[发明专利]视频推荐召回方法及装置

说明书

本发明涉及视频推荐技术领域，本发明旨在解决现有的视频推荐召回的数据质量不高的问题，提出一种视频推荐召回方法及装置，方案概括为：采集并清洗预设时间段内的用户行为日志；根据用户行为日志数据分析用户的基本行为，得到视频各个维度下的权重，根据视频各个维度下的权重和生成用户的视频偏好；构建用户的画像标签，并确定用户的画像标签偏好；根据用户的视频偏好和画像标签偏好生成视频召回初始候选集，并确定视频召回初始候选集中各视频的权重；对视频召回历史候选集中视频对应的权重进行衰减处理后，将视频召回初始候选集与视频召回历史候选集合并；根据合并候选集中的视频进行视频推荐。本发明提高了召回数据的质量，适用于电视终端。

技术领域

本发明涉及视频推荐技术领域，具体来说涉及一种视频推荐召回方法及装置。

背景技术

在海量的信息中，为用户找到所需、所想、所爱的优质内容变得异常困难，推荐系统也因此应运而生。推荐系统中的核心是从海量的物品库中挑选合适物品最终推荐展示给用户。常见的推荐系统一般分为两个阶段，即召回阶段和排序阶段。召回阶段主要是从全量的物品库中抽取出用户尽可能感兴趣的小部分候选集，排序阶段则是将召回阶段得到的候选集进行精准排序，将用户最可能喜欢的物品排到前面，然后推荐给用户。对于视频的推荐来说，由于视频库中各种类型的视频数量巨大，因此从中筛选出用户更可能感兴趣的视频来为用户做推荐是一个非常重要的工作。

由于用户的行为是多样化的，传统的视频推荐系统在召回阶段为满足用户的需求，会从不同的角度出发去设计多个召回路，比如通过基于影视相似、基于用户画像以及基于用户关联相似等方面分别为用户生成相应候选集，然后将多路召回候选集融合生成一个初排候选集提供给后续的排序阶段再做处理。采用多路召回策略，召回阶段初排候选集的质量，决定着最终推荐的业务效果。单纯的根据用户近期的行为去做各路召回，忽略了用户兴趣的粘性；事实上用户短期的视频偏好是动态变化的，只根据最近行为视频召回，召回出来的候选视频中可能包含很多并不是用户真正感兴趣的，从而导致最终推荐召回的数据质量不高。

发明内容

本发明旨在解决现有的视频推荐召回的数据质量不高的问题，提出一种视频推荐召回方法及装置。

本发明解决上述技术问题所采用的技术方案是：视频推荐召回方法，包括以下步骤：

步骤1、采集并清洗预设时间段内的用户行为日志，得到用户行为日志数据；

步骤2、根据所述用户行为日志数据分析用户的基本行为，得到视频各个维度下的权重，根据视频各个维度下的权重和生成用户的视频偏好；

步骤3、根据用户的视频偏好程度以及视频内容标签，构建用户的画像标签，并确定用户的画像标签偏好；

步骤4、根据所述用户的视频偏好和画像标签偏好生成视频召回初始候选集，并确定所述视频召回初始候选集中各视频的权重；

步骤5、获取视频召回历史候选集，对所述视频召回历史候选集中视频对应的权重进行衰减处理后，将所述视频召回初始候选集与视频召回历史候选集合并后得到合并候选集；

步骤6、根据所述合并候选集中的视频进行视频推荐。

进一步的，步骤5中，所述对视频召回历史候选集中视频对应的权重进行衰减处理后得到衰减权重，其衰减计算的公式为：

衰减权重＝历史权重*exp(-衰减系数*间隔天数)。

进一步的，步骤5中，所述将视频召回初始候选集与视频召回历史候选集合并具体包括：

对于视频召回初始候选集与视频召回历史候选集中相同的视频，合并后其权重为视频召回初始候选集中该视频对应的权重与视频召回历史候选集中该视频对应的衰减权重之和。

进一步的，步骤2中，所述根据用户行为日志数据分析用户的基本行为，得到视频各个维度下的权重具体包括：