视频推荐方法和装置制造方法及图纸

本发明专利技术涉及一种视频推荐方法和装置，其中，该视频推荐方法包括：根据待处理视频的人物排序、内容介绍和节目类型的至少一种信息，获取所述待处理视频的内容特征，所述待处理视频包括目标视频和待推荐视频；分别比较所述目标视频与各所述待推荐视频的内容特征的相似度；按照比较得到的相似度的顺序，对各所述待推荐视频进行排序，以生成所述目标视频的推荐结果。本发明专利技术根据视频的人物排序、内容介绍和节目类型的至少一种信息，获取视频的内容特征，再比较不同视频的内容特征，来生成推荐列表，由于充分考虑了视频的具体内容，得到的推荐列表与目标内容关联度比采用传统的协同算法高，推荐结果更符合目标视频的内容。

【技术实现步骤摘要】

本专利技术涉及多媒体
，尤其涉及一种视频推荐方法和装置。
技术介绍
目前，在采用网络视频来播放电视剧、电影、综艺等节目时，通常可以在网页中显示其他的推荐内容。具体而言，通常协同过滤算法进行节目视频推荐，这样，需要依赖于海量用户同时观看的节目视频序列进行推荐。由于协同过滤过于依赖用户行为，导致推荐出的剧集很多是同档期播出的剧集，很多情况下上映时间上的相关性强于内容上的相关性。对于即将上映的剧集，由于没有用户观看行为，协同过滤方法得不到推荐结果。
技术实现思路
技术问题有鉴于此，本专利技术要解决的技术问题是，如何向用户推荐与目标视频的内容关联度高的其他视频。解决方案为了解决上述技术问题，根据本专利技术的一实施例，提供了一种视频推荐方法，包括：根据待处理视频的人物排序、内容介绍和节目类型的至少一种信息，获取所述待处理视频的内容特征，所述待处理视频包括目标视频和待推荐视频；分别比较所述目标视频与各所述待推荐视频的内容特征的相似度；按照比较得到的相似度的顺序，对各所述待推荐视频进行排序，以生成所述目标视频的推荐结果。对于上述方法，在一种可能的实现方式中，根据待处理视频的人物排序、内容介绍和节目类型的至少一种信息，获取所述待处理视频的内容特征，包括以下至少一个步骤：根据所述待处理视频的人物排序，确定所述待处理视频的人物向量；根据所述待处理视频的内容介绍，确定所述待处理视频的内容向量；根据所述待处理视频的节目类型，确定所述待处理视频的类型向量。对于上述方法，在一种可能的实现方式中，根据所述待处理视频的人物排序，确定所述待处理视频的人物向量，包括：确定所述待处理视频的人物维度；获取所述人物维度中各人物对应的排序；计算各所述人物的基本权重。对于上述方法，在一种可能的实现方式中，计算各所述人物的基本权重，包括：采用式1计算在所述人物维度下的一个人物的基本权重personweight，其中，rank为在所述人物维度下的一个人物对应的排序。对于上述方法，在一种可能的实现方式中，根据所述待处理视频的内容介绍，确定所述待处理视频的内容向量，包括：对所述内容介绍进行分词处理以提取各特征词，并统计各所述特征词在所述内容介绍中所占的词频比，一个特征词在所述内容介绍中所占的词频比是指该特征词的词频与所述内容介绍中的最大词频的比值；获取各所述特征词的逆向文件频率和搜索热度权重；根据各所述特征词的词频比、逆向文件频率和搜索热度权重，分别计算各所述特征词的内容向量权重，一个特征词的内容向量权重为该特征词的词频比、逆向文件频率和搜索热度权重的乘积。对于上述方法，在一种可能的实现方式中，分别比较所述目标视频与各所述待推荐视频的内容特征的相似度，包括：采用式6计算所述目标视频与所述待推荐视频的相似度Sum_cosine_similarity(VA,VB)：其中，a+b+c＝1.0，cosine_similarity(Vpa,Vpb)为所述目标视频A的人物向量Vpa与所述待推荐视频B的人物向量Vpb的余弦相似度，cosine_similarity(Vca,Vcb)为所述目标视频A的内容向量Vca与所述待推荐视频B的内容向量Vcb的余弦相似度，cosine_similarity(Vsa,Vsb)为所述目标视频A的类型向量Vsa与所述待推荐视频B的类型向量Vsb的余弦相似度。根据本专利技术的另一实施例，提供了一种视频推荐装置，包括：内容特征获取模块，用于根据待处理视频的人物排序、内容介绍和节目类型的至少一种信息，获取所述待处理视频的内容特征，所述待处理视频包括目标视频和待推荐视频；相似度比较模块，与所述内容特征获取模块连接，用于分别比较所述目标视频与各所述待推荐视频的内容特征的相似度；推荐模块，与所述相似度比较模块连接，用于按照比较得到的相似度的顺序，对各所述待推荐视频进行排序，以生成所述目标视频的推荐结果。对于上述装置，在一种可能的实现方式中，所述内容特征获取模块包括以下至少一个单元：人物向量单元，用于根据所述待处理视频的人物排序，确定所述待处理视频的人物向量；内容向量单元，用于根据所述待处理视频的内容介绍，确定所述待处理视频的内容向量；类型向量单元，用于根据所述待处理视频的节目类型，确定所述待处理视频的类型向量。对于上述装置，在一种可能的实现方式中，所述人物向量单元还用于确定所述待处理视频的人物维度；获取所述人物维度中各人物对应的排序；计算各所述人物的基本权重。对于上述装置，在一种可能的实现方式中，所述人物向量单元还用于采用式1计算在所述人物维度下的一个人物的基本权重personweight，其中，rank为在所述人物维度下的一个人物对应的排序。对于上述装置，在一种可能的实现方式中，所述内容向量单元还用于对所述内容介绍进行分词处理以提取各特征词，并统计各所述特征词在所述内容介绍中所占的词频比，一个特征词在所述内容介绍中所占的词频比是指该特征词的词频与所述内容介绍中的最大词频的比值；获取各所述特征词的逆向文件频率和搜索热度权重；根据各所述特征词的词频比、逆向文件频率和搜索热度权重，分别计算各所述特征词的内容向量权重，一个特征词的内容向量权重为该特征词的词频比、逆向文件频率和搜索热度权重的乘积。对于上述装置，在一种可能的实现方式中，所述相似度比较模块还用于采用式6计算所述目标视频与所述待推荐视频的相似度Sum_cosine_similarity(VA,VB)：其中，a+b+c＝1.0，cosine_similarity(Vpa,Vpb)为所述目标视频A的人物向量Vpa与所述待推荐视频B的人物向量Vpb的余弦相似度，cosine_similarity(Vca,Vcb)为所述目标视频A的内容向量Vca与所述待推荐视频B的内容向量Vcb的余弦相似度，cosine_similarity(Vsa,Vsb)为所述目标视频A的类型向量Vsa与所述待推荐视频B的类型向量Vsb的余弦相似度。有益效果本专利技术实施例的视频推荐方法和装置，根据视频的人物排序、内容介绍和节目类型的至少一种信息，获取视频的内容特征，再比较不同视频的内容特征，来生成推荐列表，由于充分考虑了视频的具体内容，得到的推荐列表与目标内容关联度比采用传统的协同算法高，推荐结果更符合目标视频的内容。根据下面参考附图对示例性实施例的详细说明，本本文档来自技高网...

【技术保护点】
一种视频推荐方法，其特征在于，包括：根据待处理视频的人物排序、内容介绍和节目类型的至少一种信息，获取所述待处理视频的内容特征，所述待处理视频包括目标视频和待推荐视频；分别比较所述目标视频与各所述待推荐视频的内容特征的相似度；按照比较得到的相似度的顺序，对各所述待推荐视频进行排序，以生成所述目标视频的推荐结果。

【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：
根据待处理视频的人物排序、内容介绍和节目类型的至少一种信息，获
取所述待处理视频的内容特征，所述待处理视频包括目标视频和待推荐视
频；
分别比较所述目标视频与各所述待推荐视频的内容特征的相似度；
按照比较得到的相似度的顺序，对各所述待推荐视频进行排序，以生成
所述目标视频的推荐结果。
2.根据权利要求1所述的方法，其特征在于，根据待处理视频的人物排
序、内容介绍和节目类型的至少一种信息，获取所述待处理视频的内容特征，
包括以下至少一个步骤：
根据所述待处理视频的人物排序，确定所述待处理视频的人物向量；
根据所述待处理视频的内容介绍，确定所述待处理视频的内容向量；
根据所述待处理视频的节目类型，确定所述待处理视频的类型向量。
3.根据权利要求2所述的方法，其特征在于，根据所述待处理视频的人
物排序，确定所述待处理视频的人物向量，包括：
确定所述待处理视频的人物维度；
获取所述人物维度中各人物对应的排序；
计算各所述人物的基本权重。
4.根据权利要求3所述的方法，其特征在于，计算各所述人物的基本权
重，包括：
采用式1计算在所述人物维度下的一个人物的基本权重personweight，
其中，rank为在所述人物维度下的一个人物对应的排序。
5.根据权利要求1至4中任一项所述的方法，其特征在于，根据所述待
处理视频的内容介绍，确定所述待处理视频的内容向量，包括：
对所述内容介绍进行分词处理以提取各特征词，并统计各所述特征词在
所述内容介绍中所占的词频比，一个特征词在所述内容介绍中所占的词频比
是指该特征词的词频与所述内容介绍中的最大词频的比值；
获取各所述特征词的逆向文件频率和搜索热度权重；
根据各所述特征词的词频比、逆向文件频率和搜索热度权重，分别计算
各所述特征词的内容向量权重，一个特征词的内容向量权重为该特征词的词
频比、逆向文件频率和搜索热度权重的乘积。
6.根据权利要求1至4中任一项所述的方法，其特征在于，分别比较所
述目标视频与各所述待推荐视频的内容特征的相似度，包括：
采用式6计算所述目标视频与所述待推荐视频的相似度
Sum_cosine_similarity(VA,VB)：
其中，a+b+c＝1.0，cosine_similarity(Vpa,Vpb)为所述目标视频A的人物向
量Vpa与所述待推荐视频B的人物向量Vpb的余弦相似度，
cosine_similarity(Vca,Vcb)为所述目标视频A的内容向量Vca与所述待推荐视频
B的内容向量Vcb的余弦相似度，cosine_similarity(Vsa,Vsb)为所述目标视频A
的类型向量Vsa与所述待推荐视频B的类型向量Vsb的余弦相...

【专利技术属性】
技术研发人员：庞斌，单明辉，尹玉宗，姚键，潘柏宇，王冀，
申请(专利权)人：合一网络技术北京有限公司，
类型：发明
国别省市：北京;11