视频推荐方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种视频推荐方法、装置、电子设备及存储介质，涉及人工智能领域，尤其涉及大数据、智能搜索、深度学习领域。具体实现方案为：根据视频数据的属性信息和目标筛选条件，从多个视频数据中确定N个候选视频数据，N是大于等于1的整数；根据N个候选视频数据各自的预定信息，确定N个候选视频数据各自的文本信息；预定信息包括图像信息和音频信息中的至少一个；根据N个候选视频数据中至少一部分候选视频数据的准确性，确定N个候选视频数据的准确率；响应于检测到N个候选视频数据的准确率大于等于准确率阈值，根据N个候选视频数据各自的文本信息，从N个候选视频数据中确定目标视频数据；以及根据目标视频数据，进行视频推荐。推荐。推荐。

【技术实现步骤摘要】
视频推荐方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，尤其涉及大数据、智能搜索、深度学习领域，更具体地，本公开提供了一种视频推荐方法、装置、电子设备、存储介质以及计算机程序产品。

技术介绍

[0002]随着互联网技术的飞速发展，海量视频资源被上传到网络中，同时需求不同的广大用户需要根据自身需求从网络中获取这些视频资源。一些搜索引擎会将视频资源分成影视、音乐、游戏、动漫等不同的类型，来有效满足用户的搜索需求。但是实际应用中，搜索引擎推荐的视频仍与用户的搜索预期存在较大差距。

技术实现思路

[0003]本公开提供了一种视频推荐方法、装置、电子设备、存储介质以及计算机程序产品。
[0004]根据本公开的一方面，提供了一种视频推荐方法，包括：根据视频数据的属性信息和目标筛选条件，从多个视频数据中确定N个候选视频数据，N是大于等于1的整数；根据N个候选视频数据各自的预定信息，确定N个候选视频数据各自的文本信息；预定信息包括图像信息和音频信息中的至少一个；根据N个候选视频数据中至少一部分候选视频数据的准确性，确定N个候选视频数据的准确率；响应于检测到N个候选视频数据的准确率大于等于准确率阈值，根据N个候选视频数据各自的文本信息，从N个候选视频数据中确定目标视频数据；以及根据目标视频数据，进行视频推荐。
[0005]根据本公开的另一方面，提供了一种视频推荐装置，包括：第一确定模块、第二确定模块、第三确定模块、第四确定模块以及推荐模块。第一确定模块用于根据视频数据的属性信息和目标筛选条件，从多个视频数据中确定N个候选视频数据，N是大于等于1的整数。第二确定模块用于根据N个候选视频数据各自的预定信息，确定N个候选视频数据各自的文本信息；预定信息包括图像信息和音频信息中的至少一个。第三确定模块用于根据N个候选视频数据中至少一部分候选视频数据的准确性，确定N个候选视频数据的准确率。第四确定模块用于响应于检测到N个候选视频数据的准确率大于等于准确率阈值，根据N个候选视频数据各自的文本信息，从N个候选视频数据中确定目标视频数据。推荐模块用于根据目标视频数据，进行视频推荐。
[0006]根据本公开的另一个方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提供的方法。
[0007]根据本公开的另一个方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开提供的方法。
[0008]根据本公开的另一个方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开提供的方法。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1是根据本公开实施例的视频推荐方法和装置的应用场景示意图；
[0012]图2是根据本公开实施例的视频推荐方法的示意流程图；
[0013]图3是根据本公开实施例的确定候选视频数据准确率方法的示意流程图；
[0014]图4是根据本公开实施例的确定目标视频数据方法的示意流程图；
[0015]图5是根据本公开实施例的调整目标筛选条件的方法的示意流程图；
[0016]图6是根据本公开实施例的视频推荐方法的示意原理图；
[0017]图7是根据本公开实施例的视频推荐装置的示意结构框图；以及
[0018]图8是用来实施本公开实施例的视频推荐方法的电子设备的结构框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]在一些实施例中，可以根据评论量、转发量等信息，来实现视频资源的推荐。然而该种方案的推荐准确性较低，搜索引擎推荐给用户的视频资源与用户的预期存在较大差距，影响用户体验。
[0021]此外，随着用户需求的变化，笔记类型的视频也逐渐成为用户的消费需求。在一些场景中，笔记类型的视频资源可以具有以下特征：用户自主生产，具备一定信息量，带有个人经验、观点、理解，甚至带有个人风格的内容，内容有价值感、真实性、多元性和互动性。例如笔记类型的视频资源可以包括旅游攻略视频、网课视频等。可以理解的是，仅根据点赞量、播放量等信息来推荐视频资源，推荐结果通常为热门视频，而无法从视频库中搜索出符合笔记类型的视频资源。
[0022]本公开实施例旨在提供一种视频推荐，该方法能够提高视频搜索的准确性，使推荐给用户的视频资源符合用户预期，提高用户体验。此外，在一些实施例中，还可以从视频库中准确地确定出笔记类型的视频资源。
[0023]以下将结合附图和具体实施例详细阐述本公开提供的技术方案。
[0024]图1是根据本公开实施例的视频推荐方法和装置的应用场景示意图。
[0025]需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的
技术实现思路
，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
[0026]如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
[0027]用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
[0028]服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的目标视频数据等)反馈给终端设备。
[0029]需要说明的是，本公开实施例所提供的视频推荐方法一般可以由服务器105执行。相应地，本公开实施例所提供的视频推荐装置一般可以设置于服务器105中。本公开实施例所提供的视频推荐方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的视频推荐装置也可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频推荐方法，包括：根据视频数据的属性信息和目标筛选条件，从多个视频数据中确定N个候选视频数据，N是大于等于1的整数；根据所述N个候选视频数据各自的预定信息，确定所述N个候选视频数据各自的文本信息；所述预定信息包括图像信息和音频信息中的至少一个；根据所述N个候选视频数据中至少一部分候选视频数据的准确性，确定所述N个候选视频数据的准确率；响应于检测到所述N个候选视频数据的准确率大于等于准确率阈值，根据所述N个候选视频数据各自的文本信息，从所述N个候选视频数据中确定目标视频数据；以及根据所述目标视频数据，进行视频推荐。2.根据权利要求1所述的方法，其中，所述根据所述N个候选视频数据中至少一部分候选视频数据的准确性，确定所述N个候选视频数据的准确率包括：从所述N个候选视频数据中确定M个候选视频数据，M是大于等于1的整数；确定所述M个候选视频数据各自的筛选准确性；以及根据所述M个候选视频数据各自的筛选准确性，确定所述M个候选视频数据的准确率，作为所述N个候选视频数据的准确率。3.根据权利要求1所述的方法，还包括：响应于检测到所述N个候选视频数据的准确率小于所述准确率阈值，调整所述目标筛选条件，并返回从多个视频数据中确定N个候选视频数据的操作，以使基于调整后目标筛选条件确定出的候选视频数据数量少于基于调整前目标筛选条件确定出的候选视频数据数量。4.根据权利要求3所述的方法，其中，所述目标筛选条件包括多个子条件；调整所述目标筛选条件包括：响应于检测到所述N个候选视频数据中的M个候选视频数据的准确率小于所述准确率阈值，根据所述多个子条件各自的当前阈值、所述多个子条件的预定调整趋势以及所述多个子条件的调整步长，确定至少一个候选筛选条件；M是大于等于1的整数；利用所述至少一个候选筛选条件分别处理所述M个候选视频数据，得到至少一个子集；其中，所述至少一个子集与所述至少一个候选筛选条件一一对应，与候选筛选条件相对应的子集包括：基于该候选筛选条件从所述M个候选视频数据中筛选出的视频数据；根据所述至少一个子集中各个视频的准确性，确定所述至少一个子集各自的准确率；根据所述至少一个子集各自的准确率和所述准确率阈值，从所述至少一个候选筛选条件中确定调整后的目标筛选条件。5.根据权利要求1所述的方法，其中，所述属性信息包括以下中的至少一个：图像质量信息、声音质量信息、播放量、点赞量、评论量、分享量、发布时长、视频时长、作者等级信息、作者身份类别信息。6.根据权利要求5所述的方法，其中，所述属性信息包括：图像质量信息、声音质量信息、播放量、点赞量、评论量、分享量、发布时长、视频时长、作者等级信息以及作者身份类别信息；所述目标筛选条件包括：所述质量信息满足预定质量条件，且所述播放量大于等于第
一阈值，且所述点赞量大于等于第二阈值，且所述评论量大于等于第三阈值，且所述分享量大于等于第四阈值，且所述发布时长小于等于第五阈值，且所述视频时长小于等于第六阈值，且所述作者等级信息大于等于第七阈值，且所述作者身份类别信息为预定类别。7.根据权利要求1至6中任意一项所述的方法，其中，所述根据所述N个候选视频数据各自的文本信息，从所述N个候选视频数据中确定目标视频数据包括：针对所述N个候选视频数据中的每个候选视频数据，响应于检测到所述候选视频数据的文本信息的字符长度大于等于预定长度，将所述候选视频数据添加至目标集合中；以及根据所述目标集合，确定所述目标视频数据。8.根据权利要求7所述的方法，其中，所述根据所述目标集合，确定所述目标视频数据包括：将所述目标集合中的视频数据的文本信息输入深度学习模型，得到评价值；以及响应于检测到所述评价值大于等于评价值阈值，将所述视频数据确定为所述目标视频数据；其中，所述深度学习模型是利用至少一个第一文本样本和至少一个第二文本样本训练得到的，所述第一文本样本的标签表征文本样本满足预定条件，所述第二文本样本的标签表征文本样本不满足所述预定条件。9.一种视频推荐装置，包括：第一确定模块，用于根据视频数据的属性信息和目标筛选条件，从多个视频数据中确定N个候选视频数据，N是大于等于1的整数；第二确定模块，用于根据所述N个候选视频数据各自的预定信息，确定所述N个候选视频数据各自的文本信息；所述预定信息包括图像信息和音频信息中的至少一个；第三确定模块，用于根据所述N个候选视...

【专利技术属性】
技术研发人员：崔东林，孙想，刘慧慧，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：