本公开关于一种视频推荐方法、装置、电子设备及存储介质，其中所述方法包括：获取目标视频的视频属性信息；对视频属性信息进行转换处理，获得用于表示目标视频的视频特征信息；确定候选账户集合中各候选账户的账户属性信息、候选账户交互的视频的交互视频标识以及该视频的交互视频属性信息；根据该候选账户、账户属性信息、交互视频标识以及交互视频属性信息，确定用于表示候选账户的账户特征信息；根据各候选账户的账户特征信息以及目标视频的视频特征信息，从候选账户集合中确定目标账户，并将目标视频推荐至目标账户中。从而实现根据已有交互记录的视频数据，为新视频确定目标账户，提高对新视频的冷启动推荐的准确率。提高对新视频的冷启动推荐的准确率。提高对新视频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。但对于新上线的物品，由于缺少用户反馈，容易存在不被用户接受的风险。
[0003]例如，对于新视频(例如新上线视频)，由于缺少用户交互及反馈，从而相对于老视频(即有较多用户交互及反馈的视频)来说，难以对新视频做到精准个性化推荐。
[0004]在相关技术中，一些推荐系统的做法是，按照视频的生产者，把新视频直接推荐给曾经喜欢这个生产者其他视频的消费者。这样做的缺点是消费者不一定喜欢这个生产者的所有视频，同一个生产者不能保证生产的每个视频的质量和主题是一样的，从而影响用户的消费体验，降低平台上作者的生产意愿。另外，这种做法会降低消费者的兴趣发现率，容易引起信息茧房。
技术实现思路
[0005]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在对新视频的冷启动推荐时准确率较低的问题。本公开的技术方案如下：
[0006]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：
[0007]获取目标视频的视频属性信息，其中，所述目标视频为在当前平台未存在视频交互行为的视频或者存在的视频交互行为不满足预设条件的视频；
[0008]对所述视频属性信息进行转换处理，获得用于表示所述目标视频的视频特征信息；
[0009]确定候选账户集合中各候选账户的账户属性信息、所述候选账户交互的视频的交互视频标识以及该视频的交互视频属性信息；
[0010]根据所述候选账户、所述账户属性信息、所述交互视频标识以及所述交互视频属性信息，确定用于表示所述候选账户的账户特征信息；
[0011]根据各候选账户的账户特征信息以及所述目标视频的视频特征信息，从所述候选账户集合中确定目标账户，并将所述目标视频推荐至所述目标账户中。
[0012]可选地，所述对所述视频属性信息进行转换处理，获得用于表示所述目标视频的视频特征信息的步骤包括：
[0013]根据所述目标视频以及所述目标视频的视频属性信息，构建视频属性异构图，所述视频属性异构图中包括目标视频标识节点以及视频属性信息节点；
[0014]将所述视频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，输出视频特征信息。
[0015]可选地，所述目标视频标识节点采用由目标视频标识经由已有模型训练后的向量来表示；
[0016]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。
[0017]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：
[0018]确定多个样本视频，所述样本视频为在当前平台存在视频交互行为的热门视频；
[0019]获取各样本视频对应的样本视频属性信息；
[0020]根据所述样本视频以及对应的样本视频属性信息构建样本视频属性异构图；
[0021]采用预设的图卷积神经网络学习器对所述样本视频属性异构图进行学习，生成第一图卷积神经网络模型。
[0022]可选地，所述根据所述候选账户、所述账户属性信息、所述交互视频标识以及所述交互视频属性信息，确定用于表示所述候选账户的账户特征信息的步骤包括：
[0023]根据所述候选账户、所述账户属性信息、所述交互视频标识以及所述交互视频属性信息，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交互视频标识节点、交互视频属性信息节点、候选账户节点以及账户属性信息节点；
[0024]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，输出账户特征信息。
[0025]可选地，所述候选账户节点采用由所述候选账户经由已有模型训练后的向量来表示；
[0026]所述交互视频标识节点采用由交互视频标识经由已有模型训练后的向量来表示；
[0027]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；
[0028]所述交互视频属性信息节点由所述交互视频属性信息表示，或者，由所述交互视频属性信息经由已有模型训练后的向量来表示，或者由所述交互视频属性信息以及所述交互视频属性信息经由已有模型训练后的向量进行联合表示。
[0029]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：
[0030]确定多个样本视频，所述样本视频为在当前平台存在视频交互行为的热门视频；
[0031]获取各样本视频对应的样本视频属性信息；
[0032]确定对所述样本视频存在交互行为的账户作为样本账户；
[0033]获取各样本账户对应的样本账户属性信息；
[0034]根据所述样本账户、所述样本账户属性信息、所述样本视频的视频标识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；
[0035]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。
[0036]可选地，所述根据各候选账户的账户特征信息以及所述目标视频的视频特征信息，从所述候选账户集合中确定目标账户的步骤包括：
[0037]将所述视频特征信息与各候选账户的账户特征信息输入至已训练的匹配模型，并获取所述匹配模型输出的所述视频特征信息与各候选账户的账户特征信息的匹配分数；
[0038]在所述候选账户集合中选取匹配分数排序在前的一个或多个候选账户作为目标账户。
[0039]根据本公开实施例的第二方面，提供一种视频推荐装置，包括：
[0040]视频属性信息获取单元，被配置为获取目标视频的视频属性信息，其中，所述目标视频为在当前平台未存在视频交互行为的视频或者存在的视频交互行为不满足预设条件的视频；
[0041]视频本文档来自技高网...
【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：获取目标视频的视频属性信息，其中，所述目标视频为在当前平台未存在视频交互行为的视频或者存在的视频交互行为不满足预设条件的视频；对所述视频属性信息进行转换处理，获得用于表示所述目标视频的视频特征信息；确定候选账户集合中各候选账户的账户属性信息、所述候选账户交互的视频的交互视频标识以及该视频的交互视频属性信息；根据所述候选账户、所述账户属性信息、所述交互视频标识以及所述交互视频属性信息，确定用于表示所述候选账户的账户特征信息；根据各候选账户的账户特征信息以及所述目标视频的视频特征信息，从所述候选账户集合中确定目标账户，并将所述目标视频推荐至所述目标账户中。2.根据权利要求1所述的视频推荐方法，其特征在于，所述对所述视频属性信息进行转换处理，获得用于表示所述目标视频的视频特征信息的步骤包括：根据所述目标视频以及所述目标视频的视频属性信息，构建视频属性异构图，所述视频属性异构图中包括目标视频标识节点以及视频属性信息节点；将所述视频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，输出视频特征信息。3.根据权利要求2所述的方法，其特征在于，所述目标视频标识节点采用由目标视频标识经由已有模型训练后的向量来表示；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。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：确定多个样本视频，所述样本视频为在当前平台存在视频交互行为的热门视频；获取各样本视频对应的样本视频属性信息；根据所述样本视频以及对应的样本视频属性信息构建样本视频属性异构图；采用预设的图卷积神经网络学习器对所述样本视频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，所述根据所述候选账户、所述账户属性信息、所述交互视频标识以及所述交互视频属性信息，确定用于表示所述候选账户的账户特征信息的步骤包括：根据所述候选账户、所述账户属性信息、所述交互视频标识以及所述交互视频属性信息，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交互视频标识节点、交互视频属性信息节点、候选账户节点以及账户属性信息节点；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...
【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。