CN115129929A - 视频推送方法、装置、服务器及存储介质 - Google Patents

Abstract

本公开关于一种视频推送方法、装置、服务器及存储介质，该方法包括：获取账户对应的历史互动视频，确定历史互动视频对应的视频类别和视频信息；获取与视频类别匹配的视频以及与视频信息匹配的视频，得到候选视频集合；获取候选视频集合中各个视频的第一特征、第二特征和第三特征；第一特征用于表征视频与视频类别之间的特征距离的最小值，第二特征用于表征视频与视频信息之间的特征距离的最小值，第三特征用于表征视频与账户当前输入的视频搜索信息之间的相关度；根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度；按照推荐度从候选视频集合中筛选出目标视频并推送至账户。采用本方法，提高了推送的视频的准确度。

Description

视频推送方法、装置、服务器及存储介质

技术领域

本公开涉及视频推送技术领域，尤其涉及一种视频推送方法、装置、服务器、存储介质及计算机程序产品。

背景技术

随着视频技术的发展，各式各样的视频层出不穷，在用户通过应用程序浏览视频的过程中，一些视频会基于用户请求推送至相应的用户。

相关技术中，目前的视频推送方法，一般是根据用户输入的搜索词，在海量视频中找出与该搜索词相关的视频，然后将这些视频推送给该用户；但是，用户想要的视频受多方面因素影响，仅仅考虑用户输入的搜索词，会导致推送的视频的准确度较低。

发明内容

本公开提供一种视频推送方法、装置、服务器、存储介质及计算机程序产品，以至少解决相关技术中推送的视频的准确度较低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种视频推送方法，包括：

获取账户对应的历史互动视频，确定所述历史互动视频对应的视频类别和视频信息；所述历史互动视频为所述账户在视频推荐页面上有互动的视频；

获取与所述视频类别匹配的视频以及与所述视频信息匹配的视频，得到候选视频集合；

获取所述候选视频集合中各个视频的第一特征、第二特征和第三特征；所述第一特征用于表征所述各个视频与各个所述视频类别之间的特征距离的最小值，所述第二特征用于表征所述各个视频与各个所述视频信息之间的特征距离的最小值，所述第三特征用于表征所述各个视频与所述账户当前输入的视频搜索信息之间的相关度；

根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度；

按照所述推荐度，从所述候选视频集合中筛选出至少一个目标视频并推送至所述账户。

在一示例性实施例中，所述确定所述历史互动视频对应的视频类别，包括：

获取预先分类出的多个视频集合；所述多个视频集合基于所述账户对应的历史推荐视频分类得到；

从所述多个视频集合中，确定出各个历史互动视频对应的目标视频集合；

分别将各个历史互动视频对应的目标视频集合的视频类别，对应作为各个历史互动视频对应的视频类别。

在一示例性实施例中，所述从所述多个视频集合中，确定出各个历史互动视频对应的目标视频集合，包括：

获取各个历史互动视频的第一特征向量，以及各个视频集合的集合中心的第二特征向量；

根据所述第一特征向量和所述第二特征向量，得到每个历史互动视频与各个视频集合的集合中心之间的特征距离；

针对每个历史互动视频，将所述特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合。

在一示例性实施例中，所述获取与所述视频类别匹配的视频以及与所述视频信息匹配的视频，得到候选视频集合，包括：

获取与所述账户对应的待推荐视频；

从所述待推荐视频中分别筛选出与所述视频类别匹配的视频，以及与所述视频信息匹配的视频，得到初始视频集合；

若所述初始视频集合中包含所述历史互动视频，则将所述初始视频集合中的所述历史互动视频进行删除，得到所述候选视频集合。

在一示例性实施例中，所述视频信息包括视频作者信息，所述第二特征用于表征所述各个视频与各个所述视频作者信息之间的特征距离的最小值；

所述按照所述推荐度，从所述候选视频集合中筛选出至少一个目标视频并推送至所述账户，包括：

从所述候选视频集合中包括的各个视频中，筛选出所述推荐度大于预设推荐度的至少一个视频，对应作为至少一个目标视频；

按照所述目标视频的第二特征，将所述目标视频进行排序；

将排序后的目标视频推送至所述账户。

在一示例性实施例中，所述根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度，包括：

将所述候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接，得到所述各个视频的目标特征；

将所述各个视频的目标特征输入预先训练的视频预测模型，得到所述各个视频的推荐度。

在一示例性实施例中，所述预先训练的视频预测模型通过下述方式训练得到：

获取样本视频的第一特征、第二特征和第三特征；

将所述样本视频的第一特征、第二特征和第三特征输入待训练的视频预测模型，得到所述样本视频的预测推荐度；

根据所述样本视频的预测推荐度和实际推荐度之间的差值，得到损失值；

根据所述损失值调整所述待训练的视频预测模型的模型参数，得到调整后的视频预测模型，并对所述调整后的视频预测模型进行反复训练，直至根据训练后的视频预测模型得到的损失值小于预设阈值，则将所述训练后的视频预测模型作为所述预先训练的视频预测模型。

在一示例性实施例中，在根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度之前，还包括：

获取所述候选视频集合中各个视频的第四特征；所述第四特征用于表征所述各个视频的视频质量信息；

所述根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度，包括：

将所述候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征进行拼接，得到所述各个视频的目标特征；

根据所述各个视频的目标特征，得到所述各个视频的推荐度。

根据本公开实施例的第二方面，提供一种视频推送装置，包括：

信息确定单元，被配置为执行获取账户对应的历史互动视频，确定所述历史互动视频对应的视频类别和视频信息；所述历史互动视频为所述账户在视频推荐页面上有互动的视频；

视频获取单元，被配置为执行获取与所述视频类别匹配的视频以及与所述视频信息匹配的视频，得到候选视频集合；

特征获取单元，被配置为执行获取所述候选视频集合中各个视频的第一特征、第二特征和第三特征；所述第一特征用于表征所述各个视频与各个所述视频类别之间的特征距离的最小值，所述第二特征用于表征所述各个视频与各个所述视频信息之间的特征距离的最小值，所述第三特征用于表征所述各个视频与所述账户当前输入的视频搜索信息之间的相关度；

推荐度确定单元，被配置为执行根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度；

视频推送单元，被配置为执行按照所述推荐度，从所述候选视频集合中筛选出至少一个目标视频并推送至所述账户。

在一示例性实施例中，所述信息确定单元，还被配置为执行获取预先分类出的多个视频集合；所述多个视频集合基于所述账户对应的历史推荐视频分类得到；从所述多个视频集合中，确定出各个历史互动视频对应的目标视频集合；分别将各个历史互动视频对应的目标视频集合的视频类别，对应作为各个历史互动视频对应的视频类别。

在一示例性实施例中，所述信息确定单元，还被配置为执行获取各个历史互动视频的第一特征向量，以及各个视频集合的集合中心的第二特征向量；根据所述第一特征向量和所述第二特征向量，得到每个历史互动视频与各个视频集合的集合中心之间的特征距离；针对每个历史互动视频，将所述特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合。

在一示例性实施例中，所述视频获取单元，还被配置为执行获取与所述账户对应的待推荐视频；从所述待推荐视频中分别筛选出与所述视频类别匹配的视频，以及与所述视频信息匹配的视频，得到初始视频集合；若所述初始视频集合中包含所述历史互动视频，则将所述初始视频集合中的所述历史互动视频进行删除，得到所述候选视频集合。

在一示例性实施例中，所述视频信息包括视频作者信息，所述第二特征用于表征所述各个视频与各个所述视频作者信息之间的特征距离的最小值；

所述视频推送单元，还被配置为执行从所述候选视频集合中包括的各个视频中，筛选出所述推荐度大于预设推荐度的至少一个视频，对应作为至少一个目标视频；按照所述目标视频的第二特征，将所述目标视频进行排序；将排序后的目标视频推送至所述账户。

在一示例性实施例中，所述推荐度确定单元，还被配置为执行将所述候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接，得到所述各个视频的目标特征；将所述各个视频的目标特征输入预先训练的视频预测模型，得到所述各个视频的推荐度。

在一示例性实施例中，所述装置还包括模型训练单元，被配置为执行获取样本视频的第一特征、第二特征和第三特征；将所述样本视频的第一特征、第二特征和第三特征输入待训练的视频预测模型，得到所述样本视频的预测推荐度；根据所述样本视频的预测推荐度和实际推荐度之间的差值，得到损失值；根据所述损失值调整所述待训练的视频预测模型的模型参数，得到调整后的视频预测模型，并对所述调整后的视频预测模型进行反复训练，直至根据训练后的视频预测模型得到的损失值小于预设阈值，则将所述训练后的视频预测模型作为所述预先训练的视频预测模型。

在一示例性实施例中，所述装置还包括获取单元，被配置为执行获取所述候选视频集合中各个视频的第四特征；所述第四特征用于表征所述各个视频的视频质量信息；

所述推荐度确定单元，还被配置为执行将所述候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征进行拼接，得到所述各个视频的目标特征；根据所述各个视频的目标特征，得到所述各个视频的推荐度。

根据本公开实施例的第三方面，提供一种服务器，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，以实现如第一方面的任一项实施例中所述的视频推送方法。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，包括：当所述计算机可读存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行第一方面的任一项实施例中所述的视频推送方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中，设备的至少一个处理器从所述计算机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送方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

通过获取账户在视频推荐页面上有互动的历史互动视频，确定历史互动视频对应的视频类别和视频信息；接着获取与视频类别匹配的视频以及与视频信息匹配的视频，得到候选视频集合；然后获取候选视频集合中各个视频的第一特征、第二特征和第三特征；第一特征用于表征各个视频与各个视频类别之间的特征距离的最小值，第二特征用于表征各个视频与各个视频信息之间的特征距离的最小值，第三特征用于表征各个视频与账户当前输入的视频搜索信息之间的相关度；接着根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度；最后按照推荐度，从候选视频集合中筛选出至少一个目标视频并推送至账户；实现了根据候选视频集合中各个视频的第一特征、第二特征和第三特征，确定推送给账户的目标视频的目的，综合考虑了账户对应的历史互动视频以及获取的候选视频集合中各个视频的第一特征、第二特征和第三特征，有利于提高推送的视频的准确度，避免了仅仅考虑账户输入的搜索词，导致推送的视频的准确度较低的缺陷。

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送方法的应用环境图。

图2是根据一示例性实施例示出的一种视频推送方法的流程图。

图3是根据一示例性实施例示出的确定历史互动视频对应的视频类别的步骤的流程图。

图4是根据一示例性实施例示出的另一种视频推送方法的流程图。

图5是根据一示例性实施例示出的一种视频推送装置的框图。

图6是根据一示例性实施例示出的一种服务器的框图。

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送方法，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进行交互。参考图1，服务器120获取终端110登录的账户在视频推荐页面上有互动的视频，作为该账户对应的历史互动视频，并确定历史互动视频对应的视频类别和视频信息；获取与视频类别匹配的视频以及与视频信息匹配的视频，得到候选视频集合；获取候选视频集合中各个视频的第一特征、第二特征和第三特征；第一特征用于表征各个视频与各个视频类别之间的特征距离的最小值，第二特征用于表征各个视频与各个视频信息之间的特征距离的最小值，第三特征用于表征各个视频与账户当前输入的视频搜索信息之间的相关度；根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度；按照推荐度，从候选视频集合中筛选出至少一个目标视频并推送至账户对应的终端110，终端110通过终端界面展示至少一个目标视频，便于账户观看。其中，终端110可以是但不限于各种智能手机、平板电脑或笔记本电脑等，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。

图2是根据一示例性实施例示出的一种视频推送方法的流程图，如图2所示，视频推送方法用于如图1所示的服务器中，包括以下步骤：

在步骤S210中，获取账户对应的历史互动视频，确定历史互动视频对应的视频类别和视频信息；历史互动视频为账户在视频推荐页面上有互动的视频。

其中，账户是指终端中的应用程序的注册账户，比如短视频应用程序的注册账户、视频浏览程序的注册账户等，具体是指经过授权且需要进行处理分析的账户，具体是指视频的推送对象。

其中，视频推荐页面上显示有很多向账户推荐的视频，历史互动视频是指账户在视频推荐页面上互动过的视频，比如账户在视频推荐页面上点赞、评论、转发过的视频；在实际场景中，历史互动视频是指最近一段时间(比如最近三天)账户在视频推荐页面上互动过的视频。

其中，视频类别是指历史互动视频的视频特征所属的类别，比如游戏、唱歌、跳舞等；视频信息是指历史互动视频的具体信息，比如视频作者信息、视频内容等。

具体地，服务器获取预设时间段内，账户在视频推荐页面上有互动的视频，作为该账户对应的历史互动视频；从多个视频类别中，确定历史互动视频对应的视频类别，同时确定历史互动视频对应的视频信息。

在步骤S220中，获取与视频类别匹配的视频以及与视频信息匹配的视频，得到候选视频集合。

其中，与视频类别匹配的视频是与视频类别的类别特征具有相近特征的视频，具体是指视频特征的特征向量与历史互动视频的视频类别的特征向量之间的距离小于第一预设距离的视频。

其中，与视频信息匹配的视频是指与视频信息的信息特征相同或相似的视频信息所对应的视频，比如与视频作者信息的信息特征相同或相似的视频作者所对应的视频，具体是指视频信息的特征向量与历史互动视频的视频信息的特征向量之间的距离小于第二预设距离的视频。

需要说明的是，候选视频集合中不包含账户对应的历史互动视频。

具体地，服务器将推荐视频库中的视频与视频类别和视频信息进行匹配，得到与视频类别匹配的视频以及与视频信息匹配的视频；根据与视频类别匹配的视频以及与视频信息匹配的视频，构建候选视频集合。

在步骤S230中，获取候选视频集合中各个视频的第一特征、第二特征和第三特征；第一特征用于表征各个视频与各个视频类别之间的特征距离的最小值，第二特征用于表征各个视频与各个视频信息之间的特征距离的最小值，第三特征用于表征各个视频与账户当前输入的视频搜索信息之间的相关度。

其中，各个视频与各个视频类别之间的特征距离，是指各个视频的视频特征与各个视频类别的类别特征之间的特征距离；各个视频与各个视频信息之间的特征距离，是指各个视频的视频信息的信息特征与各个视频信息的信息特征之间的特征距离；各个视频与账户当前输入的视频搜索信息之间的相关度，是指各个视频的视频特征与账户当前输入的视频搜索信息之间的相关程度。

具体地，服务器获取账户当前输入的视频搜索信息，然后分别获取候选视频集合中各个视频的视频特征与各个视频类别的类别特征之间的特征距离的最小值、各个视频的视频信息的信息特征与各个视频信息的信息特征之间的特征距离的最小值以及各个视频的视频特征与账户当前输入的视频搜索信息之间的相关度，对应作为候选视频集合中各个视频的第一特征、第二特征和第三特征。

在步骤S240中，根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度。

其中，推荐度用于衡量将视频推送至账户的可能性；推荐度越大，表示将视频推送至账户的可能性越大。在实际场景中，推荐度可以是指视频点击概率、视频点赞概率、视频长播概率等。

具体地，服务器将候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接处理，得到候选视频集合中各个视频的目标特征；根据候选视频集合中各个视频的目标特征，确定候选视频集合中各个视频的推荐度。

在步骤S250中，按照推荐度，从候选视频集合中筛选出至少一个目标视频并推送至账户。

具体地，服务器从候选视频集合中，筛选出推荐度大于预设推荐度的至少一个目标视频，比如筛选出推荐度大于0.6的至少一个目标视频，并将至少一个目标视频推送至账户。

上述视频推送方法中，通过获取账户在视频推荐页面上有互动的历史互动视频，确定历史互动视频对应的视频类别和视频信息；接着获取与视频类别匹配的视频以及与视频信息匹配的视频，得到候选视频集合；然后获取候选视频集合中各个视频的第一特征、第二特征和第三特征；第一特征用于表征各个视频与各个视频类别之间的特征距离的最小值，第二特征用于表征各个视频与各个视频信息之间的特征距离的最小值，第三特征用于表征各个视频与账户当前输入的视频搜索信息之间的相关度；接着根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度；最后按照推荐度，从候选视频集合中筛选出至少一个目标视频并推送至账户；实现了根据候选视频集合中各个视频的第一特征、第二特征和第三特征，确定推送给账户的目标视频的目的，综合考虑了账户对应的历史互动视频以及获取的候选视频集合中各个视频的第一特征、第二特征和第三特征，有利于提高推送的视频的准确度，避免了仅仅考虑账户输入的搜索词，导致推送的视频的准确度较低的缺陷。

在一示例性实施例中，如图3所示，在步骤S210中，确定历史互动视频对应的视频类别，具体可以通过以下步骤实现：

在步骤S211中，获取预先分类出的多个视频集合；多个视频集合基于账户对应的历史推荐视频分类得到。

其中，历史推荐视频是指以往向账户推荐的视频；视频集合是通过对账户对应的历史推荐视频进行分类所得到的视频集合；在实际场景中，视频集合是根据账户对应的历史推荐视频聚类得到的视频集合，具体是由视频特征相似的历史推荐视频聚类得到的视频集合，每个视频集合对应一个视频类别。

举例说明，服务器从账户对应的历史推荐视频中随机抽取出N个视频，并通过k-means(k-means clustering algorithm，K均值聚类算法)、KNN(K-NearestNeighbor，邻近算法)等无监督聚类方法，对这N个视频进行聚类，得到M个视频集合(N>M>＝2)，作为预先分类出的多个视频集合。

在步骤S212中，从多个视频集合中，确定出各个历史互动视频对应的目标视频集合。

具体地，服务器从多个视频集合中，筛选出各个历史互动视频所属的视频集合，对应作为各个历史互动视频对应的目标视频集合。

在步骤S213中，分别将各个历史互动视频对应的目标视频集合的视频类别，对应作为各个历史互动视频对应的视频类别。

本公开实施例提供的技术方案，从基于账户对应的历史推荐视频分类得到的多个视频集合中，确定出各个历史互动视频对应的目标视频集合，并分别将各个历史互动视频对应的目标视频集合的视频类别，对应作为各个历史互动视频对应的视频类别，这样，综合考虑了对账户的历史推荐视频所分类出的视频集合所对应的视频类别，有利于提高历史互动视频的视频类别的确定准确率。

在一示例性实施例中，在步骤S212中，从多个视频集合中，确定出各个历史互动视频对应的目标视频集合，具体包括：获取各个历史互动视频的第一特征向量，以及各个视频集合的集合中心的第二特征向量；根据第一特征向量和第二特征向量，得到每个历史互动视频与各个视频集合的集合中心之间的特征距离；针对每个历史互动视频，将特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合。

其中，历史互动视频的第一特征向量，是指对历史互动视频的视频特征进行表征所得到的向量，具体是指历史互动视频的embedding特征向量。

其中，视频集合的集合中心，是指视频集合的聚类中心；视频集合的集合中心的第二特征向量，是指该视频集合中的视频的第一特征向量的均值，具体是指视频集合的集合中心的embedding特征向量，由该视频集合中的视频的embedding特征向量的均值确定。

其中，特征距离用于衡量历史互动视频属于某个视频集合的可能性；特征距离越小，表示该历史互动视频属于该视频集合的可能性越大。

具体地，服务器通过特征嵌入模型，获取各个历史互动视频的视频特征对应的第一特征向量，以及各个视频集合中的视频的视频特征对应的第一特征向量，得到各个历史互动视频的第一特征向量以及各个视频集合中的视频的第一特征向量；其中，特征嵌入模型是一种能够根据输入的视频特征，确定相应的特征向量的embedding模型；然后，服务器分别获取各个视频集合中的视频的第一特征向量的均值，对应作为各个视频集合的集合中心的第二特征向量；根据各个历史互动视频的第一特征向量，以及各个视频集合的集合中心的第二特征向量，计算每个历史互动视频与各个视频集合的集合中心之间的L1距离或者L2距离，作为每个历史互动视频与各个视频集合的集合中心之间的特征距离；针对每个历史互动视频，将特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合。

举例说明，服务器获取账户在视频推荐页面上消费的最近n个视频，以及每个视频对应的embedding特征向量(N远大于n)；根据每个视频对应的embedding特征向量，以及M个视频集合的集合中心的embedding特征向量，计算每个视频到M个视频集合的集合中心之间的距离，然后针对每个视频，将距离最小的视频集合作为该视频的目标视频集合，从而将账户消费的n个视频归类到m个视频集合(M>＝m>＝1)。

接着，服务器获取m个视频集合中的视频的embedding特征向量的均值，对应作为m个视频集合的集合中心的embedding特征向量，并将m个视频集合的集合中心的embedding特征向量，对应作为m个视频集合的视频类别的特征向量，从而得到历史互动视频对应的各个视频类别的类别特征的特征向量；同时记录这n个视频的embedding特征向量和对应作者的embedding特征向量；记录n个视频的embedding特征向量是为了在搜索时不召回完全一样的视频，记录作者的embedding特征向量是为了对具有相同或者相似作者的视频有更好的展示位置，以让上述embedding特征向量同时作用在召回侧和排序侧。

本公开实施例提供的技术方案，根据各个历史互动视频的第一特征向量以及各个视频集合的集合中心的第二特征向量，得到每个历史互动视频与各个视频集合的集合中心之间的特征距离，并针对每个历史互动视频，将特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合，这样，综合考虑了各个历史互动视频的第一特征向量以及各个视频集合的集合中心的第二特征向量，有利于准确确定各个历史互动视频对应的目标视频集合，使得后续历史互动视频的视频类别的确定更加准确，进一步提高了历史互动视频的视频类别的确定准确率，从而使得后续向账户推荐的目标视频更加准确。

在一示例性实施例中，在步骤S220中，获取与视频类别匹配的视频以及与视频信息匹配的视频，得到候选视频集合，具体包括：获取与账户对应的待推荐视频；从待推荐视频中分别筛选出与视频类别匹配的视频，以及与视频信息匹配的视频，得到初始视频集合；若初始视频集合中包含历史互动视频，则将初始视频集合中的历史互动视频进行删除，得到候选视频集合。

具体地，服务器通过相关性召回算法，从海量视频中召回相应的视频，作为与账户对应的待推荐视频；获取每个待推荐视频的第一特征向量，以及视频类别所对应的视频集合的集合中心的第二特征向量；计算每个待推荐视频的第一特征向量与视频类别所对应的视频集合的集合中心的第二特征向量之间的距离，将距离小于第一预设距离的待推荐视频作为与视频类别匹配的视频；同理，服务器获取每个待推荐视频的视频信息的特征向量，以及历史互动视频的视频信息的特征向量，计算每个待推荐视频的视频信息的特征向量与历史互动视频的视频信息的特征向量之间的距离，将距离小于第二预设距离的待推荐视频作为与视频信息匹配的视频；删除与视频类别匹配的视频以及与视频信息匹配的视频中的重复视频，得到初始视频集合；判断初始视频集合中是否包含历史互动视频，若初始视频集合中包含历史互动视频，则将初始视频集合中的历史互动视频进行删除，得到候选视频集合。

举例说明，在召回侧，服务器召回与m类视频集合的集合中心的embedding特征具有相近特征的视频，但不能与账户消费过的视频(即历史互动视频)完全一致；召回与历史互动视频的作者的embedding特征相同或相似的作者所对应的视频，但不能与账户消费过的视频完全一致。

本公开实施例提供的技术方案，从与账户对应的待推荐视频中，筛选出与视频类别匹配的视频，以及与视频信息匹配的视频，避免了从全局视频中筛选出与视频类别匹配的视频，以及与视频信息匹配的视频，导致视频确定效率较低和视频确定准确率较低的缺陷，从而提高了候选视频集合的确定效率和确定准确率；同时，在得到初始视频集合中，若初始视频集合中包含历史互动视频，则将初始视频集合中的历史互动视频进行删除，有利于进一步提高候选视频集合的确定准确率。

在一示例性实施例中，视频信息包括视频作者信息，第二特征用于表征各个视频与各个视频作者信息之间的特征距离的最小值；在步骤S250中，按照推荐度，从候选视频集合中筛选出至少一个目标视频并推送至账户，具体包括：从候选视频集合中包括的各个视频中，筛选出推荐度大于预设推荐度的至少一个视频，对应作为至少一个目标视频；按照目标视频的第二特征，将目标视频进行排序；将排序后的目标视频推送至账户。

其中，第二特征用于表征各个视频的视频作者信息的特征向量与各个历史互动视频的视频作者信息的特征向量之间的特征距离的最小值；该特征距离用于衡量各个视频的视频作者信息与各个历史互动视频的视频作者信息之间的相似度，特征距离越小，表示视频的视频作者信息与历史互动视频的视频作者信息之间的相似度越大。

其中，排序后的目标视频是按照视频作者信息排序的目标视频，视频作者信息相同的目标视频会排列在一起。

具体地，服务器候选视频集合中包括的各个视频的推荐度与预设推荐度进行比较，得到比较结果；根据比较结果，从候选视频集合中包括的各个视频中，筛选出推荐度大于预设推荐度的至少一个视频，对应作为至少一个目标视频；按照目标视频的第二特征，将目标视频进行排序，得到排序后的目标视频，并将排序后的目标视频推送至账户所在终端，通过终端的终端界面展示排序后的目标视频，其中视频作者信息相同的目标视频会排列在一起。

本公开实施例提供的技术方案，通过从候选视频集合中包括的各个视频中，筛选出推荐度大于预设推荐度的至少一个目标视频并推荐至账户，有利于进一步提高推荐的视频的准确度；同时，按照目标视频的第二特征，将目标视频进行排序，使得推荐给账户的目标视频的展示位置更加准确。

在一示例性实施例中，在步骤S240中，根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度，具体包括：将候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接，得到各个视频的目标特征；将各个视频的目标特征输入预先训练的视频预测模型，得到各个视频的推荐度。

其中，预先训练的视频预测模型是一种能够根据输入的视频的视频特征，输出视频的推荐度的预测模型，比如深度学习模型、XGBoost(eXtreme Gradient Boosting，极端梯度提升)树模型等。

具体地，服务器基于预设的特征拼接指令，将候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接处理，得到候选视频集合中各个视频的目标特征；分别将候选视频集合中各个视频的目标特征输入预先训练的视频预测模型，通过输入预先训练的视频预测模型对候选视频集合中各个视频的目标特征进行特征处理，得到候选视频集合中各个视频的推荐度。

本公开实施例提供的技术方案，通过将候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接，并将拼接得到的各个视频的目标特征输入预先训练的视频预测模型，得到各个视频的推荐度，有利于提高确定出的视频的推荐度的准确度；同时，综合考虑了候选视频集合中各个视频的第一特征、第二特征和第三特征，有利于提高推送的视频的准确度。

在一示例性实施例中，预先训练的视频预测模型通过下述方式训练得到：获取样本视频的第一特征、第二特征和第三特征；将样本视频的第一特征、第二特征和第三特征输入待训练的视频预测模型，得到样本视频的预测推荐度；根据样本视频的预测推荐度和实际推荐度之间的差值，得到损失值；根据损失值调整待训练的视频预测模型的模型参数，得到调整后的视频预测模型，并对调整后的视频预测模型进行反复训练，直至根据训练后的视频预测模型得到的损失值小于预设阈值，则将训练后的视频预测模型作为预先训练的视频预测模型。

具体地，服务器将样本视频的第一特征、第二特征和第三特征进行拼接处理，得到样本视频的目标特征，将样本视频的目标特征输入待训练的视频预测模型，得到样本视频的预测推荐度；获取样本视频的实际推荐度，根据样本视频的预测推荐度和实际推荐度之间的差值，结合损失函数，得到损失值；若损失值小于预设阈值，则根据该损失值调整待训练的视频预测模型的模型参数，得到调整后的视频预测模型，并对调整后的视频预测模型进行反复训练，直至根据训练后的视频预测模型得到的损失值小于预设阈值；若根据训练后的视频预测模型得到的损失值小于预设阈值，则停止训练，并将该训练后的视频预测模型作为预先训练的视频预测模型。

本公开实施例提供的技术方案，通过对视频预测模型进行反复训练，可以提高通过视频预测模型输出的视频推荐度的准确度，使得后续通过视频推荐度筛选出的视频更加准确，进一步提高了推送的视频的准确度。

在一示例性实施例中，在步骤S240中，在根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度之前，还包括：获取候选视频集合中各个视频的第四特征；第四特征用于表征各个视频的视频质量信息。

其中，视频质量信息用于表征视频的质量分数，假如视频涉黄涉赌涉黑等违法内容，则该视频的视频分数较低，假如视频的视频内容积极向上，没有违法内容，则该视频的视频分数较高。

那么，在步骤S240中，根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度，具体包括：将候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征进行拼接，得到各个视频的目标特征；根据各个视频的目标特征，得到各个视频的推荐度。

具体地，服务器对候选视频集合中各个视频的视频内容进行分析，得到候选视频集合中各个视频的视频质量信息，作为候选视频集合中各个视频的第四特征；基于预设的特征拼接指令，将候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征进行拼接处理，得到候选视频集合中各个视频的目标特征；分别将候选视频集合中各个视频的目标特征输入预先训练的视频预测模型，通过预先训练的视频预测模型对候选视频集合中各个视频的目标特征进行特征处理，得到候选视频集合中各个视频的推荐度。

进一步地，预先训练的视频预测模型还可以通过下述方式训练得到：服务器将样本视频的第一特征、第二特征、第三特征和第四特征进行拼接处理，得到样本视频的目标特征，将样本视频的目标特征输入待训练的视频预测模型，得到样本视频的预测推荐度；根据样本视频的预测推荐度和实际推荐度之间的差值，结合损失函数，得到损失值；若损失值小于预设阈值，则根据该损失值调整待训练的视频预测模型的模型参数，得到调整后的视频预测模型，并对调整后的视频预测模型进行反复训练，直至根据训练后的视频预测模型得到的损失值小于预设阈值；若根据训练后的视频预测模型得到的损失值小于预设阈值，则停止训练，并将该训练后的视频预测模型作为预先训练的视频预测模型。

本公开实施例提供的技术方案，综合考虑了候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征，有利于提高推送的视频的准确度，避免了仅仅考虑账户输入的搜索词，导致推送的视频的准确度较低的缺陷。

图4是根据一示例性实施例示出的另一种视频推送方法的流程图，如图4所示，该视频推送方法用于如图1所示的服务器中，包括以下步骤：

步骤S410，获取账户对应的历史互动视频，确定历史互动视频对应的视频信息；历史互动视频为账户在视频推荐页面上有互动的视频。

步骤S420，获取预先分类出的多个视频集合；多个视频集合基于账户对应的历史推荐视频分类得到。

步骤S430，获取各个历史互动视频的第一特征向量，以及各个视频集合的集合中心的第二特征向量；根据第一特征向量和第二特征向量，得到每个历史互动视频与各个视频集合的集合中心之间的特征距离。

步骤S440中，针对每个历史互动视频，将特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合；分别将各个历史互动视频对应的目标视频集合的视频类别，对应作为各个历史互动视频对应的视频类别。

步骤S450，获取与账户对应的待推荐视频；从待推荐视频中分别筛选出与视频类别匹配的视频，以及与视频信息匹配的视频，得到初始视频集合；若初始视频集合中包含历史互动视频，则将初始视频集合中的历史互动视频进行删除，得到候选视频集合。

步骤S460，获取候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征。

步骤S470，将候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征进行拼接，得到各个视频的目标特征；将各个视频的目标特征输入预先训练的视频预测模型，得到各个视频的推荐度。

步骤S480，从候选视频集合中包括的各个视频中，筛选出推荐度大于预设推荐度的至少一个视频，对应作为至少一个目标视频。

步骤S490，按照目标视频的第二特征，将目标视频进行排序，将排序后的目标视频推送至账户；第二特征用于表征各个目标视频与各个视频作者信息之间的特征距离的最小值。

本公开实施例提供的技术方案，可以达到以下技术效果：(1)将推荐和搜索进行联动，根据账户在推荐页面的消费信息，作为一维特征输入搜索中，让用户感兴趣的结果能够展示在前面，对用户的满足较好；(2)将消费特征引入搜索，能够很好的解决搜索的冷启动问题，是对先验相关性分数的很好补充，能够很好的提升用户体验；(3)对消费特征与召回特征进行匹配，很好的利用了召回侧的信息，避免在全局中进行查找，很好的提高了确定出推荐视频的准确性，避免出现较差的推荐视频。

应该理解的是，虽然图2-4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2-4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5是根据一示例性实施例示出的一种视频推送装置的框图。参照图5，该装置包括信息确定单元510，视频获取单元520，特征获取单元530，推荐度确定单元540和视频推送单元550。

信息确定单元510，被配置为执行获取账户对应的历史互动视频，确定历史互动视频对应的视频类别和视频信息；历史互动视频为账户在视频推荐页面上有互动的视频。

视频获取单元520，被配置为执行获取与视频类别匹配的视频以及与视频信息匹配的视频，得到候选视频集合。

特征获取单元530，被配置为执行获取候选视频集合中各个视频的第一特征、第二特征和第三特征；第一特征用于表征各个视频与各个视频类别之间的特征距离的最小值，第二特征用于表征各个视频与各个视频信息之间的特征距离的最小值，第三特征用于表征各个视频与账户当前输入的视频搜索信息之间的相关度。

推荐度确定单元540，被配置为执行根据第一特征、第二特征和第三特征，确定候选视频集合中各个视频的推荐度。

视频推送单元550，被配置为执行按照推荐度，从候选视频集合中筛选出至少一个目标视频并推送至账户。

在一示例性实施例中，信息确定单元510，还被配置为执行获取预先分类出的多个视频集合；多个视频集合基于账户对应的历史推荐视频分类得到；从多个视频集合中，确定出各个历史互动视频对应的目标视频集合；分别将各个历史互动视频对应的目标视频集合的视频类别，对应作为各个历史互动视频对应的视频类别。

在一示例性实施例中，信息确定单元510，还被配置为执行获取各个历史互动视频的第一特征向量，以及各个视频集合的集合中心的第二特征向量；根据第一特征向量和第二特征向量，得到每个历史互动视频与各个视频集合的集合中心之间的特征距离；针对每个历史互动视频，将特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合。

在一示例性实施例中，视频获取单元520，还被配置为执行获取与账户对应的待推荐视频；从待推荐视频中分别筛选出与视频类别匹配的视频，以及与视频信息匹配的视频，得到初始视频集合；若初始视频集合中包含历史互动视频，则将初始视频集合中的历史互动视频进行删除，得到候选视频集合。

在一示例性实施例中，视频信息包括视频作者信息，第二特征用于表征各个视频与各个视频作者信息之间的特征距离的最小值；

视频推送单元550，还被配置为执行从候选视频集合中包括的各个视频中，筛选出推荐度大于预设推荐度的至少一个视频，对应作为至少一个目标视频；按照目标视频的第二特征，将目标视频进行排序；将排序后的目标视频推送至账户。

在一示例性实施例中，推荐度确定单元540，还被配置为执行将候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接，得到各个视频的目标特征；将各个视频的目标特征输入预先训练的视频预测模型，得到各个视频的推荐度。

在一示例性实施例中，本公开提供的视频推送装置还包括模型训练单元，被配置为执行获取样本视频的第一特征、第二特征和第三特征；将样本视频的第一特征、第二特征和第三特征输入待训练的视频预测模型，得到样本视频的预测推荐度；根据样本视频的预测推荐度和实际推荐度之间的差值，得到损失值；根据损失值调整待训练的视频预测模型的模型参数，得到调整后的视频预测模型，并对调整后的视频预测模型进行反复训练，直至根据训练后的视频预测模型得到的损失值小于预设阈值，则将训练后的视频预测模型作为预先训练的视频预测模型。

在一示例性实施例中，本公开提供的视频推送装置还包括获取单元，被配置为执行获取候选视频集合中各个视频的第四特征；第四特征用于表征各个视频的视频质量信息；

推荐度确定单元540，还被配置为执行将候选视频集合中各个视频的第一特征、第二特征、第三特征和第四特征进行拼接，得到各个视频的目标特征；根据各个视频的目标特征，得到各个视频的推荐度。

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进行了详细描述，此处将不做详细阐述说明。

图6是根据一示例性实施例示出的一种用于执行上述视频推送方法的设备600的框图。例如，设备600可以为一服务器。参照图6，设备600包括处理组件620，其进一步包括一个或多个处理器，以及由存储器622所代表的存储器资源，用于存储可由处理组件620的执行的指令，例如应用程序。存储器622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620被配置为执行指令，以执行上述视频推送方法。

设备600还可以包括一个电源组件624被配置为执行设备600的电源管理，一个有线或无线网络接口626被配置为将设备600连接到网络，和一个输入输出(I/O)接口627。设备600可以操作基于存储在存储器622的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器622，上述指令可由设备600的处理器执行以完成上述方法。例如，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。

在示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，设备的至少一个处理器从该计算机可读存储介质读取并执行该计算机程序，使得设备执行本公开的任一项实施例中所述的视频推送方法。

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)

1.一种视频推送方法，其特征在于，包括：

获取账户对应的历史互动视频，确定所述历史互动视频对应的视频类别和视频信息；所述历史互动视频为所述账户在视频推荐页面上有互动的视频；

获取与所述视频类别匹配的视频以及与所述视频信息匹配的视频，得到候选视频集合；

获取所述候选视频集合中各个视频的第一特征、第二特征和第三特征；所述第一特征用于表征所述各个视频与各个所述视频类别之间的特征距离的最小值，所述第二特征用于表征所述各个视频与各个所述视频信息之间的特征距离的最小值，所述第三特征用于表征所述各个视频与所述账户当前输入的视频搜索信息之间的相关度；

根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度；

按照所述推荐度，从所述候选视频集合中筛选出至少一个目标视频并推送至所述账户。

2.根据权利要求1所述的视频推送方法，其特征在于，所述确定所述历史互动视频对应的视频类别，包括：

获取预先分类出的多个视频集合；所述多个视频集合基于所述账户对应的历史推荐视频分类得到；

从所述多个视频集合中，确定出各个历史互动视频对应的目标视频集合；

分别将各个历史互动视频对应的目标视频集合的视频类别，对应作为各个历史互动视频对应的视频类别。

3.根据权利要求2所述视频推送方法，其特征在于，所述从所述多个视频集合中，确定出各个历史互动视频对应的目标视频集合，包括：

获取各个历史互动视频的第一特征向量，以及各个视频集合的集合中心的第二特征向量；

根据所述第一特征向量和所述第二特征向量，得到每个历史互动视频与各个视频集合的集合中心之间的特征距离；

针对每个历史互动视频，将所述特征距离最小的视频集合，作为该历史互动视频对应的目标视频集合。

4.根据权利要求1所述的视频推送方法，其特征在于，所述获取与所述视频类别匹配的视频以及与所述视频信息匹配的视频，得到候选视频集合，包括：

获取与所述账户对应的待推荐视频；

从所述待推荐视频中分别筛选出与所述视频类别匹配的视频，以及与所述视频信息匹配的视频，得到初始视频集合；

若所述初始视频集合中包含所述历史互动视频，则将所述初始视频集合中的所述历史互动视频进行删除，得到所述候选视频集合。

5.根据权利要求1所述的视频推送方法，其特征在于，所述根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度，包括：

将所述候选视频集合中各个视频的第一特征、第二特征和第三特征进行拼接，得到所述各个视频的目标特征；

将所述各个视频的目标特征输入预先训练的视频预测模型，得到所述各个视频的推荐度。

6.根据权利要求5所述的视频推送方法，其特征在于，所述预先训练的视频预测模型通过下述方式训练得到：

获取样本视频的第一特征、第二特征和第三特征；

将所述样本视频的第一特征、第二特征和第三特征输入待训练的视频预测模型，得到所述样本视频的预测推荐度；

根据所述样本视频的预测推荐度和实际推荐度之间的差值，得到损失值；

根据所述损失值调整所述待训练的视频预测模型的模型参数，得到调整后的视频预测模型，并对所述调整后的视频预测模型进行反复训练，直至根据训练后的视频预测模型得到的损失值小于预设阈值，则将所述训练后的视频预测模型作为所述预先训练的视频预测模型。

7.一种视频推送装置，其特征在于，包括：

信息确定单元，被配置为执行获取账户对应的历史互动视频，确定所述历史互动视频对应的视频类别和视频信息；所述历史互动视频为所述账户在视频推荐页面上有互动的视频；

视频获取单元，被配置为执行获取与所述视频类别匹配的视频以及与所述视频信息匹配的视频，得到候选视频集合；

特征获取单元，被配置为执行获取所述候选视频集合中各个视频的第一特征、第二特征和第三特征；所述第一特征用于表征所述各个视频与各个所述视频类别之间的特征距离的最小值，所述第二特征用于表征所述各个视频与各个所述视频信息之间的特征距离的最小值，所述第三特征用于表征所述各个视频与所述账户当前输入的视频搜索信息之间的相关度；

推荐度确定单元，被配置为执行根据所述第一特征、第二特征和第三特征，确定所述候选视频集合中各个视频的推荐度；

视频推送单元，被配置为执行按照所述推荐度，从所述候选视频集合中筛选出至少一个目标视频并推送至所述账户。

8.一种服务器，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送方法。

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由服务器的处理器执行时，使得所述服务器能够执行如权利要求1至6中任一项所述的视频推送方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的视频推送方法。

Images