[发明专利]短视频推荐方法、电子设备和计算机可读存储介质

说明书

本发明公开一种短视频推荐方法、电子设备和计算机可读存储介质，短视频推荐方法包括：服务器存储上传的多个带有标签的短视频，还包括已训练的Word2vec模型；客户端登录账号；服务器判断账号是否存在评论信息；若存在，服务器获取账号已观看的短视频的全部评论信息，通过加载有Word2vec模型的卷积神经网络模型提取全部评论信息的关键词并分类形成多种类别集合，将包含关键词数量多于预设词数阈值的类别集合作为账号的偏好关键词，账号的偏好关键词分别与未观看的短视频的标签进行计算得到关联值，将关联值超过关联阈值的未观看的短视频推荐给账号。通过计算实现将未观看的短视频与偏好关键词关联性较大的部分进行推荐的功能。

技术领域

本发明涉及计算机领域，更具体地，涉及一种短视频推荐方法、电子设备和计算机可读存储介质。

背景技术

越来越多的人喜欢观看短视频，因为短视频的出现，恰好迎合了当下碎片化阅读的场景需求。短视频时长较短、核心内容更加直观接地气，具有更多受众，并且短视频运营商的推荐算法机制，可以根据用户之前看过的短视频，以及在每个短视频上的停留时间等操作来为每一位用户定制画像，从而针对每一位不同的用户推荐其感兴趣的内容。在现有技术中，申请公布号为CN109670077A的发明专利申请公开了一种视频推荐方法，获取样本用户的用户特征和样本视频的视频特征；分别在多个用户侧神经网络和多个视频侧神经网络对点击率、点赞率和关注率进行联合学习；根据联合学习获得的神经网络算法的网络参数，得到短视频的推荐列表。这是一种常规的短视频推荐规则，但没有涉及到用户评论信息对短视频推荐的影响，因为用户对短视频内容极度感兴趣时才会进行评论，所以用户的评论信息对短视频推荐来说是一个极为重要的影响因素。

因此，提供一种短视频推荐方法、电子设备和计算机可读存储介质是亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种短视频推荐方法，包括：

服务器存储上传的多个短视频，多个所述短视频包括标签，所述服务器还包括已训练的Word2vec模型；

客户端登录账号；

所述服务器判断所述账号是否为新用户；

若不是新用户，所述服务器判断所述账号是否存在评论信息；

若存在评论信息，所述服务器获取所述账号的已观看的所述短视频，根据已观看的所述短视频获取所述账号的全部所述评论信息，通过加载有所述Word2vec模型的卷积神经网络模型提取全部所述评论信息的关键词并分类形成多种类别集合，每种所述类别集合包含多个相同的所述关键词，将包含所述关键词数量多于预设词数阈值的所述类别集合作为所述账号的偏好关键词，所述账号的偏好关键词分别与未观看的所述短视频的所述标签进行计算得到关联值，将所述关联值超过关联阈值的未观看的所述短视频推荐给所述账号。

优选地，所述服务器判断所述账号是否为新用户，还包括，

若是新用户，所述服务器判断所述账号是否为被动注册账号；

若是被动注册账号，所述服务器查询所述账号的邀请账号，调取所述邀请账号的偏好关键词，将与所述邀请账号的偏好关键词的关联值超过所述关联阈值的未观看的所述短视频推荐给所述账号。

优选地，所述服务器判断所述账号是否为被动注册账号，还包括，

若不是被动注册账号，所述服务器按照多个所述短视频的热度评分由高到低的顺序推荐给所述账号。

优选地，所述服务器判断所述账号是否存在评论信息，

若不存在评论信息，所述服务器判断所述账号在所述客户端是否存在购物行为；

若存在购物行为，所述服务器获取所述账号的购买记录，提取所述购买记录中的商品名称，将与所述商品名称相关的未观看的所述短视频推荐给所述账号。