[发明专利]一种影音视频的智能推荐方法及系统

说明书

本发明公开了一种影音视频的智能推荐方法及系统，属于影音视频推荐技术领域，包括分析云处理中心，所述分析云处理中心用于通过云平台获取用户端影音视频并进行分析任务的建立。本发明中，通过在对影音视频中的特征进行提取后，结合用户画像信息进行特征的融合处理，并且通过建立的神经网络模型，能够实现对提取的用户特征的权重分析以及特征分析重组拟合，有利于快速定位影音视频的偏好，提高处理推荐效果，通过对提取特征的递增判断后，能够实现对用户喜好的推荐输出，同时能够在影音视频推荐后通过学习递增模块以及信息数据库单元实现对特征的循环加权更新，从而能够通过停留时间判断模块实现对对特征识别后推荐识别的推荐效果的判断。

技术领域

本发明属于影音视频推荐技术领域，尤其涉及一种影音视频的智能推荐方法及系统。

背景技术

随着通讯科技的发展，影音短视频已经成为生活中必不可少的娱乐项目，短视频，为提高大量视频的观看体验，针对不同用户的推荐能够提高视频观看的效率，在当前的信息爆炸背景下，用户个性化的需求不断增加，对于信息智能度的要求相应的也越来越高，同时带来了很多新的挑战。面对信息爆炸，如何解决“信息过载”问题，是数据科研工作者、同时也是在工业界工程师们的主要研究挑战之一，如何对影音视频的进行推荐，需要使用到推荐算法，算法是解题方案的准确而完整的描述，是一套相对完整的具有较强逻辑性的命令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，我们可以借助算法在特定规格输入的有限时间内获得所需要的输出。不同的算法可能用不同的时间、空间或效率来完成同样的任务。算法本身并没有优劣之分，更多的是用在解决问题时需要的空间复杂度与时间复杂度来衡量。算法大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法等，随着计算机的发展，算法已被广泛开发并应用。

中国专利文献发明公开号：CN108134950B的专利公开了一种智能视频推荐方法，用于解决现有技术中并没有很好地判断用户喜不喜欢看过的视频就给出相关视频推荐的问题，本智能视频推荐方法包括步骤：S1：根据用户的视频播放记录，判断所述多个视频的播放时间是否在预设时间范围内；S2：将所属多个视频标记对应的预设标签；S3：建立预设视频推荐模型；S4：在视频库内，根据建立的预设视频推荐模型，计算出每个视频的对应的用户喜欢度，按照该喜欢度对视频库内的视频进行排列，并在视频推荐栏里展示排列前预设位数的视频。该方法可以根据用户的观看记录建立更加智能化和个性化的视频推荐模型，推荐用户更加喜欢的视频，但在实际使用时，缺乏对用户特征识别过程中视频的图像的识别处理能力，仅通过播放记录时间进行录入判断，影响到判断处理精度，不能很好的满足识别处理需要。

发明内容

本发明的目的在于：为了解决缺乏对用户特征识别过程中视频的图像的识别处理能力，仅通过播放记录时间进行录入判断，影响到判断处理精度，不能很好的满足识别处理需要的问题，而提出的一种影音视频的智能推荐方法及系统。

为了实现上述目的，本发明采用了如下技术方案：

一种影音视频的智能推荐系统，包括分析云处理中心，所述分析云处理中心用于通过云平台获取用户端影音视频并进行分析任务的建立，所述分析云处理中心的输入端与音频分析模块的输出端电性连接，所述音频分析模块用于分析影音视频的音频频率系数辅助进行匹配，所述分析云处理中心的输出端与多级特征提取单元的输入端电性连接，所述多级特征提取单元用于提取视频内的多级特征，所述分析云处理中心的输出端与智能推荐匹配单元的输入端电性连接，所述智能推荐匹配单元用于通过分析出的特征进行智能推荐匹配，所述智能推荐匹配单元输出端与用户喜好建立模块的输入端电性连接，所述用户喜好建立模块的输入端与多级特征提取单元的输出端电性连接。

作为上述技术方案的进一步描述：

所述用户喜好建立模块的输出端与信息数据库单元的输入端电性连接，所述信息数据库单元用于记录用户喜好信息记录用户信息画像，所述信息数据库单元的输出端与学习递增模块的输入端电性连接，所述学习递增模块用于递增学习喜好延展特征进行推荐，所述学习递增模块的输出端与多级特征提取单元的输入端电性连接。