本公开关于一种视频推荐方法、装置、电子设备及存储介质，其中该方法包括：获取目标账户的账户属性信息；对账户属性信息进行转换处理，获得用于表示所述目标账户的账户特征信息；确定候选视频集合中各候选视频的视频属性信息、与候选视频存在交互行为的交互账户以及交互账户属性信息；根据候选视频、视频属性信息、交互账户以及交互账户属性信息，确定用于表示候选视频的视频特征信息；根据各候选视频的视频特征信息以及目标账户的账户特征信息，从候选视频集合中确定用于向目标账户推荐的目标视频。从而实现根据已有交互账户的视频交互数据，为新用户进行视频推荐，提高对新账户的冷启动推荐的准确率。的冷启动推荐的准确率。的冷启动推荐的准确率。
【技术实现步骤摘要】
视频推荐方法、装置、电子设备及存储介质
[0001]本公开涉及数据处理技术，尤其涉及一种视频推荐方法、装置、电子设备及存储介质。
技术介绍
[0002]互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的部分，对信息的使用效率反而降低了，这就是信息超载(information overload)问题。推荐系统能够比较好地解决信息超载问题，推荐系统的目标是根据已有的信息向用户推荐用户喜欢的物品，从而促进用户与物品之间发生交互行为，如点击和收藏等等。
[0003]相关技术中，推荐系统的推荐思路是根据用户的当前背景和过去的行为向用户推荐可能会喜欢的物品。但是，如果用户过去的行为和当前的背景信息不可用，例如对于新注册的用户来说，新用户的大部分信息是无法获取的，而且无平台上的交互行为信息，所以，在这种情况下，推荐系统对于新用户的信息推荐精确率较低。
技术实现思路
[0004]本公开提供一种视频推荐方法及装置，以至少解决相关技术中为新用户进行视频推荐时导致的推荐困难，推荐准确率较低的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种视频推荐方法，包括：
[0006]获取目标账户的账户属性信息，其中，所述目标账户为在当前平台未发生视频交互行为的账户或者发生的视频交互行为不满足预设条件的账户；
[0007]对所述账户属性信息进行转换处理，获得用于表示所述目标账户的账户特征信息；
[0008]确定候选视频集合中各候选视频的视频属性信息、与所述候选视频存在交互行为的交互账户以及交互账户属性信息；
[0009]根据所述候选视频、所述视频属性信息、所述交互账户以及所述交互账户属性信息，确定用于表示所述候选视频的视频特征信息；
[0010]根据各候选视频的视频特征信息以及所述目标账户的账户特征信息，从所述候选视频集合中确定用于向所述目标账户推荐的目标视频。
[0011]可选地，所述对所述账户属性信息进行转换处理，获得用于表示所述目标账户的账户特征信息的步骤包括：根据所述目标账户以及所述目标账户的账户属性信息，构建账户属性异构图，所述账户属性异构图中包括目标账户节点以及账户属性信息节点；
[0012]将所述账户属性异构图输入至已训练的第一图卷积神经网络模型，在所述第一图卷积神经网络模型中，对相同类型的节点的值进行聚合卷积操作，获得第一特征向量，对不同类型的节点的值进行联合卷积操作，获得第二特征向量，并对所述第一特征向量及所述
第二特征向量进行降维处理，输出账户特征信息。
[0013]可选地，所述目标账户节点采用由所述目标账户经由已有模型训练后的向量来表示；
[0014]所述账户属性信息节点由所述账户属性信息表示，或者，由所述账户属性信息经由已有模型训练后的向量来表示，或者由所述账户属性信息以及所述账户属性信息经由已有模型训练后的向量进行联合表示。
[0015]可选地，所述第一图卷积神经网络模型采用如下方式训练得到：
[0016]确定多个样本账户，所述样本账户为在当前平台存在视频交互行为的注册账户；
[0017]获取各样本账户对应的样本账户属性信息；
[0018]根据所述样本账户以及对应的样本账户属性信息构建样本账户属性异构图；
[0019]采用预设的图卷积神经网络学习器对所述样本账户属性异构图进行学习，生成第一图卷积神经网络模型。
[0020]可选地，所述根据所述候选视频、所述视频属性信息、所述交互账户以及所述交互账户属性信息，确定用于表示所述候选视频的视频特征信息的步骤包括：
[0021]根据所述候选视频、所述视频属性信息、所述交互账户以及所述交互账户属性信息，构建视频账户属性异构图，所述视频账户属性异构图中包括视频标识节点、视频属性信息节点、交互账户节点以及交互账户属性信息节点；
[0022]将所述视频账户属性异构图输入至已训练的第二图卷积神经网络模型，在所述第二图卷积神经网络模型中，对相同类型的节点的值进行聚合卷积操作，获得第三特征向量，对不同类型的节点的值进行联合卷积操作，获得第四特征向量，并对所述第三特征向量及所述第四特征向量进行降维处理，输出视频特征信息。
[0023]可选地，所述交互账户节点采用由所述交互账户经由已有模型训练后的向量来表示；
[0024]所述视频标识节点采用由所述视频标识经由已有模型训练后的向量来表示；
[0025]所述交互账户属性信息节点由所述交互账户属性信息表示，或者，由所述交互账户属性信息经由已有模型训练后的向量来表示，或者，由所述交互账户属性信息以及所述交互账户属性信息经由已有模型训练后的向量进行联合表示；
[0026]所述视频属性信息节点由所述视频属性信息表示，或者，由所述视频属性信息经由已有模型训练后的向量来表示，或者由所述视频属性信息以及所述视频属性信息经由已有模型训练后的向量进行联合表示。
[0027]可选地，所述第二图卷积神经网络模型采用如下方式训练得到：
[0028]确定多个样本账户，所述样本账户为在当前平台存在视频交互行为的注册账户；
[0029]获取各样本账户对应的样本账户属性信息；
[0030]确定各样本账户的第一视频集合以及第二视频集合，其中，所述第一视频集合包括符合该样本账户的指定特征的视频，所述第二视频集合包括除所述符合该样本账户的指定特征的视频以外的其他视频；
[0031]获取所述第一视频集合及所述第二视频集合中各视频的属性信息，作为样本视频属性信息；
[0032]根据所述样本账户、所述第一视频集合及所述第二视频集合中各视频标识、所述
样本账户属性信息以及所述样本视频属性信息构建样本账户视频属性异构图；
[0033]采用预设的图卷积神经网络学习器对所述样本账户视频属性异构图进行学习，生成第二图卷积神经网络模型。
[0034]可选地，所述确定各样本账户的第一视频集合的步骤包括：
[0035]确定所述样本账户发生交互的视频信息，所述样本账户发生交互的视频信息包括所述样本账户点击、收藏的视频信息；
[0036]根据所述样本账户以及所述视频信息构建账户视频交互异构图，所述账户视频交互异构图包括账户节点和视频标识节点；
[0037]在所述账户视频交互异构图中对所述账户节点的直接相邻节点进行采样，或者，对所述账户节点的直接相邻节点及间接相邻节点进行采样；
[0038]将获得的采样结果对应的视频组织成第一视频集合。
[0039]可选地，所述根据各候选视频的视频特征信息以及所述目标账户的账户特征信息，从所述候选视频集合中确定用于向所述目标账户推荐的目标视频的步骤包括：
[0040]将所述账户特征信息与各候选视频的视频特征信息输入至已训练的匹配模型，并获取所本文档来自技高网...
【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：获取目标账户的账户属性信息，其中，所述目标账户为在当前平台未发生视频交互行为的账户或者发生的视频交互行为不满足预设条件的账户；对所述账户属性信息进行转换处理，获得用于表示所述目标账户的账户特征信息；确定候选视频集合中各候选视频的视频属性信息、与所述候选视频存在交互行为的交互账户以及交互账户属性信息；根据所述候选视频、所述视频属性信息、所述交互账户以及所述交互账户属性信息，确定用于表示所述候选视频的视频特征信息；根据各候选视频的视频特征信息以及所述目标账户的账户特征信息，从所述候选视频集合中确定用于向所述目标账户推荐的目标视频。2.根据权利要求1所述的视频推荐方法，其特征在于，所述对所述账户属性信息进行转换处理，获得用于表示所述目标账户的账户特征信息的步骤包括：根据所述目标账户以及所述目标账户的账户属性信息，构建账户属性异构图，所述账户属性异构图中包括目标账户节点以及账户属性信息节点；将所述账户属性异构图输入至已训练的第一图卷积神经网络模型，在所述第一图卷积神经网络模型中，对相同类型的节点的值进行聚合卷积操作，获得第一特征向量，对不同类型的节点的值进行联合卷积操作，获得第二特征向量，并对所述第一特征向量及所述第二特征向量进行降维处理，输出账户特征信息。3.根据权利要求2所述的方法，其特征在于，所述目标账户节点采用由所述目标账户经由已有模型训练后的向量来表示；所述账户属性信息节点由所述账户属性信息表示，或者，由所述账户属性信息经由已有模型训练后的向量来表示，或者由所述账户属性信息以及所述账户属性信息经由已有模型训练后的向量进行联合表示。4.根据权利要求2或3所述的视频推荐方法，其特征在于，所述第一图卷积神经网络模型采用如下方式训练得到：确定多个样本账户，所述样本账户为在当前平台存在视频交互行为的注册账户；获取各样本账户对应的样本账户属性信息；根据所述样本账户以及对应的样本账户属性信息构建样本账户属性异构图；采用预设的图卷积神经网络学习器对所述样本账户属性异构图进行学习，生成第一图卷积神经网络模型。5.根据权利要求1所述的视频推荐方法，其特征在于，所述根据所述候选视频、所述视频属性信息、所述交互账户以及所述交互账户属性信息，确定用于表示所述候选视频的视频特征信息的步骤包括：根据所述候选视频、所述视频属性信息、所述交互账户以及所述交互账户属性信息，构建视频账户属性异构图，所述视频账户属性异构图中包括视频标识节点、视频属性信息节点、交互账户节点以及交互账户属性信息节点；将所述视频账户属性异构图输入至已训练的第二图卷积神经网络模...
【专利技术属性】
技术研发人员：白明，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。