The present invention discloses a video recommendation method and device, which includes: training the user's interest preference model according to the user features and the video features; after obtaining the initial recommended video of the target user, the evaluation of the recommended video is predicted according to the preset user interest preference model and the score of the recommended video is obtained. Select the preferred video of the target user and recommend the preference video to the target user. Thus, when recommending videos, users' characteristics and video features are further considered, making the video recommendation for users more targeted.
【技术实现步骤摘要】
一种视频推荐方法及装置
本专利技术涉及视频推荐领域,尤其涉及一种视频推荐方法及装置。
技术介绍
视频网站或者视频APP通常会提供给用户成千上万的视频内容供用户观看,并且,每天都会有数量庞大的新出现的视频被视频。面对如此巨大的信息量,为了让用户可以快速找到感兴趣的视频,增强用户体验,视频推荐技术应运而生。现有技术中,通常采用协同滤波的方式对视频进行推荐,协同滤波的方式没有考虑用户的特征和视频的特征,得到的推荐视频种类繁多,对于用户的针对性不强。
技术实现思路
有鉴于此,本专利技术实施例提供了一种视频推荐方法及装置,解决了现有技术中得到的推荐视频种类繁多,针对性差的问题。本专利技术公开了一种视频推荐方法,包括:获取目标用户的初始推荐视频;根据预设的用户兴趣偏好模型,预测所述推荐视频的评分;所述用户兴趣偏好模型为通过预设的方法对正样本数据和负样本数据进行训练后得到的;所述正样本数据包括用户特征和所述用户的参与视频的视频特征;所述负样本数据包括用户特征和所述用户未参与视频的视频特征;根据所述推荐视频的评分,确定所述目标用户的偏好视频;将所述偏好视频发送给所述目标用户。可选的,还包括:根据所述用户-视频事件,提取所述用户-视频事件包含的用户的特征和视频的特征;根据所述用户视频事件中用户的参与视频的特征和所述用户的特征生成正样本数据;根据所述用户-视频事件中,所述用户的未参与视频的特征和所述用户的特征生成负样本数据;采用预设的方法对所述正样本数据和所述负样本数据进行训练,得到用户兴趣偏好模型,以使所述用户兴趣偏好模型根据用户的特征和视频的特征对视频进行评分。可选的,所述预 ...
【技术保护点】
1.一种视频推荐方法,其特征在于,包括:获取目标用户的初始推荐视频;根据预设的用户兴趣偏好模型,预测所述推荐视频的评分;所述用户兴趣偏好模型为通过预设的方法对正样本数据和负样本数据进行训练后得到的;所述正样本数据包括用户特征和所述用户的参与视频的视频特征;所述负样本数据包括用户特征和所述用户未参与视频的视频特征;根据所述推荐视频的评分,确定所述目标用户的偏好视频;将所述偏好视频发送给所述目标用户。
【技术特征摘要】
1.一种视频推荐方法,其特征在于,包括:获取目标用户的初始推荐视频;根据预设的用户兴趣偏好模型,预测所述推荐视频的评分;所述用户兴趣偏好模型为通过预设的方法对正样本数据和负样本数据进行训练后得到的;所述正样本数据包括用户特征和所述用户的参与视频的视频特征;所述负样本数据包括用户特征和所述用户未参与视频的视频特征;根据所述推荐视频的评分,确定所述目标用户的偏好视频;将所述偏好视频发送给所述目标用户。2.根据权利要求1所述的方法,其特征在于,还包括:根据所述用户-视频事件,提取所述用户-视频事件包含的用户的特征和视频的特征;根据所述用户视频事件中用户的参与视频的特征和所述用户的特征生成正样本数据;根据所述用户-视频事件中,所述用户的未参与视频的特征和所述用户的特征生成负样本数据;采用预设的方法对所述正样本数据和所述负样本数据进行训练,得到用户兴趣偏好模型,以使所述用户兴趣偏好模型根据用户的特征和视频的特征对视频进行评分。3.根据权利要求1所述的方法,其特征在于,所述预设的方法包括:GBDT迭代决策树算法。4.根据权利要求1所述的方法,其特征在于,所述用户特征包括:年龄、性别、所在区域;所述视频特征包括:视频类型、视频标签。5.根据权利要求1所述的方法,其特征在于,所述获取目标用户初步的推荐视频,包括:获取用户-视频事件;根据用户-视频事件,计算目标用户的相似用户;根据所述目标用户的相似用户,生成所述目标用户的初始推荐视频。6.根据权利要求5所述的方法,其特征在于,所述根据用户-视频事件,计算目标用户的相似用户,包括:获取各个用户的视频的评分;根据各个用户的视频的评分构建用户-视频矩阵;基于相似性算法,根据所述用户-视频矩...
【专利技术属性】
技术研发人员:李越洋,乔帅,
申请(专利权)人:北京搜狐新媒体信息技术有限公司,
类型:发明
国别省市:北京,11
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。