[发明专利]一种视频推送方法及装置

说明书

本申请公开提供了一种视频推送方法及装置，其中，该方法包括：构建视频用户相关性异构图，视频用户相关性异构图包括用户、视频和视频标签，以及用户、视频和视频标签相互之间的显式关联关系；对视频用户相关性异构图进行学习，预测视频用户相关性异构图中用户、视频和视频标签相互之间的隐式关联关系；根据隐式关联关系确定每个用户对每个视频的喜好程度，解决了现有技术中采用手动标签标注、协同过滤的方式为用户进行视频推荐，对于没有推荐依据的观看行为较少的用户无法推荐，耗费人工，且难以实现准确推荐的问题。

技术领域

本发明涉及视频推送技术领域，具体涉及一种视频推送方法及装置。

背景技术

随着移动终端的普及以及移动网络的发展，观看视频已经成为大多数人生活中必不可少的娱乐消遣。因此，视频业务也成为了众多互联网公司重点发展的赛道。

在视频业务的发展中，智能推荐旨在为用户推荐其感兴趣的视频，以提高用户粘度以及用户活度。

相关技术中，采用协同过滤算法实现视频推荐，协同过滤算法分为基于视频的协同过滤以及基于用户的协同过滤，分别计算视频之间的相似度以及用户之间的相似度，并基于视频的相似或者用户的相似度给用户推荐新的视频。虽然这些方法已经被广泛应用，但是仍然存在以下不足：

首先，在相关性学习方面，基于协同过滤的方法不能同时兼顾视频之间的相关性、用户之间的相关性和用户与视频之间的相关性，致使视频难以准确推送给感兴趣的用户。

其次，冷启动方面，由于协同过滤算法是基于用户行为进行视频推荐的，因此，对于新视频上线或者观看行为较少的用户，则很难根据用户行为用户感兴趣的视频。

另外，为了提高视频的推荐性能，需要耗费大量的人工与时间进行视频的标注。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中采用手动标签标注、协同过滤的方式为用户进行视频推荐，对于没有推荐依据的观看行为较少的用户无法推荐，耗费人工，且难以实现准确推荐的缺陷，从而提供一种视频推送方法及装置。

为解决上述技术问题，本发明公开实施例至少提供一种视频推送方法及装置。

第一方面，本发明公开实施例提供了一种视频推送方法，包括：

构建视频用户相关性异构图，所述视频用户相关性异构图包括用户、视频和视频标签，以及所述用户、所述视频和所述视频标签相互之间的显式关联关系；

对所述视频用户相关性异构图进行学习，预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系；

根据所述隐式关联关系确定每个用户对每个视频的喜好程度。

可选地，所述对所述视频用户相关性异构图进行学习为：通过异构神经网络对所述视频用户相关性异构图进行学习。

可选地，所述通过异构神经网络对所述视频用户相关性异构图进行学习，预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系包括：通过元路径随机游走的方式提取所述视频用户相关性异构图的至少两个异构子图；基于所述至少两个异构子图求取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征；基于所述用户表征、所述视频表征和所述标签表征，通过预设算法预测所述视频用户相关性异构图中所述用户、所述视频和所述视频标签相互之间的隐式关联关系。

可选地，所述基于所述至少两个异构子图求取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征为：利用图神经网络GraphSage、结合注意力机制求取所述至少两个异构子图获取每个用户的用户表征、每个视频的视频表征和每个标签的标签表征。