System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机,特别涉及一种视频数据推荐方法及装置。
技术介绍
1、目前,在视频播放平台中,基于人工智能技术可以为用户提供交互功能,以为用户解决问题或提供娱乐。
2、但是,目前的交互功能仍有待改善。
技术实现思路
1、本申请提供如下技术方案:
2、本申请一方面提供一种视频数据推荐方法,其特征在于,包括:
3、获取当前视频播放场景对应的策略模型;
4、获取多个用户中各所述用户的用户数据;
5、基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户;
6、基于发放模型,从数据池中获取与所述目标用户对应的视频奖励数据集,所述视频奖励数据集包括至少一个视频奖励数据;
7、基于推荐模型,确定所述视频奖励数据集中各个所述视频奖励数据的推送顺序;
8、基于所述视频奖励数据集中各个所述视频奖励数据的推送顺序,将所述视频奖励数据集中各个所述视频奖励数据推送给所述目标用户。
9、可选的,基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户,包括:
10、基于预设的加权规则,对各所述用户的用户数据进行加权处理,得到各所述用户的新的用户数据;
11、将各所述用户的新的用户数据输入至所述策略模型,得到所述策略模型确定的各所述用户的第一预测值,所述第一预测值用于表征所述用户和所述当前视频播放场景的
12、从各所述用户中选择出所述第一预测值高于设定预测阈值的用户作为与所述当前视频播放场景对应的目标用户。
13、可选的,获取多个用户中各所述用户的用户数据,包括:
14、基于当前视频播放场景对应的历史用户行为标签,获取多个用户中各所述用户的用户数据,所述历史用户行为标签包括以下至少之一:基础特征标签、活跃特征标签、观影特征标签和购买特征标签。
15、可选的,基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户之后,还包括:
16、基于预设的召回算法,从所述多个用户中筛选出与所述当前视频播放场景对应的第一用户;
17、基于与所述当前视频播放场景对应的第一用户,更新与所述当前视频播放场景对应的目标用户,得到与所述当前视频播放场景对应的新的目标用户。
18、可选的,所述方法还包括:
19、识别所述目标用户针对所述视频奖励数据的响应行为;
20、基于所述响应行为,确定所述目标用户的反馈数据;
21、基于所述目标用户的反馈数据和所述视频奖励数据,对所述策略模型、所述发放模型和所述推荐模型中至少一种进行更新。
22、本申请另一方面提供给一种视频数据推荐装置,包括:
23、第一获取模块,用于获取当前视频播放场景对应的策略模型;
24、第二获取模块,用于获取多个用户中各所述用户的用户数据;
25、筛选模块,用于基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户;
26、第三获取模块,用于基于发放模型,从数据池中获取与所述目标用户对应的视频奖励数据集,所述视频奖励数据集包括至少一个视频奖励数据;
27、确定模块,用于基于推荐模型,确定所述视频奖励数据集中各个所述视频奖励数据的推送顺序;
28、推送模块,用于基于所述视频奖励数据集中各个所述视频奖励数据的推送顺序,将所述视频奖励数据集中各个所述视频奖励数据推送给所述目标用户。
29、可选的,所述筛选模块,具体用于:
30、基于预设的加权规则,对各所述用户的用户数据进行加权处理,得到各所述用户的新的用户数据;
31、将各所述用户的新的用户数据输入至所述策略模型,得到所述策略模型确定的各所述用户的第一预测值,所述第一预测值用于表征所述用户和所述当前视频播放场景的匹配程度,越高第一预测值对应的所述匹配程度越高;
32、从各所述用户中选择出所述第一预测值高于设定预测阈值的用户作为与所述当前视频播放场景对应的目标用户。
33、可选的,所述第二获取模块,具体用于:
34、基于当前视频播放场景对应的历史用户行为标签,获取多个用户中各所述用户的用户数据,所述历史用户行为标签包括以下至少之一:基础特征标签、活跃特征标签、观影特征标签和购买特征标签。
35、可选的,所述装置还包括:
36、召回模块,用于基于预设的召回算法,从所述多个用户中筛选出与所述当前视频播放场景对应的第一用户;
37、第一更新模块,用于基于与所述当前视频播放场景对应的第一用户,更新与所述当前视频播放场景对应的目标用户,得到与所述当前视频播放场景对应的新的目标用户。
38、可选的,所述装置还包括:
39、识别模块,用于识别所述目标用户针对所述视频奖励数据的响应行为;
40、反馈模块,用于基于所述响应行为,确定所述目标用户的反馈数据;
41、第二更新模块,用于基于所述目标用户的反馈数据和所述视频奖励数据,对所述策略模型、所述发放模型和所述推荐模型中至少一种进行更新。
42、在本申请中,通过获取当前视频播放场景对应的策略模型,获取多个用户中各用户的用户数据,基于策略模型和各用户的用户数据,从多个用户中筛选出与当前视频播放场景对应的目标用户,基于发放模型,从数据池中获取与目标用户对应的视频奖励数据集,基于推荐模型,确定视频奖励数据集中各个视频奖励数据的推送顺序,基于视频奖励数据集中各个视频奖励数据的推送顺序,将视频奖励数据集中各个视频奖励数据推送给目标用户,实现基于用户数据,使目标用户获取到更加符合用户需求的视频奖励数据,以改善交互功能。
本文档来自技高网...【技术保护点】
1.一种视频数据推荐方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户,包括:
3.根据权利要求1所述的方法,其特征在于,获取多个用户中各所述用户的用户数据,包括:
4.根据权利要求1所述的方法,其特征在于,基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户之后,还包括:
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.一种视频数据推荐装置,其特征在于,包括:
7.根据权利要求6所述的装置,其特征在于,所述筛选模块,具体用于:
8.根据权利要求6所述的装置,其特征在于,所述第二获取模块,具体用于:
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
【技术特征摘要】
1.一种视频数据推荐方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户,包括:
3.根据权利要求1所述的方法,其特征在于,获取多个用户中各所述用户的用户数据,包括:
4.根据权利要求1所述的方法,其特征在于,基于所述策略模型和各所述用户的用户数据,从多个用户中筛选出与所述当前视频播放场景对应的目标用户之...
【专利技术属性】
技术研发人员:李科,
申请(专利权)人:湖南快乐阳光互动娱乐传媒有限公司,
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。