视频推荐方法、系统、计算机程序产品、设备及存储介质与流程
- 国知局
- 2024-11-06 15:04:57
本技术涉及计算机,特别是涉及一种视频推荐方法、视频推荐系统、计算机程序产品、计算机设备以及计算机可读存储介质。
背景技术:
1、随着互联网技术的普及、多媒体技术以及社交网络的发展,“视频社交”作为一种新型社交形式应运而生。与传统社交形式不同,视频社交形式中的社交形式可以无需局限于文本和图片,可以发布视频甚至进行直播。用户在这些软件上可以观看、评论和分享视频,亦可以与视频创作者进行沟通交流。然而,日益繁杂的视频种类以及不断增长的视频数量,在为用户带来更多选择的同时容易出现信息过载问题,进而容易导致在用户推荐视频时,用户的兴趣度较低,即所推荐视频的精准度较差。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种视频推荐方法、视频推荐系统、计算机程序产品、计算机设备以及计算机可读存储介质,能够提高观影资行为源利用率,提高推荐视频的精准度。
2、一方面,提供一种视频推荐方法,视频推荐方法包括:利用第一特征提取模块对目标对象的观影序列进行特征提取,得到第一观影特征;其中,观影序列包括历史观看视频的视频标识;利用第二特征提取模块对关联对象的观影序列进行特征提取,得到第二观影特征;其中,关联对象表示与目标对象具有关联关系的其他对象;聚合第一观影特征以及第二观影特征以获取聚合特征,利用聚合特征对推荐视频标识进行预测,将推荐视频标识对应的视频推荐至目标对象。
3、在本技术的一实施例中,第二特征提取模块包括第一提取器以及第二提取器;利用第二特征提取模块对关联对象的观影序列进行特征提取,得到第二观影特征包括:将第一邻居的观影序列输入第一提取器;将第二邻居的观影序列输入第二提取器;其中,关联对象包括第一邻居以及第二邻居,第一邻居为与目标对象之间中间对象的数量少于第二邻居与目标对象之间中间对象的数量;融合第一提取器与第二提取器的输出,得到第二观影特征。
4、在本技术的一实施例中,利用第二特征提取模块对关联对象的观影序列进行特征提取之前包括:选取第一数量的第一邻居,分别生成各所选取的第一邻居的观影序列;获取第二数量的第二邻居,分别生成各所选取的第二邻居的观影序列;其中,第一数量少于第二数量。
5、在本技术的一实施例中,第一特征提取模块和/或第二特征提取模块包括训练后的变式记忆模型,变式记忆模型包括遗忘门、输入门以及输出门;利用训练后的变式记忆模型对观影序列进行特征提取包括:将提取的观影序列的特征输入遗忘门,将遗忘门的输出输入至输入门;将输入门的输出输入至输出门,得到输出门输出的表达推荐视频信息的观影特征。
6、在本技术的一实施例中,将遗忘门的输出输入至输入门包括:对遗忘门以及输入门进行融合;以将历史时刻的元胞状态参数、隐藏状态参数以及输入的观影序列的特征进行拼接,得到输入信息;将输入信息输入至输入门。
7、在本技术的一实施例中,变式记忆模型还包括元胞状态参数;利用训练后的变式记忆模型对观影序列进行特征提取还包括:保留遗忘门选择遗忘的历史信息;利用历史信息以及输入门的输出数据对元胞状态参数进行更新。
8、在本技术的一实施例中,变式记忆模型包括变式双曲正切函数;利用训练后的变式记忆模型对观影序列进行特征提取还包括:利用变式双曲正切函数识别输入其的输入特征值;响应于输入特征值位于第一取值区间,得到变式双曲正切函数输出的第一特征值;响应于输入特征值位于第二取值区间,得到变式双曲正切函数利用第一特征值计算的计算特征值;其中,计算特征值与输入特征值呈正相关关系;响应于输入特征值位于第三取值区间,得到变式双曲正切函数输出的第二特征值。
9、在本技术的一实施例中,对目标对象的观影序列进行特征提取包括:获取第三数量的历史观影记录,基于观影顺序形成观影序列;将观影序列输入训练后的当前特征提取模型,令当前特征提取模型对观影序列所表达的观影行为进行分析,以预测当前对象潜在的意向观看的视频信息并进行输出;其中,当前特征提取模型包括第一特征提取模块和/或第二特征提取模块。
10、在本技术的一实施例中,训练当前特征提取模型包括:获取第四数量具有时间线关系的历史观影记录,作为测试观影记录;其中,第四数量与第三数量的差值为1;将在先发生的第三数量的测试观影记录形成测试序列,将剩余的测试观影记录作为验证视频;将测试序列输出训练中的当前特征提取模型,得到测试预测视频;基于测试预测视频与验证视频二者之间的匹配度,更新当前特征提取模型的模型参数。
11、在本技术的一实施例中,预测当前对象潜在的意向观看的视频信息包括:获取分析观影序列的分析特征;利用变式激活函数基于分析特征,分别预测当前对象意向观看若干个预设视频的概率。
12、在本技术的一实施例中,利用变式激活函数基于分析特征,分别预测当前对象意向观看若干个预设视频的概率包括:响应于分析特征的分析特征值位于第四取值区间,得到变式激活函数输出的第一概率;响应于分析特征值位于第五取值区间,得到变式激活函数计算得到的计算概率;其中,计算概率与分析特征值呈正相关关系;响应于分析特征值位于第六取值区间,得到变式激活函数输出的第二概率。
13、在本技术的一实施例中,视频推荐方法还包括:将属于浮点型的信息参数转换为整数型并插入伪量化节点,得到信息参数的计算用参数;其中,信息参数包括模型参数、特征向量中的至少一者,计算用参数的参数长度短于信息参数的参数长度;利用计算用参数替代信息参数进行预测计算;响应于完成预测计算,将更新后的计算用参数转换为浮点型。
14、在本技术的一实施例中,将属于浮点型的信息参数转换为整数型包括:利用预设的量化数值区间,对浮点型的信息参数转换为整数型的数值进行约束,得到带梯度的中间参数;其中,中间参数作为伪量化节点;插入伪量化节点包括:对中间参数进行取整处理以及去梯度处理,得到第一间值;对中间参数进行去梯度处理,得到第二间值;将第一间值与第二间值的差值与中间参数叠加,得到计算用参数。
15、在本技术的一实施例中,浮点型的信息参数转换为整数型的数值包括:获取信息参数与量化参数的比值,作为待约束的数据;其中,量化参数为利用梯度量化参数对原始量化参数进行加权得到,梯度量化参数与信息参数的维度关联。
16、另一方面,提供了一种视频推荐系统,视频推荐系统用于实现如上述任一项实施例中的视频推荐方法,视频推荐系统包括:第一特征提取模块、第二特征提取模块、聚合模块以及预测模块;第一特征提取模块用于对目标对象的观影序列进行特征提取,得到第一观影特征;其中,观影序列包括历史观看视频的视频标识;第二特征提取模块用于对关联对象的观影序列进行特征提取,得到第二观影特征;其中,关联对象表示与目标对象具有关联关系的其他对象;聚合模块与第一特征提取模块以及第二特征提取模块连接,用于聚合第一观影特征以及第二观影特征以获取聚合特征;预测模块与聚合模块连接,用于利用聚合特征对推荐视频标识进行预测,将推荐视频标识对应的视频推荐至目标对象。
17、在本技术的一实施例中,第一特征提取模块包括变式记忆模型,变式记忆模型包括第一输入端、第二输入端以及输出端;变式记忆模型的第一输入端用于输入目标对象的观影序列;变式记忆模型的第二输入端用于输入初始的元胞状态参数以及隐藏状态参数,或,前次更新后的元胞状态参数以及初始隐藏状态参数;变式记忆模型的输出端用于输出第一观影特征。
18、在本技术的一实施例中,变式记忆模型包括元胞状态、隐藏状态、遗忘门、输入门以及输出门;其中,遗忘门的输出端连接输入门的输入端。
19、在本技术的一实施例中,第二特征提取模块包括第一提取器、第二提取器、第一线性层、第二线性层以及连接层;第一提取器的输入端用于输入第一邻居的观影序列;第一提取器的输出端连接第一线性层的输入端;第一线性层的输出端连接至连接层的输入端;第二提取器的输入端用于输入第二邻居的观影序列;第二提取器的输出端连接第二线性层的输入端;第二线性层的输出端连接至连接层的输入端;连接层用于连接自其输入端输入的特征,得到第二观影特征;其中,关联对象包括第一邻居以及第二邻居,第一邻居为与目标对象之间中间对象的数量少于第二邻居与目标对象之间中间对象的数量。
20、在本技术的一实施例中,聚合模块包括融合模块以及第三线性层;融合模块的输入端分别连接第一特征提取模块以及第二特征提取模块,用于输入第一观影特征以及第二观影特征;融合模块的输出端连接第三线性层的输入端;第三线性层的输出端输出聚合特征。
21、另一方面,提供了一种计算机程序产品,计算机程序产品包括:包括计算机程序,该计算机程序被处理器执行时实现以下步骤:利用第一特征提取模块对目标对象的观影序列进行特征提取,得到第一观影特征;其中,观影序列包括历史观看视频的视频标识;利用第二特征提取模块对关联对象的观影序列进行特征提取,得到第二观影特征;其中,关联对象表示与目标对象具有关联关系的其他对象;聚合第一观影特征以及第二观影特征以获取聚合特征,利用聚合特征对推荐视频标识进行预测,将推荐视频标识对应的视频推荐至目标对象。
22、再一方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:利用第一特征提取模块对目标对象的观影序列进行特征提取,得到第一观影特征;其中,观影序列包括历史观看视频的视频标识;利用第二特征提取模块对关联对象的观影序列进行特征提取,得到第二观影特征;其中,关联对象表示与目标对象具有关联关系的其他对象;聚合第一观影特征以及第二观影特征以获取聚合特征,利用聚合特征对推荐视频标识进行预测,将推荐视频标识对应的视频推荐至目标对象。
23、又一方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:利用第一特征提取模块对目标对象的观影序列进行特征提取,得到第一观影特征;其中,观影序列包括历史观看视频的视频标识;利用第二特征提取模块对关联对象的观影序列进行特征提取,得到第二观影特征;其中,关联对象表示与目标对象具有关联关系的其他对象;聚合第一观影特征以及第二观影特征以获取聚合特征,利用聚合特征对推荐视频标识进行预测,将推荐视频标识对应的视频推荐至目标对象。
24、上述视频推荐方法、视频推荐系统、计算机程序产品、计算机设备以及计算机可读存储介质,在对向目标对象推荐的推荐视频进行预测时,可以融合与目标对象存在关联的关联对象的第二观影特征,以丰富预测推荐视频的参考信息维度,从而有利于提高推荐视频的精准度。与此同时,当前预测推荐视频的目标对象也可以作为其他目标对象的关联对象。这意味着,每个对象的观影序列不仅可以用于对自身推荐视频的预测,还是用于对与其关联的关联对象的推荐视频进行预测,能够拓宽观影行为资源的使用范围,以有利于提高观影行为资源的利用率,尽可能地对观影行为资源进行充分利用。
本文地址:https://www.jishuxx.com/zhuanli/20241106/325197.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表