個性化視頻推薦方法及裝置的制造方法
【專利摘要】本發(fā)明實(shí)施例提供一種個性化視頻推薦方法及裝置，包括：獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征；根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視頻特征模型；根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。使得用戶可以快速準(zhǔn)確地獲取自己感興趣的視頻，提高了視頻獲取的效率，符合用戶的個性化視頻需求，大大提高用戶視頻搜索推薦的體驗(yàn)度。
【專利說明】
個性化視頻推薦方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明實(shí)施例涉及計算機(jī)技術(shù)領(lǐng)域，尤其涉及一種個性化視頻推薦方法及裝置。
【背景技術(shù)】
[0002] 隨著每天有海量的視頻特征上載到互聯(lián)網(wǎng)，如何分析用戶的興趣以及如何推薦用 戶可能感興趣的視頻是一個很大的挑戰(zhàn)，當(dāng)前已有的視頻推薦方法是用戶主動選擇喜歡的 視頻類別，然后系統(tǒng)根據(jù)用戶選擇來推薦相同類別的視頻，需要用戶通過視頻網(wǎng)站手動操 作進(jìn)行設(shè)置，用戶體驗(yàn)度較低。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明實(shí)施例提供一種個性化視頻推薦方法及裝置，可以實(shí)現(xiàn)根據(jù)不同用戶的興 趣主動向用戶推薦感興趣的視頻，用戶體驗(yàn)度較高。
[0004] 本發(fā)明實(shí)施例提供一種個性化視頻推薦方法，包括：
[0005] 獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征；
[0006] 根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視頻特征模型；
[0007] 根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與所述用戶 畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。
[0008] 可選地，獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征之前還包括：
[0009] 根據(jù)所述用戶標(biāo)識，獲取與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù)據(jù)，所述用戶歷 史行為數(shù)據(jù)包括用戶歷史播放的視頻特征點(diǎn)和/或用戶歷史搜索的視頻特征點(diǎn)，所述視頻 特征點(diǎn)包括視頻所屬地區(qū)、視頻類型、視頻的頻道、視頻發(fā)布時間和/或視頻點(diǎn)擊率；
[0010] 根據(jù)與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù)據(jù)，計算得到與所述用戶標(biāo)識對應(yīng)的 用戶畫像特征，所述用戶畫像特征包括用戶年齡、性別、職業(yè)、觀看過視頻的頻道、觀看過視 頻的類型、觀看過視頻的標(biāo)簽和/或觀看過視頻的地區(qū)。
[0011] 可選地，根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視頻特征模型 包括：
[0012] 根據(jù)所述用戶畫像特征，確定與所述用戶畫像特征對應(yīng)的多個視頻特征點(diǎn)以及每 個視頻特征點(diǎn)對應(yīng)的權(quán)重，得到與所述用戶畫像特征對應(yīng)的視頻特征模型。
[0013] 可選地，根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與 所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦，包括：
[0014] 根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與所述用戶 畫像特征對應(yīng)的視頻特征模型匹配的視頻候選集；
[0015] 根據(jù)所述視頻特征模型中各視頻特征點(diǎn)的權(quán)重，對所述視頻候選集中視頻進(jìn)行排 序。
[0016] 可選地，所述的方法還包括：
[0017] 根據(jù)預(yù)設(shè)的視頻過濾規(guī)則中包括的視頻特征點(diǎn)，將所述視頻候選集中符合所述視 頻過濾規(guī)則中的視頻特征點(diǎn)的視頻過濾掉。
[0018] 本發(fā)明實(shí)施例還提供一種個性化信息推薦裝置，包括：
[0019] 第一獲取模塊，用于獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征；
[0020] 第二獲取模塊，用于根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視 頻特征模型；
[0021] 第三獲取模塊，用于根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù) 庫中獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。
[0022] 可選地，所述裝置還包括：
[0023]第四獲取模塊，用于根據(jù)所述用戶標(biāo)識，獲取與所述用戶標(biāo)識對應(yīng)的用戶歷史行 為數(shù)據(jù)，所述用戶歷史行為數(shù)據(jù)包括用戶歷史播放的視頻特征點(diǎn)和/或用戶歷史搜索的視 頻特征點(diǎn)，所述視頻特征點(diǎn)包括視頻所屬地區(qū)、視頻類型、視頻的頻道、視頻發(fā)布時間和/或 視頻點(diǎn)擊率；
[0024]計算模塊，用于根據(jù)所述第四獲取模塊獲取的與所述用戶標(biāo)識對應(yīng)的用戶歷史行 為數(shù)據(jù)，計算得到與所述用戶標(biāo)識對應(yīng)的用戶畫像特征，所述用戶畫像特征包括用戶年齡、 性別、職業(yè)、觀看過視頻的頻道、觀看過視頻的類型、觀看過視頻的標(biāo)簽和/或觀看過視頻的 地區(qū)。
[0025] 可選地，所述第二獲取模塊具體用于：
[0026] 根據(jù)所述用戶畫像特征，確定與所述用戶畫像特征對應(yīng)的多個視頻特征點(diǎn)以及每 個視頻特征點(diǎn)對應(yīng)的權(quán)重，得到與所述用戶畫像特征對應(yīng)的視頻特征模型。
[0027]可選地，所述第三獲取模塊包括：
[0028] 獲取單元，用于根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中 獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻候選集；
[0029] 排序單元，用于根據(jù)所述視頻特征模型中各視頻特征點(diǎn)的權(quán)重，對所述視頻候選 集中視頻進(jìn)行排序。
[0030] 可選地，所述的裝置還包括：
[0031] 過濾模塊，用于根據(jù)預(yù)設(shè)的視頻過濾規(guī)則中包括的視頻特征點(diǎn)，將所述視頻候選 集中符合所述視頻過濾規(guī)則中的視頻特征點(diǎn)的視頻過濾掉。
[0032] 本發(fā)明實(shí)施例通過獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征；根據(jù)所述用戶畫像特 征，獲取與所述用戶畫像特征對應(yīng)的視頻特征模型;根據(jù)與所述用戶畫像特征對應(yīng)的視頻 特征模型，從視頻數(shù)據(jù)庫中獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn) 行推薦。使得用戶可以快速準(zhǔn)確地獲取自己感興趣的視頻，提高了視頻推薦和獲取的效率， 符合用戶的個性化視頻需求，大大提高用戶視頻搜索推薦的體驗(yàn)度。
【附圖說明】
[0033] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā) 明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根 據(jù)這些附圖獲得其他的附圖。
[0034] 圖1是本發(fā)明實(shí)施例提供的一種個性化視頻推薦方法的流程示意圖；
[0035] 圖2為本發(fā)明實(shí)施例提供的基于用戶畫像特征的邏輯回歸模型的訓(xùn)練方法示意 圖；
[0036] 圖3為圖2所示實(shí)施例中視頻數(shù)據(jù)的抽取和視頻數(shù)據(jù)的清洗步驟的具體實(shí)現(xiàn)方法 示意圖；
[0037] 圖4為圖2所示實(shí)施例中數(shù)據(jù)的特征構(gòu)造步驟的具體實(shí)現(xiàn)方法示意圖；
[0038] 圖5為圖2所示實(shí)施例中模型訓(xùn)練步驟的具體實(shí)現(xiàn)方法示意圖；
[0039] 圖6是本發(fā)明實(shí)施例提供的一種個性化視頻推薦裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0040] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是 本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員 在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0041] 圖1是本發(fā)明實(shí)施例提供的一種個性化視頻推薦方法的流程示意圖。該方法可以 由個性化搜索裝置來執(zhí)行，所述裝置可由軟件來實(shí)現(xiàn)，可作為實(shí)現(xiàn)搜索引擎的一部分被內(nèi) 置在具有搜索功能的終端設(shè)備上。其中，終端設(shè)備可以是智能手機(jī)、平板電腦、筆記本電腦、 臺式電腦、個人數(shù)字助理等。參見圖1，本實(shí)施例提供的個性化視頻推薦方法具體包括如下 操作：
[0042 ]步驟101、獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征；
[0043] 具體地，當(dāng)用戶打開視頻網(wǎng)站（如樂視視頻）時，即可享視頻網(wǎng)站的后臺服務(wù)器發(fā) 送攜帶有該用戶的用戶標(biāo)識的視頻請求，其中，用戶標(biāo)識例如可以是用戶的會員賬號(如樂 視會員賬號），也可以是該用戶使用的用戶設(shè)備(如IPAD)的硬件標(biāo)識;后臺服務(wù)器根據(jù)該用 戶標(biāo)識，獲取與該用戶標(biāo)識對應(yīng)的用戶畫像特征。
[0044] 為此，步驟101之前包括：
[0045] 根據(jù)所述用戶標(biāo)識，獲取與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù)據(jù)，所述用戶歷 史行為數(shù)據(jù)包括用戶歷史播放的視頻特征點(diǎn)和/或用戶歷史搜索的視頻特征點(diǎn)，所述視頻 特征點(diǎn)例如包括視頻所屬地區(qū)、視頻類型、視頻的頻道、視頻發(fā)布時間和/或視頻點(diǎn)擊率；
[0046] 根據(jù)與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù)據(jù)，計算得到與所述用戶標(biāo)識對應(yīng)的 用戶畫像特征，所述用戶畫像特征包括用戶年齡、性別、職業(yè)、觀看過視頻的頻道、觀看過視 頻的類型、觀看過視頻的興趣標(biāo)簽和/或觀看過視頻的地區(qū)。
[0047] 需要說明的是，用戶畫像特征是個性化推薦的基礎(chǔ)，一個好的推薦系統(tǒng)必須有一 個準(zhǔn)確的用戶畫像特征作為基礎(chǔ)。用戶畫像特征的構(gòu)建包括以下幾個方面：
[0048] 用戶標(biāo)識，對于登錄用戶采用用戶ID來進(jìn)行標(biāo)識，對于沒有登錄的用戶采用用戶 設(shè)備ID進(jìn)行標(biāo)識，之后可以生成用戶ID和用戶設(shè)備ID的對應(yīng)關(guān)系；
[0049] 用戶歷史行為數(shù)據(jù)的收集，在個性化搜索場景下的用戶畫像特征主要依賴用戶的 歷史點(diǎn)擊播放行為和搜索關(guān)鍵詞等信息，根據(jù)用戶ID將同一個用戶的歷史行為數(shù)據(jù)聚集到 一起作為之后用戶畫像特征算法的輸入；
[0050] 其中，用戶畫像的特征包括但不限于用戶的基本屬性（如性別，年齡段，職業(yè)等 等），還可以包括觀看過視頻的頻道、觀看過視頻的類型、觀看過視頻的標(biāo)簽和/或觀看過視 頻的地區(qū)；
[0051]其中，用戶畫像特征的生成算法需要考慮以下幾個方面：
[0052]用戶興趣計算，通常為視頻觀看時間比例*視頻的權(quán)重。而視頻的權(quán)重計算方法通 常為:總用戶數(shù)/看過此視頻的用戶數(shù)+1;
[0053]時間衰減，對于用戶近期看過的視頻給予比較近的權(quán)重，隨用戶行為歷史時間遞 減；
[0054]曝光未點(diǎn)擊降權(quán)，對于用戶曝光但是沒有點(diǎn)擊的歷史行為降權(quán)。
[0055] 步驟102、根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視頻特征模 型；
[0056] 具體地，根據(jù)所述用戶畫像特征，確定與所述用戶畫像特征對應(yīng)的多個視頻特征 點(diǎn)以及每個視頻特征點(diǎn)對應(yīng)的權(quán)重，得到與所述用戶畫像特征對應(yīng)的視頻特征模型。其中， 視頻特征點(diǎn)例如包括視頻所屬地區(qū)、視頻類型、視頻的頻道、視頻發(fā)布時間和/或視頻點(diǎn)擊 率。
[0057]需要說明的是，本發(fā)明實(shí)施例采用倒排索引為個性化推薦提供候選集，盡管這個 候選集中并不是每一個視頻都很準(zhǔn)確，但是這個候選集力求有一個比較的召回，也就是盡 量將用戶喜歡的視頻都包含。主要的方式包括：
[0058] 基于協(xié)同過濾的ItemCF算法，即為每一個視頻計算出點(diǎn)擊過這個視頻的用戶之后 最有可能點(diǎn)擊的其他視頻，具體的計算方式如下:視頻A對于視頻B的重要性=在點(diǎn)擊A的用 戶中同時點(diǎn)擊了 B的用戶數(shù)/點(diǎn)擊了 A的用戶數(shù)。
[0059] 基于標(biāo)簽(tag)的方法，將熱門tag的視頻聚類，然后對每一個類中選取熱度最高 的若干個視頻。
[0060] 需要說明的是，在本發(fā)明的另一實(shí)施例中，采用基于用戶畫像特征的邏輯回歸模 型提供了對上述候選集的排序，確保最終為用戶推薦的top n個視頻是最符合用戶個性化 的需求。圖2為本發(fā)明實(shí)施例提供的基于用戶畫像特征的邏輯回歸模型的訓(xùn)練方法示意圖， 如圖2所示，基本步驟如下：
[0061 ]步驟201.視頻數(shù)據(jù)的抽取和視頻數(shù)據(jù)的清洗；
[0062] 圖3為圖2所示實(shí)施例中視頻數(shù)據(jù)的抽取和視頻數(shù)據(jù)的清洗步驟的具體實(shí)現(xiàn)方法 示意圖，如圖3所示包括：
[0063] 步驟2011.從視頻數(shù)據(jù)庫抽取視頻特征，視頻特征包括但不限于視頻的頻道、類 型、所屬地區(qū)、發(fā)布時間、更新時間和視頻在過去某段時間的點(diǎn)擊率。
[0064]步驟2012.從視頻數(shù)據(jù)庫抽取用戶畫像特征，例如用戶的年齡，性別，職業(yè)，觀看過 視頻的頻道，觀看過視頻的類型，觀看過視頻的興趣標(biāo)簽，觀看過視頻所屬的地區(qū)。
[0065] 步驟2013.從視頻數(shù)據(jù)庫抽取某一段時間的用戶觀看歷史視頻的歷史行為，包括 用戶ID，推薦視頻的列表，推薦時間，是否點(diǎn)擊過推薦的某一個視頻。
[0066] 步驟2014.根據(jù)預(yù)設(shè)的清洗規(guī)則去除符合請求規(guī)則的視頻數(shù)據(jù);如推薦的視頻用 戶點(diǎn)擊率很低，這樣導(dǎo)致正負(fù)樣本不均勻，會影響后續(xù)模型的訓(xùn)練，需要我們在負(fù)樣本中隨 機(jī)抽取一定比例的數(shù)據(jù)，使得正負(fù)樣本的比例達(dá)到1:1，其中，正樣本例如為用戶點(diǎn)擊的推 薦視頻，負(fù)樣本為用戶沒有點(diǎn)擊的推薦視頻。
[0067]步驟202.數(shù)據(jù)的特征構(gòu)造；
[0068]圖4為圖2所示實(shí)施例中數(shù)據(jù)的特征構(gòu)造步驟的具體實(shí)現(xiàn)方法示意圖，如圖4所示， 包括：
[0069]步驟2021.連續(xù)特征離散化，本發(fā)明實(shí)施例需要對連續(xù)的特征離散化，比如視頻過 去某段時間的點(diǎn)擊率，一般采用的方法是等頻分割，就是對需要進(jìn)行離散化的特征上所有 的樣本排序，平均分為若干等份，用其所在的指標(biāo)(index)取代原來特征的值。
[0070]步驟2022.特征one-hot編碼，比如某一個視頻的類型可以分別屬于戰(zhàn)爭、愛情、生 活。需要對類別特征進(jìn)行one-hot編碼，即使用一位來表示類別中的某一個值，把原來的一 維特征轉(zhuǎn)化為n維特征，這里的n就是原來類別特征中所有的取值。
[0071 ] 步驟2023 .Feature Cross(特征交叉），將用戶畫像特征和視頻特征進(jìn)行交叉處 理。由于特征交叉需要消耗大量的計算時間，這里考慮到性能問題，特征交叉時優(yōu)選進(jìn)行三 維特征的交叉。下表列舉了主要特征交叉規(guī)則：
[0073] 步驟203.模型訓(xùn)練；
[0074]圖5為圖2所示實(shí)施例中模型訓(xùn)練步驟的具體實(shí)現(xiàn)方法示意圖，如圖5所示，包括： [0075]步驟2031.特征編碼，由于上述生成的特征都是用字符串表示，雖然易于查看，但 是計算性能較差，本發(fā)明采用每個特征出現(xiàn)的次序?qū)μ卣鬟M(jìn)行從〇開始編碼，將字符串特征 轉(zhuǎn)為為int型整數(shù)，提高計算性能。
[0076]步驟2032.對之前特征交叉后的數(shù)據(jù)進(jìn)行擬合，例如使用FTRL算法，最后得到一個 可以表達(dá)用戶對視頻喜愛程度的視頻特征模型，視頻特征模型表現(xiàn)形式例如是KV對，key表 示為特征名稱，value表示為特征的權(quán)重。
[0077] 步驟103、根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與 所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。
[0078] 具體地，根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與 所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻候選集;根據(jù)所述視頻特征模型中各視 頻特征點(diǎn)的權(quán)重，對所述視頻候選集中視頻進(jìn)行排序。
[0079]舉例來說，某一視頻用戶通過IPAD打開樂視視頻收看的視頻包括小馬寶莉、哆啦 愛探險、灰姑娘、白雪公主等迪斯尼公主系列的動畫視頻，通過對該用戶的歷史行為數(shù)據(jù)的 挖掘，可以知道該視頻用戶的用戶畫像特征包括兒童，年齡為18歲以下、女性、觀看過視頻 類型為動畫片、觀看過視頻的頻道(電影或動漫）、觀看過視頻的興趣標(biāo)簽(公主系列）、觀看 過視頻的地區(qū)（美國）等特征信息;根據(jù)該兒童用戶畫像特征，基于該兒童用戶畫像特征的 邏輯回歸模型，得到與該兒童用戶畫像特征對應(yīng)的視頻特征模型，其中，該視頻特征模型中 包括與該兒童用戶畫像特征對應(yīng)的多個視頻特征點(diǎn)以及每個視頻特征點(diǎn)對應(yīng)的權(quán)重，例 如，與該兒童用戶畫像特征對應(yīng)的視頻特征模型包括美國（視頻所屬地區(qū)）、公主片(視頻類 型）、動漫頻道(視頻的頻道）、視頻發(fā)布時間和/或視頻點(diǎn)擊率等視頻特征點(diǎn);從而可以從視 頻數(shù)據(jù)庫中獲取與該兒童用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻候選集，為了使得 推薦的視頻更加符合用戶的個性化需求，本發(fā)明實(shí)施例中對視頻特征模型中的多個視頻特 征點(diǎn)可以設(shè)置對應(yīng)的權(quán)重，例如根據(jù)視頻發(fā)布時間，將最近發(fā)布的視頻的權(quán)重設(shè)置的較高 (對應(yīng)地，發(fā)布時間較遠(yuǎn)的視頻的權(quán)重較低）；根據(jù)視頻點(diǎn)擊率，將點(diǎn)擊率尚的視頻的權(quán)重設(shè) 置的較高(對應(yīng)地，點(diǎn)擊率低的視頻的權(quán)重較低）；根據(jù)視頻類型，將公主片的視頻權(quán)重設(shè)置 較高(對應(yīng)地，非公主片的視頻的權(quán)重設(shè)置較低）；根據(jù)視頻頻道，將動漫頻道的視頻的權(quán)重 設(shè)置較高(對應(yīng)地，非動漫頻道的視頻的權(quán)重設(shè)置較低）；本發(fā)明實(shí)施例不一一舉例了，通過 舉例說明，本發(fā)明實(shí)施例中，視頻特征模型中的每個視頻特征點(diǎn)的權(quán)重設(shè)置是根據(jù)不同用 戶的用戶畫像特征而可以做相應(yīng)的調(diào)整。因此，用戶畫像特征不同，視頻特征模型也是不 同。視頻特征模型中每個視頻特征點(diǎn)的權(quán)重也是不同，從而可以更加準(zhǔn)確地推薦和獲取符 合該用戶的個性化需求的視頻。因此，最終推薦給用戶的視頻(或者說展示在用戶設(shè)備中的 視頻)為根據(jù)與該兒童用戶畫像特征對應(yīng)的視頻特征模型中每個視頻特征的權(quán)重對視頻候 選集中視頻進(jìn)行排序，假設(shè)視頻美人魚屬于動漫視頻、公主片、最近發(fā)布、美國地區(qū)、視頻點(diǎn) 擊率高，則可以將該視頻美人魚作為視頻候選集中第一位視頻(特點(diǎn)視頻)推薦給該兒童用 戶；假設(shè)視頻長發(fā)公主屬于動漫視頻、公主片、美國地區(qū)、視頻點(diǎn)擊率一般、發(fā)布時間遠(yuǎn)，則 可以將該視頻長發(fā)公主作為候選集中非熱點(diǎn)視頻(如第三位之后的視頻序列）推薦給該兒 童用戶。
[0080] 可選地，步驟103之前或之后還包括：
[0081 ]根據(jù)預(yù)設(shè)的視頻過濾規(guī)則中包括的視頻特征點(diǎn)，將所述視頻候選集中符合所述視 頻過濾規(guī)則中的視頻特征點(diǎn)的視頻過濾掉。例如，本發(fā)明實(shí)施例中，預(yù)設(shè)的視頻過濾規(guī)則包 括色情視頻特征點(diǎn)和反動視頻特征點(diǎn)等等，這樣在用戶設(shè)備顯示推薦的視頻鏈接之前需要 將符合視頻過濾規(guī)則中的視頻特征點(diǎn)的視頻過濾掉。
[0082] 本發(fā)明實(shí)施例通過根據(jù)檢測到的視頻請求中攜帶的用戶標(biāo)識，獲取與所述用戶標(biāo) 識對應(yīng)的用戶畫像特征;根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視頻特 征模型;根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與所述用戶 畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。使得用戶可以快速準(zhǔn)確地獲取自己 感興趣的視頻，提高了視頻推薦和獲取的效率，符合用戶的個性化視頻需求，大大提高用戶 視頻搜索推薦的體驗(yàn)度。
[0083] 圖6是本發(fā)明實(shí)施例提供的一種個性化視頻推薦裝置的結(jié)構(gòu)示意圖，如圖6所示， 包括：
[0084] 第一獲取模塊21，用于，獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征；
[0085] 第二獲取模塊22,用于根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的 視頻特征模型；
[0086]第三獲取模塊23,用于根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù) 據(jù)庫中獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。
[0087] 可選地，所述的裝置還包括：
[0088] 第四獲取模塊24,用于根據(jù)所述用戶標(biāo)識，獲取與所述用戶標(biāo)識對應(yīng)的用戶歷史 行為數(shù)據(jù)，所述用戶歷史行為數(shù)據(jù)包括用戶歷史播放的視頻特征和/或用戶歷史搜索的視 頻特征，所述視頻特征包括視頻所屬地區(qū)、視頻類型、視頻的頻道、視頻發(fā)布時間和/或視頻 點(diǎn)擊率；
[0089] 計算模塊25,用于根據(jù)所述第四獲取模塊獲取的與所述用戶標(biāo)識對應(yīng)的用戶歷史 行為數(shù)據(jù)，計算得到與所述用戶標(biāo)識對應(yīng)的用戶畫像特征，所述用戶畫像特征包括用戶年 齡、性別、職業(yè)、觀看過視頻的頻道、觀看過視頻的類型、觀看過視頻的標(biāo)簽和/或觀看過視 頻的地區(qū)。
[0090] 可選地，所述第二獲取模塊22具體用于：
[0091] 根據(jù)所述用戶畫像特征，確定與所述用戶畫像特征對應(yīng)的多個視頻特征點(diǎn)以及每 個視頻特征點(diǎn)對應(yīng)的權(quán)重，得到與所述用戶畫像特征對應(yīng)的視頻特征模型。
[0092]可選地，所述第三獲取模塊23包括：
[0093] 獲取單元231，用于根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫 中獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻候選集；
[0094] 排序單元232，用于根據(jù)所述視頻特征模型中各視頻特征點(diǎn)的權(quán)重，對所述視頻候 選集中視頻進(jìn)行排序。
[0095] 可選地，所述的裝置還包括：
[0096] 過濾模塊26,用于根據(jù)預(yù)設(shè)的視頻過濾規(guī)則中包括的視頻特征點(diǎn)，將所述視頻候 選集中符合所述視頻過濾規(guī)則中的視頻特征點(diǎn)的視頻過濾掉。
[0097] 本發(fā)明實(shí)施例的個性化視頻推薦裝置根據(jù)檢測到的視頻請求中攜帶的用戶標(biāo)識， 獲取與所述用戶標(biāo)識對應(yīng)的用戶畫像特征;根據(jù)所述用戶畫像特征，獲取與所述用戶畫像 特征對應(yīng)的視頻特征模型;根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫 中獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。使得用戶可以快 速準(zhǔn)確地獲取自己感興趣的視頻，提高了視頻獲取的效率，符合用戶的個性化視頻需求，大 大提高用戶視頻搜索體驗(yàn)度。
[0098] 以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說明的單元可 以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單 元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其 中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性 的勞動的情況下，即可以理解并實(shí)施。
[0099] 通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施方式可 借助軟件加必需的通用硬件平臺的方式來實(shí)現(xiàn)，當(dāng)然也可以通過硬件。基于這樣的理解，上 述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該 計算機(jī)軟件產(chǎn)品可以存儲在計算機(jī)可讀存儲介質(zhì)中，如R0M/RAM、磁碟、光盤等，包括若干指 令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個實(shí)施 例或者實(shí)施例的某些部分所述的方法。
[0100] 最后應(yīng)說明的是：以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制;盡管 參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可 以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換； 而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和 范圍。
【主權(quán)項(xiàng)】
1. 一種個性化信息推薦方法，其特征在于，包括： 獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征； 根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視頻特征模型； 根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與所述用戶畫像 特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征之前 還包括： 根據(jù)所述用戶標(biāo)識，獲取與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù)據(jù)，所述用戶歷史行 為數(shù)據(jù)包括用戶歷史播放的視頻特征點(diǎn)和/或用戶歷史搜索的視頻特征點(diǎn)，所述視頻特征 點(diǎn)包括視頻所屬地區(qū)、視頻類型、視頻的頻道、視頻發(fā)布時間和/或視頻點(diǎn)擊率； 根據(jù)與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù)據(jù)，計算得到與所述用戶標(biāo)識對應(yīng)的用戶 畫像特征，所述用戶畫像特征包括用戶年齡、性別、職業(yè)、觀看過視頻的頻道、觀看過視頻的 類型、觀看過視頻的標(biāo)簽和/或觀看過視頻的地區(qū)。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述用戶畫像特征，獲取與所述用戶 畫像特征對應(yīng)的視頻特征模型包括： 根據(jù)所述用戶畫像特征，確定與所述用戶畫像特征對應(yīng)的多個視頻特征點(diǎn)以及每個視 頻特征點(diǎn)對應(yīng)的權(quán)重，得到與所述用戶畫像特征對應(yīng)的視頻特征模型。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征 模型，從視頻數(shù)據(jù)庫中獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推 薦，包括： 根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取與所述用戶畫像 特征對應(yīng)的視頻特征模型匹配的視頻候選集； 根據(jù)所述視頻特征模型中各視頻特征點(diǎn)的權(quán)重，對所述視頻候選集中視頻進(jìn)行排序。5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，還包括： 根據(jù)預(yù)設(shè)的視頻過濾規(guī)則中包括的視頻特征點(diǎn)，將所述視頻候選集中符合所述視頻過 濾規(guī)則中的視頻特征點(diǎn)的視頻過濾掉。6. -種個性化信息推薦裝置，其特征在于，包括： 第一獲取模塊，用于獲取與用戶標(biāo)識對應(yīng)的用戶畫像特征； 第二獲取模塊，用于根據(jù)所述用戶畫像特征，獲取與所述用戶畫像特征對應(yīng)的視頻特 征模型； 第三獲取模塊，用于根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中 獲取與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻并進(jìn)行推薦。7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括： 第四獲取模塊，用于根據(jù)所述用戶標(biāo)識，獲取與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù) 據(jù)，所述用戶歷史行為數(shù)據(jù)包括用戶歷史播放的視頻特征點(diǎn)和/或用戶歷史搜索的視頻特 征點(diǎn)，所述視頻特征點(diǎn)包括視頻所屬地區(qū)、視頻類型、視頻的頻道、視頻發(fā)布時間和/或視頻 點(diǎn)擊率； 計算模塊，用于根據(jù)所述第四獲取模塊獲取的與所述用戶標(biāo)識對應(yīng)的用戶歷史行為數(shù) 據(jù)，計算得到與所述用戶標(biāo)識對應(yīng)的用戶畫像特征，所述用戶畫像特征包括用戶年齡、性 另|J、職業(yè)、觀看過視頻的頻道、觀看過視頻的類型、觀看過視頻的標(biāo)簽和/或觀看過視頻的地 區(qū)。8. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第二獲取模塊具體用于： 根據(jù)所述用戶畫像特征，確定與所述用戶畫像特征對應(yīng)的多個視頻特征點(diǎn)以及每個視 頻特征點(diǎn)對應(yīng)的權(quán)重，得到與所述用戶畫像特征對應(yīng)的視頻特征模型。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述第三獲取模塊包括： 獲取單元，用于根據(jù)與所述用戶畫像特征對應(yīng)的視頻特征模型，從視頻數(shù)據(jù)庫中獲取 與所述用戶畫像特征對應(yīng)的視頻特征模型匹配的視頻候選集； 排序單元，用于根據(jù)所述視頻特征模型中各視頻特征點(diǎn)的權(quán)重，對所述視頻候選集中 視頻進(jìn)行排序。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，還包括： 過濾模塊，用于根據(jù)預(yù)設(shè)的視頻過濾規(guī)則中包括的視頻特征點(diǎn)，將所述視頻候選集中 符合所述視頻過濾規(guī)則中的視頻特征點(diǎn)的視頻過濾掉。
【文檔編號】G06F17/30GK105930425SQ201610244378
【公開日】2016年9月7日
【申請日】2016年4月18日
【發(fā)明人】孫浩川
【申請人】樂視控股（北京）有限公司, 樂視網(wǎng)信息技術(shù)（北京）股份有限公司