视频推荐方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请公开了一种视频推荐方法、装置、设备、存储介质及程序产品，属于机器学习领域。所述方法包括：获取目标账号的历史推荐视频序列向量和候选视频集中的候选视频向量；以历史推荐视频序列向量作为分析参数，得到每一个视频对应的推荐相似度值及推荐反相似度值；对同一视频对应的推荐相似度值和推荐反相似度值进行融合，得到视频推荐向量；基于视频推荐向量和候选视频向量进行推荐度值计算，得到视频推荐向量和候选视频向量之间的推荐度值；根据推荐度值，确定候选视频。本申请通过获取历史推荐视频序列中同一视频对应的推荐相似度值和推荐反相似度值，并从相似性和反相似性角度对候选视频进行综合性判断，提高了视频推荐的准确度。

【技术实现步骤摘要】

本申请实施例涉及机器学习领域，特别涉及一种视频推荐方法、装置、设备、存储介质及程序产品。

技术介绍

1、序列推荐是指利用历史时刻所有的历史序列信息以及当前时刻对应的信息来预测下一时刻的推荐信息。例如，用户在第一时刻观看了a类视频，在第二时刻观看了b类视频，基于用户在第一时刻和第二时刻观看的视频预测出第三时刻向用户推荐的视频。

2、相关技术中，在视频推荐场景中，在向用户推送相关推荐之前，获取用户的历史推荐视频序列，基于循环神经网络向用户推荐与历史视频序列相似的视频，最终得到推荐结果。

3、然而，在上述相关技术中，序列推荐模型仅通过相似性向用户推荐视频，即，仅通过考量相似性确定与历史视频序列相似的视频为最终推荐结果。例如，在历史推荐视频序列中，用户不喜欢a类视频，但相关技术中依然会推荐与a类视频相似的视频。上述相关技术中，视频推荐的考量方式较为单一，直接影响了视频推荐的准确度。

技术实现思路

1、本申请提供了一种视频推荐方法、装置、设备、存储介质及程序产品，能够提高视频推荐的准确度。所述技本文档来自技高网...

【技术保护点】

1.一种视频推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，得到所述历史推荐视频向量中每一个视频对应的推荐相似度值，包括：

3.根据权利要求2所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，计算第i时刻对应的视频与所述历史推荐视频向量中其他时刻对应的视频之间的相似度值并累加求和，得到第i时刻对应的视频对应的所述推荐相似度值，包括：

4.根据权利要求1所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，得到所述历史推荐视频向量中每一个视频对应的...

【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：

2.根据权利要求1所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，得到所述历史推荐视频向量中每一个视频对应的推荐相似度值，包括：

3.根据权利要求2所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，计算第i时刻对应的视频与所述历史推荐视频向量中其他时刻对应的视频之间的相似度值并累加求和，得到第i时刻对应的视频对应的所述推荐相似度值，包括：

4.根据权利要求1所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，得到所述历史推荐视频向量中每一个视频对应的推荐反相似度值，包括：

5.根据权利要求4所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，计算第i时刻对应的视频与所述历史推荐视频向量中其他时刻对应的视频之间的差异值并累加求和，得到第i时刻对应的视频对应的所述推荐反相似度值，包括：

6.根据权利要求1至5任一所述的方法，其特征在于，所述对所述历史推荐视频序列向量中同一视频对应的所述推荐相似度值和所述推荐反相似度值进行融合，得到所述历史推荐视频序列向量对应的视频推荐向量，包括：

7.根据权利要求1至5任一所述的方法，其特征在于，所述获取目标账号的历史推荐视频序列向量，包括：

8.一种视频推荐模型的训练方法，其特征在于，所述方法包括：

9.根据权利要求8所述的方法，其特征在于，所述以所述历史推荐视频序列向量作为分析参数，得到所述历史推荐视频向量中每一个视频对应的推荐相似度值，包括：

10.根据权利要求9所述的方法，其特征在于，所述视频推荐模型包括第一自注意力机制...

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