[发明专利]视频的推荐方法及装置

说明书

本公开关于一种视频的推荐方法及装置，该方法包括：获取目标用户的用户特征和各候选视频的视频特征；将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；根据各候选视频的第一排序结果和第二排序结果确定各候选视频的融合排序结果，并在各候选视频中选取第一预设数目个候选视频，作为目标用户的目标视频；将目标用户的用户特征和该目标视频的视频特征输入至第三排序模型，得到该目标视频的第三排序结果；根据各目标视频的第三排序结果，向目标用户推荐视频。采用本公开可以提高为用户推荐的目标视频的准确率。

技术领域

本公开涉及计算机技术领域，尤其涉及一种视频的推荐方法及装置。

背景技术

目前，传统的视频推荐流程可以分为召回阶段、粗排阶段、精排阶段和策略阶段。其中，召回阶段是从视频库存储的海量视频中，筛选出用户可能感兴趣的第一候选视频；粗排阶段是根据预设的粗排模型，对第一候选视频进行粗略评分，并按照评分由高到低的顺序，从第一候选视频中筛选出第二候选视频；精排阶段是根据预设的精排模型，对第二候选视频进行精确评分，并按照评分由高到低的顺序，从第二候选视频中筛选出第三候选视频；策略阶段是根据预设的推荐策略，从第三候选视频中选取目标视频，并将目标视频推荐给用户。

然而，由于粗排模型和精排模型的训练过程相互独立，且使用相同的样本数据进行训练，从而导致粗排阶段会将第一候选视频中在精排阶段评分较高的视频过滤掉，进而导致为用户推荐的目标视频的准确率较低。

发明内容

本公开提供一种视频的推荐方法及装置，以至少解决相关技术中为用户推荐的目标视频的准确率较低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种视频的推荐方法，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。

根据本公开实施例的第二方面，提供一种视频的粗排装置，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；