[發明專利]一種視頻推薦方法及系統

在審

• 申請號: 202010434612.7
• 申請日: 2020-05-21
• 公開（公告）號: CN111339355A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 劉慶標
• 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: G06F16/73
• 分類號: G06F16/73;G06F16/74;G06F16/9535;G06F16/957
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 藏斌

1.一種視頻推薦方法，其特征在于，所述方法包括：

獲取長短視頻特征和用戶的用戶特征，所述長短視頻特征由組合多個待推薦長視頻的長視頻特征和多個待推薦短視頻的短視頻特征得到；

將所述用戶特征和所述長短視頻特征輸入預設的推薦模型進行點擊率預測，得到每個所述待推薦長視頻的預測點擊率和每個所述待推薦短視頻的預測點擊率，所述推薦模型根據預先獲取的訓練數據集訓練機器學習模型得到；

根據每個所述待推薦長視頻的預測點擊率和每個所述待推薦短視頻的預測點擊率，對所有所述待推薦長視頻和所述待推薦短視頻進行排序，將排序結果反饋給所述用戶。

2.根據權利要求1所述的方法，其特征在于，所述獲取長短視頻特征和用戶的用戶特征，包括：

獲取歷史長短視頻特征和實時長短視頻特征，融合所述歷史長短視頻特征和所述實時長短視頻特征得到長短視頻特征；

獲取用戶對應的歷史用戶特征和實時用戶特征，融合所述歷史用戶特征和所述實時用戶特征得到所述用戶對應的用戶特征。

3.根據權利要求1所述的方法，其特征在于，獲取訓練數據集的過程包括：

獲取樣本長視頻對應的樣本長視頻畫像和樣本短視頻對應的樣本短視頻畫像，以及獲取樣本用戶對應的樣本用戶畫像和樣本上下文行為畫像；

對所述樣本長視頻畫像、所述樣本短視頻畫像、所述樣本用戶畫像和所述樣本上下文行為畫像進行數據預處理，得到原始特征數據集；

對所述原始特征數據集進行特征工程處理，得到訓練數據集，所述特征工程處理至少包括特征提取處理和特征轉化處理。

4.根據權利要求1所述的方法，其特征在于，根據預先獲取的訓練數據集訓練機器學習模型得到推薦模型的過程，包括：

根據預設的劃分比例，將所述訓練數據集劃分為訓練集、驗證集和測試集；

根據所述訓練集、所述驗證集和所述測試集，以及結合樣本用戶對樣本長視頻與樣本短視頻的點擊行為和曝光行為，訓練機器學習模型直至所述機器學習模型收斂，得到推薦模型。

5.根據權利要求1所述的方法，其特征在于，對所有所述待推薦長視頻和所述待推薦短視頻進行排序，將排序結果反饋給所述用戶之后，還包括：

根據所述用戶對所述待推薦長視頻和所述待推薦短視頻的點擊行為和曝光行為，對所述推薦模型進行更新優化。

6.一種視頻推薦系統，其特征在于，所述系統包括：

獲取單元，用于獲取長短視頻特征和用戶的用戶特征，所述長短視頻特征由組合多個待推薦長視頻的長視頻特征和多個待推薦短視頻的短視頻特征得到；

處理單元，用于將所述用戶特征和所述長短視頻特征輸入預設的推薦模型進行點擊率預測，得到每個所述待推薦長視頻的預測點擊率和每個所述待推薦短視頻的預測點擊率，所述推薦模型根據預先獲取的訓練數據集訓練機器學習模型得到；

排序單元，用于根據每個所述待推薦長視頻的預測點擊率和每個所述待推薦短視頻的預測點擊率，對所有所述待推薦長視頻和所述待推薦短視頻進行排序，將排序結果反饋給所述用戶。

7.根據權利要求6所述的系統，其特征在于，所述獲取單元具體用于：獲取歷史長短視頻特征和實時長短視頻特征，融合所述歷史長短視頻特征和所述實時長短視頻特征得到長短視頻特征，獲取用戶對應的歷史用戶特征和實時用戶特征，融合所述歷史用戶特征和所述實時用戶特征得到所述用戶對應的用戶特征。

8.根據權利要求6所述的系統，其特征在于，用于獲取訓練數據集的所述處理單元包括：

獲取模塊，用于獲取樣本長視頻對應的樣本長視頻畫像和樣本短視頻對應的樣本短視頻畫像，以及獲取樣本用戶對應的樣本用戶畫像和樣本上下文行為畫像；

預處理模塊，用于對所述樣本長視頻畫像、所述樣本短視頻畫像、所述樣本用戶畫像和所述樣本上下文行為畫像進行數據預處理，得到原始特征數據集；

特征工程處理模塊，用于對所述原始特征數據集進行特征工程處理，得到訓練數據集，所述特征工程處理至少包括特征提取處理和特征轉化處理。