CN113553505A - 视频推荐方法、装置及计算设备 - Google Patents
视频推荐方法、装置及计算设备 Download PDFInfo
- Publication number
- CN113553505A CN113553505A CN202110839080.XA CN202110839080A CN113553505A CN 113553505 A CN113553505 A CN 113553505A CN 202110839080 A CN202110839080 A CN 202110839080A CN 113553505 A CN113553505 A CN 113553505A
- Authority
- CN
- China
- Prior art keywords
- video
- user
- recommended
- vector
- watched
- 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 87
- 239000013598 vector Substances 0.000 claims abstract description 216
- 230000006399 behavior Effects 0.000 claims description 93
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 244000144992 flock Species 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004904 shortening Methods 0.000 claims description 9
- 230000001149 cognitive effect Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 9
- 230000019771 cognition Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 238000012549 training Methods 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
- G06F16/90—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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例涉及多媒体技术领域，公开了一种视频推荐方法、装置及计算设备，该方法包括：在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据第一视频向量和第二视频向量，获得推荐视频；推荐视频包括用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量；在显示界面上显示推荐视频的标识信息以及与推荐视频对应的显示标签，显示标签是根据推荐视频的时长生成的。通过上述方式，本发明实施例能够结合用户对观看的视频的认知情况、观看环境以及用户的行为提供个性化的相关推荐服务，提高了用户体验。
Description
技术领域
本发明实施例涉及多媒体技术领域，具体涉及一种视频推荐方法、装置及计算设备。
背景技术
用户在咪咕视频观看视频时，会给用户推荐与观看视频相关的视频，这一类场景统称为相关推荐。相关推荐的关键在于计算视频和视频之间的相关性。常用的方法有基于内容的内容相关性计算、基于物品的协同过滤算法、基于模型的相似性计算，如Item2Vec等。基于内容的内容相关性计算比较直观，比如两个相似的视频拥有相同的视频类型、为同一个导演、演员所著等。同时为视频扩展了如浓缩、剪辑短视频等其他形态的视频，此类都属于相似视频范畴。基于协同过滤算法和基于模型的相似性计算是通过机器学习算法和海量用户行为数据训练得出的。它表达的是两个内容从统计学上的一致性，是用户数据行为证明的一种较为深刻的相关性。这类相关性从直观上看并不一定表示视频和视频是相似的。
现有的相关推荐场景中，推荐结果在用户开始观看视频时就已经确定了。这种推荐方式没有考虑到用户对于视频的认知程度、观看过程中的主动行为以及当前观看视频的环境情况等，无法为用户提供个性化的内容展示。
发明内容
鉴于上述问题，本发明实施例提供了一种视频推荐方法、装置及计算设备，克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面，提供了一种视频推荐方法，所述方法包括：在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
在一种可选的方式中，所述根据所述第一视频向量和第二视频向量，获得推荐视频，包括：对所述第一视频向量和所述第二视频向量进行聚类，并根据聚类结果确定所述第一视频向量和所述第二视频向量是否为同类；如果所述第一视频向量和所述第二视频向量是同类，则从所述相关视频中获取所述相关视频；如果所述第一视频向量和所述第二视频向量不是同类，则获取用户的观看时长；根据所述观看时长获取所述推荐视频。
在一种可选的方式中，所述根据所述观看时长获取所述推荐视频，包括：如果所述观看时长小于第一时长阈值，则从所述相似视频和用户历史观看视频的相关视频获取所述推荐视频；如果所述观看时长超过所述第一时长阈值且小于所述第二时长阈值，则从所述相似视频中获取所述推荐视频，其中所述第二时长阈值大于所述第一时长阈值；如果所述观看时长大于所述第二时长阈值，则从所述相关视频中获取所述推荐视频。
在一种可选的方式中，所述根据所述观看时长获取所述推荐视频，还包括：获取用户行为，所述用户行为包括切换清晰度、拖拽快进、倍速中的至少一个；根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频，包括：如果所述观看时长小于等于第二时长阈值，且所述用户行为表征所述用户喜欢所述用户观看的视频，则从所述相关视频中获取所述推荐视频；如果所述观看时长小于等于所述第二时长阈值，且所述用户行为表征所述用户不喜欢所述用户观看的视频，则从所述浓缩短视频中获取所述推荐视频；如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到切换清晰度的所述用户行为，则从所述相关视频和与所述用户观看的视频相关的原著书籍中获取所述推荐视频；如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，或者检测到用户观看至所述用户观看的视频结束前预设时间，则从所述花絮短视频和与所述用户观看的视频相关的影评中获取所述推荐视频。
在一种可选的方式中，所述方法还包括：如果所述观看时长小于等于所述第二时长阈值，判断所述用户观看的视频播放完毕时对应的时刻；若所述时刻位于预设时间段内，则从所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述方法还包括：根据所述推荐视频的时长类型生成用以表征时长类型的显示标签；并在检测到拖动进度条的用户行为时，在播放所述用户观看的视频的显示界面上显示所述推荐视频的所述标识信息、与所述推荐视频对应的所述显示标签以及方向箭头，所述方向箭头用于指示由进度条上的拖动处滑动至所述推荐视频的标识信息的方向，所述显示标签显示在所述推荐视频的标识信息上；如果检测到沿所述方向箭头的滑动方向从进度条滑动至任一所述推荐视频的所述标识信息的用户行为，则控制播放器播放所述推荐视频。
根据本发明实施例的另一个方面，提供了一种视频推荐装置，所述装置包括：数据获取单元，用于在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；视频推荐单元，用于根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；显示单元，用于在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
根据本发明实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述视频推荐方法的步骤。
根据本发明实施例的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使所述处理器执行上述视频推荐方法的步骤。
本发明实施例通过在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量；在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的，能够结合用户对视频的认知情况、用户所处的观看环境以及用户的行为为用户提供个性化的相关推荐服务，提高了用户体验。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的视频推荐方法的流程示意图；
图2示出了本发明实施例提供的视频推荐方法的推荐示意图；
图3示出了本发明实施例提供的视频推荐方法的观看时长小于第二时长阈值的推荐示意图；
图4示出了本发明实施例提供的视频推荐方法的观看时长超过第二时长阈值的推荐示意图；
图5示出了本发明实施例提供的视频推荐方法的竖屏模式下的推荐视频显示示意图；
图6示出了本发明实施例提供的视频推荐方法的全屏模式下的推荐视频显示示意图；
图7示出了本发明实施例提供的视频推荐装置的结构示意图；
图8示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的视频推荐方法的流程示意图。该视频推荐方法应用于服务器端，如图1所示，视频推荐方法包括：
步骤S11：在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量。
在本发明实施例中，第一视频向量为所述用户观看的视频所属的类型向量。其获取方法为：获取用户观看的视频M1的类型，假如一共有11种视频类型，标记为向量如下：[惊悚：0.2，犯罪：0.4，悬疑：0.5]，其中，数字为对视频M1的类型进行量化得到的类型值，数字越大，表示视频M1与对应的类型越近似。对应的向量为：[0,0,0.2,0,0,0.4,0,0,0.5,0,0](向量的第2，5，9位)，11种视频类型，即向量有11维，将该向量定义为第一视频向量。第一视频向量的具体维数可以根据需要进行设置，在此并不限定。可以理解，一个视频可能同时具备不同类型视频的特征，比如，一个视频可能同时满足“惊悚”、“犯罪”和“悬疑”类型视频的特征。
步骤S12：根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频。
在本发明实施例中，用户观看的视频M1的过程中，还获取第二视频向量。第二视频向量为用户偏好视频类型所对应的类型向量，可以通过获取用户偏好的视频类型，并标记为用户视频类型偏好的用户画像，进而确定用户对于视频类型的偏好来获取。假如用户的偏好如下：[喜剧：0.8，惊悚：0.2，战争：1.0，犯罪：0.4]，其中，数字为对用户偏好进行量化得到的偏好类型值，数字越大，表示用户对该类型的偏好越强烈；映射到视频类型向量中，可获得与视频所属类型的第一视频向量在同一向量空间中的表达：[0.8,0,0.2,0,1.0,0.4,0,0,0,0,0](向量的第0，2，4，5位)，称为第二视频向量。当然第二视频向量可以采用任意现有技术来完成，本发明实施例中对具体采用的画像算法不进行限定。
在步骤S12之前，还要获取与用户观看的视频对应的相关视频和相似视频。相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，是根据机器学习算法和用户行为数据计算得出的视频与视频之间的相关性获取的，这类相关性表达的是一种通过用户行为展现的视频和视频之间的内在联系，适合对视频有一定认知的用户推荐。相关视频的获取方法为：获取用户的视频观看序列；使用基于物品的协同过滤算法计算出视频观看序列中每个视频的相关视频集合。
相似视频为与所述用户观看的视频具有相同元素的视频，是直观的通过视频的元素(如视频类型、导演、演员)等寻找与用户观看的视频有相同元素的视频来获取。相似视频的推荐比较直观，适合对视频认知不强烈的人。相似视频的获取方法为：获取视频观看序列中视频的第二视频向量；基于第二视频向量，使用余弦夹角的计算方式计算视频观看序列中视频与视频服务器可推荐的视频之间的相似度；基于该相似度，确定视频观看序列中每个视频的相似视频集合、浓缩短视频以及花絮短视频。浓缩短视频、花絮短视频属于对用户观看的视频的扩展，通常用于特定场景下的扩展推荐。
在步骤S12中，可选地，如图2所示，用户点击开始观看视频M1，判断根据当前时间判断是否位于预设时间段内，如果是，则从浓缩短视频或花絮短视频获取推荐视频。否则，对第一视频向量和第二视频向量进行同类判断，并根据同类判断结果获取推荐视频。其中，预设时间段可以用户根据需要进行设置，优选为深夜，如晚上24点及以后。
对第一视频向量和第二视频向量进行同类判断时，可选地，对所述第一视频向量和所述第二视频向量进行聚类，并根据聚类结果确定所述第一视频向量和所述第二视频向量是否为同类。聚类是指对包括当前用户在内的数量庞大的用户对于视频类型偏好的第二视频向量，以及包括用户观看的视频M1在内的数量庞大的视频的第一视频向量进行聚类，如果第一视频向量和第二视频向量聚类后得到同一个类别，则确定第一视频向量和第二视频向量同类，否则，第一视频向量和第二视频向量不同类。如果所述第一视频向量和所述第二视频向量是同类，则从所述相关视频中获取所述推荐视频。如果所述第一视频向量和所述第二视频向量不是同类，则获取用户的观看时长；根据所述观看时长获取所述推荐视频。
如果第一视频向量和第二视频向量不是同类，进一步地，结合图2-图4，如果所述观看时长小于等于第一时长阈值，则从所述相似视频和用户历史观看视频的相关视频获取所述推荐视频，便于用户不喜欢该视频时有更多的兴趣选择。如果所述观看时长超过所述第一时长阈值且小于所述第二时长阈值，则从所述相似视频中获取所述推荐视频，其中所述第二时长阈值大于所述第一时长阈值。如果所述观看时长大于所述第二时长阈值，则从所述相关视频中获取所述推荐视频。
在用户观看视频的过程中，同时需要判断用户的主动行为，关注用户在观看视频过程中切换清晰度、拖拽快进、倍速的情况。如果观看时长小于第一时长阈值，证明用户可能对视频的认识还不够强烈，推荐内容以相似视频为主，结合用户行为获取推荐视频。如果观看时长大于所述第一时长阈值，证明用户对视频足够的了解，此时以推荐相关视频为主，同时也结合用户行为进行视频推荐。可选地，获取用户行为，所述用户行为包括切换清晰度、拖拽快进、倍速中的至少一个。具体可以对用户的观看场景和观看时的特定用户行为进行监控，如在非WIFI环境下切换为高清、在任何网络环境下切换为低清晰度、在观看视频过程中有拖拽快进、倍速等。用户行为可以同时包括切换清晰度、拖拽快进、倍速中的一个或多个。根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在本发明实施例中，可选地，结合图2和图3，如果所述观看时长小于等于第二时长阈值，且所述用户行为表征所述用户喜欢所述用户观看的视频，则从所述相关视频中获取所述推荐视频。如果所述观看时长小于等于所述第二时长阈值，且所述用户行为表征所述用户不喜欢所述用户观看的视频，则从所述浓缩短视频中获取所述推荐视频，便于用户快速了解该电影。在本发明实施例中，观看时长小于等于第二时长阈值时，如果在用户观看的视频播放过程中检测到在非WIFI环境下切换为高清晰度或在任意网络环境下切换为低清晰度的用户行为，则确定用户喜欢所述用户观看的视频。其中全程有切换为低清晰度(任何网络环境均可)的，证明用户无论在哪种网络环境下都有继续看视频的意愿，表明用户喜欢该视频。如果在用户观看的视频播放过程中检测到检测到拖拽快进或倍速的用户行为，则确定用户不喜欢所述用户观看的视频。
结合图2和图4，如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到切换清晰度的所述用户行为，则从所述相关视频和与所述用户观看的视频相关的原著书籍中获取所述推荐视频。观看时长大于所述第二时长阈值时，如果所述用户观看的视频播放过程中检测到在非WIFI环境下切换为高清晰度或者任意网络环境下切换为低清晰度的所述用户行为，说明用户很喜欢该当前视频，对当前视频也有足够的认知，可以从相关视频和与用户观看的视频相关的原著书籍中获取推荐视频以进行推荐。
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，或者检测到用户观看至所述用户观看的视频结束前预设时间，则从所述花絮短视频和与所述用户观看的视频相关的影评中获取所述推荐视频。用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，说明用户并不是不喜欢用户观看的视频，只是时间不足了，花絮短视频和高质量的影评，可以让用户在后续的碎片时间中持续了解该用户观看的视频。如果检测到用户观看至所述用户观看的视频结束前的预设时间，说明用户会完整观看该用户观看的视频，从短视频花絮和高质量的影评获取推荐视频，可以让用户更深层次的了解该用户观看的视频。预设时间也是可以根据需要由用户设置，预设时间优选为5分钟。
在本发明实施例中，第一时长阈值小于第二时长阈值。第一时长阈值和第二时长阈值是可以根据需要由用户设置，优选地，第一时长阈值为5％，第二时长阈值为50％。
在本发明实施例中，第一视频向量和第二视频向量不是同类，如果所述观看时长小于等于所述第二时长阈值，还判断所述用户观看的视频播放完毕时对应的时刻；若所述时刻位于预设时间段内，则从所述浓缩短视频或所述花絮短视频中获取所述推荐视频，以便用户尽快看完而不至于熬夜。预设时间段优选为晚上24点及以后。
本发明实施例使用第一视频向量和第二视频向量进行向量聚类，来判断第一视频向量和第二视频向量是否为同类，如果是同类，则用户对用户观看的视频的认知是足够的，可以推荐相关视频，如果不同类，则用户对于此类视频是尝鲜，则需要谨慎推荐。在谨慎推荐过程中，根据用户观看的时长给用户进行变化的推荐，相关视频比起相似视频需要对用户观看的视频本身的认知要更加强才可以推荐，所以放在观看时长更长时进行推荐。除了观看时长外，在特定的观看时长下，本发明实施例还考虑到了结合用户行为进行视频推荐，以及结合当前场景，进行浓缩短视频，花絮短视频的推荐，从而使得推荐的视频更符合用户潜在的观看需求。
步骤S13：在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
在本发明实施例中，由于引入了短视频作为推荐对象，为便于用户了解为用户推荐的视频具体是长视频、浓缩短视频还是花絮短视频，从而方便进而进行视频选择，可以应用方便用户选取推荐结果的显示方式。可选地，根据所述推荐视频的时长类型生成用以表征时长类型的显示标签；并在检测到拖动进度条的用户行为时，在播放所述用户观看的视频的显示界面上显示所述推荐视频的标识信息、所述推荐视频对应的显示标签以及方向箭头，所述方向箭头用于指示由进度条上的拖动处滑动至所述推荐视频的标识信息的方向，所述显示标签显示在所述推荐视频的标识信息上。其中，时长类型包括完整视频、浓缩短视频和花絮短视频的其中之一，推荐视频的标识信息优选为推荐视频的海报。本发明实施例为方便用户了解为用户推荐的视频具体是长视频、浓缩短视频还是花絮短视频，在确定出推荐视频后，会根据推荐视频的时长类型，将推荐视频的标识信息以及推荐视频对应的显示标签显示在用户观看的视频播放的显示界面上，以便告知用户该推荐视频是怎样的时长类型，从而方便用户选择。如图5和图6所示，其中，图5为竖屏模式下的推荐视频显示，图6为全屏模式下的推荐视频显示。图中圆框内为推荐视频的海报以及推荐视频对应的显示标签。例如：用户观看的视频为“七宗罪”，则相关视频的海报位于图中最左侧，比如是“本杰明巴顿奇事”，浓缩短视频的海报以及与该浓缩短视频对应的显示标签显示在图中的中间部分，花絮短视频的海报以及与该花絮短视频对应的显示标签显示在图中右侧。在全屏模式下，推荐视频的海报可以以一定的透明度进行显示，以避免对用户观看的视频播放的显示界面造成过度遮挡。当然，全屏模式下，也可以不在显示界面上进行推荐，是否进行推荐，可由用户通过功能选择来进行关闭或开启。
如果检测到沿所述方向箭头的滑动方向从进度条滑动至任一所述推荐视频的所述标识信息的用户行为，则控制播放器播放所述推荐视频。例如，可以在用户拖动进度条时，弹出如图5或图6的显示界面显示推荐视频的标识信息以及推荐视频对应的显示标签以及方向箭头；若检测到用户手指沿方向箭头滑动至图中任一推荐视频的海报，则控制播放器播放该推荐视频。如此无需用户手指离开界面即可完成拖动进度条和选取推荐视频的两个操作，提升了用户在拖动进度条情况下选取推荐视频的效率。
本发明实施例通过在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量；在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的，能够结合用户对视频的认知情况、用户所处的观看环境以及用户的行为为用户提供个性化的相关推荐服务，提高了用户体验。
图7示出了本发明实施例的视频推荐装置的结构示意图。如图7所示，该视频推荐装置包括：数据获取单元701、视频推荐单元702以及显示单元703。其中：
数据获取单元701用于在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；视频推荐单元702用于根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；显示单元703用于在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
在一种可选的方式中，视频推荐单元702用于：对所述第一视频向量和所述第二视频向量进行聚类，并根据聚类结果确定所述第一视频向量和所述第二视频向量是否为同类；如果所述第一视频向量和所述第二视频向量是同类，则从所述相关视频中获取所述推荐视频；如果所述第一视频向量和所述第二视频向量不是同类，则获取用户的观看时长；根据所述观看时长获取所述推荐视频。
在一种可选的方式中，视频推荐单元702用于：如果所述观看时长小于第一时长阈值，则从所述相似视频和用户历史观看视频的相关视频获取所述推荐视频；如果所述观看时长超过所述第一时长阈值且小于所述第二时长阈值，则从所述相似视频中获取所述推荐视频，其中所述第二时长阈值大于所述第一时长阈值；如果所述观看时长大于所述第二时长阈值，则从所述相关视频中获取所述推荐视频。
在一种可选的方式中，视频推荐单元702用于：获取用户行为，所述用户行为包括切换清晰度、拖拽快进、倍速中的至少一个；根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，视频推荐单元702用于：如果所述观看时长小于等于第二时长阈值，且所述用户行为表征所述用户喜欢所述用户观看的视频，则从所述相关视频中获取所述推荐视频；如果所述观看时长小于等于所述第二时长阈值，且所述用户行为表征所述用户不喜欢所述用户观看的视频，则从所述浓缩短视频中获取所述推荐视频；如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到切换清晰度的所述用户行为，则从所述相关视频和与所述用户观看的视频相关的原著书籍中获取所述推荐视频；如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，或者检测到用户观看至所述用户观看的视频结束前预设时间，则从所述花絮短视频和与所述用户观看的视频相关的影评中获取所述推荐视频。
在一种可选的方式中，视频推荐单元702用于：如果所述观看时长小于等于所述第二时长阈值，判断所述用户观看的视频播放完毕时对应的时刻；若所述时刻位于预设时间段内，则从所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，显示单元703用于：根据所述推荐视频的时长类型生成用以表征时长类型的显示标签；并在检测到拖动进度条的用户行为时，在播放所述用户观看的视频的显示界面上显示所述推荐视频的所述标识信息、与所述推荐视频对应的所述显示标签以及方向箭头，所述方向箭头用于指示由进度条上的拖动处滑动至所述推荐视频的标识信息的方向，所述显示标签显示在所述推荐视频的标识信息上；如果检测到沿所述方向箭头的滑动方向从进度条滑动至任一所述推荐视频的所述标识信息的用户行为，则控制播放器播放所述推荐视频。
本发明实施例通过在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量；在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的，能够结合用户对视频的认知情况、用户所处的观看环境以及用户的行为为用户提供个性化的相关推荐服务，提高了用户体验。
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的视频推荐方法。
可执行指令具体可以用于使得处理器执行以下操作：
在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；
根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；
在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
对所述第一视频向量和所述第二视频向量进行聚类，并根据聚类结果确定所述第一视频向量和所述第二视频向量是否为同类；
如果所述第一视频向量和所述第二视频向量是同类，则从所述相关视频中获取所述推荐视频；
如果所述第一视频向量和所述第二视频向量不是同类，则获取用户的观看时长；根据所述观看时长获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果所述观看时长小于第一时长阈值，则从所述相似视频和用户历史观看视频的相关视频获取所述推荐视频；
如果所述观看时长超过所述第一时长阈值且小于所述第二时长阈值，则从所述相似视频中获取所述推荐视频，其中所述第二时长阈值大于所述第一时长阈值；
如果所述观看时长大于所述第二时长阈值，则从所述相关视频中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
获取用户行为，所述用户行为包括切换清晰度、拖拽快进、倍速中的至少一个；
根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果所述观看时长小于等于第二时长阈值，且所述用户行为表征所述用户喜欢所述用户观看的视频，则从所述相关视频中获取所述推荐视频；
如果所述观看时长小于等于所述第二时长阈值，且所述用户行为表征所述用户不喜欢所述用户观看的视频，则从所述浓缩短视频中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到切换清晰度的所述用户行为，则从所述相关视频和与所述用户观看的视频相关的原著书籍中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，或者检测到用户观看至所述用户观看的视频结束前预设时间，则从所述花絮短视频和与所述用户观看的视频相关的影评中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果所述观看时长小于等于所述第二时长阈值，判断所述用户观看的视频播放完毕时对应的时刻；
若所述时刻位于预设时间段内，则从所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据所述推荐视频的时长类型生成用以表征时长类型的显示标签；并在检测到拖动进度条的用户行为时，在播放所述用户观看的视频的显示界面上显示所述推荐视频的所述标识信息、与所述推荐视频对应的所述显示标签以及方向箭头，所述方向箭头用于指示由进度条上的拖动处滑动至所述推荐视频的标识信息的方向，所述显示标签显示在所述推荐视频的标识信息上；
如果检测到沿所述方向箭头的滑动方向从进度条滑动至任一所述推荐视频的所述标识信息的用户行为，则控制播放器播放所述推荐视频。
本发明实施例通过在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量；在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的，能够结合用户对视频的认知情况、用户所处的观看环境以及用户的行为为用户提供个性化的相关推荐服务，提高了用户体验。
本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任意方法实施例中的视频推荐方法。
可执行指令具体可以用于使得处理器执行以下操作：
在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；
根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；
在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
对所述第一视频向量和所述第二视频向量进行聚类，并根据聚类结果确定所述第一视频向量和所述第二视频向量是否为同类；
如果所述第一视频向量和所述第二视频向量是同类，则从所述相关视频中获取所述推荐视频；
如果所述第一视频向量和所述第二视频向量不是同类，则获取用户的观看时长；根据所述观看时长获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果所述观看时长小于第一时长阈值，则从所述相似视频和用户历史观看视频的相关视频获取所述推荐视频；
如果所述观看时长超过所述第一时长阈值且小于所述第二时长阈值，则从所述相似视频中获取所述推荐视频，其中所述第二时长阈值大于所述第一时长阈值；
如果所述观看时长大于所述第二时长阈值，则从所述相关视频中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
获取用户行为，所述用户行为包括切换清晰度、拖拽快进、倍速中的至少一个；
根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果所述观看时长小于等于第二时长阈值，且所述用户行为表征所述用户喜欢所述用户观看的视频，则从所述相关视频中获取所述推荐视频；
如果所述观看时长小于等于所述第二时长阈值，且所述用户行为表征所述用户不喜欢所述用户观看的视频，则从所述浓缩短视频中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到切换清晰度的所述用户行为，则从所述相关视频和与所述用户观看的视频相关的原著书籍中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，或者检测到用户观看至所述用户观看的视频结束前预设时间，则从所述花絮短视频和与所述用户观看的视频相关的影评中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
如果所述观看时长小于等于所述第二时长阈值，判断所述用户观看的视频播放完毕时对应的时刻；
若所述时刻位于预设时间段内，则从所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据所述推荐视频的时长类型生成用以表征时长类型的显示标签；并在检测到拖动进度条的用户行为时，在播放所述用户观看的视频的显示界面上显示所述推荐视频的所述标识信息、与所述推荐视频对应的所述显示标签以及方向箭头，所述方向箭头用于指示由进度条上的拖动处滑动至所述推荐视频的标识信息的方向，所述显示标签显示在所述推荐视频的标识信息上；
如果检测到沿所述方向箭头的滑动方向从进度条滑动至任一所述推荐视频的所述标识信息的用户行为，则控制播放器播放所述推荐视频。
本发明实施例通过在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量；在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的，能够结合用户对视频的认知情况、用户所处的观看环境以及用户的行为为用户提供个性化的相关推荐服务，提高了用户体验。
图8示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对设备的具体实现做限定。
如图8所示，该计算设备可以包括：处理器(processor)802、通信接口(Communications Interface)804、存储器(memory)806、以及通信总线808。
其中：处理器802、通信接口804、以及存储器806通过通信总线808完成相互间的通信。通信接口804，用于与其它设备比如客户端或其它服务器等的网元通信。处理器802，用于执行程序810，具体可以执行上述视频推荐方法实施例中的相关步骤。
具体地，程序810可以包括程序代码，该程序代码包括计算机操作指令。
处理器802可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器，可以是同一类型的处理器，如一个或各个CPU；也可以是不同类型的处理器，如一个或各个CPU以及一个或各个ASIC。
存储器806，用于存放程序810。存储器806可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序810具体可以用于使得处理器802执行以下操作：
在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；
根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；
在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
在一种可选的方式中，所述程序810使所述处理器执行以下操作：
对所述第一视频向量和所述第二视频向量进行聚类，并根据聚类结果确定所述第一视频向量和所述第二视频向量是否为同类；
如果所述第一视频向量和所述第二视频向量是同类，则从所述相关视频中获取所述推荐视频；
如果所述第一视频向量和所述第二视频向量不是同类，则获取用户的观看时长；根据所述观看时长获取所述推荐视频。
在一种可选的方式中，所述程序810使所述处理器执行以下操作：
如果所述观看时长小于第一时长阈值，则从所述相似视频和用户历史观看视频的相关视频获取所述推荐视频；
如果所述观看时长超过所述第一时长阈值且小于所述第二时长阈值，则从所述相似视频中获取所述推荐视频，其中所述第二时长阈值大于所述第一时长阈值；
如果所述观看时长大于所述第二时长阈值，则从所述相关视频中获取所述推荐视频。
在一种可选的方式中，所述程序810使所述处理器执行以下操作：
获取用户行为，所述用户行为包括切换清晰度、拖拽快进、倍速中的至少一个；
根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述程序810使所述处理器执行以下操作：
如果所述观看时长小于等于第二时长阈值，且所述用户行为表征所述用户喜欢所述用户观看的视频，则从所述相关视频中获取所述推荐视频；
如果所述观看时长小于等于所述第二时长阈值，且所述用户行为表征所述用户不喜欢所述用户观看的视频，则从所述浓缩短视频中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到切换清晰度的所述用户行为，则从所述相关视频和与所述用户观看的视频相关的原著书籍中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，或者检测到用户观看至所述用户观看的视频结束前预设时间，则从所述花絮短视频和与所述用户观看的视频相关的影评中获取所述推荐视频。
在一种可选的方式中，所述程序810使所述处理器执行以下操作：
如果所述观看时长小于等于所述第二时长阈值，判断所述用户观看的视频播放完毕时对应的时刻；
若所述时刻位于预设时间段内，则从所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
在一种可选的方式中，所述程序810使所述处理器执行以下操作：
根据所述推荐视频的时长类型生成用以表征时长类型的显示标签；并在检测到拖动进度条的用户行为时，在播放所述用户观看的视频的显示界面上显示所述推荐视频的所述标识信息、与所述推荐视频对应的所述显示标签以及方向箭头，所述方向箭头用于指示由进度条上的拖动处滑动至所述推荐视频的标识信息的方向，所述显示标签显示在所述推荐视频的标识信息上；
如果检测到沿所述方向箭头的滑动方向从进度条滑动至任一所述推荐视频的所述标识信息的用户行为，则控制播放器播放所述推荐视频。
本发明实施例通过在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量；在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的，能够结合用户对视频的认知情况、用户所处的观看环境以及用户的行为为用户提供个性化的相关推荐服务，提高了用户体验。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
Claims (10)
1.一种视频推荐方法，其特征在于，所述方法包括：
在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；
根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；
在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一视频向量和第二视频向量，获得推荐视频，包括：
对所述第一视频向量和所述第二视频向量进行聚类，并根据聚类结果确定所述第一视频向量和所述第二视频向量是否为同类；
如果所述第一视频向量和所述第二视频向量是同类，则从所述相关视频中获取所述推荐视频；
如果所述第一视频向量和所述第二视频向量不是同类，则获取用户的观看时长；根据所述观看时长获取所述推荐视频。
3.根据权利要求2所述的方法，其特征在于，所述根据所述观看时长获取所述推荐视频，包括：
如果所述观看时长小于第一时长阈值，则从所述相似视频和用户历史观看视频的相关视频获取所述推荐视频；
如果所述观看时长超过所述第一时长阈值且小于所述第二时长阈值，则从所述相似视频中获取所述推荐视频，其中所述第二时长阈值大于所述第一时长阈值；
如果所述观看时长大于所述第二时长阈值，则从所述相关视频中获取所述推荐视频。
4.根据权利要求3所述的方法，其特征在于，所述根据所述观看时长获取所述推荐视频，还包括：
获取用户行为，所述用户行为包括切换清晰度、拖拽快进、倍速中的至少一个；
根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
5.根据权利要求4所述的方法，其特征在于，所述根据所述观看时长以及所述用户行为从所述相关视频、所述相似视频、所述浓缩短视频或所述花絮短视频中获取所述推荐视频，包括：
如果所述观看时长小于等于第二时长阈值，且所述用户行为表征所述用户喜欢所述用户观看的视频，则从所述相关视频中获取所述推荐视频；
如果所述观看时长小于等于所述第二时长阈值，且所述用户行为表征所述用户不喜欢所述用户观看的视频，则从所述浓缩短视频中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到切换清晰度的所述用户行为，则从所述相关视频和与所述用户观看的视频相关的原著书籍中获取所述推荐视频；
如果所述观看时长大于所述第二时长阈值，且在所述用户观看的视频播放过程中检测到拖拽快进或倍速的所述用户行为，或者检测到用户观看至所述用户观看的视频结束前预设时间，则从所述花絮短视频和与所述用户观看的视频相关的影评中获取所述推荐视频。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
如果所述观看时长小于等于所述第二时长阈值，判断所述用户观看的视频播放完毕时对应的时刻；
若所述时刻位于预设时间段内，则从所述浓缩短视频或所述花絮短视频中获取所述推荐视频。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述推荐视频的时长类型生成用以表征时长类型的显示标签；并在检测到拖动进度条的用户行为时，在播放所述用户观看的视频的显示界面上显示所述推荐视频的所述标识信息、与所述推荐视频对应的所述显示标签以及方向箭头，所述方向箭头用于指示由进度条上的拖动处滑动至所述推荐视频的标识信息的方向，所述显示标签显示在所述推荐视频的标识信息上；
如果检测到沿所述方向箭头的滑动方向从进度条滑动至任一所述推荐视频的所述标识信息的用户行为，则控制播放器播放所述推荐视频。
8.一种视频推荐装置，其特征在于，所述装置包括：
数据获取单元，用于在用户观看视频的过程中，获取第一视频向量；所述第一视频向量为所述用户观看的视频所属的类型向量；
视频推荐单元，用于根据所述第一视频向量和第二视频向量，获得推荐视频；所述推荐视频包括所述用户观看的视频的相关视频、相似视频、浓缩短视频或花絮短视频中的至少一个，所述第二视频向量为用户偏好视频类型所对应的类型向量，所述相关视频为使用协同过滤算法计算的与所述用户观看的视频相关的视频，所述相似视频为与所述用户观看的视频具有相同元素的视频；
显示单元，用于在显示界面上显示所述推荐视频的标识信息以及与所述推荐视频对应的显示标签，所述显示标签是根据所述推荐视频的时长生成的。
9.一种计算设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行根据权利要求1-7任一项所述视频推荐方法的步骤。
10.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行根据权利要求1-7任一项所述视频推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110839080.XA CN113553505A (zh) | 2021-07-23 | 2021-07-23 | 视频推荐方法、装置及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110839080.XA CN113553505A (zh) | 2021-07-23 | 2021-07-23 | 视频推荐方法、装置及计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113553505A true CN113553505A (zh) | 2021-10-26 |
Family
ID=78104314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110839080.XA Pending CN113553505A (zh) | 2021-07-23 | 2021-07-23 | 视频推荐方法、装置及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113553505A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150077A (zh) * | 2023-09-05 | 2023-12-01 | 北京有竹居网络技术有限公司 | 用于显示推荐信息集合的方法、装置、电子设备和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108966025A (zh) * | 2018-07-16 | 2018-12-07 | 北京小米移动软件有限公司 | 视频播放方法、装置及计算机可读存储介质 |
| CN109104620A (zh) * | 2018-07-26 | 2018-12-28 | 腾讯科技（深圳）有限公司 | 一种短视频推荐方法、装置和可读介质 |
| CN109168022A (zh) * | 2018-11-05 | 2019-01-08 | 北京奇艺世纪科技有限公司 | 一种推荐点播视频的方法、装置及电子设备 |
| CN110020122A (zh) * | 2017-10-16 | 2019-07-16 | Tcl集团股份有限公司 | 一种视频推荐方法、系统及计算机可读存储介质 |
-
2021
- 2021-07-23 CN CN202110839080.XA patent/CN113553505A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110020122A (zh) * | 2017-10-16 | 2019-07-16 | Tcl集团股份有限公司 | 一种视频推荐方法、系统及计算机可读存储介质 |
| CN108966025A (zh) * | 2018-07-16 | 2018-12-07 | 北京小米移动软件有限公司 | 视频播放方法、装置及计算机可读存储介质 |
| CN109104620A (zh) * | 2018-07-26 | 2018-12-28 | 腾讯科技（深圳）有限公司 | 一种短视频推荐方法、装置和可读介质 |
| CN109168022A (zh) * | 2018-11-05 | 2019-01-08 | 北京奇艺世纪科技有限公司 | 一种推荐点播视频的方法、装置及电子设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117150077A (zh) * | 2023-09-05 | 2023-12-01 | 北京有竹居网络技术有限公司 | 用于显示推荐信息集合的方法、装置、电子设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110519621B (zh) | 视频推荐方法、装置、电子设备及计算机可读介质 | |
| US10652605B2 (en) | Visual hot watch spots in content item playback | |
| US10299011B2 (en) | Method and system for user interaction with objects in a video linked to internet-accessible information about the objects | |
| US9467750B2 (en) | Placing unobtrusive overlays in video content | |
| CN1538351B (zh) | 为视频序列生成视频缩略图的方法和计算机 | |
| US8245124B1 (en) | Content modification and metadata | |
| US11023100B2 (en) | Methods, systems, and media for creating and updating a group of media content items | |
| CN107229741B (zh) | 信息搜索方法、装置、设备以及存储介质 | |
| CN111314759B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
| CN112507163B (zh) | 时长预测模型训练方法、推荐方法、装置、设备及介质 | |
| CN110287375B (zh) | 视频标签的确定方法、装置及服务器 | |
| US11470371B2 (en) | Methods, systems, and media for indicating viewership of a video | |
| US11894021B2 (en) | Data processing method and system, storage medium, and computing device | |
| CN112291609A (zh) | 视频展示和推送的方法、设备、存储介质及其系统 | |
| US20150281771A1 (en) | Content reproducing apparatus and method, and content providing apparatus and method | |
| CN112199582A (zh) | 一种内容推荐方法、装置、设备及介质 | |
| CN113553505A (zh) | 视频推荐方法、装置及计算设备 | |
| CN112291634A (zh) | 视频处理方法及装置 | |
| CN113515696A (zh) | 推荐方法、装置、电子设备及存储介质 | |
| JP2023162251A (ja) | 製品ソースリンクを使用したメディア注釈 | |
| CN115190357A (zh) | 一种视频摘要生成方法和装置 | |
| US20210074044A1 (en) | Method, server, and recording medium for creating composite image | |
| CN113836415A (zh) | 信息推荐方法、装置、介质及设备 | |
| CN111897466A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| CN106897304B (zh) | 一种多媒体数据的处理方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |