CN113626638A - 短视频推荐处理方法、装置、智能终端及存储介质 - Google Patents

短视频推荐处理方法、装置、智能终端及存储介质 Download PDF

Info

Publication number
CN113626638A
CN113626638A CN202111040064.0A CN202111040064A CN113626638A CN 113626638 A CN113626638 A CN 113626638A CN 202111040064 A CN202111040064 A CN 202111040064A CN 113626638 A CN113626638 A CN 113626638A
Authority
CN
China
Prior art keywords
video
short
short video
long
user account
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111040064.0A
Other languages
English (en)
Inventor
程光剑
李晶
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.)
Easy City Square Network Technology Co ltd
Original Assignee
Easy City Square Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Easy City Square Network Technology Co ltd filed Critical Easy City Square Network Technology Co ltd
Priority to CN202111040064.0A priority Critical patent/CN113626638A/zh
Publication of CN113626638A publication Critical patent/CN113626638A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Library & Information Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了短视频推荐处理方法、装置、智能终端及存储介质，其中，上述短视频推荐处理方法包括：检测短视频用户账户是否为首次使用；当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。与现有技术相比，本发明方案可以为初次使用短视频应用用户提供精准的短视频内容推荐。

Description

短视频推荐处理方法、装置、智能终端及存储介质
技术领域
本发明涉及短视频领域，尤其涉及的是一种短视频推荐处理方法、装置、智能终端及计算机可读存储介质。
背景技术
随着科学技术的发展，尤其是互联网技术的快速发展，短视频技术已经广泛应用到人们的工作和生活中。
短视频传播了物质至上的理念。短视频即短片视频，是一种互联网内容传播方式，一般是在互联网新媒体上传播的时长在30分钟以内的视频。随着移动终端普及和网络的提速，短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐。
目前给短视频新用户进行视频推荐时通常会面临冷启动问题，即新上线的应用产品初期用户很少且用户行为不多的情况。现有技术中方案一般是通过给用户推荐热门短视频或者通过先给用户打标签，进而根据标签来给用户推荐相似类型的短视频内容。热门短视频推荐有可能导致用户集中在同类型短视频上，易使用户产生厌烦情绪，不方便用户使用。
因此，现有技术还有待改进和发展。
发明内容
本发明的主要目的在于提供一种短视频推荐处理方法、装置、智能终端及计算机可读存储介质，旨在解决现有技术中无法给初次使用短视频应用的用户精准推送视频内容的问题。
为了实现上述目的，本发明第一方面提供一种短视频推荐处理方法，其中，上述方法包括：
检测短视频用户账户是否为首次使用；
当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；
基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；
基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；
基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。
可选的，上述检测短视频用户账户是否为首次使用的步骤还包括：
当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐。
可选的，上述当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签的步骤包括：
当智能设备的短视频用户账户为首次使用，则获取所述智能设备短视频用户账户在预设周期内的预定长视频历史记录及长视频自带的标签；
依据所述短视频用户账户同一智能设备的长视频观看历史记录，将智能设备端软件开发工具包的所述长视频上报数据至数据仓库，包括将长视频对应的标签存储至所述数据仓库中；
清洗所述数据仓库中的不规范数据和筛选预设周期内的预定长视频历史记录数据，并将媒资信息数据关联至长视频记录中，用于后续bert模型计算。
可选的，上述基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频的步骤包括：
获取所述预定长视频历史记录及长视频自带的标签；
根据所述历史记录以及标签，利用基于物品的协同过滤算法计算得到待推荐的K个长视频。
可选的，上述基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频包括：
分别利用bert预训练模型将待推荐的K个长视频和待推荐的短视频的标签转化为句子向量，利用余弦公式计算长视频与短视频之间相似度；
计算用户对待推荐的短视频兴趣度并按兴趣度排序，得到需推荐K部最感兴趣的短视频内容。
可选的，上述基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户的步骤包括：
按相似度从高到底排序给短视频新用户推荐前K个短视频。
可选的，上述当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐的步骤包括：
利用bert训练模型将每个短视频的标签转化为句子向量并用预定余弦公式计算向量之间的相似度得到句子V；
构建所述用户帐户与短视频之间的用户评分矩阵U，所述矩阵U使用用户账户对短视频的使用次数和观看时长加权构建；
计算用户帐户对待推荐的短视频的兴趣度，即P＝UV，按兴趣度大小排序，选择前K部短视频进行推荐。
本发明第二方面提供一种短视频推荐处理装置，其中，上述装置包括：
账户检测模块，用于检测短视频用户账户是否为首次使用；
长视频记录获取模块，用于当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；
视频记录确定模块，用于基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；
相似度确认模块，用于基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；
短视频推荐控制模块，用于基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户；
视频直接推荐模块，用于当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐。
本发明第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的短视频推荐处理程序，上述短视频推荐处理程序被上述处理器执行时实现任意一项上述短视频推荐处理方法的步骤。
本发明第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有短视频推荐处理程序，上述短视频推荐处理程序被处理器执行时实现任意一项上述短视频推荐处理方法的步骤。
由上可见，本发明方案中，检测短视频用户账户是否为首次使用；当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。与现有技术相比，本发明方案可以通过用户喜欢的长视频对应的标签计算并查找所述用户可能喜欢的短视频并进行排序和推荐，从而实现对初次使用短视频应用用户的精准视频内容推荐的目的，提高用户的使用体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中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性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种短视频推荐处理方法的流程示意图；
图2是本发明实施图1中步骤S200的具体流程示意图；
图3是本发明实施图1中步骤S300的具体流程示意图；
图4是本发明实施图1中步骤S400的具体流程示意图；
图5是本发明实施图1中步骤S500的具体流程示意图；
图6是本发明实施例提供的通过短视频推荐处理放发进行视频推荐的具体流程示意图；
图7是本发明实施例提供的一种短视频推荐处理装置的结构示意图；
图8是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图，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的一部分实施例，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做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。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
随着科学技术的发展，人们的生活水平逐渐提高，生活节奏也相应加快，催生了短视频应用一娱乐种类。人们可以随手将自己录制的生活小视频录制并发送到网上，也可以利用闲暇时间通过短视频应用观看一些自己喜欢的简短视频，并且随着看的时间越来越长，使用者会感到逐渐上瘾并且发现推荐的视频越来越符合自己的口味，有一种停不下来的感觉。其最重的核心技术就是其中的智能推荐算法，该算法会根据用户以往浏览的视频内容智能推荐用户喜欢的视频，并且随着用户使用应用的时间越来越长，观看的视频数量越来越多渐渐地抓住用户的心，逐渐占满用户大部分的娱乐时间。
但该算法也存在一个问题严重的问题，当所述短视频用户为新用户并未看过任何短视频时，就无法根据用户在应用的任何历史记录给用户推荐符合用户喜好的短视频。现有技术中的解决方案大多数为，当用户创建账户并使用应用时，所述短视频应用提示用户勾选自己喜欢的领域的视频，例如搞笑视频、生活视频、运动视频、国家政治视频等。但往往在一个大的类别中还有许许多多品类风格的视频，对于用户来说这种简单勾选类别的方式无法收集到用户最精确的喜好。
为了解决现有技术的问题，在本发明方案中，检测短视频用户账户是否为首次使用；当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。与现有技术相比，本发明方案可以通过用户喜欢的长视频对应的标签计算并查找所述用户可能喜欢的短视频并进行排序和推荐，从而实现对初次使用短视频应用用户的精准视频内容推荐的目的，提高用户的使用体验。
示例性方法
如图1所示，本发明实施例提供一种短视频推荐处理方法，具体的，上述方法包括如下步骤：
步骤S100、检测短视频用户账户是否为首次使用；
在本实施例中，当所述短视频用户打开短视频应用时，所述短视频应用可通过检测所述短视频用户账户的云浏览记录识别所述用户账户是否为初次使用。所述短视频为视频时长小于十分钟的快节奏视频，用户可通过碎片化的时间观看所述视频给自己带来娱乐或小知识。在另一种情况中，当用户使用游客登录，并未创建账户时，所述短视频应用可通过查询所述短视频应用对应的本地缓存数据，检测用户是否初次将所述短视频应用下载至手机并使用。当所述短视频应用通过云浏览记录或本地缓存记录查询到对应账户或终端存在浏览记录时，判断所述账户不为首次使用账户。通过上述方法，使所述短视频精确识别短视频用户账户或终端是否初次使用所述短视频应用。
步骤S200、当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；
在本实施例中，当所述短视频应用检测到所述短视频用户账户为首次使用账户时，通过查询智能设备本地存储空间中是否有其他视频应用软件。进一步的根据所述其他视频应用软件的本地记录，查找所述视频应用软件的数据中是否有预设周期内符合预定条件的长视频的浏览记录，所述预定周期为所述短视频应用预设的用于帮助获取用户近期感兴趣短视频类型的时间值，故所述周期的时间应尽量短，可根据获取到的其他视频应用软件的浏览记录的数量决定，当用户近一周内观看的视频数量较多，则所述预设周期为一周；当所述用户近一周内观看视频的数量较少，则对应延长其预设周期为一个月。同时考虑到用户为初次使用短视频应用，则在所述智能设备中查找到的视频时长较短的浏览记录不应作为判断用户观看喜好的依据，作为依据的长视频应需满足例如视频时长大于十分钟、用户观看时间大于80％的预定条件才认定为有效、可作为用户喜好依据的预定长视频。进一步的获取所述满足预设周期内预定长视频的历史记录以及所述长视频的标签，所述标签为视频类别或视频中出现的带有视频特征的标识，例如该视频由某明星主演，则所述明星可作为标签；或该视频为给人带来快乐的搞笑视频，则可为所述视频打上搞笑的标签。通过查询终端中满足预定条件的长视频软件浏览记录或其他长视频浏览记录以及其对应的视频标签，精确获取用户近期的视频观看喜好，有助于给用户推荐符合用户观看喜好的短视频内容。
步骤S300、基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；
在本实施例中，所述短视频应用根据获取的所述预定周期内预定长视频的历史记录、对应标签以及长视频资源数据库，确定所述短视频用户账户感兴趣的长视频。所述长视频资源数据库中存放有网络中长视频相关的数据信息，用于精确查找对应用户喜好的长视频资源。可通过智能算法将现有的智能设备中的用户长视频浏览记录以及对应标签进行扩充，得到所述用户其他可能喜欢的长视频，为后续通过算法查找用户喜好的短视频提供更多更全面的数据样本，为所述用户推荐可能喜欢的同类型其他视频，给用户带来新鲜感。
步骤S400、基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；
在本实施例中，所述短视频应用基于获取的其他用户可能喜欢的长视频数据，利用bert模型计算得到与所述用户可能感兴趣的长视频数据具有高相似度的短视频。所述bert模型为一种语言表征模型，可运用于文字、词语、语句语义的智能分析和计算。所述短视频应用基于所述bert模型以及获取的长视频数据中的例如标签、台词、评论等数据，综合计算查找出与所述用户感兴趣的长视频对应的具有高相似度的短视频。在本方法步骤中，通过对大量长视频以及其数据进行运算得到用户感兴趣的大量短视频数据，为初次使用的用户提供精准的视频投放，提高初次使用短视频应用用户的使用体验。
步骤S500、基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。
在本实施例中，所述短视频应用对获取的短视频进行相似度排序，按照与所述长视频的相似度由高到低依次排序，并按照排布在所述短视频应用对应推荐视频页面中，通过智能排序的方式将用户最感兴趣的短视频排在靠前、显眼的位置，为用户提供精准的短视频内容推送。
由上可见，本发明实施例提供的短视频推荐处理方法，检测短视频用户账户是否为首次使用；当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。与现有技术相比，本发明方案可在用户初次使用短视频应用时，为用户精准推送用户喜好视频的目的，从而提高短视频软件的智能化体验。
具体的，本实施例中以用户常用的手机作为智能设备，当上述智能设备为其他设备时，可参照本实施例中的具体方案。
在一种应用场景中，短视频应用通过对用户账户进行检测判断短视频用户账户是否为首次使用本短视频应用。
举例说明，用户初次通过手机应用商城下载短视频应用，开启短视频应用后通过手机号进行短视频账户的注册，当所述短视频应用检测到有账户登入后，控制检测所述账户的历史观看记录，所述检测包括检测手机本地的短视频应用中对应账户是否有短视频观看记录。当所述短视频应用并未在手机本地检测到短视频观看记录时，进一步通过调用所述账户的在服务器中的记录，通过云端中记录的所述账户的观看信息或账户注册信息判断所述账户是否为首次使用该短视频应用的账户。
进一步的，不仅是首次使用短视频应用的账户，当某用户超过半年或更长时间未使用该短视频应用时其观影口味也会发生变化。故当检测到手机本地的短视频观看记录或云端短视频观看记录或最后一次登陆账户时间距离当前时间较久远时，认为需要重新确定为用户推送的短视频内容。
另外，当检测到短视频用户账户不是首次使用时，控制利用短视频观看记录并通过bert模型进行短视频推荐，推荐用户喜好的短视频内容。
在一种应用场中，当判断用户账户为首次使用短视频应用时，获取手机本地记录中预设周期内满足预定条件的长视频的历史记录以及对应视频的标签。
具体的，在本实施例中，如图2所示，上述步骤S200包括：
步骤S201、当智能设备的短视频用户账户为首次使用，则获取所述智能设备短视频用户账户在预设周期内的预定长视频历史记录及长视频自带的标签；
步骤S202、依据所述短视频用户账户同一智能设备的长视频观看历史记录，将智能设备端软件开发工具包的所述长视频上报数据至数据仓库，包括将长视频对应的标签存储至所述数据仓库中；
步骤S203、清洗所述数据仓库中的不规范数据和筛选预设周期内的预定长视频历史记录数据，并将媒资信息数据关联至长视频记录中，用于后续bert模型计算。
举例说明，当所述短视频应用判断短视频用户账户为首次使用时，控制获取手机本地存储空间中包含有在预设周期例如一星期内用户观看的预定长视频历史记录以及对应长视频的标签的数据。所述预定的条件包括视频长度大于十分钟，同时用户至少观看超过两分钟，用于筛选非长视频、用户打开但不喜欢的视频等。进一步的，所述短视频应用依据获取的所述获取的预设周期内的预定长视频观看记录，将手机(SDK，SoftwareDevelopmentKit，软件开发工具包)历史记录中的长视频上报数据至Hive(数据仓库工具)，包括将长视频对应的标签存储至所述数据仓库中。所述软件工具开发包一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合；所述数据仓库工具为用于进行数据提取、转化、加载，是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。进一步的，所述短视频软件控制将存储的数据进行清洗，控制筛选出上述一星期内用户观看的符合预定条件的预定长视频历史观看数据以及保留其对应标签，同时将媒资信息数据关联至所述历史观看数据，用于后续查找用户喜好的长视频。所述媒资信息数据为包含有网络中的长视频数据的数据包，通过算法可在所述媒资信息数据中找到用户喜好观看的长视频内容。通过本步骤方法，获取用户较近时间内的视频观看喜好，有利于后续通过上述预设周期的预定长视频精确查找到用户喜好的长视频内容。
在一种应用场景中，所述短视频应用基于所述预定长视频历史记录即标签，确定用户感兴趣的长视频内容。
具体的，在本实施例中，如图3所示，上述步骤S300包括：
步骤S301、获取所述预定长视频历史记录及长视频自带的标签；
步骤S302、根据所述历史记录以及标签，利用基于物品的协同过滤算法计算得到待推荐的K个长视频。
举例说明，所述短视频软件获取所述预定长视频历史记录及长视频自带的标签。并根据所述获取的历史记录、标签以及媒资信息数据，利用基于物品的协同过滤算法计算得到带推荐的K个长视频。具体计算过程为，依据所述长视频观看历史记录、标签以及媒资信息数据计算长视频之间的相似度矩阵w，
Figure BDA0003248759570000121
其中，N(i)为长视频i观看的人数，Wij表示长视频i与长视频j之间的相似度值，N(i)与N(j)分别为长视频i与长视频j的观看人数。
进一步利用如下公式对，对用户u推荐其最感兴趣的K部长视频集合，
Figure BDA0003248759570000122
其中，N(u)，表示用户u喜欢的视频集合，wji表示长视频j和长视频i之间的相似度，rui表示用户u对长视频i的兴趣；
Puj表示用户u对长视频j的兴趣度；
Wji表示长视频j与长视频i之间的相似度值；
rui表示用户u对长视频i的兴趣，一般设为1；
N(u)表示用户u喜欢的视频集合；
S(j,K)表示和视频j最相似的K个视频集合。
通过本方法步骤，根据用户预设周期内的预定长视频观看记录、标签以及媒资信息数据计算得到用户感兴趣的K个长视频。
在一种应用场景中，所述短视频应用根据计算得到的K个长视频，利用bert模型确定与所述长视频具有高相似度的短视频内容。
具体的，在本实施例中，如图4所示，上述步骤S400包括：
步骤S401、分别利用bert预训练模型将待推荐的K个长视频和待推荐的短视频的标签转化为句子向量，利用余弦公式计算长视频与短视频之间相似度；
步骤S402、计算用户对待推荐的短视频兴趣度并按兴趣度排序，得到需推荐K部最感兴趣的短视频内容。
举例说明，所述短视频应用通过bert模型即bert预训练模型，将上述K个推荐的长视频与媒资信息数据中的短视频的标签进行转化，转化为句子向量，并利用余弦公式
Figure BDA0003248759570000131
计算所述长视频与所述短视频之间的相似度，其中，l1与l2分别为长视频和短视频之间的句子向量，||l1||表示l1向量的长度。
进一步的通过公式Pui＝Puj*cos＜l1·l2＞计算得出所述用户对推荐的短视频内容的兴趣度。将所述计算得到的推荐短视频内容按照兴趣度进行排序得到推荐给用户的K部短视频内容。通过本方法步骤，将获取的推荐长视频通过相似度计算以及用户兴趣度计算得到推荐短视频，实现为首次使用短视频应用用户提供精准的短视频推荐的目的。
在一种应用场景中，基于具有相似度的短视频，将所述短视频按照相似度的高低顺序由高到低进行排序并推荐给所述用户。
具体的，在本实施例中，如图5所示，上述步骤S500包括：
步骤S501、按相似度从高到底排序给短视频新用户推荐前K个短视频。
举例说明，通过上述计算得到的相似度
Figure BDA0003248759570000132
其中，||l1||表示l1向量的长度，将所述推荐短视频的视频排列顺序按照由高到低的相似度进行排列，并在排列后依次显示在所述短视频应用的推荐分区中，便于初次使用短视频应用用户找到自己喜好的短视频内容。
在一种应用场景中，当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐，其具体步骤包括：
利用bert训练模型将每个短视频的标签转化为句子向量并用预定余弦公式计算向量之间的相似度得到句子V；
构建所述用户帐户与短视频之间的用户评分矩阵U，所述矩阵U使用用户账户对短视频的使用次数和观看时长加权构建；
计算用户帐户对待推荐的短视频的兴趣度，即P＝UV，按兴趣度大小排序，选择前K部短视频进行推荐。
举例说明，当所述短视频应用检测到用户账户不是首次使用所述短视频应用时，利用bert训练模型将近期历史记录中浏览过的短视频的标签转化为句子向量并利用余弦公式计算历史记录中的短视频与推荐短视频间的相似度句子V，进一步的根据用户观看短视频内容的次数以及观看每个短视频的时长比例、是否看完、是否点赞等构建用户评分矩阵U，通过公式P＝UV得到所述用户账户对待推荐视频的兴趣度，并按照所述兴趣度大小进行排序，为用户推荐K部短视频。
在本发明实施例中，还基于一种应用场景对上述短视频推荐处理方法进行具体说明，图6是本发明实施例提供的通过短视频推荐处理放发进行视频推荐的具体流程示意图，其步骤包括：
步骤S10、开始，进入步骤S11；
步骤S11、通过用户账户判断用户是否为短视频新用户，若是则进入步骤S12，若否则进入步骤S15；
步骤S12、当所述用户是短视频新用户时，控制计算用户最感兴趣的K部长视频，进入步骤S13；
步骤S13、利用bert模型计算长短视频间的相似度，进入步骤S14；
步骤S14、计算用户短视频兴趣度并推荐前K部短视频，进入步骤S20；
步骤S15、利用bert模型计算短视频之间的相似度，进入步骤S14；
步骤S20、结束。
由上可见，在本发明具体应用实施例中，当用户登陆账户后所述短视频应用通过判断用户账户判断所述用户是否为短视频新用户，当是则通过调用本地数据并计算得出用户最感兴趣的K部长视频。进一步的，利用所述获取的长视频信息通过bert模型计算短视频数据库中与所述K部长视频的相似度数据，基于所述相似度数据，进一步计算得到用户兴趣度较高的K部短视频，得到给用户推荐的短视频内容。当所述短视频应用检测到所述用户不为短视频用户则直接调用用户逇短视频观看信息，利用bert模型计算短视频之间的相似度进行短视频推荐。
示例性设备
如图7中所示，对应于上述短视频推荐处理方法，本发明实施例还提供一种短视频推荐处理装置，上述短视频推荐处理装置包括：
账户检测模块710，用于检测短视频用户账户是否为首次使用；
在本实施例中，当所述短视频用户打开短视频应用时，所述短视频应用可通过检测所述短视频用户账户的云浏览记录识别所述用户账户是否为初次使用。所述短视频为视频时长小于十分钟的快节奏视频，用户可通过碎片化的时间观看所述视频给自己带来娱乐或小知识。在另一种情况中，当用户使用游客登录，并未创建账户时，所述短视频应用可通过查询所述短视频应用对应的本地缓存数据，检测用户是否初次将所述短视频应用下载至手机并使用。当所述短视频应用通过云浏览记录或本地缓存记录查询到对应账户或终端存在浏览记录时，判断所述账户不为首次使用账户。通过上述方法，使所述短视频精确识别短视频用户账户或终端是否初次使用所述短视频应用。
长视频记录获取模块720，用于当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；
在本实施例中，当所述短视频应用检测到所述短视频用户账户为首次使用账户时，通过查询智能设备本地存储空间中是否有其他视频应用软件。进一步的根据所述其他视频应用软件的本地记录，查找所述视频应用软件的数据中是否有预设周期内符合预定条件的长视频的浏览记录，所述预定周期为所述短视频应用预设的用于帮助获取用户近期感兴趣短视频类型的时间值，故所述周期的时间应尽量短，可根据获取到的其他视频应用软件的浏览记录的数量决定，当用户近一周内观看的视频数量较多，则所述预设周期为一周；当所述用户近一周内观看视频的数量较少，则对应延长其预设周期为一个月。同时考虑到用户为初次使用短视频应用，则在所述智能设备中查找到的视频时长较短的浏览记录不应作为判断用户观看喜好的依据，作为依据的长视频应需满足例如视频时长大于十分钟、用户观看时间大于80％的预定条件才认定为有效、可作为用户喜好依据的预定长视频。进一步的获取所述满足预设周期内预定长视频的历史记录以及所述长视频的标签，所述标签为视频类别或视频中出现的带有视频特征的标识，例如该视频由某明星主演，则所述明星可作为标签；或该视频为给人带来快乐的搞笑视频，则可为所述视频打上搞笑的标签。通过查询终端中满足预定条件的长视频软件浏览记录或其他长视频浏览记录以及其对应的视频标签，精确获取用户近期的视频观看喜好，有助于给用户推荐符合用户观看喜好的短视频内容。
视频记录确定模块730，用于基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；
在本实施例中，所述短视频应用根据获取的所述预定周期内预定长视频的历史记录、对应标签以及长视频资源数据库，确定所述短视频用户账户感兴趣的长视频。所述长视频资源数据库中存放有网络中长视频相关的数据信息，用于精确查找对应用户喜好的长视频资源。可通过智能算法将现有的智能设备中的用户长视频浏览记录以及对应标签进行扩充，得到所述用户其他可能喜欢的长视频，为后续通过算法查找用户喜好的短视频提供更多更全面的数据样本，为所述用户推荐可能喜欢的同类型其他视频，给用户带来新鲜感。
相似度确认模块740，用于基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；
在本实施例中，所述短视频应用基于获取的其他用户可能喜欢的长视频数据，利用bert模型计算得到与所述用户可能感兴趣的长视频数据具有高相似度的短视频。所述bert模型为一种语言表征模型，可运用于文字、词语、语句语义的智能分析和计算。所述短视频应用基于所述bert模型以及获取的长视频数据中的例如标签、台词、评论等数据，综合计算查找出与所述用户感兴趣的长视频对应的具有高相似度的短视频。在本方法步骤中，通过对大量长视频以及其数据进行运算得到用户感兴趣的大量短视频数据，为初次使用的用户提供精准的视频投放，提高初次使用短视频应用用户的使用体验。
短视频推荐控制模块750，用于基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户；
在本实施例中，所述短视频应用对获取的短视频进行相似度排序，按照与所述长视频的相似度由高到低依次排序，并按照排布在所述短视频应用对应推荐视频页面中，通过智能排序的方式将用户最感兴趣的短视频排在靠前、显眼的位置，为用户提供精准的短视频内容推送。
视频直接推荐模块760，用于当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐。
在本实施例中，当所述短视频应用检测用户账户不是首次登陆时，控制调用智能设备本地短视频记录并通过bert模型进行高相似度或用户高兴趣度的短视频内容进行推荐。
由上可见，本发明实施例提供的短视频推荐处理方法，通过所述账户检测模块710，检测短视频用户账户是否为首次使用；通过所述长视频记录获取模块720，当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；通过所述视频记录确定模块730，基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；通过所述相似度确认模块740，基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；通过所述短视频图鉴控制模块750，基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户；通过所述视频直接推荐模块760，当检测到用户账户不为首次使用短视频应用时，直接通过短视频观看记录推荐用户喜好的短视频。与现有技术相比，本发明方案可在用户初次使用短视频应用时，为用户精准推送用户喜好视频的目的，从而提高短视频软件的智能化体验。
具体的，本实施例中，上述短视频推荐处理装置的各模块的具体功能可以参照上述短视频推荐处理方法中的对应描述，在此不再赘述。
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图8所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端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和短视频推荐处理程序。该内存储器为非易失性存储介质中的操作系统和短视频推荐处理程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该短视频推荐处理程序被处理器执行时实现上述任意一种短视频推荐处理方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解，图8中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端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。
在一个实施例中，提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的短视频推荐处理程序，上述短视频推荐处理程序被上述处理器执行时进行以下操作指令：
检测短视频用户账户是否为首次使用；
当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；
基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；
基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；
基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。
本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有短视频推荐处理程序，上述短视频推荐处理程序被处理器执行时实现本发明实施例提供的任意一种短视频推荐处理方法的步骤。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例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同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种短视频推荐处理方法，其特征在于，所述方法包括：
检测短视频用户账户是否为首次使用；
当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；
基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；
基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；
基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户。
2.根据权利要求1所述的短视频推荐处理方法，其特征在于，所述检测短视频用户账户是否为首次使用的步骤还包括：
当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐。
3.根据权利要求1所述的短视频推荐处理方法，其特征在于，所述当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签的步骤包括：
当智能设备的短视频用户账户为首次使用，则获取所述智能设备短视频用户账户在预设周期内的预定长视频历史记录及长视频自带的标签；
依据所述短视频用户账户同一智能设备的长视频观看历史记录，将智能设备端软件开发工具包的所述长视频上报数据至数据仓库，包括将长视频对应的标签存储至所述数据仓库中；
清洗所述数据仓库中的不规范数据和筛选预设周期内的预定长视频历史记录数据，并将媒资信息数据关联至长视频记录中，用于后续bert模型计算。
4.根据权利要求1所述的短视频推荐处理方法，其特征在于，所述基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频的步骤包括：
获取所述预定长视频历史记录及长视频自带的标签；
根据所述历史记录以及标签，利用基于物品的协同过滤算法计算得到待推荐的K个长视频。
5.根据权利要求1所述的短视频推荐处理方法，其特征在于，所述基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频包括：
分别利用bert预训练模型将待推荐的K个长视频和待推荐的短视频的标签转化为句子向量，利用余弦公式计算长视频与短视频之间相似度；
计算用户对待推荐的短视频兴趣度并按兴趣度排序，得到需推荐K部最感兴趣的短视频内容。
6.根据权利要求1所述的短视频推荐处理方法，其特征在于，所述基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户的步骤包括：
按相似度从高到底排序给短视频新用户推荐前K个短视频。
7.根据权利要求2所述的短视频推荐处理方法，其特征在于，所述当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐的步骤包括：
利用bert训练模型将每个短视频的标签转化为句子向量并用预定余弦公式计算向量之间的相似度得到句子V；
构建所述用户帐户与短视频之间的用户评分矩阵U，所述矩阵U使用用户账户对短视频的使用次数和观看时长加权构建；
计算用户帐户对待推荐的短视频的兴趣度，即P＝UV，按兴趣度大小排序，选择前K部短视频进行推荐。
8.一种短视频推荐处理装置，其特征在于，所述装置包括：
账户检测模块，用于检测短视频用户账户是否为首次使用；
长视频记录获取模块，用于当检测短视频用户账户为首次使用，获取所述短视频用户账户同一智能设备预设周期内预定长视频历史记录及长视频自带的标签；
视频记录确定模块，用于基于所述预定长视频历史记录及长视频自带的标签，确定所述短视频用户账户感兴趣的长视频；
相似度确认模块，用于基于所述短视频用户账户感兴趣的长视频，利用bert模型确定与所述短视频用户账户感兴趣的长视频具有相似度的短视频；
短视频推荐控制模块，用于基于所述具有相似度的短视频，按相似度从高到底排序依次推荐给所述短视频用户账户；
视频直接推荐模块，用于当检测短视频用户账户不是首次使用，则控制直接使用短视频的记录通过bert模型进行推荐。
9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的短视频推荐处理程序，所述短视频推荐处理程序被所述处理器执行时实现如权利要求1-7任意一项所述短视频推荐处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有短视频推荐处理程序，所述短视频推荐处理程序被处理器执行时实现如权利要求1-7任意一项所述短视频推荐处理方法的步骤。
CN202111040064.0A 2021-09-06 2021-09-06 短视频推荐处理方法、装置、智能终端及存储介质 Pending CN113626638A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111040064.0A CN113626638A (zh) 2021-09-06 2021-09-06 短视频推荐处理方法、装置、智能终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111040064.0A CN113626638A (zh) 2021-09-06 2021-09-06 短视频推荐处理方法、装置、智能终端及存储介质

Publications (1)

Publication Number Publication Date
CN113626638A true CN113626638A (zh) 2021-11-09

Family

ID=78389339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111040064.0A Pending CN113626638A (zh) 2021-09-06 2021-09-06 短视频推荐处理方法、装置、智能终端及存储介质

Country Status (1)

Country Link
CN (1) CN113626638A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114117126A (zh) * 2021-12-02 2022-03-01 聚好看科技股份有限公司 一种视频推荐方法及显示设备
CN114745593A (zh) * 2022-04-08 2022-07-12 南京福田文化传媒有限公司 一种基于视频大数据的视频播放推荐系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106599226A (zh) * 2016-12-19 2017-04-26 深圳大学 一种内容推荐方法及内容推荐系统
US20170169341A1 (en) * 2015-12-14 2017-06-15 Le Holdings (Beijing) Co., Ltd. Method for intelligent recommendation
CN106980666A (zh) * 2017-03-22 2017-07-25 广州优视网络科技有限公司 一种推荐视频的方法和装置
CN108108446A (zh) * 2017-12-27 2018-06-01 暴风集团股份有限公司 视频推荐方法和装置、电子设备、存储介质、程序
CN111046231A (zh) * 2019-12-13 2020-04-21 广东融合通信股份有限公司 一种基于标签语义相似度的短视频推荐方法
CN112214678A (zh) * 2020-10-20 2021-01-12 北京意匠文枢科技有限公司 一种推荐短视频信息的方法与设备
CN112765486A (zh) * 2021-01-22 2021-05-07 重庆邮电大学 一种融合知识图谱的注意力机制的电影推荐方法
CN112784103A (zh) * 2019-11-07 2021-05-11 北京京东尚科信息技术有限公司 信息推送方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170169341A1 (en) * 2015-12-14 2017-06-15 Le Holdings (Beijing) Co., Ltd. Method for intelligent recommendation
CN106599226A (zh) * 2016-12-19 2017-04-26 深圳大学 一种内容推荐方法及内容推荐系统
CN106980666A (zh) * 2017-03-22 2017-07-25 广州优视网络科技有限公司 一种推荐视频的方法和装置
CN108108446A (zh) * 2017-12-27 2018-06-01 暴风集团股份有限公司 视频推荐方法和装置、电子设备、存储介质、程序
CN112784103A (zh) * 2019-11-07 2021-05-11 北京京东尚科信息技术有限公司 信息推送方法和装置
CN111046231A (zh) * 2019-12-13 2020-04-21 广东融合通信股份有限公司 一种基于标签语义相似度的短视频推荐方法
CN112214678A (zh) * 2020-10-20 2021-01-12 北京意匠文枢科技有限公司 一种推荐短视频信息的方法与设备
CN112765486A (zh) * 2021-01-22 2021-05-07 重庆邮电大学 一种融合知识图谱的注意力机制的电影推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GONGYOULIU: "推荐系统冷启动", pages 1 - 10, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/79950668> *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114117126A (zh) * 2021-12-02 2022-03-01 聚好看科技股份有限公司 一种视频推荐方法及显示设备
CN114745593A (zh) * 2022-04-08 2022-07-12 南京福田文化传媒有限公司 一种基于视频大数据的视频播放推荐系统及方法
CN114745593B (zh) * 2022-04-08 2023-12-29 广州星轩传媒有限公司 一种基于视频大数据的视频播放推荐系统及方法

Similar Documents

Publication Publication Date Title
CN110825957B (zh) 基于深度学习的信息推荐方法、装置、设备及存储介质
CN107679211B (zh) 用于推送信息的方法和装置
CN109819284B (zh) 一种短视频推荐方法、装置、计算机设备及存储介质
CN101990668B (zh) 推荐信息生成装置和推荐信息生成方法
CN106326391B (zh) 多媒体资源推荐方法及装置
CN112261423B (zh) 用于推送信息的方法、装置、设备以及存储介质
US20170169040A1 (en) Method and electronic device for recommending video
CN110851712B (zh) 书籍信息的推荐方法、设备以及计算机可读介质
CN111597446B (zh) 基于人工智能的内容推送方法、装置、服务器和存储介质
CN114095749B (zh) 推荐及直播界面展示方法、计算机存储介质、程序产品
CN111400586A (zh) 群组展示方法、终端、服务器、系统及存储介质
CN110059172B (zh) 基于自然语言理解的推荐答案的方法和装置
CN111191133B (zh) 业务搜索处理方法、装置及设备
CN113626638A (zh) 短视频推荐处理方法、装置、智能终端及存储介质
KR20180075234A (ko) 컨텐츠에 대한 유입검색어 및 연관검색어 기반의 컨텐츠 추천방법 및 추천장치
US20110004508A1 (en) Method and system of generating guidance information
CN111310065A (zh) 一种社交推荐方法、装置、服务器及存储介质
CN115618024A (zh) 多媒体推荐方法、装置及电子设备
CN115834959A (zh) 一种视频推荐信息确定方法、装置、电子设备和介质
CN115168700A (zh) 一种基于预训练算法的信息流推荐方法、系统及介质
CN114357325A (zh) 内容搜索方法、装置、设备及介质
CN117956232A (zh) 一种视频推荐方法及装置
CN113641855A (zh) 一种视频推荐方法、装置、设备及存储介质
CN117974234A (zh) 信息推荐方法、装置、电子设备及存储介质
CN113836388A (zh) 信息推荐方法、装置、服务器及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination