[发明专利]一种过滤推荐视频候选结果的方法及装置

说明书

本发明实施例中公开了一种过滤推荐视频候选结果的方法及装置，接收用户发送的包括用户标识ID的视频推荐服务调用请求，从Redis数据库中确定与用户ID相对应的包含有系统历史推荐视频的第一布隆过滤器实例和包含有用户历史消费的推荐视频的第二布隆过滤器实例；从推荐视频候选结果中确定待过滤视频；查询第一布隆过滤器实例以及第二布隆过滤器实例中是否包含待过滤视频，如果包含，则确定待过滤视频为待推荐视频，并将待过滤视频添加至所述第一布隆过滤器实例，如果不包含，则确定不推荐待过滤视频。基于上述方法及装置，能够提高过滤推荐视频候选结果中的系统历史推荐视频及用户历史消费的推荐视频时的准确率及效率。

技术领域

本发明涉及视频推荐技术领域，具体涉及一种过滤推荐视频候选结果的方法及装置。

背景技术

视频推荐系统中，需要从推荐引擎计算出的推荐视频候选结果中取得最终推荐给用户的结果。根据具体需求场景，视频推荐系统用户每次刷新都应该是不同的视频推荐结果，用户已经观看或者收藏、点赞等消费过的推荐视频不应该继续推荐给用户，因此每次调用视频推荐服务都需要高效地从推荐视频候选结果中选择与系统历史推荐视频及用户历史消费的推荐视频不重复的数据。

业界目前实现的视频推荐系统，都需要解决对推荐视频候选结果中的系统历史推荐视频及用户历史消费的推荐视频进行过滤的问题。目前解决上述问题的常规方案是把所有的系统历史推荐视频及用户历史消费的推荐视频保存在一个存储在Redis数据库内的数据集合中，然后逐个判断推荐视频候选结果中的候选推荐视频是否已经存在上述数据集合中，若存在，则不推荐该候选推荐视频。

但是，现有技术中，是存储完整的视频ID到上述数据集合中，随着用户使用视频推荐系统的时间增长，该用户调用视频推荐系统推荐服务的次数以及播放收藏等消费推荐视频行为的次数也相应增多，而视频ID位数又很长，进而导致上述数据集合所占用Redis数据库的存储空间也会越来越庞大。而Redis数据库的数据结构是基于哈希算法的，也就是说，上述数据集合的存储结构是基于哈希函数的，而哈希函数在数据量很大的情况下会出现哈希冲突，因此，数据集合所占用Redis数据库的存储空间过大时，会导致对推荐视频候选结果中的系统历史推荐视频及用户历史消费的推荐视频进行过滤的准确率低。

另外，推荐视频候选结果中往往有多个候选视频推荐，由于上述数据集合存储在Redis数据库内，而逐个判断推荐视频候选结果中的候选推荐视频是否已经存在上述数据集合中，需要多次调用Redis数据库的操作函数，会导致对推荐视频候选结果中的系统历史推荐视频及用户历史消费的推荐视频进行过滤的效率较低。

发明内容

有鉴于此，本发明实施例提供一种推荐候选结果过滤方法及装置，能够解决现有技术中过滤推荐视频候选结果中的系统历史推荐视频及用户历史消费的推荐视频时的准确率较低及效率较低的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种过滤推荐视频候选结果的方法，包括：

接收用户发送的视频推荐服务调用请求，所述视频推荐服务调用请求包括用户标识ID；

从Redis数据库中确定与所述用户ID相对应的包含有系统历史推荐视频的第一布隆过滤器实例和包含有用户历史消费的推荐视频的第二布隆过滤器实例；

从推荐视频候选结果中确定待过滤视频；

查询所述第一布隆过滤器实例以及所述第二布隆过滤器实例中是否包含所述待过滤视频，如果包含，则确定所述待过滤视频为待推荐视频，并将所述待过滤视频添加至所述第一布隆过滤器实例，如果不包含，则确定不推荐所述待过滤视频。

可选的，在所述确定所述待过滤视频为待推荐视频，并将所述待过滤视频添加至所述第一布隆过滤器实例之后，所述方法还包括：