[發明專利]一種適用于短視頻推薦打散的分類方法及系統

在審

• 申請號: 201911394269.1
• 申請日: 2019-12-30
• 公開（公告）號: CN111160254A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 劉騰飛;范俊;李文杰;黃睿智;顧湘余
• 申請（專利權）人: 杭州趣維科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 杭州橙知果專利代理事務所(特殊普通合伙) 33261
• 代理人: 賀龍萍

本發明公開了一種適用于短視頻推薦打散的分類方法及系統，分類方法包括步驟：S1、基于用戶的歷史短視頻點擊數據構建短視頻轉移網絡；S2、基于所述短視頻轉移圖網絡計算短視頻間的轉移概率；S3、基于所述短視頻轉移網絡，根據計算的轉移概率進行隨機游走生成短視頻轉移序列；S4、根據所述短視頻轉移序列進行短視頻的表示學習，生成短視頻的低維度向量表示；S5、基于所述短視頻的低維度向量表示、利用聚類算法為短視頻分類。本發明充分考慮短視頻間的轉移關系，采用無監督學習方法生成符合短視頻推薦打散的分類，提升了短視頻打散的精度，進而提高了短視頻推薦的有效性。

技術領域

本發明涉及視頻推薦領域，具體涉及一種適用于短視頻推薦打散的分類方法及系統。

背景技術

在短視頻推薦中，個性化推薦給用戶的經常是同一類視頻，比如，當用戶點擊了搞笑視頻后，會推薦給用戶大量搞笑視頻；點擊一個足球視頻，會給用戶展示大量足球視頻。所以在推薦系統中，經常需要對輸出結果按類別進行限制以及重排序。打散的作用是保證同一類目視頻推薦的頻率不會太高，避免用戶在前端感覺內容的同質化，保證內容的多樣性。

打散的關鍵在于視頻的類別的正確性以及覆蓋率。短視頻的類別定義主要根據(1)人工定義分類；(2)基于人工標定的大量視頻類別數據，運用有監督的分類方法進行分類；現有技術中通常是兩種方法結合給短視頻池進行分類打標簽。

一般短視頻的內容池有上億條視頻，并且每天會新產生十萬級別的新視頻，給龐大的短視頻進行類別的定義按照(1)人工定義分類，需要龐大的打標人員才能應對，同時人員的分類標準也受到個人主觀性的影響，所以人工打標通常只能覆蓋小部分比例的視頻；(2)運用有監督的分類方法進行分類，仍需要大量的標注數據，并且只能覆蓋一定的類別，對于沒有涉及的類別無法起到分類的作用。

針對上述人工定義分類方法覆蓋率較低以及所需人力的問題、運用有監督分類所需的大量標注數據以及特定類別的打標簽問題，公開號為CN 108154137 A的發明專利申請公開了一種視頻特征學習方法，方法包括：獲得待訓練的視頻樣本；按照預設幀數對所述視頻樣本進行等間隔采樣，由采樣的視頻幀組成視頻分段；針對各視頻分段，提取各視頻分段的視覺特征，并計算各視覺特征對應的運動基元數量基于各視頻分段的運動基元數量和預設約束條件對目標分類模型進行訓練，得到訓練后的目標分類模型，以實現對視頻特征的學習。

上述基于無監督的聚類方法雖然無需相應的視頻類別標注數據以及大量標注人員，但是其聚類的過程僅基于視頻本身的視覺特征，完全不涉及視頻間的關聯關系，基于該聚類的結果不能實現很好的視頻推薦效果。因此，如何針對短視頻推薦的特征，實現適用于短視頻推薦打散的分類是本領域亟待解決的問題。

發明內容

本發明的目的是針對現有技術的缺陷，提供了一種適用于短視頻推薦打散的分類及系統。本發明充分考慮短視頻間的轉移關系，采用無監督學習方法生成符合短視頻推薦打散的分類，提升了短視頻打散的精度，進而提高了短視頻推薦的有效性。

為了實現以上目的，本發明采用以下技術方案：

一種適用于短視頻推薦打散的分類方法，包括步驟：

S1、基于用戶的歷史短視頻點擊數據構建短視頻轉移網絡；

S2、基于所述短視頻轉移圖網絡計算短視頻間的轉移概率；

S3、基于所述短視頻轉移網絡，根據計算的轉移概率進行隨機游走生成短視頻轉移序列；

S4、根據所述短視頻轉移序列進行短視頻的表示學習，生成短視頻的低維度向量表示；

S5、基于所述短視頻的低維度向量表示、利用聚類算法為短視頻分類。

進一步地，所述步驟S1包括：

S11、采集用戶點擊的短視頻、相應的點擊時間及觀看時間，構建歷史短視頻點擊行為序列；