CN113536113A - 短视频推荐的方法、装置、计算机设备和存储介质 - Google Patents
短视频推荐的方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113536113A CN113536113A CN202110678986.8A CN202110678986A CN113536113A CN 113536113 A CN113536113 A CN 113536113A CN 202110678986 A CN202110678986 A CN 202110678986A CN 113536113 A CN113536113 A CN 113536113A
- Authority
- CN
- China
- Prior art keywords
- video
- type
- user
- videos
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 20
- 206010044565 Tremor Diseases 0.000 description 3
- 230000001680 brushing effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/7867—Retrieval 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例属于短视频推荐技术领域,涉及一种短视频推荐的方法,包括步骤:服务器获取用户预设时间段内完整观看的视频数量及其标识信息,判断视频数量中第一类视频数量A与第二类视频数量B的关系;若A≥αB,α为预设常数;启用第一视频推荐模式;若B≥αA;启用第二视频推荐模式;否则,启用普通推荐模式。本申请方案通过判断用户的使用习惯,为用户启用适合其当前使用状态的推荐模式。
Description
技术领域
本申请涉及短视频推荐技术领域,尤其涉及一种短视频推荐的方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的发展,短视频平台变得越来越普及,例如抖音、火山小视频、快手和微视等,作为一种新的视频观看平台,视频及作者较多。目前较为有效的视频内容推荐方式为:从海量的短视频中选取用户感兴趣的内容给其做推荐。事实上,每个用户感兴趣的内容,这些内容的类型都会比较多,而用户在使用短视频程序时,其使用环境并不一定适合观看全部类型。
因此,如何从海量的短视频中向用户推荐适合其当前使用环境的短视频,成为现有技术中亟待解决的技术问题之一。
发明内容
本申请实施例的目的在于提出一种短视频推荐的方法、装置、计算机设备和存储介质,通过机器学习模型进行学习和预测用户的兴趣相似度,进而可以准确地对寻找到兴趣相似的短视频进行推荐。
为了解决上述技术问题,本申请实施例提供一种短视频推荐的方法,采用了如下所述的技术方案:
所述方法包括步骤:
服务器获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
若A≥αB,α为预设常数;启用第一视频推荐模式;
若B≥αA;启用第二视频推荐模式;
否则,启用普通推荐模式。
进一步地,所述服务器获取用户当前预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系的步骤之前,包括步骤:
获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
进一步地,所述将所述用户感兴趣的视频类型分成第一类视频和第二类视频的步骤,具体包括:
根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的n类组成第一类视频,其余为第二类视频。
进一步地,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
为了解决上述技术问题,本申请实施例提供一种短视频推荐的装置,采用了如下所述的技术方案:
所述装置,包括:
判断模块,用于获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
第一启用模块,用于若A≥αB,α为预设常数;启用第一视频推荐模式;
第二启用模块,用于若B≥αA;启用第二视频推荐模式;
第三启用模块,用于否则,启用普通推荐模式。
进一步地,所述服务器获取用户当前预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系的步骤之前,包括步骤:
获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
进一步地,所述判断模块,包括:
第一提取单元,用于根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
第二提取单元,用于将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
分类单元,用于在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的m类组成第一类视频,其余为第二类视频。
进一步地,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
为了解决上述技术问题,本申请实施例提供一种计算机设备,采用了如下所述的技术方案:
所述计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行上述任一项所述短视频推荐的方法的步骤。
为了解决上述技术问题,本申请实施例提供一种计算机可读存储介质,采用了如下所述的技术方案:
该计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述任一项所述短视频推荐的方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请方案通过判断用户的使用习惯,判断用户使用短视频程序的状态或环境,为用户启用适合其当前使用状态的推荐模式。例如,客户某段时间仅想观看某一类微视频,则通过本方案可以达到。又如,用户边玩游戏边刷抖音,此时,则无法关注一些需要时刻注视视频画面才能了解视频内容的短视频,如象棋微视频。因此,通过本技术方案可以根据用户使用状态,推断其使用环境,为用户推荐符合其使用环境的微视频的习惯。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请的短视频推荐的方法一个实施例提供的实施环境的示意图;
图2是本申请的短视频推荐的方法一个实施例中流程示意图;
图3是本申请的短视频推荐的装置一个实施例中结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。另外,本申请中所提到的微视频、视频,如无特殊说明,均指的是微视频程序中播放的微视频。
参照图1-图2,本申请第一实施例提供了一种短视频推荐的方法,采用了如下所述的技术方案:
S1、服务器获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
S2、若A≥αB,α为预设常数;启用第一视频推荐模式;
S3、若B≥αA;启用第二视频推荐模式;
S4、否则,启用普通推荐模式。
在本实施例中,用户通过终端设备11与服务器12之间通过网络进行通信连接,该网络可以为局域网、广域网等。终端设备11可以为便携设备(例如:手机、平板、笔记本电脑等),也可以为个人电脑(PC,Personal Computer),服务器12可以为任何能够提供互联网服务的设备,终端设备11中的应用程序可以为具有短视频播放功能的应用程序,可以为抖音、快手和微视等等。
上述步骤S1中,预设时间段指的是服务器设定的一段连续时间,例如15分钟、18分钟、20分钟等等,特别的,这一段时间也可以在客户端设对应的设置窗口由用户自行调整。上述标识信息,包括微视频的标签、风格主题、领域、适宜人群、视频主体、该视频主体的所属分类等等,标识信息的作用是确定视频的分类。
上述步骤S2-S4中,α为预设常数,可以设为5-15之间的任意一个实数。例如可以是5、6、7、8、9、10等等。具体而言,判断A≥αB关系时,如α为5,则用户完整观看的第一类视频数量A是第二类视频数量B的5倍时,启用第一视频推荐模式,特别的,为了增加推荐的准确性,可以在达到此条件后,在紧接着的后续拉取列表中设置两个连续的第二类视频,当且仅当用户直接跳过这两个连续的第二类视频时,启用第一视频推荐模式,另外,在判断A≥αB的关系时,剔除热点视频(热点视频不记数),该热点视频即该视频的标签上热搜榜的视频。启用第一视频推荐模式之后,仅向用户推荐属于第一类视频的微视频。同理,判断B≥αA关系时,如α为7,则用户完整观看的第二类视频数量B是第一类视频数量A的5倍时,启用第二视频推荐模式,特别的,为了增加推荐的准确性,可以在达到此条件后,在紧接着的后续拉取列表中设置两个连续的第一类视频,当且仅当用户直接跳过这两个连续的第一类视频时,启用第一视频推荐模式,同样的,在判断B≥αA的关系时,剔除热点视频(热点视频不记数),该热点视频即该视频的标签上热搜榜的视频。
针对上述短视频推荐的方法,本申请还提供第二实施例,其中,所述服务器获取用户当前预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系的步骤之前,包括步骤:
获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
在本实施例中,上述获取所述用户的历史观看记录,获得用户感兴趣的视频类型,可以使用现有技术中的方法。也就是说,上述第一类视频和第二类视频是在用户感兴趣的视频类型中再进行两类划分形成的,不同用户之间的感兴趣的视频类型不同,即针对不同用户的第一类视频和第二类视频是不一定相同的,这些分类是具有个性化差异的。
针对上述短视频推荐的方法,本申请还提供第三实施例,其中,所述将所述用户感兴趣的视频类型分成第一类视频和第二类视频的步骤,具体包括:
根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的m类组成第一类视频,其余为第二类视频。
在本实施例中,用户的历史观看记录所涉及的时间如果太短,则不具有参考性,因此设置一预设时长,该预设时长≥20分钟。针对上述“第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来”举例而言,例如,用户感兴趣的视频类型为搞笑、娱乐、美食、汽车、游戏、科技、运动、音乐、动漫、知识。其中,若n=4,则提取出来的多个第一短时频列表如下:
搞笑 | 娱乐 | 美食 | 汽车 | 游戏 | 科技 | 运动 | 音乐 | 动漫 | 知识 |
0 | 0 | 0 | 1 | 12 | 18 | 0 | 0 | 0 | 0 |
搞笑 | 娱乐 | 美食 | 汽车 | 游戏 | 科技 | 运动 | 音乐 | 动漫 | 知识 |
0 | 2 | 0 | 0 | 13 | 17 | 0 | 1 | 0 | 0 |
搞笑 | 娱乐 | 美食 | 汽车 | 游戏 | 科技 | 运动 | 音乐 | 动漫 | 知识 |
1 | 0 | 0 | 0 | 20 | 14 | 0 | 0 | 0 | 1 |
从上述第一短时频列表提取出来的第二短时频列表如下:
汽车 | 游戏 | 科技 |
1 | 12 | 18 |
娱乐 | 游戏 | 科技 | 音乐 |
2 | 13 | 17 | 1 |
搞笑 | 游戏 | 科技 | 知识 |
1 | 20 | 14 | 1 |
对多个第二短时频列表进行统计:
搞笑 | 娱乐 | 汽车 | 游戏 | 科技 | 音乐 | 知识 |
1 | 2 | 1 | 45 | 49 | 1 | 1 |
若m=2,则游戏、科技为第一类视频,该用户感兴趣的其余类型为第二类视频。
针对上述短视频推荐的方法,本申请还提供第四实施例,其中,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
在本实施例中,上述p、q可以由服务器预先设置,例如,当用户进入第一视频推荐模式时,保持当前用户拉取的后10个视频为第一类视频;当用户进入第二视频推荐模式时,保持当前用户拉取的后15个视频为第二类视频。还可以设置退出机制,如连续5个视频未完整观看,则退出第一视频推荐模式/第二视频推荐模式。上述第一视频推荐模式和第二视频推荐模式可以满足用户的个性化视频需求。举例而言,某用户喜欢的视频类型为娱乐、游戏、音乐、知识,其第一视频推荐模式仅包括游戏类视频,第一视频推荐模式下(如平时休息情况下),会为其推荐大量游戏类视频,以满足其需求;第二视频推荐模式下(如用户一边玩电脑游戏,一边用手机播放微视频程序),对于大多数游戏类视频而言,如果不观看手机屏幕(即视频画面)则无法获取视频内容,但是娱乐、音乐、知识则大多数没有此特点,用户可以专注游戏,同时刷刷短视频,此推荐模式可以满足该用户边玩游戏边刷微视频的需求。
参照图3,本申请第五实施例提供了一种短视频推荐的装置,采用了如下所述的技术方案:
判断模块1,用于获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
第一启用模块2,用于若A≥αB,α为预设常数;启用第一视频推荐模式;
第二启用模块3,用于若B≥αA;启用第二视频推荐模式;
第三启用模块4,用于否则,启用普通推荐模式。
在本实施例中,用户通过终端设备11与服务器12之间通过网络进行通信连接,该网络可以为局域网、广域网等。终端设备11可以为便携设备(例如:手机、平板、笔记本电脑等),也可以为个人电脑(PC,Personal Computer),服务器12可以为任何能够提供互联网服务的设备,终端设备11中的应用程序可以为具有短视频播放功能的应用程序,可以为抖音、快手和微视等等。
上述判断模块中,预设时间段指的是服务器设定的一段连续时间,例如15分钟、18分钟、20分钟等等,特别的,这一段时间也可以在客户端设对应的设置窗口由用户自行调整。上述标识信息,包括微视频的标签、风格主题、领域、适宜人群、视频主体、该视频主体的所属分类等等,标识信息的作用是确定视频的分类。
上述第一启用模块2、第二启用模块3、第三启用模块4中,α为预设常数,可以设为5-15之间的任意一个实数。例如可以是5、6、7、8、9、10等等。具体而言,判断A≥αB关系时,如α为5,则用户完整观看的第一类视频数量A是第二类视频数量B的5倍时,启用第一视频推荐模式,特别的,为了增加推荐的准确性,可以在达到此条件后,在紧接着的后续拉取列表中设置两个连续的第二类视频,当且仅当用户直接跳过这两个连续的第二类视频时,启用第一视频推荐模式,另外,在判断A≥αB的关系时,剔除热点视频(热点视频不记数),该热点视频即该视频的标签上热搜榜的视频。启用第一视频推荐模式之后,仅向用户推荐属于第一类视频的微视频。同理,判断B≥αA关系时,如α为7,则用户完整观看的第二类视频数量B是第一类视频数量A的5倍时,启用第二视频推荐模式,特别的,为了增加推荐的准确性,可以在达到此条件后,在紧接着的后续拉取列表中设置两个连续的第一类视频,当且仅当用户直接跳过这两个连续的第一类视频时,启用第一视频推荐模式,同样的,在判断B≥αA的关系时,剔除热点视频(热点视频不记数),该热点视频即该视频的标签上热搜榜的视频。
针对上述短视频推荐的装置,本申请还提供第六实施例,其中,所述装置还包括:
获取模块,用于获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
分类模块,用于将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
在本实施例中,上述获取所述用户的历史观看记录,获得用户感兴趣的视频类型,可以使用现有技术中的方法。也就是说,上述第一类视频和第二类视频是在用户感兴趣的视频类型中再进行两类划分形成的,不同用户之间的感兴趣的视频类型不同,即针对不同用户的第一类视频和第二类视频是不一定相同的,这些分类是具有个性化差异的。
针对上述短视频推荐的装置,本申请还提供第七实施例,其中,所述判断模块1,包括:
第一提取单元,用于根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
第二提取单元,用于将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
分类单元,用于在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的m类组成第一类视频,其余为第二类视频。
在本实施例中,用户的历史观看记录所涉及的时间如果太短,则不具有参考性,因此设置一预设时长,该预设时长≥20分钟。针对上述“第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来”举例而言,例如,用户感兴趣的视频类型为搞笑、娱乐、美食、汽车、游戏、科技、运动、音乐、动漫、知识。其中,若n=4,则提取出来的多个第一短时频列表如下:
搞笑 | 娱乐 | 美食 | 汽车 | 游戏 | 科技 | 运动 | 音乐 | 动漫 | 知识 |
0 | 0 | 0 | 1 | 12 | 18 | 0 | 0 | 0 | 0 |
搞笑 | 娱乐 | 美食 | 汽车 | 游戏 | 科技 | 运动 | 音乐 | 动漫 | 知识 |
0 | 2 | 0 | 0 | 13 | 17 | 0 | 1 | 0 | 0 |
搞笑 | 娱乐 | 美食 | 汽车 | 游戏 | 科技 | 运动 | 音乐 | 动漫 | 知识 |
1 | 0 | 0 | 0 | 20 | 14 | 0 | 0 | 0 | 1 |
从上述第一短时频列表提取出来的第二短时频列表如下:
汽车 | 游戏 | 科技 |
1 | 12 | 18 |
娱乐 | 游戏 | 科技 | 音乐 |
2 | 13 | 17 | 1 |
搞笑 | 游戏 | 科技 | 知识 |
1 | 20 | 14 | 1 |
对多个第二短时频列表进行统计:
搞笑 | 娱乐 | 汽车 | 游戏 | 科技 | 音乐 | 知识 |
1 | 2 | 1 | 45 | 49 | 1 | 1 |
若m=2,则游戏、科技为第一类视频,该用户感兴趣的其余类型为第二类视频。
针对上述短视频推荐的装置,本申请还提供第八实施例,其中,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
在本实施例中,上述p、q可以由服务器预先设置,例如,当用户进入第一视频推荐模式时,保持当前用户拉取的后10个视频为第一类视频;当用户进入第二视频推荐模式时,保持当前用户拉取的后15个视频为第二类视频。还可以设置退出机制,如连续5个视频未完整观看,则退出第一视频推荐模式/第二视频推荐模式。上述第一视频推荐模式和第二视频推荐模式可以满足用户的个性化视频需求。举例而言,某用户喜欢的视频类型为娱乐、游戏、音乐、知识,其第一视频推荐模式仅包括游戏类视频,第一视频推荐模式下(如平时休息情况下),会为其推荐大量游戏类视频,以满足其需求;第二视频推荐模式下(如用户一边玩电脑游戏,一边用手机播放微视频程序),对于大多数游戏类视频而言,如果不观看手机屏幕(即视频画面)则无法获取视频内容,但是娱乐、音乐、知识则大多数没有此特点,用户可以专注游戏,同时刷刷短视频,此推荐模式可以满足该用户边玩游戏边刷微视频的需求。
本申请第九实施例提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述短视频推荐的方法,包括步骤:
服务器获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
若A≥αB,α为预设常数;启用第一视频推荐模式;
若B≥αA;启用第二视频推荐模式;
否则,启用普通推荐模式。
在一个实施例中,所述服务器获取用户当前预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系的步骤之前,包括步骤:
获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
在一个实施例中,所述将所述用户感兴趣的视频类型分成第一类视频和第二类视频的步骤,具体包括:
根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的n类组成第一类视频,其余为第二类视频。
在一个实施例中,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
本申请第十实施例提供一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现所述短视频推荐的方法,包括步骤:
服务器获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
若A≥αB,α为预设常数;启用第一视频推荐模式;
若B≥αA;启用第二视频推荐模式;
否则,启用普通推荐模式。
在一个实施例中,所述服务器获取用户当前预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系的步骤之前,包括步骤:
获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
在一个实施例中,所述将所述用户感兴趣的视频类型分成第一类视频和第二类视频的步骤,具体包括:
根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的n类组成第一类视频,其余为第二类视频。
在一个实施例中,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种短视频推荐的方法,其特征在于,包括步骤:
服务器获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
若A≥αB,α为预设常数;启用第一视频推荐模式;
若B≥αA;启用第二视频推荐模式;
否则,启用普通推荐模式。
2.根据权利要求1所述的短视频推荐的方法,其特征在于,所述服务器获取用户当前预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系的步骤之前,包括步骤:
获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
3.根据权利要求1所述的短视频推荐的方法,其特征在于,所述将所述用户感兴趣的视频类型分成第一类视频和第二类视频的步骤,具体包括:
根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的m类组成第一类视频,其余为第二类视频。
4.根据权利要求1所述的短视频推荐的方法,其特征在于,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
5.一种短视频推荐的装置,其特征在于,包括:
判断模块,用于获取用户预设时间段内完整观看的视频数量及其标识信息,判断该视频数量中第一类视频数量A与第二类视频数量B的关系;
第一启用模块,用于若A≥αB,α为预设常数;启用第一视频推荐模式;
第二启用模块,用于若B≥αA;启用第二视频推荐模式;
第三启用模块,用于否则,启用普通推荐模式。
6.根据权利要求5所述的短视频推荐的装置,其特征在于,所述装置还包括:
获取模块,用于获取所述用户的历史观看记录,获得用户感兴趣的视频类型;
分类模块,用于将所述用户感兴趣的视频类型分成第一类视频和第二类视频。
7.根据权利要求5所述的短视频推荐的装置,其特征在于,所述判断模块,包括:
第一提取单元,用于根据用户的历史观看记录,提取连续时长>预设时长的历史记录,并将该连接时长范围内的短视频按照视频类型转换成短时频列表,得到多个第一短时频列表;
第二提取单元,用于将多个第一短时频列表中,被用户完整观看的视频类型≤n的短时频列表序列提取出来,得到多个第二短时频列表;
分类单元,用于在多个第二短时频列表中,提取被用户完整观看的视频类型次数最多的m类组成第一类视频,其余为第二类视频。
8.根据权利要求5所述的短视频推荐的装置,其特征在于,所述第一视频推荐模式为保持当前用户拉取的后p个视频为第一类视频;所述第二视频推荐模式为保持当前用户拉取的后q个视频为第二类视频。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,其特征在于,所述处理器执行权利要求1至4中任一项所述短视频推荐的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时实现权利要求1至4中任一项所述短视频推荐的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678986.8A CN113536113A (zh) | 2021-06-18 | 2021-06-18 | 短视频推荐的方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678986.8A CN113536113A (zh) | 2021-06-18 | 2021-06-18 | 短视频推荐的方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113536113A true CN113536113A (zh) | 2021-10-22 |
Family
ID=78125128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110678986.8A Pending CN113536113A (zh) | 2021-06-18 | 2021-06-18 | 短视频推荐的方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536113A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114025209A (zh) * | 2021-10-28 | 2022-02-08 | 广州纵游互娱网络科技有限公司 | 一种大数据流处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
CN108882040A (zh) * | 2018-07-25 | 2018-11-23 | 深圳创维-Rgb电子有限公司 | 电视机的开机内容管理方法、智能电视及可读存储介质 |
CN109104622A (zh) * | 2017-06-20 | 2018-12-28 | 深圳大森智能科技有限公司 | 视频推荐方法、智能电视及计算机可读存储介质 |
CN112235644A (zh) * | 2020-09-29 | 2021-01-15 | 深圳市鼎盛光电有限公司 | 一种节目信息推荐方法、推荐装置、数字电视及存储介质 |
CN112395489A (zh) * | 2019-08-15 | 2021-02-23 | 中移(苏州)软件技术有限公司 | 一种推荐方法及装置、设备和计算机存储介质 |
EP3819821A1 (en) * | 2018-07-04 | 2021-05-12 | Tencent Technology (Shenzhen) Company Limited | User feature generating method, device, and apparatus, and computer-readable storage medium |
-
2021
- 2021-06-18 CN CN202110678986.8A patent/CN113536113A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109104622A (zh) * | 2017-06-20 | 2018-12-28 | 深圳大森智能科技有限公司 | 视频推荐方法、智能电视及计算机可读存储介质 |
CN108876517A (zh) * | 2018-05-31 | 2018-11-23 | 周国俊 | 基于人工智能的用户喜好分析方法及系统 |
EP3819821A1 (en) * | 2018-07-04 | 2021-05-12 | Tencent Technology (Shenzhen) Company Limited | User feature generating method, device, and apparatus, and computer-readable storage medium |
CN108882040A (zh) * | 2018-07-25 | 2018-11-23 | 深圳创维-Rgb电子有限公司 | 电视机的开机内容管理方法、智能电视及可读存储介质 |
CN112395489A (zh) * | 2019-08-15 | 2021-02-23 | 中移(苏州)软件技术有限公司 | 一种推荐方法及装置、设备和计算机存储介质 |
CN112235644A (zh) * | 2020-09-29 | 2021-01-15 | 深圳市鼎盛光电有限公司 | 一种节目信息推荐方法、推荐装置、数字电视及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114025209A (zh) * | 2021-10-28 | 2022-02-08 | 广州纵游互娱网络科技有限公司 | 一种大数据流处理方法 |
CN114025209B (zh) * | 2021-10-28 | 2023-11-24 | 广州纵游互娱网络科技有限公司 | 一种大数据流处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105160008B (zh) | 一种定位推荐用户的方法及装置 | |
US20020072952A1 (en) | Visual and audible consumer reaction collection | |
CN110475155B (zh) | 直播视频热度状态识别方法、装置、设备及可读介质 | |
US20080082922A1 (en) | System for providing secondary content based on primary broadcast | |
CN107087235A (zh) | 媒体内容推荐方法、服务器及客户端 | |
US20080083003A1 (en) | System for providing promotional content as part of secondary content associated with a primary broadcast | |
CN106331779A (zh) | 在播放视频过程中基于用户喜好推送主播的方法及系统 | |
US20170169040A1 (en) | Method and electronic device for recommending video | |
CN106971006A (zh) | 一种体育赛事信息的个性化推送方法及系统 | |
CN114095749B (zh) | 推荐及直播界面展示方法、计算机存储介质、程序产品 | |
CN104918071B (zh) | 视频播放方法、装置和终端设备 | |
US20110167445A1 (en) | Audiovisual content channelization system | |
CN112507163A (zh) | 时长预测模型训练方法、推荐方法、装置、设备及介质 | |
CN113420223A (zh) | 内容搜索方法、装置、设备及介质 | |
CN107231569B (zh) | 个性界面生成方法及系统 | |
CN108334518A (zh) | 一种广告加载方法及装置 | |
CN110348888B (zh) | 一种多媒体广告投放方法、装置以及设备 | |
CN113536113A (zh) | 短视频推荐的方法、装置、计算机设备和存储介质 | |
CN108491496A (zh) | 一种推广信息的处理方法及装置 | |
JP5892839B2 (ja) | プロファイル生成装置及びプログラム | |
US11308135B2 (en) | Data prioritization through relationship analysis mapping | |
JP3971176B2 (ja) | コンテンツ紹介方法、コンテンツ紹介装置、コンテンツ紹介プログラム及びそのプログラムを記録した媒体 | |
JP2012222569A (ja) | 番組推薦装置及び方法及びプログラム | |
WO2022070908A1 (ja) | 動画配信装置、動画配信方法、および、記録媒体 | |
Kim et al. | Impact of social media on intention to purchase pay-per-view and event attendance: The case of the Ultimate Fighting Championship |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211022 |