【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 ...
【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
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。