视频推荐方法、服务器和可读存储介质技术

本发明专利技术实施例涉及视频推荐领域，公开了一种视频推荐方法、服务器和可读存储介质。本发明专利技术中，视频推荐方法，包括：获取输入向量；输入向量用于表征目标用户的用户特征和待推荐的各视频的视频特征，用户特征至少包括目标用户对观看过的若干视频的观看时长；根据输入向量和预先训练的点击概率预测模型，确定目标用户对待推荐的各视频的点击概率；其中，点击概率预测模型根据各视频样本的样本特征训练得到，样本特征至少包括视频样本中的视频被观看的观看时长；根据目标用户对所述待推荐的各视频的点击概率，对用户推荐待推荐的各视频，使得可以降低训练复杂度、缩短训练周期、降低资源消耗量，提高了预测的点击概率的准确性和合理性。性。性。

【技术实现步骤摘要】
视频推荐方法、服务器和可读存储介质


[0001]本专利技术实施例涉及视频推荐领域，特别涉及一种视频推荐方法、服务器和可读存储介质。

技术介绍

[0002]对于视频网站而言，推荐系统扮演者举足轻重的角色。一个优秀的推荐系统能够增加用户的粘性，为网站带来丰厚的收益。推荐系统在收到用户请求后，会利用排序算法对候选视频进行打分，然后将这些视频按照分值由高到低进行排序，最后将得分最高的N条视频作为推荐结果返回。对于视频推荐领域，通常使用点击率和观看时长共同评价推荐算法。为了同时提升这两个指标，当前业内多采用融合点击概率预估模型和观看时长预估模型，需要对两种模型分别进行训练，然后，再基于单独训练好的两种模型进行线性融合或是函数融合。
[0003]然而，专利技术人发现，相关技术种至少存在如下技术问题：无论是线性融合还是函数融合，均需要先训练至少两个独立的模型，再进行融合，但训练复杂，训练周期长，消耗资源大。

技术实现思路

[0004]本专利技术实施方式的目的在于提供一种视频推荐方法、服务器和可读存储介质，使得可以降低训练复杂度、缩短训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：获取输入向量；其中，所述输入向量用于表征目标用户的用户特征和待推荐的各视频的视频特征，所述用户特征至少包括所述目标用户对观看过的若干视频的观看时长；根据所述输入向量和预先训练的点击概率预测模型，确定所述目标用户对所述待推荐的各视频的点击概率；其中，所述点击概率预测模型根据各视频样本的样本特征训练得到，所述样本特征至少包括所述视频样本被观看的观看时长；根据所述目标用户对所述待推荐的各视频的点击概率，对所述目标用户推荐所述待推荐的各视频。2.根据权利要求1所述的视频推荐方法，其特征在于，所述视频样本对应有样本权重，所述样本权重基于所述视频样本被观看的观看时长确定。3.根据权利要求2所述的视频推荐方法，其特征在于，所述样本权重通过如下公式确定：其中，所述w为所述样本权重，所述Δt为预设的固定时间间隔，所述T为预设的观看时长上限，所述t为所述视频样本被观看的观看时长。4.根据权利要求2或3所述的视频推荐方法，其特征在于，所述点击概率预测模型的损失函数的表达式如下：其中，L为通过所述损失函数计算的损失值，S为所述视频样本的总数，y
k,i
为第k个视频样本的标签向量的第i维分量，p
i
(x
k
)为基于所述第k个视频样本预测的第i个视频的点击概率，w
k
为所述第k个视频样本对应的样本权重，N为需要预测点击概率的视频的数量。5.根据权利要求1所述的视频推荐方法，其特征在于，所述根据所述输入向量和预先训练的点击概率预测模型，确定所述目标用户对所述待推荐的各视频的点击概率，包括：根据所述输入向量和所述点击概率预测模型中的特征权重矩阵，获取输入特征权重向量；将所述输入特征权重向量输入所述点击概率预测模型中的神经网络，得到目标用户向量；根据...

【专利技术属性】
技术研发人员：曹跃，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：