CN116992159B - 一种内容推荐方法与系统 - Google Patents
一种内容推荐方法与系统 Download PDFInfo
- Publication number
- CN116992159B CN116992159B CN202311256036.1A CN202311256036A CN116992159B CN 116992159 B CN116992159 B CN 116992159B CN 202311256036 A CN202311256036 A CN 202311256036A CN 116992159 B CN116992159 B CN 116992159B
- Authority
- CN
- China
- Prior art keywords
- user
- video
- information
- type
- tag
- 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 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 241001465754 Metazoa Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—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
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明适用于信息推送技术领域,提供了一种内容推荐方法与系统,所述方法包括以下步骤:根据用户选择的标签确定用户标签信息,所述用户标签信息中包含若干个用户标签;接收短视频以及视频标签信息,所述视频标签信息中包含若干个视频标签,对短视频进行分析识别得到视频类型;根据视频标签信息和视频类型向用户进行短视频一次推送;对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签;根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送。推送用户标签更加具有多元化,推送更加准确,效果更好。
Description
技术领域
本发明涉及信息推送技术领域,具体是涉及一种内容推荐方法与系统。
背景技术
现如今社会进入大数据时代,互联网信息呈现爆炸式增长,普通用户在大量的互联网信息中获取想要的信息具有一定困难,基于此,现有的很多互联网平台都会根据用户的特征标签数据,为用户推送合适的内容。例如,目前正在兴起的短视频平台,基本可以为每个用户推送想要观看的内容,短视频更容易占据人们“碎片化”的时间,如何将短视频准确的推送给对其可能感兴趣的用户是十分重要的,目前的推送主要依靠用户标签和视频类型,对于一些存在多元特征的视频流,推荐不够准确。因此,需要提供一种内容推荐方法与系统,旨在解决上述问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种内容推荐方法与系统,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种内容推荐方法,所述方法包括以下步骤:
根据用户选择的标签确定用户标签信息,所述用户标签信息中包含若干个用户标签;
接收短视频以及视频标签信息,所述视频标签信息中包含若干个视频标签,对短视频进行分析识别得到视频类型;
根据视频标签信息和视频类型向用户进行短视频一次推送;
对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签;
根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送。
作为本发明进一步的方案:所述对短视频进行分析识别得到视频类型的步骤,具体包括:
获取短视频的音频信息和字幕信息;
对音频信息和字幕信息进行分析,提取得到关键词;
根据关键词确定视频类型。
作为本发明进一步的方案:所述根据视频标签信息和视频类型向用户进行短视频一次推送的步骤,具体包括:
根据视频标签信息和视频类型确定相对应的目标用户标签;
将目标用户标签与用户标签信息进行匹配,当用户标签信息中的一个用户标签与其中一个目标用户标签相同时,确定用户标签信息对应的用户为目标用户;
向目标用户推送所述短视频。
作为本发明进一步的方案:所述采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签的步骤,具体包括:
采集短视频的点赞用户信息、评论用户信息和完播用户信息,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息;
对点赞用户信息、评论用户信息和完播用户信息进行整合得到推送用户标签。
作为本发明进一步的方案:所述方法还包括根据完播率对用户标签信息进行自动更新,具体步骤为:
对用户的短视频观看量进行统计;
当短视频观看量到达设定观看值时,提取出完播短视频的视频标签信息和视频类型;
根据提取的视频标签信息和视频类型对用户标签信息进行更新,更新后对短视频观看量进行重置。
本发明的另一目的在于提供一种内容推荐系统,所述系统包括:
用户标签信息模块,用于根据用户选择的标签确定用户标签信息,所述用户标签信息中包含若干个用户标签;
视频类型确定模块,用于接收短视频以及视频标签信息,所述视频标签信息中包含若干个视频标签,对短视频进行分析识别得到视频类型;
一次推送模块,用于根据视频标签信息和视频类型向用户进行短视频一次推送;
推送用户标签模块,用于对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签;
二次推送模块,用于根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送。
作为本发明进一步的方案:所述视频类型确定模块包括:
音频字幕信息确定单元,用于获取短视频的音频信息和字幕信息;
关键词提取单元,用于对音频信息和字幕信息进行分析,提取得到关键词;
视频类型确定单元,用于根据关键词确定视频类型。
作为本发明进一步的方案:所述一次推送模块包括:
目标用户标签单元,用于根据视频标签信息和视频类型确定相对应的目标用户标签;
目标用户确定单元,用于将目标用户标签与用户标签信息进行匹配,当用户标签信息中的一个用户标签与其中一个目标用户标签相同时,确定用户标签信息对应的用户为目标用户;
短视频一次推送单元,用于向目标用户推送所述短视频。
作为本发明进一步的方案:所述推送用户标签模块包括:
用户信息采集单元,用于采集短视频的点赞用户信息、评论用户信息和完播用户信息,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息;
推送用户标签单元,用于对点赞用户信息、评论用户信息和完播用户信息进行整合得到推送用户标签。
作为本发明进一步的方案:所述系统还包括用户标签更新模块,用户标签更新模块具体包括:
观看量统计单元,用于对用户的短视频观看量进行统计;
信息提取单元,当短视频观看量到达设定观看值时,提取出完播短视频的视频标签信息和视频类型;
用户标签更新单元,用于根据提取的视频标签信息和视频类型对用户标签信息进行更新,更新后对短视频观看量进行重置。
与现有技术相比,本发明的有益效果是:
本发明能够对短视频进行分析识别得到视频类型,根据视频标签信息和视频类型向用户进行短视频一次推送;并对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,会自动采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签,推送用户标签更加具有多元化,最后根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送,推送更加准确,效果更好。
附图说明
图1为一种内容推荐方法的流程图。
图2为一种内容推荐方法中对短视频进行分析识别得到视频类型的流程图。
图3为一种内容推荐方法中根据视频标签信息和视频类型向用户进行短视频一次推送的流程图。
图4为一种内容推荐方法中采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签的流程图。
图5为一种内容推荐方法中根据完播率对用户标签信息进行自动更新的流程图。
图6为一种内容推荐系统的结构示意图。
图7为一种内容推荐系统中视频类型确定模块的结构示意图。
图8为一种内容推荐系统中一次推送模块的结构示意图。
图9为一种内容推荐系统中推送用户标签模块的结构示意图。
图10为一种内容推荐系统中用户标签更新模块的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,本发明实施例提供了一种内容推荐方法,所述方法包括以下步骤:
S100,根据用户选择的标签确定用户标签信息,所述用户标签信息中包含若干个用户标签;
S200,接收短视频以及视频标签信息,所述视频标签信息中包含若干个视频标签,对短视频进行分析识别得到视频类型;
S300,根据视频标签信息和视频类型向用户进行短视频一次推送;
S400,对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签;
S500,根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送。
需要说明的是,目前正在兴起的短视频平台,基本可以为每个用户推送想要观看的内容,短视频更容易占据人们“碎片化”的时间,如何将短视频准确的推送给对其可能感兴趣的用户是十分重要的,目前的推送主要依靠用户标签和视频类型,对于一些存在多元特征的视频流,推荐不够准确,本发明实施例旨在解决上述问题。
本发明实施例中,用户刚开始使用短视频平台时需要选择自己感兴趣的内容,即通过选择一些用户标签来确定用户标签信息,当用户上传视频时,也可以为短视频打上视频标签,这样每个短视频就具有视频标签信息了。容易理解的,优质短视频的内容是具有多元化的,视频标签信息往往不够完整。因此,本发明实施例能够对短视频进行分析识别得到视频类型,这样就可以根据视频标签信息和视频类型向用户进行短视频一次推送。
进一步的,本发明实施例还会对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,设定播放值为提前设置的定值,会自动采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签,其中,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息。
如此,推送用户标签更加具有多元化,最后根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送,推送更加准确,效果更好,当然二次推送的用户不包括一次推送的用户,避免了重复推送。
如图2所示,作为本发明一个优选的实施例,所述对短视频进行分析识别得到视频类型的步骤,具体包括:
S201,获取短视频的音频信息和字幕信息;
S202,对音频信息和字幕信息进行分析,提取得到关键词;
在本步骤中,在获取得到了音频信息之后,需要对音频信息进行识别分析,以得到与该音频信息相对应的关键词。例如,在获取了一段蛙鸣的音频后,对其进行语音识别并能够分析确定为“蛙鸣声”,此时的关键词便为“蛙鸣声”,如此可实现从音频信息中提取得到对应的关键词。
S203,根据关键词确定视频类型。
在本实施例中,步骤S203具体包括如下子步骤:
S2031,获取所有从音频信息以及字幕信息中提取得到的关键词,每个关键词对应有一关键词序号;
S2032,基于每个关键词在预设类型映射表中,查找当前关键词在所述预设类型映射表中与每个子类类型对应的关联度数值;
S2033,将数值小于预设关联度数值的关联度数值进行删除,以筛选得到有效关联度数值;
S2034,统计所述预设类型映射表中与当前子类类型对应的所有的有效关联度数值,基于当前子类类型对应的所有的有效关联度数值计算得到当前子类类型分值,并将当前子类类型分值最高的确定为当前视频对应的视频子类类型。
在本步骤中,当前子类类型分值对应的计算公式表示为:
;
其中,表示预设类型映射表中第/>种子类类型对应的类型分值,/>表示关键词的总数量,/>表示关键词的序号,/>表示预设类型映射表中子类类型的总数量,/>表示预设类型映射表中当前子类类型的序号,/>表示预设类型映射表中第/>种子类类型与第/>个关键词之间的有效关联度数值。
进一步的,在计算得到了预设类型映射表中某个子类类型对应的类型分值之后,将当前子类类型分值最高的确定为当前视频对应的视频类型。例如,当前子类类型分值最高的子类类型为“动物视频”,则认定当前视频(子类视频)的子类类型为“动物视频”。
作为另一实施例,对于上述的当前类型分值,描述的是预设类型映射表中一个子类类型对应的类型分值。当需要通过一个比较上位,也即一个比较大的描述框架来描述视频(大类视频)类型时,则需要综合多个子类类型进行计算确定。例如,判定一个大类视频为“原始森林视频”,则可能需要同时综合视频中有关“野生动物”以及“原始植物”的类型元素进行确定。在本实施例中,“原始森林”为大类,“野生动物”与“原始植物”为子类。
具体的,视频类型通过大类类型以及子类类型进行描述,其中,大类类型包括多个子类类型,视频对应的大类类型的确定方法包括如下步骤:
S211,确定目标大类对应的大类类型所包含的子类类型;
在此需要说明的是,目标大类指的是要认定当前视频的目标类型。例如,若想确定当前视频是否为“原始森林视频”,则目标大类为“原始森林”,其所包含的子类类型至少包括“野生动物”子类型以及“原始植物”子类型。
S212,确定当前视频中已有的子类类型,并计算每个子类类型对应的当前类型分值,以得到多个子类类型分值;
S213,根据多个子类类型分值计算得到大类类型分值,当判断到所述大类类型分值大于预设大类类型分值,则判定当前视频归属于所述目标大类。
具体的,目标大类对应的大类类型分值的计算公式表示为:
;
其中,表示目标大类对应的大类类型分值,/>表示目标大类中所包含的子类类型的序号,/>表示第/>个子类类型对应的类型分值,/>表示第/>个子类类型对应的校正因子,/>表示第/>个子类类型对应的权重因子,/>表示目标大类中所包含的子类类型的总数量,/>。
在计算得到了目标大类对应的大类类型分值之后,当判断到大类类型分值大于预设大类类型分值,则可判定当前视频归属于对应的目标大类。本发明实施例中,对短视频进行分析时,需要获取短视频的音频信息和字幕信息,接着对音频信息和字幕信息进行分析,提取得到关键词,关键词为音频信息和字幕信息中的名词,根据这些关键词的所在范围来确定视频类型。
例如,关键词为影视剧中的人物或者名称时,则视频类型为影视鉴赏类;关键词为食物名称时,则视频类型为美食鉴赏类。另外,本发明实施例还可以对音频信息中的人声进行分析,例如,检测到儿童声音或者动物声音时,则视频类型为萌娃萌宠类。作为补充的,在本实施例中,不仅可通过对音频信息进行处理,也可以对图片信息进行识别处理以得到对应的关键词用于后续的分析判定。
如图3所示,作为本发明一个优选的实施例,所述根据视频标签信息和视频类型向用户进行短视频一次推送的步骤,具体包括:
S301,根据视频标签信息和视频类型确定相对应的目标用户标签;
S302,将目标用户标签与用户标签信息进行匹配,当用户标签信息中的一个用户标签与其中一个目标用户标签相同时,确定用户标签信息对应的用户为目标用户;
S303,向目标用户推送所述短视频。
在向目标用户推送短视频时,为了能更精准地进行投放以实现更加良好的投放产出比,对目标用户也会进行评估筛选后,确定优先级进行推送。
在本实施例中,目标用户推送的优先级的确定方法包括如下步骤:
S3031,获取每个目标用户的性别信息、职业信息、年龄信息以及收入信息,并分别根据性别信息、职业信息、年龄信息以及收入信息换算成性别项参数、职业项参数、年龄项参数以及收入项参数;
S3032,根据性别项参数、职业项参数、年龄项参数以及收入项参数,计算得到每个目标用户对应的推送指数;
在本实施例中,目标用户对应的推送指数的计算公式表示为:
;
其中,表示目标用户对应的推送指数,/>表示目标用户对应的基准推送指数值,表示当目标用户为男性时对应的第一权重系数,/>表示当目标用户为男性时对应的性别项参数,/>表示当目标用户为男性时对应的第二权重系数,/>表示当目标用户为男性时对应的职业项参数, />表示当目标用户为男性时对应的第三权重系数,/>表示当目标用户为男性时对应的年龄项参数,/>表示当目标用户为男性时的基准年龄项参数,表示当目标用户为男性时对应的第四权重系数,/>表示当目标用户为男性时对应的收入项参数,/>表示当目标用户为女性时对应的第一权重系数,/>表示当目标用户为女性时对应的性别项参数,/>表示当目标用户为女性时对应的第二权重系数,/>表示当目标用户为女性时对应的职业项参数,/>表示当目标用户为女性时对应的第三权重系数,表示当目标用户为女性时对应的年龄项参数,/>表示当目标用户为女性时对应的第四权重系数,/>表示当目标用户为女性时对应的收入项参数。
S3033,根据每个目标用户对应的推送指数,确定得到目标用户的推送优先级,按照目标用户的推送优先级从高到低的顺序进行推送。
在本实施例中,目标用户对应的推送指数的值越高,表明推荐的优先级越高,需要优先进行推送。本发明实施例中,短视频推荐和推送的基本原理就是进行匹配,这里需要根据视频标签信息和视频类型确定相对应的目标用户标签,每一个视频标签都对应有用户标签,每一个视频类型也都对应有用户标签;然后将目标用户标签与用户标签信息进行匹配,当用户标签信息中的一个用户标签与其中一个目标用户标签相同时,确定用户标签信息对应的用户为目标用户,视为匹配成功,直接向目标用户推送所述短视频。
如图4所示,作为本发明一个优选的实施例,所述采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签的步骤,具体包括:
S401,采集短视频的点赞用户信息、评论用户信息和完播用户信息,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息;
S402,对点赞用户信息、评论用户信息和完播用户信息进行整合得到推送用户标签。本发明实施例中,需要对点赞用户信息、评论用户信息和完播用户信息进行整合才能得到推送用户标签,整合时,当三者对应的用户标签信息出现重复时,需要将重复的用户标签信息进行剔除。
作为补充的,由于平台的推送资源有限,有时为了快速将一个“小热门”的视频进行二次推送成为“热门视频”,则需要在前期便进行筛选。在本实施例中,基于点赞用户信息、评论用户信息和完播用户信息,通过计算短视频对应的当前热度值,若当前热度值属于“小热门视频”的范畴,则可进行二次重点推送。具体的,短视频对应的当前热度值的计算公式表示为:
;
其中,表示短视频对应的当前热度值,/>表示短视频对应的基础热度值,/>表示用户点赞项的权重因子,/>表示用户点赞项的校正系数,/>表示在单位时间内用户的点赞量,/>表示用户评论项的权重因子,/>表示用户评论项的校正系数,/>表示在单位时间内用户的评论量,/>表示用户完播项的权重因子,/>表示用户完播项的校正系数,/>表示在单位时间内用户的完播量。
进一步的,当所计算得到的短视频的当前热度值属于“小热门视频”的范畴,则可进行二次重点推送,以实现快速上热门的目的。
如图5所示,作为本发明一个优选的实施例,所述方法还包括:实时对用户标签信息进行自动更新,具体步骤为:
S601,对用户的短视频观看量进行统计;
S602,当短视频观看量到达设定观看值时,提取出完播短视频的视频标签信息和视频类型;
S603,根据提取的视频标签信息和视频类型对用户标签信息进行更新,更新后对短视频观看量进行重置。
本发明实施例中,容易理解,用户注册短视频平台时选择的用户标签可能并不准确,且随着时间的推移,用户感兴趣的内容可能会发生改变。基于此,本发明实施例会对用户的短视频观看量进行统计,当短视频观看量到达设定观看值时,设定观看值为提前设置的定值,提取出完播短视频的视频标签信息和视频类型,根据提取的视频标签信息和视频类型对用户标签信息进行更新。如此,用户标签信息更加准确,更加符合用户自身的需求,另外,每次更新后对短视频观看量进行重置。
如图6所示,本发明实施例还提供了一种内容推荐系统,所述系统包括:
用户标签信息模块100,用于根据用户选择的标签确定用户标签信息,所述用户标签信息中包含若干个用户标签;
视频类型确定模块200,用于接收短视频以及视频标签信息,所述视频标签信息中包含若干个视频标签,对短视频进行分析识别得到视频类型;
一次推送模块300,用于根据视频标签信息和视频类型向用户进行短视频一次推送;
推送用户标签模块400,用于对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签;
二次推送模块500,用于根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送。
本发明实施例中,用户刚开始使用短视频平台时需要选择自己感兴趣的内容,即通过选择一些用户标签来确定用户标签信息,当用户上传视频时,也可以为短视频打上视频标签,这样每个短视频就具有视频标签信息了,容易理解,优质短视频的内容是具有多元化的,视频标签信息往往不够完整,因此,本发明实施例能够对短视频进行分析识别得到视频类型,这样就可以根据视频标签信息和视频类型向用户进行短视频一次推送。进一步的,本发明实施例还会对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,设定播放值为提前设置的定值,会自动采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签,其中,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息。如此,推送用户标签更加具有多元化,最后根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送,推送更加准确,效果更好,当然二次推送的用户不包括一次推送的用户,避免了重复推送。
如图7所示,作为本发明一个优选的实施例,所述视频类型确定模块200包括:
音频字幕信息确定单元201,用于获取短视频的音频信息和字幕信息;
关键词提取单元202,用于对音频信息和字幕信息进行分析,提取得到关键词;
视频类型确定单元203,用于根据关键词确定视频类型。
如图8所示,作为本发明一个优选的实施例,所述一次推送模块300包括:
目标用户标签单元301,用于根据视频标签信息和视频类型确定相对应的目标用户标签;
目标用户确定单元302,用于将目标用户标签与用户标签信息进行匹配,当用户标签信息中的一个用户标签与其中一个目标用户标签相同时,确定用户标签信息对应的用户为目标用户;
短视频一次推送单元303,用于向目标用户推送所述短视频。
如图9所示,作为本发明一个优选的实施例,所述推送用户标签模块400包括:
用户信息采集单元401,用于采集短视频的点赞用户信息、评论用户信息和完播用户信息,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息;
推送用户标签单元402,用于对点赞用户信息、评论用户信息和完播用户信息进行整合得到推送用户标签。
如图10所示,作为本发明一个优选的实施例,所述系统还包括用户标签更新模块600,用户标签更新模块600具体包括:
观看量统计单元601,用于对用户的短视频观看量进行统计;
信息提取单元602,当短视频观看量到达设定观看值时,提取出完播短视频的视频标签信息和视频类型;
用户标签更新单元603,用于根据提取的视频标签信息和视频类型对用户标签信息进行更新,更新后对短视频观看量进行重置。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例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,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
容易理解,用户注册短视频平台时选择的用户标签可能并不准确,且随着时间的推移,用户感兴趣的内容可能会发生改变,基于此,本发明实施例会对用户的短视频观看量进行统计,当短视频观看量到达设定观看值时,设定观看值为提前设置的定值,提取出完播短视频的视频标签信息和视频类型,根据提取的视频标签信息和视频类型对用户标签信息进行更新,如此,用户标签信息更加准确,更加符合用户自身的需求,另外,每次更新后对短视频观看量进行重置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,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权利要求指出。
Claims (8)
1.一种内容推荐方法,其特征在于,所述方法包括以下步骤:
根据用户选择的标签确定用户标签信息,所述用户标签信息中包含若干个用户标签;
接收短视频以及视频标签信息,所述视频标签信息中包含若干个视频标签,对短视频进行分析识别得到视频类型;
其中,所述对短视频进行分析识别得到视频类型的步骤,具体包括:
获取短视频的音频信息和字幕信息;
对音频信息和字幕信息进行分析,提取得到关键词;
根据关键词确定视频类型;
其中,所述根据关键词确定视频类型的方法包括如下步骤:
获取所有从音频信息以及字幕信息中提取得到的关键词,每个关键词对应有一关键词序号;
基于每个关键词在预设类型映射表中,查找当前关键词在所述预设类型映射表中与每个子类类型对应的关联度数值;
将数值小于预设关联度数值的关联度数值进行删除,以筛选得到有效关联度数值;
统计所述预设类型映射表中与当前子类类型对应的所有的有效关联度数值,基于当前子类类型对应的所有的有效关联度数值计算得到当前子类类型分值,并将当前子类类型分值最高的确定为当前视频对应的视频子类类型;
根据视频标签信息和视频类型向用户进行短视频一次推送;
对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签;
根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送。
2.根据权利要求1所述一种内容推荐方法,其特征在于,所述当前子类类型分值对应的计算公式表示为:
;
其中,表示预设类型映射表中第/>种子类类型对应的类型分值,/>表示关键词的总数量,/>表示关键词的序号,/>表示预设类型映射表中子类类型的总数量,/>表示预设类型映射表中当前子类类型的序号,/>表示预设类型映射表中第/>种子类类型与第/>个关键词之间的有效关联度数值。
3.根据权利要求2所述一种内容推荐方法,其特征在于,视频类型通过大类类型以及子类类型进行描述,其中,大类类型包括多个子类类型,视频的大类类型的确定方法包括如下步骤:
确定目标大类对应的大类类型所包含的子类类型;
确定当前视频中已有的子类类型,并计算每个子类类型对应的当前类型分值,以得到多个子类类型分值;
根据多个子类类型分值计算得到大类类型分值,当判断到所述大类类型分值大于预设大类类型分值,则判定当前视频归属于所述目标大类;
其中,目标大类对应的大类类型分值的计算公式表示为:
;
其中,表示目标大类对应的大类类型分值,/>表示目标大类中所包含的子类类型的序号,/>表示第/>个子类类型对应的类型分值,/>表示第/>个子类类型对应的校正因子,/>表示第/>个子类类型对应的权重因子,/>表示目标大类中所包含的子类类型的总数量,/>。
4.根据权利要求3所述一种内容推荐方法,其特征在于,所述根据视频标签信息和视频类型向用户进行短视频一次推送的步骤,具体包括:
根据视频标签信息和视频类型确定相对应的目标用户标签;
将目标用户标签与用户标签信息进行匹配,当用户标签信息中的一个用户标签与其中一个目标用户标签相同时,确定用户标签信息对应的用户为目标用户;
向目标用户推送所述短视频。
5.根据权利要求4所述一种内容推荐方法,其特征在于,在向目标用户推送短视频时,通过计算目标用户推送的优先级进行推送,目标用户推送的优先级的确定方法包括如下步骤:
获取每个目标用户的性别信息、职业信息、年龄信息以及收入信息,并分别根据性别信息、职业信息、年龄信息以及收入信息换算成性别项参数、职业项参数、年龄项参数以及收入项参数;
根据性别项参数、职业项参数、年龄项参数以及收入项参数,计算得到每个目标用户对应的推送指数;
目标用户对应的推送指数的计算公式表示为:
;
其中,表示目标用户对应的推送指数,/>表示目标用户对应的基准推送指数值,/>表示当目标用户为男性时对应的第一权重系数,/>表示当目标用户为男性时对应的性别项参数,/>表示当目标用户为男性时对应的第二权重系数,/>表示当目标用户为男性时对应的职业项参数, />表示当目标用户为男性时对应的第三权重系数,/>表示当目标用户为男性时对应的年龄项参数,/>表示当目标用户为男性时的基准年龄项参数,/>表示当目标用户为男性时对应的第四权重系数,/>表示当目标用户为男性时对应的收入项参数,/>表示当目标用户为女性时对应的第一权重系数,/>表示当目标用户为女性时对应的性别项参数,/>表示当目标用户为女性时对应的第二权重系数,/>表示当目标用户为女性时对应的职业项参数,/>表示当目标用户为女性时对应的第三权重系数,/>表示当目标用户为女性时对应的年龄项参数,/>表示当目标用户为女性时对应的第四权重系数,/>表示当目标用户为女性时对应的收入项参数;
根据每个目标用户对应的推送指数,确定得到目标用户的推送优先级,按照目标用户的推送优先级从高到低的顺序进行推送。
6.根据权利要求5所述一种内容推荐方法,其特征在于,所述采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签的步骤,具体包括:
采集短视频的点赞用户信息、评论用户信息和完播用户信息,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息;
对点赞用户信息、评论用户信息和完播用户信息进行整合得到推送用户标签;
其中,所述方法还包括:
基于点赞用户信息、评论用户信息和完播用户信息,通过计算短视频对应的当前热度值,进而判断是否进行二次重点推送,短视频对应的当前热度值的计算公式表示为:
;
其中,表示短视频对应的当前热度值,/>表示短视频对应的基础热度值,/>表示用户点赞项的权重因子,/>表示用户点赞项的校正系数,/>表示在单位时间内用户的点赞量,/>表示用户评论项的权重因子,/>表示用户评论项的校正系数,/>表示在单位时间内用户的评论量,/>表示用户完播项的权重因子,/>表示用户完播项的校正系数,/>表示在单位时间内用户的完播量。
7.根据权利要求6所述一种内容推荐方法,其特征在于,所述方法还包括:实时对用户标签信息进行自动更新,具体步骤为:
对用户的短视频观看量进行统计;
当短视频观看量到达设定观看值时,提取出完播短视频的视频标签信息和视频类型;
根据提取的视频标签信息和视频类型对用户标签信息进行更新,更新后对短视频观看量进行重置。
8.一种内容推荐系统,其特征在于,所述系统应用权利要求1至7任一项所述的内容推荐方法,所述系统包括:
用户标签信息模块,用于根据用户选择的标签确定用户标签信息,所述用户标签信息中包含若干个用户标签;
视频类型确定模块,用于接收短视频以及视频标签信息,所述视频标签信息中包含若干个视频标签,对短视频进行分析识别得到视频类型;
一次推送模块,用于根据视频标签信息和视频类型向用户进行短视频一次推送;
推送用户标签模块,用于对所述短视频的视频播放量进行监测,当视频播放量达到设定播放值时,采集短视频的点赞用户信息、评论用户信息和完播用户信息,得到推送用户标签;
二次推送模块,用于根据视频标签信息、视频类型和推送用户标签向用户进行短视频二次推送;
所述视频类型确定模块包括:
音频字幕信息确定单元,用于获取短视频的音频信息和字幕信息;
关键词提取单元,用于对音频信息和字幕信息进行分析,提取得到关键词;
视频类型确定单元,用于根据关键词确定视频类型;
所述一次推送模块包括:
目标用户标签单元,用于根据视频标签信息和视频类型确定相对应的目标用户标签;
目标用户确定单元,用于将目标用户标签与用户标签信息进行匹配,当用户标签信息中的一个用户标签与其中一个目标用户标签相同时,确定用户标签信息对应的用户为目标用户;
短视频一次推送单元,用于向目标用户推送所述短视频;
所述推送用户标签模块包括:
用户信息采集单元,用于采集短视频的点赞用户信息、评论用户信息和完播用户信息,所述点赞用户信息是指点赞所述短视频的用户的用户标签信息,评论用户信息是指对所述短视频进行评论的用户的用户标签信息;完播用户信息是指完全看完所述短视频的用户的用户标签信息;
推送用户标签单元,用于对点赞用户信息、评论用户信息和完播用户信息进行整合得到推送用户标签;
所述系统还包括用户标签更新模块,用户标签更新模块具体包括:
观看量统计单元,用于对用户的短视频观看量进行统计;
信息提取单元,当短视频观看量到达设定观看值时,提取出完播短视频的视频标签信息和视频类型;
用户标签更新单元,用于根据提取的视频标签信息和视频类型对用户标签信息进行更新,更新后对短视频观看量进行重置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311256036.1A CN116992159B (zh) | 2023-09-27 | 2023-09-27 | 一种内容推荐方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311256036.1A CN116992159B (zh) | 2023-09-27 | 2023-09-27 | 一种内容推荐方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116992159A CN116992159A (zh) | 2023-11-03 |
CN116992159B true CN116992159B (zh) | 2023-11-28 |
Family
ID=88527040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311256036.1A Active CN116992159B (zh) | 2023-09-27 | 2023-09-27 | 一种内容推荐方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992159B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436830A (zh) * | 2023-12-20 | 2024-01-23 | 陕西青叶海棠网络科技有限责任公司 | 一种毕业生就业企业鉴别系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017161776A1 (zh) * | 2016-03-21 | 2017-09-28 | 乐视控股(北京)有限公司 | 弹幕推送方法及装置 |
CN114419501A (zh) * | 2022-01-11 | 2022-04-29 | 平安普惠企业管理有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN114466251A (zh) * | 2022-04-08 | 2022-05-10 | 深圳市致尚信息技术有限公司 | 一种基于视频的分类标签标志处理方法和系统 |
CN114936303A (zh) * | 2022-06-08 | 2022-08-23 | 浙江天目智慧科技有限公司 | 一种短视频推荐方法、系统及存储介质 |
WO2023051102A1 (zh) * | 2021-09-29 | 2023-04-06 | 北京字跳网络技术有限公司 | 视频推荐方法、装置、设备及介质 |
-
2023
- 2023-09-27 CN CN202311256036.1A patent/CN116992159B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017161776A1 (zh) * | 2016-03-21 | 2017-09-28 | 乐视控股(北京)有限公司 | 弹幕推送方法及装置 |
WO2023051102A1 (zh) * | 2021-09-29 | 2023-04-06 | 北京字跳网络技术有限公司 | 视频推荐方法、装置、设备及介质 |
CN114419501A (zh) * | 2022-01-11 | 2022-04-29 | 平安普惠企业管理有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN114466251A (zh) * | 2022-04-08 | 2022-05-10 | 深圳市致尚信息技术有限公司 | 一种基于视频的分类标签标志处理方法和系统 |
CN114936303A (zh) * | 2022-06-08 | 2022-08-23 | 浙江天目智慧科技有限公司 | 一种短视频推荐方法、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于内容推荐的资讯推荐系统的设计与实现;陈学辉;陈少镇;王培彬;蓝汝琪;熊梓韬;;电脑知识与技术(第09期);全文 * |
基于向量化标签的视频推荐算法研究与实现;许良武;;无线互联科技(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116992159A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106331778B (zh) | 视频推荐方法和装置 | |
US9008489B2 (en) | Keyword-tagging of scenes of interest within video content | |
CN116992159B (zh) | 一种内容推荐方法与系统 | |
Merialdo et al. | Automatic construction of personalized TV news programs | |
KR100873882B1 (ko) | 전자 장치, 방송 프로그램 정보의 수집 방법, 그 수집프로그램을 기록한 컴퓨터 판독가능한 기록 매체 및 그수집 시스템 | |
KR101999389B1 (ko) | 현재 재생되는 텔레비젼 프로그램들과 연관된 인터넷-액세스가능 컨텐츠의 식별 및 제시 | |
US8213767B1 (en) | Methods and systems for performing top concepts extraction | |
US20130212113A1 (en) | Methods and systems for generating automated tags for video files | |
CN109862397B (zh) | 一种视频分析方法、装置、设备和存储介质 | |
US20090043760A1 (en) | Program searching apparatus and program searching method | |
US8214374B1 (en) | Methods and systems for abridging video files | |
CN102737029A (zh) | 搜索方法及系统 | |
CN111125429B (zh) | 一种视频推送方法、装置和计算机可读存储介质 | |
CN106412632A (zh) | 一种视频直播的监控方法 | |
CN102884524A (zh) | 针对显示的电视内容的自动图像发现和推荐 | |
CN113505264A (zh) | 用于推荐视频的方法及系统 | |
US20150112814A1 (en) | System and method for an integrated content publishing system | |
WO2017173801A1 (zh) | 一种个性化多媒体推荐方法和装置 | |
CN111046172A (zh) | 一种舆情分析方法、装置、设备和存储介质 | |
US20130060784A1 (en) | Methods and systems for providing word searching inside of video files | |
US7640563B2 (en) | Describing media content in terms of degrees | |
KR101780237B1 (ko) | 온라인 상에 공개된 질의응답 데이터를 기초로 한 사용자 질의에 대한 응답 방법 및 장치 | |
CN108551473B (zh) | 一种基于可视农业的农产品交流方法和装置 | |
CN115474093B (zh) | 视频要素重要度的计算方法及装置、存储介质、电子设备 | |
JP2009129039A (ja) | コンテンツ格納装置及びコンテンツ格納方法 |
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 |