视频推荐方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请实施例提供一种视频推荐方法、装置、电子设备及计算机可读存储介质，至少应用于人工智能领域和视频推荐领域，其中，方法包括：获取目标对象的源视频、第一邻居视频列表、目标视频和第二邻居视频列表；基于预设的多兴趣查询向量，对源视频和第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；确定目标视频的目标视频向量，基于多兴趣查询向量，对目标视频和第二邻居视频列表进行向量内积计算，得到多兴趣权重；基于源视频多兴趣向量和多兴趣权重，确定与源视频对应的源视频向量；基于源视频向量和所述目标视频向量，对目标对象进行视频推荐。通过本申请，能够对目标对象进行准确的特征表达，从而提高视频召回的准确率。准确率。准确率。

【技术实现步骤摘要】
视频推荐方法、装置、电子设备及计算机可读存储介质


[0001]本申请实施例涉及互联网领域，涉及但不限于一种视频推荐方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]目前，在视频推荐领域，常用的视频召回结构包括基于图卷积网络(GCN，Graph Convolutional Networks)的视频召回框架(例如，GraphSAGE图神经网络)，可以通过聚合内容信息与对应的邻居内容信息，生成新的内容表达，也就是新的内容向量。
[0003]在实现的过程中，视频召回框架对源内容和目标内容的聚合网络采用相同参数。那么，对于同一个内容，由于同一个内容对应的邻居内容信息也相同，因此，所要聚合的内容信息不管是作为源内容，还是作为目标内容，得到的内容向量都相同。
[0004]由此可见，相关技术中的视频召回框架在进行召回计算时，对源内容和目标内容之间没有区分度，从而会造成信息表达不准确，影响召回效果；并且，源内容向量对目标对象的兴趣表达单一，而源内容是目标对象兴趣的承载，而目标对象一般会具有多个兴趣。因此，相关技术中的视频召回框架对目标对象的信息表达单一且不准确，无法得到目标对象准确的特征表达，从而降低视频召回的准确率。

技术实现思路

[0005]本申请实施例提供一种视频推荐方法、装置、电子设备及计算机可读存储介质，至少能够应用于人工智能领域和视频推荐领域，能够对目标对象进行准确的特征表达，从而提高视频召回的准确率。
[0006]本申请实施例的技术方案是这样实现的：
[0007]本申请实施例提供一种视频推荐方法，包括：获取目标对象的源视频、与所述源视频对应的第一邻居视频列表、与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表；基于预设的多兴趣查询向量，对所述源视频和所述第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；确定所述目标视频的目标视频向量，并基于所述多兴趣查询向量，对所述目标视频和所述第二邻居视频列表进行向量内积计算，得到多兴趣权重；基于所述源视频多兴趣向量和所述多兴趣权重，确定与所述源视频对应的源视频向量；
[0008]基于所述源视频向量和所述目标视频向量，对所述目标对象进行视频推荐。
[0009]本申请实施例提供一种视频推荐装置，所述装置包括：获取模块，用于获取目标对象的源视频、与所述源视频对应的第一邻居视频列表、与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表；多兴趣特征提取模块，用于基于预设的多兴趣查询向量，对所述源视频和所述第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；处理模块，用于确定所述目标视频的目标视频向量，并基于所述多兴趣查询向量，对所述目标视频和所述第二邻居视频列表进行向量内积计算，得到多兴趣权重；确定
模块，用于基于所述源视频多兴趣向量和所述多兴趣权重，确定与所述源视频对应的源视频向量；视频推荐模块，用于基于所述源视频向量和所述目标视频向量，对所述目标对象进行视频推荐。
[0010]本申请实施例提供一种电子设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现上述的视频推荐方法。
[0011]本申请实施例提供一种计算机程序产品，该计算机程序产品包括可执行指令，可执行指令存储在计算机可读存储介质中；其中，电子设备的处理器从计算机可读存储介质中读取可执行指令，并执行可执行指令时，实现上述的视频推荐方法。
[0012]本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行所述可执行指令时，实现上述的视频推荐方法。
[0013]本申请实施例具有以下有益效果：基于预设的多兴趣查询向量，对源视频和源视频对应的第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；确定目标视频的目标视频向量，并基于多兴趣查询向量，对目标视频和目标视频对应的第二邻居视频列表进行向量内积计算，得到多兴趣权重；从而基于源视频多兴趣向量和多兴趣权重，确定与源视频对应的源视频向量；并基于源视频向量和目标视频向量，对目标对象进行视频推荐。如此，由于分别对源视频和目标视频进行特征提取，得到源视频向量和目标视频向量，并且，在生成源视频向量和目标视频向量时先生成多兴趣权重，再基于多兴趣权重确定源视频向量，使得同一源视频在与不同目标视频计算相似度时的源视频向量不同，即实现在不同视频推荐任务下同一源视频具有不同的表达向量，从而对目标对象进行个性化表达，实现对目标对象的准确特征表达，进而提高视频召回的准确率。
附图说明
[0014]图1是本申请实施例提供的视频推荐系统的一个可选的架构示意图；
[0015]图2是本申请实施例提供的电子设备的结构示意图；
[0016]图3是本申请实施例提供的视频推荐方法的一个可选的流程示意图；
[0017]图4是本申请实施例提供的视频推荐方法的另一个可选的流程示意图；
[0018]图5是本申请实施例提供的获取源视频、第一邻居视频列表、目标视频和第二邻居视频列表的实现流程示意图；
[0019]图6是本申请实施例提供的多兴趣特征提取的实现流程示意图；
[0020]图7是本申请实施例提供的确定目标视频向量和多兴趣权重的实现流程示意图；
[0021]图8是本申请实施例提供的视频召回模型的训练方法的流程示意图；
[0022]图9是本申请实施例提供的图卷积网络进行视频召回的流程示意图；
[0023]图10是本申请实施例提供的视频应用首页的界面图；
[0024]图11是本申请实施例提供的素材卡片的界面图；
[0025]图12是本申请实施例提供的检索视频的计算流程示意图；
[0026]图13是本申请实施例提供的对视频和邻居视频列表进行向量化处理的流程示意图；
[0027]图14是本申请实施例提供的向量化处理的流程示意图；
[0028]图15是本申请实施例提供的生成邻居视频向量的流程示意图；
[0029]图16是原始MMOE网络的结构示意图；
[0030]图17是本申请实施例提供的多兴趣网络的结构示意图；
[0031]图18是本申请实施例提供的生成多兴趣权重的流程示意图；
[0032]图19是本申请实施例提供的确定多兴趣相似度的流程示意图；
[0033]图20是本申请实施例提供的多兴趣召回模型的训练流程示意图；
[0034]图21是本申请实施例提供的构造训练样本的流程示意图。
具体实施方式
[0035]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0036]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实本文档来自技高网...

【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：获取目标对象的源视频、与所述源视频对应的第一邻居视频列表、与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表；基于预设的多兴趣查询向量，对所述源视频和所述第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；确定所述目标视频的目标视频向量，并基于所述多兴趣查询向量，对所述目标视频和所述第二邻居视频列表进行向量内积计算，得到多兴趣权重；基于所述源视频多兴趣向量和所述多兴趣权重，确定与所述源视频对应的源视频向量；基于所述源视频向量和所述目标视频向量，对所述目标对象进行视频推荐。2.根据权利要求1所述的方法，其特征在于，所述获取目标对象的源视频、与所述源视频对应的第一邻居视频列表、与所述源视频具有预设映射关系的目标视频和与所述目标视频对应的第二邻居视频列表，包括：从所述目标对象的历史播放视频列表中确定目标对象的源视频和与所述源视频对应的第一邻居视频列表；基于所述历史播放视频列表，确定与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表。3.根据权利要求2所述的方法，其特征在于，所述从所述目标对象的历史播放视频列表中确定目标对象的源视频和与所述源视频对应的第一邻居视频列表，包括：获取包括所述目标对象在内的多个对象的当前播放视频和历史播放视频列表；基于所述历史播放视频列表中的每一历史播放视频的播放时长，对所述历史播放视频列表中的历史播放视频进行过滤，得到有效历史播放视频列表；基于所述有效历史播放视频列表中的每一历史播放视频的播放时刻，对所述有效历史播放视频列表进行筛选，得到筛选后的有效历史播放视频列表；对所述筛选后的有效历史播放视频列表中的每一历史播放视频与所述当前播放视频进行有向连接对构建，得到有向连接图；所述有向连接图中包括所述当前播放视频、筛选后的有效历史播放视频列表中的每一所述历史播放视频以及所述当前播放视频与每一所述历史播放视频之间的连接边；每条所述连接对对应一连接数，所述连接数用于记录所述当前播放视频与相应历史播放视频之间构成的有向连接对的数量；基于所述有向连接图，确定所述目标对象的源视频和与所述源视频对应的第一邻居视频列表。4.根据权利要求3所述的方法，其特征在于，所述基于所述有向连接图，确定所述目标对象的源视频和与所述源视频对应的第一邻居视频列表，包括：针对所述有向连接图中的任一当前视频，遍历所述有向连接图，筛选出指向所述当前视频的全部指向视频；确定每一所述指向视频与所述当前视频之间的连接数；按照所述连接数，对所述全部指向视频进行排序，形成指向视频序列；从所述指向视频序列中选择第一预设数量的指向视频形成所述当前视频的邻居视频列表；
基于所述有向连接图中的全部视频，构建每一视频与相应的邻居视频列表之间的关联关系；获取所述目标对象的源视频，并基于所述源视频以及所述关联关系，确定与所述源视频对应的第一邻居视频列表。5.根据权利要求4所述的方法，其特征在于，所述基于所述历史播放视频列表，确定与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表，包括：遍历所述有向连接图，筛选出指向所述源视频的全部指向视频；确定每一所述指向视频与所述源视频之间的连接数；基于所述连接数确定每一所述指向视频的抽样概率；基于所述抽样概率从所述全部指向视频中，抽取第二预设数量的指向视频构成目标视频列表；构建所述源视频与所述目标视频列表中的每一指向视频之间的映射关系；基于所述映射关系，从所述目标视频列表中随机选择一个指向视频作为所述目标视频；基于所述目标视频以及所述关联关系，确定与所述目标视频对应的第二邻居视频列表。6.根据权利要求1所述的方法，其特征在于，所述基于预设的多兴趣查询向量，对所述源视频和所述第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量，包括：分别对所述源视频和所述第一邻居视频列表进行向量化处理，对应得到源视频原始向量和第一邻居视频向量；对所述源视频原始向量和所述第一邻居视频向量进行拼接处理，得到源视频拼接向量；基于所述多兴趣查询向量，对所述源视频拼接向量进行多兴趣特征提取，得到所述源视频多兴趣向量。7.根据权利要求6所述的方法，其特征在于，所述第一邻居视频列表包括每一邻居视频对应的连接数；对所述第一邻居视频列表进行向量化处理，得到第一邻居视频向量，包括：通过预设的视频向量表，对所述第一邻居视频列表中的每一邻居视频进行向量检索，对应得到每一邻居视频的视频向量；所述第一邻居视频列表中的全部邻居视频的视频向量构成视频向量集合；统计所述第一邻居视频列表中全部邻居视频的总连接数；基于所述总连接数对每一所述邻居视频的连接数进行归一化处理，得到每一邻居视频的归一化连接数；基于每一所述邻居视频的归一化连接数，对所述视频向量集合中的全部视频向量进行加权计算，得到视频加权向量...

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