[发明专利]一种个性化视频推荐方法及系统

权利要求书

1.一种个性化视频推荐方法，其特征在于，包括：

S1、基于因子分解机构建用户向量、视频向量，将所述向量存储在Faiss中；

S2、判断用户是否需要进行兴趣探索，若是，执行步骤S3、若否，执行步骤S4；

S3、当进行兴趣探索的时候，将该用户的ID类特征替换成好友或者相同地域用户的ID更新用户向量；

S4、基于用户向量在Faiss中进行视频召回，为用户生成推荐视频。

2.根据权利要求1所述的个性化视频推荐方法，其特征在于，所述S1具体为：

S1.1、采用特征表示用户、视频的相关属性；

S1.2、基于因子分解机训练生成用户、视频的特征向量；

S1.3、对所述特征向量求和生成用户向量、视频向量。

3.根据权利要求1所述的个性化视频推荐方法，其特征在于，通过计算概率随机数判断是否需要进行兴趣探索。

4.根据权利要求3所述的个性化视频推荐方法，其特征在于，生成一个在0-1之间均匀分布的随机数，当生成的随机数大于等于0.4就进行兴趣探索，否则不进行兴趣探索。

5.根据权利要求3所述的个性化视频推荐方法，其特征在于，所述步骤S4具体为：

采用Faiss中自带的向量函数进行运算，基于用户向量在Faiss中进行视频召回获取视频候选集；对所述视频候选集进行排序；基于策略调整排序后的视频候选集，返回推荐视频。

6.一种个性化视频推荐系统，其特征在于，包括：

向量构建模块，基于因子分解机构建用户向量、视频向量，将所述向量存储在Faiss中；

判断模块，用于判断用户是否需要进行兴趣探索，若是，调用向量更新模块，若否，调用推荐模块；

向量更新模块，当进行兴趣探索的时候，将该用户的ID类特征替换成好友或者相同地域用户的ID更新用户向量；

推荐模块，用于基于用户向量在Faiss中进行视频召回，为用户生成推荐视频。

7.根据权利要求6所述的个性化视频推荐系统，其特征在于，所述向量构建模块包括：

特征表示模块，用于采用特征表示用户、视频的相关属性；

特征向量生成模块，用于基于因子分解机训练生成用户、视频的特征向量；

特征向量求和模块，用于对所述特征向量求和生成用户向量、视频向量。

8.根据权利要求6所述的个性化视频推荐系统，其特征在于，通过计算概率随机数判断是否需要进行兴趣探索。

9.根据权利要求8所述的个性化视频推荐系统，其特征在于，生成一个在0-1之间均匀分布的随机数，当生成的随机数大于等于0.4就进行兴趣探索，否则不进行兴趣探索。

10.根据权利要求8所述的个性化视频推荐系统，其特征在于，所述推荐模块包括：

采用Faiss中自带的向量函数进行运算，基于用户向量在Faiss中进行视频召回获取视频候选集；对所述视频候选集进行排序；基于策略调整排序后的视频候选集，返回推荐视频。