[发明专利]视频筛选方法、装置、电子设备及存储介质

权利要求书

1.一种视频筛选方法，其特征在于，所述方法包括：

获取用户的特征、所述用户操作过的第一视频的特征以及对所述第一视频的操作特征；

采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩；

根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频。

2.根据权利要求1所述的方法，其特征在于，所述目标成绩包括所述第一视频对应的触发结果的点击率、点赞率和关注率，所述根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频的步骤，包括：

对所述点击率、所述点赞率以及所述关注率进行加权求和，得到各所述第一视频对应的全局成绩；

筛选出所述全局成绩较高的预设数量个第一视频。

3.根据权利要求2所述的方法，其特征在于，所述点击率的权重因子大于或等于1且小于或等于3，所述点赞率的权重因子大于或等于3且小于或等于5，所述关注率的权重因子大于或等于5且小于或等于7。

4.根据权利要求1至3任一项所述的方法，其特征在于，在所述采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩的步骤之前，所述方法还包括：获得所述筛选模型；

所述获得所述筛选模型的步骤，包括：

获取所述用户的特征、所述用户操作过的第二视频的特征以及对所述第二视频的操作特征，其中，所述第二视频对应有标签；

根据所述用户的特征、所述第二视频的特征、对所述第二视频的操作特征以及所述标签，对机器学习模型进行训练，得到所述筛选模型。

5.根据权利要求4所述的方法，其特征在于，所述标签包括预先标注的所述第二视频对应的触发结果的点击率、点赞率和关注率中至少一种，所述根据所述用户的特征、所述第二视频的特征、对所述第二视频的操作特征以及所述标签，对机器学习模型进行训练，得到所述筛选模型的步骤，包括：

采用所述机器学习模型，对所述用户的特征、所述第二视频的特征以及对所述第二视频的操作特征进行处理，得到所述第二视频对应的预测成绩；

根据所述预测成绩以及所述标签，确定所述机器学习模型的参数，得到所述筛选模型。

6.一种视频筛选装置，其特征在于，所述装置包括：

第一获取模块，被配置为获取用户的特征、所述用户操作过的第一视频的特征以及对所述第一视频的操作特征；

处理模块，被配置为采用预先训练得到的筛选模型，对所述用户的特征、所述第一视频的特征以及对所述第一视频的操作特征进行处理，得到各所述第一视频对应的目标成绩；

筛选模块，被配置为根据所述目标成绩，在所述用户操作过的第一视频中，筛选出预设数量个第一视频。

7.根据权利要求6所述的装置，其特征在于，所述目标成绩包括所述第一视频对应的触发结果的点击率、点赞率和关注率，所述筛选模块包括：

计算单元，被配置为对所述点击率、所述点赞率以及所述关注率进行加权求和，得到各所述第一视频对应的全局成绩；

筛选单元，被配置为筛选出所述全局成绩较高的预设数量个第一视频。

8.根据权利要求7所述的装置，其特征在于，所述点击率的权重因子大于或等于1且小于或等于3，所述点赞率的权重因子大于或等于3且小于或等于5，所述关注率的权重因子大于或等于5且小于或等于7。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行如权利要求1-5任一项所述的视频筛选方法。

10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-5任一项所述的视频筛选方法。