一种视频推荐方法及装置制造方法及图纸

本发明专利技术公开了一种视频推荐方法及装置，包括：根据用户特征和视频特征训练用户的兴趣偏好模型；在获取了目标用户的初始推荐视频后，根据预设的用户兴趣偏好模型，预测推荐推荐视频的评分，并根据推荐视频的评分，获取目标用户的偏好视频，并将该偏好视频推荐给目标用户。由此，对视频进行推荐时，进一步考虑了用户特征和视频特征，使得为用户推荐的视频针对性更强。

A video recommendation method and device

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，所述预设的方法包括：GBDT迭代决策树算法。可选的，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。可选的，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。可选的，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-视频矩阵，计算所述目标用户的相似用户。可选的，所述根据预设的用户兴趣偏好模型，预测所述推荐视频的评分，包括：提取所述目标用户的用户特征；将所述目标用户的用户特征和所述推荐视频，输入到所述用户兴趣偏好模型中，以预测所述推荐视频的评分。本专利技术实施例还公开了一种视频推荐装置，包括：获取单元，用于获取目标用户的初始推荐视频；预测单元，用于根据预设的用户偏好模型，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；确定单元，用于根据所述推荐视频的评分，确定所述目标用户的偏好视频；发送单元，用于将所述偏好视频发送给所述目标用户。可选的，还包括：提取单元，用于根据所述用户-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；第一生成单元，用于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；第二生成单元，用于根据所述用户-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；训练单元，用于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。10、根据权利要求1所述的装置，其特征在于，所述获取单元，包括：第一获取子单元，用于获取用户-视频事件；计算子单元，用于根据用户-视频事件，计算目标用户的相似用户；生成子单元，用于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。本专利技术实施例提供了一种视频推荐方法及装置，包括：根据用户特征和视频特征训练用户的兴趣偏好模型；在获取了目标用户的初始推荐视频后，根据预设的用户兴趣偏好模型，预测推荐推荐视频的评分，并根据推荐视频的评分，获取目标用户的偏好视频，并将该偏好视频推荐给目标用户。由此，对视频进行推荐时，进一步考虑了用户特征和视频特征，使得为用户推荐的视频针对性更强。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1示出了本专利技术实施例提供的一种视频推荐方法的流程示意图；图2示出了本专利技术实施例提供的一种用户兴趣偏好模型的训练方法的流程示意图；图3示出了本专利技术实施例提供的一种视频推荐装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参考图1，示出了本专利技术实施例提供的一种视频推荐方法的流程示意图，在本实施例中，该方法包括：S101：获取目标用户的初始推荐视频；其中，推荐视频为与目标用户相关的，可以推荐给目标用户的视频。本实施例中，初始的推荐视频的获取方式可以包括多种，在本实施例中，不进行限定。例如，可以采用如下步骤1)到步骤3)的的方式：1)获取用户-视频事件；2)根据用户-视频事件，计算目标用户的相似用户；3)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。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；其中，用户-视频事件包括用户信息和视频信息，其中，视频信息包括：视频类型、视频标签以及视频的评分信息。其中，视频的评分信息可以表示用户对视频感兴趣的程度，例如：视频观看、视频收藏和视频下载均对应着不同的评分。本实施例中，可以根据用户-视频事件中视频的评分，计算目标用户的相似用户，具体的可以包括：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-视频矩阵，计算所述目标用户的相似用户。举例说明：用户-视频矩阵如下表1所示，其中User1……Userm为用户id，Item1……Itemn为视频id，Rmn表示用户对不同视频的评分，根据该用户-视频矩阵，以及相似性算法，可以确定出目标用户的相似用户。表1Item1…Itemk…ItemnUser1R1，1…R1，k…R1，n………………UserkRk，1…Rk，k…Rk，n………………UsermRm，1…Rm，k…Rm，n本实施例中，得到相似用户后，可以根据与相似用户的参与视频生成推荐视频，其中相似用户的参与视频可以为与相似用户有关系的视频，例如可以包括：相似用户观看、下载或者收藏过的视频。其中，推荐视频可以包括：与相似用户有关系的视频中，与目标用户没有关系的视频。其中，与用户没有关系的视频可以包括：用户未观看、下载且未收藏过的视频。102：根据预设的用户兴趣偏好模型，预测所述推荐视频的评分；所述用户本文档来自技高网...

【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