[发明专利]一种短视频推荐方法

说明书

一种短视频推荐方法，包括：获取用户对短视频的历史行为数据；选取样本用户，构建每位样本用户的短视频点击序列，并选定目标短视频和历史点击序列，计算每位样本用户对目标短视频的观看深度，然后由样本用户的目标短视频、历史点击序列、用户属性特征、观看深度构成样本用户数据，并写入样本数据集中；构建短视频推荐模型，以样本数据集进行训练；获取待推荐用户的历史点击序列，并将待推荐短视频作为其目标短视频，然后将待推荐用户的目标短视频、历史点击序列、用户属性特征输入短视频推荐模型，并依据输出来确定是否向用户推荐短视频。本发明属于信息技术领域，能充分利用短视频图像、声音等知识特征，选取符合用户兴趣的短视频向用户推荐。

技术领域

本发明涉及一种短视频推荐方法，属于信息技术领域。

背景技术

当前短视频应用程序，例如抖音、火山小视频、快手和微视等，作为一种新的视频观看平台，短视频及作者较多，如何从海量的短视频中向用户推荐用户感兴趣的短视频，已成为技术人员所重点关注的技术问题。

专利申请CN 201810837633.6(申请名称：一种短视频推荐方法、装置和可读介质，申请日：2018.07.26，申请人：腾讯科技(深圳)有限公司)公开了一种短视频推荐方法、装置和可读介质,属于视频推荐技术领域,该技术方案提供的方法及装置中,在接收到短视频拉取请求后,获取用户历史观看的短视频列表和未观看的短视频列表构成的短视频序列，所述短视频序列中包含各个短视频的标识信息；根据短视频序列和训练得到的用于表征所有短视频特征的短视频特征矩阵,确定用于表征所述短视频序列中的短视频特征的序列向量；根据序列向量和训练得到的短视频推荐模型,确定未观看的短视频列表中各个短视频的概率；并根据各个短视频的概率,向用户推荐感兴趣的短视频。该技术方案主要基于短视频的标识信息来获取短视频特征，而短视频中丰富的图像、声音也包含有大量的知识，这些知识能够帮助模型进行学习，而该技术方案却并未涉及到利用短视频的图像、声音等知识，因而推荐准确率不高。

因此，如何充分利用短视频的图像、声音等知识特征，从海量的短视频中选取符合用户兴趣的短视频向用户推荐，从而提高推荐准确率，已成为现有技术中亟待解决的技术问题之一。

发明内容

有鉴于此，本发明的目的是提供一种短视频推荐方法，能充分利用短视频的图像、声音等知识特征，从海量的短视频中选取符合用户兴趣的短视频向用户推荐，从而有效提高推荐准确率。

为了达到上述目的，本发明提供了一种短视频推荐方法，包括有：

步骤一、获取用户对短视频的历史行为数据，所述用户历史行为数据包括有：用户历史点击短视频的id、类别id、作者id、封面图片、音乐、原时长、播放时长、点击时间戳、用户属性特征；

步骤二、选取若干位样本用户，根据样本用户对短视频的历史点击行为，构建每位样本用户的短视频点击序列，并从中选定样本用户的目标短视频和历史点击序列，计算每位样本用户对其目标短视频的观看深度，所述观看深度即用户对短视频的播放时长和短视频原时长的比值，然后由样本用户的目标短视频、历史点击序列、用户属性特征、对目标短视频的观看深度构成每条样本用户数据，并写入样本数据集中，所述历史点击序列进一步包括有：历史点击短视频id序列、历史点击短视频类别id序列、历史点击短视频作者id序列、历史点击短视频封面图片序列、历史点击短视频音乐序列；

步骤三、构建短视频推荐模型，并以样本数据集中的每条样本用户数据进行训练，短视频推荐模型对每条样本用户数据的处理过程如下：构建用于表征所有短视频id、短视频类别id和短视频作者id特征的嵌入式向量映射表，然后基于短视频的id、类别id、作者id的嵌入式向量和其封面图片对应的封面特征向量、音乐对应的音频特征向量，为用户的目标短视频和历史点击序列中的每条历史点击短视频构建相应的嵌入式向量，并根据每个历史点击短视频的嵌入式向量计算用户历史兴趣向量，再根据所有历史点击短视频的用户历史兴趣向量和目标短视频的嵌入式向量计算用户兴趣向量，最后根据目标短视频的嵌入式向量和用户兴趣向量计算输出用户对目标短视频的点击率；