视频推荐方法及装置制造方法及图纸

技术编号:19023504 阅读:32 留言:0更新日期:2018-09-26 19:05
本申请实施例提供了一种视频推荐方法及装置,其中方法包括:在用户浏览过的视频中,确定用户观看的第一视频以及用户未观看的第二视频;其中,第一视频包括用户已观看的视频和/或用户正在观看的视频;分别获取第一视频的视频特征和第二视频的视频特征;其中,第一视频的视频特征和第二视频的视频特征分别包括第一视频的视频主题特征和第二视频的视频主题特征;基于用户的用户特征、第一视频的视频特征和第二视频的视频特征,训练用户的视频推荐模型;利用用户的视频推荐模型,向用户推荐视频。通过本实施例,能够结合视频主题特征向用户推荐视频,从而提高视频推荐的精准度。

【技术实现步骤摘要】
视频推荐方法及装置
本申请涉及视频处理
,尤其涉及一种视频推荐方法及装置。
技术介绍
随着互联网的普及,在线视频业务发展迅速,在线视频数量和用户数量呈现井喷式增加,为提高用户的视频观看体验,如何向用户进行视频推荐逐渐成为研究热点。目前主要采用以下办法向用户推荐视频:获取网站上各个视频的历史点击量,根据各个视频的历史点击量对各个视频进行排序,按照该排序向用户推荐视频。专利技术人在研究中发现,现有技术仅仅根据历史点击量向用户推荐视频,推荐策略单一,具有推荐精准度差的缺陷。
技术实现思路
本申请实施例的目的是提供一种视频推荐方法及装置,以提高视频推荐的精准度。为达到上述目的,本申请实施例是这样实现的:第一方面,本申请实施例提供了一种视频推荐方法,包括:在用户浏览过的视频中,确定所述用户观看的第一视频以及所述用户未观看的第二视频;其中,所述第一视频包括所述用户已观看的视频和/或所述用户正在观看的视频;分别获取所述第一视频的视频特征和所述第二视频的视频特征;其中,所述第一视频的视频特征和所述第二视频的视频特征分别包括所述第一视频的视频主题特征和所述第二视频的视频主题特征;基于所述用户的用户特征、所述第一视频的视频特征和所述第二视频的视频特征,训练所述用户的视频推荐模型;利用所述用户的视频推荐模型,向所述用户推荐视频。第二方面,本申请实施例提供了一种视频推荐装置,包括:视频确定模块,用于在用户浏览过的视频中,确定所述用户观看的第一视频以及所述用户未观看的第二视频;其中,所述第一视频包括所述用户已观看的视频和/或所述用户正在观看的视频;特征获取模块,用于分别获取所述第一视频的视频特征和所述第二视频的视频特征;其中,所述第一视频的视频特征和所述第二视频的视频特征分别包括所述第一视频的视频主题特征和所述第二视频的视频主题特征;模型训练模块,用于基于所述用户的用户特征、所述第一视频的视频特征和所述第二视频的视频特征,训练所述用户的视频推荐模型;视频推荐模块,用于利用所述用户的视频推荐模型,向所述用户推荐视频。第三方面,本申请实施例提供了一种视频推荐设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述第一方面所述的视频推荐方法的步骤。第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的视频推荐方法的步骤。本申请实施例中,根据用户的用户特征、用户在浏览过的视频中观看的第一视频的视频特征,用户在浏览过的视频中未观看的第二视频的视频特征,训练该用户的视频推荐模型,并利用该用户的视频推荐模型,向该用户推荐视频,其中,视频特征包括视频主题特征。可见,通过本申请实施例中的视频推荐方法及装置,能够结合视频主题特征向用户推荐视频,从而丰富向用户推荐视频时所依据的视频特征的种类,提高视频推荐的精准度。附图说明为了更清楚地说明本申请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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1为本申请一实施例提供的视频推荐方法的流程示意图;图2为本申请一实施例提供的视频的封面图像的示意图;图3为本申请一实施例提供的主题识别模型的结构示意图;图4为本申请一实施例提供的视频推荐模型的结构示意图;图5a为本申请一实施例提供的实时推荐视频的一种场景示意图;图5b为本申请一实施例提供的实时推荐视频的一种场景示意图;图5c为本申请一实施例提供的实时推荐视频的一种场景示意图;图6为本申请一实施例提供的视频推荐装置的模块组成示意图;图7为本申请一实施例提供的视频推荐设备的结构示意图。具体实施方式为提高视频推荐的精准度,本申请实施例提供了一种视频推荐方法及装置,下面进行详细描述。为了使本
的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。本申请实施例中的视频推荐方法能够由服务器执行。图1为本申请一实施例提供的视频推荐方法的流程示意图,如图1所示,该方法包括以下步骤:步骤S102,在用户浏览过的视频中,确定用户观看的第一视频以及用户未观看的第二视频;其中,第一视频包括用户已观看的视频和/或用户正在观看的视频;步骤S104,分别获取第一视频的视频特征和第二视频的视频特征;其中,第一视频的视频特征和第二视频的视频特征分别包括第一视频的视频主题特征和第二视频的视频主题特征;步骤S106,基于上述用户的用户特征、第一视频的视频特征和第二视频的视频特征,训练该用户的视频推荐模型;步骤S108,利用该用户的视频推荐模型,向该用户推荐视频。本申请实施例中,根据用户的用户特征、用户在浏览过的视频中观看的第一视频的视频特征,用户在浏览过的视频中未观看的第二视频的视频特征,训练该用户的视频推荐模型,并利用该用户的视频推荐模型,向该用户推荐视频,其中,视频特征包括视频主题特征。可见,通过本申请实施例中的方法,能够结合视频主题特征向用户推荐视频,从而丰富向用户推荐视频时所依据的视频特征的种类,提高视频推荐的精准度。上述步骤S102中,用户浏览过的视频指的是在用户的移动终端的屏幕上,显示过视频图标的视频,比如,用户打开某一视频类应用程序后,移动终端的屏幕上显示视频A、B、C对应的视频图标,在用户对屏幕执行触控操作的过程中,屏幕上还显示视频D、E、F对应的视频图标,则视频A、B、C、D、E、F均为用户浏览过的视频。上述步骤S102中,在用户浏览过的视频中,根据用户的观看操作,确定用户观看的第一视频以及用户未观看的第二视频。其中,第一视频包括用户已观看的视频和/或用户正在观看的视频,优选地,第一视频包括用户已观看的和正在观看的视频,当然,第一视频也可以包括用户已观看的视频,或者包括用户正在观看的视频。承接上例,在视频A、B、C、D、E、F中,根据用户的观看操作,确定用户观看的第一视频以及用户未观看的第二视频,举例,用户在屏幕上点击了视频B和F对应的观看图标,则用户观看的第一视频为B和F,用户未观看的第二视频为A、C、D、E。一个具体的实施例中,用户可以通过用户ID(identity,身份)表示,第一视频和第二视频可以通过视频ID表示。上述步骤S104中,分别获取第一视频的视频特征和第二视频的视频特征,具体为:(11)分别获取第一图像和第二图像;其中,第一图像包括:第一视频的封面图像和/或第一视频的视频帧图像;第二图像包括:第二视频的封面图像和/或第二视频的视频帧图像;(12)根据第一图像确定第一视频的视频主题特征,以及,根据第二图像确定第二视频的视频主题特征;其中,视频主题特征包括场景特征、色调特征、情绪特征中的至少一种。具体地,在获取第一视频的视频特征和第二视频的视频特征时,分别获取本文档来自技高网
...

【技术保护点】
1.一种视频推荐方法,其特征在于,包括:在用户浏览过的视频中,确定所述用户观看的第一视频以及所述用户未观看的第二视频;其中,所述第一视频包括所述用户已观看的视频和/或所述用户正在观看的视频;分别获取所述第一视频的视频特征和所述第二视频的视频特征;其中,所述第一视频的视频特征和所述第二视频的视频特征分别包括所述第一视频的视频主题特征和所述第二视频的视频主题特征;基于所述用户的用户特征、所述第一视频的视频特征和所述第二视频的视频特征,训练所述用户的视频推荐模型;利用所述用户的视频推荐模型,向所述用户推荐视频。

【技术特征摘要】
1.一种视频推荐方法,其特征在于,包括:在用户浏览过的视频中,确定所述用户观看的第一视频以及所述用户未观看的第二视频;其中,所述第一视频包括所述用户已观看的视频和/或所述用户正在观看的视频;分别获取所述第一视频的视频特征和所述第二视频的视频特征;其中,所述第一视频的视频特征和所述第二视频的视频特征分别包括所述第一视频的视频主题特征和所述第二视频的视频主题特征;基于所述用户的用户特征、所述第一视频的视频特征和所述第二视频的视频特征,训练所述用户的视频推荐模型;利用所述用户的视频推荐模型,向所述用户推荐视频。2.根据权利要求1所述的方法,其特征在于,所述分别获取所述第一视频的视频特征和所述第二视频的视频特征,包括:分别获取第一图像和第二图像;其中,所述第一图像包括:所述第一视频的封面图像和/或所述第一视频的视频帧图像;所述第二图像包括:所述第二视频的封面图像和/或所述第二视频的视频帧图像;根据所述第一图像确定所述第一视频的视频主题特征,以及,根据所述第二图像确定所述第二视频的视频主题特征;其中,所述视频主题特征包括场景特征、色调特征、情绪特征中的至少一种。3.根据权利要求2所述的方法,其特征在于,所述根据所述第一图像确定所述第一视频的视频主题特征,以及,根据所述第二图像确定所述第二视频的视频主题特征,包括:利用预先训练的主题识别模型,对所述第一图像进行主题识别,根据识别结果确定所述第一视频的视频主题特征;利用所述主题识别模型,对所述第二图像进行主题识别,根据识别结果确定所述第二视频的视频主题特征;其中,所述主题识别模型包括相互连接的第一数量的卷积层以及第二数量的全连接层。4.根据权利要求1至3任一项所述的方法,其特征在于,所述基于所述用户的用户特征、所述第一视频的视频特征和所述第二视频的视频特征,训练所述用户的视频推荐模型,包括:根据所述用户的用户特征和所述第一视频的视频特征生成正样本,根据所述用户的用户特征和所述第二视频的视频特征生成负样本;基于所述正样本和所述负样本,采用深度学习算法,训练所述用户的视频推荐模型。5.根据权利要求1至3任一项所述的方法,其特征在于,所述利用所述用户的视频推荐模型,向所述用户推荐视频,包括:利用所述用户的视频推荐模型,确定所述用户对各个待观看视频的观看概率;按照所述观看概率的大小顺序,向所述用户推荐各个所述待观看视频,或者,向所述用户推荐所述观看概率大于预设概率的所述待观看视频。6.根据权利要求5所述的方法,其特征在于,所述利用所述用户的视频推荐模型,确定所述用户对各个待观看视频的观看概率,包括:获取所述用户的用户特征和各个待观看视频的视频特征;其中,所述待观看视频的视频特征包括所述待观看视频的视频主题特征;将所述用户的用户特征和各个所述待观看视频的视频特征输入至所述用户的视频推荐模型进行运算;其中,所述用户的视频推荐模型包括用于处理视频主题特征的第三数量的全连接层,以及用于处理除视频主题特征以外的特...

【专利技术属性】
技术研发人员:侯存跃朱辉王长路庞国胜蔡馥励周桐李涛
申请(专利权)人:麒麟合盛网络技术股份有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1