本發(fā)明涉及視頻推薦?,尤其涉及一種視頻推薦方法、裝置。
背景技術(shù):
1、智能型電視大屏的視頻推薦系統(tǒng)是當(dāng)前智能電視技術(shù)發(fā)展的重要方向之一,該系統(tǒng)通過復(fù)雜的算法和智能分析,為用戶推薦符合其興趣和喜好的視頻內(nèi)容,從而提供更加個性化、智能化的觀看體驗。
2、而現(xiàn)有的視頻推薦系統(tǒng)在進(jìn)行視頻推薦時,由于需要調(diào)動大量的計算資源進(jìn)行計算,不僅增加了系統(tǒng)運行的負(fù)擔(dān),還難以保證推薦的即時性。
技術(shù)實現(xiàn)思路
1、基于上述技術(shù)問題,本發(fā)明提供一種視頻推薦方法、裝置。
2、根據(jù)本發(fā)明的一個方面,提供了一種視頻推薦方法,包括:
3、獲取目標(biāo)用戶的標(biāo)識信息和視頻用戶集,目標(biāo)用戶為所述視頻用戶集中的用戶;
4、基于目標(biāo)用戶的標(biāo)識信息以及預(yù)先構(gòu)建長期興趣圖譜,獲取訓(xùn)練好的目標(biāo)用戶的長期興趣模型,長期興趣圖譜用于標(biāo)識視頻用戶集中的每個用戶長期興趣偏好;
5、基于目標(biāo)用戶的標(biāo)識信息以及預(yù)先構(gòu)建短期興趣圖譜,獲取訓(xùn)練好的目標(biāo)用戶的短期興趣模型,短期興趣圖譜用于標(biāo)識視頻用戶集中的每個用戶短期興趣偏好;
6、基于長期興趣圖譜、短期興趣圖譜、長期興趣模型和短期興趣模型,為目標(biāo)用戶進(jìn)行視頻推薦。
7、根據(jù)本發(fā)明的一個方面的視頻推薦方法,長期興趣圖譜的構(gòu)建方法包括:
8、獲取視頻用戶集、視頻集以及視頻用戶集的歷史行為日志數(shù)據(jù);
9、基于視頻用戶集、視頻集以及視頻用戶集的歷史行為日志數(shù)據(jù),確定視頻用戶集與視頻集的第一交互關(guān)系;
10、基于基于視頻用戶集、視頻集以及第一交互關(guān)系,構(gòu)建長期興趣圖譜。
11、根據(jù)本發(fā)明的一個方面的視頻推薦方法,基于目標(biāo)用戶的標(biāo)識信息以及預(yù)先構(gòu)建的長期興趣圖譜,獲取訓(xùn)練好的目標(biāo)用戶的長期興趣模型,包括:
12、構(gòu)建長期興趣模型;
13、基于目標(biāo)用戶的標(biāo)識信息,從預(yù)先構(gòu)建的長期興趣圖譜中確定目標(biāo)用戶的第一信息以及與第一信息相關(guān)的第一視頻信息,第一信息為目標(biāo)用戶歷史畫像;
14、基于第一信息與第一視頻信息,對長期興趣模型進(jìn)行訓(xùn)練以獲取訓(xùn)練好的目標(biāo)用戶的長期興趣模型。
15、根據(jù)本發(fā)明的一個方面的視頻推薦方法,短期興趣圖譜的構(gòu)建方法包括:
16、獲取視頻用戶集、視頻集以及視頻用戶集的近期行為日志數(shù)據(jù);
17、基于視頻用戶集、視頻集以及視頻用戶集的短期行為日志數(shù)據(jù),確定視頻用戶集與視頻集的第二交互關(guān)系;
18、基于視頻用戶集、視頻集以及基于第二交互關(guān)系,構(gòu)建短期興趣圖譜。
19、根據(jù)本發(fā)明的一個方面的視頻推薦方法,基于目標(biāo)用戶的標(biāo)識信息以及預(yù)先構(gòu)建的短期興趣圖譜,獲取訓(xùn)練好的目標(biāo)用戶的短期興趣模型,包括:
20、構(gòu)建短期興趣模型;
21、基于目標(biāo)用戶的標(biāo)識信息,從預(yù)先構(gòu)建的短期興趣圖譜中確定目標(biāo)用戶的第二信息以及與第二信息相關(guān)的第二視頻信息,第二信息為目標(biāo)用戶近期畫像;
22、基于第二信息與第二視頻信息,對短期興趣模型進(jìn)行訓(xùn)練以獲取訓(xùn)練好的目標(biāo)用戶的短期興趣模型。
23、根據(jù)本發(fā)明的一個方面的視頻推薦方法,基于長期興趣模型和短期興趣模型,為目標(biāo)用戶進(jìn)行視頻推薦,包括:
24、基于短期興趣圖譜,獲取當(dāng)前時刻的目標(biāo)用戶的第三信息以及與目標(biāo)用戶的第三信相關(guān)的第三視頻信息,第三信息為目標(biāo)用戶的當(dāng)前畫像;
25、將第三信息與第三視頻信息輸入至短期興趣模型,獲取短期興趣模型輸出的第一視頻推薦列表;
26、基于長期興趣圖譜,獲取歷史時刻的目標(biāo)用戶的第四信息以及與目標(biāo)用戶的第四信相關(guān)的第四視頻信息,第四信息為半年至一年內(nèi)目標(biāo)用戶畫像;
27、基于第四信息和第四視頻信息輸入至長期興趣模型,獲取長期興趣模型輸出的第二視頻推薦列表;基于第一視頻推薦列表和第二視頻推薦列表,為目標(biāo)用戶進(jìn)行視頻推薦。
28、根據(jù)本發(fā)明的一個方面的視頻推薦方法,視頻集的構(gòu)建方法包括:
29、獲取視頻庫中至少與視頻用戶集相關(guān)的視頻項目集;
30、對視頻項目集進(jìn)行預(yù)處理;
31、對預(yù)處理后的視頻項目集中的每個視頻進(jìn)行特征點提取,獲取每個視頻中滿足第一預(yù)設(shè)條件的第一特征點;
32、基于第一特征點,確定每個視頻中包含第一特征點的第一特征圖集合;
33、將第一特征圖集合進(jìn)行網(wǎng)絡(luò)化處理,獲取第二特征圖集合;
34、將第二特征圖集合中每相鄰兩幀第二特征圖進(jìn)行相似度比較,獲取滿足第二預(yù)設(shè)條件的第三特征圖集合;
35、基于預(yù)處理后的視頻項目集中的每個視頻的第三特征圖集合,獲取視頻集。
36、根據(jù)本發(fā)明的一個方面的視頻推薦方法,第一預(yù)設(shè)條件包括:
37、第一特征點的周圍像素點的灰度值與第一特征點的中心像素點的灰度值的絕對差值小于預(yù)設(shè)第一閾值,且第一特征點的周圍像素點的數(shù)量超過采樣閾值;
38、第二預(yù)設(shè)條件包括:
39、每相鄰兩幀第二特征圖的差異超過預(yù)設(shè)第二閾值。
40、根據(jù)本發(fā)明的一個方面的視頻推薦方法,方法還包括:
41、獲取目標(biāo)用戶的當(dāng)前時刻的觀看行為記錄和上一次的觀看行為記錄;
42、將目標(biāo)用戶的當(dāng)前時刻的觀看行為記錄的視頻信息和上一次的觀看行為記錄的視頻信息進(jìn)行相似度比較,若當(dāng)前時刻的觀看行為記錄的視頻信息的內(nèi)容變化程度超過預(yù)設(shè)第三閾值,則更新短期興趣圖譜。
43、根據(jù)本發(fā)明的又一個方面,提供了一種視頻推薦裝置,包括:
44、標(biāo)識信息獲取模塊,用于獲取目標(biāo)用戶的標(biāo)識信息和視頻用戶集,目標(biāo)用戶為視頻用戶集中的用戶;
45、長期興趣模型確定模塊,用于基于目標(biāo)用戶的標(biāo)識信息以及預(yù)先構(gòu)建的長期興趣圖譜,獲取訓(xùn)練好的目標(biāo)用戶的長期興趣模型,長期興趣圖譜用于標(biāo)識視頻用戶集中的每個用戶長期興趣偏好;
46、短期興趣模型確定模塊,用于基于目標(biāo)用戶的標(biāo)識信息以及預(yù)先構(gòu)建的短期興趣圖譜,獲取訓(xùn)練好的目標(biāo)用戶的短期興趣模型,短期興趣圖譜用于標(biāo)識視頻用戶集中的每個用戶短期興趣偏好;
47、視頻推薦模塊,用于基于長期興趣圖譜、短期興趣圖譜、長期興趣模型和短期興趣模型,為目標(biāo)用戶進(jìn)行視頻推薦。
48、本發(fā)明還提供一種電子設(shè)備,包括存儲器、處理器及存儲在存儲器上并在處理器上運行的計算機程序,處理器執(zhí)行計算機程序時實現(xiàn)如上述任一種視頻推薦方法。
49、本發(fā)明還提供一種非暫態(tài)計算機可讀存儲介質(zhì),其上存儲有計算機程序,該計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種視頻推薦方法。
50、本發(fā)明還提供一種計算機程序產(chǎn)品,包括計算機程序,計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一種視頻推薦方法。
51、本發(fā)明提供的視頻推薦方法、裝置,通過目標(biāo)用戶的標(biāo)識信息、長期興趣圖譜、短期興趣圖譜確定目標(biāo)用戶的長期和短期興趣模型,將目標(biāo)用戶的長期和短期興趣模型以及長期興趣圖譜、短期興趣圖譜結(jié)合進(jìn)行視頻推薦,不僅能夠提供更加個性化的視頻推薦,滿足用戶的個性化需求,還能減少對大量計算資源的依賴,提高了推薦過程的效率,且結(jié)合短期興趣模型,能夠快速響應(yīng)用戶的最新行為,提高了推薦結(jié)果的即時性。