[發明專利]一種視頻推薦方法、目標服務提供端、服務調用端及系統

有效

• 申請號: 202010799879.6
• 申請日: 2020-08-11
• 公開（公告）號: CN111679916B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 余關祥;王蕾
• 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: G06F9/50
• 分類號: G06F9/50;G06F16/71;G06F16/783;G06N20/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 陳志海

本發明提供了一種視頻推薦方法、目標服務提供端、服務調用端及系統，該方法為：服務調用端獲取服務端實例列表，根據預設的負載均衡策略，從服務端實例列表中確定目標服務提供端。服務調用端將待處理用戶的用戶id和多個待推薦視頻的視頻id發送給目標服務提供端。目標服務提供端根據用戶id獲取用戶特征和根據視頻id獲取視頻特征，并利用預設的視頻推薦模型處理用戶特征和多個視頻特征得到多個待推薦視頻的預測點擊率，將多個待推薦視頻的預測點擊率反饋給服務調用端。通過設置多個服務提供端，并利用負載均衡策略選擇對應的目標服務提供端進行視頻推薦處理，提高視頻處理能力，從而降低推薦視頻的延遲性。

技術領域

本發明涉及視頻推薦技術領域，具體涉及一種視頻推薦方法、目標服務提供端、服務調用端及系統。

背景技術

隨著互聯網的發展，越來越多的視頻軟件在應用市場上出現。在應用視頻軟件時，會根據用戶的用戶特征和視頻的視頻特征向用戶推薦對應的視頻。

目前進行視頻推薦的方式為：結合用戶特征和視頻特征，利用機器學習模型對視頻進行點擊率預測，根據預測得到的點擊率進行視頻推薦。但是，隨著視頻數量的增多和視頻特征的長度變長，在向用戶推薦視頻時需要較長的時間處理視頻，無法處理大量的視頻，處理視頻的能力較低和推薦視頻的延遲性較高。

發明內容

有鑒于此，本發明實施例提供一種視頻推薦方法、目標服務提供端、服務調用端及系統，以解決目前視頻推薦方式存在的處理視頻的能力較低和推薦視頻的延遲性較高等問題。

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，所述方法適用于服務調用端，所述方法包括：

獲取服務端實例列表，所述服務端實例列表中包括多個預先在etcd注冊中心注冊的服務提供端，所述服務提供端為docker集群中的docker服務實例；

根據預設的負載均衡策略，從所述服務端實例列表中確定目標服務提供端；

將待處理用戶的用戶id和多個待推薦視頻的視頻id發送給所述目標服務提供端，使所述目標服務提供端根據所述用戶id獲取用戶特征和根據所述視頻id獲取視頻特征，并利用預設的視頻推薦模型處理所述用戶特征和多個所述視頻特征得到多個所述待推薦視頻的預測點擊率，所述視頻推薦模型根據樣本數據訓練機器學習模型得到；

接收所述目標服務提供端反饋的多個所述待推薦視頻的預測點擊率。

優選的，所述根據預設的負載均衡策略，從所述服務端實例列表中確定目標服務提供端，包括：

根據隨機數哈希算法策略，從所述服務端實例列表中確定目標服務提供端。

本發明實施例第二方面公開一種視頻推薦方法，所述方法適用于目標服務提供端，所述方法包括：

接收服務調用端發送的待處理用戶的用戶id和多個待推薦視頻的視頻id，所述服務調用端根據預設的負載均衡策略從服務端實例列表中確定目標服務提供端，所述服務端實例列表中包括多個預先在etcd注冊中心注冊的服務提供端，所述服務提供端為docker集群中的docker服務實例；

根據所述用戶id獲取所述待處理用戶的用戶特征，以及根據所述視頻id獲取多個所述待推薦視頻的視頻特征；

根據所述用戶特征和多個所述視頻特征，利用預設的視頻推薦模型對多個所述待推薦視頻進行點擊率預測，得到每個所述待推薦視頻的預測點擊率，所述視頻推薦模型根據樣本數據訓練機器學習模型得到；

將多個所述待推薦視頻的預測點擊率反饋給所述服務調用端。

優選的，所述根據所述用戶id獲取所述待處理用戶的用戶特征，以及根據所述視頻id獲取多個所述待推薦視頻的視頻特征，包括：