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：