视频推荐、模型训练方法、电子设备和存储介质技术

本申请实施例提供了一种视频推荐、模型训练方法、电子设备和存储介质，以提高视频推荐的准确性。所述方法包括：确定用户并确定所述用户的用户特征；从推荐视频集合中确定多个视频及其视频特征；将所述用户特征和视频特征输入到预测模型中，预测所述用户针对各视频的观看时长的等级信息；基于所述观看时长的等级信息确定推荐的目标视频，向所述用户推荐所述目标视频。能够将观看时长进行分级，从而基于该等级确定推荐的目标视频，向所述用户推荐所述目标视频，使得推荐结果更加准确，提高用户体验。验。验。

【技术实现步骤摘要】
视频推荐、模型训练方法、电子设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种视频推荐方法、一种基于视频的预测模型的训练方法、一种电子设备和一种存储介质。

技术介绍

[0002]在视频推荐场景中，通常是分析用户可能感兴趣的视频然后进行推荐。一种方式是，基于用户的历史行为信息，如点击的视频、观看的视频类型等，从而分析用户的偏好，进而确定用户可能感兴趣的视频。
[0003]例如，可获取各种类型的视频，基于用户的历史行为，基于点击的视频、视频类型等设置权重或打分，从而分析用户可能感兴趣的视频，推荐给用户观看。但是，这种方式通常推荐的是用户观看过的，或者都是同类型的视频，可能会导致用户观感疲劳，且准确性较低。

技术实现思路

[0004]本申请实施例提供了一种视频推荐方法，以提高视频推荐的准确性。
[0005]相应的，本申请实施例还提供了一种基于视频的预测模型的训练方法、一种电子设备和一种存储介质，用以保证上述系统的实现及应用。
[0006]为了解决上述问题，本申请实施例公开了一种视频推荐方法，所述方法包括：
[0007]确定用户并确定所述用户的用户特征；
[0008]从推荐视频集合中确定多个视频及其视频特征；
[0009]将所述用户特征和视频特征输入到预测模型中，预测所述用户针对各视频的观看时长的等级信息；
[0010]基于所述观看时长的等级信息确定推荐的目标视频，向所述用户推荐所述目标视频。
[0011]可选的，所述观看时长的等级信息用于表征针对视频观看时长的范围的等级；等级信息越大，视频的观看时长的范围越大。
[0012]可选的，所述等级信息与视频所在的视频分组相关，所述视频分组按照视频时长所在的时长范围划分。
[0013]可选的，所述确定所述用户的用户特征，包括：
[0014]获取所述用户的用户信息，依据所述用户信息生成用户向量；
[0015]对所述用户向量进行降维处理，得到降维向量作为用户特征。
[0016]可选的，所述从推荐视频集合中确定多个视频及其视频特征，包括：
[0017]从推荐视频集合中确定多个视频的视频信息，依据所述视频信息生成视频向量；
[0018]对所述视频向量进行降维处理，得到对应的视频特征。
[0019]可选的，所述基于所述观看时长的等级信息确定推荐的目标视频，包括：
[0020]将所述观看时长的等级信息从大到小排序，取前N个等级信息；
[0021]确定所述前N个等级信息对应的视频，作为推荐的目标视频。
[0022]本申请实施例还公开了一种基于视频的预测模型的训练方法，所述方法包括：
[0023]获取视频播放信息，所述视频播放信息包括：视频信息、播放信息和用户信息；
[0024]依据所述用户信息确定用户特征，并依据所述视频信息确定视频特征；
[0025]依据所述播放信息为视频设置等级标签；
[0026]将所述用户特征和视频特征输入到预测模型中，输出用户对视频的观看时长的等级信息；
[0027]依据所述等级信息和视频的等级标签确定损失函数，依据所述损失函数调整所述预测模型。
[0028]可选的，还包括：将视频按照视频时长所在的时长范围，划分多于一个视频分组。
[0029]可选的，所述依据所述播放信息为视频设置等级标签，包括：
[0030]针对各视频分组，将视频按照播放时长从小到大的顺序进行排序，确定排序结果；
[0031]依据所述排序结果确定至少一个分位数，依据所述分位数为视频设置等级标签。
[0032]可选的，所述依据所述用户信息确定用户特征，包括：
[0033]获取所述用户的用户信息，依据所述用户信息生成用户向量；
[0034]对所述用户向量进行降维处理，得到降维向量作为用户特征。
[0035]可选的，所述依据所述视频信息确定视频特征，包括：
[0036]确定多个视频的视频信息，依据所述视频信息生成视频向量；
[0037]对所述视频向量进行降维处理，得到对应的视频特征。
[0038]本申请实施例还公开了一种视频推荐装置，所述装置包括：
[0039]用户特征确定模块，用于确定用户并确定所述用户的用户特征；
[0040]视频特征确定模块，用于从推荐视频集合中确定多个视频及其视频特征；
[0041]预测模块，用于将所述用户特征和视频特征输入到预测模型中，预测所述用户针对各视频的观看时长的等级信息；
[0042]推荐模块，用于基于所述观看时长的等级信息确定推荐的目标视频，向所述用户推荐所述目标视频。
[0043]本申请实施例还公开了一种基于视频的预测模型的训练装置，所述装置包括：
[0044]数据获取模块，用于获取视频播放信息，所述视频播放信息包括：视频信息、播放信息和用户信息；
[0045]特征确定模块，用于依据所述用户信息确定用户特征，并依据所述视频信息确定视频特征；
[0046]标签设置模块，用于依据所述播放信息为视频设置等级标签；
[0047]模型训练模块，用于将所述用户特征和视频特征输入到预测模型中，输出用户对视频的观看时长的等级信息；依据所述等级信息和视频的等级标签确定损失函数，依据所述损失函数调整所述预测模型。
[0048]本申请实施例还公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被处理器执行时，执行如本申请实施例所述的方法。
[0049]本申请实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被处理器执行时，执行如本申请实施例所述的方法。
[0050]与现有技术相比，本申请实施例包括以下优点：
[0051]本申请实施例中，可以确定用户特征，并确定多个视频及其视频特征，然后将用户特征和视频特征输入到预测模型中，预测所述用户针对各视频的观看时长的等级信息，即用户针对各视频观看的时长的等级，能够将观看时长进行分级，从而基于该等级确定推荐的目标视频，向所述用户推荐所述目标视频，使得推荐结果更加准确，提高用户体验。
附图说明
[0052]图1是本申请的一种基于视频的预测模型的训练方法实施例的步骤流程图；
[0053]图2是本申请的一种视频推荐方法实施例的步骤流程图；
[0054]图3是本申请的另一种基于视频的预测模型的训练方法实施例的步骤流程图；
[0055]图4是本申请的另一种视频推荐方法实施例的步骤流程图；
[0056]图5是本申请一个实施例提供的示例性装置的结构示意图。
具体实施方式
[0057]为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
[0058]本申请实施例可以应用于视频推荐场景，例如针对短视频的推荐等场景。本申本文档来自技高网...

【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，所述方法包括：确定用户并确定所述用户的用户特征；从推荐视频集合中确定多个视频及其视频特征；将所述用户特征和视频特征输入到预测模型中，预测所述用户针对各视频的观看时长的等级信息；基于所述观看时长的等级信息确定推荐的目标视频，向所述用户推荐所述目标视频。2.根据权利要求1所述的方法，其特征在于，所述观看时长的等级信息用于表征针对视频观看时长的范围的等级；等级信息越大，视频的观看时长的范围越大。3.根据权利要求2所述的方法，其特征在于，所述等级信息与视频所在的视频分组相关，所述视频分组按照视频时长所在的时长范围划分。4.根据权利要求1所述的方法，其特征在于，所述确定所述用户的用户特征，包括：获取所述用户的用户信息，依据所述用户信息生成用户向量；对所述用户向量进行降维处理，得到降维向量作为用户特征。5.根据权利要求1所述的方法，其特征在于，所述从推荐视频集合中确定多个视频及其视频特征，包括：从推荐视频集合中确定多个视频的视频信息，依据所述视频信息生成视频向量；对所述视频向量进行降维处理，得到对应的视频特征。6.根据权利要求2所述的方法，其特征在于，所述基于所述观看时长的等级信息确定推荐的目标视频，包括：将所述观看时长的等级信息从大到小排序，取前N个等级信息；确定所述前N个等级信息对应的视频，作为推荐的目标视频。7.一种基于视频的预测模型的训练方法，其特征在于，所述方法包括：获取视频播放信息，所述视频播放信息包括：视频信息、播放信息和用户信息；依据所述用户信息...

【专利技术属性】
技术研发人员：孟凯，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：