【技术实现步骤摘要】
视频推荐方法、装置、服务器及存储介质
本公开涉及网络
，尤其涉及一种视频推荐方法、装置、服务器和存储介质。
技术介绍
随着网络技术的发展，越来越多的人通过视频来传输信息和分享生活，用户在视频应用上浏览视频已是较为普遍的行为，视频应用也可以向用户推荐用户可能感兴趣的视频。例如，视频应用为偏爱游戏的观众用户推荐游戏类视频。相关技术中，视频推荐过程为：服务器获取用户的用户特征，并根据用户特征，从多个备选视频中初步筛选出视频特征与该用户特征匹配的多个视频，将该多个视频的视频特征和该用户的用户特征输入神经网络模型中，输出该用户对该多个视频的点击率，该神经网络模型用于基于用户特征和视频特征预估用户对各个视频的点击率；其中，该视频特征包括了该视频在历史推荐过程中多个用户的历史行为记录、该视频本身的属性特征等多个维度的特征，例如，该视频在一周内被点击的次数、该视频所属的视频类型等，服务器根据该多个视频的点击率，优先向用户推荐点击率较高的视频。上述过程不仅根据视频本身的属性特征，还结合视频的历史推荐时多个用户的历史行为记录的特征，来预测视频的点击率。然而，对于刚刚发布到该视频...
【技术保护点】
1.一种视频推荐方法，其特征在于，包括：根据待推荐的多个第一视频的目标推荐时长，确定所述多个第一视频的视频特征，每个第一视频的目标推荐时长是指当前推荐时间距离所述第一视频的推荐起始时间的时长；根据用户的用户特征和多个第一视频的视频特征，确定所述用户对所述多个第一视频进行反馈操作的反馈概率；根据所述用户对所述多个第一视频的反馈概率，向所述用户推荐所述多个第一视频。
【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：根据待推荐的多个第一视频的目标推荐时长，确定所述多个第一视频的视频特征，每个第一视频的目标推荐时长是指当前推荐时间距离所述第一视频的推荐起始时间的时长；根据用户的用户特征和多个第一视频的视频特征，确定所述用户对所述多个第一视频进行反馈操作的反馈概率；根据所述用户对所述多个第一视频的反馈概率，向所述用户推荐所述多个第一视频。2.根据权利要求1所述的视频推荐方法，其特征在于，所述根据待推荐的多个第一视频的目标推荐时长，确定所述多个第一视频的视频特征包括：当所述多个第一视频的目标推荐时长不大于预设时长时，确定所述多个第一视频的图像特征、文本特征和/或音频特征；将所述图像特征、文本特征和/或音频特征，确定为所述多个第一视频的视频特征。3.根据权利要求1所述的视频推荐方法，其特征在于，所述根据待推荐的多个第一视频的目标推荐时长，确定所述多个第一视频的视频特征包括：当所述多个第一视频的目标推荐时长不大于预设时长时，确定所述多个第一视频的预测视频特征，所述预测视频特征用于表示对多个第一视频被进行反馈操作的预测；将所述预测视频特征确定为所述多个第一视频的视频特征。4.根据权利要求3所述的视频推荐方法，其特征在于，所述当所述多个第一视频的目标推荐时长不大于预设时长时，确定所述多个第一视频的预测视频特征包括：根据多个第二视频的图像特征，对所述多个第二视频进行分类处理，得到多种视频类型，所述多个第二视频的目标推荐时长不小于所述预设时长；根据所述每个第一视频的图像特征，确定所述每个第一视频所属的目标视频类型；根据所述目标视频类型所包括的多个第二视频，确定所述每个第一视频的预测视频特征。5.根据权利要求1所述的视频推荐方法，其特征在于，所述根据所述用户的用户特征和多个第一视频的视频特征，确定所述用户对所述多个第一视频进行反馈操作的反馈概率包括：将所述多个第一视频的视频特征输入推荐模型，所述推荐模型用于根据用户的用户特征和视频的视频特征确定用户对视频的反馈概率；当接收到所述用户的推荐请求时，将所述用户的用户特征输入所述推荐模型中，输出所述用户对多个第一视频的反馈概率。6.根据权利要求5所述的视频推荐方法，其特征在于，所述推荐模型包括用户神经网络和视频神经网络，所述将所述多个第一视频的视频特征输入推荐模型包括：将所述多个第一视频的视频特征输入所述推荐模型，在所述推荐模型的视频神经网络中，根据所述视频神经网络中的第一网络参数和所述多个第一视频的视频特征，确定所述每个视频的视频特征向量；相应的，所述当接收到所述用户的推荐请求时，将所述用户的用户特征输入所述...
【专利技术属性】
技术研发人员：蔡锦龙，
申请(专利权)人：北京达佳互联信息技术有限公司，
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。