[发明专利]视频召回方法、装置及电子设备

权利要求书

1.一种视频召回方法，其特征在于，所述方法包括：

获取样本中关于目标用户的多用户ID类特征和多用户统计特征，以及视频ID类特征和视频统计特征；其中，所述多用户ID类特征为多个用户共享同一ID的ID类特征，所述多用户统计特征是根据多用户ID类特征在样本中出现的频次统计得到的；

将所述多用户ID类特征、所述多用户统计特征、所述视频ID类特征以及所述视频统计特征输入至第一因子分解机FM模型中进行训练，得到训练后的第二FM模型；

通过所述第二FM模型，从视频数据库中确定所述目标用户的召回视频。

2.根据权利要求1所述的方法，其特征在于，所述将所述多用户ID类特征、所述多用户统计特征、所述视频ID类特征以及所述视频统计特征输入至第一因子分解机FM模型中进行训练，得到训练后的第二FM模型，包括：

将所述多用户ID类特征和所述多用户统计特征进行预设处理，得到第一用户向量；

将所述视频ID类特征和所述视频统计特征进行所述预设处理，得到第一视频向量；

将所述第一用户向量和所述第一视频向量进行第一拼接处理，得到预测结果；

根据所述预测结果对所述第一FM模型进行调整，得到第二FM模型。

3.根据权利要求2所述的方法，其特征在于，所述预设处理，包括：

将目标ID类特征中的每一ID类特征转换为第一维度向量；

将所述第一维度向量经过平均池化处理，得到第二维度向量；

将目标统计特征经过多层神经网络MLP处理，得到第三维度向量；

将所述第二维度向量与所述第三维度向量进行第二拼接处理，得到目标向量；

其中，所述目标ID类特征为多用户ID类特征或者视频ID类特征，在所述目标ID类特征为多用户ID类特征的情况下，所述目标统计特征为多用户统计特征，所述目标向量为第一用户向量；在所述目标ID类特征为视频ID类特征的情况下，所述目标统计特征为视频统计特征，所述目标向量为第一视频向量。

4.根据权利要求3所述的方法，其特征在于，所述将所述第二维度向量与所述第三维度向量进行第二拼接处理，得到目标向量，包括：

将所述第二维度向量与所述第三维度向量进行第二拼接处理，得到拼接向量；

将所述拼接向量输入至第一全连接层，得到目标向量。

5.根据权利要求2所述的方法，其特征在于，所述将所述第一用户向量和所述第一视频向量进行第一拼接处理，得到预测结果，包括：

将所述第一用户向量进行余弦计算，得到第一余弦值；

将所述第一视频向量进行余弦计算，得到第二余弦值；

将所述第一余弦值、所述第二余弦值以及样本中的偏置特征进行第一拼接处理，得到拼接特征；

将所述拼接特征输入至第二全连接层，得到预测结果。

6.根据权利要求1所述的方法，其特征在于，所述通过所述第二FM模型，从视频数据库中确定所述目标用户的召回视频，包括：

将所述第二FM模型转换为神经网络模型TensorFlow模型；

将所述TensorFlow模型进行处理，得到用户向量预测模型以及视频向量预测模型；

根据所述用户向量预测模型和所述视频向量预测模型，从所述视频数据库中确定所述目标用户的召回视频。

7.根据权利要求6所述的方法，其特征在于，所述根据所述用户向量预测模型和所述视频向量预测模型，从所述视频数据库中确定所述目标用户的召回视频，包括：

将所述视频ID类特征和所述视频统计特征输入至所述视频向量预测模型中，得到预测视频向量；

根据所述视频数据库以及所述预测视频向量，建立逼近最近邻ANN开源算法库KNN库；

在接收到请求获取所述目标用户的召回视频的第一信息的情况下，获取关于所述目标用户的用户线上特征；

将所述用户线上特征输入至所述用户向量预测模型中，得到预测用户向量；

根据所述KNN库中每一预测视频向量与所述预测用户向量的相似度，确定所述目标用户的召回视频。