CN116055809A - 视频资讯展示方法、电子设备及存储介质 - Google Patents
视频资讯展示方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116055809A CN116055809A CN202211736513.XA CN202211736513A CN116055809A CN 116055809 A CN116055809 A CN 116055809A CN 202211736513 A CN202211736513 A CN 202211736513A CN 116055809 A CN116055809 A CN 116055809A
- Authority
- CN
- China
- Prior art keywords
- video
- recommendation
- videos
- recommended
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 230000006399 behavior Effects 0.000 claims abstract description 19
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- 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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
-
- 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
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请涉及互联网服务技术领域,提供了一种视频资讯展示方法,应用于推荐服务端,包含步骤:响应于推荐请求,根据所述推荐请求中携带的参数,确定目标视频及当前用户;分别基于所述目标视频的视频画像及用户画像,获取推荐候选集;获取所述当前用户的曝光和点击行为的离线统计数据和实时统计数据;基于所述离线统计数据和所述实时统计数据以及过滤策略,从所述推荐候选集中过滤出推荐数量的推荐视频;于预设推荐规则对各所述推荐视频进行排序,并生成对应的推荐列表;返回所述推荐列表。
Description
技术领域
本申请涉及互联网服务技术领域,尤其涉及视频资讯展示方法、电子设备及计算机可读存储介质。
背景技术
在信息大爆炸的时代,互联网承载了海量信息的传播,网络已成为人们的日常生活、企业的经营活动中获取各类信息的重要途径。
为了满足不同的用户需求,各种资讯类应用程序层出不穷,如何为用户提供更好的资讯获取体验,已成为资讯类应用程序的重要优化方向。
发明内容
为了提升资讯获取的用户体验,本申请实施例提供了视频资讯展示方法、电子设备及计算机存储介质。
一方面,本申请实施例提供的视频资讯展示方法,应用于推荐服务端,包含步骤:
响应于推荐请求,根据所述推荐请求中携带的参数,确定目标视频及当前用户;
分别基于所述目标视频的视频画像及用户画像,获取推荐候选集;
获取所述当前用户的曝光和点击行为的离线统计数据和实时统计数据;
基于所述离线统计数据和所述实时统计数据以及过滤策略,从所述推荐候选集中过滤出推荐数量的推荐视频;
基于预设推荐规则对各所述推荐视频进行排序,并生成对应的推荐列表;
返回所述推荐列表。
基于此,通过分别基于视频画像和用户画像获取相应的候选视频,构成候选集,使得为用户提供的推荐视频能分别从不同维度贴近用户兴趣,以帮助用户尽快获取到所需的资讯内容;同时基于离线统计数据和实时统计数据及过滤策略对候选集进行过滤,可保证过滤的全面性,以保证向用户提供的推荐视频都是有效的。
在一实施中,所述基于所述目标视频的视频画像,获取推荐候选集,包括:
获取所述目标视频在至少一个视频画像维度下的视频画像特征;
从Elasticsearch集群中获取具备所述视频画像特征的候选视频,构成所述推荐候选集;
其中,所述Elasticsearch集群中针对各视频画像维度分别存储有对应的所述候选视频,所述候选视频是基于发布时间、各所述视频画像特征及指定数量从内容资讯库中预先获取的。
基于上述技术方案,通过将候选视频预先存储至Elasticsearch集群,以借助Elasticsearch集群的检索性能,提升获取具备视频画像特征的候选视频的速度。
在一实施中,所述基于用户画像,获取推荐候选集,包括:
从Elasticsearch集群获取当前用户的兴趣标签,并从Redis数据库中获取与所述兴趣标签匹配的候选视频,构成所述推荐候选集;以及,
从所述Elasticsearch集群获取播放热度或发布时间满足预设条件的候选视频,其中所述播放热度是基于全量用户的点击行为统计得到的。
通过将用户画像分割为当前用户画像维度及全量用户画像维度,并分别对应获取候选视频,以实现更多维度的推荐视频获取。通过将海量用户对应的兴趣标签存储在Elasticsearch集群中,将各标签下的视频信息存储在Redis数据库中,如此可基于Elasticsearch集群的检索性能提升对当前用户兴趣标签的检索效率,并借助Redis数据库的自动更新机制,保证各标签下的视频文件是动态更新的。
在一实施中,所述获取所述当前用户的曝光和点击行为的离线统计数据和实时统计数据,包括:
从Elasticsearch集群获取所述离线统计数据,其中,所述离线统计数据是由管控平台基于平台仓库中的用户行为数据周期性计算得到的;
从Redis数据库获取所述实时统计数据,其中所述实时统计数据是由所述管控平台基于平台消息队列中的用户行为数据实时计算得到的。
基于上述方案,通过结合离线统计数据和实时统计数据可获取到更完整的用户行为数据,且存储在不同的数据库中,也可提升检索的效率。
在一实施中,所述基于所述离线统计数据和所述实时统计数据以及过滤策略,从所述推荐候选集中过滤出所述推荐数量的推荐视频,包括:
根据所述离线统计数据和所述实时统计数据确定已对所述当前用户曝光过的视频以及已被所述当前用户点击过的视频,构成视频筛选集;
根据所述过滤策略确定出所述视频筛选集的保留视频,并将所述保留视频从所述视频筛选集中剔除,得到视频过滤集;
将所述推荐候选集中与所述视频过滤集相同的视频进行剔除,得到所述推荐数量的推荐视频。
通过采用上述技术方案,可实现对推荐候选集的有效过滤,使得最终得到的推荐视频更贴近用户的兴趣。
在一实施中,所述预设推荐规,包括:基于所述视频画像获取到的推荐视频排在所述用户画像获取到的视频之前。
另一方面,本申请实施例提供的视频资讯展示方法,应用于客户端,所述方法包括:
向用户展示包含目标视频图标的资讯页面;
响应于用户针对所述目标视频图标的点击操作,生成并发送所述目标视频的播放请求至视频源站,并且生成并发送推荐请求至推荐服务端,其中,所述推荐请求中携带有所述目标视频标识、当前用户标识;
基于所述视频源站返回的播放数据,在详情页面中播放所述目标视频;
根据所述推荐服务端返回的推荐列表,进行推荐视频的预加载,其中所述推荐列表由所述推荐服务端基于上述实施例得到;并在检测到用户针对所述详情页面的目标操作或所述目标视频播放完成时,基于所述预加载的播放数据,依次播放所述推荐列表中的推荐视频。
基于此,客户端通过在详情页面中实现目标视频的全屏播放,以提升用户观看的体验度,同时为用户提供推荐视频,以实现沉浸式的视频观看体验。更进一步地,通过对推荐视频的预加载,还可提升视频切换播放流畅度。
在一实施中,所述方法还包括:
在依次播放所述推荐列表中的推荐视频过程中,当已播放数量满足预设条件或已播放视频中有完播度满足预设条件的,则确定出新的目标视频,并基于所述新的目标视频向推荐服务器发送推荐获取请求。
基于上述方法可实现基于用户的当前观看情况,持续为用户获取相关的推荐视频,以帮助用户更快获取到需求的资讯。
另一方面,本申请实施例还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述视频资讯展示方法。
以及,本申请实施例另提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述视频资讯展示方法。
综上所述,本申请实施例至少包括以下有益技术效果:
1.通过从多种画像维度分别选择贴近用户需求的推荐视频,使得推荐列表中的推荐视频能尽可能地贴近用户的需求,提升用户体验。
2.从整体实现来看,各类请求分别由不同的服务端进行处理,且各类数据分开存储,不仅便于数据管理,还能提升整体的运行效率。
3.客户端通过在详情页全屏播放视频数据,可提升用户的观看体验,并为持续播放推荐视频提供基础。
附图说明
图1绘示本申请实施例所提供的资讯服务系统结构示意图;
图2绘示本申请一实施例所提供的视频资讯展示方法流程图;
图3绘示本申请实施例中推荐候选集的过滤方法流程图;
图4绘示本申请另一实施例所提供的视频资讯展示方法流程图;
图5绘示本申请实施例所提供的电子设备结构示意图。
具体实施方式
以下结合图示对本申请实施例进行详细说明。
本申请实施例公开的视频资讯展示方法,基于资讯服务系统实现,请参照图1,资讯服务系统100包括推荐服务端10、视频源站20、埋点服务端30、管控平台40、Elasticsearch集群50、Redis数据库60、及客户端70。
具体而言,推荐服务端10、视频源站20、埋点服务端30、管控平台40均基于对应的计算机程序实现,可部署在服务设备、服务集群或云平台上,具体的部署方式本申请并不以此为限。Elasticsearch 是一个基于Lucene实现的搜索服务器,Elasticsearch集群50即将搜索服务器部署在具备多个节点的集群上。Redis(Remote Dictionary Server)数据库60,即远程字典服务,是一个开源的使用ANSIC语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库,并提供多种语言的API,是一种缓存数据库。
客户端20基于计算机程序实现,可以网页或App(Application,应用程序)的方式呈现,用户可基于各类电子终端设备访问,包括但不限于:计算机、平板电脑、手机、智能电视。
本申请实施例1将以推荐服务端10为主要执行主体,对其所提供的视频资讯展示方法进行说明。
请参照图2,所述方法具体包括步骤:
S210,响应于推荐请求,根据推荐请求中携带的参数,确定目标视频及当前用户。
具体而言,推荐服务端通过指定端口接收来自客户端的推荐请求,并在接收到推荐请求后,对其携带的参数进行解析,获取目标视频的视频标识、当前用户的用户标识,其中,在资讯服务系统中视频标识和用户标识均是唯一的。
S220,分别基于目标视频的视频画像及用户画像,获取推荐候选集。
视频画像包括目标视频文件在各视频画像维度下视频画像特征,其中视频画像维度包括业务维度和内容维度,业务维度可以是资讯服务提供商对自身产品的分类,例如房屋中介中的,租赁服务、购买服务等,或是企业知识产权服务中的专利、商标等,相应的,视频画像特征包括专利、商标;内容维度是基于目标视频文件内容,该维度下的特征以内容标签、关键词的形式记录,其中,内容标签可以是针对视频内容的分类,如广告、教育、活动、科普等。
在一实施中,在基于视频画像获取推荐候选集的过程中,推荐服务端先获取目标视频在至少一个视频画像维度下的视频画像特征;并从Elasticsearch集群中获取具备该视频画像特征的候选视频,构成推荐候选集。其中,Elasticsearch集群中针对各视频画像维度分别存储有对应的候选视频,候选视频是基于发布时间、各所述视频画像特征及指定数量从内容资讯库中预先获取的。
以内容维度为例,在一具体实施示例,该部分的实现主要包括由管控平台实现的离线计算和推荐服务端实现的在线召回两个部分。
离线计算任务运行在搭建于混合云hive之上的管控平台,包括定期从内容资讯库中获取并统计出每一个关键词及每一个内容标签下的所有可推荐视频,且该些可推荐视频的发布时间在90天内,并按照发布时间排序,截取TOP100的可推荐视频构成内容相似推荐视频候选集,然后,将视频候选集数据存放在Elasticsearch集群的内容相似推荐候选集数据库。其中,内容资讯库可以是基于Elasticsearch集群实现的,存储有视频源站上所有视频的标识、视频画像特征、发布时间等相关属性信息。
推荐服务端实现的在线召回的实现过程包括:首先,根据目标视频的标识,从内容资讯库中获取目标视频的视频画像特征:关键词和内容标签;然后,从Elasticsearch集群中的内容相似推荐候选集数据库中分别获取目标视频的关键词和内容标签对应的可推荐候候选视频,作为内容维度下的推荐候选集。
在本步骤中,用户画像包括当前用户画像及全量用户画像,相应地,推荐服务端基于当前用户画像获取推荐候选集的具体方法可包括:
从Elasticsearch集群获取当前用户的兴趣标签,并从Redis数据库中获取与兴趣标签匹配的候选视频,构成推荐候选集。在一示例中,该部分的实现主要包括由管控平台实现的离线计算和推荐服务端实现的在线召回两个部分。其中,离线计算任务分为两个部分,一部分是生成全量用户的兴趣偏好对应的可推荐视频集,管控平台定期从内容资讯库中获取并统计出每一个内容标签下的所有可推荐视频,且该些可推荐视频的发布时间在90天内,并点击率对视频进行排序,截取TOP200个视频构成各兴趣标签对应的可推荐视频集,存放在redis数据库中。另一部分是基于每个用户近90天的行为计算出每个用户感兴趣的内容标签,即兴趣标签,管控平台根据各用户近90天内的曝光、点击行为,关联并计算出每个用户在各内容标签下的点击率,按照点击率对内容标签进行排序,截取TOP5个内容标签作为用户的兴趣标签,存放在Elasticsearch集群的用户的兴趣标签数据库。
推荐服务端实现的在线召回包括:首先,根据当前用户的标识,从Elasticsearch集群的用户的兴趣标签数据库中,获取当前用户的兴趣标签。然后,根据当前用户的兴趣标签,从redis数据库中获取该兴趣标签对应的可推荐视频,作为当前用户画像对应的推荐候选集。
从Elasticsearch集群获取播放热度或发布时间满足预设条件的候选视频,其中播放热度是基于全量用户的点击行为统计得到的。在一示例中,该部分的实现主要包括由管控平台实现的离线计算和推荐服务端实现的在线召回两个部分。其中,离线计算任务分为两部分:一部分是生成最新推荐候选集,包括根据内容资讯库中所有发布时间在90天内、可推荐的视频资讯,按照发布时间排序,并截取TOP500视频构成最新推荐候选集,存放在Elasticsearch集群的最新推荐候选集集数据库中;另一部分是生成最热的推荐候选集,包括根据用户近90天内的曝光、点击行为,计算出每个视频的点击率,按照点击率对视频进行排序,并截取TOP500个视频标签作为最热推荐候选集,存放在Elasticsearch集群的最热推荐候选集数据库中。
推荐服务端实时从Elasticsearch集群对应的数据库中分别获取最新和最热的推荐候选集。
S230,获取当前用户的曝光和点击行为的离线统计数据和实时统计数据。
本申请实施例中所使用的用户曝光和点击行为数据,由埋点服务端统一上报并存储至管控平台,用于管控平台的计算。具体而言,为了给用户提供更加及时、准确的视频资讯,推荐服务端和客户端的程序中进行了相应的埋点,会实时将用户的请求数据、用户行为数据上报至埋点服务端,埋点服务端在收集到上报的埋点数据后,一方面,将这些数据存储至平台仓库的表中,使得管控平台可基于平台仓库中的行为数据进行用户曝光点击行为的离线计算,得到离线统计数据;另一方面,埋点服务端将该写数据消息上报至平台消息队列中,并由实时任务对各类事件进行用户的曝光和点击行为的实时计算,并将实时统计结果存储至redis数据库中。基于此,实现了用户曝光点击统计的全覆盖(离线(Elasticsearch)存储和实时(redis)存储)。
S240,基于离线统计数据和实时统计数据以及过滤策略,从推荐候选集中过滤出推荐数量的推荐视频。
在一实施中,参照图3,推荐服务端从推荐候选集中过滤出推荐数量的推荐视频的方法包括步骤:
S310,根据离线统计数据和实时统计数据确定已对当前用户曝光过的视频以及已被当前用户点击过的视频,构成视频筛选集。
S320,根据过滤策略确定出视频筛选集的保留视频,并将保留视频从视频筛选集中剔除,得到视频过滤集。
其中,过滤策略可以是资讯服务提供商根据具体的市场推广需求设定,如保留指定业务维度、或内容维度的视频;也可以是针对特定用户或特定用户群体设定的,例如,针对已合作用户,可根据已合作过的业务评估具备潜在合作意向的业务维度,并设置过滤策略为保留具备潜在合作意向的业务维度的视频。
S330,将推荐候选集中与视频过滤集相同的视频进行剔除,得到推荐数量的推荐视频。
其中推荐数量可以是根据携带在获取请求中的参数确定的,也可以在推荐服务端预先配置好的。不同画像对应的推荐个数分布可以不同,例如总的推荐数量为10个,其中业务维度下的为3个,内容维度为3个,当前用户画像和全量用户画像维度分别为2个。可以理解的是,若推荐候选集完成剔除后,某一维度下的推荐数量不足,则可通过其他维度下的视频进行补充,以满足推荐总数的要求。
S250,基于预设推荐规则对各推荐视频进行排序,并生成对应的推荐列表。
其中,预设推荐规则包括基于视频画像获取到的推荐视频排在用户画像获取到的视频之前。
在一示例中,推荐服务端在基于预设推荐规则的排序阶段会对上述不同的画像/维度进行优先级设置,优先级等级如下:业务维度对应的优先级为1、内容维度优先级为2、当前用户画像优先级为3、全量用户画像优先级为4,那么对应的先后排序顺序可为业务维度、内容维度、当前用户画像和全量用户画像对应的推荐视频,可选择地,当前用户画像下的推荐视频和全量用户画像下的推荐视频也可以交叉混排。
如上所述,推荐候选集整体数量不足,则可直接从redis数据库中获取最新和最热的100个可推荐视频,并分别随机获取40个最新视频和最热视频作为推荐候选集。
S260,返回推荐列表。
推荐服务端向发送请求的客户端返回推荐列表。
基于上述方法,可实现多维度的为当前用户提供推荐视频,以为当前用户提供各维度的相关推荐视频,使得用户可快速获取需求的资讯。
以下将从客户端角度对本申请实施例所提供的视频资讯展示方法进行说明。
请同时参照图4,所述方法包括步骤:
S410,向用户展示包含目标视频图标的资讯页面。
资讯页面中可包含各类形式的资讯图标,如文字、图片及视频。客户端可在用户打开客户端应用程序时,加载并显示该资讯页面。
S420,响应于用户针对目标视频图标的点击操作,生成并发送目标视频的播放请求至视频源站。
客户端基于目标视频的标识向视频源站请求目标视频的播放数据,在本申请实施例中,所有视频的播放数据都存储在视频源站上,视频标识、内容标签、关键词、所属业务等相关信息均存储在内容资讯库中,当视频源站的视频发生更新,如删除或新增,会通知内容资讯库以实现相关数据的同步更新。播放数据和属性数据分开存储,可分散数据存储及处理压力,保证系统响应速度。
S430,生成并发送推荐请求至推荐服务端。
其中,推荐请求中携带有目标视频标识、当前用户标识。推荐服务端根据上述方法生成推荐列表,返回给客户端。
S440,基于视频源站返回的播放数据,在详情页面中播放目标视频。
其中,客户端可在详情页面中全屏播放目标视频,以增强用户的视觉体验。
S450,根据推荐服务端返回的推荐列表,进行推荐视频的预加载。
推荐列表提供了推荐视频的标识,客户端可根据列表中的顺序依次向视频源站请求对应的播放数据,从而实现推荐视频的预加载,以提升视频播放的流畅度,增强用户体验。
在一实施中,客户端可先向视频源站请求各推荐视频的部分播放数据,部分播放数据的长度可以根据视频源站的前一次响应时间设定,如前一次请求播放数据时,从请求发送到收到响应的时间为1秒,那么部分播放数据的长度可设置为1秒,如此,当用户开始观看推荐视频时,在基于预加载数据播放的同时,客户端再想视频源站请求剩余的播放数据,从而实现在不影响用户体验的前提下,尽可能节省数据传输流量及本地的存储空间。
在另一实施中,客户端可根据用户的历史观看记录确定一最小有效观看时间,即用户习惯在最小有效观看时间结束后切换视频,如一般用户均在观看3秒后,对视频进行切换,那么客户端也可将部分播放数据的长度确定为前播放4秒对应的播放数据,即最小有效观看时间与前一次响应时间之和,如此,可在播放完第三秒的时候,若视频没有被切换,则客户端再向视频源站请求剩余播放数据。
S460,在检测到用户针对详情页面的目标操作或目标视频播放完成时,基于预加载的播放数据,依次播放所述推荐列表中的推荐视频。
目标操作为详情页面中对应的视频切换手势,如下滑、左滑、右滑、双击等等。
在一示例中,客户端可根据是否检测到目标手势来确定是否播放下一个推荐视频,若当前视频播放完毕时,并未检测到目标手势,则不进入下一视频的播放,并停留在当前视频结束画面或自动退出。
在另一示例中,若当前视频播放完毕时,并未检测到目标手势,客户端也可自动播放下一个推荐视频,并在连续播放预设次数后,依然没有检测到目标手势时,再停止自动播放,以防无效的推荐,或影响用户体验。
更进一步地,客户端在详情页面依次播放推荐视频的过程中,当已播放数量满足预设条件或已播放视频中有完播度满足预设条件的,则确定出新的目标视频,并基于新的目标视频向推荐服务器发送推荐获取请求。
举例而言,当推荐视频列表中剩余5个尚未播放时,则可基于正在播放的视频,向推荐服务端再次发送推荐请求,并携带该视频的标识,以提前获取新的推荐列表,并重复上述预加载的步骤,等待向用户推荐。在另一示例中,新的目标视频不一定要确定为当前正在播放的视频,也可以是已播放的视频中完播度最高的视频,如此使得新的推荐视频更贴近用户需求。
此外,考虑到在大多数场景下,在目标视频未完成播放或推荐列表中的推荐视频未开始播放时,用户会选择退出详情页面,如此,客户端可将缓存列表中基于用户画像确定出的推荐视频相关数据进行缓存,并在当前用户再次点击选择新的视频进行播放时,优先播放缓存中的推荐视频,并在用户开始观看推荐视频时,再执行步骤S430,值得注意的是,此时发出的推荐请求是根据用户主动点击的视频生成的。如此,可有效利用缓存数据,以减少客户端与推荐服务端之间的请求次数。
请参照图5,本申请的实施例还提供了一种电子设备,包括至少一个处理器501;以及,与至少一个处理器501通信连接的存储器502;其中,存储器502存储有可被至少一个处理器501执行的指令,所述指令被至少一个处理器501执行,以使至少一个处理器501能够执行本申请实施例所提供的视频资讯展示方法。
本申请的另一实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述视频资讯展示方法的实施方式。
本领域技术人员可以理解,实现上述实施方式方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.视频资讯展示方法,其特征在于,应用于推荐服务端,包含步骤:
响应于推荐请求,根据所述推荐请求中携带的参数,确定目标视频及当前用户;
分别基于所述目标视频的视频画像及用户画像,获取推荐候选集;
获取所述当前用户的曝光和点击行为的离线统计数据和实时统计数据;
基于所述离线统计数据和所述实时统计数据以及过滤策略,从所述推荐候选集中过滤出推荐数量的推荐视频;
基于预设推荐规则对各所述推荐视频进行排序,并生成对应的推荐列表;
返回所述推荐列表。
2.如权利要求1所述的视频资讯展示方法,其特征在于,所述基于所述目标视频的视频画像,获取推荐候选集,包括:
获取所述目标视频在至少一个视频画像维度下的视频画像特征;
从Elasticsearch集群中获取具备所述视频画像特征的候选视频,构成所述推荐候选集;
其中,所述Elasticsearch集群中针对各视频画像维度分别存储有对应的所述候选视频,所述候选视频是基于发布时间、各所述视频画像特征及指定数量从内容资讯库中预先获取的。
3.如权利要求1所述的视频资讯展示方法,其特征在于,所述基于用户画像,获取推荐候选集,包括:
从Elasticsearch集群获取当前用户的兴趣标签,并从Redis数据库中获取与所述兴趣标签匹配的候选视频,构成所述推荐候选集;以及,
从所述Elasticsearch集群获取播放热度或发布时间满足预设条件的候选视频,其中所述播放热度是基于全量用户的点击行为统计得到的。
4.如权利要求1所述的视频资讯展示方法,其特征在于,所述获取所述当前用户的曝光和点击行为的离线统计数据和实时统计数据,包括:
从Elasticsearch集群获取所述离线统计数据,其中,所述离线统计数据是由管控平台基于平台仓库中的用户行为数据周期性计算得到的;
从Redis数据库获取所述实时统计数据,其中所述实时统计数据是由所述管控平台基于平台消息队列中的用户行为数据实时计算得到的。
5.如权利要求1所述的视频资讯展示方法,其特征在于,所述基于所述离线统计数据和所述实时统计数据以及过滤策略,从所述推荐候选集中过滤出所述推荐数量的推荐视频,包括:
根据所述离线统计数据和所述实时统计数据确定已对所述当前用户曝光过的视频以及已被所述当前用户点击过的视频,构成视频筛选集;
根据所述过滤策略确定出所述视频筛选集的保留视频,并将所述保留视频从所述视频筛选集中剔除,得到视频过滤集;
将所述推荐候选集中与所述视频过滤集相同的视频进行剔除,得到所述推荐数量的推荐视频。
6.如权利要求1所述的视频资讯展示方法,其特征在于,所述预设推荐规,包括:
基于所述视频画像获取到的推荐视频排在所述用户画像获取到的视频之前。
7.视频资讯展示方法,其特征在于,应用于客户端,所述方法包括:
向用户展示包含目标视频图标的资讯页面;
响应于用户针对所述目标视频图标的点击操作,生成并发送所述目标视频的播放请求至视频源站,并且生成并发送推荐请求至推荐服务端,其中,所述推荐请求中携带有所述目标视频标识、当前用户标识;
基于所述视频源站返回的播放数据,在详情页面中播放所述目标视频;
根据所述推荐服务端返回的推荐列表,进行推荐视频的预加载,其中所述推荐服务端基于权利要求1至6中任一项所述的方法向所述客户端返回所述推荐列表;并在检测到用户针对所述详情页面的目标操作或所述目标视频播放完成时,基于所述预加载的播放数据,依次播放所述推荐列表中的推荐视频。
8.如权利要求8所述的视频资讯展示方法,其特征在于,所述方法还包括:
在依次播放所述推荐列表中的推荐视频过程中,当已播放数量满足预设条件或已播放视频中有完播度满足预设条件的,则确定出新的目标视频,并基于所述新的目标视频向推荐服务器发送推荐获取请求。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的视频资讯展示方法。
10.一种计算机可读存储介质,存储有计算机程序,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8中任一项所述的视频资讯展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211736513.XA CN116055809A (zh) | 2022-12-31 | 2022-12-31 | 视频资讯展示方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211736513.XA CN116055809A (zh) | 2022-12-31 | 2022-12-31 | 视频资讯展示方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116055809A true CN116055809A (zh) | 2023-05-02 |
Family
ID=86112755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211736513.XA Pending CN116055809A (zh) | 2022-12-31 | 2022-12-31 | 视频资讯展示方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116055809A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116821475A (zh) * | 2023-05-19 | 2023-09-29 | 广州蜜糖网络科技有限公司 | 基于客户数据的视频推荐方法、装置及计算机设备 |
-
2022
- 2022-12-31 CN CN202211736513.XA patent/CN116055809A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116821475A (zh) * | 2023-05-19 | 2023-09-29 | 广州蜜糖网络科技有限公司 | 基于客户数据的视频推荐方法、装置及计算机设备 |
CN116821475B (zh) * | 2023-05-19 | 2024-02-02 | 广州蜜糖网络科技有限公司 | 基于客户数据的视频推荐方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150039601A1 (en) | Pre-delivery of content to a user device | |
EP2599015A2 (en) | Systems and methods for managing electronic content | |
KR20110009198A (ko) | 최다 클릭된 다음 객체들을 갖는 검색 결과 | |
US20170155939A1 (en) | Method and System for Processing Data Used By Creative Users to Create Media Content | |
CN107835439B (zh) | 一种弹幕推送方法、电子设备以及计算机可读存储介质 | |
US20130124301A1 (en) | System and method for dynamic user feedback for display and context advertisements | |
US20150142584A1 (en) | Ranking content based on member propensities | |
CN111209067A (zh) | 一种多媒体资源处理方法、装置、存储介质及计算设备 | |
CN113609374A (zh) | 基于内容推送的数据处理方法、装置、设备及存储介质 | |
CN110659404A (zh) | 一种信息推荐方法、装置及存储介质 | |
US10733244B2 (en) | Data retrieval system | |
CN116055809A (zh) | 视频资讯展示方法、电子设备及存储介质 | |
CN110264283B (zh) | 一种推广资源展示方法及装置 | |
CN113111222B (zh) | 短视频模板的生成方法、装置、服务器以及存储介质 | |
CN117593053A (zh) | 广告投放的大数据分析系统 | |
CN106445922B (zh) | 确定多媒体资源的标题的方法及装置 | |
RU2678088C1 (ru) | Программирование уведомлений, исходя из последующей активности пользователя | |
CN113010790A (zh) | 内容推荐方法、装置、服务器及存储介质 | |
CN112287799A (zh) | 基于人工智能的视频处理方法、装置及电子设备 | |
CN113515336B (zh) | 直播间加入方法、创建方法、装置、设备及存储介质 | |
TW202335511A (zh) | 用於推薦串流資料的系統、方法及電腦可讀取媒體 | |
CN103080935B (zh) | 内容搜索服务系统和内容搜索服务方法 | |
CN112163163B (zh) | 多算法融合的信息推荐方法、装置和设备 | |
CN115244941A (zh) | 用于改进视频组包的用户界面 | |
CN113742573B (zh) | 一种多媒体资源搜索方法、装置、计算机设备和存储介质 |
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 |