CN116744063B - 一种融合社会属性信息的短视频推送系统 - Google Patents

一种融合社会属性信息的短视频推送系统 Download PDF

Info

Publication number
CN116744063B
CN116744063B CN202311022503.4A CN202311022503A CN116744063B CN 116744063 B CN116744063 B CN 116744063B CN 202311022503 A CN202311022503 A CN 202311022503A CN 116744063 B CN116744063 B CN 116744063B
Authority
CN
China
Prior art keywords
short video
acquiring
short
target user
keywords
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
Application number
CN202311022503.4A
Other languages
English (en)
Other versions
CN116744063A (zh
Inventor
李强
赵峰
宋卫平
魏伟
高胜杰
桂胜
李习靖
杨蕊
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.)
Sichuan Zhongdian Aostar Information Technologies Co ltd
State Grid Information and Telecommunication Co Ltd
Original Assignee
Sichuan Zhongdian Aostar Information Technologies Co ltd
State Grid Information and Telecommunication 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 Sichuan Zhongdian Aostar Information Technologies Co ltd, State Grid Information and Telecommunication Co Ltd filed Critical Sichuan Zhongdian Aostar Information Technologies Co ltd
Priority to CN202311022503.4A priority Critical patent/CN116744063B/zh
Publication of CN116744063A publication Critical patent/CN116744063A/zh
Application granted granted Critical
Publication of CN116744063B publication Critical patent/CN116744063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • 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
    • H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
    • 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
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种融合社会属性信息的短视频推送系统，属于人工智能技术领域，该系统利用爬虫单元获取各短视频的识别标签、各短视频的弹幕内容信息以及各短视频的相关参数；再利用情感分析单元对短视频弹幕内容进行情感分析，判断各弹幕的情感倾向为积极、消极还是中性；再利用控制器获取一个用户的各相关短视频以及各相关短视频相对该用户的推荐系数Tj；该推送系统考虑到传统的推送过程中，视频标签覆盖范围较广导致推荐的视频类别实际覆盖范围较大，与用户之间的契合度较低，推荐效果不佳的问题，在利用标签进行初次筛选的基础上，再次利用弹幕内容对系统预进行推荐的短视频内容范围进行进一步的缩小，从而有利于提升短视频智能推荐的准确性。

Description

一种融合社会属性信息的短视频推送系统
技术领域
本发明属于人工智能技术领域，具体涉及一种融合社会属性信息的短视频推送系统。
背景技术
互联网自出现以来，承载的信息量随着时间出现爆炸式的增长，导致用户在对信息进行查询时，无法快速准确的获取用户所需的或者用户感兴趣的信息，为了降低用户获取需要信息的难度，智能推荐技术也在互联网技术中得到了充分的发展与利用，用户在互联网进行活动时，平台可以根据在过去一段时间内用户的活动记录对用户感兴趣或者可能感兴趣的信息进行推荐，使用户能够快速准确的获取相关信息，降低了用户在信息获取上花费的时间，同时也提升了平台与用户之间的信息交互效率。
现有技术中短视频平台在对短视频进行推荐时，由于视频标签覆盖范围较广，导致推荐的视频类别实际覆盖范围较大，与用户之间的契合度较低，推荐效果不佳，为了解决上述问题，提供一种能够提升短视频推荐精度的方案，本发明提供了以下技术方案。
发明内容
本发明的目的在于提供一种融合社会属性信息的短视频推送系统，旨在解决现有技术中短视频平台在对短视频进行推荐时，由于视频标签覆盖范围较广，导致推荐的视频类别实际覆盖范围较大，与用户之间的契合度较低，推荐效果不佳的问题。
本发明的目的可以通过以下技术方案实现：
一种融合社会属性信息的短视频推送系统，包括：
爬虫单元，用于获取各短视频的识别标签、各短视频的弹幕内容信息以及各短视频的点击率、转发率、评论率、点赞率、播放次数；
情感分析单元，用于对短视频弹幕内容进行情感分析，判断各弹幕的情感倾向为积极、消极还是中性；
控制器，用于获取一个用户的各相关短视频以及各相关短视频相对该用户的推荐系数Tj；
推荐单元，用于将对应的短视频推荐至对应用户的终端设备；
控制器计算一个用户的各相关短视频以及各相关短视频相对该用户的推荐系数Tj的方法包括如下步骤：
S1、通过爬虫单元获取各短视频的识别标签以及在过去的预设时间T1内各短视频的热度值r；
S2、获取过去的预设时间T2内，目标用户所对应的身份标签；
S3、对于一个短视频，获取其对应的识别标签与目标用户的身份标签之间的重合度α，将重合度α大于预设值α1的短视频标记为待选短视频，获取各待选短视频在过去的T1时间内的热度值r；
根据公式计算得到对于目标用户，各待选短视频的相关热度系数R；将相关热度系数R大于等于预设值R1的待选短视频标记为相关短视频；
S4、对各相关短视频的弹幕关键词进行获取；
获取目标用户的相关关键词，目标用户的相关关键词根据目标用户在过去T2时间内观看的短视频的弹幕关键词；
获取目标用户的相关关键词与各相关短视频的弹幕关键词之间的相似度αx；
S5、当两个用户对应的相关关键词的重合度大于等于预设值y3时，则认为这两个用户为同属性用户；
获取目标用户的同属性用户；
获取各相关短视频被同属性用户观看的次数g；
通过情感分析单元判断各弹幕的情感倾向为积极、消极还是中性；获取各相关短视频中情感倾向为积极以及中性的弹幕的占比之和b；
根据公式计算得到对于目标用户，各对应的相关短视频的推荐系数Tj；
其中θ1、θ2与θ3均为预设系数，1＜μ＜1.1；
S6、推荐单元按照推荐系数Tj越大，优先度越大的原则将各相关短视频推荐至目标用户。
作为本发明的进一步方案，短视频的热度值r的计算方法为：
获取在过去的预设时间T1内，各短视频的点击率d1、转发率d2、评论率d3、点赞率d4以及播放次数d；
根据公式r=λ5*d*(λ1*d1+λ2*d2+λ3*d3+λ4*d4)计算得到在过去的T1时间内，对应短视频的热度值r；
λ1、λ2、λ3、λ4、λ5均为预设系数。
作为本发明的进一步方案，目标用户的身份标签的获取方法为：
获取在过去的预设时间T2内，目标用户所观看的各短视频的识别标签的集合；
获取识别标签的集合中各识别标签的数量ki；
将满足ki＞ky1或满足ki＞ky2且ki/kz＞β1的识别标签作为目标用户的身份标签；
其中ky1、ky2与β1均为预设值，kz为识别标签的集合中识别标签的总数，且ky1＞ky2。
作为本发明的进一步方案，所述重合度α=u1/umax，其中u1为短视频的识别标签与目标用户的身份标签之间的重合标签的数量，umax为短视频标签与目标用户的身份标签中数量较大一方的标签数量；
作为本发明的进一步方案，αx=u2/u2max，其中u2为目标用户的相关关键词与各相关短视频的弹幕关键词之间的重合关键词的数量，u2max为目标用户的相关关键词总数与相关短视频的弹幕关键词总数中较大一方。
作为本发明的进一步方案，相关短视频的弹幕关键词的获取方法为：
在过去的T1时间内，随机获取预设数量的弹幕，形成对应相关短视频的弹幕集合；
对弹幕集合中弹幕词汇进行分析，将出现频率最高的前e个词汇标记对应短视频在过去T1时间内的弹幕关键词，e为预设值。
作为本发明的进一步方案，目标用户对应的相关关键词的获取方法：
获取目标用户在过去的T2时间内观看的短视频的弹幕关键词集合；
将弹幕关键词集合中出现次数c满足c＞c1或者满足c＞c2且c/cz＞β2的关键词标记为目标用户对应的相关关键词；
其中c1、c2、β2均为预设值，cz为弹幕关键词集合中弹幕关键词的总数，c1＞c2。
作为本发明的进一步方案，μ取值为1.001。
本发明的有益效果如下：
1、本发明利用用户画像，将更加符合用户需求的短视频优先推荐至对应用户，降低用户获取所需信息的难度，提升用户查看短视频的体验的流畅性；
2、本发明考虑到传统的推送过程中，视频标签覆盖范围较广导致推荐的视频类别实际覆盖范围较大，与用户之间的契合度较低，推荐效果不佳的问题，在利用标签进行初次筛选的基础上，再次利用弹幕内容对系统预进行推荐的短视频内容范围进行进一步的缩小，从而有利于提升短视频智能推荐的准确性；
3、本发明利用用户在短视频平台活动期间涉及的弹幕来对用户进行评价，并以此来判断获取与用户的社会属性相似的其他用户，并在最终的判断过程中考虑这些其他用户的短视频观看记录，从而使最终推荐的短视频更加符合用户的需求，有利于提升平台的用户粘度。
具体实施方式
下面将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作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。
一种融合社会属性信息的短视频推送系统，包括：
爬虫单元，用于获取各短视频的识别标签、各短视频的弹幕内容信息以及各短视频的点击率、转发率、评论率、点赞率、播放次数等原始信息；
情感分析单元，用于对短视频弹幕内容进行情感分析，判断各弹幕的情感倾向为积极、消极还是中性；
控制器，用于获取一个用户的各相关短视频以及各相关短视频相对该用户的推荐系数Tj；
推荐单元，用于将对应的短视频推荐至对应用户的终端设备。
控制器计算一个用户的各相关短视频以及各相关短视频相对该用户的推荐系数Tj的方法包括如下步骤：
S1、通过爬虫单元获取各短视频的识别标签以及在过去的预设时间T1内各短视频的热度值r；
所述短视频的识别标签包括时尚、搞笑、宠物、音乐、运动等；
短视频的热度值r的计算方法为：
获取在过去的预设时间T1内，各短视频的点击率d1、转发率d2、评论率d3、点赞率d4以及播放次数d；
根据公式r=λ5*d*(λ1*d1+λ2*d2+λ3*d3+λ4*d4)计算得到在过去的T1时间内，对应短视频的热度值r；
λ1、λ2、λ3、λ4、λ5均为预设系数；
S2、获取在过去的预设时间T2内，目标用户所对应的身份标签；
目标用户的身份标签的获取方法为：
获取在过去的预设时间T2内，目标用户所观看的各短视频的识别标签的集合；
获取识别标签的集合中各识别标签的数量ki；
将满足ki＞ky1或满足ki＞ky2且ki/kz＞β1的识别标签作为目标用户的身份标签；
其中ky1、ky2与β1均为预设值，kz为识别标签的集合中识别标签的总数，且ky1＞ky2；
该步骤中通过考虑用户与视频的标签以及短视频的热度来对短视频内容进行初步的筛选，从而降低后续的筛选难度，降低筛选时的计算量；
S3、对于一个短视频，获取其对应的识别标签与目标用户的身份标签之间的重合度α，将重合度α大于预设值α1的短视频标记为待选短视频，获取各待选短视频在过去的T1时间内的热度值r；
根据公式计算得到对于目标用户，各待选短视频的相关热度系数R；
将相关热度系数R大于等于预设值R1的待选短视频标记为相关短视频；
所述重合度α=u1/umax，其中u1为短视频的识别标签与目标用户的身份标签之间的重合标签的数量，umax为短视频标签与目标用户的身份标签中数量较大一方的标签数量；
S4、对各相关短视频的弹幕关键词进行获取；
获取目标用户的相关关键词；
获取目标用户的相关关键词与各相关短视频的弹幕关键词之间的相似度αx；
αx=u2/u2max，其中u2为目标用户的相关关键词与各相关短视频的弹幕关键词之间的重合关键词的数量，u2max为目标用户的相关关键词总数与相关短视频的弹幕关键词总数中较大一方；
相关短视频的弹幕关键词的获取方法为：
在过去的T1时间内，随机获取预设数量的弹幕，形成对应相关短视频的弹幕集合；
对弹幕集合中弹幕词汇进行分析，将出现频率最高的前e个词汇标记对应短视频在过去T1时间内的弹幕关键词，e为预设值。
目标用户对应的相关关键词的获取方法：
获取目标用户在过去的T2时间内观看的短视频的弹幕关键词集合；
在本发明的一个实施例中，为了降低计算量，当目标用户在过去的T2时间内观看的短视频的弹幕关键词的总数超过预设值y1时，则在该将弹幕关键词集合中随机选取y2个关键词组成该目标用户在过去的T2时间内观看的短视频的弹幕关键词集合；
将弹幕关键词集合中出现次数c满足c＞c1或者满足c＞c2且c/cz＞β2的关键词标记为目标用户对应的相关关键词；
其中c1、c2、β2均为预设值，cz为弹幕关键词集合中弹幕关键词的总数，c1＞c2；
本发明考虑到传统的推送过程中，视频标签覆盖范围较广导致推荐的视频类别实际覆盖范围较大，与用户之间的契合度较低，推荐效果不佳的问题，利用弹幕内容对系统预进行推荐的短视频内容范围进行进一步的缩小，从而有利于提升短视频智能推荐的准确性；
S5、当两个用户对应的相关关键词的重合度大于等于预设值y3时，则认为这两个用户为同属性用户；
在本发明的一个实施例中，y3取值为70%；
获取目标用户的同属性用户；
获取各相关短视频被同属性用户观看的次数g；
通过情感分析单元对各相关短视频的弹幕内容进行情感分析，判断各弹幕的情感倾向为积极、消极还是中性；
获取各相关短视频中情感倾向为积极以及中性的弹幕的占比之和b；
根据公式计算得到对于目标用户，各对应的相关短视频的推荐系数Tj；
其中θ1、θ2、θ3与μ均为预设系数，且1＜μ＜1.1；
在本发明的一个实施例中，μ优选为1.001；
S6、推荐单元按照推荐系数Tj越大，优先度越大的原则将各相关短视频推荐至目标用户；
在本发明的一个实施例中，推荐单元在对各相关短视频进行推荐时，目标用户及其同属性用户在
该步骤利用用户在短视频平台活动期间涉及的弹幕来对用户进行评价，并以此来判断获取与用户的社会属性相似的其他用户，并在最终的判断过程中考虑这些其他用户的短视频观看记录，从而使最终推荐的短视频更加符合用户的需求，有利于提升平台的用户粘度；
本发明利用用户画像，将更加符合用户需求的短视频优先推荐至对应用户，降低用户获取所需信息的难度，提升用户查看短视频的体验的流畅性。
在说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种融合社会属性信息的短视频推送系统，其特征在于，包括：
爬虫单元，用于获取各短视频的识别标签、各短视频的弹幕内容信息以及各短视频的点击率、转发率、评论率、点赞率、播放次数；
情感分析单元，用于对短视频的弹幕内容信息进行情感分析，判断各弹幕内容信息的情感倾向为积极、消极还是中性；
控制器，用于获取一个用户的各相关短视频以及各相关短视频相对该用户的推荐系数Tj；
推荐单元，用于将对应的短视频推荐至对应用户的终端设备；
控制器计算一个用户的各相关短视频以及各相关短视频相对该用户的推荐系数Tj的方法包括如下步骤：
S1、通过爬虫单元获取各短视频的识别标签以及在过去的预设时间T1内各短视频的热度值r；
S2、获取过去的预设时间T2内，目标用户所对应的身份标签；
S3、对于一个短视频，获取其对应的识别标签与目标用户的身份标签之间的重合度α，将重合度α大于预设值α1的短视频标记为待选短视频，获取各待选短视频在过去的T1时间内的热度值r；
根据公式 计算得到对于目标用户，各待选短视频的相关热度系数R；将相关热度系数R大于等于预设值R1的待选短视频标记为相关短视频；
S4、对各相关短视频的弹幕关键词进行获取；
获取目标用户的相关关键词，目标用户的相关关键词根据目标用户在过去T2时间内观看的短视频的弹幕关键词；
获取目标用户的相关关键词与各相关短视频的弹幕关键词之间的相似度αx；
αx=u2/u2max，其中u2为目标用户的相关关键词与各相关短视频的弹幕关键词之间的重合关键词的数量，u2max为目标用户的相关关键词总数与相关短视频的弹幕关键词总数中较大一方；
S5、当两个用户对应的相关关键词的重合度大于等于预设值y3时，则认为这两个用户为同属性用户；
获取目标用户的同属性用户；
获取各相关短视频被同属性用户观看的次数g；
通过情感分析单元判断各弹幕内容信息的情感倾向为积极、消极还是中性；获取各相关短视频中情感倾向为积极以及中性的弹幕内容信息的占比之和b；
根据公式计算得到对于目标用户，各对应的相关短视频的推荐系数Tj；
其中θ1、θ2与θ3均为预设系数，μ为预设数值且1＜μ＜1.1；
S6、推荐单元按照推荐系数Tj越大，优先度越大的原则将各相关短视频推荐至目标用户；
目标用户的身份标签的获取方法为：
获取在过去的预设时间T2内，目标用户所观看的各短视频的识别标签的集合；
获取识别标签的集合中各识别标签的数量ki；
将满足ki＞ky1或满足ki＞ky2且ki/kz＞β1的识别标签作为目标用户的身份标签；
其中ky1、ky2与β1均为预设值，kz为识别标签的集合中识别标签的总数，且ky1＞ky2。
2.根据权利要求1所述的一种融合社会属性信息的短视频推送系统，其特征在于，短视频的热度值r的计算方法为：
获取在过去的预设时间T1内，各短视频的点击率d1、转发率d2、评论率d3、点赞率d4以及播放次数d；
根据公式r=λ5*d*(λ1*d1+λ2*d2+λ3*d3+λ4*d4)计算得到在过去的T1时间内，对应短视频的热度值r；
λ1、λ2、λ3、λ4、λ5均为预设系数。
3.根据权利要求1所述的一种融合社会属性信息的短视频推送系统，其特征在于，所述重合度α=u1/umax，其中u1为短视频的识别标签与目标用户的身份标签之间的重合标签的数量，umax为短视频标签与目标用户的身份标签中数量较大一方的标签数量。
4.根据权利要求1所述的一种融合社会属性信息的短视频推送系统，其特征在于，相关短视频的弹幕关键词的获取方法为：
在过去的预设时间T1内，随机获取预设数量的弹幕，形成对应相关短视频的弹幕集合；
对弹幕集合中弹幕词汇进行分析，将出现频率最高的前e个词汇标记对应短视频在过去的预设时间T1内的弹幕关键词，e为预设值。
5.根据权利要求1所述的一种融合社会属性信息的短视频推送系统，其特征在于，目标用户对应的相关关键词的获取方法：
获取目标用户在过去的预设时间T2内观看的短视频的弹幕关键词集合；
将弹幕关键词集合中出现次数c满足c＞c1或者满足c＞c2且c/cz＞β2的关键词标记为目标用户对应的相关关键词；
其中c1、c2、β2均为预设值，cz为弹幕关键词集合中弹幕关键词的总数，c1＞c2。
6.根据权利要求1所述的一种融合社会属性信息的短视频推送系统，其特征在于，μ取值为1.001。
CN202311022503.4A 2023-08-15 2023-08-15 一种融合社会属性信息的短视频推送系统 Active CN116744063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311022503.4A CN116744063B (zh) 2023-08-15 2023-08-15 一种融合社会属性信息的短视频推送系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311022503.4A CN116744063B (zh) 2023-08-15 2023-08-15 一种融合社会属性信息的短视频推送系统

Publications (2)

Publication Number Publication Date
CN116744063A CN116744063A (zh) 2023-09-12
CN116744063B true CN116744063B (zh) 2023-11-03

Family

ID=87902982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311022503.4A Active CN116744063B (zh) 2023-08-15 2023-08-15 一种融合社会属性信息的短视频推送系统

Country Status (1)

Country Link
CN (1) CN116744063B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107249145A (zh) * 2017-05-05 2017-10-13 中广热点云科技有限公司 一种推送视频的方法
CN110765313A (zh) * 2019-09-17 2020-02-07 合肥工业大学 网络视频弹幕分类播放方法和系统
CN111708901A (zh) * 2020-06-19 2020-09-25 腾讯科技（深圳）有限公司 多媒体资源推荐方法、装置、电子设备及存储介质
WO2021030419A1 (en) * 2019-08-12 2021-02-18 Vyng, Inc. Methods and systems for management of media content associated with message context on mobile computing devices
CN113204709A (zh) * 2021-05-29 2021-08-03 武汉申子仟电子商务有限公司 基于多维数据深度比对分析的短视频搜索匹配推荐方法、系统及计算机存储介质
WO2022011448A1 (en) * 2020-07-16 2022-01-20 Lululemon Athletica Canada Inc. Method and system for an interface for personalization or recommendation of products
CN114339423A (zh) * 2021-12-24 2022-04-12 咪咕文化科技有限公司 短视频生成方法、装置、计算设备及计算机可读存储介质
CN115329127A (zh) * 2022-07-22 2022-11-11 华中科技大学 一种融合情感信息的多模态短视频标签推荐方法
CN115510269A (zh) * 2022-09-29 2022-12-23 中国银行股份有限公司 视频推荐的方法、装置、设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107249145A (zh) * 2017-05-05 2017-10-13 中广热点云科技有限公司 一种推送视频的方法
WO2021030419A1 (en) * 2019-08-12 2021-02-18 Vyng, Inc. Methods and systems for management of media content associated with message context on mobile computing devices
CN110765313A (zh) * 2019-09-17 2020-02-07 合肥工业大学 网络视频弹幕分类播放方法和系统
CN111708901A (zh) * 2020-06-19 2020-09-25 腾讯科技（深圳）有限公司 多媒体资源推荐方法、装置、电子设备及存储介质
WO2022011448A1 (en) * 2020-07-16 2022-01-20 Lululemon Athletica Canada Inc. Method and system for an interface for personalization or recommendation of products
CN113204709A (zh) * 2021-05-29 2021-08-03 武汉申子仟电子商务有限公司 基于多维数据深度比对分析的短视频搜索匹配推荐方法、系统及计算机存储介质
CN114339423A (zh) * 2021-12-24 2022-04-12 咪咕文化科技有限公司 短视频生成方法、装置、计算设备及计算机可读存储介质
CN115329127A (zh) * 2022-07-22 2022-11-11 华中科技大学 一种融合情感信息的多模态短视频标签推荐方法
CN115510269A (zh) * 2022-09-29 2022-12-23 中国银行股份有限公司 视频推荐的方法、装置、设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于用户偏好与商品属性情感匹配的图书个性化推荐研究;侯银秀;李伟卿;王伟军;张婷婷;;数据分析与知识发现(第08期);全文 *
非遗的短视频传播现状及策略――以抖音短视频为例;胡佳;;视听(第10期);全文 *

Also Published As

Publication number Publication date
CN116744063A (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
Ratten Sport technology: A commentary
Movshovitz-Attias et al. Analysis of the reputation system and user contributions on a question answering website: Stackoverflow
CN103902538B (zh) 基于决策树的信息推荐装置及方法
CN103686382B (zh) 一种节目推荐方法
CN105913273A (zh) 智能推荐的全端显示方法及装置
CN110704674A (zh) 一种视频播放完整度预测方法及装置
CN103365936A (zh) 视频推荐系统及其方法
CN107391577B (zh) 一种基于表示向量的作品标签推荐方法和系统
CN106096629A (zh) 一种基于用户间相似关系的广告点击率预测方法
Halim et al. Identifying content unaware features influencing popularity of videos on YouTube: A study based on seven regions
CN116797282A (zh) 一种用于广告投放的实时监控系统以及监控方法
CN109508407A (zh) 融合时间与兴趣相似度的电视产品推荐方法
CN116744063B (zh) 一种融合社会属性信息的短视频推送系统
Pliego et al. Big data and web intelligence: Improving the efficiency on decision making process via bdd
Halim et al. The impact of motivation to watch youtube, subjective norms, behavior control, information success model to watching youtube engagement
Ye et al. CDLT: A dataset with concept drift and long-tailed distribution for fine-grained visual categorization
Burton et al. Public health community mining in YouTube
Pandey et al. A fuzzy-based sustainable solution for smart farming
CN114245150A (zh) 一种基于大数据和人工智能的视频直播营销方法及系统
Verma et al. Soft-computing-based approaches for plant leaf disease detection: Machine-learning-based study
Das et al. Strategies of extension service providers to meet the information needs of the farmers.
KR20050079845A (ko) 인터넷 정보검색방법
Ghosh et al. Plant Disease Detection Using Machine Learning Approaches: A Survey
CN115658887B (zh) 一种基于云平台的广播融媒体信息采编发布管理系统
Fan et al. Data Analysis and Prediction Based on Video Platform

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