视频内容推荐方法、装置、设备及存储介质转让专利
申请号 : CN202010696126.2
文献号 : CN111741336B
文献日 : 2021-05-11
发明人 : 曹小伍 , 曹景溢 , 雷铭杰
申请人 : 杭州翔毅科技有限公司
摘要 :
权利要求 :
1.一种视频内容推荐方法,其特征在于,所述视频内容推荐方法包括:在接收到终端设备发送的视频内容推荐请求时,从视频资源库中获取待推荐视频集;
获取所述视频内容推荐请求对应的预设推荐策略;
基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容;
将所述目标视频内容推送至所述终端设备;
所述预设推荐策略还包括第二预设推荐策略;
所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤包括:基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户,以及所述当前用户对应的当前用户画像;
获取所述当前视频内容对应的目标用户,以及所述目标用户对应的目标用户画像;
通过预设公式计算所述当前用户和所述目标用户之间的用户相似度,所述预设公式为其中,w1为目标用户,w2为当前用户,Sim(w1,w2)表示当前用户与目标用户之间的相似度,PSw1,wk为目标用户w1对某一视频内容Sk的评价,PSw2,Sk为目标用户w2对某一视频内容Sk的评价,WSw1,w2为目标用户与当前用户共同评价过的视频内容,为目标用户的平均评分,为当前用户的平均评分;
根据所述用户相似度从所述待推荐视频集中选取目标视频内容;
所述将所述目标视频内容推送至所述终端设备之后,还包括:获取用户在观看所述目标视频内容时的观看数据;
根据所述观看数据确定所述用户的推荐满意度;
在所述推荐满意度不符合预设条件时,获取所述目标视频内容的目标标签,并对所述预设推荐策略进行调整,得到新的预设推荐策略;
将与所述目标标签相同的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回,得到新的待推荐视频集;
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
2.如权利要求1所述的视频内容推荐方法,其特征在于,所述预设推荐策略包括第一预设推荐策略;
所述基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容的步骤包括:基于所述第一预设推荐策略获取用户在观看当前视频内容时的行为信息;
根据所述行为信息确定所述用户对所述当前视频内容的感兴趣程度;
获取所述当前视频内容的视频信息;
根据所述感兴趣程度和所述视频信息从所述待推荐视频集中选取目标视频内容。
3.如权利要求1所述的视频内容推荐方法,其特征在于,所述基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户,以及所述当前用户对应的当前用户画像的步骤之前还包括:
获取历史用户的静态信息,以及所述历史用户观看视频内容时的动态信息;
根据所述静态信息和所述动态信息确定所述历史用户对应的用户属性标签;
获取所述用户属性标签对应的预设权重值;
根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像。
4.如权利要求3所述的视频内容推荐方法,其特征在于,所述根据所述用户属性标签以及所述预设权重值建立所述历史用户的用户画像的步骤之后还包括:获取所述历史用户在预设时间段内所观看的多个视频内容,以及各个视频内容对应的历史关注度、预设系数以及时间信息;
根据所述历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度;
根据所述当前关注度对所述历史用户的用户画像进行更新;
相应地,所述基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户,以及所述当前用户对应的当前用户画像的步骤包括:基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户,以及所述当前用户对应的更新后的当前用户画像。
5.如权利要求1至4中任一项目所述的视频内容推荐方法,其特征在于,所述将所述目标视频内容推送至所述终端设备的步骤之后,还包括:获取用户在观看所述目标视频内容时的观看数据;
根据所述观看数据确定所述用户的推荐满意度;
在所述推荐满意度不符合预设条件时,对所述预设推荐策略进行调整,得到新的预设推荐策略,并获取所述目标视频内容的目标标签;
基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容;
将所述新的目标视频内容推送至所述终端设备。
6.如权利要求5所述的视频内容推荐方法,其特征在于,所述基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目标视频内容的步骤包括:从所述待推荐视频集中获取多个待推荐标签;
获取与所述目标标签相同的待推荐标签,并将获取的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回,得到新的待推荐视频集;
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
7.一种视频内容推荐装置,其特征在于,所述装置包括:接收模块,用于在接收到终端设备发送的视频内容推荐请求时,从视频资源库中获取待推荐视频集;
获取模块,用于获取所述视频内容推荐请求对应的预设推荐策略;
选取模块,用于基于所述预设推荐策略从所述待推荐视频集中选取目标视频内容;
推荐模块,用于将所述目标视频内容推送至所述终端设备;
所述预设推荐策略还包括第二预设推荐策略;
所述选取模块,还用于:基于所述第二预设推荐策略获取正在观看当前视频内容的当前用户,以及所述当前用户对应的当前用户画像;
获取所述当前视频内容对应的目标用户,以及所述目标用户对应的目标用户画像;
通过预设公式计算所述当前用户和所述目标用户之间的用户相似度,所述预设公式为其中,w1为目标用户,w2为当前用户,Sim(w1,w2)表示当前用户与目标用户之间的相似度,PSw1,wk为目标用户w1对某一视频内容Sk的评价,PSw2,Sk为目标用户w2对某一视频内容Sk的评价,WSw1,w2为目标用户与当前用户共同评价过的视频内容, 为目标用户的平均评分,为当前用户的平均评分;
根据所述用户相似度从所述待推荐视频集中选取目标视频内容;
所述装置还包括调整模块;
所述调整模块,用于获取用户在观看所述目标视频内容时的观看数据;
根据所述观看数据确定所述用户的推荐满意度;
在所述推荐满意度不符合预设条件时,获取所述目标视频内容的目标标签,并对所述预设推荐策略进行调整,得到新的预设推荐策略;
将与所述目标标签相同的待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回,得到新的待推荐视频集;
基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容。
8.一种视频内容推荐设备,其特征在于,所述视频内容推荐设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频内容推荐程序,所述视频内容推荐程序配置为实现如权利要求1至6中任一项所述的视频内容推荐方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有视频内容推荐程序,所述视频内容推荐程序被处理器执行时实现如权利要求1至6任一项所述的视频内容推荐方法的步骤。
说明书 :
视频内容推荐方法、装置、设备及存储介质
技术领域
背景技术
成为亟待解决的问题,各类视频软件或者网站等通过视频内容推荐的方式解决此问题,而
通常的推荐方式是根据用户的历史浏览记录来向用户推荐视频,但是这样的推荐方式较为
单一,并且历史浏览记录往往存在滞后性,使得推荐的视频内容不符合用户的实际需求。
发明内容
荐程序,所述视频内容推荐程序配置为实现如上文所述的视频内容推荐方法的步骤。
法的步骤。
推荐视频集中选取目标视频内容;将所述目标视频内容推送至所述终端设备,以使用户通
过终端设备观看目标视频内容,通过不同视频内容推荐请求对应的预设推荐策略,以多种
预设推荐策略结合方式从待推荐视频集中选取目标视频内容,并将目标视频内容推荐给用
户,使得视频内容的推荐更加灵活多变,也使得推荐的视频内容更加符合用户的实际需求。
附图说明
具体实施方式
1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示
屏(Display)、输入单元比如键盘 (Keyboard),可选用户接口1003还可以包括标准的有线
接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真
(WIreless‑FIdelity,WI‑FI)接口)。存储器1005可以是高速的随机存取存储器(Random
Access Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non‑Volatile Memory,
NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
器1001、存储器1005可以设置在视频内容推荐设备中,所述视频内容推荐设备通过处理器
1001调用存储器1005中存储的视频内容推荐程序,并执行以下操作:
机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器,其中,云
服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。服务器中存储
有大量的用户所观看视频内容的历史信息,历史信息包括观看记录、用户评论信息以及用
户观看视频的时间等。
括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂
窝或其他通信设备。具体的终端具体可以是台式终端或移动终端,终端具体可以手机、平板
电脑、笔记本电脑等中的一种。
用户主动发起视频内容推荐,终端设备则向服务器发送主动视频内容推荐请求,此时,服务
器接收终端设备发送的主动视频内容推荐请求,并根据主动视频内容推荐请求从视频资源
库中获取待推荐视频集,若终端设备在预设时间内未检测到用户发起视频内容请求,终端
设备则向服务器发送被动视频内容推荐请求,此时,服务器接收终端设备发送的被动视频
内容推荐请求,并根据被动视频内容推荐请求从视频资源库中获取待推荐视频集,本实施
例中的视频内容以及视频集泛指将一系列静态影像以电信号的方式加以捕捉、纪录、处理、
储存、传送与重现的各种技术,包括短视频、电影、电视以及广告等。
推荐视频集中的视频内容还包含有热度视频或实时政治新闻等。
策略和实时推荐的推荐策略。基于用户画像的推荐策略是根据用户以往的历史观看信息建
立用户画像,历史观看信息包括用户所观看视频内容的视频类型、观看时间以及是否存在
点赞或转发行为等信息,根据这些信息可以建立用户对应的用户画像,用户画像又称用户
角色,是一种勾画目标用户、联系用户诉求与设计方向的有效工具,在实际操作的过程中往
往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来作为实
际用户的虚拟代表。实时推荐策略是在用户喜好的视频内容的基础上将热门新闻以及实时
政治相关的视频一起推荐给用户,使得用户能够更好了解新闻要事。设置不同的推荐策略
更加符合用户观看视频内容的实际情况,因为通常会存在用户某天想看其他视频,以了解
最近社会动态的情况,两种不同的推荐策略的搭配使得视频内容的推荐更加灵活多变,更
能符合用户真实的观看需求。
略从待推荐视频集中选取的目标视频内容更加符合用户的视频喜好,实时推荐策略从待推
荐视频集中选取的目标视频内容更加符合用户当下观看视频内容的需求。
视频内容的观看,还可以为其他推荐方式,本实施例中不加以限制。
待推荐视频集中选取目标视频内容;将所述目标视频内容推送给终端设备,通过不同视频
内容推荐请求对应的预设推荐策略,以多种预设推荐策略结合方式从待推荐视频集中选取
目标视频内容,并将目标视频内容推荐给用户,使得视频内容的推荐更加灵活多变,也使得
推荐的视频内容更加符合用户的实际需求。
虑到实际情况中,实时推荐策略所推荐的视频内容用户不感兴趣或者推荐的视频内容不是
用户想看的内容,因此需要获取用户在观看当前视频内容时的行为信息,行为信息包括用
户对当前视频内容的点赞、转发以及评论等行为的信息,服务器可以直接检测到用户的点
赞、转发以及评论等行为,而在检测到用户的评论行为时,还需要获取用户对于当前视频内
容的评论信息。
种行为对应的感兴趣程度计算用户最终的感兴趣度,例如点赞行为对应的感兴趣程度为1,
转发行为对应的感兴趣程度为2,评论行为分为差评和好评,好评对应的感兴趣程度为1,差
评对应的感兴趣程度为 ‑1,假设用户对当前视频内容进行了点赞、转发以及好评,则用户
对当前视频内容的感兴趣程度为4,若用户只对当前视频内容进行差评,则用户对当前视频
的感兴趣程度为‑1。
信息,若视频内容为广告还包括广告中的商品信息,视频信息由服务器直接获取。
内容播放时长为10秒,用户甲在观看当前视频内容A 时,进行了点赞、转发以及好评行为,
根据甲用户行为可以确定用户甲喜欢看搞笑短视频,则从待推荐视频集中选取搞笑短视频
作为目标视频内容,又假设当前视频内容B为动作电影,电影公司为X,用户乙进行了点赞与
好评行为,根据用户乙的行为可以确定用户乙对电影公司X的动作电影感兴趣,则从待推荐
视频集中选取电影公司X的动作电影作为目标视频内容。
为4,用户丙对Z类视频内容的感兴趣程度为3,则按照感兴趣程度依次将X类视频内容、Y类
视频内容及Z类视频内容依次作为目标视频内容,可以将X类视频内容全部作为目标视频内
容之后,再将Y 类视频内容作为目标视频内容,也可以在将预设数量的X类视频内容依次作
为目标视频内容之后,再将Y类视频内容依次作为目标视频内容,具体方式可以根据实际情
况自行设定,本实施例中不加以限制。
略从所述待推荐视频集中选取目标视频内容的步骤还包括:
像可以用来做用户分类统计、精准营销、构建智能推荐系统、服务或产品私人订制、业务经
营分析等。本实施例中基于第二预设推荐策略获取正在观看当前视频内容的当前用户,以
及当前用户对应的当前用户头像。
前视频内容感兴趣的用户对应的用户头像。
户画像进行相似度比对,根据当前用户与目标用户之间的相似度从待推荐视频集中选取目
标视频内容。
容Sk的评价,WSw1,w2为目标用户与当前用户共同评价过的视频内容, 为目标用户的平均评
分, 为当前用户的平均评分,根据上述公式即可计算出目标用户与当前用户之间的用户
相似度。
与Y1计算目标用户X与当前用户Y之间的用户相似度,假设计算的到目标用户X与当前用户Y
之间的用户相似度为95%,判定目标用户画像X1与当前用户画像Y1是相似的,则将当前视频
内容C作为目标视频内容,具体相似度判断标准可以自行设定,本实施例不加以限制。
策略获取当前用户的当前用户画像和目标用户的目标用户画像,根据当前用户画像和目标
用户画像确定当前用户和目标用户之间的用户相似度,并根据用户相似度从待推荐视频集
中选取目标视频内容,通过第一预设推荐策略或第二预设推荐策略使得推荐的视频内容更
符合用户的实际需求。
预设权重值为0.9。
时,甲用户标签为20岁男性,时间是2018年7 月1日,行为是观看电影,使用平台是某视频平
台,最近看的M电影为科幻片,科幻片预设权重可以设定为0.9,这一观影行为完成的预设权
重值设定为 1,平台新上线影片多为平台独家版权采用VIP付费方式,平台预设权重值是
1,那么用户的偏好标签权重即:0.9*1*1=0.9,即建立的用户画像是在平台喜好观看科幻
电影的20岁年轻男性。
时间段各个视频内容的历史关注度、预设系数以及时间信息确定各个视频内容的当前关注
度,历史关注度表示用户对历史记录中所观看过的各个视频的关注度,预设系数表示用户
对视频内容的兴趣度衰减,预设系数与距上次观看视频内容的时间间隔有关,是根据不同
平台预先设定的参数,时间信息为用户观看各个视频内容的时间。
数,T为时间信息,根据上述公式即可计算出各个视频内容的当前关注度。
甲对于恐怖视频的历史关注度为20,对于搞笑视频的历史关注度为70,假设用户甲现在为
21岁男性,并且根据上述公式计算得到用户甲对于恐怖视频的当前关注度为80,用户甲对
于搞笑视频的当前关注度为40,可以判断出现在的用户甲更加喜欢恐怖视频,因此对用户
甲的用户画像进行更新,更新后的用户甲的用户画像为喜欢看恐怖视频的21岁男性。
像。
属性标签对应的预设权重值;根据所述用户属性标签以及预设权重值建立所述用户的用户
画像,使得构建的用户画像更全面准确,同时获取所述历史用户在预设时间段内所观看的
多个视频内容,以及各个视频内容对应的历史关注度、预设系数以及时间信息;根据所述历
史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度;根据所述当
前关注度对所述历史用户的用户画像进行更新,通过对用户画像进行更新,提高用户画像
的及时性,使得视频内容推荐更加准确。
果,观看数据包括用户观看目标视频内容时的点赞数据、评论数据、转发数据、观看时长以
及视频拉黑情况等。
意度为5,观看50%视频内容对应的满意度为3,可以根据实际情况自行设定,本实施例中不
加以限制。
视频内容不满意,预设条件为推荐满意度阈值,具体推荐满意度阈值本实施例中也不加以
限制,在推荐满意度不满足预设条件时,说明预设推荐策略推荐的目标视频内容不够准确,
因此需要对预设推荐策略进行调整,对预设推荐策略的调整包括调整第一预设策略中行为
信息与感兴趣程度对应的取值大小,例如将点赞行为对应的感兴趣程度从1调整至2,对预
设推荐策略的调整还包括调整第二预设推荐策略中当前用户与目标用户之间的用户相似
度对应的计算公式中的相关参数,或者调整根据静态信息和动态信息确定的多个用户标签
各自对应的预设权重值,具体调整方式本实施例中不加以限制,同时获取目标视频内容的
目标标签,是为了将目标视频内容这一类视频内容进行标记,以与其他视频内容进行区分。
与所述目标标签相同的待推荐标签,并将获取的待推荐标签对应的待推荐视频内容从所述
待推荐视频集中召回,得到新的待推荐视频集;基于所述新的预设推荐策略从所述新的待
推荐视频集中选取新的目标视频内容,因为旧的目标视频内容不满足用户实际需求,因此
需要将旧的目标视频内容以及相关的视频内容进行剔除,避免对再次选取目标视频内容时
造成干扰,相同标签的视频内容的可以认定为属于相同类型以及相同受众人群等,因此将
待推荐视频集中与目标标签相同的待推荐标签对应的待推荐视频内容召回,即可得到不含
有与旧的目标视频内容属于同一类型或相同受众人群的待推荐视频集,即新的待推荐视频
集。
荐满意度符合预设条件。
述预设推荐策略进行调整,得到新的预设推荐策略,并获取所述目标视频内容的目标标签;
并将所述待推荐标签对应的待推荐视频内容从所述待推荐视频集中召回,得到新的待推荐
视频集;基于所述新的预设推荐策略从所述新的待推荐视频集中选取新的目标视频内容;
将所述新的目标视频内容推送至所述终端设备,使得用户能够通过终端设备观看新的目标
视频内容,通过从新的待推荐视频集中选取新的目标视频内容,提高了视频内容推荐的准
确性,使得推荐的目标视频内容更加符合用户的实际需求。
例如,本实施例中所描述的服务器,其包括但不限于计算机、网络主机、单个网络服务器、多
个网络服务器集或多个服务器构成的云服务器,其中,云服务器由基于云计算(Cloud
Computing)的大量计算机或网络服务器构成。服务器中存储有大量的用户所观看视频内容
的历史信息,历史信息包括观看记录、用户评论信息以及用户观看视频的时间等。
括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂
窝或其他通信设备。具体的终端具体可以是台式终端或移动终端,终端具体可以手机、平板
电脑、笔记本电脑等中的一种。
用户主动发起视频内容推荐,终端设备则向服务器发送主动视频内容推荐请求,此时,服务
器接收终端设备发送的主动视频内容推荐请求,并根据主动视频内容推荐请求从视频资源
库中获取待推荐视频集,若终端设备在预设时间内未检测到用户发起视频内容请求,终端
设备则向服务器发送被动视频内容推荐请求,此时,服务器接收终端设备发送的被动视频
内容推荐请求,并根据被动视频内容推荐请求从视频资源库中获取待推荐视频集,本实施
例中的视频内容以及视频集泛指将一系列静态影像以电信号的方式加以捕捉、纪录、处理、
储存、传送与重现的各种技术,包括短视频、电影、电视以及广告等。
推荐视频集中的视频内容还包含有热度视频或实时政治新闻等。
策略和实时推荐的推荐策略。基于用户画像的推荐策略是根据用户以往的历史观看信息建
立用户画像,历史观看信息包括用户所观看视频内容的视频类型、观看时间以及是否存在
点赞或转发行为等信息,根据这些信息可以建立用户对应的用户画像,用户画像又称用户
角色,是一种勾画目标用户、联系用户诉求与设计方向的有效工具,在实际操作的过程中往
往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来作为实
际用户的虚拟代表。实时推荐策略是在用户喜好的视频内容的基础上将热门新闻以及实时
政治相关的视频一起推荐给用户,使得用户能够更好了解新闻要事。设置不同的推荐策略
更加符合用户观看视频内容的实际情况,因为通常会存在用户某天想看其他视频,以了解
最近社会动态的情况,两种不同的推荐策略的搭配使得视频内容的推荐更加灵活多变,更
能符合用户真实的观看需求。
略从待推荐视频集中选取的目标视频内容更加符合用户的视频喜好,实时推荐策略从待推
荐视频集中选取的目标视频内容更加符合用户当下观看视频内容的需求。
视频内容的观看,还可以为其他推荐方式,本实施例中不加以限制。
待推荐视频集中选取目标视频内容;将所述目标视频内容推送给终端设备,通过不同视频
内容推荐请求对应的预设推荐策略,以多种预设推荐策略结合方式从待推荐视频集中选取
目标视频内容,并将目标视频内容推荐给用户,使得视频内容的推荐更加灵活多变,也使得
推荐的视频内容更加符合用户的实际需求。
骤。
感兴趣程度;获取所述当前视频内容的视频信息;根据所述感兴趣程度和所述视频信息从
所述待推荐视频集中选取目标视频内容。
内容对应的目标用户,以及所述目标用户对应的目标用户画像;根据所述当前用户画像和
所述目标用户画像确定所述当前用户和所述目标用户之间的用户相似度;根据所述用户相
似度从所述待推荐视频集中选取目标视频内容。
的用户属性标签;获取所述用户属性标签对应的预设权重值;根据所述用户属性标签以及
所述预设权重值建立所述历史用户的用户画像。
历史关注度、所述预设系数以及所述时间信息确定各个视频内容的当前关注度;根据所述
当前关注度对所述历史用户的用户画像进行更新。所述选取模块30,还用于基于所述第二
预设推荐策略获取正在观看当前视频内容的当前用户,以及所述当前用户对应的更新后的
当前用户画像。
件时,对所述预设推荐策略进行调整,得到新的预设推荐策略,并获取所述目标视频内容的
目标标签;基于所述新的预设推荐策略和所述目标标签从所述待推荐视频集中选取新的目
标视频内容;所述推荐模块40,还用于将所述新的目标视频内容推送至所述终端设备。
容从所述待推荐视频集中召回,得到新的待推荐视频集;基于所述新的预设推荐策略从所
述新的待推荐视频集中选取新的目标视频内容。
全部来实现本实施例方案的目的,此处不做限制。
素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统
所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在
包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做
出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质
(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台
终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方
法。
术领域,均同理包括在本发明的专利保护范围内。