一种视频推荐方法、装置、计算机设备和计算机程序产品制造方法及图纸

本申请实施例公开了一种视频推荐方法、装置、计算机设备和计算机程序产品；本申请实施例可以应用于云技术、人工智能、智慧交通等各种场景。本申请实施例可以获取视频客户端中待推荐对象的描述信息；在多个不同的转换分支下对描述信息进行转换处理，得到转换后描述信息，其中，一个转换分支对应一种转换逻辑；对转换后描述信息进行特征提取，得到待推荐对象的描述特征；计算描述特征和候选推荐视频的视频特征之间的关联度信息；基于关联度信息从候选推荐视频中筛选出待推荐对象的目标推荐视频，从而提高对待推荐对象推荐视频的准确率。从而提高对待推荐对象推荐视频的准确率。从而提高对待推荐对象推荐视频的准确率。

【技术实现步骤摘要】
一种视频推荐方法、装置、计算机设备和计算机程序产品


[0001]本申请涉及计算机
，具体涉及一种视频推荐方法、装置、计算机设备和计算机程序产品。

技术介绍

[0002]随着互联网的普及，网络视频平台的发展，多媒体内容不断丰富，视频数量不断膨胀，对象需要花费大量的精力和时间从庞大的内容中查找自己感兴趣的视频。为了帮助对象快速从海量信息数据中，获取到其所需的信息，视频推荐系统应运而生。推荐系统的出现，改变了对象与信息数据的互动方式，由对象主动获取信息转变为将信息主动推送给对象。
[0003]在现有技术中，在对视频进行推荐时，一般是根据对象在视频客户端中历史观看过的视频预测对象的潜在兴趣点，进而向对象推荐满足其喜好的视频。但是，对于视频客户端的新对象而言，由于新对象在视频客户端中并没有观看历史痕迹，所以无法准确地为新对象推荐视频。

技术实现思路

[0004]本申请实施例提出了一种视频推荐方法、装置、计算机设备和计算机程序产品，可以提高为对象推荐视频的准确率。
[0005]本申请实施例提供了一种视频推荐方法，包括：
[0006]获取视频客户端中待推荐对象的描述信息；
[0007]在多个不同的转换分支下对所述描述信息进行转换处理，得到转换后描述信息，其中，一个转换分支对应一种转换逻辑；
[0008]对所述转换后描述信息进行特征提取，得到所述待推荐对象的描述特征；
[0009]计算所述描述特征和候选推荐视频的视频特征之间的关联度信息；
[0010]基于所述关联度信息从所述候选推荐视频中筛选出所述待推荐对象的目标推荐视频。
[0011]相应的，本申请实施例还提供了一种视频推荐装置，包括：
[0012]第一获取单元，用于获取视频客户端中待推荐对象的描述信息；
[0013]第一转换单元，用于在多个不同的转换分支下对所述描述信息进行转换处理，得到转换后描述信息，其中，一个转换分支对应一种转换逻辑；
[0014]第一特征提取单元，用于对所述转换后描述信息进行特征提取，得到所述待推荐对象的描述特征；
[0015]第一计算单元，用于计算所述描述特征和候选推荐视频的视频特征之间的关联度信息；
[0016]第一筛选单元，用于基于所述关联度信息从所述候选推荐视频中筛选出所述待推荐对象的目标推荐视频。
[0017]在一实施例中，所述第一转换单元，包括：
[0018]第一筛选子单元，用于在多个预设候选转换分支中筛选出所述转换分支；
[0019]转换处理子单元，用于基于所述转换分支的转换逻辑，对所述描述信息进行转换处理，得到初始转换后描述信息；
[0020]第一融合子单元，用于将每个转换分支对应的初始转换后描述信息进行融合，得到所述转换后描述信息。
[0021]在一实施例中，融合子单元，包括：
[0022]线性运算处理模块，用于对所述初始转换后描述信息进行线性运算处理，得到线性运算后描述信息；
[0023]非线性转换处理模块，用于将所述线性运算后描述信息进行非线性转换处理，得到非线性转换后描述信息；
[0024]累加运算模块，用于将每个分支对应的非线性转换后描述信息进行累加运算，得到所述转换后描述信息。
[0025]在一实施例中，所述视频推荐装置，包括：
[0026]第二转换单元，用于在预设转换模型中的多个转换分支对所述描述信息进行转换处理，得到转换后描述信息；
[0027]第二特征提取单元，用于利用预设特征提取模型对所述转换后描述信息进行特征提取，得到所述待推荐对象的描述特征。
[0028]在一实施例中，所述视频推荐装置，还包括：
[0029]第二获取单元，用于获取对象训练样本的描述信息样本、待训练转换模型和待训练特征提取模型；
[0030]第三转换单元，用于在所述待训练转换模型中多个待训练转换分支下对所述描述信息样本进行转换处理，得到转换后描述信息样本；
[0031]第三特征提取单元，用于利用所述待训练特征提取模型对所述转换后描述信息样本进行特征提取，得到所述对象训练样本的描述特征样本；
[0032]第二计算单元，用于基于所述转换后描述信息样本和描述特征样本计算训练损失信息；
[0033]第一调整单元，用于基于所述训练损失信息对所述待训练转换模型和所述待训练特征提取模型进行调整处理，得到所述预设转换模型和所述预设特征提取模型。
[0034]在一实施例中，所述第三特征提取单元，包括：
[0035]第一获取子单元，用于获取所述对象训练样本的描述信息标签；
[0036]第二筛选子单元，用于在所述描述信息标签和所述转换后描述信息样本中筛选出目标输入描述信息；
[0037]第一特征提取子单元，用于利用所述待训练特征提取模型对所述目标输入描述信息进行特征提取，得到所述描述特征样本。
[0038]在一实施例中，所述第二计算单元，包括：
[0039]第一计算子单元，用于计算所述转换后描述信息样本和预设描述信息标签之间的损失，得到第一损失信息；
[0040]第二计算子单元，用于计算所述描述特征样本和预设描述特征标签之间的损失，
得到第二损失信息；
[0041]第二融合子单元，用于将所述第一损失信息和所述第二损失信息进行融合，得到所述训练损失信息。
[0042]在一实施例中，所述第一获取单元，包括：
[0043]第二获取子单元，用于获取所述待推荐对象在所述视频客户端中的时间信息；
[0044]匹配子单元，用于将所述时间信息和预设时间阈值进行匹配；
[0045]第三获取子单元，用于当所述时间信息和预设时间阈值相匹配时，获取视频客户端中待推荐对象的描述信息。
[0046]在一实施例中，所述视频推荐装置，还包括：
[0047]第三获取单元，用于当所述时间信息和所述预设时间阈值不相匹配时，获取所述待推荐对象的视频取向映射信息；
[0048]第四特征提取单元，用于对所述待推荐对象的视频取向映射信息进行特征提取，得到所述待推荐对象的视频取向特征；
[0049]第三计算单元，用于计算所述视频取向特征和候选推荐视频的视频特征之间的关联度信息；
[0050]第二筛选单元，用于基于所述关联度信息从所述候选推荐视频中筛选出所述待推荐对象的目标推荐视频。
[0051]在一实施例中，所述视频推荐装置，还包括：
[0052]第四获取单元，用于获取对象训练样本和视频训练样本之间的交互特征；
[0053]第三筛选单元，用于基于所述交互特征，在所述视频训练样本中筛选出所述对象训练样本的强互动视频训练样本和弱互动视频训练样本；
[0054]第四计算单元，用于计算所述强互动视频训练样本的视频映射信息和所述弱互动视频训练样本的视频映射信息之间的损失信息；
[0055]第二调整单元，用于基于所述损失信息对本文档来自技高网...

【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，包括：获取视频客户端中待推荐对象的描述信息；在多个不同的转换分支下对所述描述信息进行转换处理，得到转换后描述信息，其中，一个转换分支对应一种转换逻辑；对所述转换后描述信息进行特征提取，得到所述待推荐对象的描述特征；计算所述描述特征和候选推荐视频的视频特征之间的关联度信息；基于所述关联度信息从所述候选推荐视频中筛选出所述待推荐对象的目标推荐视频。2.如权利要求1所述的方法，其特征在于，所述在多个不同的转换分支上对所述描述信息进行转换处理，得到转换后描述信息，其中，一个分支对应一种转换逻辑，包括：在多个预设候选转换分支中筛选出所述转换分支；基于所述转换分支的转换逻辑，对所述描述信息进行转换处理，得到初始转换后描述信息；将每个转换分支对应的初始转换后描述信息进行融合，得到所述转换后描述信息。3.如权利要求2所述的方法，其特征在于，所述将每个分支对应的初始转换后描述信息进行融合，得到所述转换后描述信息，包括：对所述初始转换后描述信息进行线性运算处理，得到线性运算后描述信息；将所述线性运算后描述信息进行非线性转换处理，得到非线性转换后描述信息；将每个分支对应的非线性转换后描述信息进行累加运算，得到所述转换后描述信息。4.如权利要求1所述的方法，其特征在于，所述在多个不同的分支上对所述描述信息进行转换处理，得到转换后描述信息，包括：在预设转换模型中的多个转换分支对所述描述信息进行转换处理，得到转换后描述信息；所述对所述转换后描述信息进行特征提取，得到所述待推荐对象的描述特征，包括：利用预设特征提取模型对所述转换后描述信息进行特征提取，得到所述待推荐对象的描述特征。5.如权利要求4所述的方法，其特征在于，所述在预设转换模型中的多个转换分支对所述描述信息进行转换处理，得到转换后描述信息之前，还包括：获取对象训练样本的描述信息样本、待训练转换模型和待训练特征提取模型；在所述待训练转换模型中多个待训练转换分支下对所述描述信息样本进行转换处理，得到转换后描述信息样本；利用所述待训练特征提取模型对所述转换后描述信息样本进行特征提取，得到所述对象训练样本的描述特征样本；基于所述转换后描述信息样本和描述特征样本计算训练损失信息；基于所述训练损失信息对所述待训练转换模型和所述待训练特征提取模型进行调整处理，得到所述预设转换模型和所述预设特征提取模型。6.如权利要求5所述的方法，其特征在于，所述利用所述待训练特征提取模型对所述转换后描述信息样本进行特征提取，得到所述对象训练样本的描述特征样本，包括：获取所述对象训练样本的描述信息标签；在所述描述信息标签和所述转换后描述信息样本中筛选出目标输入描述信息；
利用所述待训练特征提取模型对所述目标输入描述信息进行特征提取，得到所述描述特征样本。7.如权利要求5所述的方法，其特征在于，所述基于所述转换后描述信息样本和描述特征样本计算训练损失信息，包括：计算所述转换后描述信息样本和预设描述信息标签之间的损失，得到第一损失信息；计算所述描述特征...

【专利技术属性】
技术研发人员：陈昊，林一施，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：