一种视频推荐方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种视频推荐方法、装置、设备及存储介质。该方法包括：获取当前视频集合；将当前视频集合和历史视频集合输入历史最新视频推荐模型，得到当前视频集合中视频的分类标签和分类得分；根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频。本发明专利技术实施例由于历史最新视频推荐模型相比于传统技术中基于深度学习训练生成的视频推荐模型的训练周期较短，因此，该历史视频推荐模型可以很好的适应实际业务的调整，同时，将可以作为当前视频集合的先验知识的历史视频集合也作为输入变量，提高了历史最新视频推荐模型对当前视频集合的预测精度。

【技术实现步骤摘要】
一种视频推荐方法、装置、设备及存储介质
本专利技术实施例涉及计算机视觉技术，尤其涉及一种视频推荐方法、装置、设备及存储介质。
技术介绍
近年来，随着计算机硬件性能的提升和大规模图像数据的出现，深度学习在计算机视觉领域得到广泛应用。视频推荐是计算机视觉领域的重要研究方向，针对视频推荐来说，深度学习也在视频推荐方面得到广泛应用，即采用基于深度学习训练生成的视频推荐模型进行视频推荐。视频推荐模型需要根据实际业务需要进行相应调整。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：基于深度学习训练生成的视频推荐模型，由于视频推荐模型的训练周期比较长，因此，无法很好的适应实际业务的调整，上述实际业务的调整周期相对都较短，使得基于深度学习训练生成的视频推荐模型的预测精度不高，无法得到合适的视频进行推荐。其中，实际业务的调整可以指运营策略调整或热点视频的变化，所谓运营策略调整可以理解为将推荐动漫视频改为推荐游戏视频，热点视频的变化可以理解为由热点视频从C类变为了D类，相应的，将推荐C类视频变为推荐D类视频。
技术实现思路
本专利技术实施例提供一种视频推荐方法、装置、设备及存储介质，以提高视频推荐模型的预测精度。第一方面，本专利技术实施例提供了一种视频推荐方法，该方法包括：获取当前视频集合；将所述当前视频集合和历史视频集合输入历史最新视频推荐模型，得到所述当前视频集合中视频的分类标签和分类得分；根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频。进一步的，所述根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频，包括：根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的待推荐视频；如果所述待推荐视频的分类标签与所述待推荐视频的内容一致，则将所述待推荐视频作为该分类标签下的推荐视频。进一步的，该方法还包括：如果所述待推荐视频的分类标签与所述待推荐视频的内容不一致，则到达预设时间点后将所述待推荐视频加入所述历史视频集合作为所述历史最新推荐模型的输入变量，更新所述历史最新视频推荐模型。进一步的，该方法还包括：获取所述当前视频集合中符合推荐条件的目标视频，并发送所述目标视频；接收标注分类标签后的目标视频；到达预设时间点，将所述标注分类后的目标视频加入所述历史视频集合后作为所述历史最新视频推荐模型的输入变量，更新所述历史最新视频推荐模型。进一步的，所述将所述标注分类标签后的目标视频加入所述历史视频集合后作为所述历史最新推荐模型的输入变量，更新所述历史最新推荐模型，包括：为所述目标视频中与所述推荐视频相同的第一视频以及所述目标视频中与所述推荐视频不相同的第二视频赋予不同的权重值；到达预设时间点，将赋予权重值后的第一视频和第二视频加入所述历史视频集合后作为所述历史最新视频推荐模型的输入变量，更新所述历史最新视频推荐模型。进一步的，该方法还包括：将所述目标视频中与所述推荐视频不相同的第二视频作为附加推荐视频。进一步的，所述将所述当前视频集合和历史视频集合输入历史最新视频推荐模型之前，还包括：获取原始历史视频集合；根据原始历史视频集合中视频的分类标签，进行聚类处理，得到历史视频集合。第二方面，本专利技术实施例还提供了一种视频推荐装置，该装置包括：当前视频集合获取模块，用于获取当前视频集合；分类标签和分类得分获取模块，用于将所述当前视频集合和历史视频集合输入历史最新视频推荐模型，得到所述当前视频集合中视频的分类标签和分类得分；推荐视频确定模块，用于根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频。进一步的，所述推荐视频确定模块，包括：待推荐视频获取单元，用于根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的待推荐视频；推荐视频确定单元，用于如果所述待推荐视频的分类标签与所述待推荐视频的内容一致，则将所述待推荐视频作为该分类标签下的推荐视频。进一步的，该装置还包括：第一历史最新视频推荐模型更新模块，用于如果所述待推荐视频的分类标签与所述待推荐视频的内容不一致，则到达预设时间点后将所述待推荐视频加入所述历史视频集合作为所述历史最新推荐模型的输入变量，更新所述历史最新视频推荐模型。进一步的，该装置还包括：目标视频确定模块，用于获取所述当前视频集合中符合推荐条件的目标视频，并发送所述目标视频；目标视频分类标签标注模块，用于接收标注分类标签后的目标视频；第二历史最新视频推荐模型更新模块，用于到达预设时间点，将所述标注分类后的目标视频加入所述历史视频集合后作为所述历史最新视频推荐模型的输入变量，更新所述历史最新视频推荐模型。进一步的，所述第二历史最新视频推荐模型更新模块，包括：权重值赋予单元，用于为所述目标视频中与所述推荐视频相同的第一视频以及所述目标视频中与所述推荐视频不相同的第二视频赋予不同的权重值；第三历史最新视频推荐模型更新单元，用于到达预设时间点，将赋予权重值后的第一视频和第二视频加入所述历史视频集合后作为所述历史最新视频推荐模型的输入变量，更新所述历史最新视频推荐模型。进一步的，该装置还包括：附加推荐视频确定模块，用于将所述目标视频中与所述推荐视频不相同的第二视频作为附加推荐视频。进一步的，该装置还包括：原始视频集合获取模块，用于获取原始历史视频集合；历史视频集合获取模块，用于根据原始历史视频集合中视频的分类标签，进行聚类处理，得到历史视频集合。第三方面，本专利技术实施例还提供了一种设备，该设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例第一方面所述的方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例第一方面所述的方法。本专利技术实施例通过获取当前视频集合，将当前视频集合和历史视频集合输入历史最新视频推荐模型，得到当前视频集合中视频的分类标签和分类得分，根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频，由于历史最新视频推荐模型相比于传统技术中基于深度学习训练生成的视频推荐模型的训练周期较短，因此，该历史视频推荐模型可以很好的适应实际业务的调整，同时，将可以作为当前视频集合的先验知识的历史视频集合也作为输入变量，提高了历史最新视频推荐模型对当前视频集合的预测精度。附图说明图1是本专利技术实施例中的一种视频推荐方法的流程图；图2是本专利技术实施例中的一种视频推荐装置的结构示意图；图3是本专利技术实施例中的一种设备的结构示意图。具体实施方式下面结合附图和实施本文档来自技高网...

【技术保护点】
1.一种视频推荐方法，其特征在于，包括：/n获取当前视频集合；/n将所述当前视频集合和历史视频集合输入历史最新视频推荐模型，得到所述当前视频集合中视频的分类标签和分类得分；/n根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频。/n

【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：
获取当前视频集合；
将所述当前视频集合和历史视频集合输入历史最新视频推荐模型，得到所述当前视频集合中视频的分类标签和分类得分；
根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频。


2.根据权利要求1所述的方法，其特征在于，所述根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的推荐视频，包括：
根据当前视频集合中不同分类标签下视频的分类得分，得到该分类标签下的待推荐视频；
如果所述待推荐视频的分类标签与所述待推荐视频的内容一致，则将所述待推荐视频作为该分类标签下的推荐视频。


3.根据权利要求2所述的方法，其特征在于，还包括：
如果所述待推荐视频的分类标签与所述待推荐视频的内容不一致，则到达预设时间点后将所述待推荐视频加入所述历史视频集合后作为所述历史最新视频推荐模型的输入变量，更新所述历史最新视频推荐模型。


4.根据权利要求1所述的方法，其特征在于，还包括：
获取所述当前视频集合中符合推荐条件的目标视频，并发送所述目标视频；
接收标注分类标签后的目标视频；
到达预设时间点，将所述标注分类标签后的目标视频加入所述历史视频集合后作为所述历史最新视频推荐模型的输入变量，更新所述历史最新视频推荐模型。


5.根据权利要求4所述的方法，其特征在于，所述将所述标注分类标签后的目标视频加入所述历史视频集合后作为所述历史最新视频推荐模型的输入变量，更新所述历史最新视频推荐模型，包括：<...

【专利技术属性】
技术研发人员：刘运，刘文奇，
申请(专利权)人：广州市百果园信息技术有限公司，
类型：发明
国别省市：广东;44