[发明专利]视频的推荐方法及装置

权利要求书

1.一种视频的推荐方法，其特征在于，所述方法包括：

获取目标用户的用户特征和各候选视频的视频特征；

针对所述各候选视频中的每个候选视频，将所述目标用户的用户特征和该候选视频的视频特征分别输入至预先训练的第一排序模型和第二排序模型，得到该候选视频的第一排序结果和第二排序结果，其中，所述第二排序模型的正负训练样本是根据预先训练的第三排序模型确定的，所述第三排序模型的排序精度高于所述第一排序模型和所述第二排序模型的排序精度；

根据所述各候选视频的第一排序结果和第二排序结果，确定所述各候选视频的融合排序结果，并按照所述融合排序结果由高到低的顺序，在所述各候选视频中，选取第一预设数目个候选视频，作为所述目标用户的目标视频；

针对各目标视频中的每个目标视频，将所述目标用户的用户特征和该目标视频的视频特征输入至所述第三排序模型，得到该目标视频的第三排序结果；

根据所述各目标视频的第三排序结果，向所述目标用户推荐视频。

2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的用户特征和各候选视频的视频特征之前，所述方法还包括：

获取多个训练样本，所述训练样本包括样本用户的用户特征和样本视频的视频特征；

针对每个训练样本，将该训练样本包含的样本用户的用户特征和样本视频的视频特征输入至预先训练的第三排序模型，得到该训练样本中样本视频的第四排序结果；

根据各训练样本中样本视频的第四排序结果，确定正训练样本和负训练样本；

根据所述正训练样本和所述负训练样本，对待训练的第二排序模型进行训练，得到训练后的第二排序模型。

3.根据权利要求2所述的方法，其特征在于，所述根据各训练样本中样本视频的第四排序结果，确定正训练样本和负训练样本，包括：

按照第四排序结果由高到低的顺序，在各训练样本中，选取第二预设数目个第一训练样本，作为正训练样本，并将所述各训练样本中除所述第一训练样本外的第二训练样本，作为负训练样本。

4.根据权利要求2所述的方法，其特征在于，所述根据各训练样本中样本视频的第四排序结果，确定正训练样本和负训练样本，包括：

根据预设的推荐排序算法和各训练样本中样本视频的第四排序结果，确定各训练样本中样本视频的推荐排序结果；

按照第四排序结果由高到低的顺序，在各训练样本中，选取第三预设数目个第三训练样本，按照推荐排序结果由高到低的顺序，在所述各训练样本中，选取第四预设数目个第四训练样本，并将所述第三训练样本和所述第四训练样本的并集，确定为正训练样本；

按照第四排序结果由低到高的顺序，在所述各训练样本中，选取第五预设数目第五训练样本，按照推荐排序结果由低到高的顺序，在所述各训练样本中，选取第六预设数目个第六训练样本，并将所述第五训练样本和所述第六训练样本的并集，确定为候选负训练样本；

在所述候选负训练样本中，将除选取为所述正训练样本的第一候选负训练样本以外的预设比例个第二候选负训练样本，作为负训练样本。

5.一种视频的粗排装置，其特征在于，所述装置包括：

第一获取模块，被配置为执行获取目标用户的用户特征和各候选视频的视频特征；

第一输入模块，被配置为执行针对所述各候选视频中的每个候选视频，将所述目标用户的用户特征和该候选视频的视频特征分别输入至预先训练的第一排序模型和第二排序模型，得到该候选视频的第一排序结果和第二排序结果，其中，所述第二排序模型的正负训练样本是根据预先训练的第三排序模型确定的，所述第三排序模型的排序精度高于所述第一排序模型和所述第二排序模型的排序精度；

选取模块，被配置为执行根据所述各候选视频的第一排序结果和第二排序结果，确定所述各候选视频的融合排序结果，并按照所述融合排序结果由高到低的顺序，在所述各候选视频中，选取第一预设数目个候选视频，作为所述目标用户的目标视频；

第二输入模块，被配置为执行针对各目标视频中的每个目标视频，将所述目标用户的用户特征和该目标视频的视频特征输入至所述第三排序模型，得到该目标视频的第三排序结果；

推荐模块，被配置为执行根据所述各目标视频的第三排序结果，向所述目标用户推荐视频。