【技术实现步骤摘要】
视频推荐方法、装置、计算机设备及存储介质
本专利技术涉及机器学习领域,特别涉及一种视频推荐方法、装置、计算机设备及存储介质。
技术介绍
随着网络技术的发展,越来越多的用户能够通过终端随时地观看视频,服务器可以从海量的视频数据库中为用户推荐一些用户可能感兴趣的视频,从而能够更好的满足用户的视频观看需求。在推荐过程中,服务器可以基于注意力协同(attentivecollaborativefiltering,ACT)模型提取视频库中任一视频与用户之间的联合特征,对视频库中的每个视频重复执行上述步骤,获取到与多个视频对应的多个联合特征,进一步根据多个联合特征在两两之间的欧几里得距离,得到所有联合特征的排序,从而将排序靠前的联合特征所对应的视频推荐给用户。然而,由于用户特征通常种类多、维度低,而视频特征通常种类少、维度高,可见用户特征与视频特征的性质差别巨大,而在上述ACT模型中,由于用户特征与视频特征的性质差别,会容易丢失用户特征和视频特征中的信息,还容易引发ACT模型的梯度弥散,影响了视频推荐的准确度。
技术实现思路
本专利技术实施例提供了一种视频推荐方法、装置、计算机设备及存储介质,能够解决ACT模型丢失用户特征和视频特征中的信息,导致视频推荐准确度低的问题。该技术方案如下:一方面,提供了一种视频推荐方法,该方法包括:将视频输入第一特征提取网络,通过该第一特征提取网络对该视频中的至少一个连续视频帧进行特征提取,输出该视频的视频特征;将用户的用户数据输入第二特征提取网络,通过该第二特征提取网络对离散的该用户数据进行特征提取,输出该用户的用户特征;基于该视频特征和该用 ...
【技术保护点】
1.一种视频推荐方法,其特征在于,所述方法包括:将视频输入第一特征提取网络,通过所述第一特征提取网络对所述视频中的至少一个连续视频帧进行特征提取,输出所述视频的视频特征;将用户的用户数据输入第二特征提取网络,通过所述第二特征提取网络对离散的所述用户数据进行特征提取,输出所述用户的用户特征;基于所述视频特征和所述用户特征进行特征融合,得到对所述用户推荐所述视频的推荐概率;根据所述推荐概率,确定是否对所述用户推荐所述视频。
【技术特征摘要】
1.一种视频推荐方法,其特征在于,所述方法包括:将视频输入第一特征提取网络,通过所述第一特征提取网络对所述视频中的至少一个连续视频帧进行特征提取,输出所述视频的视频特征;将用户的用户数据输入第二特征提取网络,通过所述第二特征提取网络对离散的所述用户数据进行特征提取,输出所述用户的用户特征;基于所述视频特征和所述用户特征进行特征融合,得到对所述用户推荐所述视频的推荐概率;根据所述推荐概率,确定是否对所述用户推荐所述视频。2.根据权利要求1所述的方法,其特征在于,所述将视频输入第一特征提取网络,通过所述第一特征提取网络对所述视频中的至少一个连续视频帧进行特征提取,输出所述视频的视频特征包括:将所述视频中的所述至少一个连续视频帧分别输入所述第一特征提取网络中的时间卷积网络和卷积神经网络,通过所述时间卷积网络和所述卷积神经网络对所述至少一个连续视频帧进行卷积处理,提取所述视频的视频特征。3.根据权利要求2所述的方法,其特征在于,所述将所述视频中的所述至少一个连续视频帧分别输入所述第一特征提取网络中的时间卷积网络和卷积神经网络,通过所述时间卷积网络和所述卷积神经网络对所述至少一个连续视频帧进行卷积处理,提取所述视频的视频特征包括:将所述至少一个连续视频帧所包括的至少一个图像帧输入所述时间卷积网络,通过所述时间卷积网络对所述至少一个图像帧进行因果卷积,得到所述视频的图像特征;将所述至少一个连续视频帧所包括的至少一个音频帧输入所述卷积神经网络,通过所述卷积神经网络对所述至少一个音频帧进行卷积处理,得到所述视频的音频特征;将所述视频的图像特征与所述视频的音频特征进行特征融合,得到所述视频的视频特征。4.根据权利要求3所述的方法,其特征在于,所述将所述视频的图像特征与所述视频的音频特征进行特征融合,得到所述视频的视频特征包括:将所述视频的图像特征与所述视频的音频特征进行双线性汇合处理,得到所述视频的视频特征。5.根据权利要求1所述的方法,其特征在于,所述将用户的用户数据输入第二特征提取网络,通过所述第二特征提取网络对离散的所述用户数据进行特征提取,输出所述用户的用户特征包括:将所述用户的用户数据输入所述第二特征提取网络;通过所述第二特征提取网络中的宽度部分,对离散的所述用户数据进行广义线性组合,得到所述用户的宽度特征;通过所述第二特征提取网络中的深度部分,对离散的所述用户数据进行嵌入处理和卷积处理,得到所述用户的深度特征;对所述用户的宽度特征和所述用户的深度特征进行特征融合,得到所述用户的用户特征。6.根据权利要求5所述的方法,其特征在于,所述对所述用户的宽度特征和所述用户的深度特征进行特征融合,得到所述用户的用户特征包括:通过全连接层对所述用户的宽度特征和所述用户的深度特征进行级联,得到所述用户的用户特征。7.根据权利要求1所述的方法,其特征在于,所述基于所述视频特征和所述用户特征进行特征融合,得到对所述用户推荐所述视频的推荐概率包括:对所述视频特征和所述用户特征进行点乘处理,得到对所述用户推荐所述视频的推荐概率。8.根据权利要求1所述的方法,其特征在于,所述方法还包括:将与所述视频对应的文本输入第三特征提取网络,通过所述第三特征提取网络对离散的所述文本进行特征提取,输出与所述视频对应的文本特征。9.根据权利要求8所述的方法,其特征在于,所述将与所述...
【专利技术属性】
技术研发人员:苏舟,刘书凯,孙振龙,饶君,丘志杰,刘毅,刘祺,王良栋,商甜甜,梁铭霏,陈磊,张博,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。