一种视频推荐方法、装置、终端设备及存储介质制造方法及图纸

本申请适用于计算机技术领域，提供了视频推荐方法、装置、终端设备及存储介质，方法包括：获取待推荐视频的标签；根据待推荐视频的标签将预设数量的候选视频输入视频推荐模型，以输出每个候选视频的目标值，其中，视频推荐模型是以目标用户观看过的视频、目标用户观看过的视频对应的标签以及目标用户观看过的视频对应的目标值为训练样本，对分类模型进行训练得到的；将将目标值达到第一预设值的候选视频确定为推荐视频，以向所述目标用户推荐。本申请提供的视频推荐方法可以为目标用户推荐更准确的视频。

【技术实现步骤摘要】
一种视频推荐方法、装置、终端设备及存储介质
本申请属于计算机
，尤其涉及视频推荐方法、装置、终端设备及存储介质。
技术介绍
对智能播放视频的终端而言，能持续为用户推荐感兴趣的内容与用户体验正相关，若终端推荐给用户的视频总是无法引起用户的兴趣，那势必会造成用户的流失，相比之下，持续为用户推荐感兴趣的视频会让用户更长时间留在终端内，增加终端的使用率。但是现有的视频推荐方法不能有效获取用户感兴趣的内容，不能为用户推荐准确的视频。
技术实现思路
有鉴于此，本申请实施例提供了视频推荐方法、装置、终端设备及存储介质，以解决现有技术中不能有效获取用户感兴趣的内容，不能为用户推荐准确的视频的问题。本申请实施例的第一方面提供了一种视频推荐方法，包括：获取待推荐视频的标签；根据所述待推荐视频的标签将预设数量的候选视频输入视频推荐模型，以输出每个候选视频的目标值，其中，所述视频推荐模型是以目标用户观看过的视频、所述目标用户观看过的视频对应的标签以及所述目标用户观看过的视频对应的目标值为训练样本，对分类模型进行训练得到的；将目标值达到第一预设值的候选视频确定为推荐视频，以向所述目标用户推荐。在一种可能的实现方式中，所述获取待推荐视频的标签，具体包括：构建视频信息表，所述视频信息表包括目标用户观看过的视频的至少一个标签以及与每个标签对应的观看次数；根据所述目标用户观看过的视频对应的标签更新所述观看次数；根据每个标签对应的观看次数从所述至少一个标签中获取所述待推荐视频的标签。在一种可能的实现方式中，所述根据每个标签对应的观看次数从所述至少一个标签中获取所述待推荐视频的标签，具体包括：将所有标签对应的观看次数转化为概率分布；根据所述概率分布随机取样，以获取所述待推荐视频的标签。在一种可能的实现方式中，所述视频推荐方法还包括：获取目标用户最近一次观看当前标签对应的视频的时间；若所述目标用户最近一次观看当前标签对应的视频的时间与当前时刻之间的时长达到预设时长，根据第一预设衰减系数更新当前标签对应的观看次数。在一种可能的实现方式中，所述将目标值达到第一预设值的候选视频确定为推荐视频，以向所述目标用户推荐之后，所述方法还包括：记录目标用户观看所述推荐视频的时长；若目标用户观看所述推荐视频的时长小于或等于第二预设值，根据第二预设衰减系数更新所述视频信息表中与所述推荐视频对应的标签的观看次数。在一种可能的实现方式中，所述记录目标用户观看所述推荐视频的时长之后，所述方法还包括：若目标用户观看所述推荐视频的时长大于第二预设值且小于第三预设值，则将所述推荐视频、所述推荐视频对应的标签和目标用户观看所述推荐视频的时长添加至所述训练样本以重新训练所述分类模型。在一种可能的实现方式中，所述目标值的计算公式为：y＝log((t/T)/K)+log(T)，其中，y表示目标值，t表示目标用户观看视频的时间，T表示视频的总时长，K为缩放参数。本申请实施例的第二方面提供了一种视频推荐装置，包括：获取模块，用于获取待推荐视频的标签；分析模块，用于根据所述待推荐视频的标签将预设数量的候选视频输入视频推荐模型，以输出每个候选视频的目标值，其中，所述视频推荐模型是以目标用户观看过的视频、所述目标用户观看过的视频对应的标签以及所述目标用户观看过的视频对应的目标值为训练样本，对分类模型进行训练得到的；推荐模块，用于将目标值达到第一预设值的候选视频确定为推荐视频，以向所述目标用户推荐。在一种可能的实现方式中，所述获取模块包括：构建单元，用于构建视频信息表，所述视频信息表包括目标用户观看过的视频的至少一个标签以及与每个标签对应的观看次数；更新单元，用于根据所述目标用户观看过的视频对应的标签更新所述观看次数；获取单元，用于根据每个标签对应的观看次数从所述至少一个标签中获取待推荐视频的标签。在一种可能的实现方式中，所述获取单元具体用于：将所有标签对应的观看次数转化为概率分布；根据所述概率分布随机取样，以获取所述待推荐视频的标签。在一种可能的实现方式中，所述视频推荐装置还包括第一更新模块，所述第一更新模块用于：获取目标用户最近一次观看当前标签对应的视频的时间；若所述目标用户最近一次观看当前标签对应的视频的时间与当前时刻之间的时长达到预设时长，根据第一预设衰减系数更新当前标签对应的观看次数。在一种可能的实现方式中，所述视频推荐装置还包括第二更新模块，所述第二更新模块用于：记录目标用户观看所述推荐视频的时长；若目标用户观看所述推荐视频的时长小于或等于第二预设值，根据第二预设衰减系数更新所述视频信息表中与所述推荐视频对应的标签的观看次数。在一种可能的实现方式中，所述视频推荐装置还包括训练模块，用于若目标用户观看所述推荐视频的时长大于第二预设值且小于第三预设值，则将所述推荐视频、所述推荐视频对应的标签和目标用户观看所述推荐视频的时长添加至所述训练样本以重新训练所述分类模型。在一种可能的实现方式中，所述目标值的计算公式为：y＝log((t/T)/K)+log(T)，其中，y表示目标值，t表示目标用户观看视频的时间，T表示视频的总时长，K为缩放参数。本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述视频推荐方法的步骤。本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述视频推荐方法的步骤。本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述视频推荐方法的步骤。本申请实施例与现有技术相比存在的有益效果是：通过获取待推荐视频的标签，根据待推荐视频的标签将预设数量的候选视频输入视频推荐模型，将输出的目标值达到第一预设值的候选视频确定为推荐视频。由于视频推荐模型是以目标用户观看过的视频、目标用户观看过的视频对应的标签以及目标用户观看过的视频对应的目标值为训练样本，对分类模型进行训练得到的，即可以有效获取目标用户感兴趣的内容，因此，通过视频推荐模型可以准确提取出候选视频的特征，从而为目标用户推荐更准确的视频。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1是本申请第一实施例提供的视频推荐方法的实现流程示意图；图2是本申请第二实施例提供的视频推荐方法的实现流程示意图；图3是本申请实施例提供的视频推荐装置的示意图；图4是本申请实施例提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为本文档来自技高网...

【技术保护点】
1.一种视频推荐方法，其特征在于，包括：/n获取待推荐视频的标签；/n根据所述待推荐视频的标签将预设数量的候选视频输入视频推荐模型，以输出每个候选视频的目标值，其中，所述视频推荐模型是以目标用户观看过的视频、所述目标用户观看过的视频对应的标签以及所述目标用户观看过的视频对应的目标值为训练样本，对分类模型进行训练得到的；/n将目标值达到第一预设值的候选视频确定为推荐视频，以向所述目标用户推荐。/n

【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：
获取待推荐视频的标签；
根据所述待推荐视频的标签将预设数量的候选视频输入视频推荐模型，以输出每个候选视频的目标值，其中，所述视频推荐模型是以目标用户观看过的视频、所述目标用户观看过的视频对应的标签以及所述目标用户观看过的视频对应的目标值为训练样本，对分类模型进行训练得到的；
将目标值达到第一预设值的候选视频确定为推荐视频，以向所述目标用户推荐。


2.如权利要求1所述的视频推荐方法，其特征在于，所述获取待推荐视频的标签，具体包括：
构建视频信息表，所述视频信息表包括目标用户观看过的视频的至少一个标签以及与每个标签对应的观看次数；
根据所述目标用户观看过的视频对应的标签更新所述观看次数；
根据每个标签对应的观看次数从所述至少一个标签中获取所述待推荐视频的标签。


3.如权利要求2所述的视频推荐方法，其特征在于，所述根据每个标签对应的观看次数从所述至少一个标签中获取所述待推荐视频的标签，具体包括：
将所有标签对应的观看次数转化为概率分布；
根据所述概率分布随机取样，以获取所述待推荐视频的标签。


4.如权利要求2所述的视频推荐方法，其特征在于，所述视频推荐方法还包括：
获取目标用户最近一次观看当前标签对应的视频的时间；
若所述目标用户最近一次观看当前标签对应的视频的时间与当前时刻之间的时长达到预设时长，根据第一预设衰减系数更新当前标签对应的观看次数。


5.如权利要求2所述的视频推荐方法，其特征在于，所述将目标值达到第一预设值的候选视频确定为推荐视频，以向所述目标用户推荐之后，所述方法还包括：
记录目标用户观看所述推荐视频的时长；...

【专利技术属性】
技术研发人员：屈进，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44