CN114079826B - 视频推荐列表生成方法、装置、服务器及存储介质 - Google Patents
视频推荐列表生成方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN114079826B CN114079826B CN202010822577.6A CN202010822577A CN114079826B CN 114079826 B CN114079826 B CN 114079826B CN 202010822577 A CN202010822577 A CN 202010822577A CN 114079826 B CN114079826 B CN 114079826B
- Authority
- CN
- China
- Prior art keywords
- video
- target
- list
- videos
- recommendation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012216 screening Methods 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000005065 mining Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开关于一种视频推荐列表生成方法、装置、服务器及存储介质,其中方法通过获取目标用户账户的视频历史浏览记录生成原始视频列表,并获取与原始视频列表对应的推荐调整参数,从而根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,进而获取与目标视频列表相关的视频,以根据相关的视频生成候选视频推荐列表。其通过推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,使得目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,从而防止过度拟合用户兴趣,避免召回的相关性视频过度集中的问题,使得召回的相关视频的准确性更高。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及一种视频推荐列表生成方法、装置、服务器及存储介质。
背景技术
随着信息时代的崛起,各色互联网内容层出不穷,个性化推荐为用户提供了更好的信息筛选和获取的渠道。在目前的视频推荐领域中,通常视频推荐分为召回和排序两个阶段,其中,召回阶段一般是指对原始视频集进行初筛后挖掘候选视频推荐集的过程,而排序阶段是对视频召回结果进行个性化排序,以得到目标视频推荐集的过程。
传统技术中,在视频召回阶段普遍使用的是与用户兴趣相关的相关性召回和全局热门召回。其中,相关性召回是通过用户近期的行为序列,依次挖掘与用户近期的行为序列相关的视频。而全局热门召回则获取热门视频加入到候选视频推荐集中。
然而,由于用户在短期内会有比较多的行为集中在特定内容上,而传统的通过与用户兴趣相关的相关性召回和全局热门召回,得到的视频召回结果往往会过于集中,而集中度较高的视频召回结果被消费一段时间后,其使用率就会降低。可见,传统技术中,视频推荐的准确性有待提高。
发明内容
本公开提供一种视频推荐列表生成方法、装置、服务器及存储介质,以至少解决相关技术中视频推荐的准确性不高的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种视频推荐列表生成方法,包括:
根据目标用户账户的视频历史浏览记录生成原始视频列表;
获取与原始视频列表对应的推荐调整参数,根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,所述目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,所述目标类型视频是目标用户账户在指定时间段内浏览的视频;
获取与目标视频列表相关的视频,根据相关的视频生成候选视频推荐列表。
在其中一个实施例中,所述根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,包括:为原始视频列表中的各视频生成随机参数;从原始视频列表中筛选随机参数与推荐调整参数相匹配的视频作为目标视频,生成目标视频列表。
在其中一个实施例中,获取与原始视频列表对应的推荐调整参数,包括:获取原始视频列表中视频的数量;获取目标数量,根据目标数量和原始视频列表中视频的数量获取推荐调整参数。
在其中一个实施例中,根据目标数量和原始视频列表中视频的数量获取推荐调整参数,包括:获取目标数量与原始视频列表中视频的数量之间的比值;将比值确定为推荐调整参数。
在其中一个实施例中,根据目标数量和原始视频列表中视频的数量获取推荐调整参数,包括:获取原始视频列表中视频的数量与目标数量之间的差值;获取差值与原始视频列表中视频的数量之间的比值;将所述比值确定为推荐调整参数。
在其中一个实施例中,推荐调整参数为目标视频推荐数量;所述根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,包括:从原始视频列表中随机筛选与目标视频推荐数量对应的目标视频,生成目标视频列表。
在其中一个实施例中,从原始视频列表中随机筛选与目标视频推荐数量对应的目标视频,生成目标视频列表,包括:为原始视频列表中的各视频生成对应的随机参数;根据视频对应的随机参数的大小对原始视频列表中的各视频进行排序;从排序结果中筛选连续的目标视频推荐数量的目标视频,生成目标视频列表。
在其中一个实施例中,推荐调整参数为随机参数;所述根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,包括:为原始视频列表中的各视频生成对应的随机参数;根据视频对应的随机参数的大小对原始视频列表中的各视频进行排序,根据排序结果生成目标视频列表。
根据本公开实施例的第二方面,提供一种视频推荐方法,包括:
接收视频推荐请求;
响应于视频推荐请求,采用上述第一方面任一项所述的视频推荐列表生成方法生成候选视频推荐列表;
对候选视频推荐列表中的视频进行排序,生成目标视频推荐列表;
将目标视频推荐列表中的视频推荐至目标用户账户。
根据本公开实施例的第三方面,提供一种视频推荐列表生成装置,包括:
原始视频列表生成模块,被配置为执行根据目标用户账户的视频历史浏览记录生成原始视频列表;
推荐调整参数获取模块,被配置为执行获取与所述原始视频列表对应的推荐调整参数;
目标视频列表生成模块,被配置为执行根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,所述目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,所述目标类型视频是目标用户账户在指定时间段内浏览的视频;
候选视频推荐列表生成模块,被配置为执行获取与目标视频列表相关的视频,根据相关的视频生成候选视频推荐列表。
在其中一个实施例中,目标视频列表生成模块包括:随机参数生成单元,被配置为执行为原始视频列表中的各视频生成随机参数;筛选单元,被配置为执行从原始视频列表中筛选随机参数与推荐调整参数相匹配的视频作为目标视频,生成目标视频列表。
在其中一个实施例中,推荐调整参数获取模块包括:视频数量获取单元,被配置为执行获取原始视频列表中视频的数量;推荐调整参数获取单元,被配置为执行获取目标数量,根据目标数量和原始视频列表中视频的数量获取推荐调整参数。
在其中一个实施例中,推荐调整参数获取单元被配置为执行:获取目标数量与原始视频列表中视频的数量之间的比值;将比值确定为推荐调整参数。
在其中一个实施例中,推荐调整参数获取单元被配置为执行:获取原始视频列表中视频的数量与目标数量之间的差值;获取差值与原始视频列表中视频的数量之间的比值;将所述比值确定为推荐调整参数。
在其中一个实施例中,目标视频列表生成模块被配置为执行:为原始视频列表中的各视频生成对应的随机参数;根据视频对应的随机参数的大小对原始视频列表中的各视频进行排序;从排序结果中筛选连续的目标视频推荐数量的目标视频,生成目标视频列表。
在其中一个实施例中,目标视频列表生成模块被配置为执行:为原始视频列表中的各视频生成对应的随机参数;根据视频对应的随机参数的大小对原始视频列表中的各视频进行排序,根据排序结果生成目标视频列表。
根据本公开实施例的第四方面,提供一种视频推荐装置,包括:
视频推荐请求获取模块,被配置为执行接收视频推荐请求;
候选视频推荐列表生成模块,被配置为执行响应于视频推荐请求,采用上述第一方面任一项所述的视频推荐列表生成方法生成候选视频推荐列表;
排序模块,被配置为执行对候选视频推荐列表中的视频进行排序,生成目标视频推荐列表;
推荐模块,被配置为执行将目标视频推荐列表中的视频推荐至目标用户账户。
根据本公开实施例的第五方面,提供一种计算机设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,使得计算机设备执行第一方面的任一项实施例中所述的视频推荐列表生成方法或执行第二方面的任一项实施例中所述的视频推荐方法。
根据本公开实施例的第六方面,提供一种存储介质,当所述存储介质中的指令由计算机设备的处理器执行时,使得计算机设备能够执行第一方面的任一项实施例中所述的视频推荐列表生成方法或执行第二方面的任一项实施例中所述的视频推荐方法。
根据本公开实施例的第七方面,提供一种计算机程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,设备的至少一个处理器从所述可读存储介质读取并执行所述计算机程序,使得设备执行第一方面的任一项实施例中所述的视频推荐列表生成方法或执行第二方面的任一项实施例中所述的视频推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果:根据目标用户账户的视频历史浏览记录生成原始视频列表,并获取与原始视频列表对应的推荐调整参数,从而根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,进而获取与目标视频列表相关的视频,以根据相关的视频生成候选视频推荐列表。其通过推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,使得目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,从而防止过度拟合用户兴趣,避免召回的相关性视频过度集中的问题,使得召回的相关视频的准确性更高。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种视频推荐列表生成方法的应用环境图。
图2是根据一示例性实施例示出的一种视频推荐列表生成方法的流程图。
图3是根据一示例性实施例示出的生成目标视频列表的步骤的流程示意图。
图4是根据一示例性实施例示出的一种视频推荐列表生成方法的流程图。
图5是根据一示例性实施例示出的一种视频推荐方法的流程图。
图6是根据一示例性实施例示出的一种视频推荐列表生成装置的框图。
图7是根据一示例性实施例示出的一种视频推荐装置的框图。
图8是根据一示例性实施例示出的一种计算机设备的内部结构图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开所提供的视频推荐列表生成方法,可以应用于如图1所示的应用环境中。其中,终端110通过网络与服务器120进行通信。其中,终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等电子设备,服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
其中,服务器120上被部署有视频服务平台,终端110上安装有视频客户端(也即应用程序),当某一用户(即目标用户账户)通过安装在终端110上的视频客户端登录到视频服务平台或者用户刷新应用程序的视频推荐页面时,视频服务平台可以根据目标用户账户的视频历史浏览记录生成原始视频列表,并获取与原始视频列表对应的推荐调整参数,从而根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,进而获取与目标视频列表相关的视频,以根据相关的视频生成候选视频推荐列表。其通过推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,使得目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,从而防止过度拟合用户兴趣,避免召回阶段过度集中的问题,使得召回的相关视频的准确性更高。
图2是根据一示例性实施例示出的一种视频推荐列表生成方法的流程图,如图2所示,以该方法应用于如图1中的服务器为例进行说明,包括以下步骤。
在步骤S210中,根据目标用户账户的视频历史浏览记录生成原始视频列表。
在本实施例中,当某一用户(即目标用户账户)通过安装在终端上的视频客户端登录到视频服务平台或者用户刷新应用程序的视频推荐页面时,视频服务平台可以获取该目标用户账户的视频历史浏览记录,并生成原始视频列表。其中,视频历史浏览记录是指该目标用户账户在历史时期浏览视频的记录。原始视频列表则是基于该目标用户账户在历史时期浏览视频的记录而得到的,例如,可以是该目标用户账户在某一历史时期浏览的原始视频根据历史浏览时间进行有序排列后得到的有序集合。
在步骤S220中,获取与原始视频列表对应的推荐调整参数,根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表。
其中,推荐调整参数是用于对原始视频列表中的原始视频进行调整以选取目标视频的参数。推荐调整参数可以是概率数值也可以是视频数量,可预先设置或在视频推荐过程中自动生成。具体的,该推荐调整参数可以是在视频服务平台中预先设定的固定值,也可以是视频服务平台在视频推荐过程中根据目标用户账户的原始视频列表的长度进行灵活调整而自动生成的非固定值。目标视频列表是在获取相关性视频时根据推荐调整参数调整原始视频列表中各视频的比例后得到的。具体地,目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,而目标类型视频是目标用户账户在指定时间段内浏览的视频。在本实施例中,视频服务平台根据推荐调整参数调整原始视频列表中目标用户账户在指定时间段内浏览的视频的比例,并生成目标视频列表,从而降低目标视频列表中目标用户账户在指定时间段内浏览的视频的比例,以防止过度拟合用户兴趣,并通过后续步骤召回与目标视频列表相关的视频。
在步骤S230中,获取与目标视频列表相关的视频,根据相关的视频生成候选视频推荐列表。
其中,与目标视频列表相关的视频是指基于目标视频列表进行挖掘而得到的相关性视频。例如,通过目标视频列表中的单个目标视频以及以目标视频列表中的序列依次挖掘相关性视频,即从用户历史浏览过的一个视频以及一些视频,去召回和他们相关的视频。具体可以采用item_to_item(i2i)的方式进行相关性视频的挖掘。候选视频推荐列表则是指根据目标视频列表进行挖掘后召回的相关性视频的集合。
上述视频推荐列表生成方法,根据目标用户账户的视频历史浏览记录生成原始视频列表,并获取与原始视频列表对应的推荐调整参数,从而根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,进而获取与目标视频列表相关的视频,以根据相关的视频生成候选视频推荐列表。其通过推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,使得目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,从而防止过度拟合用户兴趣,避免召回的相关性视频过度集中的问题,使得召回的相关视频的准确性更高。
在一示例性实施例中,如图3所示,在步骤S230中,根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,具体可以通过以下步骤实现:
在步骤S231中,为原始视频列表中的各视频生成随机参数。
其中,随机参数是为了对原始视频列表中的各视频进行分类而通过随机数生成器生成的,具体的,随机参数可以在[0,1]的区间中。由上述实施例可知,对于目标用户账户的原始视频列表中的各视频,在进行相关性视频召回时,可基于推荐调整参数从原始视频列表中选取部分视频生成目标视频列表,从而降低目标视频列表中目标类型视频的比例,因此,可以基于推荐调整参数将原始视频列表中的各视频分为有效视频(即目标视频)和无效视频两个类别。本实施例中以推荐调整参数为预先设置的概率数值为例进行说明,例如,推荐调整参数可以表示原始视频列表中每一个视频对获取相关视频时无效的概率。举例来说,对于某一用户浏览过的原始视频列表中的某一视频,在后续去寻找相关视频的召回过程中,不使用该视频的概率P即为推荐调整参数。当然,若不使用该视频的概率为P,则使用该视频的概率为(1-P),即该视频对获取相关视频时有效的概率,因此,本实施例中的推荐调整参数也可以表示原始视频列表中每一个视频在获取相关视频时有效的概率。具体地,推荐调整参数的范围也可以在[0,1]的区间中。基于此,本实施例通过对原始视频列表中的每一个视频分别生成随机参数,进而根据每一个视频的随机参数以及推荐调整参数对原始视频列表中的各视频进行分类。
在步骤S232中,从原始视频列表中筛选随机参数与推荐调整参数相匹配的视频作为目标视频,生成目标视频列表。
其中,目标视频是在获取相关性视频时根据推荐调整参数从原始视频列表中选取的有效的视频。例如,推荐调整参数为不使用原始视频的概率P为例进行说明,若P=0.3,则表示在召回过程中,原始视频列表中(1-P)即0.7的视频为目标视频。假设目标用户账户的原始视频列表中有100个视频,则表示原始视频列表中有30个视频无效,70个视频有效(即目标视频)。具体的,若推荐调整参数为不使用视频的概率,则选取随机参数与推荐调整参数相匹配的视频的过程可以是,将原始视频列表中随机参数大于推荐调整参数的视频作为匹配的目标视频。若推荐调整参数为使用视频的概率,则选取随机参数与推荐调整参数相匹配的视频的过程可以是,将原始视频列表中随机参数小于推荐调整参数的视频作为匹配的目标视频。
举例来说,若不使用原始视频列表中视频的概率为0.3,则表示使用原始视频列表中视频的概率为0.7,因此,可以将原始视频列表中每一个视频的随机参数与不使用视频的概率0.3进行比较,若某一视频的随机参数大于不使用视频的概率0.3,则可以将该视频作为目标视频;也可以将原始视频列表中每一个视频的随机参数与使用视频的概率0.7进行比较,若某一视频的随机参数小于使用视频的概率0.7,则可以将该视频作为目标视频。
上述实施例通过为原始视频列表中的视频生成随机参数,并选取随机参数与推荐调整参数相匹配的视频作为目标视频,从而降低了目标视频列表中目标类型视频的比例,由于选取目标视频的随机性较强,因此,避免了每次召回时都使用相似的固定目标视频列表,有效的缓解了召回的相关性视频(即候选视频推荐列表)过于集中而导致使用率低的问题,以达到有效的防止用户兴趣的过拟合。
在一示例性实施例中,在步骤S220中,获取与原始视频列表对应的推荐调整参数,具体可以包括:获取原始视频列表中视频的数量,获取目标数量,根据目标数量和原始视频列表中视频的数获取推荐调整参数。
其中,原始视频列表中视频的数量是指目标用户账户历史浏览视频的总数量。目标数量是指根据原始视频列表中视频的数量而灵活调整确定的目标视频的预期数量,例如,可以设定当原始视频列表中视频的数量为201至500时,其对应的目标视频的预期数量可以为200;也可以设定当原始视频列表中视频的数量为501至1000时,其对应的目标视频的预期数量可以为300等。因此,在本实施例中,根据原始视频列表中的视频的数量可以确定对应的目标视频的预期数量(即目标数量),进而可以根据目标数量和原始视频列表中视频的数量获取推荐调整参数。举例来说,以推荐调整参数为使用视频的概率为例来说,则推荐调整参数具体为目标数量和原始视频列表中视频的数量之间的比值;若推荐调整参数为不使用视频的概率,则推荐调整参数具体为1与上述比值(目标数量和原始视频列表中视频的数量的比值)之间的差值,也可以通过获取原始视频列表中视频的数量与目标数量之间的差值,将差值与原始视频列表中视频的数量之间的比值作为推荐调整参数。
本实施例根据原始视频列表中视频的数量确定目标数量,进而根据目标数量和原始视频列表中视频的数量的比值获取推荐调整参数,从而使得根据推荐调整参数从原始视频列表中选取目标视频的数量与用户历史浏览的原始视频的数量强相关,以实现根据用户历史浏览的视频的数量的不同而定义不同的推荐调整参数,以避免因用户历史浏览的视频的数量较少时,而固定推荐调整参数容易过度丢弃用户历史浏览的视频,而导致召回的相关性视频脱离了用户的兴趣,使得召回的相关性视频的准确性不高的问题。
可以理解的是,由统计学知识可知,在上述实施例中,当原始视频列表中视频的数量较少时,最终选取的目标视频的数量与该目标数量(即预期数量)可能并不完全相同,当原始视频列表中视频的数量较多时,最终选取的目标视频的数量与该目标数量则越接近或趋于相同。
在一示例性实施例中,推荐调整参数还可以是目标视频推荐数量,则根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,具体可以是:根据目标视频推荐数量从原始视频列表中随机选取相应数量的目标视频,生成目标视频列表。其中,目标视频推荐数量是预先为视频服务平台设定的选取目标视频的数量。举例来说,若原始视频列表中原始视频的数量小于该目标视频推荐数量,则将原始视频列表中所有的原始视频作为目标视频;若原始视频列表中原始视频的数量大于该目标视频推荐数量,则根据目标视频推荐数量从原始视频列表中随机选取相应数量的原始视频作为目标视频。具体地,在生成目标视频列表前,可以先为原始视频列表中的各视频生成对应的随机参数,其中,随机参数是为了对原始视频列表中的各视频进行排序而通过随机数生成器生成的。进而根据各视频对应的随机参数的大小对原始视频列表中的各视频进行排序,并从排序结果中筛选排序连续的目标视频推荐数量的目标视频,以生成目标视频列表。由于通过随机参数的大小对原始视频列表中的各视频进行排序,可以打乱原始视频列表中按浏览时间进行有序排列的顺序,进而从排序结果中筛选排序连续的目标视频推荐数量的目标视频生成目标视频列表,从而降低了目标视频列表中目标类型视频的比例。
在一示例性实施例中,推荐调整参数还可以是随机参数,则根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,具体可以是:为原始视频列表中的各视频生成对应的随机参数,其中,随机参数是为了对原始视频列表中的各视频进行排序而通过随机数生成器生成的。进而根据视频对应的随机参数的大小对原始视频列表中的各视频进行排序,根据排序结果生成目标视频列表。由于通过随机参数对原始视频列表中的各视频进行随机排序可以打乱原始视频列表中按浏览时间进行有序排列的顺序,使得用户的历史兴趣和近期兴趣交替出现,从而可以降低目标视频列表中目标类型视频的比例,能够有效对抗用户某个近期的实时兴趣集中出现的问题,并防止用户兴趣的过拟合,使得召回的相关性视频的准确性更高。
在一示例性实施例中,如图4所示,以下通过具体的实施例进一步说明本申请中视频推荐列表生成方法,本实施例中以推荐调整参数为预先设置的不使用原始视频列表中视频的概率数值(即预先设置的固定值)为例进行说明,具体包括如下步骤:
步骤S401,获取目标用户账户的视频历史浏览记录生成原始视频列表。
其中,原始视频列表是根据目标用户账户的视频历史浏览记录生成的,例如,若根据目标用户账户的视频历史浏览记录由近到远得到的原始视频列表为video_1、video_2至video_n。
步骤S402,获取与原始视频列表对应的推荐调整参数。
其中,推荐调整参数是基于神经网络中对抗过拟合的思想,在相关视频的召回阶段利用dropout(概率丢弃)对原始视频列表进行处理,从而实现在召回层面防止过度拟合用户兴趣。具体地,该推荐调整参数可以在[0,1]的区间中,表示在召回时不使用原始视频列表中视频的概率P。例如,当P=0.3时,表示要随机丢弃原始视频列表中30%的视频,也即保留原始视频列表中70%的视频作为目标视频。
步骤S403,为原始视频列表中的各视频生成随机参数。
具体的,通过随机数生成器为原始视频列表中的每一个原始视频生成随机参数,该随机参数可以在[0,1]的区间中。
步骤S404,选取随机参数与推荐调整参数匹配的视频作为目标视频。
例如,当原始视频列表中视频的随机参数大于推荐调整参数0.3时,则将该视频作为目标视频;也可以是当原始视频列表中视频的随机参数小于(1-0.3)时,则将该视频作为目标视频。即对长度为n的原始视频列表经过dropout概率丢弃后,得到目标视频video_2、video_5至video_j,若得到的目标视频的长度记为m,则m大概为n*(1-P),即m大概为0.7倍的n。
步骤S405,对上述选取的目标视频进行随机排序,生成目标视频列表。
对上述选取的目标视频进行随机排序,生成目标视频列表。即打乱目标视频video_2、video_5至video_j的顺序,使其与原始视频列表的排列顺序不一致,而得到的目标视频列表中目标视频的顺序不固定。若随机排序后得到的目标视频列表为video_n1、video_n2至video_nm,其中,n1,n2,,……,nm分别对应原始视频列表中video_1至video_n中的某项元素,且目标视频列表的长度为m,其是由原始的长度为n的原始视频列表经过dropout概率丢弃,和随机重排序之后形成的序列。
步骤S406,获取与目标视频列表相关的视频,生成候选视频推荐列表。
若挖掘相关性的过程定义为f(video_i),其中,f表示挖掘相关性视频的过程。则通过相关性挖掘,即通过f(video_n1、video_n2、……video_nm)获取与目标视频列表(video_n1、video_n2、……video_nm)相关的视频,并基于挖掘的相关视频生成候选视频推荐列表。
上述视频推荐列表生成方法,通过获取目标用户账户的视频历史浏览记录生成原始视频列表,获取与原始视频列表对应的推荐调整参数,并为原始视频列表中的视频生成随机参数,选取随机参数与推荐调整参数匹配的视频作为目标视频,对选取的目标视频进行随机排序,以生成目标视频列表,进而获取与目标视频列表相关的视频,以根据相关的视频生成候选视频推荐列表。其通过推荐调整参数和随机参数从目标用户账户的视频历史浏览记录的原始视频列表中选取目标视频,并对选取的目标视频进行随机排序而得到目标视频列表,通过最终得到的目标视频列表进行相关性召回,可以防止在召回时过度拟合用户兴趣,且避免召回的相关性视频过度集中的问题,极大地提高了召回的相关视频的准确性。
在一示例性实施例中,如图5所示,提供了一种视频推荐方法,以该方法应用于如图1中的服务器为例进行说明,包括以下步骤。
在步骤S510中,接收视频推荐请求。
其中,视频推荐请求可以是某一用户(即目标用户账户)通过安装在终端上的视频客户端登录到视频服务平台或者用户刷新应用程序的视频推荐页面时,该视频客户端向视频服务平台发送的对目标用户账户推送视频的请求。
在步骤S520中,响应于视频推荐请求,利用上述视频推荐列表生成方法生成候选视频推荐列表。
视频服务平台则响应于视频客户端的视频推荐请求,并利用上述视频推荐列表生成方法生成候选视频推荐列表,即视频服务平台根据目标用户账户的视频历史浏览记录生成原始视频列表,并获取与原始视频列表对应的推荐调整参数,从而根据推荐调整参数从原始视频列表中选取目标视频,生成目标视频列表,进而获取与目标视频列表相关的视频,以根据相关的视频生成候选视频推荐列表。
在步骤S530中,对候选视频推荐列表中的视频进行排序,生成目标视频推荐列表。
其中,排序可以是采用高复杂度的精细模型并基于目标用户账户的历史行为对候选视频推荐列表中的候选视频进行评分后得到有序记录的过程,例如,可以是根据候选视频的评分由高到低对候选视频推荐列表中的候选视频进行排序。目标视频推荐列表是指最终向目标用户账户推送视频的列表。具体的,目标视频推荐列表可以是对候选视频推荐列表中的候选视频进行排序后得到的记录有所有候选视频的列表,也可以是对候选视频推荐列表中的候选视频进行排序后,从中选取的排序靠前的设定个数的候选视频生成的列表。
在步骤S540中,将目标视频推荐列表中的视频推荐至目标用户账户。
具体的,视频服务平台可以将目标视频推荐列表中的视频发送至该目标用户账户的终端上的视频客户端,因此,视频客户端可以向目标用户账户展示目标视频推荐列表中的视频(即推荐视频),也可以在目标用户账户的触发下播放推荐的视频。
本实施例中,通过在生成候选视频推荐列表时根据推荐调整参数随机选取目标视频,并根据目标视频得到相关的候选视频推荐列表,从而防止过度拟合用户兴趣,避免召回阶段过度集中的问题,使得召回的相关视频的准确性更高,进而提高了视频推荐的准确性。
应该理解的是,虽然图1-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
图6是根据一示例性实施例示出的一种视频推荐列表生成装置框图。参照图6,该装置包括原始视频列表生成模块601,推荐调整参数获取模块602、目标视频列表生成模块603和候选视频推荐列表生成模块604。
原始视频列表生成模块601,被配置为执行根据目标用户账户的视频历史浏览记录生成原始视频列表;
推荐调整参数获取模块602,被配置为执行获取与原始视频列表对应的推荐调整参数;
目标视频列表生成模块603,被配置为执行根据推荐调整参数调整原始视频列表中各视频的比例,生成目标视频列表,所述目标视频列表中目标类型视频的比例小于原始视频列表中视频的比例,所述目标类型视频是目标用户账户在指定时间段内浏览的视频;
候选视频获取模块604,被配置为执行获取与目标视频列表相关的视频,根据相关的视频生成候选视频推荐列表。
在一示例性实施例中,目标视频列表生成模块603包括:随机参数生成单元,被配置为执行为原始视频列表中的原始视频生成随机参数;筛选单元,被配置为执行从原始视频列表中筛选随机参数与推荐调整参数相匹配的视频作为目标视频,生成目标视频列表。
在一示例性实施例中,推荐调整参数获取模块602包括:视频数量获取单元,被配置为执行获取原始视频列表中视频的数量;推荐调整参数获取单元,被配置为执行获取目标数量,根据目标数量和原始视频列表中视频的数量获取推荐调整参数。
在一示例性实施例中,推荐调整参数获取单元被配置为执行:获取目标数量与原始视频列表中视频的数量之间的比值;将比值确定为推荐调整参数。
在一示例性实施例中,推荐调整参数获取单元被配置为执行:获取原始视频列表中视频的数量与目标数量之间的差值;获取差值与原始视频列表中视频的数量之间的比值;将所述比值确定为推荐调整参数。
在一示例性实施例中,目标视频列表生成模块603被配置为执行:为原始视频列表中的各视频生成对应的随机参数;根据视频对应的随机参数的大小对原始视频列表中的各视频进行排序;从排序结果中筛选连续的目标视频推荐数量的目标视频,生成目标视频列表。
在一示例性实施例中,目标视频列表生成模块603被配置为执行:为原始视频列表中的各视频生成对应的随机参数;根据视频对应的随机参数的大小对原始视频列表中的各视频进行排序,根据排序结果生成目标视频列表。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中(如图1至图4所示的实施例)进行了详细描述,此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种视频推荐装置框图。参照图7,该装置包括视频推荐请求获取模块701、候选视频推荐列表生成模块702、排序模块703以及推荐模块704。
视频推荐请求获取模块701,被配置为执行接收视频推荐请求;
候选视频推荐列表生成模块702,被配置为执行响应于视频推荐请求,采用第一方面的任一项实施例中所述的视频推荐列表生成方法生成候选视频推荐列表;
排序模块703,被配置为执行对候选视频推荐列表中的视频进行排序,生成目标视频推荐列表;
推荐模块704,被配置为执行将目标视频推荐列表中的视频推荐至目标用户账户。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中(如图5所示的实施例)进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种用于视频推荐列表生成方法的计算机设备S00的框图。例如,该计算机设备S00可以为一服务器。参照图8,该计算机设备S00包括处理组件S20,其进一步包括一个或多个处理器,以及由存储器S22所代表的存储器资源,用于存储可由处理组件S20的执行的指令,例如应用程序。存储器S22中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件S20被配置为执行指令,以执行上述视频推荐列表生成方法或视频推荐方法。
设备S00还可以包括一个电源组件S24被配置为执行设备S00的电源管理,一个有线或无线网络接口S26被配置为将设备S00连接到网络,和一个输入输出(I/O)接口S28。设备S00可以操作基于存储在存储器S22的操作系统,例如Windows Server,Mac OS X,Unix,Linux,FreeBSD或类似。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器S22,上述指令可由计算机设备S00的处理器执行以完成上述方法。存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (19)
1.一种视频推荐列表生成方法,其特征在于,包括:
根据目标用户账户的视频历史浏览记录生成原始视频列表;
获取与所述原始视频列表对应的推荐调整参数,根据所述推荐调整参数调整所述原始视频列表中目标类型视频数量的比例,生成目标视频列表,所述目标视频列表中目标类型视频数量的比例小于所述原始视频列表中目标类型视频数量的比例,所述目标类型视频是所述目标用户账户在指定时间段内浏览的视频;
获取与所述目标视频列表相关的视频,根据所述相关的视频生成候选视频推荐列表。
2.根据权利要求1所述的方法,其特征在于,所述根据所述推荐调整参数调整所述原始视频列表中目标类型视频数量的比例,生成目标视频列表,包括:
为所述原始视频列表中的各视频生成随机参数;
从所述原始视频列表中筛选所述随机参数与所述推荐调整参数相匹配的视频作为目标视频,生成目标视频列表。
3.根据权利要求2所述的方法,其特征在于,所述获取与所述原始视频列表对应的推荐调整参数,包括:
获取所述原始视频列表中视频的数量;
获取目标数量,根据所述目标数量和所述原始视频列表中视频的数量获取所述推荐调整参数,所述目标数量是根据所述原始视频列表中视频的数量而确定的目标视频的预期数量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标数量和所述原始视频列表中视频的数量获取所述推荐调整参数,包括:
获取所述目标数量与所述原始视频列表中视频的数量之间的比值;
将所述比值确定为所述推荐调整参数。
5.根据权利要求3所述的方法,其特征在于,所述根据所述目标数量和所述原始视频列表中视频的数量获取所述推荐调整参数,包括:
获取所述原始视频列表中视频的数量与所述目标数量之间的差值;
获取所述差值与所述原始视频列表中视频的数量之间的比值;
将所述比值确定为所述推荐调整参数。
6.根据权利要求1所述的方法,其特征在于,所述推荐调整参数为目标视频推荐数量;所述根据所述推荐调整参数调整所述原始视频列表中目标类型视频数量的比例,生成目标视频列表,包括:
从所述原始视频列表中随机筛选与所述目标视频推荐数量对应的目标视频,生成目标视频列表。
7.根据权利要求6所述的方法,其特征在于,所述从所述原始视频列表中随机筛选与所述目标视频推荐数量对应的目标视频,生成目标视频列表,包括:
为所述原始视频列表中的各视频生成对应的随机参数;
根据所述视频对应的随机参数的大小对所述原始视频列表中的各视频进行排序;
从排序结果中筛选连续的所述目标视频推荐数量的目标视频,生成目标视频列表。
8.根据权利要求1所述的方法,其特征在于,所述推荐调整参数为随机参数;所述根据所述推荐调整参数调整所述原始视频列表中目标类型视频数量的比例,生成目标视频列表,包括:
为所述原始视频列表中的各视频生成对应的随机参数;
根据所述视频对应的随机参数的大小对所述原始视频列表中的各视频进行排序,根据排序结果生成目标视频列表。
9.一种视频推荐方法,其特征在于,包括:
接收视频推荐请求;
响应于所述视频推荐请求,采用权利要求1至8任一项所述的视频推荐列表生成方法生成候选视频推荐列表;
对所述候选视频推荐列表中的视频进行排序,生成目标视频推荐列表;
将所述目标视频推荐列表中的视频推荐至目标用户账户。
10.一种视频推荐列表生成装置,其特征在于,包括:
原始视频列表生成模块,被配置为执行根据目标用户账户的视频历史浏览记录生成原始视频列表;
推荐调整参数获取模块,被配置为执行获取与所述原始视频列表对应的推荐调整参数;
目标视频列表生成模块,被配置为执行根据所述推荐调整参数调整所述原始视频列表中目标类型视频数量的比例,生成目标视频列表,所述目标视频列表中目标类型视频数量的比例小于所述原始视频列表中目标类型视频数量的比例,所述目标类型视频是所述目标用户账户在指定时间段内浏览的视频;
候选视频推荐列表生成模块,被配置为执行获取与所述目标视频列表相关的视频,根据所述相关的视频生成候选视频推荐列表。
11.根据权利要求10所述的装置,其特征在于,所述目标视频列表生成模块包括:
随机参数生成单元,被配置为执行为所述原始视频列表中的各视频生成随机参数;
筛选单元,被配置为执行从所述原始视频列表中筛选所述随机参数与所述推荐调整参数相匹配的视频作为目标视频,生成目标视频列表。
12.根据权利要求11所述的装置,其特征在于,所述推荐调整参数获取模块包括:
视频数量获取单元,被配置为执行获取所述原始视频列表中视频的数量;
推荐调整参数获取单元,被配置为执行获取目标数量,根据所述目标数量和所述原始视频列表中视频的数量获取所述推荐调整参数,所述目标数量是根据所述原始视频列表中视频的数量而确定的目标视频的预期数量。
13.根据权利要求12所述的装置,其特征在于,所述推荐调整参数获取单元被配置为执行:
获取所述目标数量与所述原始视频列表中视频的数量之间的比值;
将所述比值确定为所述推荐调整参数。
14.根据权利要求12所述的装置,其特征在于,所述推荐调整参数获取单元被配置为执行:
获取所述原始视频列表中视频的数量与所述目标数量之间的差值;
获取所述差值与所述原始视频列表中视频的数量之间的比值;
将所述比值确定为所述推荐调整参数。
15.根据权利要求10所述的装置,其特征在于,所述目标视频列表生成模块被配置为执行:
为所述原始视频列表中的各视频生成对应的随机参数;
根据所述视频对应的随机参数的大小对所述原始视频列表中的各视频进行排序;
从排序结果中筛选连续的所述目标视频推荐数量的目标视频,生成目标视频列表。
16.根据权利要求10所述的装置,其特征在于,所述目标视频列表生成模块被配置为执行:
为所述原始视频列表中的各视频生成对应的随机参数;
根据所述视频对应的随机参数的大小对所述原始视频列表中的各视频进行排序,根据排序结果生成目标视频列表。
17.一种视频推荐装置,其特征在于,包括:
视频推荐请求获取模块,被配置为执行接收视频推荐请求;
候选视频推荐列表生成模块,被配置为执行响应于所述视频推荐请求,采用权利要求1至8任一项所述的视频推荐列表生成方法生成候选视频推荐列表;
排序模块,被配置为执行对所述候选视频推荐列表中的视频进行排序,生成目标视频推荐列表;
推荐模块,被配置为执行将所述目标视频推荐列表中的视频推荐至目标用户账户。
18.一种计算机设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至9中任一项所述的方法。
19.一种存储介质,当所述存储介质中的指令由计算机设备的处理器执行时,使得所述计算机设备能够执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010822577.6A CN114079826B (zh) | 2020-08-14 | 2020-08-14 | 视频推荐列表生成方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010822577.6A CN114079826B (zh) | 2020-08-14 | 2020-08-14 | 视频推荐列表生成方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114079826A CN114079826A (zh) | 2022-02-22 |
CN114079826B true CN114079826B (zh) | 2023-11-28 |
Family
ID=80280746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010822577.6A Active CN114079826B (zh) | 2020-08-14 | 2020-08-14 | 视频推荐列表生成方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114079826B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
CN103810201A (zh) * | 2012-11-13 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种音乐推荐方法及装置 |
CN104065981A (zh) * | 2014-06-20 | 2014-09-24 | 海信集团有限公司 | 一种视频推荐方法和装置 |
CN105975641A (zh) * | 2016-07-15 | 2016-09-28 | 合网络技术(北京)有限公司 | 视频推荐方法及装置 |
CN106791966A (zh) * | 2016-12-28 | 2017-05-31 | 武汉斗鱼网络科技有限公司 | 一种基于改进型关联规则的直播间推荐方法及系统 |
CN108040294A (zh) * | 2012-02-21 | 2018-05-15 | 欧亚拉股份有限公司 | 自动推荐内容 |
CN109657097A (zh) * | 2018-11-07 | 2019-04-19 | 北京达佳互联信息技术有限公司 | 视频筛选方法、装置、电子设备及存储介质 |
CN110069714A (zh) * | 2019-04-25 | 2019-07-30 | 北京酷我科技有限公司 | 一种视频推荐系统 |
CN110418200A (zh) * | 2018-04-27 | 2019-11-05 | Tcl集团股份有限公司 | 一种视频推荐方法、装置及终端设备 |
CN110996142A (zh) * | 2019-11-08 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2634020A1 (en) * | 2008-05-30 | 2009-11-30 | Biao Wang | System and method for multi-level online learning |
US20170169040A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for recommending video |
-
2020
- 2020-08-14 CN CN202010822577.6A patent/CN114079826B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108040294A (zh) * | 2012-02-21 | 2018-05-15 | 欧亚拉股份有限公司 | 自动推荐内容 |
CN103810201A (zh) * | 2012-11-13 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种音乐推荐方法及装置 |
CN103209342A (zh) * | 2013-04-01 | 2013-07-17 | 电子科技大学 | 一种引入视频流行度和用户兴趣变化的协作过滤推荐方法 |
CN104065981A (zh) * | 2014-06-20 | 2014-09-24 | 海信集团有限公司 | 一种视频推荐方法和装置 |
CN105975641A (zh) * | 2016-07-15 | 2016-09-28 | 合网络技术(北京)有限公司 | 视频推荐方法及装置 |
CN106791966A (zh) * | 2016-12-28 | 2017-05-31 | 武汉斗鱼网络科技有限公司 | 一种基于改进型关联规则的直播间推荐方法及系统 |
CN110418200A (zh) * | 2018-04-27 | 2019-11-05 | Tcl集团股份有限公司 | 一种视频推荐方法、装置及终端设备 |
CN109657097A (zh) * | 2018-11-07 | 2019-04-19 | 北京达佳互联信息技术有限公司 | 视频筛选方法、装置、电子设备及存储介质 |
CN110069714A (zh) * | 2019-04-25 | 2019-07-30 | 北京酷我科技有限公司 | 一种视频推荐系统 |
CN110996142A (zh) * | 2019-11-08 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114079826A (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108763502B (zh) | 信息推荐方法和系统 | |
CN109408724B (zh) | 多媒体资源预估点击率的确定方法、装置及服务器 | |
CN109948023B (zh) | 推荐对象获取方法、装置及存储介质 | |
Natarajan et al. | Which app will you use next? Collaborative filtering with interactional context | |
CN110543598B (zh) | 信息推荐方法、装置及终端 | |
US9270767B2 (en) | Method and system for discovery of user unknown interests based on supplemental content | |
EP2708031B1 (en) | System and method for enhancing user search results by determining a television program currently being displayed in proximity to an electronic device | |
CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
US10380649B2 (en) | System and method for logistic matrix factorization of implicit feedback data, and application to media environments | |
WO2017071251A1 (zh) | 信息推送方法和装置 | |
US20150178282A1 (en) | Fast and dynamic targeting of users with engaging content | |
CN106339394B (zh) | 一种信息处理方法及装置 | |
CN108595493B (zh) | 媒体内容的推送方法和装置、存储介质、电子装置 | |
CN109168047B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
CN109977296B (zh) | 一种信息推送方法、装置、设备及存储介质 | |
US20120284283A1 (en) | Information Processing Method, Apparatus, and Computer Program | |
CN113362109B (zh) | 媒介资源的推荐方法、装置、电子设备、存储介质 | |
CN112104505B (zh) | 应用推荐方法、装置、服务器和计算机可读存储介质 | |
US9430572B2 (en) | Method and system for user profiling via mapping third party interests to a universal interest space | |
CN111552835B (zh) | 文件推荐方法、装置及服务器 | |
Jie et al. | A unified search federation system based on online user feedback | |
CN111241381A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN114119106A (zh) | 信息推荐方法、装置、服务器及存储介质 | |
CN112182351A (zh) | 一种基于多特征融合的新闻推荐方法及装置 | |
CN114385916A (zh) | 推荐资源的确定方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |