[发明专利]一种视频播放记录的排序方法、装置和电子设备

权利要求书

1.一种视频播放记录的排序方法，应用于服务器，其特征在于，包括：

获取目标账号关联的第一视频播放记录列表，所述第一视频播放记录列表包括视频播放记录；

确定所述视频播放记录对应的目标特征，所述目标特征包括以下特征中的至少一项：用户属性特征、视频属性特征和播放时间特征；

将所述视频播放记录和所述目标特征输入预测模型，预测得到所述视频播放记录的点击率，其中，所述预测模型为将所述目标特征和与所述目标特征相对应的用户行为输入学习模型进行训练得到的模型，所述用户行为包括播放视频行为和关闭视频行为，所述点击率为用户播放所述视频播放记录对应的视频的概率；

按照所述视频播放记录的点击率，对所述第一视频播放记录列表中的所述视频播放记录排序。

2.根据权利要求1所述的方法，其特征在于，在所述获取用户账号关联的第一视频播放记录列表之前，所述方法还包括：

获取预设时间周期内所生成的播放行为日志，其中，所述播放行为日志包括生成所述视频播放记录的日志信息；

提取所述播放行为日志中的所述目标特征和所述用户行为；

将所述目标特征和所述用户行为输入机器学习模型，由所述机器学习模型学习所述目标特征与所述用户行为之间的对应关系，得到所述预测模型。

3.根据权利要求1所述的方法，其特征在于，所述获取目标账号关联的第一视频播放记录列表，包括：

在接收到电子设备发送的视频播放记录列表展示请求的情况下，获取目标账号关联的第一视频播放记录列表，其中，所述目标账号为所述电子设备所登录的账号；

在所述按照所述视频播放记录的点击率，对所述第一视频播放记录列表中的所述视频播放记录排序之后，所述方法还包括：

向所述电子设备发送第二播发记录列表，其中，所述第二播放记录列表为按照所述视频播放记录的点击率，对所述第一视频播放记录列表中的所述视频播放记录排序后得到的列表。

4.根据权利要求1所述的方法，其特征在于，所述目标特征还包括所述视频播放记录生成的环境特征，所述将所述视频播放记录和所述目标特征输入预测模型，预测得到所述视频播放记录的点击率，包括：

获取当前环境特征；

将所述视频播放记录、所述目标特征和所述当前环境特征输入预测模型，预测得到所述视频播放记录的点击率。

5.一种视频播放记录的排序装置，其特征在于，包括：

第一获取模块，用于获取目标账号关联的第一视频播放记录列表，所述第一视频播放记录列表包括视频播放记录；

确定模块，用于确定所述视频播放记录对应的目标特征，所述目标特征包括以下特征中的至少一项：用户属性特征、视频属性特征和播放时间特征；

预测模块，用于将所述视频播放记录和所述目标特征输入预测模型，预测得到所述视频播放记录的点击率，其中，所述预测模型为将所述目标特征和与所述目标特征相对应的用户行为输入学习模型进行训练得到的模型，所述用户行为包括播放视频行为和关闭视频行为，所述点击率为用户播放所述视频播放记录对应的视频的概率；

排序模块，用于按照所述视频播放记录的点击率，对所述第一视频播放记录列表中的所述视频播放记录排序。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于在所述获取用户账号关联的第一视频播放记录列表之前，获取预设时间周期内所生成的播放行为日志，其中，所述播放行为日志包括生成所述视频播放记录的日志信息；

提取模块，用于提取所述播放行为日志中的所述目标特征和所述用户行为；

训练模块，用于将所述目标特征和所述用户行为输入机器学习模型，由所述机器学习模型学习所述目标特征与所述用户行为之间的对应关系，得到所述预测模型。