视频筛选方法、装置、电子设备及存储介质制造方法及图纸

本申请示出了一种视频筛选方法、装置、电子设备及存储介质，其中视频筛选方法包括：获取用户的特征、用户操作过的第一视频的特征以及对第一视频的操作特征；采用预先训练得到的筛选模型，对用户的特征、第一视频的特征以及对第一视频的操作特征进行处理，得到各第一视频对应的目标成绩；根据目标成绩，在用户操作过的第一视频中，筛选出预设数量个第一视频。通过筛选模型对用户操作过的第一视频进行筛选，可以确保视频推荐的触发源质量，过滤掉低质量或无效视频，从而可以提高视频推荐效率和精细度；并且触发源中可以包括更长时间范围内的第一视频，从而能够更加有效地刻画用户的长期兴趣，拓展了触发召回的时间范围，提高个性化推荐效果。

Video screening methods, devices, electronic devices and storage media

This application shows a video screening method, device, electronic device and storage medium, in which the video screening method includes: acquiring the user's characteristics, the characteristics of the first video operated by the user and the operation characteristics of the first video; using the pre-trained screening model, the user's characteristics, the characteristics of the first video and the operation characteristics of the first video are located. Reasonably, the target performance of each first video is obtained; according to the target performance, the preset number of the first video is screened out from the first video that the user has operated. By screening the first video that the user has operated through the screening model, we can ensure the quality of the trigger source of video recommendation, filter out the low-quality or invalid video, thereby improving the efficiency and precision of video recommendation; and the trigger source can include the first video in a longer time range, so as to more effectively depict the long-term interests of users and expand the trigger recall. Time range, improve the personalized recommendation effect.

【技术实现步骤摘要】
视频筛选方法、装置、电子设备及存储介质
本申请涉及计算机
，尤其涉及一种视频筛选方法、装置、电子设备及存储介质。
技术介绍
视频推荐技术一般包括触发和排序两个步骤，首先根据不同的触发源，采用各种触发策略获取触发结果，然后通过排序模型对触发结果进行排序和筛选，将最终的推荐结果展示给用户。因此，精准的触发源能够更有效地满足用户的个性化需求。传统视频推荐系统中的触发普遍采用协同过滤(CollaborativeFiltering)，例如基于物品(item)的协同过滤(item-cf)是利用物品之间的相似度进行推荐和排序。这种基于item-cf的触发方式中将用户近期的点击、点赞以及关注等所有行为都笼统地作为触发源进行各种方式的触发。然而，在视频数量庞大、用户行为丰富的短视频应用中，由于线上系统的限制，作为触发源的用户行为只能保存最近期的有限部分，造成触发源对用户长期兴趣表达能力的缺失；并且作为触发源的用户行为并未经过筛选，整体触发质量难以保证。
技术实现思路
为克服相关技术中存在的问题，本申请提供一种视频筛选方法、装置、电子设备及存储介质。根据本申请的第一方面，提供一种视频筛选方法，所述方法包括：获取用户的特征、所述用户操作过的第一视频的特征以及对所述第一视频的操作特征；采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩；根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频。在一个可选的实现方式中，所述目标成绩包括所述第一视频对应的触发结果的点击率、点赞率和关注率，所述根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频的步骤，包括：对所述点击率、所述点赞率以及所述关注率进行加权求和，得到各所述第一视频对应的全局成绩；筛选出所述全局成绩较高的预设数量个第一视频。在一个可选的实现方式中，所述点击率的权重因子大于或等于1且小于或等于3，所述点赞率的权重因子大于或等于3且小于或等于5，所述关注率的权重因子大于或等于5且小于或等于7。在一个可选的实现方式中，在所述采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩的步骤之前，所述方法还包括：获得所述筛选模型；所述获得所述筛选模型的步骤，包括：获取所述用户的特征、所述用户操作过的第二视频的特征以及对所述第二视频的操作特征，其中，所述第二视频对应有标签；根据所述用户的特征、所述第二视频的特征、对所述第二视频的操作特征以及所述标签，对机器学习模型进行训练，得到所述筛选模型。在一个可选的实现方式中，所述标签包括预先标注的所述第二视频对应的触发结果的点击率、点赞率和关注率中至少一种，所述根据所述用户的特征、所述第二视频的特征、对所述第二视频的操作特征以及所述标签，对机器学习模型进行训练，得到所述筛选模型的步骤，包括：采用所述机器学习模型，对所述用户的特征、所述第二视频的特征以及对所述第二视频的操作特征进行处理，得到所述第二视频对应的预测成绩；根据所述预测成绩以及所述标签，确定所述机器学习模型的参数，得到所述筛选模型。根据本申请的第二方面，提供一种视频筛选装置，所述装置包括：第一获取模块，被配置为获取用户的特征、所述用户操作过的第一视频的特征以及对所述第一视频的操作特征；处理模块，被配置为采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩；筛选模块，被配置为根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频。在一个可选的实现方式中，所述目标成绩包括所述第一视频对应的触发结果的点击率、点赞率和关注率，所述筛选模块包括：计算单元，被配置为对所述点击率、所述点赞率以及所述关注率进行加权求和，得到各所述第一视频对应的全局成绩；筛选单元，被配置为筛选出所述全局成绩较高的预设数量个第一视频。在一个可选的实现方式中，所述点击率的权重因子大于或等于1且小于或等于3，所述点赞率的权重因子大于或等于3且小于或等于5，所述关注率的权重因子大于或等于5且小于或等于7。在一个可选的实现方式中，所述装置还包括：第二获取模块，被配置为获得所述筛选模型；所述第二获取模块包括：获取单元，被配置为获取所述用户的特征、所述用户操作过的第二视频的特征以及对所述第二视频的操作特征，其中，所述第二视频对应有标签；训练单元，被配置为根据所述用户的特征、所述第二视频的特征、对所述第二视频的操作特征以及所述标签，对机器学习模型进行训练，得到所述筛选模型。在一个可选的实现方式中，所述标签包括预先标注的所述第二视频对应的触发结果的点击率、点赞率和关注率中至少一种，所述训练单元包括：处理子单元，被配置为采用所述机器学习模型，对所述用户的特征、所述第二视频的特征以及对所述第二视频的操作特征进行处理，得到所述第二视频对应的预测成绩；计算子单元，被配置为根据所述预测成绩以及所述标签，确定所述机器学习模型的参数，得到所述筛选模型。根据本申请的第三方面，提供一种电子设备，所述电子设备包括：处理器；用于存储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如第一方面所述的视频筛选方法。根据本申请的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面所述的视频筛选方法。根据本申请的第五方面，提供一种计算机程序产品，当所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面所述的视频筛选方法。本申请提供的技术方案可以包括以下有益效果：在本申请中，提供了一种视频筛选方法、装置、电子设备及存储介质，其中视频筛选方法包括：获取用户的特征、用户操作过的第一视频的特征以及对第一视频的操作特征；采用预先训练得到的筛选模型，对用户的特征、第一视频的特征以及对第一视频的操作特征进行处理，得到各第一视频对应的目标成绩；根据目标成绩，在用户操作过的第一视频中，筛选出预设数量个第一视频。通过筛选模型对用户操作过的第一视频进行筛选，可以确保视频推荐的触发源质量，过滤掉低质量或无效视频，防止低质量或无效视频在视频推荐过程中造成无效计算，从而可以提高视频推荐效率和精细度；并且由于过滤掉了低质量或无效视频，因此触发源中可以包括更长时间范围内的第一视频，从而能够更加有效地刻画用户的长期兴趣，拓展了触发召回的时间范围，提高个性化推荐效果。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，并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。图1是本申请示出的一种视频筛选方法的步骤流程图。图2是本申请示出的一种筛选预设数量个第一视频的步骤流程图。图3是本申请示出的一种获得筛选模型的步骤流程图。图4是本申请示出的一种对机器学习模型进行训练的步骤流程图。图5是本申请示出的一种视频筛选装置的框图。图6是本申请示出的一种电子设备的框图。图7是本申请示出的一种电子设备的框图。具本文档来自技高网...

【技术保护点】
1.一种视频筛选方法，其特征在于，所述方法包括：获取用户的特征、所述用户操作过的第一视频的特征以及对所述第一视频的操作特征；采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩；根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频。

【技术特征摘要】
1.一种视频筛选方法，其特征在于，所述方法包括：获取用户的特征、所述用户操作过的第一视频的特征以及对所述第一视频的操作特征；采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩；根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频。2.根据权利要求1所述的方法，其特征在于，所述目标成绩包括所述第一视频对应的触发结果的点击率、点赞率和关注率，所述根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频的步骤，包括：对所述点击率、所述点赞率以及所述关注率进行加权求和，得到各所述第一视频对应的全局成绩；筛选出所述全局成绩较高的预设数量个第一视频。3.根据权利要求2所述的方法，其特征在于，所述点击率的权重因子大于或等于1且小于或等于3，所述点赞率的权重因子大于或等于3且小于或等于5，所述关注率的权重因子大于或等于5且小于或等于7。4.根据权利要求1至3任一项所述的方法，其特征在于，在所述采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩的步骤之前，所述方法还包括：获得所述筛选模型；所述获得所述筛选模型的步骤，包括：获取所述用户的特征、所述用户操作过的第二视频的特征以及对所述第二视频的操作特征，其中，所述第二视频对应有标签；根据所述用户的特征、所述第二视频的特征、对所述第二视频的操作特征以及所述标签，对机器学习模型进行训练，得到所述筛选模型。5.根据权利要求4所述的方法，其特征在于，所述标签包括预先标注的所述第二视频对应的触发结果的点击率、点赞率和关注率中至少一种，所述根据所述用户的特...

【专利技术属性】
技术研发人员：王宝慷，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11