[发明专利]一种短视频推荐方法、装置和可读介质

说明书

本发明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，本发明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；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。通过实施上述方法，实现了从海量短视频中确定出用户感兴趣的短视频，并推荐给用户，不仅满足了用户对短视频的观看需求，而且提高了用户对短视频应用程序的使用率。

技术领域

本发明涉及视频推荐技术领域，尤其涉及一种短视频推荐方法、装置和可读介质。

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，视频及作者较多，目前缺乏较为有效的内容组织推荐方式来为用户从海量的短视频中选取感兴趣的内容。

因此，如何从海量的短视频中向用户推荐用户感兴趣的短视频成为现有技术中亟待解决的技术问题之一。

发明内容

本发明实施例提供一种短视频推荐方法、装置和可读介质，用以从海量的短视频中向用户推荐用户感兴趣的短视频。

第一方面，本发明实施例提供一种短视频推荐方法，包括：

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；

根据所述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；

根据所述序列向量和训练得到的短视频推荐模型，确定所述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，向所述用户推荐感兴趣的短视频。

通过利用用户历史观看的短视频列表和未观看的短视频和本发明提供的短视频推荐模型，可以从海量短视频中确定出用户感兴趣的短视频，并推荐给用户。

较佳地，所述短视频的标识信息为所述短视频的编号；以及根据所述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，具体包括：

针对短视频序列中每一短视频，从所述短视频特征矩阵中提取出与该短视频的编号相同的行向量，并将该行向量确定为该短视频的视频向量；

将基于所述短视频序列中各个短视频得到的视频向量构成用于表征所述短视频序列中的短视频特征的序列向量。

较佳地，所述用于表征所有短视频特征的短视频特征矩阵为利用用户历史观看的短视频列表，对嵌入embedding学习算法进行训练得到的。

优选地，按照下述方法对所述短视频推荐模型进行训练：

获取训练样本，所述训练样本为历史观看的短视频和未来观看短视频及所述未来观看短视频的标签结果构成，其中，所述未来观看短视频为以采集时间点为基准未来时间段内产生的短视频；

对所述训练样本进行embedding处理得到用于表征训练样本中的短视频特征的训练特征矩阵；

利用所述训练特征矩阵对所述短视频推荐模型进行训练。

进一步地，所述短视频推荐模型由两个长短期记忆LSTM模型和深度神经网络DNN模型构成；以及利用所述训练特征矩阵对所述短视频推荐模型进行训练，具体包括：

将所述训练特征矩阵输入到第一层LSTM模型中；并