本公开关于一种特征编码的确定方法、装置、服务器和存储介质，该方法包括：根据待统计账户的账户信息、正样本视频信息和负样本视频信息，构建第一图网络；根据待统计账户的账户信息、正样本账户信息和负样本账户信息，构建第二图网络；根据待统计视频信息、正样本视频信息和负样本视频信息，构建第三图网络；根据第一图网络、第二图网络和第三图网络，得到账户信息特征编码和待统计视频信息特征编码。采用本方法，能够综合考虑账户与视频、账户与账户、视频与视频之间的图网络关系，从而使得确定出的账户信息特征编码和待统计视频信息特征编码的准确度较高，进而提高了特征编码的确定准确度。
特征编码的确定方法、装置、服务器和存储介质
技术领域
[0001] 本公开涉及计算机技术领域，尤其涉及一种特征编码的确定方法、装置、服务器和存储介质。
背景技术
[0002] 随着计算机技术的发展，各种用于浏览视频的应用程序层出不穷，越来越多的用户选择通过应用程序来浏览视频，故对视频的精准推送显得越来越重要。
[0003] 相关技术中，一般是将用户点击的视频信息作为正样本，将用户未点击的视频信息作为负样本，并通过正样本和负样本对特征编码模型进行训练，再通过训练后的特征编码模型输出的账户信息特征编码和视频信息特征编码进行视频推送；但是，将每个用户信息、每条视频信息单作一个个独立的样本数据，导致在训练的过程中丢失很多信息，造成特征编码的确定准确度较低。
发明内容
[0004] 本公开提供一种特征编码的确定方法、装置、服务器和存储介质，以至少解决相关技术中特征编码的确定准确度较低的问题。本公开的技术方案如下：
[0005] 根据本公开实施例的第一方面，提供一种特征编码的确定方法，包括：
[0006] 获取待统计账户的账户信息和待统计视频信息；所述待统计账户的账户信息匹配有对应的正样本账户的账户信息和负样本账户的账户信息；所述待统计视频信息匹配有对应的正样本视频信息和负样本视频信息；
[0007] 根据所述待统计账户的账户信息、所述正样本视频信息和所述负样本视频信息，构建第一图网络；根据所述待统计账户的账户信息、所述正样本账户的账户信息和所述负样本账户的账户信息，构建第二图网络；根据所述待统计视频信息、所述正样本视频信息和所述负样本视频信息，构建第三图网络；
[0008] 根据所述第一图网络、所述第二图网络和所述第三图网络，得到所述待统计账户的账户信息对应的账户信息特征编码以及所述待统计视频信息对应的待统计视频信息特征编码。
[0009] 在其中一个实施例中，所述根据所述第一图网络、所述第二图网络和所述第三图网络，得到所述待统计账户的账户信息对应的账户信息特征编码以及所述待统计视频信息对应的待统计视频信息特征编码，包括：
[0010] 分别将所述第一图网络、所述第二图网络和所述第三图网络中的信息输入待训练的特征编码学习模型中，得到所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码；
[0011] 根据所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码，得到目标损失值；
[0012] 根据所述目标损失值对所述待训练的特征编码学习模型的网络参数进行调整，直到根据网络参数调整后的特征编码学习模型得到的所述目标损失值满足预设条件；
[0013] 若根据所述网络参数调整后的特征编码学习模型得到的所述目标损失值满足所述预设条件，将当前的第一目标特征编码和第二目标特征编码进行拼接处理，得到所述待统计账户的账户信息对应的账户信息特征编码，并将当前的待统计视频信息的目标特征编码，识别为所述待统计视频信息对应的待统计视频信息特征编码。
[0014] 在其中一个实施例中，所述分别将所述第一图网络、所述第二图网络和所述第三图网络中的信息输入待训练的特征编码学习模型中，得到所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码，包括：
[0015] 从所述第一图网络中提取出所述待统计账户的账户信息、第一邻居视频信息、所述正样本视频信息、第二邻居视频信息、所述负样本视频信息和第三邻居视频信息；从所述第二图网络中提取出第一邻居账户信息、所述正样本账户的账户信息、第二邻居账户信息、所述负样本账户的账户信息、第三邻居账户信息；从所述第三图网络中提取出所述待统计视频信息和第四邻居视频信息；
[0016] 分别将所述待统计账户的账户信息、所述第一邻居视频信息、所述正样本视频信息、所述第二邻居视频信息、所述负样本视频信息、所述第三邻居视频信息、所述第一邻居账户信息、所述正样本账户的账户信息、所述第二邻居账户信息、所述负样本账户的账户信息、所述第三邻居账户信息、所述待统计视频信息和所述第四邻居视频信息输入待训练的特征编码学习模型中，得到所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码。
[0017] 在其中一个实施例中，所述分别将所述待统计账户的账户信息、所述第一邻居视频信息、所述正样本视频信息、所述第二邻居视频信息、所述负样本视频信息、所述第三邻居视频信息、所述第一邻居账户信息、所述正样本账户的账户信息、所述第二邻居账户信息、所述负样本账户的账户信息、所述第三邻居账户信息、所述待统计视频信息和所述第四邻居视频信息输入待训练的特征编码学习模型中，得到所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码，包括：
[0018] 分别通过待训练的特征编码学习模型，得到所述待统计账户的账户信息的初始特征编码、所述第一邻居视频信息的初始特征编码、所述正样本视频信息的初始特征编码、所述第二邻居视频信息的初始特征编码、所述负样本视频信息的初始特征编码、所述第三邻居视频信息的初始特征编码、所述第一邻居账户信息的初始特征编码、所述正样本账户的账户信息的初始特征编码、所述第二邻居账户信息的初始特征编码、所述负样本账户的账户信息的初始特征编码、所述第三邻居账户信息的初始特征编码、所述待统计视频信息的初始特征编码和所述第四邻居视频信息的初始特征编码；
[0019] 根据所述待统计账户的账户信息的初始特征编码和所述第一邻居视频信息的初始特征编码，得到所述待统计账户的账户信息的第一目标特征编码；根据所述正样本视频信息的初始特征编码和所述第二邻居视频信息的初始特征编码，得到所述正样本视频信息的目标特征编码；根据所述负样本视频信息的初始特征编码和所述第三邻居视频信息的初始特征编码，得到所述负样本视频信息的目标特征编码；
[0020] 根据所述待统计账户的账户信息的初始特征编码和所述第一邻居账户信息的初始特征编码，得到所述待统计账户的账户信息的第二目标特征编码；根据所述正样本账户的账户信息的初始特征编码和所述第二邻居账户信息的初始特征编码，得到所述正样本账户的账户信息的目标特征编码；根据所述负样本账户信息的初始特征编码和所述第三邻居账户信息的初始特征编码，得到所述负样本账户信息的目标特征编码；
[0021] 根据所述待统计视频信息的初始特征编码和所述第四邻居视频信息的初始特征编码，得到所述待统计视频信息的目标特征编码。
[0022] 在其中一个实施例中，所述根据所述待统计账户的账户信息的初始特征编码和所述第一邻居视频信息的初始特征编码，得到所述待统计账户的账户信息的第一目标特征编码，包括：
[0023] 将所述第一邻居视频信息的初始特征编码进行聚合处理，得到聚合处理后的特征编码；
[0024] 将所述聚合处理后的特征编码与所述待统计账户的账户信息的初始特征编码进行拼接处理，得到所述待统计账户的账户信息的第一目标特征编码。
[0025] 在其中一个实施例中，所述根据所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户信息的目标特征编码、所述负样本账户信息的目标特征编码和所述待统计视频信息的目标特征编码，得到目标损失值，包括：
[0026] 根据所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码和所述负样本视频信息的目标特征编码，得到第一损失值；
[0027] 根据所述待统计账户的账户信息的第二目标特征编码、所述正样本账户信息的目标特征编码和所述负样本账户信息的目标特征编码，得到第二损失值；
[0028] 根据所述待统计视频信息的目标特征编码、所述正样本视频信息的目标特征编码和所述负样本视频信息的目标特征编码，得到第三损失值；
[0029] 将所述第一损失值、所述第二损失值和所述第三损失值进行相加，得到所述目标损失值。
[0030] 在其中一个实施例中，所述根据所述待统计账户的账户信息、所述正样本视频信息和所述负样本视频信息，构建第一图网络，包括：
[0031] 获取所述待统计账户的第一邻居视频信息、所述正样本视频信息的第二邻居视频信息和负样本视频信息的所述第三邻居视频信息；
[0032] 以所述待统计账户的账户信息为中心节点，以所述第一邻居视频信息为邻居节点，构建第一子图网络；以所述正样本视频信息为中心节点，以所述第二邻居视频信息为邻居节点，构建第二子图网络；以所述负样本视频信息为中心节点，以所述第三邻居视频信息为邻居节点，构建第三子图网络；
[0033] 将所述第一子图网络、所述第二子图网络和所述第三子图网络进行组合，得到所述第一图网络。
[0034] 在其中一个实施例中，所述根据所述待统计账户的账户信息、所述正样本账户信息和所述负样本账户信息，构建第二图网络，包括：
[0035] 获取所述待统计账户的第一邻居账户信息、所述正样本账户的第二邻居账户信息和所述负样本账户的第三邻居账户信息；
[0036] 以所述待统计账户的账户信息为中心节点，以所述第一邻居账户信息为邻居节点，构建第四子图网络；以所述正样本账户的账户信息为中心节点，以所述第二邻居账户信息为邻居节点，构建第五子图网络；以所述负样本账户的账户信息为中心节点，以所述第三邻居账户信息为邻居节点，构建第六子图网络；
[0037] 将所述第四子图网络、所述第五子图网络和所述第六子图网络进行组合，得到所述第二图网络。
[0038] 在其中一个实施例中，所述根据所述待统计视频信息、所述正样本视频信息和所述负样本视频信息，构建第三图网络，包括：
[0039] 获取所述待统计视频信息的第四邻居视频信息；
[0040] 以所述待统计视频信息为中心节点，以所述第四邻居视频信息为邻居节点，构建第七子图网络；
[0041] 将所述第二子图网络、所述第三子图网络和所述第七子图网络进行组合，得到所述第三图网络。
[0042] 根据本公开实施例的第二方面，提供一种视频推送方法，包括：
[0043] 根据上述所述的特征编码的确定方法，获取所述待统计账户的账户信息对应的账户信息特征编码以及所述待统计视频信息对应的待统计视频信息特征编码；
[0044] 获取待推送账户的账户信息，从所述待统计账户的账户信息对应的账户信息特征编码中确定所述待推送账户的账户信息对应的账户信息特征编码；
[0045] 根据所述账户信息特征编码和所述待统计视频信息特征编码，从所述待统计视频信息中筛选出与所述待推送账户对应的目标视频信息；
[0046] 将所述目标视频信息推送至所述待推送账户。
[0047] 在其中一个实施例中，所述从所述待统计账户的账户信息对应的账户信息特征编码中确定所述待推送账户的账户信息对应的账户信息特征编码，包括：
[0048] 从所述待统计账户的账户信息中，确定与所述待推送账户的账户信息匹配的目标账户信息；
[0049] 从所述待统计账户的账户信息对应的账户信息特征编码中，筛选出所述目标账户信息对应的账户信息特征编码，作为所述待推送账户的账户信息对应的账户信息特征编码。
[0050] 在其中一个实施例中，所述根据所述账户信息特征编码和所述待统计视频信息特征编码，从所述待统计视频信息中筛选出与所述待推送账户对应的目标视频信息，包括：
[0051] 获取所述账户信息特征编码与所述待统计视频信息特征编码之间的特征相似度；
[0052] 将所述特征相似度大于预设阈值的待统计视频信息，确定为与所述待推送账户对应的目标视频信息。
[0053] 根据本公开实施例的第三方面，提供一种特征编码的确定装置，包括：
[0054] 信息获取模块，被配置为执行获取待统计账户的账户信息和待统计视频信息；所述待统计账户的账户信息匹配有对应的正样本账户的账户信息和负样本账户的账户信息；所述待统计视频信息匹配有对应的正样本视频信息和负样本视频信息；
[0055] 图网络构建模块，被配置为执行根据所述待统计账户的账户信息、所述正样本视频信息和所述负样本视频信息，构建第一图网络；根据所述待统计账户的账户信息、所述正样本账户的账户信息和所述负样本账户的账户信息，构建第二图网络；根据所述待统计视频信息、所述正样本视频信息和所述负样本视频信息，构建第三图网络；
[0056] 特征编码获取模块，被配置为执行根据所述第一图网络、所述第二图网络和所述第三图网络，得到所述待统计账户的账户信息对应的账户信息特征编码以及所述待统计视频信息对应的待统计视频信息特征编码。
[0057] 在其中一个实施例中，所述特征编码获取模块，还被配置为执行分别将所述第一图网络、所述第二图网络和所述第三图网络中的信息输入待训练的特征编码学习模型中，得到所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码；根据所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码，得到目标损失值；根据所述目标损失值对所述待训练的特征编码学习模型的网络参数进行调整，直到根据网络参数调整后的特征编码学习模型得到的所述目标损失值满足预设条件；若根据所述网络参数调整后的特征编码学习模型得到的所述目标损失值满足所述预设条件，将当前的第一目标特征编码和第二目标特征编码进行拼接处理，得到所述待统计账户的账户信息对应的账户信息特征编码，并将当前的待统计视频信息的目标特征编码，识别为所述待统计视频信息对应的待统计视频信息特征编码。
[0058] 在其中一个实施例中，所述特征编码获取模块，还被配置为执行从所述第一图网络中提取出所述待统计账户的账户信息、第一邻居视频信息、所述正样本视频信息、第二邻居视频信息、所述负样本视频信息和第三邻居视频信息；从所述第二图网络中提取出第一邻居账户信息、所述正样本账户的账户信息、第二邻居账户信息、所述负样本账户的账户信息、第三邻居账户信息；从所述第三图网络中提取出所述待统计视频信息和第四邻居视频信息；分别将所述待统计账户的账户信息、所述第一邻居视频信息、所述正样本视频信息、所述第二邻居视频信息、所述负样本视频信息、所述第三邻居视频信息、所述第一邻居账户信息、所述正样本账户的账户信息、所述第二邻居账户信息、所述负样本账户的账户信息、所述第三邻居账户信息、所述待统计视频信息和所述第四邻居视频信息输入待训练的特征编码学习模型中，得到所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码、所述负样本视频信息的目标特征编码、所述待统计账户的账户信息的第二目标特征编码、所述正样本账户的账户信息的目标特征编码、所述负样本账户的账户信息的目标特征编码和所述待统计视频信息的目标特征编码。
[0059] 在其中一个实施例中，所述特征编码获取模块，还被配置为执行分别通过待训练的特征编码学习模型，得到所述待统计账户的账户信息的初始特征编码、所述第一邻居视频信息的初始特征编码、所述正样本视频信息的初始特征编码、所述第二邻居视频信息的初始特征编码、所述负样本视频信息的初始特征编码、所述第三邻居视频信息的初始特征编码、所述第一邻居账户信息的初始特征编码、所述正样本账户的账户信息的初始特征编码、所述第二邻居账户信息的初始特征编码、所述负样本账户的账户信息的初始特征编码、所述第三邻居账户信息的初始特征编码、所述待统计视频信息的初始特征编码和所述第四邻居视频信息的初始特征编码；根据所述待统计账户的账户信息的初始特征编码和所述第一邻居视频信息的初始特征编码，得到所述待统计账户的账户信息的第一目标特征编码；根据所述正样本视频信息的初始特征编码和所述第二邻居视频信息的初始特征编码，得到所述正样本视频信息的目标特征编码；根据所述负样本视频信息的初始特征编码和所述第三邻居视频信息的初始特征编码，得到所述负样本视频信息的目标特征编码；根据所述待统计账户的账户信息的初始特征编码和所述第一邻居账户信息的初始特征编码，得到所述待统计账户的账户信息的第二目标特征编码；根据所述正样本账户的账户信息的初始特征编码和所述第二邻居账户信息的初始特征编码，得到所述正样本账户的账户信息的目标特征编码；根据所述负样本账户信息的初始特征编码和所述第三邻居账户信息的初始特征编码，得到所述负样本账户信息的目标特征编码；根据所述待统计视频信息的初始特征编码和所述第四邻居视频信息的初始特征编码，得到所述待统计视频信息的目标特征编码。
[0060] 在其中一个实施例中，所述特征编码获取模块，还被配置为执行将所述第一邻居视频信息的初始特征编码进行聚合处理，得到聚合处理后的特征编码；将所述聚合处理后的特征编码与所述待统计账户的账户信息的初始特征编码进行拼接处理，得到所述待统计账户的账户信息的第一目标特征编码。
[0061] 在其中一个实施例中，所述特征编码获取模块，还被配置为执行根据所述待统计账户的账户信息的第一目标特征编码、所述正样本视频信息的目标特征编码和所述负样本视频信息的目标特征编码，得到第一损失值；根据所述待统计账户的账户信息的第二目标特征编码、所述正样本账户信息的目标特征编码和所述负样本账户信息的目标特征编码，得到第二损失值；根据所述待统计视频信息的目标特征编码、所述正样本视频信息的目标特征编码和所述负样本视频信息的目标特征编码，得到第三损失值；根据所述第一损失值、所述第二损失值和所述第三损失值，得到所述目标损失值。
[0062] 在其中一个实施例中，所述图网络构建模块，还被配置为执行获取所述待统计账户的所述第一邻居视频信息、所述正样本视频信息的所述第二邻居视频信息和所述负样本视频信息的所述第三邻居视频信息；以所述待统计账户的账户信息为中心节点，以所述第一邻居视频信息为邻居节点，构建第一子图网络；以所述正样本视频信息为中心节点，以所述第二邻居视频信息为邻居节点，构建第二子图网络；以所述负样本视频信息为中心节点，以所述第三邻居视频信息为邻居节点，构建第三子图网络；将所述第一子图网络、所述第二子图网络和所述第三子图网络进行组合，得到所述第一图网络。
[0063] 在其中一个实施例中，所述图网络构建模块，还被配置为执行获取所述待统计账户的所述第一邻居账户信息、所述正样本账户的所述第二邻居账户信息和所述负样本账户的所述第三邻居账户信息；以所述待统计账户的账户信息为中心节点，以所述第一邻居账户信息为邻居节点，构建第四子图网络；以所述正样本账户的账户信息为中心节点，以所述第二邻居账户信息为邻居节点，构建第五子图网络；以所述负样本账户的账户信息为中心节点，以所述第三邻居账户信息为邻居节点，构建第六子图网络；将所述第四子图网络、所述第五子图网络和所述第六子图网络进行组合，得到所述第二图网络。
[0064] 在其中一个实施例中，所述图网络构建模块，还被配置为执行获取所述待统计视频信息的所述第四邻居视频信息；以所述待统计视频信息为中心节点，以所述第四邻居视频信息为邻居节点，构建第七子图网络；将所述第二子图网络、所述第三子图网络和所述第七子图网络进行组合，得到所述第三图网络。
[0065] 根据本公开实施例的第四方面，提供一种视频推送装置，包括：
[0066] 编码获取模块，被配置为执行根据上述所述的特征编码的确定方法，获取所述待统计账户的账户信息对应的账户信息特征编码以及所述待统计视频信息对应的待统计视频信息特征编码；
[0067] 特征编码确定模块，被配置为执行获取待推送账户的账户信息，从所述待统计账户的账户信息对应的账户信息特征编码中确定所述待推送账户的账户信息对应的账户信息特征编码；
[0068] 视频信息筛选模块，被配置为执行根据所述账户信息特征编码和所述待统计视频信息特征编码，从所述待统计视频信息中筛选出与所述待推送账户对应的目标视频信息；
[0069] 视频信息推送模块，被配置为执行将所述目标视频信息推送至所述待推送账户。
[0070] 在其中一个实施例中，所述特征编码确定模块，还被配置为执行从所述待统计账户的账户信息中，确定与所述待推送账户的账户信息匹配的目标账户信息；从所述待统计账户的账户信息对应的账户信息特征编码中，筛选出所述目标账户信息对应的账户信息特征编码，作为所述待推送账户的账户信息对应的账户信息特征编码。
[0071] 在其中一个实施例中，所述视频信息筛选模块，还被配置为执行获取所述账户信息特征编码与所述待统计视频信息特征编码之间的特征相似度；将所述特征相似度大于预设阈值的待统计视频信息，确定为与所述待推送账户对应的目标视频信息。
[0072] 根据本公开实施例的第五方面，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，以实现如第一方面和第二方面的实施方式中的方法。
[0073] 根据本公开实施例的第六方面，提供一种存储介质，包括：当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行如第一方面和第二方面的实施方式中的方法。
[0074] 根据本公开实施例的第七方面，提供一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码被计算机运行时，使得所述计算机执行上述各方面中的方法。
[0075] 本公开的实施例提供的技术方案至少带来以下有益效果：
[0076] 通过基于待统计账户的账户信息、正样本视频信息和负样本视频信息构建得到的第一图网络、基于待统计账户的账户信息、正样本账户的账户信息和负样本账户的账户信息构建得到的第二图网络、基于待统计视频信息、正样本视频信息和负样本视频信息构建得到的第三图网络，学习得到待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码；综合考虑了账户与视频、账户与账户、视频与视频之间的图网络关系，有利于从多个维度学习得到账户信息特征编码和待统计视频信息特征编码，从而使得得到的账户信息特征编码和待统计视频信息特征编码更能反映待统计账户的账户信息所表示的特征以及待统计视频信息所表示的特征，进而使得确定出的账户信息特征编码和待统计视频信息特征编码的准确度较高，进一步提高了特征编码的确定准确度；同时避免了将视频信息或者账户信息单做一个个独立的样本数据，导致特征编码的确定准确度较低的缺陷。
[0077] 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
[0078] 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。
[0079] 图1是根据一示例性实施例示出的一种特征编码的确定方法的应用环境图。
[0080] 图2是根据一示例性实施例示出的一种特征编码的确定方法的流程图。
[0081] 图3(a)是根据一示例性实施例示出的第一图网络的示意图。
[0082] 图3(b)是根据一示例性实施例示出的第二图网络的示意图。
[0083] 图3(c)是根据一示例性实施例示出的第三图网络的示意图。
[0084] 图4是根据一示例性实施例示出的获取账户信息特征编码和待统计视频信息特征编码的步骤的流程图。
[0085] 图5是根据一示例性实施例示出的确定目标特征编码的步骤的流程图。图6是根据一示例性实施例示出的构建第一图网络的步骤的流程图。
[0086] 图7是根据一示例性实施例示出的构建第二图网络的步骤的流程图。
[0087] 图8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。
[0088] 图9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。
[0089] 图10是根据一示例性实施例示出的一种特征编码的确定装置的框图。
[0090] 图11是根据一示例性实施例示出的一种视频推送装置的框图。
[0091] 图12是根据一示例性实施例示出的一种计算机设备的内部结构图。
具体实施方式
[0092] 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。
[0093] 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。
[0094] 图1为一示例性实施例示出的一种视频推送方法的应用环境图。参照图1，该应用环境图包括服务器110，服务器110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1中以服务器110是独立的服务器为例进行说明，参考图1，服务器110获取待统计账户的账户信息和待统计视频信息；待统计账户的账户信息匹配有对应的正样本账户的账户信息和负样本账户的账户信息；待统计视频信息匹配有对应的正样本视频信息和负样本视频信息；根据待统计账户的账户信息、正样本视频信息和负样本视频信息，构建第一图网络；根据待统计账户的账户信息、正样本账户信息和负样本账户信息，构建第二图网络；根据待统计视频信息、正样本视频信息和负样本视频信息，构建第三图网络；根据第一图网络、第二图网络和第三图网络，得到待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码。
[0095] 图2是根据一示例性实施例示出的一种特征编码的确定方法的流程图，如图2所示，特征编码的确定方法用于如图1所示的服务器中，包括以下步骤：
[0096] 在步骤S21中，获取待统计账户的账户信息和待统计视频信息；待统计账户的账户信息匹配有对应的正样本账户的账户信息和负样本账户的账户信息；待统计视频信息匹配有对应的正样本视频信息和负样本视频信息。
[0097] 其中，账户是指终端中的视频应用程序的注册账户，比如短视频应用程序的注册账户、视频浏览应用程序的注册账户等。待统计账户为经过授权且需要进行处理分析的账户；账户信息是指用于标识账户的信息，比如账户名称、账户号码、账户编号等。
[0098] 其中，待统计视频信息是指初步确定的多个视频信息，并非最终推送给账户的视频信息；具体是指最新的视频信息，比如近几天的视频信息；在实际场景中，待统计视频信息可以是指短视频信息、微电影信息、电影信息、电视剧信息等。
[0099] 其中，待统计账户的正样本账户是指待统计账户的相似账户，具体是指近期和待统计账户有着相似的视频观看兴趣的账户；例如，将与待统计账户近期共同操作(如点击、点赞、评论、转发等)过的视频数量大于或者等于预设数量的账户，作为待统计账户的正样本账户。待统计账户的负样本账户是指待统计账户的不相关账户，具体是指近期和待统计账户未有相似的视频观看兴趣的账户；例如，将与待统计账户近期共同操作过的视频数量小于预设数量的账户，作为待统计账户的负样本账户。
[0100] 其中，待统计视频信息的正样本视频信息是指待统计视频信息的相似视频信息，具体是指和待统计视频信息有着大量相同观看账户的视频信息；例如，将与待统计视频信息近期被共同账户操作过的次数大于或者等于预设次数的视频信息，作为待统计视频信息的正样本视频信息。待统计视频信息的负样本视频信息是指随机负采样的视频信息，具体是指从近期所有的视频信息中进行随机采样得到的视频信息。
[0101] 具体地，服务器基于大数据技术，获取网络上经过授权的账户所对应的账户信息，作为待统计账户的账户信息；获取网络上预设时间段内的视频信息，如网络上近期内的视频信息，作为待统计视频信息；从存储有待统计账户的多个正样本账户的账户信息的队列中，随机采样出一个正样本账户的账户信息，作为待统计账户的正样本账户的账户信息；从存储有待统计账户的多个负样本账户的账户信息的队列中，随机采样出一个负样本账户的账户信息，作为待统计账户的负样本账户的账户信息；从存储有待统计视频信息的多个正样本视频信息的队列中，随机采样出一个正样本视频信息，作为待统计视频信息的正样本视频信息；从存储有多个负样本视频信息的队列中，随机采样出一个负样本视频信息，作为待统计视频信息的负样本视频信息。
[0102] 在步骤S22中，根据待统计账户的账户信息、正样本视频信息和负样本视频信息，构建第一图网络；根据待统计账户的账户信息、正样本账户的账户信息和负样本账户的账户信息，构建第二图网络；根据待统计视频信息、正样本视频信息和负样本视频信息，构建第三图网络。
[0103] 其中，图网络是指用于表征数据之间的关系的数据结构；第一图网络是指用于表征账户与视频之间的关系的图网络，对应账户‑视频聚合维度；中心节点为待统计账户的账户信息、正样本视频信息和负样本视频信息，采样邻居为视频信息；如图3(a)所示，分别以待统计账户的账户信息、正样本视频信息和负样本视频信息为中心节点，采样其2跳邻居，对于每跳内采样到的节点，采样其2个相关视频信息。
[0104] 其中，第二图网络是指用于表征账户与账户之间的关系的图网络，对应账户‑账户聚合维度；中心节点为待统计账户的账户信息、正样本账户的账户信息和负样本账户的账户信息，采样邻居为账户信息；如图3(b)所示，分别以待统计账户的账户信息、正样本账户的账户信息和负样本账户的账户信息为中心节点，采样其2跳邻居，对于每跳内采样到的节点，采样其2个相关账户信息。
[0105] 其中，第三图网络是指用于表征视频与视频之间的关系的图网络，对应视频‑视频聚合维度；中心节点为待统计视频信息、正样本视频信息和负样本视频信息，采样邻居为视频信息；如图3(c)所示，分别以待统计视频信息、正样本视频信息和负样本视频信息为中心节点，采样其2跳邻居，对于每跳内采样到的节点，采样其2个相关视频信息。
[0106] 具体地，服务器以待统计账户的账户信息为中心节点，采样其K跳邻居，该邻居为视频信息；对于每个K跳内采样到的节点，采样其N个相关视频信息，构建以待统计账户的账户信息为中心节点的图网络；按照同样的方法，可以构建以正样本视频信息为中心节点的图网络和以负样本视频信息为中心节点的图网络；根据以待统计账户的账户信息为中心节点的图网络、以正样本视频信息为中心节点的图网络和以负样本视频信息为中心节点的图网络，得到第一图网络；以待统计账户的账户信息为中心节点，采样其K跳邻居，该邻居为账户信息；对于每个K跳内采样到的节点，采样其N个相关账户信息，构建以待统计账户的账户信息为中心节点的图网络；按照同样的方法，可以构建以正样本账户的账户信息为中心节点的图网络和以负样本账户的账户信息为中心节点的图网络；根据以待统计账户的账户信息为中心节点的图网络、以正样本账户的账户信息为中心节点的图网络和以负样本账户的账户信息为中心节点的图网络，得到第二图网络；以待统计视频信息为中心节点，采样其K跳邻居，该邻居为视频信息；对于每个K跳内采样到的节点，采样其N个相关视频信息，构建以待统计视频信息为中心节点的图网络；根据以待统计视频信息为中心节点的图网络、以正样本视频信息为中心节点的图网络和以负样本视频信息为中心节点的图网络，得到第三图网络。这样，有利于后续基于第一图网络、第二图网络和第三图网络，综合考虑用户与视频、用户与用户、视频与视频之间的图网络关系，使得学习得到的账户信息特征编码和待统计视频信息特征编码更加准确。
[0107] 在步骤S23中，根据第一图网络、第二图网络和第三图网络，得到待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码。
[0108] 其中，账户信息特征编码是指经过压缩编码后的用于表示账户信息的低层语义的低维度特征向量，待统计视频信息特征编码也是经过压缩编码后的用于表示待统计视频信息的低层语义的低维度特征向量，两者均是通过预先训练的特征编码学习模型学习得到。
[0109] 其中，预先训练的特征编码学习模型是一种能够对账户信息以及待统计视频信息进行特征提取和特征编码，以得到账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码的神经网络模型。
[0110] 具体地，服务器分别将第一图网络、第二图网络和第三图网络中的信息输入特征编码学习模型，通过特征编码学习模型学习得到待统计账户的账户信息的第一特征编码、正样本视频信息的特征编码、负样本视频信息的特征编码、待统计账户的账户信息的第二特征编码、正样本账户信息的特征编码、负样本账户信息的特征编码和待统计视频信息的特征编码；通过预设对数损失函数，对待统计账户的账户信息的第一特征编码、正样本视频信息的特征编码、负样本视频信息的特征编码、待统计账户的账户信息的第二特征编码、正样本账户信息的特征编码、负样本账户信息的特征编码和待统计视频信息的特征编码进行统计，得到目标损失值；若目标损失值不满足预设条件，则对特征编码学习模型的网络参数进行调整，直到根据网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件；若根据网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件，将当前的第一特征编码和第二特征编码进行拼接处理，得到待统计账户的账户信息对应的账户信息特征编码，并将当前的待统计视频信息的特征编码，识别为待统计视频信息对应的待统计视频信息特征编码。
[0111] 在本步骤中，综合考虑了账户与视频、账户与账户、视频与视频之间的图网络关系，可以从多个维度学习得到账户信息特征编码和待统计视频信息特征编码，使得账户信息和视频信息的特征编码与正样本的特征编码之间相似程度，高于其与负样本的特征编码之间的相似程度；有利于后续推送给待推送账户的视频更加准确，进而提高了视频推送的准确度。
[0112] 本公开实施例提供的特征编码的确定方法，通过基于待统计账户的账户信息、正样本视频信息和负样本视频信息构建得到的第一图网络、基于待统计账户的账户信息、正样本账户的账户信息和负样本账户的账户信息构建得到的第二图网络、基于待统计视频信息、正样本视频信息和负样本视频信息构建得到的第三图网络，学习得到待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码；综合考虑了账户与视频、账户与账户、视频与视频之间的图网络关系，有利于从多个维度学习得到账户信息特征编码和待统计视频信息特征编码，从而使得得到的账户信息特征编码和待统计视频信息特征编码更能反映待统计账户的账户信息所表示的特征以及待统计视频信息所表示的特征，进而使得确定出的账户信息特征编码和待统计视频信息特征编码的准确度较高，进一步提高了特征编码的确定准确度，同时避免了将视频信息或者账户信息单做一个个独立的样本数据，导致特征编码的确定准确度较低的缺陷。
[0113] 在一示例性实施例中，如图4所示，上述步骤S23，还包括以下步骤：
[0114] 在步骤S41中，分别将第一图网络、第二图网络和第三图网络中的信息输入待训练的特征编码学习模型中，得到待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户的账户信息的目标特征编码和待统计视频信息的目标特征编码。
[0115] 其中，参考图3(a)，第一图网络中的信息是指待统计账户的账户信息、第一邻居视频信息、正样本视频信息、第二邻居视频信息、负样本视频信息和第三邻居视频信息；参考图3(b)，第二图网络中的信息是指第一邻居账户信息、正样本账户的账户信息、第二邻居账户信息、负样本账户的账户信息、第三邻居账户信息；参考图3(c)，第三图网络中的信息是指待统计视频信息和第四邻居视频信息。
[0116] 具体地，服务器将第一图网络中的待统计账户的账户信息输入待训练的特征编码学习模型中，通过待训练的特征编码学习模型基于第一图网络，学习得到待统计账户的账户信息的第一目标特征编码；按照上述同样的方法，可以得到上述其他信息的目标特征编码。
[0117] 在步骤S42中，根据待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户的账户信息的目标特征编码和待统计视频信息的目标特征编码，得到目标损失值。
[0118] 其中，目标损失值用于限制通过待训练的特征编码学习模型学习得到的待统计账户信息和待统计视频信息的特征编码与正样本的特征编码之间相似程度，高于其与负样本的特征编码之间的相似程度。
[0119] 在步骤S43中，根据目标损失值对待训练的特征编码学习模型的网络参数进行调整，直到网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件。
[0120] 其中，根据网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件，是指根据网络参数调整后的特征编码学习模型学习到的待统计账户信息和待统计视频信息的特征编码与正样本的特征编码之间相似程度，远远高于其与负样本的特征编码之间的相似程度。
[0121] 具体地，若根据网络参数调整后的特征编码学习模型得到的目标损失值不满足预设条件，则继续调整特征编码学习模型的网络参数，并重复执行上述步骤S41至步骤S42，直到根据网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件。
[0122] 在步骤S44中，若根据网络参数调整后的特征编码学习模型得到的目标损失值满足所述预设条件，将当前的第一目标特征编码和第二目标特征编码进行拼接处理，得到待统计账户的账户信息对应的账户信息特征编码，并将当前的待统计视频信息的目标特征编码，识别为待统计视频信息对应的待统计视频信息特征编码。
[0123] 例如，将当前的第一目标特征编码和第二目标特征编码按行拼接在一起，得到一个特征编码，作为待统计账户的账户信息对应的账户信息特征编码。
[0124] 进一步地，若根据网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件，将通过网络参数调整后的特征编码学习模型作为预先训练的特征编码学习模型。
[0125] 本公开实施例提供的技术方案中，基于特征编码学习模型，并综合考虑待统计账户的账户信息与正样本视频信息之间的关系、待统计账户的账户信息与负样本视频信息之间的关系、待统计账户的账户信息与正样本账户的账户信息之间的关系、待统计账户的账户信息与负样本账户的账户信息之间的关系、待统计视频信息与正样本视频信息之间的关系、待统计视频信息与负样本视频信息之间的关系，使得学习得到的账户信息特征编码和待统计视频信息特征编码更能反映待统计账户的账户信息所表示的特征以及待统计视频信息所表示的特征，进一步提高了账户信息特征编码和待统计视频信息特征编码的确定准确度。
[0126] 在一示例性实施例中，上述步骤S41，还包括以下内容：从第一图网络中提取出待统计账户的账户信息、第一邻居视频信息、正样本视频信息、第二邻居视频信息、负样本视频信息和第三邻居视频信息；从第二图网络中提取出第一邻居账户信息、正样本账户的账户信息、第二邻居账户信息、负样本账户的账户信息、第三邻居账户信息；从第三图网络中提取出待统计视频信息和第四邻居视频信息；分别将待统计账户的账户信息、第一邻居视频信息、正样本视频信息、第二邻居视频信息、负样本视频信息、第三邻居视频信息、第一邻居账户信息、正样本账户的账户信息、第二邻居账户信息、负样本账户的账户信息、第三邻居账户信息、待统计视频信息和第四邻居视频信息输入待训练的特征编码学习模型中，得到待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户的账户信息的目标特征编码和待统计视频信息的目标特征编码。
[0127] 本公开实施例提供的技术方案中，基于特征编码学习模型对各个图网络中的信息进行特征提取和特征编码，可以有效地学习到各个图网络中的信息对应的特征编码，便于后续根据各个图网络中的信息对应的特征编码，确定目标损失值。
[0128] 在一示例性实施例中，如图5所示，分别将待统计账户的账户信息、第一邻居视频信息、正样本视频信息、第二邻居视频信息、负样本视频信息、第三邻居视频信息、第一邻居账户信息、正样本账户的账户信息、第二邻居账户信息、负样本账户的账户信息、第三邻居账户信息、待统计视频信息和第四邻居视频信息输入待训练的特征编码学习模型中，得到待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户的账户信息的目标特征编码和待统计视频信息的目标特征编码，还包括如下步骤：
[0129] 在步骤S51中，分别通过待训练的特征编码学习模型，得到待统计账户的账户信息的初始特征编码、第一邻居视频信息的初始特征编码、正样本视频信息的初始特征编码、第二邻居视频信息的初始特征编码、负样本视频信息的初始特征编码、第三邻居视频信息的初始特征编码、第一邻居账户信息的初始特征编码、正样本账户的账户信息的初始特征编码、第二邻居账户信息的初始特征编码、负样本账户的账户信息的初始特征编码、第三邻居账户信息的初始特征编码、待统计视频信息的初始特征编码和第四邻居视频信息的初始特征编码。
[0130] 具体地，将待统计账户的账户信息输入待训练的特征编码学习模型中，通过待训练的特征编码学习模型提取待统计账户的账户信息的特征，并对待统计账户的账户信息的特征进行特征编码，得到待统计账户的账户信息的初始特征编码；按照上述同样的方法，可以得到上述其他信息的初始特征编码。
[0131] 在步骤S52中，根据待统计账户的账户信息的初始特征编码和第一邻居视频信息的初始特征编码，得到待统计账户的账户信息的第一目标特征编码；根据正样本视频信息的初始特征编码和第二邻居视频信息的初始特征编码，得到正样本视频信息的目标特征编码；根据负样本视频信息的初始特征编码和第三邻居视频信息的初始特征编码，得到负样本视频信息的目标特征编码。
[0132] 在步骤S53中，根据待统计账户的账户信息的初始特征编码和第一邻居账户信息的初始特征编码，得到待统计账户的账户信息的第二目标特征编码；根据正样本账户的账户信息的初始特征编码和第二邻居账户信息的初始特征编码，得到正样本账户的账户信息的目标特征编码；根据负样本账户信息的初始特征编码和第三邻居账户信息的初始特征编码，得到负样本账户信息的目标特征编码。
[0133] 在步骤S54中，根据待统计视频信息的初始特征编码和第四邻居视频信息的初始特征编码，得到待统计视频信息的目标特征编码。
[0134] 具体地，待统计账户的账户信息的第一目标特征编码可以通过下述方式得到：采用邻居节点聚合算法，将第一邻居视频信息的初始特征编码进行聚合处理，得到聚合处理后的特征编码；将聚合处理后的特征编码与待统计账户的账户信息的初始特征编码进行拼接处理，得到待统计账户的账户信息的第一目标特征编码。
[0135] 例如，参考图3(a)，假设第一层的第一邻居视频信息分别为第一邻居视频信息1和第一邻居视频信息2，第一邻居视频信息1对应的第一邻居视频信息分别为第一邻居视频信息3和第一邻居视频信息4，第一邻居视频信息2对应的第一邻居视频信息分别为第一邻居视频信息5和第一邻居视频信息6；分别对第一邻居视频信息3的初始特征编码和第一邻居视频信息4的初始特征编码进行线性变换，经过激活函数，按列拼接到一起，再经过池化处理，得到第一邻居视频信息1对应的聚合处理后的特征编码，将第一邻居视频信息1对应的聚合处理后的特征编码和第一邻居视频信息1对应的初始特征编码按行拼接或者相加，可以得到第一邻居视频信息1对应的特征编码；按照同样的方法，可以得到第一邻居视频信息2对应的特征编码；按照同样的方法，对第一邻居视频信息1对应的特征编码和第一邻居视频信息2对应的特征编码进行处理，可以得到待统计账户的账户信息对应的聚合处理后的特征编码；将待统计账户的账户信息对应的聚合处理后的特征编码和待统计账户的账户信息的初始特征编码进行拼接处理，得到待统计账户的账户信息的第一目标特征编码。
[0136] 需要说明的是，按照上述同样的方法，可以得到正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户信息的目标特征编码和待统计视频信息的目标特征编码。
[0137] 本公开实施例提供的技术方案中，基于特征编码学习模型对各个图网络中的信息进行特征提取和特征编码，可以有效地学习到各个图网络中的信息对应的目标特征编码，便于后续根据各个图网络中的信息对应的目标特征编码，确定目标损失值。
[0138] 在一示例性实施例中，上述步骤S42，还包括：根据待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码和负样本视频信息的目标特征编码，得到第一损失值；根据待统计账户的账户信息的第二目标特征编码、正样本账户信息的目标特征编码和负样本账户信息的目标特征编码，得到第二损失值；根据待统计视频信息的目标特征编码、正样本视频信息的目标特征编码和负样本视频信息的目标特征编码，得到第三损失值；将第一损失值、第二损失值和第三损失值进行相加，得到目标损失值。
[0139] 其中，第一损失值用于衡量账户与视频之间的协同损失，第二损失值用于衡量账户与账户之间的相似性损失，第三损失值用于衡量视频与视频之间的相似性损失；目标损失值用于综合衡量账户与视频之间的协同损失、账户与账户之间的相似性损失、视频与视频之间的相似性损失。
[0140] 例如，通过下述公式，计算第一损失值：
[0141] Lu_p(u)＝‑log(sigmoid(u·ppos‑u·pneg))；
[0142] 其中，Lu_p(u)表示第一损失值，log表示对数函数，sigmoid表示sigmoid函数，u表示待统计账户的账户信息的第一目标特征编码，ppos表示正样本视频信息的目标特征编码，pneg表示负样本账户信息的目标特征编码。
[0143] 通过下述公式，计算第二损失值：
[0144] Lu_u(u)＝‑log(sigmoid(u·upos))+log(sigmoid(u·uneg))；
[0145] 其中，Lu_u(u)表示第二损失值，log表示对数函数，sigmoid表示sigmoid函数，u表示待统计账户的账户信息的第二目标特征编码，upos表示正样本账户信息的目标特征编码，uneg表示负样本账户信息的目标特征编码。
[0146] 通过下述公式，计算第三损失值：
[0147] Lp_p(p)＝‑log(sigmoid(p·ppos))+log(sigmoid(p·pneg))；
[0148] 其中，Lp_p(p)表示第三损失值，log表示对数函数，sigmoid表示sigmoid函数，p表示待统计视频信息的目标特征编码，ppos表示正样本视频信息的目标特征编码，pneg表示负样本视频信息的目标特征编码。
[0149] 通过下述公式，计算目标损失值：
[0150] L＝Lu_p(u)+Lu_u(u)+Lp_p(p)；
[0151] 其中，L表示目标损失值，Lu_p(u)表示第一损失值，Lu_u(u)表示第二损失值，Lp_p(p)表示第三损失值。
[0152] 本公开实施例提供的技术方案，综合考虑多种损失值，有利于综合衡量账户与账户之间的相似性损失、账户与视频之间的协同损失以及视频与视频之间的相似性损失，使得最终输出的账户信息特征编码和待统计视频信息特征编码更加准确，进一步提高了特征编码的确定准确度。
[0153] 在一示例性实施例中，上述步骤S22，还包括：获取待统计账户的第一邻居视频信息、正样本视频信息的第二邻居视频信息和负样本视频信息的第三邻居视频信息；以待统计账户的账户信息为中心节点，以第一邻居视频信息为邻居节点，构建第一子图网络；以正样本视频信息为中心节点，以第二邻居视频信息为邻居节点，构建第二子图网络；以负样本视频信息为中心节点，以第三邻居视频信息为邻居节点，构建第三子图网络；将第一子图网络、第二子图网络和第三子图网络进行组合，得到第一图网络。
[0154] 具体地，参考图6，上述步骤S22具体可以通过下述步骤实现：
[0155] 在步骤S61中，获取待统计账户所操作过的视频信息，作为待统计账户的第一邻居视频信息；获取与第一邻居视频信息关联的视频信息，作为第一邻居视频信息的第一邻居视频信息，直到第一邻居视频信息的总层数满足第一预设条件。
[0156] 其中，待统计账户所操作过的视频信息是指待统计账户点击、点赞、评论或者转发过的视频信息；与第一邻居视频信息关联的视频信息是指与第一邻居视频信息有着大量相同观看账户的视频信息；第一预设条件用于标识第一邻居视频信息、第二邻居视频信息或者第三邻居视频信息的总层数，如图3(a)所示，第一预设条件为2。
[0157] 示例性地，参考图3(a)，服务器获取待统计账户点击、点赞、评论或者转发过的视频信息，作为待统计账户所操作过的视频信息；从待统计账户所操作过的视频信息中，随机采样出2条视频信息，作为待统计账户的第一邻居视频信息；获取与第一邻居视频信息关联的视频信息，从与第一邻居视频信息关联的视频信息中，随机采样出2条视频信息，作为该第一邻居视频信息的第一邻居视频信息；以此类推，直到第一邻居视频信息的总层数满足第一预设条件。
[0158] 在步骤S62中，获取与正样本视频信息关联的视频信息，作为正样本视频信息的第二邻居视频信息；获取与第二邻居视频信息关联的视频信息，作为第二邻居视频信息的第二邻居视频信息，直到第二邻居视频信息的总层数满足第一预设条件。
[0159] 其中，与正样本视频信息关联的视频信息是指与正样本视频信息有着大量相同观看账户的视频信息，与第二邻居视频信息关联的视频信息是指与第二邻居视频信息有着大量相同观看账户的视频信息。
[0160] 示例性地，参考图3(a)，服务器获取与正样本视频信息关联的视频信息，从与正样本视频信息关联的视频信息中，随机采样出2条视频信息，作为正样本视频信息的第二邻居视频信息；获取与第二邻居视频信息关联的视频信息，从与第二邻居视频信息关联的视频信息中，随机采样出2条视频信息，作为该第二邻居视频信息的第二邻居视频信息，直到第二邻居视频信息的总层数满足第一预设条件。
[0161] 在步骤S63中，获取与负样本视频信息关联的视频信息，作为负样本视频信息的第三邻居视频信息；获取与第三邻居视频信息关联的视频信息，作为第三邻居视频信息的第三邻居视频信息，直到第三邻居视频信息的总层数满足第一预设条件。
[0162] 其中，与负样本视频信息关联的视频信息是指与负样本视频信息有着大量相同观看账户的视频信息，与第三邻居视频信息关联的视频信息是指与第三邻居视频信息有着大量相同观看账户的视频信息。
[0163] 示例性地，参考图3(a)，服务器获取与负样本视频信息关联的视频信息，从与负样本视频信息关联的视频信息中，随机采样出2条视频信息，作为负样本视频信息的第三邻居视频信息；获取与第三邻居视频信息关联的视频信息，从与第三邻居视频信息关联的视频信息中，随机采样出2条视频信息，作为该第三邻居视频信息的第三邻居视频信息，直到第三邻居视频信息的总层数满足第一预设条件。
[0164] 在步骤S64中，以待统计账户的账户信息为中心节点，以第一邻居视频信息为邻居节点，构建第一子图网络。
[0165] 在步骤S65中，以正样本视频信息为中心节点，以第二邻居视频信息为邻居节点，构建第二子图网络。
[0166] 在步骤S66中，以负样本视频信息为中心节点，以第三邻居视频信息为邻居节点，构建第三子图网络。
[0167] 在步骤S67中，将第一子图网络、第二子图网络和第三子图网络进行组合，得到第一图网络。
[0168] 示例性地，参考图3(a)，服务器将待统计账户的账户信息作为中心节点，将各个第一邻居视频信息分别作为各个邻居节点，进而构建第一子图网络；将正样本视频信息作为中心节点，将各个第二邻居视频信息分别作为各个邻居节点，进而构建第二子图网络；将负样本视频信息作为中心节点，将各个第三邻居视频信息分别作为各个邻居节点，进而构建第三子图网络；将第一子图网络、第二子图网络和第三子图网络拼接在一起，得到第一图网络。
[0169] 本公开实施例提供的技术方案，通过构建第一图网络，有利于准确地表征账户与视频之间的图网络关系，便于后续基于第一图网络学习得到更加准确的待统计账户的账户信息特征编码，使得待统计账户的账户信息特征编码与正样本视频信息的特征编码之间相似程度，高于其与负样本视频信息的特征编码之间的相似程度。
[0170] 在一示例性实施例中，上述步骤S22，还包括：获取待统计账户的第一邻居账户信息、正样本账户的第二邻居账户信息和负样本账户的第三邻居账户信息；以待统计账户的账户信息为中心节点，以第一邻居账户信息为邻居节点，构建第四子图网络；以正样本账户的账户信息为中心节点，以第二邻居账户信息为邻居节点，构建第五子图网络；以负样本账户的账户信息为中心节点，以第三邻居账户信息为邻居节点，构建第六子图网络；将第四子图网络、第五子图网络和第六子图网络进行组合，得到第二图网络。
[0171] 具体地，参考图7，上述步骤S22具体可以通过下述步骤实现：
[0172] 在步骤S71中，获取待统计账户关联的账户信息，作为待统计账户的第一邻居账户信息；获取与第一邻居账户信息关联的账户信息，作为第一邻居账户信息的第一邻居账户信息，直到第一邻居账户信息的总层数满足第一预设条件。
[0173] 其中，待统计账户关联的账户信息是指近期和待统计账户有着相似的视频观看兴趣的账户对应的账户信息，与第一邻居账户信息关联的账户信息是指近期和第一邻居账户信息有着相似的视频观看兴趣的账户对应的账户信息。第一预设条件也用于标识第一邻居账户信息、第二邻居账户信息或者第三邻居账户信息的总层数，如图3(b)所示，第一预设条件为2。
[0174] 示例性地，参考图3(b)，服务器获取近期和待统计账户有着相似的视频观看兴趣的账户对应的账户信息，作为待统计账户关联的账户信息；从待统计账户关联的账户信息中，随机采样出2个账户信息，作为待统计账户的第一邻居账户信息；获取与第一邻居账户信息关联的账户信息，从与第一邻居账户信息关联的账户信息中，随机采样出2个账户信息，作为该第一邻居账户信息的第一邻居账户信息；以此类推，直到第一邻居账户信息的总层数满足第一预设条件。
[0175] 在步骤S72中，获取正样本账户关联的账户信息，作为正样本账户的第二邻居账户信息；获取与第二邻居账户信息关联的账户信息，作为第二邻居账户信息的第二邻居账户信息，直到第二邻居账户信息的总层数满足第一预设条件。
[0176] 其中，正样本账户关联的账户信息是指近期和正样本账户有着相似的视频观看兴趣的账户对应的账户信息，与第二邻居账户信息关联的账户信息是指近期和第二邻居账户信息有着相似的视频观看兴趣的账户对应的账户信息。
[0177] 示例性地，参考图3(b)，服务器获取近期和正样本账户有着相似的视频观看兴趣的账户对应的账户信息，作为正样本账户关联的账户信息；从正样本账户关联的账户信息中，随机采样出2个账户信息，作为正样本账户的第二邻居账户信息；获取与第二邻居账户信息关联的账户信息，从与第二邻居账户信息关联的账户信息中，随机采样出2个账户信息，作为第二邻居账户信息的第二邻居账户信息；以此类推，直到第二邻居账户信息的总层数满足第一预设条件。
[0178] 在步骤S73中，获取负样本账户关联的账户信息，作为负样本账户的第三邻居账户信息；获取与第三邻居账户信息关联的账户信息，作为第三邻居账户信息的第三邻居账户信息，直到第三邻居账户信息的总层数满足第一预设条件。
[0179] 其中，负样本账户关联的账户信息是指近期和负样本账户有着相似的视频观看兴趣的账户对应的账户信息，与第三邻居账户信息关联的账户信息是指近期和第三邻居账户信息有着相似的视频观看兴趣的账户对应的账户信息。
[0180] 示例性地，参考图3(b)，服务器获取近期和负样本账户有着相似的视频观看兴趣的账户对应的账户信息，作为负样本账户关联的账户信息；从负样本账户关联的账户信息中，随机采样出2个账户信息，作为负样本账户的第三邻居账户信息；获取与第三邻居账户信息关联的账户信息，从与第三邻居账户信息关联的账户信息中，随机采样出2个账户信息，作为第三邻居账户信息的第三邻居账户信息；以此类推，直到第三邻居账户信息的总层数满足第一预设条件。
[0181] 在步骤S74中，以待统计账户的账户信息为中心节点，以第一邻居账户信息为邻居节点，构建第四子图网络。
[0182] 在步骤S75中，以正样本账户的账户信息为中心节点，以第二邻居账户信息为邻居节点，构建第五子图网络。
[0183] 在步骤S76中，以负样本账户的账户信息为中心节点，以第三邻居账户信息为邻居节点，构建第六子图网络。
[0184] 在步骤S77中，将第四子图网络、第五子图网络和第六子图网络进行组合，得到第二图网络。
[0185] 示例性地，参考图3(b)，服务器将待统计账户的账户信息作为中心节点，将各个第一邻居账户信息分别作为各个邻居节点，进而构建第四子图网络；将正样本账户的账户信息作为中心节点，将各个第二邻居账户信息分别作为各个邻居节点，进而构建第五子图网络；将负样本账户的账户信息作为中心节点，将各个第六邻居账户信息分别作为各个邻居节点，进而构建第六子图网络；将第四子图网络、第五子图网络和第六子图网络拼接在一起，得到第二图网络。
[0186] 本公开实施例提供的技术方案，通过构建第二图网络，有利于准确地表征账户与账户之间的图网络关系，便于后续基于第二图网络学习得到更加准确的待统计账户的账户信息特征编码，使得待统计账户的账户信息特征编码与正样本账户的账户信息的特征编码之间相似程度，高于其与负样本账户的账户信息的特征编码之间的相似程度。
[0187] 在一示例性实施例中，上述步骤S22，还包括：获取待统计视频信息的第四邻居视频信息；以待统计视频信息为中心节点，以第四邻居视频信息为邻居节点，构建第七子图网络；将第二子图网络、第三子图网络和第七子图网络进行组合，得到第三图网络。其中，待统计视频信息的第四邻居视频信息是指与待统计视频信息关联的视频信息，具体是指与待统计视频信息有着大量相同观看账户的视频信息。
[0188] 具体地，服务器获取与待统计视频信息关联的视频信息，作为待统计视频信息的第四邻居视频信息；获取与第四邻居视频信息关联的视频信息，作为第四邻居视频信息的第四邻居视频信息，直到第四邻居视频信息的总层数满足第一预设条件；以待统计视频信息为中心节点，以第四邻居视频信息为邻居节点，构建第七子图网络；将第二子图网络、第三子图网络和第七子图网络进行组合，得到第三图网络。其中，与第四邻居视频信息关联的视频信息是指与第四邻居视频信息有着大量相同观看账户的视频信息；第一预设条件也用于标识第四邻居视频信息的总层数，如图3(c)所示，第一预设条件为2。
[0189] 示例性地，参考图3(c)，服务器获取与待统计视频信息有着大量相同观看账户的视频信息，作为与待统计视频信息关联的视频信息；从与待统计视频信息关联的视频信息中，随机采样出2条视频信息，作为待统计视频信息的第四邻居视频信息；获取与第四邻居视频信息关联的视频信息，从与第四邻居视频信息关联的视频信息中，随机采样出2条视频信息，作为该第四邻居视频信息的第四邻居视频信息；以此类推，直到第四邻居视频信息的总层数满足第一预设条件；将待统计视频信息作为中心节点，将各个第四邻居视频信息分别作为各个邻居节点，进而构建第七子图网络；将第二子图网络、第三子图网络和第七子图网络拼接在一起，得到第三图网络。
[0190] 本公开实施例提供的技术方案，通过构建第三图网络，有利于准确地表征视频与视频之间的图网络关系，便于后续基于第三图网络学习得到更加准确的待统计视频信息特征编码，使得待统计视频信息特征编码与正样本视频信息的特征编码之间相似程度，高于其与负样本视频信息的特征编码之间的相似程度。
[0191] 图8为一示例性实施例示出的一种视频推送方法的应用环境图。参照图8，该应用环境图包括终端810和服务器820，终端810和服务器820通过网络连接。终端810是具有视频观看功能的电子设备，该电子设备可以是智能手机、平板电脑或笔记本电脑等等；服务器820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8中以终端810是智能手机为例进行说明，参考图8，服务器820获取待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码；例如，服务器820获取待统计账户的账户信息和待统计视频信息；待统计账户的账户信息匹配有对应的正样本账户的账户信息和负样本账户的账户信息；待统计视频信息匹配有对应的正样本视频信息和负样本视频信息；根据待统计账户的账户信息、正样本视频信息和负样本视频信息，构建第一图网络；根据待统计账户的账户信息、正样本账户信息和负样本账户信息，构建第二图网络；
根据待统计视频信息、正样本视频信息和负样本视频信息，构建第三图网络；根据第一图网络、第二图网络和第三图网络，得到待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码。接着，服务器820获取终端810当前登录账户的账户信息，作为待推送账户的账户信息；从待统计账户的账户信息对应的账户信息特征编码中确定待推送账户的账户信息对应的账户信息特征编码；根据账户信息特征编码和待统计视频信息特征编码，从待统计视频信息中筛选出与待推送账户对应的目标视频信息；将目标视频信息推送至终端810，终端110通过终端界面显示目标视频信息，供待推送账户观看。
[0192] 图9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9所示，视频推送方法用于如图8所示的服务器中，包括以下步骤：
[0193] 在步骤S91中，根据上述所述的特征编码的确定方法，获取待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码。
[0194] 需要说明的是，获取待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码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。
[0195] 在步骤S92中，获取待推送账户的账户信息，从待统计账户的账户信息对应的账户信息特征编码中确定待推送账户的账户信息对应的账户信息特征编码。
[0196] 具体地，服务器获取终端当前登录账户的账户信息，作为待推送账户的账户信息；将待推送账户的账户信息与待统计账户的账户信息进行匹配，若待推送账户的账户信息与待统计账户的账户信息匹配，则将该待推送账户的账户信息对应的账户信息特征编码，识别为待推送账户的账户信息对应的账户信息特征编码。这样，有利于后续基于待推送账户的账户信息对应的账户信息特征编码和待统计视频信息特征编码，从待统计视频信息中筛选出与待推送账户对应的目标视频信息，再将目标视频信息推送至待推送账户，进一步提高了视频推送的准确度，进而有效地提高了视频的点击率。
[0197] 示例性地，在短视频应用程序打开场景中，待推送账户是指短视频应用程序的观看账户，待统计视频信息是指推送至终端的短视频播放界面的预选短视频；在短视频应用程序关闭场景中，待推送账户也是指短视频应用程序的观看账户，待统计视频信息是指以通知消息提醒的方式向终端推送的预选短视频。
[0198] 在步骤S93中，根据账户信息特征编码和待统计视频信息特征编码，从待统计视频信息中筛选出与待推送账户对应的目标视频信息。
[0199] 其中，目标视频信息是指推送给待推送账户的视频信息。
[0200] 具体地，服务器统计账户信息特征编码与待统计视频信息特征编码之间的特征相似度，根据特征相似度，从待统计视频信息中确定出与待推送账户对应的视频信息，作为目标视频信息。
[0201] 其中，特征相似度用于衡量账户信息特征编码所表示的特征与待统计视频信息编码所表示的特征之间的相似度；一般地，特征相似度越高，表示账户信息特征编码所表示的特征与待统计视频信息编码所表示的特征之间越相似，说明账户信息特征编码所对应的账户对待统计视频信息编码所对应的待统计视频信息越感兴趣；同时，特征相似度也用于衡量推送给账户的待统计视频信息的先后排列顺序；一般地，特征相似度越高，对应的待统计视频信息越先推送给账户。
[0202] 例如，服务器统计账户信息特征编码与待统计视频信息特征编码之间的余弦相似度，作为账户信息特征编码与待统计视频信息特征编码之间的特征相似度；将特征相似度满足预设条件的待统计视频信息，比如将特征相似度最大的待统计视频信息，作为与待推送账户对应的目标视频信息；这样，综合考虑账户信息特征编码与待统计视频信息特征编码之间的特征相似度，使得确定出的目标视频信息更加准确，有利于后续将准确确定出的目标视频信息推送至待推送账户，从而实现了视频信息的精准推送，进一步提高了视频推送的准确度，同时提高了视频信息的点击率。
[0203] 在步骤S94中，将目标视频信息推送至待推送账户。
[0204] 具体地，服务器获取待推送账户对应的终端标识，按照预设频率，将与待推送账户对应的目标视频信息推送至终端标识对应的终端，通过终端界面显示特征相似度更高的视频信息，满足终端当前登录的待推送账户的兴趣需求，从而实现了视频信息的精准推送。
[0205] 进一步地，服务器还可以将与待推送账户对应的目标视频信息，转化成与预设推送模式对应的视频信息，并将该视频信息推送至待推送账户。其中，预设推送模式是指视频信息的排版和特效模式，比如电影模式、复古模式、滤镜模式等。
[0206] 示例性地，在短视频应用程序打开场景中，终端响应待推送账户在短视频播放界面上的触发操作，生成推送请求，并将推送请求发送至对应的服务器；服务器对接收的推送请求进行解析，得到终端当前登录的待推送账户；从待统计视频信息中，将与终端当前登录的待推送账户对应的视频信息推送至终端。
[0207] 示例性地，在短视频应用程序关闭场景中，服务器将与终端当前登录的待推送账户对应的视频信息，以通知消息的形式推送至终端，通过终端的通知消息栏显示与终端当前登录的待推送账户对应的视频信息。
[0208] 本公开实施例提供的视频推送方法，通过基于待统计账户的账户信息、正样本视频信息和负样本视频信息构建得到的第一图网络、基于待统计账户的账户信息、正样本账户信息和负样本账户信息构建得到的第二图网络、基于待统计视频信息、正样本视频信息和负样本视频信息构建得到的第三图网络，学习得到待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码；然后从待统计账户的账户信息对应的账户信息特征编码中确定出与待推送账户的账户信息对应的账户信息特征编码，并结合待统计视频信息特征编码，从待统计视频信息中筛选出与待推送账户对应的目标视频信息，最后将目标视频信息推送至待推送账户；综合考虑了账户与视频、账户与账户、视频与视频之间的图网络关系，有利于从多个维度学习得到账户信息特征编码和待统计视频信息特征编码，从而使得得到的账户信息特征编码和待统计视频信息特征编码更能反映待统计账户的账户信息所表示的特征以及待统计视频信息所表示的特征，进而使得确定出的账户信息特征编码和待统计视频信息特征编码的准确度较高，进一步使得后续基于确定出的账户信息特征编码和待统计视频信息特征编码推送给待推送账户的视频更加准确，进而提高了视频推送的准确度；同时，先从学习得到的账户信息特征编码中确定待推送账户的账户信息对应的账户信息特征编码，再结合待统计视频信息特征编码，从待统计视频信息中筛选出与待推送账户对应的目标视频信息，再将目标视频信息推送至待推送账户，进一步提高了视频推送的准确度，进而有效地提高了视频的点击率。
[0209] 在一示例性实施例中，上述步骤S92，还包括：从待统计账户的账户信息中，确定与待推送账户的账户信息匹配的目标账户信息；从待统计账户的账户信息对应的账户信息特征编码中，筛选出目标账户信息对应的账户信息特征编码，作为待推送账户的账户信息对应的账户信息特征编码。
[0210] 具体地，服务器将待推送账户的账户信息与待统计账户的账户信息进行匹配，若待推送账户的账户信息与待统计账户的账户信息匹配成功，则将该待统计账户的账户信息作为目标账户信息；从待统计账户的账户信息对应的账户信息特征编码中，筛选出该目标账户信息对应的账户信息特征编码，并将该账户信息特征编码作为待推送账户的账户信息对应的账户信息特征编码。
[0211] 本公开实施例提供的技术方案，从预先得到的待统计账户的账户信息对应的账户信息特征编码中，确定待推送账户的账户信息对应的账户信息特征编码，有利于后续基于待推送账户的账户信息对应的账户信息特征编码，为待推送账户推送更加准确的视频信息，从而实现了视频信息的精准推送。
[0212] 在一示例性实施例中，上述步骤S93，还包括：获取账户信息特征编码与待统计视频信息特征编码之间的特征相似度；将特征相似度大于预设阈值的待统计视频信息，确定为与待推送账户对应的目标视频信息。
[0213] 具体地，服务器统计账户信息特征编码与待统计视频信息特征编码之间的余弦相似度，作为账户信息特征编码与待统计视频信息特征编码之间的特征相似度；从待统计视频信息中，筛选出特征相似度大于预设阈值的待统计视频信息特征编码所对应的待统计视频信息，作为与待推送账户对应的目标视频信息，便于后续只将特征相似度大于预设阈值的待统计视频信息推送至待推送账户，从而实现了视频信息的精准推送。
[0214] 例如，账户信息特征编码为v1，待统计视频信息特征编码为v2，则账户信息特征编码与待统计视频信息特征编码之间的特征相似度为：
[0215] 在一示例性实施例中，上述步骤S94，还包括：按照特征相似度，对与待推送账户对应的目标视频信息进行排序，得到排序后的目标视频信息；按照预设频率，将排序后的目标视频信息推送至待推送账户。
[0216] 其中，预设频率是指目标视频信息推送至终端的频率，比如每分钟推送10条目标视频信息。
[0217] 具体地，服务器按照特征相似度从大到小的顺序，对与待推送账户对应的目标视频信息进行依次排序，得到排序后的目标视频信息；按照预设频率，将排序后的目标视频信息推送至待推送账户对应的终端，通过终端界面展示排序后的目标视频信息，便于终端当前登录的待推送账户进行观看。
[0218] 本公开实施例提供的技术方案中，将按照特征相似度排序后的目标视频信息推送至终端，有利于实现视频信息的精准推送，从而提高了视频推送的准确度；同时，有利于提高视频的点击率。
[0219] 图10是根据一示例性实施例示出的一种特征编码的确定装置的框图。参照图10，该装置包括信息获取模块1010，图网络构建模块1020和特征编码获取模块1030。
[0220] 信息获取模块1010，被配置为执行获取待统计账户的账户信息和待统计视频信息；待统计账户的账户信息匹配有对应的正样本账户的账户信息和负样本账户的账户信息；待统计视频信息匹配有对应的正样本视频信息和负样本视频信息；
[0221] 图网络构建模块1020，被配置为执行根据待统计账户的账户信息、正样本视频信息和负样本视频信息，构建第一图网络；根据待统计账户的账户信息、正样本账户的账户信息和负样本账户的账户信息，构建第二图网络；根据待统计视频信息、正样本视频信息和负样本视频信息，构建第三图网络；
[0222] 特征编码获取模块1030，被配置为执行根据第一图网络、第二图网络和第三图网络，得到待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码。
[0223] 本公开实施例提供的特征编码的确定装置，综合考虑了账户与视频、账户与账户、视频与视频之间的图网络关系，有利于从多个维度学习得到账户信息特征编码和待统计视频信息特征编码，从而使得得到的账户信息特征编码和待统计视频信息特征编码更能反映待统计账户的账户信息所表示的特征以及待统计视频信息所表示的特征，进而使得确定出的账户信息特征编码和待统计视频信息特征编码的准确度较高，进一步提高了特征编码的确定准确度，同时避免了将视频信息或者账户信息单做一个个独立的样本数据，导致特征编码的确定准确度较低的缺陷。
[0224] 在一示例性实施例中，上述特征编码获取模块1030，还被配置为执行分别将第一图网络、第二图网络和第三图网络中的信息输入待训练的特征编码学习模型中，得到待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户的账户信息的目标特征编码和待统计视频信息的目标特征编码；根据待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户的账户信息的目标特征编码和待统计视频信息的目标特征编码，得到目标损失值；根据目标损失值对待训练的特征编码学习模型的网络参数进行调整，直到根据网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件；若根据网络参数调整后的特征编码学习模型得到的目标损失值满足预设条件，将当前的第一目标特征编码和第二目标特征编码进行拼接处理，得到待统计账户的账户信息对应的账户信息特征编码，并将当前的待统计视频信息的目标特征编码，识别为待统计视频信息对应的待统计视频信息特征编码。
[0225] 在一示例性实施例中，上述特征编码获取模块1030，还被配置为执行从第一图网络中提取出待统计账户的账户信息、第一邻居视频信息、正样本视频信息、第二邻居视频信息、负样本视频信息和第三邻居视频信息；从第二图网络中提取出第一邻居账户信息、正样本账户的账户信息、第二邻居账户信息、负样本账户的账户信息、第三邻居账户信息；从第三图网络中提取出待统计视频信息和第四邻居视频信息；分别将待统计账户的账户信息、第一邻居视频信息、正样本视频信息、第二邻居视频信息、负样本视频信息、第三邻居视频信息、第一邻居账户信息、正样本账户的账户信息、第二邻居账户信息、负样本账户的账户信息、第三邻居账户信息、待统计视频信息和第四邻居视频信息输入待训练的特征编码学习模型中，得到待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码、负样本视频信息的目标特征编码、待统计账户的账户信息的第二目标特征编码、正样本账户的账户信息的目标特征编码、负样本账户的账户信息的目标特征编码和待统计视频信息的目标特征编码。
[0226] 在一示例性实施例中，上述特征编码获取模块1030，还被配置为执行分别通过待训练的特征编码学习模型，得到待统计账户的账户信息的初始特征编码、第一邻居视频信息的初始特征编码、正样本视频信息的初始特征编码、第二邻居视频信息的初始特征编码、负样本视频信息的初始特征编码、第三邻居视频信息的初始特征编码、第一邻居账户信息的初始特征编码、正样本账户的账户信息的初始特征编码、第二邻居账户信息的初始特征编码、负样本账户的账户信息的初始特征编码、第三邻居账户信息的初始特征编码、待统计视频信息的初始特征编码和第四邻居视频信息的初始特征编码；根据待统计账户的账户信息的初始特征编码和第一邻居视频信息的初始特征编码，得到待统计账户的账户信息的第一目标特征编码；根据正样本视频信息的初始特征编码和第二邻居视频信息的初始特征编码，得到正样本视频信息的目标特征编码；根据负样本视频信息的初始特征编码和第三邻居视频信息的初始特征编码，得到负样本视频信息的目标特征编码；根据待统计账户的账户信息的初始特征编码和第一邻居账户信息的初始特征编码，得到待统计账户的账户信息的第二目标特征编码；根据正样本账户的账户信息的初始特征编码和第二邻居账户信息的初始特征编码，得到正样本账户的账户信息的目标特征编码；根据负样本账户信息的初始特征编码和第三邻居账户信息的初始特征编码，得到负样本账户信息的目标特征编码；根据待统计视频信息的初始特征编码和第四邻居视频信息的初始特征编码，得到待统计视频信息的目标特征编码。
[0227] 在一示例性实施例中，上述特征编码获取模块1030，还被配置为执行将第一邻居视频信息的初始特征编码进行聚合处理，得到聚合处理后的特征编码；将聚合处理后的特征编码与待统计账户的账户信息的初始特征编码进行拼接处理，得到待统计账户的账户信息的第一目标特征编码。
[0228] 在一示例性实施例中，上述特征编码获取模块1030，还被配置为执行根据待统计账户的账户信息的第一目标特征编码、正样本视频信息的目标特征编码和负样本视频信息的目标特征编码，得到第一损失值；根据待统计账户的账户信息的第二目标特征编码、正样本账户信息的目标特征编码和负样本账户信息的目标特征编码，得到第二损失值；根据待统计视频信息的目标特征编码、正样本视频信息的目标特征编码和负样本视频信息的目标特征编码，得到第三损失值；根据第一损失值、第二损失值和第三损失值，得到目标损失值。
[0229] 在一示例性实施例中，上述图网络构建模块1020，还被配置为执行获取待统计账户的第一邻居视频信息、正样本视频信息的第二邻居视频信息和负样本视频信息的第三邻居视频信息；以待统计账户的账户信息为中心节点，以第一邻居视频信息为邻居节点，构建第一子图网络；以正样本视频信息为中心节点，以第二邻居视频信息为邻居节点，构建第二子图网络；以负样本视频信息为中心节点，以第三邻居视频信息为邻居节点，构建第三子图网络；将第一子图网络、第二子图网络和第三子图网络进行组合，得到第一图网络。
[0230] 在一示例性实施例中，上述图网络构建模块1020，还被配置为执行获取待统计账户的第一邻居账户信息、正样本账户的第二邻居账户信息和负样本账户的第三邻居账户信息；以待统计账户的账户信息为中心节点，以第一邻居账户信息为邻居节点，构建第四子图网络；以正样本账户的账户信息为中心节点，以第二邻居账户信息为邻居节点，构建第五子图网络；以负样本账户的账户信息为中心节点，以第三邻居账户信息为邻居节点，构建第六子图网络；将第四子图网络、第五子图网络和第六子图网络进行组合，得到第二图网络。
[0231] 在一示例性实施例中，上述图网络构建模块1020，还被配置为执行获取待统计视频信息的第四邻居视频信息；以待统计视频信息为中心节点，以第四邻居视频信息为邻居节点，构建第七子图网络；将第二子图网络、第三子图网络和第七子图网络进行组合，得到第三图网络。
[0232] 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。
[0233] 图11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11，该装置包括编码获取模块1110，特征编码确定模块1120，视频信息筛选模块1130和视频信息推送模块1130。
[0234] 编码获取模块1110，被配置为执行根据上述所述的特征编码的确定方法，获取待统计账户的账户信息对应的账户信息特征编码以及待统计视频信息对应的待统计视频信息特征编码；
[0235] 特征编码确定模块1120，被配置为执行获取待推送账户的账户信息，从待统计账户的账户信息对应的账户信息特征编码中确定待推送账户的账户信息对应的账户信息特征编码；
[0236] 视频信息筛选模块1130，被配置为执行根据账户信息特征编码和待统计视频信息特征编码，从待统计视频信息中筛选出与待推送账户对应的目标视频信息；
[0237] 视频信息推送模块1140，被配置为执行将目标视频信息推送至待推送账户。
[0238] 在一示例性实施例中，上述特征编码确定模块1120，还被配置为执行从待统计账户的账户信息中，确定与待推送账户的账户信息匹配的目标账户信息；从待统计账户的账户信息对应的账户信息特征编码中，筛选出目标账户信息对应的账户信息特征编码，作为待推送账户的账户信息对应的账户信息特征编码。
[0239] 在一示例性实施例中，上述视频信息筛选模块1130，还被配置为执行获取账户信息特征编码与待统计视频信息特征编码之间的特征相似度；将特征相似度大于预设阈值的待统计视频信息，确定为与待推送账户对应的目标视频信息。
[0240] 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。
[0241] 图12是根据一示例性实施例示出的一种计算机设备的框图。该计算机设备可以是服务器，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储账户信息特征编码、待统计视频信息特征编码等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种特征编码的确定方法以及视频推送方法。
[0242] 本领域技术人员可以理解，图12中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0243] 在一示例性实施例中，本公开还提供了一种服务器，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现上述特征编码的确定方法和视频推送方法实施例中对应的各个步骤和/或流程。
[0244] 在一示例性实施例中，本公开还提供了一种包括指令的存储介质，例如包括指令的存储器，上述指令可由服务器的处理器执行以完成上述特征编码的确定方法和视频推送方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性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。
[0245] 在一示例性实施例中，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序代码，当计算机程序代码被计算机运行时，使得计算机执行上述特征编码的确定方法和视频推送方法实施例中对应的各个步骤和/或流程。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。
[0246] 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。
