[發(fā)明專利]視頻篩選方法、裝置、電子設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811320832.6
• 申請日: 2018-11-07
• 公開（公告）號: CN109657097A
• 公開（公告）日: 2019-04-19
• 發(fā)明（設計）人: 王寶慷
• 申請（專利權）人: 北京達佳互聯(lián)信息技術有限公司
• 主分類號: G06F16/73
• 分類號: G06F16/73;G06F16/735;G06F16/9535;G06N20/00
• 代理公司: 北京潤澤恒知識產(chǎn)權代理有限公司 11319
• 代理人: 莎日娜

本申請示出了一種視頻篩選方法、裝置、電子設備及存儲介質(zhì)，其中視頻篩選方法包括：獲取用戶的特征、用戶操作過的第一視頻的特征以及對第一視頻的操作特征；采用預先訓練得到的篩選模型，對用戶的特征、第一視頻的特征以及對第一視頻的操作特征進行處理，得到各第一視頻對應的目標成績；根據(jù)目標成績，在用戶操作過的第一視頻中，篩選出預設數(shù)量個第一視頻。通過篩選模型對用戶操作過的第一視頻進行篩選，可以確保視頻推薦的觸發(fā)源質(zhì)量，過濾掉低質(zhì)量或無效視頻，從而可以提高視頻推薦效率和精細度；并且觸發(fā)源中可以包括更長時間范圍內(nèi)的第一視頻，從而能夠更加有效地刻畫用戶的長期興趣，拓展了觸發(fā)召回的時間范圍，提高個性化推薦效果。

技術領域

本申請涉及計算機技術領域，尤其涉及一種視頻篩選方法、裝置、電子設備及存儲介質(zhì)。

背景技術

視頻推薦技術一般包括觸發(fā)和排序兩個步驟，首先根據(jù)不同的觸發(fā)源，采用各種觸發(fā)策略獲取觸發(fā)結(jié)果，然后通過排序模型對觸發(fā)結(jié)果進行排序和篩選，將最終的推薦結(jié)果展示給用戶。因此，精準的觸發(fā)源能夠更有效地滿足用戶的個性化需求。

傳統(tǒng)視頻推薦系統(tǒng)中的觸發(fā)普遍采用協(xié)同過濾(Collaborative Filtering)，例如基于物品(item)的協(xié)同過濾(item-cf)是利用物品之間的相似度進行推薦和排序。這種基于item-cf的觸發(fā)方式中將用戶近期的點擊、點贊以及關注等所有行為都籠統(tǒng)地作為觸發(fā)源進行各種方式的觸發(fā)。

然而，在視頻數(shù)量龐大、用戶行為豐富的短視頻應用中，由于線上系統(tǒng)的限制，作為觸發(fā)源的用戶行為只能保存最近期的有限部分，造成觸發(fā)源對用戶長期興趣表達能力的缺失；并且作為觸發(fā)源的用戶行為并未經(jīng)過篩選，整體觸發(fā)質(zhì)量難以保證。

發(fā)明內(nèi)容

為克服相關技術中存在的問題，本申請?zhí)峁┮环N視頻篩選方法、裝置、電子設備及存儲介質(zhì)。

根據(jù)本申請的第一方面，提供一種視頻篩選方法，所述方法包括：

獲取用戶的特征、所述用戶操作過的第一視頻的特征以及對所述第一視頻的操作特征；

采用預先訓練得到的篩選模型，對所述用戶的特征、所述第一視頻的特征以及對所述第一視頻的操作特征進行處理，得到各所述第一視頻對應的目標成績；

根據(jù)所述目標成績，在所述用戶操作過的第一視頻中，篩選出預設數(shù)量個第一視頻。

在一個可選的實現(xiàn)方式中，所述目標成績包括所述第一視頻對應的觸發(fā)結(jié)果的點擊率、點贊率和關注率，所述根據(jù)所述目標成績，在所述用戶操作過的第一視頻中，篩選出預設數(shù)量個第一視頻的步驟，包括：

對所述點擊率、所述點贊率以及所述關注率進行加權求和，得到各所述第一視頻對應的全局成績；

篩選出所述全局成績較高的預設數(shù)量個第一視頻。

在一個可選的實現(xiàn)方式中，所述點擊率的權重因子大于或等于1且小于或等于3，所述點贊率的權重因子大于或等于3且小于或等于5，所述關注率的權重因子大于或等于5且小于或等于7。

在一個可選的實現(xiàn)方式中，在所述采用預先訓練得到的篩選模型，對所述用戶的特征、所述第一視頻的特征以及對所述第一視頻的操作特征進行處理，得到各所述第一視頻對應的目標成績的步驟之前，所述方法還包括：獲得所述篩選模型；

所述獲得所述篩選模型的步驟，包括：

獲取所述用戶的特征、所述用戶操作過的第二視頻的特征以及對所述第二視頻的操作特征，其中，所述第二視頻對應有標簽；

根據(jù)所述用戶的特征、所述第二視頻的特征、對所述第二視頻的操作特征以及所述標簽，對機器學習模型進行訓練，得到所述篩選模型。