[发明专利]一种视频推荐方法和装置

说明书

技术领域

本发明涉及多媒体技术领域，特别是涉及一种视频推荐方法和一种视频推荐装置。

背景技术

近年来，随着网络技术的日益普及，视频网站大规模出现，人们越来越多的选择在网上观看视频。

通常，大多数用户在视频网站观看视频时，都偏好于选择新上映和热度高的视频。在传统的视频网站中，当用户需要寻找新上映和热度高的视频时，往往需要输入关键词进行查找，当服务器接收到用户的查找请求时，需要在视频库中查找与关键词相对应的视频，并呈现给用户，用户需要在所呈现的众多视频中查找所需的视频，当所呈现的视频中并没有用户所需的视频时，用户还需要更换其他的关键词进行再次查找，直到查找到所需的视频。在查找视频的过程中，由于用户进行了大量的查找操作，服务器需要不断地响应用户的查找请求，这一过程耗费了大量的服务器资源和网络资源。

为了使用户能够快速地查找到需要观看的视频，避免服务器资源和网络资源的大量耗费，现有的视频网站主要通过统计视频的观看数量，利用大数据的方式，结合模型预测，在视频库中抽取部分视频推荐给用户。

一方面，观看数量需要历史数据的累积，只有当视频上映一段时间后才能获得，并且，模型预测在对海量视频数据进行计算时，会存在冷启动的问题，导致无法在第一时间将新上映的视频推荐给用户，另一方面，由于推荐给用户的视频只从观看数量的单一维度进行分析，推荐的视频往往无法满足用户的偏好，当用户需要在视频网站观看自己所偏好的视频时，仍然需要通过不断更换关键词，进行大量的查找操作，由服务器进行大量的视频查找和呈现操作，才能够获得所需的视频，仍然存在服务器资源和网络资源大量耗费的问题。

因此，目前迫切需要本领域技术人员解决的一个技术问题就是：如何将用户偏好的视频推荐给用户，使用户能够快速获得所需的视频，以避免服务器资源和网络资源的大量耗费。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种视频推荐方法和相应的一种视频推荐装置。

为了解决上述问题，本发明实施例公开了一种视频推荐方法，所述方法包括：

提取视频数据中的一个或多个视频特征项，将所述视频特征项写入视频特征库；

获取某一推荐模式的配置文件，按照所述配置文件分别在所述视频特征库中确定对应的一个或多个视频特征项；

分别计算与所确定的视频特征项一一对应的特征分值，获得所述视频数据的总分值；

按照所述总分值对各视频数据进行排序，生成视频推荐列表；

将所述推荐列表推荐给用户。

可选地，所述方法还包括：

更新所述视频特征库，具体包括，针对所述一个或多个视频特征项，按照不同的更新频率进行更新，其中，所述更新频率包括：按天级更新，按分钟级更新，或，实时更新。

可选地，所述分别计算与所确定的视频特征项一一对应的特征分值，获得所述视频数据的总分值的步骤包括：

按照当前推荐模式计算所提取的视频特征项的特征分值；

对所述特征分值分别进行加权，获得各个视频特征项加权后的特征分值；

累加所述加权后的特征分值，获得所述视频数据的总分值。

可选地，所述视频特征项包括：频道信息；视频新鲜度；全球上映时间；平均观看时长；观看次数；观看评价参数；上榜参数；点击率；和/或，重要度标记信息。

可选地，所述按照所述总分值对各视频数据进行排序，生成视频推荐列表的步骤包括：

基于所述频道信息，分别对相应频道的视频数据的总分值进行排序；

生成所述视频推荐列表。

可选地，所述视频特征库为基于列的分布式数据库HBASE。

为了解决上述问题，本发明实施例公开了一种视频装置，所述装置包括：

视频特征项写入模块，用于提取视频数据中的一个或多个视频特征项，将所述视频特征项写入视频特征库；

视频特征项确定模块，用于获取某一推荐模式的配置文件，按照所述配置文件分别在所述视频特征库中确定对应的一个或多个视频特征项；

视频特征项计算模块，用于分别计算与所确定的视频特征项一一对应的特征分值，获得所述视频数据的总分值；

视频推荐列表生成模块，用于按照所述总分值对各视频数据进行排序，生成视频推荐列表；

视频推荐模块，用于将所述推荐列表推荐给用户。

可选地，所述装置还包括：