[發明專利]基于深度學習的視頻推送方法

有效

• 申請號: 202011521669.7
• 申請日: 2020-12-21
• 公開（公告）號: CN112650884B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 梁敏
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06F16/783;G06V20/40;G06V10/764;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 吳中偉

1.基于深度學習的視頻推送方法，其特征在于，包括：

步驟(1)、根據用戶觀看歷史行為以及所有觀看視頻集合，結合貝葉斯條件后驗概率公式預測U類用戶在t時刻會看具有C特征的視頻i的概率，所述公式為：u是用戶的embedding向量，v是視頻的embedding向量；

步驟(2)、根據預測的概率對先導預告片視頻進行推薦排序打分；

步驟(3)、對先導預告片視頻進行分類，再結合相應評論上下文對分類后的視頻進行即時打分；

步驟(4)、通過用戶歷史觀看行為數據和交叉驗證方法將即時打分與推薦排序打分進行匹配；

步驟(5)、若匹配結果在設定的閾值范圍內，則對相應先導預告片對應的視頻正片進行推送。

2.根據權利要求1所述的基于深度學習的視頻推送方法，其特征在于，在步驟(3)中，對先導預告片視頻進行分類的方法包括：

步驟301、采用MovieLen訓練集，對其中的先導預告片視頻進行分類，對分類后的視頻進行隨機多幀采樣；

步驟302、通過卷積網絡設計分類網絡模型，其中卷積層設計為由大到小；

步驟303、將隨機采集的多幀視頻放入網絡模型之中進行訓練，得到每一幀視頻的分類結果；

步驟304、對分類結果進行類別統計，得到每個類別所占百分比，若該類別的百分比大于50％，則認定該類別為當前視頻的類別。

3.根據權利要求2所述的基于深度學習的視頻推送方法，其特征在于，在步驟(4)中，所述交叉驗證方法具體包括：

基于用戶歷史觀看數據，將用戶觀看時長最長的視頻記錄作為交叉驗證的訓練集；

對訓練集采用非對稱的同看策略進行交叉驗證。