视频推荐方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请涉及视频处理技术领域，公开了一种视频推荐方法、装置、电子设备及计算机可读存储介质，其中，视频推荐方法包括：确定用户当前观看视频的第一视频特征值；接着将第一视频特征值通过预设模型进行预测计算处理；接着根据预测计算结果确定待推荐视频，并向用户推荐待推荐视频。本申请实施例的方法，能够根据用户当前观看视频的视频特征值准确地向用户推荐相关视频，使得可以针对用户的个性化需求和兴趣，向其推荐更加合适的视频，极大提高视频推荐的准确性，提升用户体验。

Video recommendation methods, devices, electronic equipment and computer readable storage media

【技术实现步骤摘要】
视频推荐方法、装置、电子设备及计算机可读存储介质
本申请涉及视频处理
，具体而言，本申请涉及一种视频推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代，提供各种信息功能的终端应用程序不断涌现，例如各种视频APP，为用户带来了更加便捷的体验。各种视频APP中均存储着海量的视频资源供用户选择观看，但是用户根据已知视频资源进行视频搜索与观看的能力毕竟有限，在这样的背景下，视频推荐应用而生，视频推荐是视频APP帮助用户查找并观看某个特定领域视频的方法和工具，可以为用户找到其已知范围之外的感兴趣的视频，拓展其观影体验。相对于传统的视频目录浏览方式或者视频搜索方式，视频推荐能够在用户不确定合适的搜索词的情况下，通过分析用户历史行为，发现用户需求的特定领域，在该领域内进行推荐，避免了搜索词的输入和层次目录的多次点击过程，使得查找并观看某个特定类型的视频更加简单容易。在现有技术中，一种视频推荐方法是根据用户的观看历史记录，建立用户的喜好标签，然后与视频数据库中的标签进行匹配，从而为用户提供匹配的视频，即基于视频标签来计算视频间的相似度，并根据视频间的相似度生成推荐列表为用户推荐未观看的视频。但是，现有技术中的基于视频标签推荐视频的方法，一方面标签存在信息量过载、无序、垃圾标签等问题，影响视频推荐的准确度和个性化程度，另一方面对于视频推荐，各个固有标签对于用户的重要程度是有差别的，如果一律同等对待，会导致推荐准确度不高，影响用户体验。
技术实现思路
本申请的目的旨在至少能解决上述的技术缺陷之一，特提出以下技术方案：第一方面，提供了一种视频推荐方法，包括：确定用户当前观看视频的第一视频特征值；将第一视频特征值通过预设模型进行预测计算处理；根据预测计算结果确定待推荐视频，并向用户推荐待推荐视频。具体地，确定用户当前观看视频的第一视频特征值，包括：对当前观看视频进行视频帧抽取，得到至少一个视频帧；通过训练后的卷积神经网络，确定各个视频帧分别对应的第一特征值；基于第一特征值确定当前观看视频的第一视频特征值。进一步地，对当前观看视频进行视频帧抽取，得到至少一个视频帧，包括：截取预设时长的当前观看视频，得到第一视频；以预设间隔对第一视频进行视频帧抽取，得到至少一个视频帧。进一步地，基于第一特征值确定当前观看视频的第一视频特征值，包括以下任一项：计算各第一特征值的平均值，并将平均值作为当前观看视频的第一视频特征值；计算各第一特征值的特征值总和，并将特征值总和作为当前观看视频的第一视频特征值。进一步地，将第一视频特征值通过预设模型进行预测计算处理，包括：将第一视频特征值与预定视频特征值库中的多个视频特征值进行相似度计算，获取第一视频特征值与各个视频特征值之间的相似度。进一步地，根据预测计算结果确定待推荐视频，包括以下至少一种情形：将与第一视频特征值的相似度大于预设相似度阈值的至少一个视频特征值对应的视频，确定为待推荐视频；对相似度进行降序排序，并将与前预定位数的相似度相应的视频特征值对应的视频确定为待推荐视频。第二方面，提供了一种视频推荐装置，包括：确定模块，用于确定用户当前观看视频的第一视频特征值；处理模块，用于将第一视频特征值通过预设模型进行预测计算处理；推荐模块，用于根据预测计算结果确定待推荐视频，并向用户推荐待推荐视频。具体地，确定模块包括抽取子模块、第一确定子模块与第二确定子模块；抽取子模块，用于对当前观看视频进行视频帧抽取，得到至少一个视频帧；第一确定子模块，用于通过训练后的卷积神经网络，确定各个视频帧分别对应的第一特征值；第二确定子模块，用于基于第一特征值确定当前观看视频的第一视频特征值。进一步地，抽取子模块具体用于截取预设时长的当前观看视频，得到第一视频；以及用于以预设间隔对第一视频进行视频帧抽取，得到至少一个视频帧。进一步地，第二确定子模块用于计算各第一特征值的平均值，并将平均值作为当前观看视频的第一视频特征值；或者用于计算各第一特征值的特征值总和，并将特征值总和作为当前观看视频的第一视频特征值。进一步地，处理模块具体用于将第一视频特征值与预定视频特征值库中的多个视频特征值进行相似度计算，获取第一视频特征值与各个视频特征值之间的相似度。进一步地，推荐模块具体用于将与第一视频特征值的相似度大于预设相似度阈值的至少一个视频特征值对应的视频，确定为待推荐视频；和/或用于对相似度进行降序排序，并将与前预定位数的相似度相应的视频特征值对应的视频确定为待推荐视频。第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现上述的视频推荐方法。第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述的视频推荐方法。本申请实施例提供的视频推荐方法，确定用户当前观看视频的第一视频特征值，奠定了后续基于该第一视频特征值进行视频推荐的坚实基础；将第一视频特征值通过预设模型进行预测计算处理，为后续确定待推荐视频提供前提保障；根据预测计算结果确定待推荐视频，并向用户推荐待推荐视频，从而能够根据用户当前观看视频的视频特征值准确地向用户推荐相关视频，使得可以针对用户的个性化需求和兴趣，向其推荐更加合适的视频，极大提高视频推荐的准确性，提升用户体验。本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例的视频推荐方法的流程示意图；图2为本申请实施例的视频推荐装置的基本结构示意图；图3为本申请实施例的视频推荐装置的详细结构示意图；图4为本申请实施例的电子设备的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以本文档来自技高网...

【技术保护点】
1.一种视频推荐方法，其特征在于，包括：/n确定用户当前观看视频的第一视频特征值；/n将所述第一视频特征值通过预设模型进行预测计算处理；/n根据预测计算结果确定待推荐视频，并向用户推荐所述待推荐视频。/n

【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：
确定用户当前观看视频的第一视频特征值；
将所述第一视频特征值通过预设模型进行预测计算处理；
根据预测计算结果确定待推荐视频，并向用户推荐所述待推荐视频。


2.根据权利要求1所述的方法，其特征在于，所述确定用户当前观看视频的第一视频特征值，包括：
对所述当前观看视频进行视频帧抽取，得到至少一个视频帧；
通过训练后的卷积神经网络，确定各个视频帧分别对应的第一特征值；
基于所述第一特征值确定所述当前观看视频的第一视频特征值。


3.根据权利要求2所述的方法，其特征在于，对所述当前观看视频进行视频帧抽取，得到至少一个视频帧，包括：
截取预设时长的所述当前观看视频，得到第一视频；
以预设间隔对所述第一视频进行视频帧抽取，得到至少一个视频帧。


4.根据权利要求2所述的方法，其特征在于，基于所述第一特征值确定所述当前观看视频的第一视频特征值，包括以下任一项：
计算各第一特征值的平均值，并将所述平均值作为所述当前观看视频的第一视频特征值；
计算各第一特征值的特征值总和，并将所述特征值总和作为所述当前观看视频的第一视频特征值。


5.根据权利要求1-4任一项所述的方法，其特征在于，将所述第一视频特征值通过预设模型进行预测计算处理，包括：
将所述第一视频特征值与预定视频特征值库中的多个视频特征值进行相似度计算，获取所述第一视频特征值与各个视频特征值之间的相似度。...

【专利技术属性】
技术研发人员：张康，陈强，
申请(专利权)人：北京奇虎科技有限公司，
类型：发明
国别省市：北京;11