CN114996507A - 视频推荐方法及装置 - Google Patents

视频推荐方法及装置 Download PDF

Info

Publication number
CN114996507A
CN114996507A CN202210656476.5A CN202210656476A CN114996507A CN 114996507 A CN114996507 A CN 114996507A CN 202210656476 A CN202210656476 A CN 202210656476A CN 114996507 A CN114996507 A CN 114996507A
Authority
CN
China
Prior art keywords
video
tag
label
information group
pair
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
CN202210656476.5A
Other languages
English (en)
Inventor
梅立军
林闯
潘春光
胡星
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.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information 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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202210656476.5A priority Critical patent/CN114996507A/zh
Publication of CN114996507A publication Critical patent/CN114996507A/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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • G06F16/738—Presentation of query results
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开关于一种视频推荐方法及装置。视频推荐方法包括：获取终端上当前账号当前观看的视频的目标标签；获取与目标标签相关的至少一个标签信息组，其中，每个标签信息组包括目标标签、关联标签以及目标标签和关联标签的关系，至少一个标签信息组是基于知识图谱和当前账号历史观看的视频预先生成的，知识图谱是包含标签、标签之间相互关系的图谱；获取至少一个标签信息组中每个关联标签对应的推荐视频；在终端的显示屏幕上显示推荐视频。根据本公开，解决了相关技术中标签的点击率低的问题。

Description

视频推荐方法及装置
技术领域
本公开涉及图像处理领域，尤其涉及一种视频推荐方法及装置。
背景技术
目前，用户或者系统对视频一般会标注上相应的标签，一个标签可以对应一组类似的视频。但是，在标注标签的时候，只能确定短视频显示哪些标签以及标签被显示的顺序，且标签都是以文本的形式显示在短视频上，由于文字表现力比较弱，故标签的表现力也较弱，很难引起用户的兴趣，导致标签的点击率较低。
发明内容
本公开提供一种视频推荐方法及装置，以至少解决相关技术中标签的点击率低的问题。
根据本公开实施例的第一方面，提供一种视频推荐方法，包括：获取终端上当前账号当前观看的视频的目标标签；获取与目标标签相关的至少一个标签信息组，其中，每个标签信息组包括目标标签、关联标签以及目标标签和关联标签的关系，至少一个标签信息组是基于知识图谱和当前账号历史观看的视频预先生成的，知识图谱是包含标签、标签之间相互关系的图谱；获取至少一个标签信息组中每个关联标签对应的推荐视频；在终端的显示屏幕上显示推荐视频。
可选地，至少一个标签信息组是从通过以下操作得到的标签信息组集合中获取的：针对当前账号历史观看的视频中每两个视频，其中，每两个视频包括第一视频和第二视频，第一视频历史观看时间早于第二视频，做如下处理：基于第一视频的至少一个第一标签和第二视频的至少一个第二标签得到至少一个标签对，其中，每个标签对包含一个第一标签和一个第二标签；针对每个标签对：获取标签对中第一标签和第二标签在知识图谱的最短路径；根据最短路径，得到标签对的至少一个标签信息组，其中，每个标签信息组包括标签对中第一标签和第二标签、标签对中第一标签和第二标签的关系，且各个标签信息组中的关系是不同；将每个标签对的各标签信息组合并，得到标签信息组集合。
可选地，每个标签信息组还包括各自在当前账号历史观看的视频中的权重系数，在终端的显示屏幕上推荐视频，包括：针对每个标签信息组，根据标签信息组的权重系数，确定当前标签组的关联标签对应的推荐视频的播放顺序和播放时长；根据每个关联标签对应的推荐视频的播放顺序和播放时长，在终端的显示屏幕上播放推荐视频。
可选地，权重系数通过如下方式确定：针对每个标签对：确定标签对在当前账号历史观看的视频的出现次数，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于出现次数，确定标签对在当前账号历史观看的视频中的第一权重系数，作为标签对所在的标签信息组的权重系数。
可选地，权重系数还通过如下方式确定：针对每个标签对，确定当前账号历史观看的视频中包含标签对的第一视频和第二视频，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于所有第二视频的实际观看时长的平均值，确定标签对在当前账号历史观看的视频中的第二权重系数，作为标签对所在的标签信息组的权重系数。
可选地，上述方法还包括：检测当前观看的视频的播放过程中的视频观看信息；在视频观看信息满足预定条件的情况下，触发获取终端上当前账号当前观看的视频的目标标签的步骤。
可选地，视频观看信息为当前账号对应的用户的视线的焦点位置，预定条件为焦点位置所在区域包括标签；其中，获取终端上当前账号当前观看的视频的目标标签，包括：将焦点位置所在区域包括的标签确定为目标标签。
可选地，在视频观看信息为终端上当前账号当前观看的视频的播放时间，预定条件为播放时间满足预设值，其中，获取终端上当前账号当前观看的视频的目标标签，包括：将当前观看的视频的标签按显示顺序依次作为目标标签。
根据本公开实施例的第二方面，提供一种视频推荐装置，包括：目标标签获取单元，被配置为获取终端上当前账号当前观看的视频的目标标签；标签信息组获取单元，被配置为获取与目标标签相关的至少一个标签信息组，其中，每个标签信息组包括目标标签、关联标签以及目标标签和关联标签的关系，至少一个标签信息组是基于知识图谱和当前账号历史观看的视频预先生成的，知识图谱是包含标签、标签之间相互关系的图谱；推荐视频获取单元，被配置为获取至少一个标签信息组中每个关联标签对应的推荐视频；显示单元，被配置为在终端的显示屏幕上显示推荐视频。
可选地，至少一个标签信息组是从通过以下操作得到的标签信息组集合中获取的：针对当前账号历史观看的视频中每两个视频，其中，每两个视频包括第一视频和第二视频，第一视频历史观看时间早于第二视频，做如下处理：基于第一视频的至少一个第一标签和第二视频的至少一个第二标签得到至少一个标签对，其中，每个标签对包含一个第一标签和一个第二标签；针对每个标签对：获取标签对中第一标签和第二标签在知识图谱的最短路径；根据最短路径，得到标签对的至少一个标签信息组，其中，每个标签信息组包括标签对中第一标签和第二标签、标签对中第一标签和第二标签的关系，且各个标签信息组中的关系是不同；将每个标签对的各标签信息组合并，得到标签信息组集合。
可选地，每个标签信息组还包括各自在当前账号历史观看的视频中的权重系数，显示单元，还被配置位针对每个标签信息组，根据标签信息组的权重系数，确定当前标签组的关联标签对应的推荐视频的播放顺序和播放时长；根据每个关联标签对应的推荐视频的播放顺序和播放时长，在终端的显示屏幕上播放推荐视频。
可选地，权重系数通过如下方式确定：针对每个标签对，确定标签对在当前账号历史观看的视频的出现次数，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于出现次数，确定标签对在当前账号历史观看的视频中的第一权重系数，作为标签对所在的标签信息组的权重系数。
可选地，权重系数还通过如下方式确定：针对每个标签对，确定当前账号历史观看的视频中包含标签对的第一视频和第二视频，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于所有第二视频的实际观看时长的平均值，确定标签对在当前账号历史观看的视频中的第二权重系数，作为标签对所在的标签信息组的权重系数。
可选地，上述装置还包括：检测单元，被配置为检测当前观看的视频的播放过程中的视频观看信息；触发单元，被配置为在视频观看信息满足预定条件的情况下，触发目标标签获取单元获取终端上当前账号当前观看的视频的目标标签。
可选地，视频观看信息为当前账号对应的用户的视线的焦点位置，预定条件为焦点位置所在区域包括标签，目标标签获取单元，还被配置为将焦点位置所在区域包括的标签确定为目标标签。
可选地，视频观看信息为终端上当前账号当前观看的视频的播放时间，预定条件为播放时间满足预设值，目标标签获取单元，还被配置为将当前观看的视频的标签按显示顺序依次作为目标标签。
根据本公开实施例的第三方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现根据本公开的视频推荐方法。
根据本公开实施例的第四方面，提供了一种计算机可读存储介质，当计算机可读存储介质中的指令被至少一个处理器运行时，促使至少一个处理器执行如上根据本公开的视频推荐方法。
根据本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机指令，计算机指令被处理器执行时实现根据本公开的视频推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
根据本公开的视频推荐方法及装置，基于知识图谱和当前账号历史观看的视频预先生成标签信息组，在当前观看的视频上有目标标签被触发时，可以根据目标标签相关的标签信息组，确定推荐视频，即每个关联标签对应的推荐视频，并在终端上显示。本公开不仅将标签以文本的形式显示在当前观看的视频上，还会一同将标签相关的视频在终端上显示，由于视频的表现力要比文本大，故本公开极大增强了标签所对应内容的有效表现力，有助于增加用户对标签的点击率，留住用户继续观看相关的短视频，进而增加用户使用当前应用程序的时长。因此，本公开解决了相关技术中标签的点击率低的问题。
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是示出根据本公开的示例性实施例的视频推荐方法的实施场景示意图；
图2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3是根据一示例性实施例示出的一种视频推荐流程的示意图；
图4是根据一示例性实施例示出的一种知识图谱局部示意图；
图5是根据一示例性实施例示出的一种知识卡片的示意图；
图6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7是根据本公开实施例的一种电子设备700的框图。
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。
在此需要说明的是，在本公开中出现的“若干项之中的至少一项”均表示包含“该若干项中的任意一项”、“该若干项中的任意多项的组合”、“该若干项的全体”这三类并列的情况。例如“包括A和B之中的至少一个”即包括如下三种并列的情况：(1)包括A；(2)包括B；(3)包括A和B。又例如“执行步骤一和步骤二之中的至少一个”，即表示如下三种并列的情况：(1)执行步骤一；(2)执行步骤二；(3)执行步骤一和步骤二。
目前，用户或者系统常常采用井号(Hashtag)为视频标注相应的标签，例如，播放的短视频的主题中“#电视剧名称”，“#人物”即短视频所对应的标签，其中“电视剧名称”是剧名，“人物”可以是主演。但是，只能确定短视频显示哪些标签以及标签被显示的顺序，标签都是以文本的形式显示在短视频上，由于文字表现力比较弱，故标签的表现力也较弱，很难引起用户的兴趣，导致标签的点击率较低，从而无法留住用户继续观看相关的短视频，也就无法增加用户使用当前应用程序的时长。
针对上述问题，本公开提供了一种视频推荐方法，能够增加用户使用当前应用程序的时长，下面以观看电视剧1相关短视频的场景为例进行说明。
图1是示出根据本公开的示例性实施例的视频推荐方法的实施场景示意图，如图1所述，该实施场景包括服务器100、用户终端110和用户终端120，其中，用户终端不限于2个，包括并不限于手机、个人计算机等设备，用户终端可以安装观看短视频的应用程序，服务器可以是一个服务器，也可以是若干个服务器组成服务器集群，还可以是云计算平台或虚拟化中心。
首先设定检测到短视频播放至倒数3秒时，可以触发执行本公开的视频推荐方法，其假设短视频中只有一个标签。用户终端110或用户终端120上当前账号正在观看电视剧1有关的短视频1，检测到短视频1播放至倒数3秒时，获取短视频1上的标签作为目标标签，并将其发送给服务器100，服务器100获取目标标签后，获取与目标标签相关的至少一个标签信息组，其中，每个标签信息组包括目标标签、关联标签以及目标标签和关联标签的关系，至少一个标签信息组是基于知识图谱和当前账号历史观看的视频预先生成的，再获取至少一个标签信息组中每个关联标签对应的推荐视频，将推荐视频发送给用户终端110或用户终端120，在用户终端110或用户终端120的显示屏幕上显示推荐视频，此时需要说明的是，当前观看的视频还可以循环播放，推荐视频可以显示在终端的指定区域，如显示屏下方，不影响当前视频的显示。
下面，将参照附图详细描述根据本公开的示例性实施例的视频推荐方法及装置。
图2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，如图2所示，视频推荐方法包括以下步骤：
在步骤S201中，获取终端上当前账号当前观看的视频的目标标签。在获取目标标签前，可以增加触发操作，即只有满足触发条件时，才获取目标标签，以便基于目标标签获取推荐视频并显示，而如果没有满足触发条件时，可以仅仅显示文本的标签即可，以避免引起用户反感。
根据本公开的示例性实施例，可以检测当前观看的视频的播放过程中的视频观看信息；在视频观看信息满足预定条件的情况下，触发获取终端上当前账号当前观看的视频的目标标签的步骤，也即触发上述步骤S201。上述视频观看信息和对应的预定条件，可以根据需要设定。例如，视频观看信息可以为当前账号对应的用户的视线的焦点位置，对应的预定条件可以为焦点位置所在区域包括标签，又例如，在视频观看信息可以为终端上当前账号当前观看的视频的播放时间，对应的预定条件可以为播放时间满足预设值。需要说明的是，除了上述视频观看信息和对应的预定条件所组成的触发方式，也可以用其形式来替代，如结合强化学习的方法或者基于结合用户偏好的触发方式，只要能够满足在吸引用户关注度的同时，避免引起用户反感即可。根据本实施例，在获取目标标签前，可以增加触发操作，即只有满足触发条件时，才获取目标标签，以便基于目标标签获取推荐视频并显示，而如果没有满足触发条件时，可以仅仅显示文本的标签即可，从而通过本实施例可以在吸引用户关注度的同时，避免引起用户反感。
根据本公开的示例性实施例，视频观看信息为当前账号对应的用户的视线的焦点位置，预定条件为焦点位置所在区域包括标签，其中，获取终端上当前账号当前观看的视频的目标标签，包括：将焦点位置所在区域包括的标签确定为目标标签。根据本实施例，通过用户的视线的焦点位置可以实时的跟踪用户，方便及时准确的展示推荐视频。
具体地，可以通过终端的前置摄像头监控用户的眼球，通过眼球与移动设备的相对位置，重构出用户的视线的焦点位置，如可以根据用户的眼球和终端的距离、角度来重构出用户的视线的焦点位置；当用户的视线的焦点位置位于某hashtag区域(也即焦点位置所在区域包括标签)时，触发本公开的视频推荐方法，也即该hashtag对应的推荐视频自动展示；然后，将焦点位置所在区域包括的标签确定为目标标签，继续执行本公开的视频推荐方法，最终终端的显示屏幕上显示推荐视频，加入在确定了目标标签后，没有获取与目标标签相关的标签信息组，说明该目标标签不在知识图谱中，可以更新知识图谱并重新获取标签信息组集合。
根据本公开的示例性实施例，视频观看信息为终端上当前账号当前观看的视频的播放时间，预定条件为播放时间满足预设值；其中，获取终端上当前账号当前观看的视频的目标标签，包括：将当前观看的视频的标签按显示顺序依次作为目标标签。根据本实施例，通过播放时间触发本公开，可以保证当前观看视频的标签的推荐视频被显示，避免一段视频播放完，其标签的推荐视频没有被显示，且根据显示顺序依次作为目标标签，可以保证所有标签的推荐视频都可以被显示。
具体地，通过监控当前观看的视频的播放时间，当播放时间接近结束时，例如95％播放进度或者还剩2秒时，触发本公开的视频推荐方法，即当前观看的视频上的hashtag对应的推荐视频自动展示，如果多个hashtag，可以按照hashtag显示顺序，依次将hashtag作为目标标签，依次展示目标标签的推荐视频。
返回图2，在步骤S202中，获取与目标标签相关的至少一个标签信息组，其中，每个标签信息组包括目标标签、关联标签以及目标标签和关联标签的关系，至少一个标签信息组是基于知识图谱和当前账号历史观看的视频预先生成的，知识图谱是包含标签、标签之间相互关系的图谱。例如，上述标签信息组可以是三元组，三元组是知识图谱通过对错综复杂的文档的数据进行有效的加工、处理、整合，转化为简单、清晰的<实体，关系，实体>的三元组，通过三元组可以聚合大量知识，从而实现知识的快速响应和推理。需要说明的是，上述标签信息组也可以是其他形式，本公开对此并不进行限定。而知识图谱是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系，本公开的知识图谱可以是基于标签、标签之间相互关系构建的图谱。
根据本公开的示例性实施例，至少一个标签信息组是从通过以下操作得到的标签信息组集合中获取的：针对当前账号历史观看的视频中每两个视频，其中，每两个视频包括第一视频和第二视频，第一视频历史观看时间早于第二视频，做如下处理：基于第一视频的至少一个第一标签和第二视频的至少一个第二标签得到至少一个标签对，其中，每个标签对包含一个第一标签和一个第二标签；针对每个标签对：获取标签对中第一标签和第二标签在知识图谱的最短路径；根据最短路径，得到标签对的至少一个标签信息组，其中，每个标签信息组包括标签对中第一标签和第二标签、标签对中第一标签和第二标签的关系，且各个标签信息组中的关系是不同；将每个标签对的各标签信息组合并，得到标签信息组集合。根据本实施例，预先获取标签信息组集合，以方便后续从中直接获取包含目标标签的标签信息组，减少操作时间，且通过本实施例可以快速准确的获取标签信息组集合。
具体地，以影视领域的视频推荐、标签信息组为三元组为例，图3是根据一示例性实施例示出的一种视频推荐流程的示意图，如图3所示，获取当前账号历史观看的视频，从中提取影视领域相关的关键词(也即图中的IP视频信息)，作为标签IP。针对历史观看的视频中任一前后两个视频<Vi，Vj>均进行如下处理：获取两个视频的标签组成的标签对，其中，每个标签对包括一个Vi的标签(后续称标签IPi)，一个Vj的标签(后续称为标签IPj)，而对于每一个标签对均进行如下操作：在知识图谱中定位标签IPi和标签IPj的节点Ni和Nj，获取两个节点在知识图谱中的最短路径，作为标签IPi和标签IPj的最短路径，根据最短路径可以生成三元组(即上述标签信息组)<标签IPi，标签IPi和标签IPj的关系，标签IPj>。这里需要说明的是，由于关系可以是多种的，所以根据最短路径可以生成多个关于标签IPi和标签IPj的三元组(图中的三元组集合)，也即上述实施例中标签对的至少一个标签信息组。将每个标签对的至少一个三元组进行合并，即可以得到所有标签对的三元组。后续可以从所有标签对的三元组中选择包含目标标签的至少一个三元组，用于获取推荐视频。需要说明的是，三元组还可以包括权重系数，但是权重系数并不是必须的，具体地在后面详细表述，此处不再展开论述，另外，线上运行阶段也在后面详细表述，此处也不再展开论述。
针对最短路径生成三元组，可以如下：以一组视频对<Vi，Vj>的标签对<电视剧1，演员1>为例进行说明，知识图谱中关于电视剧1局部结构如图4所示，图4是根据一示例性实施例示出的一种知识图谱局部示意图，根据图4可以确定，标签对最短路径为电视剧1→演员1，对应三元组可以为：<电视剧1，主演，演员1>。
返回图2，在步骤S203中，获取至少一个标签信息组中每个关联标签对应的推荐视频。在本步骤，如图3所示，可以先获取目标标签对应的知识卡片(假设目标标签是演员1，则知识卡片可以如图5所示，图5是根据一示例性实施例示出的一种知识卡片的示意图)，根据知识卡片获取相关人物/作品/合集，进而可以得到一批视频合集，从该视频合集中筛选包含关联标签的视频，如果每个关联标签筛选出多个视频，可以将点赞最高的视频作为关联标签对应的推荐视频，也可以将转发次数最多的视频作为关联标签对应的推荐视频，对此本公开并不限定。当然也可以将每个关联视频对应的多个视频均作为推荐视频。
在步骤S204中，在终端的显示屏幕上显示推荐视频。例如，在本步骤可以将每个关联标签对应的推荐视频显示在显示屏幕下面某个区域，不影响当前观看的视频的播放，在推荐视频中有感兴趣的视频时，用户可以点击感兴趣的视频，从而增加了观看目标标签的相关视频的可能性。
根据本公开的示例性实施例，每个标签信息组还包括各自在当前账号历史观看的视频中的权重系数，在终端的显示屏幕上推荐视频，包括：针对每个标签信息组：根据标签信息组的权重系数，确定当前标签组的关联标签对应的推荐视频的播放顺序和播放时长；根据每个关联标签对应的推荐视频的播放顺序和播放时长，在终端的显示屏幕上播放推荐视频。根据本实施例，标签信息组增加其在当前账号历史观看的视频中的权重系数，从而可以按权重系数控制推荐视频的播放顺序和播放时长，以便最大限度推荐最匹配的视频。
具体地，如图3所示，在生成三元组集合后，可以进一步生成带权值的三元组，从而在线上运行阶段，可以根据权值将与目标标签相关的三元组进行排序，然后按排序在终端上显示相应的关联标签对应的推荐视频。另外，还可以权重系数，确定相应关联标签对应的推荐视频的播放时长，如，假设第一个关联标签对应的权重系数是50，第二关联标签对应的权重系数是20，此时可以按比例设定每个关联标签对应的推荐视频的播放视频，即第一个关联标签对应的推荐视频可以播放5秒，第二个关联标签对应的推荐视频可以播放2秒。因此，整个显示过程可以是先播放第一关联标签对应的推荐视频5秒，再播放第二个关联标签对应的推荐视频2秒。假设只有两个关联标签，此时可以循环播放这两个标签，直到用户点击其中一个推荐视频，或者，用户划到另一个视频。
根据本公开的示例性实施例，权重系数通过如下方式确定：针对每个标签对：确定标签对在当前账号历史观看的视频的出现次数，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于出现次数，确定标签对在当前账号历史观看的视频中的第一权重系数，作为标签对所在的标签信息组的权重系数。根据本实施例，基于标签对在前后两个视频中出现的次数来确定权重系数，可以方便、准确的确定各个标签信息组的权重系数，以便后面可以显示优先显示更适配的推荐视频。
具体地，仍以一组视频对<Vi，Vj>的标签对<电视剧1，演员1>为例进行说明，假设所有历史观看的视频序列中标签对<电视剧1，演员1>出现50次，则根据图4生成的三元组<电视剧1，主演，演员1>，其对应的带权值三元组为<电视剧1，主演，演员1，50>，这里需要说明，出现1次是按如下方式确定，即电视剧1出现在历史观看视频中的第一视频中，演员1出现在历史观看视频中的第二视频中且第一视频的历史观看时间早于第二视频。同理，假设根据图4还生成了三元组<电视剧1，主演，演员2>，假设标签对<电视剧1，演员2>出现在所有历史观看视频中20次，则其对应的带权值三元组为：<电视剧1，主演，演员2，20>。
根据本公开的示例性实施例，权重系数还通过如下方式确定：针对每个标签对：确定当前账号历史观看的视频中包含标签对的第一视频和第二视频，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于所有第二视频的实际观看时长的平均值，确定标签对在当前账号历史观看的视频中的第二权重系数，作为标签对所在的标签信息组的权重系数。根据本实施例，基于第二视频的播放时长确定权重系数，同样可以方便、准确的确定各个标签信息组的权重系数，以便后面可以显示优先显示更适配的推荐视频。
具体地，仍以一组视频对<Vi，Vj>的标签对<电视剧1，演员1>为例进行说明，假设所有历史观看的视频序列中标签对<电视剧1，演员1>出现50次，这里需要说明，出现1次是按如下方式确定，即电视剧1出现在历史观看视频中的第一视频中，演员1出现在历史观看视频中的第二视频中且第一视频的历史观看时间早于第二视频。此时统计所有第二视频的播放时长，并求取其平均值为6秒，则根据图4生成的三元组<电视剧1，主演，演员1>，其对应的带权值三元组为<电视剧1，主演，演员1，6>，同理，假设根据图4还生成了三元组<电视剧1，主演，演员2>，假设标签对<电视剧1，演员2>出现在所有历史观看视频中20次，所有第二视频的播放时间的平均值为4,秒，则其对应的带权值三元组为：<电视剧1，主演，演员2，4>。
综上，本公开不再像相关技术侧重于对hashtag之间的排序，忽略了对hashtag自身内容的深度探索及有效展示，本公开对纯文本的hashtag结合知识图谱进行多模态扩展，不再仅仅显示纯文本的hashtag，还一并显示该hashtag相关的推荐视频，从而增加hashtag对用户的吸引力，增加对hashtag的点击率。
图6是根据一示例性实施例示出的一种视频推荐装置的框图。参照图6，该装置包括：
目标标签获取单元60，被配置为获取终端上当前账号当前观看的视频的目标标签；标签信息组获取单元62，被配置为获取与目标标签相关的至少一个标签信息组，其中，每个标签信息组包括目标标签、关联标签以及目标标签和关联标签的关系，至少一个标签信息组是基于知识图谱和当前账号历史观看的视频预先生成的，知识图谱是包含标签、标签之间相互关系的图谱；推荐视频获取单元64，被配置为获取至少一个标签信息组中每个关联标签对应的推荐视频；显示单元66，被配置为在终端的显示屏幕上显示推荐视频。
根据本公开的示例性实施例，至少一个标签信息组是从通过以下操作得到的标签信息组集合中获取的：针对当前账号历史观看的视频中每两个视频，其中，每两个视频包括第一视频和第二视频，第一视频历史观看时间早于第二视频，做如下处理：基于第一视频的至少一个第一标签和第二视频的至少一个第二标签得到至少一个标签对，其中，每个标签对包含一个第一标签和一个第二标签；针对每个标签对：获取标签对中第一标签和第二标签在知识图谱的最短路径；根据最短路径，得到标签对的至少一个标签信息组，其中，每个标签信息组包括标签对中第一标签和第二标签、标签对中第一标签和第二标签的关系，且各个标签信息组中的关系是不同；将每个标签对的各标签信息组合并，得到标签信息组集合。
根据本公开的示例性实施例，每个标签信息组还包括各自在当前账号历史观看的视频中的权重系数，显示单元66，还被配置位针对每个标签信息组，根据标签信息组的权重系数，确定当前标签组的关联标签对应的推荐视频的播放顺序和播放时长；根据每个关联标签对应的推荐视频的播放顺序和播放时长，在终端的显示屏幕上播放推荐视频。
根据本公开的示例性实施例，权重系数通过如下方式确定：针对每个标签对，确定标签对在当前账号历史观看的视频的出现次数，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于出现次数，确定标签对在当前账号历史观看的视频中的第一权重系数，作为标签对所在的标签信息组的权重系数。
根据本公开的示例性实施例，权重系数还通过如下方式确定：针对每个标签对：确定当前账号历史观看的视频中包含标签对的第一视频和第二视频，其中，标签对中第一标签出现在第一视频，且，标签对中第二标签出现在第二视频；基于所有第二视频的实际观看时长的平均值，确定标签对在当前账号历史观看的视频中的第二权重系数，作为标签对所在的标签信息组的权重系数。
根据本公开的示例性实施例，上述装置还包括：检测单元68，被配置为检测当前观看的视频的播放过程中的视频观看信息；触发单元610，被配置为在视频观看信息满足预定条件的情况下，触发目标标签获取单元获取终端上当前账号当前观看的视频的目标标签。
根据本公开的示例性实施例，视频观看信息为当前账号对应的用户的视线的焦点位置，预定条件为焦点位置所在区域包括标签，目标标签获取单元60，还被配置为将焦点位置所在区域包括的标签确定为目标标签。
根据本公开的示例性实施例，视频观看信息为终端上当前账号当前观看的视频的播放时间，预定条件为播放时间满足预设值，目标标签获取单元60，还被配置为将当前观看的视频的标签按显示顺序依次作为目标标签。
根据本公开的实施例，可提供一种电子设备。图7是根据本公开实施例的一种电子设备700的框图，该电子设备包括至少一个存储器701和至少一个处理器702，所述至少一个存储器中存储有计算机可执行指令集合，当计算机可执行指令集合被至少一个处理器执行时，执行根据本公开实施例的视频推荐方法。
作为示例，电子设备700可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里，电子设备1000并非必须是单个的电子设备，还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。电子设备700还可以是集成控制系统或系统管理器的一部分，或者可被配置为与本地或远程(例如，经由无线传输)以接口互联的便携式电子设备。
在电子设备700中，处理器702可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制，处理器702还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
处理器702可运行存储在存储器中的指令或代码，其中，存储器701还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收，其中，网络接口装置可采用任何已知的传输协议。
存储器701可与处理器702集成为一体，例如，将RAM或闪存布置在集成电路微处理器等之内。此外，存储器701可包括独立的装置，诸如，外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器701和处理器702可在操作上进行耦合，或者可例如通过I/O端口、网络连接等互相通信，使得处理器702能够读取存储在存储器701中的文件。
此外，电子设备700还可包括视频显示器(诸如，液晶显示器)和用户交互接口(诸如，键盘、鼠标、触摸输入装置等)。电子设备的所有组件可经由总线和/或网络而彼此连接。
根据本公开的实施例，还可提供一种计算机可读存储介质，其中，当计算机可读存储介质中的指令被至少一个处理器运行时，促使至少一个处理器执行本公开实施例的视频推荐方法。这里的计算机可读存储介质的示例包括：只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如，多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置，所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。上述计算机可读存储介质中的计算机程序可在诸如客户端、主机、代理装置、服务器等计算机设备中部署的环境中运行，此外，在一个示例中，计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上，使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
根据本公开实施例，提供了一种计算机程序产品，包括计算机指令，计算机指令被处理器执行时实现本公开实施例的视频推荐方法。
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。本公开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 (10)

1.一种视频推荐方法，其特征在于，包括：
获取终端上当前账号当前观看的视频的目标标签；
获取与所述目标标签相关的至少一个标签信息组，其中，每个所述标签信息组包括所述目标标签、关联标签以及所述目标标签和所述关联标签的关系，所述至少一个标签信息组是基于知识图谱和所述当前账号历史观看的视频预先生成的，所述知识图谱是包含标签、标签之间相互关系的图谱；
获取所述至少一个标签信息组中每个关联标签对应的推荐视频；
在所述终端的显示屏幕上显示所述推荐视频。
2.如权利要求1所述的视频推荐方法，其特征在于，所述至少一个标签信息组是从通过以下操作得到的标签信息组集合中获取的：针对所述当前账号历史观看的视频中每两个视频，其中，每两个视频包括第一视频和第二视频，所述第一视频历史观看时间早于所述第二视频，做如下处理：
基于所述第一视频的至少一个第一标签和所述第二视频的至少一个第二标签得到至少一个标签对，其中，每个标签对包含一个第一标签和一个第二标签；
针对每个标签对：获取所述标签对中第一标签和第二标签在知识图谱的最短路径；根据所述最短路径，得到所述标签对的至少一个标签信息组，其中，每个标签信息组包括所述标签对中第一标签和第二标签、所述标签对中第一标签和第二标签的关系，且各个标签信息组中的关系是不同；
将每个标签对的各标签信息组合并，得到所述标签信息组集合。
3.如权利要求2所述的视频推荐方法，其特征在于，每个标签信息组还包括各自在所述当前账号历史观看的视频中的权重系数，
所述在所述终端的显示屏幕上所述推荐视频，包括：
针对每个标签信息组，根据所述标签信息组的权重系数，确定所述当前标签组的关联标签对应的推荐视频的播放顺序和播放时长；
根据每个关联标签对应的推荐视频的播放顺序和播放时长，在所述终端的显示屏幕上播放所述推荐视频。
4.如权利要求3所述的视频推荐方法，其特征在于，所述权重系数通过如下方式确定：
针对每个标签对，确定所述标签对在所述当前账号历史观看的视频的出现次数，其中，所述标签对中第一标签出现在所述第一视频，且，所述标签对中第二标签出现在所述第二视频；
基于所述出现次数，确定所述标签对在所述当前账号历史观看的视频中的第一权重系数，作为所述标签对所在的标签信息组的权重系数。
5.如权利要求3所述的视频推荐方法，其特征在于，所述权重系数还通过如下方式确定：
针对每个标签对，确定所述当前账号历史观看的视频中包含所述标签对的所述第一视频和所述第二视频，其中，所述标签对中第一标签出现在所述第一视频，且，所述标签对中第二标签出现在所述第二视频；
基于所有第二视频的实际观看时长的平均值，确定所述标签对在所述当前账号历史观看的视频中的第二权重系数，作为所述标签对所在的标签信息组的权重系数。
6.如权利要求1所述的视频推荐方法，其特征在于，还包括：
检测所述当前观看的视频的播放过程中的视频观看信息；
在所述视频观看信息满足预定条件的情况下，触发所述获取终端上当前账号当前观看的视频的目标标签的步骤。
7.一种视频推荐装置，其特征在于，包括：
目标标签获取单元，被配置为获取终端上当前账号当前观看的视频的目标标签；
标签信息组获取单元，被配置为获取与所述目标标签相关的至少一个标签信息组，其中，每个标签信息组包括所述目标标签、关联标签以及所述目标标签和所述关联标签的关系，所述至少一个标签信息组是基于知识图谱和所述当前账号历史观看的视频预先生成的，所述知识图谱是包含标签、标签之间相互关系的图谱；
推荐视频获取单元，被配置为获取所述至少一个标签信息组中每个关联标签对应的推荐视频；
显示单元，被配置为在所述终端的显示屏幕上显示所述推荐视频。
8.一种电子设备，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6中任一项所述的视频推荐方法。
9.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行如权利要求1至6中任一项所述的视频推荐方法。
10.一种计算机程序产品，包括计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1至6中任一项所述的视频推荐方法。
CN202210656476.5A 2022-06-10 2022-06-10 视频推荐方法及装置 Pending CN114996507A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210656476.5A CN114996507A (zh) 2022-06-10 2022-06-10 视频推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210656476.5A CN114996507A (zh) 2022-06-10 2022-06-10 视频推荐方法及装置

Publications (1)

Publication Number Publication Date
CN114996507A true CN114996507A (zh) 2022-09-02

Family

ID=83032416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210656476.5A Pending CN114996507A (zh) 2022-06-10 2022-06-10 视频推荐方法及装置

Country Status (1)

Country Link
CN (1) CN114996507A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116010650A (zh) * 2023-03-20 2023-04-25 南京邮电大学 一种基于负反馈的用户反感标签确定方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104486680A (zh) * 2014-12-19 2015-04-01 珠海全志科技股份有限公司 基于视频的广告推送方法及系统
CN107346323A (zh) * 2016-05-06 2017-11-14 华为软件技术有限公司 一种标签推荐的方法及标签推荐装置
CN107688606A (zh) * 2017-07-26 2018-02-13 北京三快在线科技有限公司 一种推荐信息的获取方法及装置，电子设备
US20180232443A1 (en) * 2017-02-16 2018-08-16 Globality, Inc. Intelligent matching system with ontology-aided relation extraction
CN109033101A (zh) * 2017-06-08 2018-12-18 华为软件技术有限公司 标签推荐方法及装置
CN109658208A (zh) * 2019-01-15 2019-04-19 京东方科技集团股份有限公司 药品的推荐方法、装置、介质和电子设备
CN110309321A (zh) * 2019-07-10 2019-10-08 电子科技大学 一种基于图谱表示学习的知识表示学习方法
CN111327940A (zh) * 2020-03-23 2020-06-23 广州虎牙科技有限公司 一种视频播放方法、装置及系统
CN111680219A (zh) * 2020-06-09 2020-09-18 腾讯科技（深圳）有限公司 内容推荐方法、装置、设备及可读存储介质
CN111737400A (zh) * 2020-06-15 2020-10-02 上海理想信息产业（集团）有限公司 一种基于知识推理的大数据业务标签的扩展方法及系统
CN112232925A (zh) * 2020-11-02 2021-01-15 哈尔滨工程大学 一种融合知识图谱对商品进行个性化推荐的方法
CN112307337A (zh) * 2020-10-30 2021-02-02 中国平安人寿保险股份有限公司 基于标签知识图谱的关联推荐方法、装置及计算机设备
CN112818000A (zh) * 2021-01-06 2021-05-18 佰聆数据股份有限公司 基于多标签主体的标签库管理与应用方法、系统及计算机设备
CN113010778A (zh) * 2021-03-10 2021-06-22 北京明略软件系统有限公司 一种基于用户历史兴趣的知识图谱推荐方法和系统
CN114510574A (zh) * 2020-11-16 2022-05-17 上海哔哩哔哩科技有限公司 知识图谱处理方法及装置
CN114528443A (zh) * 2022-02-23 2022-05-24 平安国际智慧城市科技股份有限公司 基于知识图谱的信息挖掘方法及其相关设备

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104486680A (zh) * 2014-12-19 2015-04-01 珠海全志科技股份有限公司 基于视频的广告推送方法及系统
CN107346323A (zh) * 2016-05-06 2017-11-14 华为软件技术有限公司 一种标签推荐的方法及标签推荐装置
US20180232443A1 (en) * 2017-02-16 2018-08-16 Globality, Inc. Intelligent matching system with ontology-aided relation extraction
CN109033101A (zh) * 2017-06-08 2018-12-18 华为软件技术有限公司 标签推荐方法及装置
CN107688606A (zh) * 2017-07-26 2018-02-13 北京三快在线科技有限公司 一种推荐信息的获取方法及装置，电子设备
CN109658208A (zh) * 2019-01-15 2019-04-19 京东方科技集团股份有限公司 药品的推荐方法、装置、介质和电子设备
CN110309321A (zh) * 2019-07-10 2019-10-08 电子科技大学 一种基于图谱表示学习的知识表示学习方法
CN111327940A (zh) * 2020-03-23 2020-06-23 广州虎牙科技有限公司 一种视频播放方法、装置及系统
CN111680219A (zh) * 2020-06-09 2020-09-18 腾讯科技（深圳）有限公司 内容推荐方法、装置、设备及可读存储介质
CN111737400A (zh) * 2020-06-15 2020-10-02 上海理想信息产业（集团）有限公司 一种基于知识推理的大数据业务标签的扩展方法及系统
CN112307337A (zh) * 2020-10-30 2021-02-02 中国平安人寿保险股份有限公司 基于标签知识图谱的关联推荐方法、装置及计算机设备
CN112232925A (zh) * 2020-11-02 2021-01-15 哈尔滨工程大学 一种融合知识图谱对商品进行个性化推荐的方法
CN114510574A (zh) * 2020-11-16 2022-05-17 上海哔哩哔哩科技有限公司 知识图谱处理方法及装置
CN112818000A (zh) * 2021-01-06 2021-05-18 佰聆数据股份有限公司 基于多标签主体的标签库管理与应用方法、系统及计算机设备
CN113010778A (zh) * 2021-03-10 2021-06-22 北京明略软件系统有限公司 一种基于用户历史兴趣的知识图谱推荐方法和系统
CN114528443A (zh) * 2022-02-23 2022-05-24 平安国际智慧城市科技股份有限公司 基于知识图谱的信息挖掘方法及其相关设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
-GONGWEN XU: ""Personalized Course Recommendation System Fusing with Knowledge Graph and Collaborative Filtering"", 《COMPUTATIONAL INTELLIGENCE AND NEUROSCIENCE》, vol. 2021, 25 September 2021 (2021-09-25), pages 1 - 8 *
HAILAN PAN: ""Intelligent recommendation method integrating knowledge and Bayesian network"", 《SOFT COMPUTING》, vol. 27, 25 March 2021 (2021-03-25), pages 483 - 492 *
享受旅行中的VIP快乐: ""知识图谱和推荐系统-知识图谱的优势和融合方法"", Retrieved from the Internet <URL:"https://blog.csdn.net/weixin_45773603/article/details/106430548"> *
吴玺煜 等: ""基于知识图谱表示学习的协同过滤推荐算法"", 《计算机工程》, vol. 44, no. 02, 21 April 2017 (2017-04-21), pages 226 - 232 *
李浩 等: ""融合循环知识图谱和协同过滤电影推荐算法"", 《计算机工程与应用》, vol. 56, no. 02, 12 October 2019 (2019-10-12), pages 106 - 114 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116010650A (zh) * 2023-03-20 2023-04-25 南京邮电大学 一种基于负反馈的用户反感标签确定方法
CN116010650B (zh) * 2023-03-20 2023-09-15 南京邮电大学 一种基于负反馈的用户反感标签确定方法

Similar Documents

Publication Publication Date Title
CN111143610B (zh) 一种内容推荐方法、装置、电子设备和存储介质
US10708324B1 (en) Selectively providing content on a social networking system
CA2766132C (en) Gathering information about connections in a social networking service
US20200159800A1 (en) Visualization and augmentation of human knowledge construction during material consumption
RU2725659C2 (ru) Способ и система для оценивания данных о взаимодействиях пользователь-элемент
US11397764B2 (en) Machine learning for digital image selection across object variations
US9710563B2 (en) Search engine analytics and optimization for media content in social networks
US20140317184A1 (en) Pre-Fetching Newsfeed Stories from a Social Networking System for Presentation to a User
CN113779381B (zh) 资源推荐方法、装置、电子设备和存储介质
CN110851712B (zh) 书籍信息的推荐方法、设备以及计算机可读介质
US10798425B1 (en) Personalized key object identification in a live video stream
US20150287069A1 (en) Personal digital engine for user empowerment and method to operate the same
CN113535991B (zh) 一种多媒体资源推荐方法、装置、电子设备及存储介质
CN113613055A (zh) 信息显示方法和装置、电子设备和存储介质
US11093119B2 (en) User interface engagement heatmaps
CN114996507A (zh) 视频推荐方法及装置
CN116634008A (zh) 信息推送方法、装置、计算机设备和存储介质
CN107341172B (zh) 视频收益计算建模装置与方法及视频推荐装置与方法
JP6700146B2 (ja) 評価値に基づいて推奨するコンテンツを決定するシステム
JP6604608B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
CN114730340A (zh) 在用户界面数据收集中保护用户隐私
CN113806567B (zh) 搜索词的推荐方法及装置
CN114143612B (zh) 视频展示方法、装置、电子设备、存储介质及程序产品
US11119572B2 (en) Selective display of objects based on eye gaze attributes
CN114554253B (zh) 一种资源推荐方法、装置、电子设备和存储介质

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