[发明专利]一种视频的推荐方法、装置、电子设备、介质和程序

权利要求书

1.一种视频的推荐方法，其特征在于，包括：

获取目标用户的视频特征，所述视频特征为所述目标用户对视频库的视频进行的行为特征；

获取所述视频库的视频内容，所述视频内容为用于表征视频自身属性的信息；

对所述视频特征和所述视频内容进行第一过滤处理，得到视频候选集；

使用深宽度模型对所述视频候选集进行第二过滤处理，得到所述目标用户的视频推荐集。

2.根据权利要求1所述的方法，其特征在于，所述对所述视频特征和所述视频内容进行第一过滤处理，得到视频候选集，包括：

根据所述视频特征和所述视频内容使用协同过滤算法，对所述视频库进行筛选，得到第一候选结果，所述第一候选结果候选为基本所述协同过滤算法得到的候选视频标识集合；

根据所述视频特征使用内容推荐，对所述视频库进行筛选，得到第二候选结果，所述第二候选结果为基于所述内容推荐算法得到的候选视频标识集合；

从所述视频库中选择与所述第一候选结果和所述第二候选结果对应的视频标识作为所述视频候选集。

3.根据权利要求2所述的方法，其特征在于，所述从所述视频库中选择与所述第一候选结果和所述第二候选结果对应的视频标识作为所述视频候选集，包括：

将所述第一候选结果和所述第二候选结果进行加权处理，得到加权过滤结果；

从所述视频库中选择与所述加权过滤结果对应的视频标识作为所述视频候选集。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述使用深宽度模型对所述视频候选集进行第二过滤处理，得到所述目标用户的视频推荐集，包括：

使用所述深宽度模型对所述视频候选集中包括的视频进行计算，确定所述视频候选集中包括的每个视频的视频分值；

选择高于所述预设阈值的视频分值对应的视频加入到所述目标用户的视频推荐集中。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述使用深宽度模型对所述视频候选集进行第二过滤处理，得到所述目标用户的视频推荐集，包括：

使用所述深宽度模型对所述视频候选集中包括的视频进行计算，确定所述视频候选集中包括的每个视频的视频分值；

按照分值的大小对所述视频候选集中的每个视频分值进行排序；

视频分值由高到低选择预定数量的视频加入到所述目标用户的视频推荐集中。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：

利用样本视频和样本用户对实现所述视频的推荐方法的神经网络和特征交叉组合进行训练，确定所述深宽度模型，所述样本视频中标注有所述样本视频的视频内容，所述样本用户种标注有视频点击特征，所述视频点击特征为用户的点击操作。

7.根据权利要求6所述的方法，其特征在于，所述视频特征包括以下任意一项或多项：

播放次数、点击率、播放完成比、关注率。

8.根据权利要求6所述的方法，其特征在于，所述视频内容包括以下任意一项或多项：

视频风格信息、视频剧情简介信息、视频关键词信息、视频参演信息、视频导演信息、视频地区信息、视频年代信息。

9.一种视频的推荐装置，其特征在于，包括：

获取模块，用于获取目标用户的视频特征，所述视频特征为所述目标用户对视频库的视频进行的行为特征；以及获取所述视频库的视频内容，所述视频内容为用于表征视频自身属性的信息；

召回模块，用于对所述视频特征和所述视频内容进行第一过滤处理，得到视频候选集；

排序模型，用于使用深宽度模型对所述视频候选集进行第二过滤处理，得到所述目标用户的视频推荐集。