视频推荐方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种视频推荐方法、装置、设备及计算机可读存储介质，视频推荐方法包括：根据为用户播放的视频，确定所述视频的特征信息；根据所述特征信息确定预训练好的多个预测网络模型中的目标模型，将所述特征信息输入至目标模型进行模型训练，得到目标特征信息；确定多个待播放视频中和所述目标特征信息匹配的匹配视频，将所述匹配视频作为所述用户的目标待播放视频。本发明专利技术避免了视频推荐的视频为定性视频，无法根据当前播放的视频进行调整推荐的现象发生。荐的现象发生。荐的现象发生。

【技术实现步骤摘要】
视频推荐方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种视频推荐方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]当前的视频软件里的短视频，都是根据用户行为推荐的视频内容，视频都是离线或异步计算好的，需要先采集用户行为数据，经过大数据模型推算出用户感兴趣的内容。也就是在推荐视频之前，会先计算好所有的待推荐的视频，并将其放置在内容池中依次进行推荐，即推荐的所有视频都是定性的视频，不能进行调整。

技术实现思路

[0003]本专利技术的主要目的在于提供一种视频推荐方法、装置、设备及计算机可读存储介质，旨在解决目前视频推荐的视频为定性视频，无法根据当前播放的视频进行调整推荐的技术问题。
[0004]为实现上述目的，本专利技术提供一种视频推荐方法，包括以下步骤：
[0005]根据为用户播放的视频，确定所述视频的特征信息；
[0006]根据所述特征信息确定预训练好的多个预测网络模型中的目标模型，将所述特征信息输入至目标模型进行模型训练，得到目标特征信息；
[0007]确定多个待播放视频中和所述目标特征信息匹配的匹配视频，将所述匹配视频作为所述用户的目标待播放视频。
[0008]可选地，根据所述特征信息确定预训练好的多个预测网络模型中的目标模型的步骤，包括：
[0009]根据所述特征信息，确定所述特征信息的数量和/或所述特征信息中是否包含所述视频的主题信息；
[0010]根据所述特征信息的数量和/或所述特征信息中是否包括所述视频的主题信息，确定预训练好的多个预测网络模型中的目标模型。
[0011]可选地，根据所述特征信息的数量和/或所述特征信息中是否包括所述视频的主题信息，确定预训练好的多个预测网络模型中的目标模型的步骤，包括：
[0012]若所述特征信息的数量小于或等于预设阈值，则将预训练好的多个预测网络模型中的跳字模型作为目标模型；
[0013]若所述特征信息的数量大于预设阈值，且所述特征信息不包含所述视频的主题信息，则将预训练好的多个预测网络模型中的连接词袋模型作为目标模型；
[0014]若所述特征信息的数量大于预设阈值，且所述特征信息包含所述视频的主题信息，则将预训练好的多个预测网络模型中的循环神经网络模型作为目标模型。
[0015]可选地，将所述匹配视频作为所述用户的目标待播放视频的步骤之后，还包括：
[0016]播放所述目标待播放视频，并执行所述根据为用户播放的视频，确定所述视频的
特征信息的步骤。
[0017]可选地，确定所述视频的特征信息的步骤，包括：
[0018]识别所述视频中的参数特征，并根据所述参数特征切割所述视频，得到视频片段，提取所述视频片段中的特征信息。
[0019]可选地，根据所述参数特征切割所述视频，得到视频片段的步骤，包括：
[0020]若所述参数特征为画面台词内容，则确定所述画面台词内容对应的台词间隔，根据所述台词间隔切割所述视频，得到视频片段；或，
[0021]若所述参数特征为背景画面，则确定所述背景画面的背景变化率，根据所述背景变化率切割所述视频，得到视频片段；或，
[0022]若所述参数特征为生物体图像，则确定所述生物体图像对应的生物体变化量，根据所述生物体变化量切割所述视频，得到视频片段。
[0023]可选地，将所述特征信息输入至目标模型进行模型训练，得到目标特征信息的步骤，还包括：
[0024]若接收到用户输入的输入信息，则根据所述特征信息的格式对所述输入信息进行格式转换，并将进行格式转换后的所述输入信息和所述特征信息共同输入至目标模型进行模型训练，得到目标特征信息。
[0025]此外，为实现上述目的，本专利技术还提供一种视频推荐装置，包括：
[0026]确定模块，用于根据为用户播放的视频，确定所述视频的特征信息；
[0027]训练模块，用于根据所述特征信息确定预训练好的多个预测网络模型中的目标模型，将所述特征信息输入至目标模型进行模型训练，得到目标特征信息；
[0028]匹配模块，用于确定多个待播放视频中和所述目标特征信息匹配的匹配视频，将所述匹配视频作为所述用户的目标待播放视频。
[0029]此外，为实现上述目的，本专利技术还提供一种视频推荐设备，视频推荐设备包括存储器、处理器及存储在存储器上并可在处理器上运行的视频推荐程序，视频推荐程序被处理器执行时实现如上述的视频推荐方法的步骤。
[0030]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，计算机可读存储介质上存储有视频推荐程序，视频推荐程序被处理器执行时实现如上述的视频推荐方法的步骤。
[0031]本专利技术通过确定为用户播放的视频中的特征信息，将特征信息输入到预测网络模型中的目标模型进行模型训练，得到目标特征信息，再从所有待播放视频中选择一个和目标特征信息匹配的匹配视频作为目标待播放视频，从而可以实现根据当前播放的视频预测后续的目标待播放视频，避免了后续的目标待播放视频为定性视频，不能根据当前播放的视频进行调整推荐的现象发生，并且由于目标待播放视频是根据播放的视频来获取的，因此获取的目标待播放视频和播放的视频之间存在关联关系，两者并不是相互独立的，使得用户在观看完成播放的视频后，又能继续观看与之关联的目标待播放视频，提高了用户的观看兴趣。
附图说明
[0032]图1是本专利技术实施例方案涉及的硬件运行环境的终端\装置结构示意图；
[0033]图2为本专利技术视频推荐方法第一实施例的流程示意图；
[0034]图3为本专利技术视频推荐装置的装置单元示意图；
[0035]图4为本专利技术视频推荐方法中循环推荐视频的示意图；
[0036]图5为本专利技术视频推荐方法中一场景下的视频推荐流程示意图；
[0037]图6为本专利技术视频推荐方法中各词汇的矢量转换示意图。
[0038]本专利技术目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0039]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0040]如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的终端结构示意图。
[0041]本专利技术实施例终端为视频推荐设备。
[0042]如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI
‑
FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non
‑
volatile m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，所述视频推荐方法包括以下步骤：根据为用户播放的视频，确定所述视频的特征信息；根据所述特征信息确定预训练好的多个预测网络模型中的目标模型，将所述特征信息输入至目标模型进行模型训练，得到目标特征信息；确定多个待播放视频中和所述目标特征信息匹配的匹配视频，将所述匹配视频作为所述用户的目标待播放视频。2.如权利要求1所述的视频推荐方法，其特征在于，所述根据所述特征信息确定预训练好的多个预测网络模型中的目标模型的步骤，包括：根据所述特征信息，确定所述特征信息的数量和/或所述特征信息中是否包含所述视频的主题信息；根据所述特征信息的数量和/或所述特征信息中是否包括所述视频的主题信息，确定预训练好的多个预测网络模型中的目标模型。3.如权利要求2所述的视频推荐方法，其特征在于，所述根据所述特征信息的数量和/或所述特征信息中是否包括所述视频的主题信息，确定预训练好的多个预测网络模型中的目标模型的步骤，包括：若所述特征信息的数量小于或等于预设阈值，则将预训练好的多个预测网络模型中的跳字模型作为目标模型；若所述特征信息的数量大于预设阈值，且所述特征信息不包含所述视频的主题信息，则将预训练好的多个预测网络模型中的连接词袋模型作为目标模型；若所述特征信息的数量大于预设阈值，且所述特征信息包含所述视频的主题信息，则将预训练好的多个预测网络模型中的循环神经网络模型作为目标模型。4.如权利要求1所述的视频推荐方法，其特征在于，所述将所述匹配视频作为所述用户的目标待播放视频的步骤之后，还包括：播放所述目标待播放视频，并执行所述根据为用户播放的视频，确定所述视频的特征信息的步骤。5.如权利要求1所述的视频推荐方法，其特征在于，所述确定所述视频的特征信息的步骤，包括：识别所述视频中的参数特征，并根据所述参数特征切割所述视频，得到视频片段，提取所述视频片段中...

【专利技术属性】
技术研发人员：刘京川，
申请(专利权)人：咪咕文化科技有限公司中国移动通信集团有限公司，
类型：发明
国别省市：