[发明专利]视频推荐方法、装置、电子设备及存储介质

权利要求书

1.一种视频推荐方法，其特征在于，包括：

获取待推荐视频的集合和各所述待推荐视频的特征信息；

根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；

根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；

对所述推荐视频的集合进行推荐。

2.根据权利要求1所述的视频推荐方法，其特征在于，所述特征信息包括编码特征信息和图像特征信息，其中，所述编码特征信息包括以下之一或其任意组合：分辨率和帧率；所述图像特征信息包括以下之一或其任意组合：模糊度、块效应值和噪点值。

3.根据权利要求1或2任一项所述的视频推荐方法，其特征在于，所述画质评分模型通过以下方式训练得到：

根据所述视频的特征信息，生成训练数据集；

根据所述训练数据集，基于预设的回归算法，得到所述画质评分模型。

4.根据权利要求1所述的视频推荐方法，其特征在于，所述对所述推荐视频的集合进行推荐，包括：

获取各所述推荐视频的内容评分；

根据各所述推荐视频的内容评分、画质评分和预设视频权重，计算各所述推荐视频的推荐评分，其中，所述预设视频权重包括内容权重和画质权重；

根据各所述推荐视频的推荐评分，按序对各所述推荐视频进行推荐。

5.根据权利要求2所述的视频推荐方法，其特征在于，所述模糊度，通过以下公式计算得到：

其中，所述L表示所述视频的图像中灰度值的阈值；所述gi表示所述视频的图像中第i个灰度值；所述p(gi)表示所述第i个灰度值在所述图像中的出现概率；所述u表示所述视频的图像中灰度值的平均值。

6.根据权利要求2所述的视频推荐方法，其特征在于，所述回归算法为AdaBoost回归算法。

7.根据权利要求1所述的视频推荐方法，其特征在于，所述获取待推荐视频的集合，包括：

根据用户协同过滤算法获取待推荐视频的集合。

8.一种视频推荐装置，其特征在于，包括：第一获取模块，评分模块，第二获取模块和推荐模块；

所述第一获取模块，用于获取待推荐视频的集合和各所述待推荐视频的特征信息；

所述评分模块，用于根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；

所述第二获取模块，用于根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；

所述推荐模块，用于对所述推荐视频的集合进行推荐。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的视频推荐方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的视频推荐方法。