[發明專利]一種視頻推薦方法及服務器

在審

• 申請號: 202010124722.3
• 申請日: 2020-02-27
• 公開（公告）號: CN111212304A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 楊云龍;隋雪芹
• 申請（專利權）人: 青島聚看云科技有限公司
• 主分類號: H04N21/25
• 分類號: H04N21/25;H04N21/258;H04N21/45;H04N21/466
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種視頻推薦方法，其特征在于，所述方法包括：

接收目標終端發送的推薦請求；

發送推薦結果給所述目標終端，其中，所述推薦結果根據用戶行為特征確定，用戶行為特征小于平均值時的推薦權重小于用戶行為特征大于平均值時的推薦權重。

2.根據權利要求1所述的視頻推薦方法，其特征在于，在發送推薦結果給所述目標終端之前，所述方法還包括：

根據目標終端對應的歷史行為數據獲取推薦結果；其中，在推薦結果的確定過程中，用戶行為特征小于平均值時的推薦權重小于用戶行為特征大于平均值時的推薦權重。

3.根據權利要求1所述的視頻推薦方法，其特征在于，所述發送推薦結果給所述目標終端，包括：

將預先獲取的推薦結果發送給所述目標終端，在預先確定所述推薦結果的過程中，用戶行為特征小于平均值時的推薦權重小于用戶行為特征大于平均值時的推薦權重。

4.根據權利要求2所述的視頻推薦方法，其特征在于，根據目標終端對應的歷史行為數據確定推薦結果，包括：

從目標終端對應的歷史行為數據中抽取用戶行為特征和媒資特征，所述用戶行為特征小于平均值時的推薦權重小于用戶行為特征大于平均值時的推薦權重；

根據所述媒資特征從知識圖譜中抽取知識特征，所述知識圖譜用于存儲視頻媒資不同維度的屬性信息，所述知識特征用于表征與所述媒資特征存在關系的媒資；

將所述用戶行為特征、媒資特征和知識特征輸入到深度學習模型，獲取推薦結果；其中，所述深度學習模型是根據樣本用戶的用戶行為特征、媒資特征及知識特征基于卷積神經網絡訓練得到的模型。

5.根據權利要求2所述的視頻推薦方法，其特征在于，在發送推薦結果給所述目標終端之前，所述方法還包括：

根據所述推薦請求拼接用戶信息，所述推薦請求中攜帶用戶信息，所述用戶信息中包括設備機型、牌照信息和軟件版本；

發送推薦結果給所述目標終端，包括：

根據所述機型、牌照信息和軟件版本過濾獲取到的推薦結果，發送過濾后的推薦結果給所述目標終端。

6.根據權利要求4所述的視頻推薦方法，其特征在于，從目標終端對應的歷史行為數據中抽取用戶行為特征和媒資特征之前，所述方法包括：

收集目標終端瀏覽視頻時產生的日志，獲取所述目標終端最近一個月的歷史行為數據，所述歷史行為數據包括目標終端觀看視頻的媒資信息以及觀看的時間和時長；

根據目標終端觀看視頻的觀看次數或觀看時長過濾所述用戶行為數據，保存過濾后的用戶行為數據。

7.根據權利要求6所述的視頻推薦方法，其特征在于，根據目標終端觀看視頻的觀看次數或觀看時長過濾所述用戶行為數據，包括：

獲取所述視頻的平均觀看次數或平均觀看時長；

如果目標終端觀看視頻的觀看次數大于或等于所述視頻的平均觀看次數或目標終端觀看視頻的觀看時長大于或等于所述視頻的平均觀看時長，則所述視頻的推薦權重為正；

如果目標終端觀看視頻的觀看次數小于所述視頻的平均觀看次數且目標終端觀看視頻的觀看時長小于所述視頻的平均觀看時長，則所述視頻的推薦權重為負。