一种视频推送方法及装置制造方法及图纸

本申请公开提供了一种视频推送方法及装置，其中，该方法包括：构建视频用户相关性异构图，视频用户相关性异构图包括用户、视频和视频标签，以及用户、视频和视频标签相互之间的显式关联关系；对视频用户相关性异构图进行学习，预测视频用户相关性异构图中用户、视频和视频标签相互之间的隐式关联关系；根据隐式关联关系确定每个用户对每个视频的喜好程度，解决了现有技术中采用手动标签标注、协同过滤的方式为用户进行视频推荐，对于没有推荐依据的观看行为较少的用户无法推荐，耗费人工，且难以实现准确推荐的问题。以实现准确推荐的问题。以实现准确推荐的问题。

【技术实现步骤摘要】
一种视频推送方法及装置


[0001]本专利技术涉及视频推送
，具体涉及一种视频推送方法及装置。

技术介绍

[0002]随着移动终端的普及以及移动网络的发展，观看视频已经成为大多数人生活中必不可少的娱乐消遣。因此，视频业务也成为了众多互联网公司重点发展的赛道。
[0003]在视频业务的发展中，智能推荐旨在为用户推荐其感兴趣的视频，以提高用户粘度以及用户活度。
[0004]相关技术中，采用协同过滤算法实现视频推荐，协同过滤算法分为基于视频的协同过滤以及基于用户的协同过滤，分别计算视频之间的相似度以及用户之间的相似度，并基于视频的相似或者用户的相似度给用户推荐新的视频。虽然这些方法已经被广泛应用，但是仍然存在以下不足：首先，在相关性学习方面，基于协同过滤的方法不能同时兼顾视频之间的相关性、用户之间的相关性和用户与视频之间的相关性，致使视频难以准确推送给感兴趣的用户。
[0005]其次，冷启动方面，由于协同过滤算法是基于用户行为进行视频推荐的，因此，对于新视频上线或者观看行为较少的用户，则很难根据用户行为用户感兴趣的视频。
[0006]另外，为了提高视频的推荐性能，需要耗费大量的人工与时间进行视频的标注。

技术实现思路

[0007]因此，本专利技术要解决的技术问题在于克服现有技术中采用手动标签标注、协同过滤的方式为用户进行视频推荐，对于没有推荐依据的观看行为较少的用户无法推荐，耗费人工，且难以实现准确推荐的缺陷，从而提供一种视频推送方法及装置。
[0008]为解决上述技术问题，本专利技术公开实施例至少提供一种视频推送方法及装置。
[0009]第一方面，本专利技术公开实施例提供了一种视频推送方法，包括：构建视频用户相关性异构图，所述视频用户相关性异构图包括用户、视频和视频标签，以及所述用户、所述视频和所述视频标签相互之间的显式关联关系；对所述视频用户相关性异构图进行学习，预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系；根据所述隐式关联关系确定每个用户对每个视频的喜好程度。
[0010]可选地，所述对所述视频用户相关性异构图进行学习为：通过异构神经网络对所述视频用户相关性异构图进行学习。
[0011]可选地，所述通过异构神经网络对所述视频用户相关性异构图进行学习，预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系包括：通过元路径随机游走的方式提取所述视频用户相关性异构图的至少两个异构子图；基于所述至少两个异构子图求取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征；基于所述用户表征、所述视频表征和所述标签表征，通过预设算法预测所述视频
用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系。
[0012]可选地，所述基于所述至少两个异构子图求取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征为：利用图神经网络GraphSage、结合注意力机制求取所述至少两个异构子图获取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征。
[0013]可选地，所述利用图神经网络GraphSage、结合注意力机制求取所述至少两个异构子图获取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征包括：利用图神经网络GraphSage、结合注意力机制和图自监学习获取所述视频用户相关性异构图中任意两个用户之间、任意两个视频之间以及任意两个标签之间的相关性；对所述相关性进行归一化处理，获取相关性分数；根据所述相关性分数求取所述至少两个异构子图获取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征。
[0014]可选地，所述利用图神经网络GraphSage、结合注意力机制和图自监学习获取所述视频用户相关性异构图中任意两个用户之间、任意两个视频之间以及任意两个标签之间的相关性包括：通过所述图神经网络GraphSage和所述图自监学习预测所述用户相关性异构图中任意两个节点之间存在的隐性连接；通过所述注意力机制所述视频用户相关性异构图中任意两个用户之间、任意两个视频之间以及任意两个标签之间的相关性。
[0015]可选地，所述根据所述隐式关联关系确定每个用户对每个视频的喜好程度为：通过全接连神经网络根据所述隐式关联关系确定确定每个根据所述隐式关联关系确定用户对每个视频的喜好程度。
[0016]第二方面，本专利技术公开实施例还提供一种视频推送装置，包括：异构图构建模块，用于构建视频用户相关性异构图，所述视频用户相关性异构图包括用户、视频和视频标签，以及所述用户、所述视频和所述视频标签相互之间的显式关联关系；隐式关联关系预测模块，用于对所述视频用户相关性异构图进行学习，预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系；目标视频确定模块，用于根据所述隐式关联关系确定每个用户对每个视频的喜好程度。
[0017]第三方面，本专利技术公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
[0018]第四方面，本专利技术公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
[0019]本专利技术的实施例提供的技术方案可以具有以下有益效果：通过构建视频相关性异构图来表示视频、用户、视频标签之间的关系，并利用异构图神经网络学习视频与用户的表征（embedding），最后利用神经网络来预测用户对某个视频的喜好程度，更好地捕捉视频之间、用户之间、视频与用户之间的相关性，同时降低冷启动问题对推荐性能的影响。
[0020]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0021]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1示出了本专利技术公开实施例所提供的一种视频推送方法的流程图；图2示出了本专利技术公开实施例所提供的另一种视频推送方法的流程图；图3示出了本专利技术公开实施例中用户相关性异构图结构示意图；图4示出了图2中步骤S222的一种实现方式流程示意图；图5示出了图4中步骤S2221的一种实现方式流程示意图；图6示出了本专利技术公开实施例所提供的一种视频推送装置的结构示意图；图7示出了本专利技术公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
[0023]这里将详细地对示例性实施例进行说明，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频推送方法，其特征在于，包括：构建视频用户相关性异构图，所述视频用户相关性异构图包括用户、视频和视频标签，以及所述用户、所述视频和所述视频标签相互之间的显式关联关系；对所述视频用户相关性异构图进行学习，预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系；根据所述隐式关联关系确定每个用户对每个视频的喜好程度。2.根据权利要求1所述的视频推送方法，其特征在于，所述对所述视频用户相关性异构图进行学习为：通过异构神经网络对所述视频用户相关性异构图进行学习。3.根据权利要求2所述的视频推送方法，其特征在于，所述通过异构神经网络对所述视频用户相关性异构图进行学习，预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系包括：通过元路径随机游走的方式提取所述视频用户相关性异构图的至少两个异构子图；基于所述至少两个异构子图求取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征；基于所述用户表征、所述视频表征和所述标签表征，通过预设算法预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系。4.根据权利要求3所述的视频推送方法，其特征在于，所述基于所述至少两个异构子图求取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征为：利用图神经网络GraphSage、结合注意力机制求取所述至少两个异构子图获取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征。5.根据权利要求4所述的视频推送方法，其特征在于，所述利用图神经网络GraphSage、结合注意力机制求取所述至少两个异构子图获取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征包括：利用图神经网络GraphSage、结合注意力机制和图自监学习获取所述视频用户相关性异构图中任意两个用户之间、任意两个视频之间以及任意两个标签之间的相关性；对所述相关性进行归一化处...

【专利技术属性】
技术研发人员：覃克春，李冠锐，
申请(专利权)人：深圳市华曦达科技股份有限公司，
类型：发明
国别省市：