[发明专利]视频召回方法、装置及电子设备

说明书

本发明实施例提供了一种视频召回方法、装置及电子设备，涉及计算机技术领域。该方法包括：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；其中多用户ID类特征为多个用户共享同一ID的ID类特征，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；将多用户ID类特征、多用户统计特征、视频ID类特征以及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；通过第二FM模型，从视频数据库中确定目标用户的召回视频。上述方案，去除了样本中的单用户ID类特征、单用户行为统计特征等无效特征，提升了召回模型在新用户上的召回效果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种视频召回方法、装置及电子设备。

背景技术

目前产品的推荐系统中的个性化召回模型通常是采用双塔深度神经网络(DeepNeural Networks，DNN)召回或者因子分解机算法(Factorization Machines，FM)召回模型，上述个性化召回模型一般是在全体用户训练数据集上建成的，这样训练出来的模型里面用户身份证明(User Identification，UID)类embedding(一种将离散变量转化为连续向量表示的一种方式)特征及统计行为类特征是占主导地位的，但是这样的模型面对新用户样本时，由于新用户缺失有效UID以及行为特征稀少，这些主导特征都会失效或者产生较大偏差，如：预测接受者操作特征曲线(receiver operating characteristic curve，ROC)曲线下方的面积大小(Area Under Curve，AUC)偏低，从而影响新用户推荐效果。

发明内容

本发明提供一种视频召回方法、装置及电子设备，以便在一定程度上解决现有召回模型在新用户上的召回效果较差的问题。

在本发明实施的第一方面，提供了一种视频召回方法，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，从所述视频数据库中确定所述目标用户的召回视频。

在本发明实施的第二方面，提供了一种视频召回装置，所述装置包括：

第一获取模块，用于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；

第一训练模块，用于将所述多用户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；

第一确定模块，用于通过所述第二FM模型，从视频数据库中确定所述目标用户的召回视频。

在本发明实施的第三方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现如上所述的视频召回方法中的步骤。

在本发明实施的第四方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的视频召回方法。