[发明专利]视频内容推荐方法、装置、计算机设备及存储介质

说明书

本申请公开了一种视频内容推荐方法、装置及计算机设备，该方法包括：将待选视频集的待选视频作为第一视频预添加到推荐视频序列，然后截取包含所述第一视频的视频序列区段，接着根据第一视频在所述视频序列区段中的位置序号以及具有第一视频的目标属性的其他视频在所述视频序列区段中的位置序号对第一视频的初始推荐评分进行修正，得到修正推荐评分，最后根据修正推荐评分选择最终的待选视频添加到所述推荐视频序列。本申请还提供一种计算机可读存储介质。本申请实现根据相似视频积累所有同类视频的负向影响力来达到多样性控制，因此，提高了推荐内容的多样性，也提高了推荐方式的灵活性。

技术领域

本申请涉及互联网技术领域，尤其涉及一种视频内容推荐方法、装置及计算机设备。

背景技术

随着互联网技术的发展，每天有海量的视频数据上载到视频平台，然后用户则可以基于该视频平台选择并播放对应的视频内容。而视频平台一般也会提供内容推荐功能，以提高视频平台的用户粘度。然而，现有的大部分视频平台，其视频推荐系统一般都是根据用户个性化兴趣从视频库中检索出一定量的待选集，然后对这些待选集进行打分排序，再推荐到对应的用户端。用户对于某一类视频的点击次数越多或观看时长越长，获得该类推荐视频越多，而用户对于该类推荐视频的点击又会进一步强化对该类视频的推荐。

发明内容

本申请提出一种视频内容推荐方法、装置及计算机设备，能够解决现有技术中在视频内容推荐过程中推荐视频缺乏多样性，推荐灵活性较差的问题。

首先，为实现上述目的，本申请提供一种视频内容推荐方法，所述方法包括：

依次从待选视频集中选取待选视频作为第一视频预添加到推荐视频序列的最后序位；在所述推荐视频序列中截取包含所述第一视频的预设数量视频的视频序列区段；获取所述第一视频的目标属性和初始推荐评分；在所述视频序列区段中查找出除去所述第一视频之外的具有所述目标属性的目标视频，并统计出所述目标视频的数量n；根据所述n以及每一所述目标视频与所述第一视频的排序距离对所述第一视频的所述初始推荐评分进行修正，得到修正推荐评分；将所述第一视频放回所述待选视频集；以及从所述待选视频集中选择出修正推荐评分最高的视频添加到所述待推荐视频序列的最后序位。

在一个例子中，所述获取所述第一视频的目标属性包括：当所述第一视频的目标属性为空时，对所述第一视频标记上预设的视频属性，然后将所述视频属性作为所述第一视频的目标属性。

在一个例子中，所述根据所述n以及每一所述目标视频与所述第一视频的排序距离对所述第一视频的所述初始推荐评分进行修正，得到修正推荐评分，包括：当所述n大于或等于预设的阈值N时，将所述第一视频的修正推荐评分置为0。

在一个例子中，所述根据所述n以及每一所述目标视频与所述第一视频的排序距离对所述第一视频的所述初始推荐评分进行修正，得到修正推荐评分，包括：当所述n小于预设的阈值N时，获取所述目标视频在所述视频序列区段中的位置序号i以及所述第一视频在所述视频序列区段中的位置序号k；根据所述i、所述k以及预设的修正公式对所述初始推荐评分进行修正。

在一个例子中，所述目标属性包括标签属性和作者属性，所述修正公式包括：

其中，score_k为所述第一视频的初始推荐评分，score’_k为所述第一视频的修正推荐评分，count(tags_k)为所述第一视频的标签属性的个数，count(tags_i)为所述目标视频的标签属性的个数，demote(distance(i，k)，tag)为第一修正函数，demote(distance(i，k)，up)为第二修正函数，tag为标签属性，up为作者属性。

在一个例子中，所述第一修正函数和所述第二修正函数为值域为[0，1]的衰减函数，包括一次函数或二次函数。