本发明专利技术公开了一种视频推荐方法、系统、装置及存储介质，方法包括：获取第一视频用户的第一用户结构图，通过图遍历算法对第一用户结构图进行遍历处理得到第一视频用户的第一特征集合；获取第一视频用户的第一视频结构图，通过图遍历算法对第一视频结构图进行遍历处理得到第一视频用户的第二特征集合；确定第一特征集合和第二特征集合中各个特征之间的关联度；根据关联度确定监督数据，根据第一特征集合和第二特征集合确定训练样本，将监督数据和训练样本输入到预先构建的神经网络模型，得到训练好的视频推荐模型，根据视频推荐模型确定视频推荐结果。本发明专利技术使得视频推荐结果更加贴合用户的喜好，提高了用户的体验，可广泛应用于视频推荐技术领域。用于视频推荐技术领域。用于视频推荐技术领域。
【技术实现步骤摘要】
一种视频推荐方法、系统、装置及存储介质
[0001]本专利技术涉及视频推荐
，尤其是一种视频推荐方法、系统、装置及存储介质。
技术介绍
[0002]短视频即短片视频，是一种互联网内容传播方式，一般是指在互联网新媒体上传播的时长在30分钟以内的视频。随着移动终端的普及和网络的提速，短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐。
[0003]现有技术中，在进行短视频推荐的过程中存在推荐能力不够全面、缺少根据用户紧密度和用户属性特征作为主特征进行短视频推荐的问题，导致视频推荐的结果并不能准确地贴合用户的喜好，影响了用户的体验。
技术实现思路
[0004]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0005]为此，本专利技术实施例的一个目的在于提供一种视频推荐方法，该方法通过对视频用户的用户结构图和视频结构图进行特征分析和关联度匹配，可以实现对视频用户的深度解析，从而可以结合视频用户的属性特征进行更加准确地视频推荐，使得视频推荐结果更加贴合用户的喜好，提高了用户的体验。
[0006]本专利技术实施例的另一个目的在于提供一种视频推荐系统。
[0007]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0008]第一方面，本专利技术实施例提供了一种视频推荐方法，包括以下步骤：
[0009]获取第一视频用户的第一用户结构图，通过图遍历算法对所述第一用户结构图进行遍历处理，得到所述第一视频用户的第一特征集合；<br/>[0010]获取所述第一视频用户的第一视频结构图，通过图遍历算法对所述第一视频结构图进行遍历处理，得到所述第一视频用户的第二特征集合；
[0011]确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度；
[0012]根据所述关联度确定监督数据，并根据所述第一特征集合和所述第二特征集合确定训练样本，将所述监督数据和所述训练样本输入到预先构建的神经网络模型，得到训练好的视频推荐模型，进而根据所述视频推荐模型确定视频推荐结果。
[0013]进一步地，在本专利技术的一个实施例中，所述通过图遍历算法对所述第一用户结构图进行遍历处理，得到所述第一视频用户的第一特征集合这一步骤，其具体包括：
[0014]通过图遍历算法对所述第一用户结构图进行遍历，得到第一视频用户的多个第一用户特征；
[0015]对多个所述第一用户特征进行去中心化处理，得到第三特征集合；
[0016]确定所述第三特征集合的第一协方差矩阵，进而确定所述第一协方差矩阵的第一特征向量；
[0017]将多个所述第一用户特征投影到所述第一特征向量，得到所述第一特征集合。
[0018]进一步地，在本专利技术的一个实施例中，所述通过图遍历算法对所述第一视频结构图进行遍历处理，得到所述第一视频用户的第二特征集合这一步骤，其具体包括：
[0019]通过图遍历算法对所述第一视频结构图进行遍历，得到第一视频用户的多个第一视频特征；
[0020]对多个所述第一视频特征进行去中心化处理，得到第四特征集合；
[0021]确定所述第四特征集合的第二协方差矩阵，进而确定所述第二协方差矩阵的第二特征向量；
[0022]将多个所述第一视频特征投影到所述第二特征向量，得到所述第二特征集合。
[0023]进一步地，在本专利技术的一个实施例中，所述确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度这一步骤，其具体包括：
[0024]对所述第一特征集合和所述第二特征集合进行曲线拟合，获得数据拟合程度；
[0025]根据所述数据拟合程度确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度。
[0026]进一步地，在本专利技术的一个实施例中，所述根据所述数据拟合程度确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度这一步骤，其具体包括：
[0027]根据所述数据拟合程度确定所述第一特征集合和所述第二特征集合中各个特征之间的关联关系；
[0028]对所述关联关系进行聚类分析，得到第一聚类结果；
[0029]根据所述第一聚类结果确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度。
[0030]进一步地，在本专利技术的一个实施例中，所述将所述监督数据和所述训练样本输入到预先构建的神经网络模型，得到训练好的视频推荐模型这一步骤，其具体包括：
[0031]根据所述监督数据和所述训练样本确定训练数据集；
[0032]将所述训练数据集输入到预先构建的神经网络模型，得到预测视频推荐结果；
[0033]根据所述预测视频推荐结果和所述监督数据确定所述神经网络模型的损失值；
[0034]根据所述损失值通过反向传播算法更新所述神经网络模型的参数；
[0035]当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的视频推荐模型。
[0036]进一步地，在本专利技术的一个实施例中，所述根据所述视频推荐模型确定视频推荐结果这一步骤，其具体包括：
[0037]获取第二视频用户的第二用户结构图和第二视频结构图；
[0038]根据所述第二用户结构图确定第三特征集合，并根据所述第二视频结构图确定第四特征集合；
[0039]将所述第三特征集合和所述第四特征集合输入到所述视频推荐模型，得到所述第二视频用户的视频推荐结果。
[0040]第二方面，本专利技术实施例提供了一种视频推荐系统，包括：
[0041]第一特征集合确定模块，用于获取第一视频用户的第一用户结构图，通过图遍历算法对所述第一用户结构图进行遍历处理，得到所述第一视频用户的第一特征集合；
[0042]第二特征集合确定模块，用于获取所述第一视频用户的第一视频结构图，通过图遍历算法对所述第一视频结构图进行遍历处理，得到所述第一视频用户的第二特征集合；
[0043]关联度确定模块，用于确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度；
[0044]模型训练及视频推荐模块，用于根据所述关联度确定监督数据，并根据所述第一特征集合和所述第二特征集合确定训练样本，将所述监督数据和所述训练样本输入到预先构建的神经网络模型，得到训练好的视频推荐模型，进而根据所述视频推荐模型确定视频推荐结果。
[0045]第三方面，本专利技术实施例提供了一种视频推荐装置，包括：
[0046]至少一个处理器；
[0047]至少一个存储器，用于存储至少一个程序；
[0048]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种视频推荐方法。
[0049]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种视频推荐方法。
[0050]本专利技术的优点和有益效果将在下面的本文档来自技高网...
【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，包括以下步骤：获取第一视频用户的第一用户结构图，通过图遍历算法对所述第一用户结构图进行遍历处理，得到所述第一视频用户的第一特征集合；获取所述第一视频用户的第一视频结构图，通过图遍历算法对所述第一视频结构图进行遍历处理，得到所述第一视频用户的第二特征集合；确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度；根据所述关联度确定监督数据，并根据所述第一特征集合和所述第二特征集合确定训练样本，将所述监督数据和所述训练样本输入到预先构建的神经网络模型，得到训练好的视频推荐模型，进而根据所述视频推荐模型确定视频推荐结果。2.根据权利要求1所述的一种视频推荐方法，其特征在于，所述通过图遍历算法对所述第一用户结构图进行遍历处理，得到所述第一视频用户的第一特征集合这一步骤，其具体包括：通过图遍历算法对所述第一用户结构图进行遍历，得到第一视频用户的多个第一用户特征；对多个所述第一用户特征进行去中心化处理，得到第三特征集合；确定所述第三特征集合的第一协方差矩阵，进而确定所述第一协方差矩阵的第一特征向量；将多个所述第一用户特征投影到所述第一特征向量，得到所述第一特征集合。3.根据权利要求1所述的一种视频推荐方法，其特征在于，所述通过图遍历算法对所述第一视频结构图进行遍历处理，得到所述第一视频用户的第二特征集合这一步骤，其具体包括：通过图遍历算法对所述第一视频结构图进行遍历，得到第一视频用户的多个第一视频特征；对多个所述第一视频特征进行去中心化处理，得到第四特征集合；确定所述第四特征集合的第二协方差矩阵，进而确定所述第二协方差矩阵的第二特征向量；将多个所述第一视频特征投影到所述第二特征向量，得到所述第二特征集合。4.根据权利要求1所述的一种视频推荐方法，其特征在于，所述确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度这一步骤，其具体包括：对所述第一特征集合和所述第二特征集合进行曲线拟合，获得数据拟合程度；根据所述数据拟合程度确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度。5.根据权利要求4所述的一种视频推荐方法，其特征在于，所述根据所述数据拟合程度确定所述第一特征集合和所述第二特征集合中各个特征之间的关联度这一步骤，其具体包括：根据所述数据拟合程度确定所述第一特征集合和所述第二特征集合中各个特征之间的关联关系；对所述关联关系进行聚类分析，得到第一...
【专利技术属性】
技术研发人员：郝德禄，肖冠正，
申请(专利权)人：天翼爱音乐文化科技有限公司，
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。