[發(fā)明專利]一種視頻推薦方法及裝置

在審

• 申請?zhí)枺?/td>: 201810072044.3
• 申請日: 2018-01-25
• 公開（公告）號: CN108243357A
• 公開（公告）日: 2018-07-03
• 發(fā)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(chǎn)權代理有限公司 11227
• 代理人: 王寶筠

本發(fā)明公開了一種視頻推薦方法及裝置，包括：根據(jù)用戶特征和視頻特征訓練用戶的興趣偏好模型；在獲取了目標用戶的初始推薦視頻后，根據(jù)預設的用戶興趣偏好模型，預測推薦推薦視頻的評分，并根據(jù)推薦視頻的評分，獲取目標用戶的偏好視頻，并將該偏好視頻推薦給目標用戶。由此，對視頻進行推薦時，進一步考慮了用戶特征和視頻特征，使得為用戶推薦的視頻針對性更強。

技術領域

本發(fā)明涉及視頻推薦領域，尤其涉及一種視頻推薦方法及裝置。

背景技術

視頻網(wǎng)站或者視頻APP通常會提供給用戶成千上萬的視頻內容供用戶觀看，并且，每天都會有數(shù)量龐大的新出現(xiàn)的視頻被視頻。面對如此巨大的信息量，為了讓用戶可以快速找到感興趣的視頻，增強用戶體驗，視頻推薦技術應運而生。

現(xiàn)有技術中，通常采用協(xié)同濾波的方式對視頻進行推薦，協(xié)同濾波的方式?jīng)]有考慮用戶的特征和視頻的特征，得到的推薦視頻種類繁多，對于用戶的針對性不強。

發(fā)明內容

有鑒于此，本發(fā)明實施例提供了一種視頻推薦方法及裝置，解決了現(xiàn)有技術中得到的推薦視頻種類繁多，針對性差的問題。

本發(fā)明公開了一種視頻推薦方法，包括：

獲取目標用戶的初始推薦視頻；

根據(jù)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(shù)據(jù)和負樣本數(shù)據(jù)進行訓練后得到的；所述正樣本數(shù)據(jù)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(shù)據(jù)包括用戶特征和所述用戶未參與視頻的視頻特征；

根據(jù)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(fā)送給所述目標用戶。

可選的，還包括：

根據(jù)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(jù)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(shù)據(jù)；

根據(jù)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(shù)據(jù)；

采用預設的方法對所述正樣本數(shù)據(jù)和所述負樣本數(shù)據(jù)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(jù)用戶的特征和視頻的特征對視頻進行評分。

可選的，所述預設的方法包括：GBDT迭代決策樹算法。

可選的，其特征在于，

所述用戶特征包括：年齡、性別、所在區(qū)域；

所述視頻特征包括：視頻類型、視頻標簽。

可選的，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(jù)用戶-視頻事件，計算目標用戶的相似用戶；

根據(jù)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。

可選的，所述根據(jù)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(jù)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(jù)所述用戶-視頻矩陣，計算所述目標用戶的相似用戶。

可選的，所述根據(jù)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；