[发明专利]视频推荐方法及装置

权利要求书

1.一种视频推荐方法，其特征在于，所述方法包括：

获取目标用户的偏好特征向量及多个待推荐视频的描述特征向量，所述偏好特征向量为所述目标用户偏好视频类型所对应的第一类型向量，所述描述特征向量为所述待推荐视频所属的第二类型向量；

分别计算所述偏好特征向量与各个待推荐视频的描述特征向量的相似度值，并将计算得到的各个相似度值作为所述目标用户与所述待推荐视频的匹配度；

获取所述目标用户对各个待推荐视频的观看进度加权值及互动次数加权值；

根据预设的推荐权值算法、所述目标用户与各个待推荐视频的匹配度、所述目标用户对各个待推荐视频的观看进度加权值及互动次数加权值计算所述目标用户对各个待推荐视频的推荐值；

将推荐值符合预设条件的待推荐视频组成推荐列表推荐给所述目标用户。

2.根据权利要求1所述的视频推荐方法，其特征在于，所述方法还包括：

获取所述目标用户的历史观看记录，所述历史观看记录包括所述目标用户在历史时间段内观看的每一个历史视频的观看时长、每一个历史视频的总时长及观看每一个历史视频过程中的互动次数，其中，每一个历史视频具有对应的描述特征向量；

根据各个历史视频的描述特征向量、所述目标用户对各个历史视频的观看时长、所述目标用户在观看各个历史视频的过程中的互动次数及各个历史视频的总时长确定所述目标用户的偏好特征向量。

3.根据权利要求2所述的视频推荐方法，其特征在于，所述描述特征向量由多个描述特征分量组成，所述偏好特征向量由多个偏好特征分量组成，所述根据各个历史视频的描述特征向量、所述目标用户对各个历史视频的观看时长、所述目标用户在观看各个历史视频的过程中的互动次数及各个历史视频的总时长确定所述目标用户的偏好特征向量包括：

根据各个历史视频的描述特征向量统计每一个描述特征分量对应的历史视频的总数量；

根据每一个描述特征分量对应的各个历史视频的所述总时长、所述观看时长、所述互动次数、所述历史视频的总数量及预设的偏好特征算法计算每一个描述特征分量对应的偏好特征分量，并将得到的所有偏好特征分量组成所述偏好特征向量。

4.根据权利要求1所述的视频推荐方法，其特征在于，所述方法还包括：计算所述目标用户对各个待推荐视频的互动次数加权值的步骤，其中，针对多个待推荐视频中的第u个待推荐视频，计算所述目标用户对第u个待推荐视频的观看进度加权值包括：

获取所述目标用户对所述第u个待推荐视频的当前观看进度及历史用户对所述第u个待推荐视频的平均观看进度；

获取所述历史用户在观看所述第u个待推荐视频的过程中的第一互动次数与第二互动次数，其中，所述第一互动次数为所述历史用户在所述当前观看进度之前的总互动次数，所述第二互动次数为所述历史用户在所述当前观看进度之后的总互动次数；

根据所述当前观看进度、所述平均观看进度、所述第一互动次数、所述第二互动次数及预设的观看进度加权值算法计算所述目标用户对所述第u个待推荐视频的观看进度加权值。

5.根据权利要求4所述的视频推荐方法，其特征在于，所述方法还包括：计算所述目标用户对各个待推荐视频的互动次数加权值的步骤，其中，针对多个待推荐视频中的第u个待推荐视频，计算所述目标用户对第u个待推荐视频的互动次数加权值包括：

获取所述目标用户在所述第u个待推荐视频的当前观看进度之前的第三互动次数；

根所述第三互动次数及预设的互动次数加权值算法计算所述目标用户对所述第u个待推荐视频的互动次数加权值。

6.根据权利要求1所述的视频推荐方法，其特征在于，所述分别计算所述偏好特征向量与各个待推荐视频的描述特征向量的相似度值包括：

分别计算所述偏好特征向量与各个待推荐视频的描述特征向量的欧拉距离，并将所述欧拉距离作为所述相似度值。