673 A CN 113411673A CN 202110772900 A CN202110772900 A CN 202110772900A CN 113411673 A CN113411673 A CN 113411673A
Authority
CN
China
Prior art keywords
short video
time
video
user
short
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
CN202110772900.8A
Other languages
English (en)
Other versions
CN113411673B (zh
Inventor
谭邦旭
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.)
Shenzhen Goodong Housekeeper Technology Co ltd
Original Assignee
Wuhan Yetu E Commerce 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 Wuhan Yetu E Commerce Co ltd filed Critical Wuhan Yetu E Commerce Co ltd
Priority to CN202110772900.8A priority Critical patent/CN113411673B/zh
Publication of CN113411673A publication Critical patent/CN113411673A/zh
Application granted granted Critical
Publication of CN113411673B publication Critical patent/CN113411673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • 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
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Abstract

本发明公开一种短视频播放智能推荐方法、系统及计算机存储介质，本发明通过检测用户浏览短视频时各次人脸注视时长，对比统计用户浏览短视频时各次有效浏览时长和各次无效浏览时长，分析用户浏览短视频的总有效时长和总无效时长，同时记录用户浏览短视频时各次人脸注视的时间间隔，并分别获取用户浏览短视频时各次视频回放时长和各次视频快进时长，结合用户重复浏览短视频的次数，综合计算用户对正在浏览短视频的喜爱度预估系数，若大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他短视频进行推荐，从而提高短视频播放推荐的精确性，增加用户的的短视频浏览体验感和兴趣感。

Description

一种短视频播放智能推荐方法、系统及计算机存储介质
技术领域
本发明涉及短视频推荐技术领域，涉及到一种短视频播放智能推荐方法、系统及计算机存储介质。
背景技术
随着短视频的流行，短视频的数量爆炸式地增长，出现短视频数量过多，短视频推荐难以针对用户的真实需求等问题，容易导致推荐的短视频的准确率下降，影响用户体验。
目前，现有的短视频播放推荐方法普遍存在一些缺陷：
1、现有的短视频播放推荐方法基本根据用户浏览历史记录进行短视频推荐，但从浏览历史行为推荐短视频存在信息滞后性、延时性的问题，从而无法满足用户的实时浏览需求，使得短视频平台中短视频播放推荐水平受到影响；
2、现有的短视频播放推荐方法无法根据用户浏览短视频的浏览行为推断用户喜爱度，导致不能依据用户喜爱度进行针对性推荐，降低短视频平台中短视频播放推荐的精确性，从而影响用户的短视频浏览体验感和兴趣感，进而造成短视频平台的用户流失；
为了解决以上问题，现设计一种短视频播放智能推荐方法、系统及计算机存储介质。
发明内容
本发明的目的在于提供一种短视频播放智能推荐方法、系统及计算机存储介质，本发明通过检测用户浏览短视频时各次人脸注视时长，对比统计用户浏览短视频时各次有效浏览时长和各次无效浏览时长，分析用户浏览短视频的总有效时长和总无效时长，并记录用户浏览短视频时各次人脸注视的时间间隔，同时分别获取用户浏览短视频时各次视频回放时长和各次视频快进时长，计算用户浏览短视频时各次视频回放时长占比和各次视频快进时长占比，并结合用户重复浏览短视频的次数，计算用户对正在浏览短视频的喜爱度预估系数，若大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他短视频进行推荐，解决了背景技术中存在的问题。
本发明的目的可以通过以下技术方案实现：
第一方面，本发明提供一种短视频播放智能推荐方法，包括以下步骤：
S1、人脸注视时长检测：通过人脸注视次数获取模块获取用户正在浏览短视频时人脸注视次数，并通过人脸注视时长检测模块分别对用户浏览短视频时各次人脸注视时长进行检测；
S2、人脸注视时长分析：通过人脸注视时长分析模块提取设定的短视频有效浏览时长，对比统计用户浏览短视频时各次有效浏览时长和各次无效浏览时长，并分析用户浏览短视频的总有效时长和总无效时长；
S3、人脸注视时间记录：通过人脸注视时间记录模块对用户正在浏览短视频时各次人脸注视的时间进行记录，得到用户浏览短视频时各次人脸注视的时间，分析用户浏览短视频时各次人脸注视的时间间隔；
S4、视频回放时长获取：通过视频回放时间获取模块获取用户浏览短视频时各次视频回放的时间段，统计用户浏览短视频时各次视频回放时长，计算用户浏览短视频时各次视频回放时长占比；
S5、视频快进时长获取：通过视频快进时间获取模块获取用户浏览短视频时各次视频快进的时间段，统计用户浏览短视频时各次视频快进时长，计算用户浏览短视频时各次视频快进时长占比；
S6、喜爱度预估系数分析：通过短视频分析服务器获取用户重复浏览短视频的次数，综合计算用户对正在浏览短视频的喜爱度预估系数；
S7、喜爱度预估系数对比：通过短视频推荐平台将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若用户对正在浏览短视频的喜爱度预估系数大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他短视频进行推荐。
在一种可能的设计中，所述步骤S1中包括获取用户正在浏览短视频时人脸注视次数，记为n，并统计用户浏览短视频时各次人脸注视时长，构成用户浏览短视频时各次人脸注视时长集合Ta(Ta1,Ta2,...,Tai,...,Tan)，Tai表示为用户浏览短视频时第i次人脸注视时长。
在一种可能的设计中，所述步骤S2中包括以下步骤：
S21、将用户浏览短视频时各次人脸注视时长与设定的短视频有效浏览时长进行对比；
S22、若用户浏览短视频时某次人脸注视时长大于或等于设定的短视频有效浏览时长，表明该次人脸注视时长为有效浏览时长，构成用户浏览短视频时各次有效浏览时长集合T有a(T有a1,T有a2,...,T有aj,...,T有am),m≤n，T有aj表示为用户浏览短视频时第j次有效浏览时长；
S23、计算用户浏览短视频时总有效时长
Figure BDA0003154526100000031
T有A表示为用户浏览短视频时总有效时长；
S24、若用户浏览短视频时某次人脸注视时长小于设定的短视频有效浏览时长，表明该次人脸注视时长为无效浏览时长，构成用户浏览短视频时各次无效浏览时长集合T无a(T无a1,T无a2,...,T无af,...,T无av),v≤n，T无af表示为用户浏览短视频时第f次无效浏览时长；
S25、计算用户浏览短视频时总无效时长
Figure BDA0003154526100000041
T无A表示为用户浏览短视频时总无效时长。
在一种可能的设计中，所述步骤S3中包括统计用户浏览短视频时各次人脸注视时间，构成用户浏览短视频时各次人脸注视时间集合t(t1,t2,...,ti,...,tn)，ti表示为用户浏览短视频时第i次人脸注视时间，并分析用户浏览短视频时各次人脸注视的时间间隔
Figure BDA0003154526100000042
Δti表示为用户浏览短视频时第i次人脸注视的时间间隔，ti-1表示为用户浏览短视频时第i-1次人脸注视时间，Tai-1表示为用户浏览短视频时第i-1次人脸注视时长。
在一种可能的设计中，所述步骤S4中包括构成用户浏览短视频时各次视频回放时长集合Tb(Tb1,Tb2,...,Tbr,...,Tbl)，Tbr表示为用户浏览短视频时第r次视频回放时长，并提取存储数据库中存储的用户正在浏览短视频的标准播放时长，计算用户浏览短视频时各次视频回放时长占比
Figure BDA0003154526100000043
kbr表示为用户浏览短视频时第r次视频回放时长占比，T标表示为用户正在浏览短视频的标准播放时长。
在一种可能的设计中，所述步骤S5中包括构成用户浏览短视频时各次视频快进时长集合Tc(Tc1,Tc2,...,Tcp,...,Tcq)，Tcp表示为用户浏览短视频时第p次视频快进时长，并提取存储数据库中存储的用户正在浏览短视频的标准播放时长，计算用户浏览短视频时各次视频快进时长占比
Figure BDA0003154526100000044
kcp表示为用户浏览短视频时第p次视频回放时长占比，T标表示为用户正在浏览短视频的标准播放时长。
在一种可能的设计中，所述用户对正在浏览短视频的喜爱度预估系数计算公式为
Figure BDA0003154526100000051
ξ表示为用户对正在浏览短视频的喜爱度预估系数，x表示为用户重复浏览短视频的次数，α、β分别表示为视频有效浏览时长、视频无效浏览时长对应的权重比例系数，其中α+β＝1，μ表示为用户注视时间间隔对短视频喜爱度的影响系数，e表示为自然数，等于2.718。
在一种可能的设计中，所述步骤S7中包括提取用户正在浏览短视频对应的类型，并将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若用户对正在浏览短视频的喜爱度预估系数小于设定的喜爱度预估系数阈值，则将短视频平台内其他类型的短视频进行推荐，若用户对正在浏览短视频的喜爱度预估系数大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他的短视频进行推荐。
第二方面，本发明还提供一种短视频播放智能推荐系统，所述人脸注视次数获取模块与人脸注视时长检测模块连接，人脸注视时长分析模块分别与人脸注视时长检测模块和短视频分析服务器连接，视频回放时间获取模块分别与存储数据库和短视频分析服务器连接，视频快进时间获取模块分别与存储数据库和短视频分析服务器连接，短视频分析服务器分别与人脸注视时间记录模块、存储数据库和短视频推荐平台连接。
第三方面，本发明还提供一种计算机存储介质，所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述本发明所述的一种短视频播放智能推荐方法方法。
有益效果：
(1)本发明提供的一种短视频播放智能推荐方法、系统及计算机存储介质，通过检测用户浏览短视频时各次人脸注视时长，对比统计用户浏览短视频时各次有效浏览时长和各次无效浏览时长，分析用户浏览短视频的总有效时长和总无效时长，从而提高后期分析数据的准确性和可靠性，为后期分析用户对正在浏览短视频的喜爱度预估系数提供可靠的参考数据，并记录用户浏览短视频时各次人脸注视的时间间隔，同时分别获取用户浏览短视频时各次视频回放时长和各次视频快进时长，计算用户浏览短视频时各次视频回放时长占比和各次视频快进时长占比，为后期计算用户对正在浏览短视频的喜爱度预估系数提供指导性参考数据，并结合用户重复浏览短视频的次数，计算用户对正在浏览短视频的喜爱度预估系数，从而有效避免推荐的短视频具有信息滞后性、延时性的问题，满足用户的实时浏览需求，进而提高短视频平台中短视频播放推荐水平。
(2)本发明通过将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他短视频进行推荐，从而实现依据用户喜爱度进行针对性推荐，提高短视频平台中短视频播放推荐的精确性，进而增加用户的短视频浏览体验感和兴趣感，避免造成短视频平台用户流失的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法步骤流程图；
图2为本发明的模块连接结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明的第一方面提供一种短视频播放智能推荐方法，包括以下步骤：
S1、人脸注视时长检测：通过人脸注视次数获取模块获取用户正在浏览短视频时人脸注视次数，并通过人脸注视时长检测模块分别对用户浏览短视频时各次人脸注视时长进行检测。
在本实施例中，所述步骤S1中包括通过用户使用设备中摄像头实时对用户人脸进行采集，记录用户正在浏览短视频时人脸注视次数，记为n。
在本实施例中，所述步骤S1中还包括统计用户浏览短视频时各次人脸注视时长，构成用户浏览短视频时各次人脸注视时长集合Ta(Ta1,Ta2,...,Tai,...,Tan)，Tai表示为用户浏览短视频时第i次人脸注视时长，为后期分析用户浏览短视频的相关数据奠定基础。
S2、人脸注视时长分析：通过人脸注视时长分析模块提取设定的短视频有效浏览时长，对比统计用户浏览短视频时各次有效浏览时长和各次无效浏览时长，并分析用户浏览短视频的总有效时长和总无效时长。
在本实施例中，所述步骤S2中包括以下步骤：
S21、将用户浏览短视频时各次人脸注视时长与设定的短视频有效浏览时长进行对比；
S22、若用户浏览短视频时某次人脸注视时长大于或等于设定的短视频有效浏览时长，表明该次人脸注视时长为有效浏览时长，构成用户浏览短视频时各次有效浏览时长集合T有a(T有a1,T有a2,...,T有aj,...,T有am),m≤n，T有aj表示为用户浏览短视频时第j次有效浏览时长；
S23、计算用户浏览短视频时总有效时长
Figure BDA0003154526100000081
T有A表示为用户浏览短视频时总有效时长；
S24、若用户浏览短视频时某次人脸注视时长小于设定的短视频有效浏览时长，表明该次人脸注视时长为无效浏览时长，构成用户浏览短视频时各次无效浏览时长集合T无a(T无a1,T无a2,...,T无af,...,T无av),v≤n，T无af表示为用户浏览短视频时第f次无效浏览时长；
S25、计算用户浏览短视频时总无效时长
Figure BDA0003154526100000082
T无A表示为用户浏览短视频时总无效时长。
具体地，本发明通过检测用户浏览短视频时各次人脸注视时长，对比统计用户浏览短视频时各次有效浏览时长和各次无效浏览时长，分析用户浏览短视频的总有效时长和总无效时长，从而提高后期分析数据的准确性和可靠性，为后期分析用户对正在浏览短视频的喜爱度预估系数提供可靠的参考数据。
S3、人脸注视时间记录：通过人脸注视时间记录模块对用户正在浏览短视频时各次人脸注视的时间进行记录，得到用户浏览短视频时各次人脸注视的时间，分析用户浏览短视频时各次人脸注视的时间间隔。
在本实施例中，所述步骤S3中包括统计用户浏览短视频时各次人脸注视时间，构成用户浏览短视频时各次人脸注视时间集合t(t1,t2,...,ti,...,tn)，ti表示为用户浏览短视频时第i次人脸注视时间。
在本实施例中，所述用户浏览短视频时各次人脸注视的时间间隔计算公式为
Figure BDA0003154526100000091
Δti表示为用户浏览短视频时第i次人脸注视的时间间隔，ti-1表示为用户浏览短视频时第i-1次人脸注视时间，Tai-1表示为用户浏览短视频时第i-1次人脸注视时长，从而为后期计算用户对正在浏览短视频的喜爱度预估系数提供可靠的参考数据。
S4、视频回放时长获取：通过视频回放时间获取模块获取用户浏览短视频时各次视频回放的时间段，统计用户浏览短视频时各次视频回放时长，计算用户浏览短视频时各次视频回放时长占比。
在本实施例中，所述步骤S4中包括构成用户浏览短视频时各次视频回放时长集合Tb(Tb1,Tb2,...,Tbr,...,Tbl)，Tbr表示为用户浏览短视频时第r次视频回放时长。
在本实施例中，所述步骤S4中还包括提取存储数据库中存储的用户正在浏览短视频的标准播放时长，计算用户浏览短视频时各次视频回放时长占比
Figure BDA0003154526100000092
kbr表示为用户浏览短视频时第r次视频回放时长占比，T标表示为用户正在浏览短视频的标准播放时长。
S5、视频快进时长获取：通过视频快进时间获取模块获取用户浏览短视频时各次视频快进的时间段，统计用户浏览短视频时各次视频快进时长，计算用户浏览短视频时各次视频快进时长占比。
在本实施例中，所述步骤S5中包括构成用户浏览短视频时各次视频快进时长集合Tc(Tc1,Tc2,...,Tcp,...,Tcq)，Tcp表示为用户浏览短视频时第p次视频快进时长。
在本实施例中，所述步骤S5中还包括提取存储数据库中存储的用户正在浏览短视频的标准播放时长，计算用户浏览短视频时各次视频快进时长占比
Figure BDA0003154526100000093
kcp表示为用户浏览短视频时第p次视频回放时长占比，T标表示为用户正在浏览短视频的标准播放时长。
具体地，本发明通过分别获取用户浏览短视频时各次视频回放时长和各次视频快进时长，计算用户浏览短视频时各次视频回放时长占比和各次视频快进时长占比，提高后期分析用户喜爱度系数的准确性和可靠性。
S6、喜爱度预估系数分析：通过短视频分析服务器获取用户重复浏览短视频的次数，记为x，并综合计算用户对正在浏览短视频的喜爱度预估系数。
在本实施例中，所述用户对正在浏览短视频的喜爱度预估系数计算公式为
Figure BDA0003154526100000101
ξ表示为用户对正在浏览短视频的喜爱度预估系数，x表示为用户重复浏览短视频的次数，α、β分别表示为视频有效浏览时长、视频无效浏览时长对应的权重比例系数，其中α+β＝1，μ表示为用户注视时间间隔对短视频喜爱度的影响系数，e表示为自然数，等于2.718。
具体地，本发明通过结合用户重复浏览短视频的次数，综合计算用户对正在浏览短视频的喜爱度预估系数，从而有效避免推荐的短视频具有信息滞后性、延时性的问题，满足用户的实时浏览需求，进而提高短视频平台中短视频播放推荐水平。
S7、喜爱度预估系数对比：通过短视频推荐平台将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若用户对正在浏览短视频的喜爱度预估系数大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他短视频进行推荐。
在本实施例中，所述步骤S7中包括提取用户正在浏览短视频对应的类型，并将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若用户对正在浏览短视频的喜爱度预估系数小于设定的喜爱度预估系数阈值，则将短视频平台内其他类型的短视频进行推荐，若用户对正在浏览短视频的喜爱度预估系数大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他的短视频进行推荐。
具体地，本发明通过将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他短视频进行推荐，从而实现依据用户喜爱度进行针对性推荐，提高短视频平台中短视频播放推荐的精确性，进而增加用户的短视频浏览体验感和兴趣感，避免造成短视频平台用户流失的问题。
第二方面，本发明还提供一种短视频播放智能推荐系统，所述人脸注视次数获取模块与人脸注视时长检测模块连接，人脸注视时长分析模块分别与人脸注视时长检测模块和短视频分析服务器连接，视频回放时间获取模块分别与存储数据库和短视频分析服务器连接，视频快进时间获取模块分别与存储数据库和短视频分析服务器连接，短视频分析服务器分别与人脸注视时间记录模块、存储数据库和短视频推荐平台连接。
第三方面，本发明还提供一种计算机存储介质，所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述本发明所述的一种短视频播放智能推荐方法方法。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种短视频播放智能推荐方法，其特征在于：包括以下步骤：
S1、人脸注视时长检测：通过人脸注视次数获取模块获取用户正在浏览短视频时人脸注视次数，并通过人脸注视时长检测模块分别对用户浏览短视频时各次人脸注视时长进行检测；
S2、人脸注视时长分析：通过人脸注视时长分析模块提取设定的短视频有效浏览时长，对比统计用户浏览短视频时各次有效浏览时长和各次无效浏览时长，并分析用户浏览短视频的总有效时长和总无效时长；
S3、人脸注视时间记录：通过人脸注视时间记录模块对用户正在浏览短视频时各次人脸注视的时间进行记录，得到用户浏览短视频时各次人脸注视的时间，分析用户浏览短视频时各次人脸注视的时间间隔；
S4、视频回放时长获取：通过视频回放时间获取模块获取用户浏览短视频时各次视频回放的时间段，统计用户浏览短视频时各次视频回放时长，计算用户浏览短视频时各次视频回放时长占比；
S5、视频快进时长获取：通过视频快进时间获取模块获取用户浏览短视频时各次视频快进的时间段，统计用户浏览短视频时各次视频快进时长，计算用户浏览短视频时各次视频快进时长占比；
S6、喜爱度预估系数分析：通过短视频分析服务器获取用户重复浏览短视频的次数，综合计算用户对正在浏览短视频的喜爱度预估系数；
S7、喜爱度预估系数对比：通过短视频推荐平台将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若用户对正在浏览短视频的喜爱度预估系数大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他短视频进行推荐。
2.根据权利要求1所述的一种短视频播放智能推荐方法，其特征在于：所述步骤S1中包括获取用户正在浏览短视频时人脸注视次数，记为n，并统计用户浏览短视频时各次人脸注视时长，构成用户浏览短视频时各次人脸注视时长集合Ta(Ta1,Ta2,...,Tai,...,Tan)，Tai表示为用户浏览短视频时第i次人脸注视时长。
3.根据权利要求1所述的一种短视频播放智能推荐方法，其特征在于：所述步骤S2中包括以下步骤：
S21、将用户浏览短视频时各次人脸注视时长与设定的短视频有效浏览时长进行对比；
S22、若用户浏览短视频时某次人脸注视时长大于或等于设定的短视频有效浏览时长，表明该次人脸注视时长为有效浏览时长，构成用户浏览短视频时各次有效浏览时长集合T有a(T有a1,T有a2,...,T有aj,...,T有am),m≤n，T有aj表示为用户浏览短视频时第j次有效浏览时长；
S23、计算用户浏览短视频时总有效时长
Figure FDA0003154526090000021
T有A表示为用户浏览短视频时总有效时长；
S24、若用户浏览短视频时某次人脸注视时长小于设定的短视频有效浏览时长，表明该次人脸注视时长为无效浏览时长，构成用户浏览短视频时各次无效浏览时长集合T无a(T无a1,T无a2,...,T无af,...,T无av),v≤n，T无af表示为用户浏览短视频时第f次无效浏览时长；
S25、计算用户浏览短视频时总无效时长
Figure FDA0003154526090000022
T无A表示为用户浏览短视频时总无效时长。
4.根据权利要求1所述的一种短视频播放智能推荐方法，其特征在于：所述步骤S3中包括统计用户浏览短视频时各次人脸注视时间，构成用户浏览短视频时各次人脸注视时间集合t(t1,t2,...,ti,...,tn)，ti表示为用户浏览短视频时第i次人脸注视时间，并分析用户浏览短视频时各次人脸注视的时间间隔
Figure FDA0003154526090000031
Δti表示为用户浏览短视频时第i次人脸注视的时间间隔，ti-1表示为用户浏览短视频时第i-1次人脸注视时间，Tai-1表示为用户浏览短视频时第i-1次人脸注视时长。
5.根据权利要求1所述的一种短视频播放智能推荐方法，其特征在于：所述步骤S4中包括构成用户浏览短视频时各次视频回放时长集合Tb(Tb1,Tb2,...,Tbr,...,Tbl)，Tbr表示为用户浏览短视频时第r次视频回放时长，并提取存储数据库中存储的用户正在浏览短视频的标准播放时长，计算用户浏览短视频时各次视频回放时长占比
Figure FDA0003154526090000032
kbr表示为用户浏览短视频时第r次视频回放时长占比，T标表示为用户正在浏览短视频的标准播放时长。
6.根据权利要求1所述的一种短视频播放智能推荐方法，其特征在于：所述步骤S5中包括构成用户浏览短视频时各次视频快进时长集合Tc(Tc1,Tc2,...,Tcp,...,Tcq)，Tcp表示为用户浏览短视频时第p次视频快进时长，并提取存储数据库中存储的用户正在浏览短视频的标准播放时长，计算用户浏览短视频时各次视频快进时长占比
Figure FDA0003154526090000033
kcp表示为用户浏览短视频时第p次视频回放时长占比，T标表示为用户正在浏览短视频的标准播放时长。
7.根据权利要求1所述的一种短视频播放智能推荐方法，其特征在于：所述用户对正在浏览短视频的喜爱度预估系数计算公式为
Figure FDA0003154526090000034
ξ表示为用户对正在浏览短视频的喜爱度预估系数，x表示为用户重复浏览短视频的次数，α、β分别表示为视频有效浏览时长、视频无效浏览时长对应的权重比例系数，其中α+β＝1，μ表示为用户注视时间间隔对短视频喜爱度的影响系数，e表示为自然数，等于2.718。
8.根据权利要求1所述的一种短视频播放智能推荐方法，其特征在于：所述步骤S7中包括提取用户正在浏览短视频对应的类型，并将用户对正在浏览短视频的喜爱度预估系数与设定的喜爱度预估系数阈值进行对比，若用户对正在浏览短视频的喜爱度预估系数小于设定的喜爱度预估系数阈值，则将短视频平台内其他类型的短视频进行推荐，若用户对正在浏览短视频的喜爱度预估系数大于或等于设定的喜爱度预估系数阈值，则将短视频平台内该类型中其他的短视频进行推荐。
9.一种短视频播放智能推荐系统，其特征在于：所述人脸注视次数获取模块与人脸注视时长检测模块连接，人脸注视时长分析模块分别与人脸注视时长检测模块和短视频分析服务器连接，视频回放时间获取模块分别与存储数据库和短视频分析服务器连接，视频快进时间获取模块分别与存储数据库和短视频分析服务器连接，短视频分析服务器分别与人脸注视时间记录模块、存储数据库和短视频推荐平台连接。
10.一种计算机存储介质，其特征在于：所述计算机存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述权利要求1-8任一项所述的一种短视频播放智能推荐方法方法。
CN202110772900.8A 2021-07-08 2021-07-08 一种短视频播放智能推荐方法、系统及计算机存储介质 Active CN113411673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110772900.8A CN113411673B (zh) 2021-07-08 2021-07-08 一种短视频播放智能推荐方法、系统及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110772900.8A CN113411673B (zh) 2021-07-08 2021-07-08 一种短视频播放智能推荐方法、系统及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113411673A true CN113411673A (zh) 2021-09-17
CN113411673B CN113411673B (zh) 2022-06-28

Family

ID=77685564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110772900.8A Active CN113411673B (zh) 2021-07-08 2021-07-08 一种短视频播放智能推荐方法、系统及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113411673B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115623284A (zh) * 2022-12-16 2023-01-17 湖南有态度网络科技有限公司 一种短视频的推送方法、装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103546778A (zh) * 2013-07-17 2014-01-29 Tcl集团股份有限公司 一种电视节目推荐方法、系统及其实现方法
US20140099034A1 (en) * 2012-10-10 2014-04-10 Broadbandtv Corp. Intelligent video thumbnail selection and generation
US9075882B1 (en) * 2005-10-11 2015-07-07 Apple Inc. Recommending content items
CN105578292A (zh) * 2014-10-15 2016-05-11 乐金电子(中国)研究开发中心有限公司 一种电视节目的推荐方法及系统
CN105898433A (zh) * 2016-05-27 2016-08-24 青岛海信电器股份有限公司 电视节目推荐方法及装置
US20170251258A1 (en) * 2016-02-25 2017-08-31 Adobe Systems Incorporated Techniques for context aware video recommendation
CN108337563A (zh) * 2018-03-16 2018-07-27 深圳创维数字技术有限公司 视频评价方法、装置、设备和存储介质
CN109618201A (zh) * 2018-12-25 2019-04-12 杭州戴帆科技有限公司 一种智能电视机节目播放方法及装置
US20190132646A1 (en) * 2017-10-26 2019-05-02 International Business Machines Corporation Real-time movie viewer analysis system

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9075882B1 (en) * 2005-10-11 2015-07-07 Apple Inc. Recommending content items
US20140099034A1 (en) * 2012-10-10 2014-04-10 Broadbandtv Corp. Intelligent video thumbnail selection and generation
CN103546778A (zh) * 2013-07-17 2014-01-29 Tcl集团股份有限公司 一种电视节目推荐方法、系统及其实现方法
CN105578292A (zh) * 2014-10-15 2016-05-11 乐金电子(中国)研究开发中心有限公司 一种电视节目的推荐方法及系统
US20170251258A1 (en) * 2016-02-25 2017-08-31 Adobe Systems Incorporated Techniques for context aware video recommendation
CN105898433A (zh) * 2016-05-27 2016-08-24 青岛海信电器股份有限公司 电视节目推荐方法及装置
US20190132646A1 (en) * 2017-10-26 2019-05-02 International Business Machines Corporation Real-time movie viewer analysis system
CN108337563A (zh) * 2018-03-16 2018-07-27 深圳创维数字技术有限公司 视频评价方法、装置、设备和存储介质
CN109618201A (zh) * 2018-12-25 2019-04-12 杭州戴帆科技有限公司 一种智能电视机节目播放方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115623284A (zh) * 2022-12-16 2023-01-17 湖南有态度网络科技有限公司 一种短视频的推送方法、装置、设备及存储介质
CN115623284B (zh) * 2022-12-16 2023-03-07 湖南有态度网络科技有限公司 一种短视频的推送方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113411673B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
US11887369B2 (en) Systems and methods for generating media content
US11863825B2 (en) Smart media display
US20160381419A1 (en) Segmentation of a video based on user engagement in respective segments of the video
US7027508B2 (en) AV signal processing apparatus for detecting a boundary between scenes, method and recording medium therefore
JP4965322B2 (ja) ユーザ支援方法、ユーザ支援装置およびユーザ支援プログラム
CN100508018C (zh) 滚动显示控制
CN102844812B (zh) 媒体内对象的社交上下文
Bettadapura et al. Leveraging contextual cues for generating basketball highlights
US20100014840A1 (en) Information processing apparatus and information processing method
CN104065928B (zh) 一种行为模式统计装置与方法
CN110475155A (zh) 直播视频热度状态识别方法、装置、设备及可读介质
CN101452477A (zh) 信息处理设备、信息处理方法和程序
TW200921454A (en) Method and apparatus for video digest generation
CN101221802B (zh) 音频重放时间估计设备及方法
Liu et al. A framework for flexible summarization of racquet sports video using multiple modalities
WO2019109592A1 (zh) 一种智能视频推荐方法及系统
De Silva et al. Evaluation of video summarization for a large number of cameras in ubiquitous home
CN113411673B (zh) 一种短视频播放智能推荐方法、系统及计算机存储介质
CN105718566A (zh) 一种智能音乐推荐系统
Zen et al. Mouse activity as an indicator of interestingness in video
US20090132510A1 (en) Device for enabling to represent content items through meta summary data, and method thereof
CN112735563A (zh) 推荐信息的生成方法、装置和处理器
CN103577505A (zh) 媒体文件的兴趣度预测方法和系统
CN108366274A (zh) 一种刷播放量的检测方法和装置
de Silva et al. Experience retrieval in a ubiquitous home

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220609

Address after: 518000 room 1102, building 2, aerospace building, No. 53, Gaoxin South ninth Road, Gaoxin community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen goodong housekeeper Technology Co.,Ltd.

Address before: 430061 block B, Zhongnan international city, 442 Wuluo Road, Wuchang District, Wuhan City, Hubei Province

Applicant before: Wuhan Yetu e-commerce Co.,Ltd.

GR01 Patent grant
GR01 Patent grant