一种视频推荐方法、终端设备以及计算机可读存储介质技术

本发明专利技术实施例公开了一种视频推荐方法、终端设备以及计算机可读存储介质，用于提高终端设备推荐目标视频的准确性。本发明专利技术实施例方法包括：获取已观看视频的标识信息、所述已观看视频的位置信息、当前视频的标识信息和所述当前视频的位置信息；将所述已观看视频的标识信息和所述已观看视频的位置信息，输入第一模型，得到所述已观看视频的偏好向量；将所述已观看视频的偏好向量、所述当前视频的标识信息和所述当前视频的位置信息，输入第二模型，得到所述当前视频的偏好向量；根据所述当前视频的偏好向量，确定目标视频。确定目标视频。确定目标视频。

【技术实现步骤摘要】
一种视频推荐方法、终端设备以及计算机可读存储介质


[0001]本专利技术涉及终端设备应用领域，尤其涉及一种视频推荐方法、终端设备以及计算机可读存储介质。

技术介绍

[0002]随着科技的进步和互联网的普及，越来越多的用户喜欢在诸如视频类、聊天类等应用软件上进行社交。
[0003]目前用户在使用应用软件进行社交时，一些软件会主动推荐视频，而传统人工推荐视频的方法是：系统通过人工审核、人工打分、人工配重权重的方式对接目标视频进行推荐。渐渐地，终端设备对目标视频的推荐从传统人工推荐视频的方法过渡到传统机器学习方法，该传统机器学习方法中视频学习推荐的过程较为复杂，但对于不同的视频处理的方法是相同的。无论是传统人工推荐视频，还是传统机器学习方法，都会导致终端设备推荐目标视频的准确性较差。

技术实现思路

[0004]本专利技术实施例提供了一种视频推荐方法、终端设备以及计算机可读存储介质，用于提高终端设备推荐目标视频的准确性。
[0005]本专利技术实施例第一方面提供了一种视频推荐方法，可以包括：
[0006]获取已观本文档来自技高网...

【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：获取已观看视频的标识信息、所述已观看视频的位置信息、当前视频的标识信息和所述当前视频的位置信息；将所述已观看视频的标识信息和所述已观看视频的位置信息，输入第一模型，得到所述已观看视频的偏好向量；将所述已观看视频的偏好向量、所述当前视频的标识信息和所述当前视频的位置信息，输入第二模型，得到所述当前视频的偏好向量；根据所述当前视频的偏好向量，确定目标视频。2.根据权利要求1所述的方法，其特征在于，所述将所述已观看视频的标识信息和所述已观看视频的位置信息，输入第一模型，得到所述已观看视频的偏好向量，包括：将所述已观看视频的标识信息和所述已观看视频的位置信息，输入第一目标模型，得到所述已观看视频的兴趣偏好向量；将所述已观看视频的兴趣偏好向量，输入第二目标模型，得到所述已观看视频的偏好向量；所述第一模型包括所述第一目标模型和所述第二目标模型。3.根据权利要求2所述的方法，其特征在于，所述将所述已观看视频的标识信息和所述已观看视频的位置信息，输入第一目标模型，得到所述已观看视频的兴趣偏好向量，包括：根据所述已观看视频的标识信息和所述已观看视频的位置信息，得到第一兴趣偏好参数；根据所述第一兴趣偏好参数，得到第二兴趣偏好参数；根据所述第二兴趣偏好参数，得到所述已观看视频的兴趣偏好向量。4.根据权利要求3所述的方法，其特征在于，所述根据所述已观看视频的标识信息和所述已观看视频的位置信息，得到第一兴趣偏好参数，包括：根据第一公式，得到第一兴趣偏好参数；其中，所述第一公式为Q1＝W
iQ1
(x1+p1)；K1＝W
iK1
(x1+p1)；V1＝W
iV1
(x1+p1)；Attention(Q1，K1，V1)表示所述第一兴趣偏好参数；表示第一归一化指数softmax函数；Q1表示所述已观看视频在第一Query层的特征向量，K1表示所述已观看视频在第一Key层的特征向量，V1表示所述已观看视频在第一Value层的特征向量；W
iQ1
表示所述第一Query层的权重矩阵，W
iK1
表示所述第一Key层的权重矩阵，W
iV1
表示所述第一Value层的权重矩阵；x1表示所述已观看视频的标识信息，p1表示所述已观看视频的位置信息，所述已观看视频的位置信息包括所述已观看视频在显示页面的位置信息和/或所述已观看视频所处的显示页面；d
k1
表示第一输入维度。5.根据权利要求3所述的方法，其特征在于，所述根据所述第一兴趣偏好参数，得到第二兴趣偏好参数，根据所述第二兴趣偏好参数，得到所述已观看视频的兴趣偏好向量包括：根据第二公式，得到第二兴趣偏好参数；其中，所述第二公式为head
i
＝Attention(Q1W
iQ1
，K1W
iK1
，V1W
iV1
)；head
i
表示所述第二兴
趣偏好参数；根据第三公式，得到所述已观看视频的兴趣偏好向量；其中，所述第三公式为MultiHead(Q1，K1，V1)＝Concat(head1，head2，
…
head
i
)W
O1
；MultiHead(Q1，K1，V1)表示所述已观看视频的兴趣偏好向量；Concat(head1，head2，
…
head
i
)表示第一拼接函数；W
O1
表示第一MultiHead层权重矩阵。6.根据权利要求2所述的方法，其特征在于，所述将所述已观看视频的兴趣偏好向量，输入第二目标模型，得到所述已观看视频的偏好向量，包括：将所述已观看视频的兴趣偏好向量，输入第一前馈神经网络，得到所述已观看视频的偏好向量；其中，所述第一前馈神经网络为FFN(y1)＝ReLU1(y1H
11
+b
11
)H
12
+b
12
；y1＝MultiHead(Q1，K1，V1)；y1表示所述已观看视频的兴趣偏好向量；ReLU1(y1H
11
+b
11
)H
12
表示所述第一前馈神经网络中第一层的激活函数；ReLU1(y1H
11
+b
11
)H
12
+b
12
表示所述第一前馈神经网络中第二层的线性激活函数；H
11
表示所述第一前馈神经网络中第一层的权重矩阵；H
12
表示所述第一前馈神经网络中第二层的权重矩阵；b
11
表示所述第一前馈神经网络中第一层的偏置项；b
12
表示所述第一前馈神经网络中第二层的偏置项。7.根据权利要求1所述的方法，其特征在于，所述将所述已观看视频的偏好向量、所述当前视频的标识信息和所述当前视频的位置信息，输入第二模型，得到所述当前视频的偏好向量，包括：根据所述已观看视频的偏好向量、所述当前视频的标识信息和所述当前视频的位置信息，得到第三兴趣偏好参数；根据所述第三兴趣偏好参数，得到第四兴趣偏好参数；根据所述第四兴趣偏好参数，得到所述当前视频的兴趣偏好向量；将所述当前视频的兴趣偏好向量，输入第三目标模型，得到所述当前视频的偏好向量；所述第二模型包括所述第三目标模型。8.根据权利要求7所述的方法，其特征在于，所述已观看视频的偏好向量包括所述当前视频在第二Key层的特征向量和所述当前视频在第二Value层的特征向量；所述根据所述已观看视频的偏好向量、所述当前视频的标识信息和所述当前视频的位置信息，得到第三兴趣偏好参数，包括：根据第四公式，得到第三兴趣偏好参数；其中，所述第四公式为Q2＝W
iQ2
(x2+p2...

【专利技术属性】
技术研发人员：王志峰，
申请(专利权)人：广东艾檬电子科技有限公司，
类型：发明
国别省市：