[发明专利]视频筛选方法、装置、电子设备及存储介质

说明书

本申请示出了一种视频筛选方法、装置、电子设备及存储介质，其中视频筛选方法包括：获取用户的特征、用户操作过的第一视频的特征以及对第一视频的操作特征；采用预先训练得到的筛选模型，对用户的特征、第一视频的特征以及对第一视频的操作特征进行处理，得到各第一视频对应的目标成绩；根据目标成绩，在用户操作过的第一视频中，筛选出预设数量个第一视频。通过筛选模型对用户操作过的第一视频进行筛选，可以确保视频推荐的触发源质量，过滤掉低质量或无效视频，从而可以提高视频推荐效率和精细度；并且触发源中可以包括更长时间范围内的第一视频，从而能够更加有效地刻画用户的长期兴趣，拓展了触发召回的时间范围，提高个性化推荐效果。

技术领域

本申请涉及计算机技术领域，尤其涉及一种视频筛选方法、装置、电子设备及存储介质。

背景技术

视频推荐技术一般包括触发和排序两个步骤，首先根据不同的触发源，采用各种触发策略获取触发结果，然后通过排序模型对触发结果进行排序和筛选，将最终的推荐结果展示给用户。因此，精准的触发源能够更有效地满足用户的个性化需求。

传统视频推荐系统中的触发普遍采用协同过滤(Collaborative Filtering)，例如基于物品(item)的协同过滤(item-cf)是利用物品之间的相似度进行推荐和排序。这种基于item-cf的触发方式中将用户近期的点击、点赞以及关注等所有行为都笼统地作为触发源进行各种方式的触发。

然而，在视频数量庞大、用户行为丰富的短视频应用中，由于线上系统的限制，作为触发源的用户行为只能保存最近期的有限部分，造成触发源对用户长期兴趣表达能力的缺失；并且作为触发源的用户行为并未经过筛选，整体触发质量难以保证。

发明内容

为克服相关技术中存在的问题，本申请提供一种视频筛选方法、装置、电子设备及存储介质。

根据本申请的第一方面，提供一种视频筛选方法，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。

在一个可选的实现方式中，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。

在一个可选的实现方式中，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。

在一个可选的实现方式中，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。