【技术实现步骤摘要】
本申请涉及视频推荐，特别是涉及一种视频推荐模型训练方法、视频推荐方法、计算机设备和存储介质。
技术介绍
1、随着计算机技术发展，视频类应用日益普及，互联网中视频的数量呈爆发式增长。在相关技术中，为了使用户快速浏览到其感兴趣或关注的内容，可以基于大量的标注样本进行模型训练，利用训练好的模型进行视频的检索和推荐。
2、然而，通过上述方式训练得到的模型往往难以快速获取到与用户适配的视频，存在视频推荐结果质量较差的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高视频推荐结果质量的视频推荐模型训练方法、视频推荐方法、计算机设备和存储介质。
2、第一方面，本申请提供了一种视频推荐模型训练方法。所述方法包括：
3、利用多个无标注视频样本，对初始视频推荐模型中的语义特征提取模块进行预训练，得到预训练的视频推荐模型；
4、将用户的视频检索提示输入到所述预训练的视频推荐模型，通过所述语义特征提取模块获取所述视频检索提示对应的语义特征，并根据所述视频检索提示对应的语义特征及由所述预训练的视频推荐模型提供的视频推荐策略，向所述用户提供推荐视频；
5、根据所述用户对所述推荐视频的反馈行为，调整所述预训练的视频推荐模型的参数，直到满足训练结束条件，得到训练好的视频推荐模型。
6、在其中一个实施例中，所述根据所述视频检索提示对应的语义特征及由所述预训练的视频推荐模型提供的视频推荐策略，向所述用户提供推荐视频，包括：
7、根据所述视频检索提示对应的语义特征与预先获取的各候选视频语义特征的相似度，从多个候选视频中确定与所述视频检索提示相关的多个推荐视频；所述候选视频语义特征通过所述语义特征提取模块对各候选视频进行特征提取得到；
8、由所述预训练的视频推荐模型根据视频推荐策略对所述多个推荐视频进行排序，向所述用户提供排序后的多个推荐视频。
9、在其中一个实施例中，所述根据所述用户对所述推荐视频的反馈行为，调整所述预训练的视频推荐模型的参数，直到满足训练结束条件，得到训练好的视频推荐模型，包括：
10、根据所述用户对排序后的多个推荐视频的反馈行为，得到所述用户对各推荐视频的视频浏览数据；
11、利用预先获取的奖励函数，将所述视频浏览数据转换为相应推荐视频的奖励值；
12、根据各所述推荐视频相应的奖励值，对所述预训练的视频推荐模型的参数进行调整；
13、根据参数调整后的视频推荐模型当前提供的视频推荐策略，再次向所述用户提供推荐视频，直到满足训练结束条件，得到训练好的视频推荐模型。
14、在其中一个实施例中，所述根据参数调整后的视频推荐模型当前提供的视频推荐策略，再次向所述用户提供推荐视频，包括：
15、根据参数调整后的视频推荐模型当前提供的视频推荐策略，对所述多个推荐视频进行重排，并向所述用户提供重排后的多个推荐视频。
16、在其中一个实施例中，所述利用多个无标注视频样本，对初始视频推荐模型中的语义特征提取模块进行预训练，包括：
17、获取多个无标注视频样本；每个所述无标注视频样本包括视频和所述视频配对的视频文本；
18、将所述无标注视频样本输入到初始视频推荐模型，由所述初始视频推荐模型中的语义特征提取模块对所述视频进行特征提取，得到视频语义特征，以及对所述视频文本进行特征提取，得到文本语义特征；
19、根据各所述无标注视频样本对应的视频语义特征和文本语义特征，对所述语义特征提取模块进行无监督训练。
20、在其中一个实施例中，所述根据各所述无标注视频样本对应的视频语义特征和文本语义特征，对所述语义特征提取模块进行无监督训练，包括：
21、针对每一视频，根据所述视频对应的视频语义特征与各文本语义特征的相似度，从所有视频文本中确定与所述视频配对的预测配对文本；
22、针对每一无标注视频样本，确定所述无标注视频样本对应的视频语义特征和所述无标注视频样本对应的文本语义特征之间的相似度；
23、根据各所述视频的所述预测配对文本与所述配对的视频文本之间的差异，以及，所述视频语义特征与所述文本语义特征之间的相似度，确定模型损失值，根据所述模型损失值调整所述语义特征提取模块的模块参数。
24、在其中一个实施例中，所述多个无标注视频样本中包括对部分视频帧或部分文本字符进行掩码处理的无标注视频样本；
25、所述根据各所述视频的所述预测配对文本与所述配对的视频文本之间的差异，以及，所述视频语义特征与所述文本语义特征之间的相似度，确定模型损失值，包括：
26、根据所述视频语义特征对被掩藏的视频帧进行预测，得到预测视频帧，以及根据所述文本语义特征对被掩藏的文本字符进行预测，得到预测文本字符；
27、根据所述预测视频帧与所述被掩藏的视频帧之间的差异、所述预测文本字符与所述被掩藏的文本字符之间的差异、所述视频的所述预测配对文本与所述配对的视频文本之间的差异、以及所述视频的所述视频语义特征与所述文本语义特征之间的相似度，确定模型损失值。
28、第二方面，本申请还提供了一种视频推荐方法。所述方法包括：
29、获取针对用户的视频推荐请求；所述视频推荐请求携带目标视频检索提示；
30、将所述目标视频检索提示输入到所述用户对应的视频推荐模型，将所述视频推荐模型的输出结果作为视频推荐结果；
31、其中，所述用户对应的视频推荐模型根据如上任一项所述的视频推荐模型训练方法预先训练得到。
32、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
33、利用多个无标注视频样本，对初始视频推荐模型中的语义特征提取模块进行预训练，得到预训练的视频推荐模型；
34、将用户的视频检索提示输入到所述预训练的视频推荐模型，通过所述语义特征提取模块获取所述视频检索提示对应的语义特征，并根据所述视频检索提示对应的语义特征及由所述预训练的视频推荐模型提供的视频推荐策略，向所述用户提供推荐视频；
35、根据所述用户对所述推荐视频的反馈行为，调整所述预训练的视频推荐模型的参数，直到满足训练结束条件，得到训练好的视频推荐模型。
36、第四方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
37、获取针对用户的视频推荐请求；所述视频推荐请求携带目标视频检索提示；
38、将所述目标视频检索提示输入到所述用户对应的视频推荐模型，将所述视频推荐模型的输出结果作为视频推荐结果；
39、其中，所述用户对应的视频推荐模型根据如上任一项所述的视频推荐模型训练方法预先训本文档来自技高网...
【技术保护点】
1.一种视频推荐模型训练方法，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，所述根据所述视频检索提示对应的语义特征及由所述预训练的视频推荐模型提供的视频推荐策略，向所述用户提供推荐视频，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述用户对所述推荐视频的反馈行为，调整所述预训练的视频推荐模型的参数，直到满足训练结束条件，得到训练好的视频推荐模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据参数调整后的视频推荐模型当前提供的视频推荐策略，再次向所述用户提供推荐视频，包括：
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述利用多个无标注视频样本，对初始视频推荐模型中的语义特征提取模块进行预训练，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据各所述无标注视频样本对应的视频语义特征和文本语义特征，对所述语义特征提取模块进行无监督训练，包括：
7.根据权利要求6所述的方法，其特征在于，所述多个无标注视频样本中包括对部分视频帧或部分文本字符进行掩码
8.一种视频推荐方法，其特征在于，所述方法包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的或权利要求8所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的或权利要求8所述的方法的步骤。
...【技术特征摘要】
1.一种视频推荐模型训练方法，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，所述根据所述视频检索提示对应的语义特征及由所述预训练的视频推荐模型提供的视频推荐策略，向所述用户提供推荐视频，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述用户对所述推荐视频的反馈行为，调整所述预训练的视频推荐模型的参数，直到满足训练结束条件，得到训练好的视频推荐模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据参数调整后的视频推荐模型当前提供的视频推荐策略，再次向所述用户提供推荐视频，包括：
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述利用多个无标注视频样本，对初始视频推荐模型中的语义特征提取模块进行预训练，包括：<...
【专利技术属性】
技术研发人员：洪思欣，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。