视频推荐方法及装置制造方法及图纸

本公开涉及视频推荐方法及装置。该方法包括：根据目标用户的用户行为数据，确定目标用户对应的初始用户特征向量，并确定目标用户对应的正样本视频和负样本视频；通过神经网络获取目标用户对应的第一优化用户特征向量、正样本视频对应的优化视频特征向量以及负样本视频对应的优化视频特征向量；根据正样本视频对应的优化视频特征向量与第一优化用户特征向量之间的相关性，以及负样本视频对应的优化视频特征向量与第一优化用户特征向量之间的相关性，优化神经网络的参数；基于优化后的神经网络，向目标用户进行视频推荐。本公开能够提高视频推荐的准确性。

Video recommendation methods and devices

【技术实现步骤摘要】
视频推荐方法及装置
本公开涉及视频
，尤其涉及一种视频推荐方法及装置。
技术介绍
由于网络视频的信息参差不齐、内容繁杂，因此，视频网站的运营人员通常选择基于协同过滤的推荐算法进行视频推荐。近些年来，随着互联网行业和多媒体技术的飞速发展，网络视频量和视频用户量都在迅速增长。巨大的视频量和用户量使得协同过滤中的评分矩阵变得稀疏，从而导致视频推荐的准确性较低。
技术实现思路
有鉴于此，本公开提出了一种视频推荐方法及装置。根据本公开的一方面，提供了一种视频推荐方法，包括：根据目标用户的用户行为数据，确定所述目标用户对应的初始用户特征向量；根据所述目标用户的用户行为数据，确定所述目标用户对应的正样本视频和负样本视频；确定所述正样本视频对应的初始视频特征向量，以及所述负样本视频对应的初始视频特征向量；将所述目标用户对应的初始用户特征向量、所述正样本视频对应的初始视频特征向量以及所述负样本视频对应的初始视频特征向量分别输入神经网络，获取所述目标用户对应的第一优化用户特征向量、所述正样本视频对应本文档来自技高网...

【技术保护点】
1.一种视频推荐方法，其特征在于，包括：/n根据目标用户的用户行为数据，确定所述目标用户对应的初始用户特征向量；/n根据所述目标用户的用户行为数据，确定所述目标用户对应的正样本视频和负样本视频；/n确定所述正样本视频对应的初始视频特征向量，以及所述负样本视频对应的初始视频特征向量；/n将所述目标用户对应的初始用户特征向量、所述正样本视频对应的初始视频特征向量以及所述负样本视频对应的初始视频特征向量分别输入神经网络，获取所述目标用户对应的第一优化用户特征向量、所述正样本视频对应的优化视频特征向量以及所述负样本视频对应的优化视频特征向量；/n根据所述正样本视频对应的优化视频特征向量与所述第一优化用...

【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：
根据目标用户的用户行为数据，确定所述目标用户对应的初始用户特征向量；
根据所述目标用户的用户行为数据，确定所述目标用户对应的正样本视频和负样本视频；
确定所述正样本视频对应的初始视频特征向量，以及所述负样本视频对应的初始视频特征向量；
将所述目标用户对应的初始用户特征向量、所述正样本视频对应的初始视频特征向量以及所述负样本视频对应的初始视频特征向量分别输入神经网络，获取所述目标用户对应的第一优化用户特征向量、所述正样本视频对应的优化视频特征向量以及所述负样本视频对应的优化视频特征向量；
根据所述正样本视频对应的优化视频特征向量与所述第一优化用户特征向量之间的相关性，以及所述负样本视频对应的优化视频特征向量与所述第一优化用户特征向量之间的相关性，优化所述神经网络的参数；
基于优化后的神经网络，向所述目标用户进行视频推荐。


2.根据权利要求1所述的方法，其特征在于，根据目标用户的用户行为数据，确定所述目标用户对应的初始用户特征向量，包括：
确定所述目标用户的用户行为数据中的有效点击视频；
确定所述有效点击视频对应的初始视频特征向量；
根据所述有效点击视频对应的初始视频特征向量，确定所述目标用户对应的初始用户特征向量。


3.根据权利要求2所述的方法，其特征在于，确定所述目标用户的用户行为数据中的有效点击视频，包括：
将所述目标用户的用户行为数据中观看时长与视频时长的比值大于有效性阈值的视频确定为有效点击视频。


4.根据权利要求2或3所述的方法，其特征在于，根据所述有效点击视频对应的初始视频特征向量，确定所述目标用户对应的初始用户特征向量，包括：
将所述有效点击视频对应的初始视频特征向量的平均值确定为所述目标用户对应的初始用户特征向量。


5.根据权利要求2或3所述的方法，其特征在于，根据所述有效点击视频对应的初始视频特征向量，确定所述目标用户对应的初始用户特征向量，包括：
根据所述有效点击视频对应的观看时长与视频时长的比值，确定所述有效点击视频对应的权重；
根据各个有效点击视频对应的权重，计算各个有效点击视频对应的初始视频特征向量的加权和，得到所述目标用户对应的初始用户特征向量。


6.根据权利要求1所述的方法，其特征在于，根据所述目标用户的用户行为数据，确定所述目标用户对应的正样本视频和负样本视频，包括：
确定所述目标用户的用户行为数据中的有效点击视频；
将所述有效点击视频确定为所述目标用户对应的正样本视频；
根据向所述目标用户展示的视频中所述有效点击视频以外的视频，确定所述目标用户对应的负样本视频。


7.根据权利要求6所述的方法，其特征在于，根据向所述目标用户展示的视频中所述有效点击视频以外的视频，确定所述目标用户对应的负样本视频，包括：
对向所述目标用户展示的视频中所述有效点击视频以外的视频进行采样，得到所述目标用户对应的负样本视频。


8.根据权利要求1所述的方法，其特征在于，确定所述正样本视频对应的初始视频特征向量，以及所述负样本视频对应的初始视频特征向量，包括：
根据所述正样本视频的文本描述信息，确定所述正样本视频对应的初始视频特征向量；
根据所述负样本视频的文本描述信息，确定所述负样本视频对应的初始视频特征向量。


9.根据权利要求1所述的方法，其特征在于，根据所述正样本视频对应的优化视频特征向量与所述第一优化用户特征向量之间的相关性，以及所述负样本视频对应的优化视频特征向量与所述第一优化用户特征向量之间的相关性，优化所述神经网络的参数，包括：
根据所述正样本视频对应的优化视频特征向量与所述第一优化用户特征向量之间的相关性，以及所述负样本视频对应的优化视频特征向量与所述第一优化用户特征向量之间的相关性，确定所述神经网络对应的目标优化函数；
采用梯度下降法对所述目标优化函数进行优化，以优化所述神经网络的参数。


10.根据权利要求1所述的方法，其特征在于，基于优化后的神经网络，向所述目标用户进行视频推荐，包括：
确定候选视频对应的初始视频特征向量；
将所述目标用户对应的初始用户特征向量以及所述候选视频对应的初始视频特征向量分别输入所述优化后的神经网络，获取所述目标用户对应的第二优化用户特征向量以及所述候选视频对应的优化视频特征向量；
计算所述候选视频对应的优化视频特征向量与所述第二优化用户特征向量之间的相关性；
根据所述候选视频对应的优化视频特征向量与所述第二优化用户特征向量之间的相关性，向所述目标用户进行视频推荐。


11.一种视频推荐装置，其特征在于，包括：
第一确定模块，用于根据目...

【专利技术属性】
技术研发人员：滕飞，
申请(专利权)人：北京优酷科技有限公司，
类型：发明
国别省市：北京;11