[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

本發明提供了一種視頻推薦方法及系統，獲取長短視頻特征和用戶的用戶特征；將用戶特征和長短視頻特征輸入預設的推薦模型進行點擊率預測，得到每個待推薦長視頻的預測點擊率和每個待推薦短視頻的預測點擊率；根據每個待推薦長視頻的預測點擊率和每個待推薦短視頻的預測點擊率，對所有待推薦長視頻和待推薦短視頻進行排序，將排序結果反饋給用戶。本方案中，將用戶特征和由長視頻特征與短視頻特征組合得到的長短視頻特征輸入預先訓練的推薦模型，得到待推薦長視頻和待推薦短視頻的預測點擊率。按照預測點擊率對待推薦長視頻和待推薦短視頻進行排序，將排序結果反饋給用戶，實現不同類型信息的推薦，提高用戶使用體驗和提高信息推薦的準確性。

技術領域

本發明涉及數據處理技術領域，具體涉及一種視頻推薦方法及系統。

背景技術

隨著互聯網的發展，各式各樣應用軟件被開發出來。用戶在使用應用軟件的過程中，應用軟件會向用戶提供個性化推薦服務。

目前向用戶提供個性化推薦服務的方式為：根據用戶的歷史行為數據，利用推薦算法把信息按照用戶的喜好進行過濾，得到用戶喜歡的信息。但是，目前的個性化推薦服務僅能對單一類型的信息進行推薦，隨著信息類型的不斷增多并且每種類型的信息的特性都有所不同，目前的個性化推薦服務無法滿足用戶的實際需求和不能準確的對多類型的信息進行推薦，用戶使用體驗較差和信息推薦的準確性較差。

發明內容

有鑒于此，本發明實施例提供一種視頻推薦方法及系統，以解決目前個性化推薦服務存在的用戶使用體驗較差和信息推薦的準確性較差等問題。

為實現上述目的，本發明實施例提供如下技術方案：

本發明實施例第一方面公開一種視頻推薦方法，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。

優選的，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。

優選的，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。

優選的，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。