一种视频推荐方法技术

本发明专利技术公开了一种视频推荐方法，其包括召回步骤，根据用户的兴趣和历史行为，在海量的视频信息中筛选出多个较小的候选数据库；排序步骤，对选出的候选数据库进行打分排序，对多个召回通道的视频内容进行不同分值的打分排序，选出最高分的视频内容推荐给用户。本视频推荐方法可以针对不同用户群体、不同的使用用户，根据用户的喜好提供精准化的视频给用户，增强使用者的用户粘度，提高使用体验感。提高使用体验感。提高使用体验感。

【技术实现步骤摘要】
一种视频推荐方法


[0001]本专利技术涉及视频信息大数据
，尤其具体涉及一种视频推荐方法。

技术介绍

[0002]随着科学技术的进步，信息量是越来越大，用户获取信息越来越有需求，但是却越来越不知道如何获取精准的信息。而好的推荐算法是有助于我们从海量的信息海洋中将不同的内容区分开来，用以满足用户的个性化需求，做到信息的精准化利用，提高用户的使用体验。

技术实现思路

[0003]本专利技术的目的在于提供一种视频推荐方法，其可以针对不同用户群体、不同的使用用户，根据用户的喜好提供精准化的视频给用户，增强使用者的用户粘度，提高使用体验感。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种视频推荐方法，包括：
[0005]召回步骤，根据用户的兴趣和历史行为，在海量的视频信息中筛选出多个较小的候选数据库；
[0006]排序步骤，对选出的候选数据库进行打分排序，对多个召回通道的视频内容进行不同分值的打分排序，选出最高分的视频内容推荐给用户。
[0007]优选的，所述排序步骤中首先对多个较小的候选数据库进行整体打分排序；再对每一个候选数据库中的各个视频内容进行单独打分排序，每一个候选数据都单独依序推荐出各个候选数据中的最高分视频内容推荐给用户。
[0008]优选地，所述召回步骤包括给用户画像、特征描述、协同过滤、主题建模。
[0009]优选地，所述用户画像包含用户的人群属性、历史看片、兴趣爱好、性别取向、出生年龄。
[0010]优选地，所述特征描述包含基于深度神经网络算法的对视频进行类别属性、内容分析、人群偏好和统计特征的描绘和度量描述。
[0011]优选地，所述排序步骤还包括对多个召回通道的内容进行不同维度因子的打分排序，所述不同维度因子至少包含视频新鲜度、惊喜度、画面特效度。
[0012]优选地，所述排序步骤是使用机器学习模型利用机器学习方法对所述不同维度因子进行综合排序。
[0013]优选地，所述特征描述还包括对用户对视频点赞量、评论量、转发量、完播率的描述。
[0014]优选地，所述排序步骤还包括建立用户喜好样本时间特征，根据用户喜好的改变而不断进行重新打分排序。
[0015]优选地，所述用户喜好样本时间特征取值为30天。与现有技术相比，本专利技术的有益效果如下：
[0016]1、本专利技术视频推荐方法可以针对不同用户群体、不同的使用用户，根据用户的喜好提供精准化的视频给用户，增强使用者的用户粘度，提高使用体验感。
[0017]2、本专利技术的视频推荐方法首先筛选出了较小的候选视频数据库，再对不同的候选数据库根据数据库本身进行整体打分排序，再对每一个候选数据库里面的视频进行单独打分排序，两次独立的打分排序算法，有助于快速准确的将合适用户的视频推荐给使用者。同时，对候选视频数据库的整体排序，也有利于使用者主动进行双向选择。
[0018]3、本视频推荐方法利用了深度机器学习等多种方法，从不同的维度因子对视频进行打分排序，更能匹配到使用者的使用习惯。
[0019]4、本视频推荐方法还综合了视频的点赞量、评论量、转发量和完播率；这无形当中对视频在面对用户观看使用时进行了二次打分和评价，有助于视频回归流量池的再次排序优化，有助于下一次的视频推荐给到合适的适格用户，实现了去中心化的视频推荐。
[0020]5、基于用户喜好的改变，建立了用户喜好时间特征值，一般我们以30天为用户喜好的改变取值变化。结合了用户使用习惯和爱好习惯的综合因素值。
[0021]6、对视频内容的本身也有进行特征区分，比如可以将视频内容进行特征赋值为娱乐、美食、外貌、才艺展现、宠物、恶搞、整人、教程、广告等多个方面。根据不同的候选视频集合对不同的人群进行匹配。
[0022]7、本专利技术的视频方法可以将在线服务的特征保存下来，填充和收集到用户行为或者用户画像等样本中，进行二次训练和画像，这样可以让训练更有针对性，实现数据库信息的持续迭代。
附图说明
[0023]图1为本专利技术视频方法的示意图。
具体实施方式
[0024]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]在专利技术的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0026]在专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0027]如图1所示，一种视频推荐方法，包括：
[0028]召回步骤，根据用户的兴趣和历史行为，在海量视频信息中筛选出多个较小的候选数据库A、候选数据库B、候选数据库C、候选数据库
……
[0029]所述召回步骤包括给用户画像、特征描述、协同过滤、主题建模。所述用户画像包含用户的人群属性、历史看片、兴趣爱好、性别取向、出生年龄。所述特征描述包含基于深度神经网络算法的对视频进行类别属性、内容分析、人群偏好和统计特征的描绘和度量描述。所述特征描述还包括对用户对视频点赞量、评论量、转发量、完播率的描述。本视频推荐方法还综合了视频的点赞量、评论量、转发量和完播率；这无形当中对视频在面对用户观看使用时进行了二次打分和评价，有助于视频回归流量池的再次排序优化，有助于下一次的视频推荐给到合适的适格用户，实现了去中心化的视频推荐。对视频内容的本身也有进行特征区分，比如可以将视频内容进行特征赋值为娱乐、美食、外貌、才艺展现、宠物、恶搞、整人、教程、广告等多个方面。根据不同的候选视频集合对不同的人群进行匹配。本专利技术的视频方法可以将在线服务的特征保存下来，填充和收集到用户行为或者用户画像等样本中，进行二次训练和画像，这样可以让训练更有针对性，实现数据库信息的持续迭代。
[0030]排序步骤，对选出的候选数据库进行打分排序，对多个召回通道的视频内容进行不同分值的打分排序，选出最高分的视频内容推荐给用户。本专利技术视频推荐方法可以针对不同用户群体、不同的使用用户，根据用户的喜好提供精准化的视频给用户，增强使用者的用户粘度，提高使用体验感。
[0031]所述本文档来自技高网...

【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：其包括：召回步骤，根据用户的兴趣和历史行为，在海量视频信息中筛选出多个候选数据库；排序步骤，对选出的候选数据库进行打分排序，对多个召回通道的视频内容进行不同分值的打分排序，选出最高分的视频内容推荐给用户。2.根据权利要求1所述的一种视频推荐方法，其特征在于：所述排序步骤中首先对多个候选数据库进行整体打分排序；再对每一个候选数据库中的各个视频内容进行单独打分排序，每一个候选数据都单独依序推荐出各个候选数据中的最高分视频内容推荐给用户。3.根据权利要求1所述的一种视频推荐方法，其特征在于：所述召回步骤包括给用户画像、特征描述、协同过滤、主题建模。4.根据权利要求3所述的一种视频推荐方法，其特征在于：所述用户画像包含用户的人群属性、历史看片、兴趣爱好、性别取向、出生年龄。5.根据权利要求3所述的一种视频推荐方法，其特征在于：所述特征描述包...

【专利技术属性】
技术研发人员：张欣欣，
申请(专利权)人：江苏华软智能信息科技有限公司，
类型：发明
国别省市：