智能投放视频播放方法技术

本申请公开了一种智能投放视频播放方法

【技术实现步骤摘要】
智能投放视频播放方法、装置、设备及存储介质


[0001]本申请涉及视频投放
，尤其涉及一种智能投放视频播放方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]随着移动终端以及视频播放技术的发展，智能手机和视频平台被普遍使用
。
目前，智能手机用户时常在手机上使用视频平台
APP(
应用程序
)
进行视频观看，以满足用户学习或者娱乐的需求
。
[0003]视频平台为进一步增强用户粘性，现有技术中通常是根据历史用户观看的视频，采用大数据算法，向用户推送符合用户画像的视频，以便用户可以在视频平台上长时间观看相应视频
。
但是该方法仅考虑历史视频观看类型的维度，对用户进行视频投放，导致视频投放的准确度低
。

技术实现思路

[0004]本申请的主要目的在于提供一种智能投放视频播放方法
、
装置
、
设备及存储介质，旨在解决现有技术中视频投放的准确度低的技术问题
。
[0005]为实现以上目的，本申请提供一种智能投放视频播放方法，所述智能投放视频播放方法包括：
[0006]获取用户的多维度特征信息；
[0007]基于预设的融合模型，对所述多维度特征信息进行多模态融合处理，得到目标融合特征信息；
[0008]基于预设的偏好预测模型，对所述目标融合特征信息进行偏好评价，得到用户偏好评价值；
[0009]基于所述用户偏好评价值，确定视频投放列表，并按照所述视频投放列表，向所述用户播放相应视频
。
[0010]可选地，所述多维度特征信息包括历史视频的观看频次
、
观看时长
、
视频类型和观看时间点
。
[0011]可选地，所述基于所述用户偏好评价值，确定视频投放列表的步骤，包括：
[0012]获取可播放视频集合；
[0013]将所述可播放视频集合中的每一视频进行偏好评价计算，得到所述可播放视频集合中每一视频的视频偏好评价值；
[0014]将所述视频偏好评价值和所述用户偏好评价值进行比对，得到比对结果；
[0015]选取所述比对结果中所述视频偏好评价值大于或者等于所述用户偏好评价值的目标视频，并基于所述目标视频，形成视频投放列表
。
[0016]可选地，所述获取用户的多维度特征信息的步骤之前，所述方法包括：
[0017]获取融合特征样本和所述融合特征样本的用户偏好评价值标签；
[0018]基于所述融合特征样本和所述融合特征样本的用户偏好评价值标签，对预设的第一待训练模型进行迭代训练，得到具有满足精度条件的偏好预测模型
。
[0019]可选地，所述基于所述融合特征样本和所述融合特征样本的用户偏好评价值标签，对预设的第一待训练模型进行迭代训练，得到具有满足精度条件的偏好预测模型的步骤，包括：
[0020]将所述融合特征样本输入至预设的第一待训练模型，得到预测用户偏好评价值；
[0021]将所述预测用户偏好评价值与所述融合特征样本的用户偏好评价值标签进行差异计算，得到误差结果；
[0022]基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；
[0023]若所述误差结果未满足预设误差阈值范围指示的误差标准，返回将所述融合特征样本输入至预设的第一待训练模型，得到预测用户偏好评价值的步骤，直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的偏好预测模型
。
[0024]可选地，所述获取用户的多维度特征信息的步骤之前，所述方法包括：
[0025]获取多维度特征样本；
[0026]基于所述多维度特征样本，对预设的第二待训练模型和预设的第一待训练模型进行联合训练，得到具有满足精度条件的融合模型和偏好预测模型；
[0027]其中，所述第二待训练模型是所述融合模型的初始训练模型，所述第一待训练模型是所述偏好预测模型的初始训练模型
。
[0028]可选地，所述基于所述多维度特征样本，对预设的第二待训练模型和预设的第一待训练模型进行联合训练，得到具有满足精度条件的融合模型和偏好预测模型的步骤，包括：
[0029]将所述多维度特征样本输入至预设的第二待训练模型，得到预测融合特征信息；
[0030]将所述预测融合特征信息输入至预设的第一待训练模型，得到预测用户偏好评价值；
[0031]将所述预测用户偏好评价值与所述融合特征样本的用户偏好评价值标签进行差异计算，得到误差结果；
[0032]基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；
[0033]若所述误差结果未满足预设误差阈值范围指示的误差标准，返回将所述多维度特征样本输入至预设的第二待训练模型，得到预测融合特征信息的步骤，直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的融合模型和偏好预测模型
。
[0034]本申请还提供一种智能投放视频播放装置，所述智能投放视频播放装置包括：
[0035]获取模块，用于获取用户的多维度特征信息；
[0036]融合模块，用于基于预设的融合模型，对所述多维度特征信息进行多模态融合处理，得到目标融合特征信息；
[0037]评价模块，用于基于预设的偏好预测模型，对所述目标融合特征信息进行偏好评
价，得到用户偏好评价值；
[0038]播放模块，用于基于所述用户偏好评价值，确定视频投放列表，并按照所述视频投放列表，向所述用户播放相应视频
。
[0039]本申请还提供一种智能投放视频播放设备，所述智能投放视频播放设备包括：存储器
、
处理器以及存储在存储器上的用于实现所述智能投放视频播放方法的程序，
[0040]所述存储器用于存储实现智能投放视频播放方法的程序；
[0041]所述处理器用于执行实现所述智能投放视频播放方法的程序，以实现所述智能投放视频播放方法的步骤
。
[0042]本申请还提供一种存储介质，所述存储介质上存储有实现智能投放视频播放方法的程序，所述实现智能投放视频播放方法的程序被处理器执行以实现所述智能投放视频播放方法的步骤
。
[0043]本申请提供的一种智能投放视频播放方法
、
装置
、
设备及存储介质，与相关技术中仅考虑历史视频观看类型的维度，对用户进行视频投放，导致视频投放的准确度低相比，在本申请中，获取用户的多维度特征信息；基于预设的融合模型，对所述多维度特征信息进行多模态融合处理，得到目标融合特征信息；基于预设的偏好预测模型，对所述目标融合特征信息进行偏好评价，得到用户偏好评价值；基于所述用户偏好评价值，确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智能投放视频播放方法，其特征在于，所述智能投放视频播放方法包括：获取用户的多维度特征信息；基于预设的融合模型，对所述多维度特征信息进行多模态融合处理，得到目标融合特征信息；基于预设的偏好预测模型，对所述目标融合特征信息进行偏好评价，得到用户偏好评价值；基于所述用户偏好评价值，确定视频投放列表，并按照所述视频投放列表，向所述用户播放相应视频
。2.
如权利要求1所述的智能投放视频播放方法，其特征在于，所述多维度特征信息包括历史视频的观看频次
、
观看时长
、
视频类型和观看时间点
。3.
如权利要求1所述的智能投放视频播放方法，其特征在于，所述基于所述用户偏好评价值，确定视频投放列表的步骤，包括：获取可播放视频集合；将所述可播放视频集合中的每一视频进行偏好评价计算，得到所述可播放视频集合中每一视频的视频偏好评价值；将所述视频偏好评价值和所述用户偏好评价值进行比对，得到比对结果；选取所述比对结果中所述视频偏好评价值大于或者等于所述用户偏好评价值的目标视频，并基于所述目标视频，形成视频投放列表
。4.
如权利要求1所述的智能投放视频播放方法，其特征在于，所述获取用户的多维度特征信息的步骤之前，所述方法包括：获取融合特征样本和所述融合特征样本的用户偏好评价值标签；基于所述融合特征样本和所述融合特征样本的用户偏好评价值标签，对预设的第一待训练模型进行迭代训练，得到具有满足精度条件的偏好预测模型
。5.
如权利要求4所述的智能投放视频播放方法，其特征在于，所述基于所述融合特征样本和所述融合特征样本的用户偏好评价值标签，对预设的第一待训练模型进行迭代训练，得到具有满足精度条件的偏好预测模型的步骤，包括：将所述融合特征样本输入至预设的第一待训练模型，得到预测用户偏好评价值；将所述预测用户偏好评价值与所述融合特征样本的用户偏好评价值标签进行差异计算，得到误差结果；基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；若所述误差结果未满足预设误差阈值范围指示的误差标准，返回将所述融合特征样本输入至预设的第一待训练模型，得到预测用户偏好评价值的步骤，直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到具有满足精度条件的偏好预测模型
。6.
如权利要求1所述的智能投放视频播放方法，其特征在于，所述获取用...

【专利技术属性】
技术研发人员：洪颖婷，
申请(专利权)人：魔人传媒杭州有限公司，
类型：发明
国别省市：