[發明專利]一種視頻推薦方法及裝置

在審

• 申請號: 201810072044.3
• 申請日: 2018-01-25
• 公開（公告）號: CN108243357A
• 公開（公告）日: 2018-07-03
• 發明（設計）人: 李越洋;喬帥
• 申請（專利權）人: 北京搜狐新媒體信息技術有限公司
• 主分類號: H04N21/466
• 分類號: H04N21/466;H04N21/25;H04N21/258
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種視頻推薦方法，其特征在于，包括：

獲取目標用戶的初始推薦視頻；

根據預設的用戶興趣偏好模型，預測所述推薦視頻的評分；所述用戶興趣偏好模型為通過預設的方法對正樣本數據和負樣本數據進行訓練后得到的；所述正樣本數據包括用戶特征和所述用戶的參與視頻的視頻特征；所述負樣本數據包括用戶特征和所述用戶未參與視頻的視頻特征；

根據所述推薦視頻的評分，確定所述目標用戶的偏好視頻；

將所述偏好視頻發送給所述目標用戶。

2.根據權利要求1所述的方法，其特征在于，還包括：

根據所述用戶-視頻事件，提取所述用戶-視頻事件包含的用戶的特征和視頻的特征；

根據所述用戶視頻事件中用戶的參與視頻的特征和所述用戶的特征生成正樣本數據；

根據所述用戶-視頻事件中，所述用戶的未參與視頻的特征和所述用戶的特征生成負樣本數據；

采用預設的方法對所述正樣本數據和所述負樣本數據進行訓練，得到用戶興趣偏好模型，以使所述用戶興趣偏好模型根據用戶的特征和視頻的特征對視頻進行評分。

3.根據權利要求1所述的方法，其特征在于，所述預設的方法包括：GBDT迭代決策樹算法。

4.根據權利要求1所述的方法，其特征在于，

所述用戶特征包括：年齡、性別、所在區域；

所述視頻特征包括：視頻類型、視頻標簽。

5.根據權利要求1所述的方法，其特征在于，所述獲取目標用戶初步的推薦視頻，包括：

獲取用戶-視頻事件；

根據用戶-視頻事件，計算目標用戶的相似用戶；

根據所述目標用戶的相似用戶，生成所述目標用戶的初始推薦視頻。

6.根據權利要求5所述的方法，其特征在于，所述根據用戶-視頻事件，計算目標用戶的相似用戶，包括：

獲取各個用戶的視頻的評分；

根據各個用戶的視頻的評分構建用戶-視頻矩陣；

基于相似性算法，根據所述用戶-視頻矩陣，計算所述目標用戶的相似用戶。

7.根據權利要求1所述的方法，其特征在于，所述根據預設的用戶興趣偏好模型，預測所述推薦視頻的評分，包括：

提取所述目標用戶的用戶特征；

將所述目標用戶的用戶特征和所述推薦視頻，輸入到所述用戶興趣偏好模型中，以預測所述推薦視頻的評分。

8.一種視頻推薦裝置，其特征在于，包括：

獲取單元，用于獲取目標用戶的初始推薦視頻；

預測單元，用于根據預設的用戶偏好模型，預測所述推薦視頻的評分；所述用戶興趣偏好模型為通過預設的方法對正樣本數據和負樣本數據訓練后得到的；所述正樣本數據包括：用戶特征和所述用戶的參與視頻的視頻特征；所述負樣本數據包括用戶特征和所述用戶未參與視頻的視頻特征；

確定單元，用于根據所述推薦視頻的評分，確定所述目標用戶的偏好視頻；

發送單元，用于將所述偏好視頻發送給所述目標用戶。

9.根據權利要求8所述的裝置，其特征在于，還包括：

提取單元，用于根據所述用戶-視頻事件，提取所述用戶-視頻事件包含的用戶的特征和視頻的特征；

第一生成單元，用于根據所述用戶視頻事件中用戶的參與視頻的特征和所述用戶的特征生成正樣本數據；

第二生成單元，用于根據所述用戶-視頻事件中，所述用戶的未參與視頻的特征和所述用戶的特征生成負樣本數據；

訓練單元，用于采用預設的方法對所述正樣本數據和所述負樣本數據進行訓練，得到用戶興趣偏好模型，以使所述用戶興趣偏好模型根據用戶的特征和視頻的特征對視頻進行評分。

10.根據權利要求8所述的裝置，其特征在于，所述獲取單元，包括：

第一獲取子單元，用于獲取用戶-視頻事件；

計算子單元，用于根據用戶-視頻事件，計算目標用戶的相似用戶；

生成子單元，用于根據所述目標用戶的相似用戶，生成所述目標用戶的初始推薦視頻。