[发明专利]一种基于标签分析的短视频数据推荐方法及系统

权利要求书

1.一种基于标签分析的短视频数据推荐方法，其特征在于，应用于基于标签分析的短视频数据推荐系统，该方法包括：

基于配置在目标用户的各个短视频服务页面的用户行为活动监控程序获取多个第一用户行为活动数据；

将每个第一用户行为活动数据分别加载至设定知识实体网络中进行规则化转换，并生成对应的第二用户行为活动数据；

依据用户短视频订阅项目确定多个短视频推荐服务；

依据每个短视频推荐服务，确定每个第二用户行为活动数据与对应的短视频推荐服务之间的服务关联度，若服务关联度大于第一目标值，则将对应的第二用户行为活动数据加载至对应的短视频推荐服务中；

依据多个短视频推荐服务分别配置多个兴趣热力趋势输出模型，并依据搜集的用户兴趣学习数据对各个兴趣热力趋势输出模型进行模型调优，输出模型调优后的兴趣热力趋势输出模型；

提取每个短视频推荐服务关联的所有第二用户行为活动数据，并加载至对应的模型调优后的兴趣热力趋势输出模型中，生成对应的用户兴趣标签热力趋势；

汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签，以基于该目标用户对应的关键用户兴趣标签对该目标用户进行短视频数据推荐；

汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签的步骤，包括：

获取该目标用户在当前短视频互动场景所关注的短视频发布趋势以及热搜词条分布；

依据短视频发布趋势以及热搜词条分布，并依据兴趣联系预测模型预测当前短视频互动场景各个短视频推荐服务对目标用户的兴趣联系指数；其中，通过配置兴趣联系预测模型，并依据训练样本数据对所述兴趣联系预测模型进行模型调优、优化得到模型调优后的兴趣联系预测模型，采用模型调优后的兴趣联系预测模型进行兴趣联系指数预测；

将各个用户兴趣标签热力趋势分别融合对应的兴趣联系指数，确定更新用户兴趣标签热力趋势，其中，所述用户兴趣标签热力趋势包括基于时间节点的发展顺序排列的各个用户兴趣标签所对应的热力值变化信息；

依据各个更新用户兴趣标签热力趋势，并依据用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签，其中，具体将热力值大于设定热力值且热力值变化大于设定热力值变化的用户兴趣标签确定为关键用户兴趣标签，所述关键用户兴趣标签表示用户兴趣点以及对应的兴趣置信度；

其中，对于不同的短视频推荐服务，预先搜集不同的用户兴趣学习数据样本对各个兴趣热力趋势输出模型进行模型调优，所述用户兴趣学习数据样本包括用户行为活动数据样本和对应的先验兴趣热力趋势，将用户行为活动数据样本输入到兴趣热力趋势输出模型以确定对应的目标兴趣热力趋势，而后基于目标兴趣热力趋势与先验兴趣热力趋势之间的特征差异对兴趣热力趋势输出模型进行模型调优，输出模型调优后的兴趣热力趋势输出模型。

2.根据权利要求1所述的基于标签分析的短视频数据推荐方法，其特征在于，所述基于该目标用户对应的关键用户兴趣标签对该目标用户进行短视频数据推荐的步骤，包括：

依据各个用户兴趣标签热力趋势确定各个短视频推荐服务在同一维度上的兴趣关键词标签关系网络；

将各个短视频推荐服务的兴趣关键词标签关系网络分别融合对应的兴趣联系指数，确定更新兴趣关键词标签关系网络；

依据各个短视频推荐服务的更新兴趣关键词标签关系网络确定各个兴趣关键词标签之间的兴趣流向关系；

基于关键用户兴趣标签确定用于短视频推荐评估的短视频内容标签数据；

将短视频内容标签数据按照各个短视频推荐服务之间的兴趣流向关系进行划分，确定各个短视频推荐服务对应的短视频内容标签排列分布；

将各个短视频内容标签排列分布分别下发至对应的短视频推荐服务，以进行短视频推荐。