[发明专利]视频推荐方法及装置

权利要求书

1.一种视频推荐方法，其特征在于，包括：

获取用户观看视频的行为数据，并对所述行为数据进行预处理，得到待处理数据集；所述待处理数据集包括第一数据集以及第三数据集，其中，所述第一数据集包括所述用户的有效播放视频序列，所述第三数据集包括所述用户的播放视频序列以及播放视频序列中每个视频的标签值；

基于Item2vec模型，对所述第一数据集进行训练，得到所述用户的所有有效播放视频对应的第一视频向量；

基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量；

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频；

所述待处理数据集还包括第二数据集，所述第二数据集包括所述用户的有效播放视频序列以及有效播放视频序列中每个视频所对应的权重；在基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量之前，所述方法还包括：

基于所述第二数据集，选取所述用户的前N个有效播放视频；

根据前N个有效播放视频所对应的权重，对前N个有效播放视频对应的第一视频向量赋予对应的权重；

对赋予权重后的前N个第一视频向量进行加权平均操作，得到所述用户的用户向量，以根据所述用户的用户向量，基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量；

所述基于DSSM模型以及所述第三数据集，对所述用户的第一视频向量再次进行训练，得到第二视频向量的步骤包括:

将所述用户的用户向量以及第一视频向量输入至所述DSSM模型，得到所述用户的用户向量与第一视频向量的余弦相似度值；

将所述余弦相似度值与所述用户的第一视频向量对应视频的标签值进行差值计算，得到所述余弦相似度值与所述用户的第一视频向量对应视频的标签值的差值；

将所述差值进行反向传播迭代训练，直至所述差值满足设定条件，输出所述第二视频向量。

2.根据权利要求1所述的视频推荐方法，其特征在于，基于KMeans算法，对所述用户的所有第二视频向量进行聚类，并根据聚类结果向所述用户推荐视频的步骤包括：

基于KMeans算法，对所述用户的所有第二视频向量进行聚类，得到每个视频对应的视频类别；

基于所述第二数据集，对所述用户的有效播放视频序列中每个视频对应的视频类别赋予对应的权重；

根据所述用户的有效播放视频序列中每个视频对应的视频类别所对应的权重，对所述用户的所有的视频类别进行排序，得到所述用户的偏好视频类别；

根据所述用户的偏好视频类别，向所述用户推荐视频。

3.根据权利要求2所述的视频推荐方法，其特征在于，所述根据所述用户的偏好视频类别，向所述用户推荐视频的步骤包括：

取出所述用户的偏好视频类别中的所有视频，计算每个视频与聚类中心的距离；

根据视频类别的权重以及每个视频与聚类中心的距离，对所述用户的偏好视频类别中的视频进行排序，得到候选推荐视频；

对所述候选推荐视频进行过滤，并根据所述用户的偏好视频类别以及过滤后的候选推荐视频中每个视频与聚类中心的距离，对过滤后的候选推荐视频进行打散；

根据打散后的候选推荐视频向所述用户推荐视频。