本申請(qǐng)涉及視頻信息處理領(lǐng)域，更具體地涉及一種內(nèi)容推薦方法及裝置。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的快速普及和數(shù)字影像采集、處理技術(shù)的發(fā)展，視頻行業(yè)特別是網(wǎng)絡(luò)視頻行業(yè)迅速崛起。作為一種包含有圖像、聲音、文字等多信息的綜合性媒體，視頻具有強(qiáng)大的信息承載和傳播能力，在人們?nèi)粘Ｉ钪衅鹬絹?lái)越重要的作用。

在視頻的播放過(guò)程中，為了能夠向用戶推薦更多的內(nèi)容，現(xiàn)有技術(shù)中，通常在視頻開始播放之前輸出推薦內(nèi)容或者在視頻的播放過(guò)程中，暫時(shí)中斷播放視頻以輸出推薦內(nèi)容，其中，推薦內(nèi)容可以是廣告、新聞、咨詢等信息。

由上述描述可知，目前的內(nèi)容推薦方式，大多是使用預(yù)先設(shè)置的、固定模式的推薦內(nèi)容。對(duì)用戶而言，既會(huì)影響視頻觀看，又會(huì)使用戶只能被動(dòng)接受固定的推薦內(nèi)容，推薦內(nèi)容是否被用戶接受或者是否對(duì)用戶有用等等都是未知的，因此推薦內(nèi)容的針對(duì)性較差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種內(nèi)容推薦方法及裝置，用以解決現(xiàn)有技術(shù)中內(nèi)容推薦針對(duì)性較差的技術(shù)問(wèn)題。

本發(fā)明實(shí)施例提供一種內(nèi)容推薦方法，包括：

接收播放器的視頻播放請(qǐng)求；

將所述視頻播放請(qǐng)求中請(qǐng)求播放的視頻發(fā)送至播放器，觸發(fā)所述播放器播放所述視頻；

檢測(cè)并獲取所述視頻中的目標(biāo)內(nèi)容；

獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容；

在所述目標(biāo)內(nèi)容播放時(shí)，觸發(fā)所述播放器在所述目標(biāo)內(nèi)容的對(duì)應(yīng)顯示區(qū)域中輸出所述推薦內(nèi)容的提示信息。

優(yōu)選地，所述獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容包括：

按照與所述目標(biāo)內(nèi)容相似度由高到低的順序，確定與所述目標(biāo)內(nèi)容匹配的多個(gè)圖片；

獲取觸發(fā)所述視頻播放請(qǐng)求的用戶的用戶特征；

針對(duì)每一個(gè)圖片，將所述用戶特征、所述圖片對(duì)應(yīng)候選內(nèi)容的內(nèi)容特征以及所述目標(biāo)內(nèi)容的內(nèi)容特征進(jìn)行組合，得到推薦特征；所述候選內(nèi)容的內(nèi)容特征包括歷史推薦率和/或內(nèi)容類型；所述目標(biāo)內(nèi)容的內(nèi)容特征包括所述目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)和/或所述目標(biāo)內(nèi)容與所述圖片的相似度；

利用預(yù)先訓(xùn)練的推薦模型，預(yù)估每一個(gè)推薦特征的推薦率；

選擇推薦率最高的圖片對(duì)應(yīng)的候選內(nèi)容作為推薦內(nèi)容。

優(yōu)選地，所述檢測(cè)并獲取所述視頻中的目標(biāo)內(nèi)容，包括：

檢測(cè)并獲取所述視頻中預(yù)先提取的目標(biāo)內(nèi)容；

所述目標(biāo)內(nèi)容按照如下方式從所述視頻中預(yù)先提?。?/p>

提取所述視頻中的關(guān)鍵幀；

利用預(yù)先訓(xùn)練的目標(biāo)內(nèi)容檢測(cè)模型，從所述關(guān)鍵幀上提取目標(biāo)內(nèi)容。

優(yōu)選地，所述從關(guān)鍵幀上提取目標(biāo)內(nèi)容之后，所述方法還包括：

對(duì)所述目標(biāo)內(nèi)容進(jìn)行目標(biāo)跟蹤，確定所述目標(biāo)內(nèi)容在所述視頻中的出現(xiàn)時(shí)長(zhǎng)；

所述獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容包括：

在所述目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)大于預(yù)設(shè)時(shí)長(zhǎng)時(shí)，獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容。

優(yōu)選地，所述提取所述視頻中的關(guān)鍵幀，包括：

將所述視頻中的第一幀圖像幀作為關(guān)鍵幀；

針對(duì)關(guān)鍵幀之后的每一幀圖像幀，計(jì)算所述圖像幀的信息熵；

在所述信息熵大于熵閾值時(shí)，計(jì)算所述任一幀圖像幀與所述關(guān)鍵幀的相似度；

在所述相似度小于相似度閾值時(shí)，將所述任一幀圖像幀作為關(guān)鍵幀。

本發(fā)明實(shí)施例提供一種內(nèi)容推薦裝置，包括：

播放請(qǐng)求接收模塊，用于接收播放器的視頻播放請(qǐng)求；

視頻發(fā)送模塊，用于將所述視頻播放請(qǐng)求中請(qǐng)求播放的視頻發(fā)送至播放器，觸發(fā)所述播放器播放所述視頻；

目標(biāo)內(nèi)容檢測(cè)模塊，用于檢測(cè)并獲取所述視頻中的目標(biāo)內(nèi)容；

推薦內(nèi)容獲取模塊，用于獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容；

觸發(fā)顯示模塊，用于在所述目標(biāo)內(nèi)容播放時(shí)，觸發(fā)所述播放器在所述目標(biāo)內(nèi)容的對(duì)應(yīng)顯示區(qū)域中輸出所述推薦內(nèi)容的提示信息。

優(yōu)選地，所述推薦內(nèi)容獲取模塊包括：

排列單元，用于按照與所述目標(biāo)內(nèi)容相似度由高到低的順序，確定與所述目標(biāo)內(nèi)容匹配的多個(gè)圖片以及圖片的內(nèi)容特征；

第一獲取單元，用于獲取觸發(fā)所述視頻播放請(qǐng)求的用戶的用戶特征；

組合單元，針對(duì)每一個(gè)圖片，將所述用戶特征、所述圖片對(duì)應(yīng)候選內(nèi)容的內(nèi)容特征以及所述目標(biāo)內(nèi)容的內(nèi)容特征進(jìn)行組合，得到推薦特征；所述候選內(nèi)容的內(nèi)容特征至少包括歷史推薦率；所述目標(biāo)內(nèi)容的內(nèi)容特征包括所述目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)和/或所述目標(biāo)內(nèi)容與所述圖片的相似度；

預(yù)估單元，用于利用預(yù)先訓(xùn)練的推薦模型，預(yù)估每一個(gè)推薦特征的推薦率；

選擇單元，用于選擇推薦率最高的圖片對(duì)應(yīng)的內(nèi)容特征作為推薦內(nèi)容。

優(yōu)選地，所述目標(biāo)內(nèi)容檢測(cè)模塊包括：

檢測(cè)單元，用于檢測(cè)并獲取所述視頻中預(yù)先提取的目標(biāo)內(nèi)容；

所述裝置還包括：

關(guān)鍵幀提取模塊：用于提取所述視頻中的關(guān)鍵幀；

目標(biāo)內(nèi)容提取模塊：用于利用預(yù)先訓(xùn)練的目標(biāo)內(nèi)容檢測(cè)模型，從所述關(guān)鍵幀中提取目標(biāo)內(nèi)容。

優(yōu)選地，所述裝置還包括：

目標(biāo)跟蹤模塊，用于對(duì)所述目標(biāo)內(nèi)容進(jìn)行目標(biāo)跟蹤，確定所述目標(biāo)內(nèi)容在所述視頻中的出現(xiàn)時(shí)長(zhǎng)；

所述推薦內(nèi)容獲取模塊具體用于在所述目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)大于預(yù)設(shè)時(shí)長(zhǎng)時(shí)，獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容。

優(yōu)選地，所述關(guān)鍵幀提取模塊包括：

第一確定單元，用于將所述視頻中的第一幀圖像幀作為關(guān)鍵幀；

信息熵計(jì)算單元，用于針對(duì)關(guān)鍵幀之后的每一幀圖像幀，計(jì)算所述圖像 幀的信息熵；

相似度計(jì)算單元，用于在所述信息熵大于熵閾值時(shí)，計(jì)算所述任一幀圖像幀與所述關(guān)鍵幀的相似度；

第二確定單元，用于在所述相似度小于相似度閾值時(shí)，將所述任一幀圖像幀作為關(guān)鍵幀。

本發(fā)明實(shí)施例提供的一種內(nèi)容推薦方法及裝置，從根據(jù)用戶觀看的視頻內(nèi)容出發(fā)，獲取視頻中的目標(biāo)內(nèi)容，并且獲目標(biāo)內(nèi)容匹配的推薦內(nèi)容，在視頻播放過(guò)程中同步輸出推薦內(nèi)容的提示信息，在整個(gè)推薦過(guò)程中無(wú)需中斷視頻播放，提高了用戶體驗(yàn)。且推薦內(nèi)容是與視頻內(nèi)容的目標(biāo)內(nèi)容匹配的內(nèi)容，使得推薦內(nèi)容更具有針對(duì)性，實(shí)現(xiàn)了個(gè)性化推薦。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明中一種內(nèi)容推薦方法的一個(gè)實(shí)施例流程圖；

圖2為本發(fā)明中一種內(nèi)容推薦方法的一個(gè)輸出信息條目示例圖；

圖3為本發(fā)明中一種內(nèi)容推薦方法的又一個(gè)實(shí)施例流程圖；

圖4為本發(fā)明中一種內(nèi)容推薦方法的又一個(gè)實(shí)施例流程圖；

圖5為本發(fā)明中一種內(nèi)容推薦裝置的一個(gè)實(shí)施例結(jié)構(gòu)示意圖；

圖6為本發(fā)明中一種內(nèi)容推薦裝置的又一個(gè)實(shí)施例結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述， 顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本申請(qǐng)的技術(shù)方案主要應(yīng)用于網(wǎng)絡(luò)視頻播放場(chǎng)景中，主要是在網(wǎng)絡(luò)視頻的播放過(guò)程中進(jìn)行內(nèi)容推薦。在互聯(lián)網(wǎng)的快速普及以及數(shù)字影像技術(shù)的發(fā)展的支撐下，網(wǎng)絡(luò)視頻行業(yè)迅速崛起。網(wǎng)絡(luò)視頻以其強(qiáng)大的信息承載和傳播能力得到快速發(fā)展。以往的網(wǎng)絡(luò)視頻在播放時(shí)，正如背景技術(shù)中所述，均以固定內(nèi)容的形式在視頻播放開始播放推薦內(nèi)容，或者打斷用戶播放的視頻在視頻的播放過(guò)程中完成內(nèi)容推薦。這種固定內(nèi)容的推薦方式容易造成用戶對(duì)推薦內(nèi)容的抵觸心理，造成推薦效果降低等弊端。

為解決這一技術(shù)問(wèn)題，發(fā)明人經(jīng)過(guò)一系列研究之后，提出本申請(qǐng)技術(shù)方案。在本發(fā)明實(shí)施例中，當(dāng)服務(wù)端接收到來(lái)自播放器的播放請(qǐng)求時(shí)，檢測(cè)并獲取請(qǐng)求播放的視頻對(duì)應(yīng)的目標(biāo)內(nèi)容，并獲取與目標(biāo)內(nèi)容匹配的推薦內(nèi)容；并在目標(biāo)內(nèi)容播放時(shí)，觸發(fā)在目標(biāo)內(nèi)容的對(duì)應(yīng)顯示區(qū)域輸出推薦內(nèi)容的提示信息，該提示信息用于向用戶提示所述推薦內(nèi)容。本實(shí)施例中，推薦內(nèi)容在視頻的播放過(guò)程中同步輸出，無(wú)需中斷視頻的播放，且推薦內(nèi)容與視頻中的目標(biāo)內(nèi)容相匹配，使得推薦內(nèi)容更具有針對(duì)性。針對(duì)不同的視頻以及不同的目標(biāo)內(nèi)容，推薦內(nèi)容可能也會(huì)不同，因此實(shí)現(xiàn)了推薦內(nèi)容的個(gè)性化推薦，用戶更容易接受與目標(biāo)內(nèi)容相關(guān)的推薦內(nèi)容，提高了用戶體驗(yàn)。

下面將結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明。

如圖1所示，為本發(fā)明實(shí)施例的一種內(nèi)容推薦方法的一個(gè)實(shí)施例流程圖，本實(shí)施例方案主要應(yīng)用在服務(wù)器，該方法可以包括以下幾個(gè)步驟：

101：接收播放器的視頻播放請(qǐng)求；

本申請(qǐng)中，播放器可以是移動(dòng)終端安裝的視頻客戶端；也可以是瀏覽器中的播放控件；還可以是安裝于計(jì)算機(jī)的視頻客戶端。

本申請(qǐng)中的服務(wù)器可以是視頻服務(wù)器。

作為一種可能的實(shí)現(xiàn)方式，視頻播放請(qǐng)求可以是根據(jù)用戶通過(guò)播放器選擇某一個(gè)視頻執(zhí)行播放請(qǐng)求動(dòng)作而生成的。

102：將所述視頻播放請(qǐng)求中請(qǐng)求播放的視頻發(fā)送至播放器，觸發(fā)所述播放器播放所述視頻；

在查找到所述視頻后，服務(wù)器會(huì)將所述視頻發(fā)送到播放器。在播放器接收到視頻后，會(huì)觸發(fā)播放器播放所述視頻。

103：檢測(cè)并獲取所述視頻中的目標(biāo)內(nèi)容；

作為一種可能的實(shí)現(xiàn)方式，為了降低整體算法的空間復(fù)雜度和時(shí)間復(fù)雜度，所述目標(biāo)內(nèi)容可以是預(yù)先提取的目標(biāo)內(nèi)容。在接收到視頻播放請(qǐng)求后，服務(wù)器即可自動(dòng)為所述視頻查找其預(yù)先提取的目標(biāo)內(nèi)容并通知播放器。

所述目標(biāo)內(nèi)容可以根據(jù)實(shí)際需求進(jìn)行設(shè)定。例如：可以是視頻中出現(xiàn)的某一個(gè)人的上衣、褲子、鞋子，或者視頻中出現(xiàn)的汽車等。當(dāng)然目標(biāo)內(nèi)容不僅限于衣物、鞋子、汽車等類型，還可以是手機(jī)、樓宇、飲料等等具有使用功能或者展示功能的物品。

所述目標(biāo)內(nèi)容的可以采用以下方法從所述視頻中預(yù)先提?。?/p>

先提取所述視頻中的關(guān)鍵幀，再使用預(yù)先訓(xùn)練的目標(biāo)內(nèi)容檢測(cè)模型，從所述關(guān)鍵幀上提取目標(biāo)內(nèi)容。

為了獲得更具推薦價(jià)值的目標(biāo)內(nèi)容，還可以對(duì)所述目標(biāo)內(nèi)容進(jìn)行目標(biāo)跟蹤，確定所述目標(biāo)內(nèi)容在視頻中出現(xiàn)的時(shí)長(zhǎng)。因此可以是僅針對(duì)出現(xiàn)時(shí)長(zhǎng)大于預(yù)設(shè)時(shí)長(zhǎng)的目標(biāo)內(nèi)容執(zhí)行步驟104的操作。

作為又一種可能的實(shí)現(xiàn)方式，目標(biāo)內(nèi)容也可以在獲取到視頻之后實(shí)時(shí)提取，以降低內(nèi)存開銷。

104：獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容；

服務(wù)器可以預(yù)先保存不同類型的推薦內(nèi)容，所述推薦內(nèi)容可以是包括圖片的網(wǎng)頁(yè)頁(yè)面、文本等內(nèi)容?？梢詫⒋硗扑]內(nèi)容的圖片存儲(chǔ)在數(shù)據(jù)庫(kù)中。 當(dāng)需要獲取推薦內(nèi)容時(shí)，可以從所述圖片數(shù)據(jù)庫(kù)中獲取與所述目標(biāo)內(nèi)容匹配圖片，進(jìn)而可以獲取圖片對(duì)應(yīng)的推薦內(nèi)容。

其中，獲取與目標(biāo)內(nèi)容匹配的推薦內(nèi)容，所述推薦內(nèi)容可以包括一個(gè)或多個(gè)。

可以通過(guò)計(jì)算目標(biāo)內(nèi)容與推薦內(nèi)容的相似度確定與目標(biāo)內(nèi)容匹配的推薦內(nèi)容。具體可以是按照相似度由大到小，選擇一個(gè)或者多個(gè)推薦內(nèi)容。推薦內(nèi)容用圖片表示時(shí)，可以利用圖像直方圖等圖像特征計(jì)算相似度。

優(yōu)選地，為了進(jìn)一步提高推薦內(nèi)容的準(zhǔn)確度，還可以在獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容的過(guò)程中結(jié)合用戶特征，也即獲取與目標(biāo)內(nèi)容以及用戶特征均匹配的推薦內(nèi)容。所述用戶特征可以是用戶的年齡、性別、地域、職業(yè)等消息，這些消息可以根據(jù)用戶注冊(cè)信息獲得。加入用戶特征之后，可以獲取與用戶喜好更加貼近的推薦內(nèi)容，進(jìn)一步實(shí)現(xiàn)個(gè)性化推薦。

因此，作為一種可能的實(shí)現(xiàn)方式，可以是將推薦內(nèi)容、目標(biāo)內(nèi)容、用戶特征等進(jìn)行組合，得到推薦特征，并將推薦特征通過(guò)預(yù)先訓(xùn)練的推薦模型，預(yù)估推薦特征的推薦率，然后再選擇推薦率最高的圖片對(duì)應(yīng)的候選內(nèi)容作為推薦內(nèi)容。

105：在所述目標(biāo)內(nèi)容播放時(shí)，觸發(fā)所述播放器在所述目標(biāo)內(nèi)容的對(duì)應(yīng)顯示區(qū)域中輸出所述推薦內(nèi)容的提示信息。

所述推薦內(nèi)容的提示信息可以是所述推薦內(nèi)容、所述推薦內(nèi)容的摘要信息、或者包含所述推薦內(nèi)容的摘要信息以及推薦內(nèi)容的鏈接地址的條目信息。所述條目信息的連接地址對(duì)應(yīng)一個(gè)網(wǎng)頁(yè)文件，通過(guò)點(diǎn)擊所述信息條目可以跳轉(zhuǎn)至推薦內(nèi)容對(duì)應(yīng)的地址頁(yè)面，從而可以查看所述推薦內(nèi)容。

其中，可以是在播放器開始播放目標(biāo)內(nèi)容時(shí)，同時(shí)輸出條目信息。

其中，輸出條目信息示意圖具體可以如圖2所示。在圖2中顯示了兩個(gè)不同類型的目標(biāo)內(nèi)容，分別為褲子以及上衣，并且均顯示了與其對(duì)應(yīng)的條目 信息。條目信息201與條目信息202分別是針對(duì)上衣和褲子的推薦內(nèi)容的提示信息，所述提示信息具有連接地址，用戶點(diǎn)擊此鏈接就可以打開對(duì)應(yīng)網(wǎng)頁(yè)頁(yè)面完成瀏覽、購(gòu)買等操作。

其中，用戶還可以在播放器選擇是否輸出所述推薦內(nèi)容，以免對(duì)用戶的實(shí)際播放造成其他影響。從而可以是在接收到用戶觸發(fā)的推薦內(nèi)容輸出請(qǐng)求時(shí)，再執(zhí)行步驟103～105。

需要說(shuō)明的是，步驟103～步驟104可以是在步驟101接收到視頻播放請(qǐng)求時(shí)即執(zhí)行，也可以是在步驟102播放器播放視頻，在播放到目標(biāo)內(nèi)容時(shí)再執(zhí)行。本發(fā)明并不限定與本實(shí)施例的執(zhí)行步驟。

本實(shí)施例中，通過(guò)對(duì)視頻內(nèi)容的分析，獲得與視頻內(nèi)容相關(guān)的目標(biāo)內(nèi)容，并從數(shù)據(jù)庫(kù)中選擇出與所述目標(biāo)內(nèi)容對(duì)應(yīng)的推薦內(nèi)容，然后在播放視頻時(shí)，顯示推薦內(nèi)容的提示信息。所述推薦內(nèi)容是基于視頻內(nèi)容的內(nèi)容，可以在不放不同視頻的過(guò)程中選擇推送不同的內(nèi)容。改變了現(xiàn)有技術(shù)中固定推薦物品的模式，提高了推薦內(nèi)容的針對(duì)性，實(shí)現(xiàn)了用戶在觀看視頻的同時(shí)提供用戶更容易接受的內(nèi)容推薦，提升了用戶的體驗(yàn)。

作為一個(gè)實(shí)施例，如圖3所示，步驟101～步驟103以及步驟105與圖1所示實(shí)施例相同，其中，步驟104可以包括以下步驟進(jìn)行推薦內(nèi)容的獲?。?/p>

1041：按照與所述目標(biāo)內(nèi)容相似度由高到低的順序，確定與所述目標(biāo)內(nèi)容匹配的多個(gè)圖片以及每一個(gè)圖片對(duì)應(yīng)候選內(nèi)容的內(nèi)容特征。

優(yōu)選地，所述數(shù)據(jù)庫(kù)中的圖片與圖片的內(nèi)容特征可以是預(yù)先通過(guò)網(wǎng)絡(luò)渠道或者其他渠道獲取的相關(guān)圖片及其內(nèi)容組成的數(shù)據(jù)庫(kù)。根據(jù)所述目標(biāo)內(nèi)容可以采用基于類別和直方圖相似度兩種策略從所述數(shù)據(jù)庫(kù)中檢索出與所述目標(biāo)內(nèi)容相似度高的圖片并通過(guò)查詢數(shù)據(jù)庫(kù)獲取圖片對(duì)應(yīng)的候選內(nèi)容的內(nèi)容特征。作為一種可能的實(shí)現(xiàn)方式，可以將相似度的計(jì)算結(jié)果按照由高到低的順序排列，選取排名靠前的若干張圖片作為備選圖片。

1042：獲取觸發(fā)所述視頻播放請(qǐng)求的用戶的用戶特征。

所述用戶的用戶特征可以主要包括：用戶的年齡、性別、地域、職業(yè)、平臺(tái)等。用戶特征可以從用戶的注冊(cè)信息中獲取。所述注冊(cè)信息可以存儲(chǔ)于服務(wù)器中，需要用戶特征時(shí)，可以從服務(wù)器中查詢用戶的注冊(cè)信息。

1043：針對(duì)每一個(gè)圖片，將所述用戶特征、所述圖片對(duì)應(yīng)候選內(nèi)容的內(nèi)容特征以及所述目標(biāo)內(nèi)容的內(nèi)容特征進(jìn)行組合，得到推薦特征；

所述目標(biāo)內(nèi)容的內(nèi)容特征可以包括目標(biāo)內(nèi)容與圖片的相似度計(jì)算結(jié)果，還可以包括目標(biāo)內(nèi)容在視頻中出現(xiàn)的時(shí)長(zhǎng)。

所述候選內(nèi)容的內(nèi)容特征可以包括歷史推薦率；還可以包括內(nèi)容類型；在候選內(nèi)容對(duì)應(yīng)實(shí)際物品時(shí)，還可以包括物品價(jià)格、物品產(chǎn)地作為推薦內(nèi)容時(shí)，提示信息包括鏈接地址時(shí)，所述歷史推薦率即是指歷史點(diǎn)擊率等信息。

由于用戶特征、所述候選內(nèi)容的內(nèi)容特征以及所述目標(biāo)內(nèi)容的特征中均可能包括連續(xù)特征和離散特征，離散特征是指特征的數(shù)值為離散值，連續(xù)特征是指特征的數(shù)值為連續(xù)的。例如：用戶性別特征等可以取得離散值，為離散特征；圖片內(nèi)容特征中的價(jià)格、總體點(diǎn)擊率或者圖片與目標(biāo)內(nèi)容特征的相似度等可以取得連續(xù)值，為連續(xù)特征。

為了能夠?qū)⒂脩籼卣?、所述圖片內(nèi)容特征、所述目標(biāo)內(nèi)容特征進(jìn)行組合，需要將連續(xù)特征進(jìn)行離散化處理。離散化特征的處理方式如下：

b1：連續(xù)特征數(shù)值的范圍為0～x，將其分成n段。則連續(xù)特征變?yōu)閚bit的二進(jìn)制離散特征。

b2:判斷特征落在第幾段，如對(duì)應(yīng)位置落在第三段，則離散特征表示為00000100。(假設(shè)分為8段)。

離散特征完成之后，為了有效提升模型預(yù)測(cè)的準(zhǔn)確率，會(huì)將上述三種內(nèi)容進(jìn)行特征交叉，也就是說(shuō)會(huì)將兩個(gè)特征重新組合形成新的特征，再將組合特征拉伸成一個(gè)向量，得到推薦特征。例如：將性別和內(nèi)容類別(m類，m 代表一個(gè)整數(shù))組合之后會(huì)產(chǎn)生2m個(gè)離散的特征。

作為一種可能的實(shí)現(xiàn)方式，可以將推薦特征設(shè)為向量x，假設(shè)特征的維度為113。其中x1～x10為用戶年齡特征段；x11～x18為用戶地域特征段；x19～x25為用戶職業(yè)特征段；x26～x30為播放器名稱特征段；x31～x38為候選內(nèi)容類別特征段；x39～x50為候選內(nèi)容價(jià)格特征段；x51～x58為候選內(nèi)容地域特征段；x59～x60為候選內(nèi)容點(diǎn)擊率特征段；x61～x65為目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)特征段；x66～x75為目標(biāo)內(nèi)容與對(duì)應(yīng)圖片相似度特征段；x76～x91為候選內(nèi)容類別/用戶性別組合特征段；x92～x113為用戶性別/候選內(nèi)容價(jià)格組合特征段。

1044：利用預(yù)先訓(xùn)練的推薦模型，預(yù)估每一個(gè)推薦特征的推薦率；

預(yù)估每一個(gè)推薦特征的推薦率的目的是獲取推薦率的排名，可以將推薦率較高的一個(gè)或幾個(gè)推薦特征對(duì)應(yīng)的內(nèi)容定為推薦內(nèi)容，推薦內(nèi)容的個(gè)數(shù)在此不做過(guò)多限定。

作為一種可能的實(shí)現(xiàn)方式，所述推薦率具體可以指點(diǎn)擊率，也就是用戶在觀看視頻時(shí)對(duì)出現(xiàn)的推薦內(nèi)容提示信息進(jìn)行點(diǎn)擊的概率。點(diǎn)擊率可以用來(lái)表示推薦內(nèi)容的用戶接受程度，通過(guò)選擇點(diǎn)擊率高的推薦內(nèi)容進(jìn)行推薦，可以進(jìn)一步提高推薦內(nèi)容的準(zhǔn)確度。

為了獲得精準(zhǔn)的點(diǎn)擊率預(yù)測(cè)結(jié)果，所述推薦模型可以使用邏輯回歸模型(logicregression，lr)。

其中，邏輯回歸模型假設(shè)為條件概率滿足參數(shù)為θ的概率分布函數(shù)：

其中，t表示轉(zhuǎn)置，θ指模型參數(shù)，x指某一個(gè)輸入的變量值，y＝1表示點(diǎn)擊，y＝-1表示未點(diǎn)擊，這里的g(h)是s型函數(shù)(也稱s形生長(zhǎng)曲線)。

將推薦特征作為變量x代入上述邏輯回歸模型，計(jì)算獲得的概率值p既可以表示點(diǎn)擊率。

但是這時(shí)參數(shù)θ是未知的，需要對(duì)參數(shù)θ進(jìn)行求解。故訓(xùn)練推薦模型的過(guò)程 也即是求解最優(yōu)的模型參數(shù)θ的過(guò)程。最優(yōu)參數(shù)θ的求解可以采用最大似然估計(jì)的方式求解最優(yōu)模型參數(shù)θ，具體可以包括：

首先，預(yù)先確定訓(xùn)練樣本，d＝(x¹,y¹),(x²,y²),…,(xⁿ,yⁿ)；

其中，為構(gòu)建的推薦特征，k的取值1、2、3……n，n為樣本的總個(gè)數(shù)也即一個(gè)目標(biāo)內(nèi)容對(duì)應(yīng)的多個(gè)圖片的個(gè)數(shù)；m表示推薦特征的維數(shù)；yⁿ為樣本標(biāo)簽，如其取值為1表示點(diǎn)擊，如取值為-1表示未點(diǎn)擊。

其次，將所述訓(xùn)練樣本d輸入上述公式a1，得到邏輯回歸模型對(duì)應(yīng)的最大似然度函數(shù)：

l(θ)＝p(d|θ)＝∏p(y|x；θ)＝∏g(θ^tx)^y(1-g(θ^tx))^1-y…………………(a2)

對(duì)其求對(duì)數(shù)，可得對(duì)數(shù)似然度函數(shù)：

l(θ)＝log(l(θ))＝∏ylogg(θ^tx)+(1-y)log(1-g(θ^tx)……………………(a3)

再次，可以采用梯度下降迭代求解最優(yōu)參數(shù)θ，具體是選取對(duì)數(shù)似然度函數(shù)(a3)變化最快的一個(gè)方向來(lái)調(diào)整參數(shù)來(lái)逼近最優(yōu)解。基本步驟如下：

選擇下降方向(梯度方向，▽j(θ))

選擇步長(zhǎng)，更新參數(shù)θⁱ＝θ^i-1-αⁱ▽j(θ^i-1)，其中α為學(xué)習(xí)率，控制學(xué)習(xí)精度，▽j(θ)為當(dāng)前梯度。

重復(fù)以上兩步直到滿足下降方向最快，即損失函數(shù)的梯度值最大。

其中損失函數(shù)的梯度▽j(θ)可以求對(duì)數(shù)似然度函數(shù)關(guān)于θ的偏導(dǎo)數(shù)得到，具體的計(jì)算方法為：

通過(guò)上述方法，可以得到對(duì)數(shù)似然度函數(shù)變化最快時(shí)的參數(shù)θ的值。然后將所述θ的值以及推薦特征輸入公式(a1)，可以計(jì)算出推薦特征的推薦概率。

1045：選擇預(yù)估點(diǎn)擊率最高的圖片對(duì)應(yīng)的候選內(nèi)容作為推薦內(nèi)容。

所述推薦內(nèi)容，可以是與目標(biāo)內(nèi)容相關(guān)的推薦內(nèi)容，例如，可以是與目標(biāo)內(nèi)容種類相似的內(nèi)容，也可以是與目標(biāo)內(nèi)容特征相似度高的內(nèi)容等。

在上述實(shí)施例中，使用線性回歸模型預(yù)估推薦內(nèi)容的點(diǎn)擊率，可以使在推薦選擇的推薦內(nèi)容時(shí)獲得更好的推薦效果，還可以獲得更高的計(jì)算效率。

作為又一個(gè)實(shí)施例，在步驟103中的目標(biāo)內(nèi)容的提取，可以按照以下幾個(gè)步驟完成：

c1：提取所述視頻中的關(guān)鍵幀；

作為一種可能的實(shí)現(xiàn)方式，提取所述視頻中的關(guān)鍵幀，可以使用圖像信息熵和圖像相似度的方法提取視頻中的關(guān)鍵幀。提取關(guān)鍵幀的具體流程可以包括如下幾個(gè)步驟：

c1a：將所述視頻中的第一幀圖像幀作為關(guān)鍵幀；

為了獲得更準(zhǔn)確的數(shù)據(jù)，讀取視頻的圖像幀時(shí)，可以從視頻的第一幀圖像幀開始，一幀一幀地讀，直到最后一幀圖像幀。如果之前沒(méi)有關(guān)鍵幀，將所述視頻中的第一幀圖像幀作為關(guān)鍵幀，之后執(zhí)行步驟c1b。

c1b：針對(duì)關(guān)鍵幀之后的每一幀圖像幀，計(jì)算所述圖像幀的信息熵；

使用公式(a5)計(jì)算提取的圖像幀的信息熵的值。

其中，pi為圖像灰度為i的像素出現(xiàn)的概率。

信息熵在一定程度上表示圖像信息的豐富程度，信息熵的值越大表明圖像中包含的細(xì)節(jié)內(nèi)容越多，存在目標(biāo)內(nèi)容的可能性也就越大。純色圖像的信息熵的值為0。

c1c：在所述信息熵大于熵閾值時(shí)，計(jì)算所述任一幀圖像與所述關(guān)鍵幀的相似度；

通過(guò)計(jì)算提取的圖像幀的信息熵可以與熵閾值，可以過(guò)濾出一些無(wú)用幀， 降低算法的復(fù)雜度。

判斷所述圖像幀的信息熵是否大于信息熵閾值。

如果圖像幀的信息熵大于所述信息熵閾值，則計(jì)算所述幀圖像與上一張關(guān)鍵幀的相似度，判斷所述相似度的值是否小于相似度閾值；如果小于所述相似度閾值則所述圖像幀為關(guān)鍵幀。

計(jì)算所述圖像幀與上一張關(guān)鍵幀的相似度；

計(jì)算所述圖像幀的相似度可以使用公式a6來(lái)計(jì)算，公式a6如下：

其中，n為直方圖分塊的個(gè)數(shù)，pi為圖像灰度落在第i段的像素的概率。在本申請(qǐng)中pi與p′i指的是當(dāng)前提取的圖像幀與上一幀關(guān)鍵幀的灰度直方圖的統(tǒng)計(jì)概率。圖像灰度直方圖的相似度計(jì)算方法是一種時(shí)間復(fù)雜度較低、快速估計(jì)圖像相似度的方法，還可以使用紋理特征算法，如sift(scale-invariantfeaturetransform，尺度不變特征變換)算法，hog(histogramsoforientedgradients，方向梯度直方圖)算法等算法計(jì)算兩幀圖像幀的相似度。

c1d：在所述相似度小于相似度閾值時(shí)，將所述任一幀圖像幀作為關(guān)鍵幀。

判斷步驟c1c中計(jì)算的相似度的結(jié)果是否小于某個(gè)相似度閾值；

如果計(jì)算出兩幀圖像幀相似度的值小于相似度閾值，則產(chǎn)生新的關(guān)鍵幀；如果大于相似度閾值則返回至步驟c1a。

c2：利用預(yù)先訓(xùn)練的目標(biāo)內(nèi)容的檢測(cè)模型，從所述關(guān)鍵幀中提取目標(biāo)內(nèi)容。

在步驟c1提取到關(guān)鍵幀之后，在步驟c2中需要利用預(yù)先訓(xùn)練的目標(biāo)內(nèi)容的檢測(cè)模型，從所述關(guān)鍵幀中提取目標(biāo)內(nèi)容。

可以使用預(yù)先訓(xùn)練的目標(biāo)內(nèi)容的檢測(cè)模型，從所述關(guān)鍵幀中提取目標(biāo)內(nèi)容。所述預(yù)先訓(xùn)練的目標(biāo)內(nèi)容的檢測(cè)模型可以使用目標(biāo)檢測(cè)算法進(jìn)行訓(xùn)練。

為了獲得更高的特征表達(dá)能力，目標(biāo)檢測(cè)算法可以是卷積神經(jīng)網(wǎng)絡(luò)，所 述目標(biāo)檢測(cè)模型也即是卷積神經(jīng)網(wǎng)絡(luò)模型，因此可以是采用卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行目標(biāo)內(nèi)容的提取。其中，利用卷積神經(jīng)網(wǎng)絡(luò)模型提取目標(biāo)內(nèi)容可以包括：

在關(guān)鍵幀上進(jìn)行窗口滑動(dòng)，以提取候選區(qū)域；即將窗口函數(shù)與關(guān)鍵幀進(jìn)行卷積計(jì)算；對(duì)于一個(gè)關(guān)鍵幀而言，可以提取2000個(gè)候選區(qū)域，然后對(duì)每一個(gè)區(qū)域進(jìn)行歸一化計(jì)算，使候選區(qū)域大小一致；

采用卷積神經(jīng)網(wǎng)模型提取候選區(qū)域的高維特征；

通過(guò)卷積神經(jīng)網(wǎng)絡(luò)的全連接層，對(duì)候選區(qū)域進(jìn)行分類，以獲取目標(biāo)內(nèi)容；

如果通過(guò)分類器之后候選區(qū)域被判定為目標(biāo)內(nèi)容，則當(dāng)前滑動(dòng)的窗口被判定為目標(biāo)窗口，從而獲得目標(biāo)內(nèi)容的分類和位置信息。

在本實(shí)施例中，采用圖像信息熵與圖像相似度來(lái)判斷圖像幀是否為關(guān)鍵幀，并使用卷積神經(jīng)網(wǎng)絡(luò)模型提取關(guān)鍵幀上全部的目標(biāo)內(nèi)容，使目標(biāo)內(nèi)容的范圍更加全面。

但是，如果某一個(gè)內(nèi)容出現(xiàn)時(shí)間非常短以至于用戶不能夠更好地觀看投放內(nèi)容，或者在同一幀圖像幀上投放多個(gè)內(nèi)容時(shí)，用戶可能也沒(méi)有足夠的時(shí)間觀看投放內(nèi)容。為了更好地控制廣告投放個(gè)數(shù)，高效率的投放回報(bào)，在步驟c2提取到關(guān)鍵幀中的目標(biāo)后，可以對(duì)所述目標(biāo)進(jìn)行跟蹤，以計(jì)算目標(biāo)在視頻中出現(xiàn)的時(shí)長(zhǎng)，選取目標(biāo)內(nèi)容出現(xiàn)時(shí)間超過(guò)閾值的目標(biāo)內(nèi)容作為最終目標(biāo)內(nèi)容。

作為一種可能的實(shí)現(xiàn)方式，對(duì)目標(biāo)內(nèi)容進(jìn)行目標(biāo)跟蹤可以包括：

從第t+1幀圖像幀中，提取與第t幀的目標(biāo)內(nèi)容所在區(qū)域?qū)?yīng)的多個(gè)掃描窗口；

利用根據(jù)第t幀圖像幀訓(xùn)練獲得的目標(biāo)跟蹤分類器，對(duì)所述掃描窗口進(jìn)行分類計(jì)算，獲得分類分?jǐn)?shù)；

在分類分?jǐn)?shù)大于預(yù)設(shè)分?jǐn)?shù)，將分類分?jǐn)?shù)最高的掃描窗口跟蹤為目標(biāo)內(nèi)容。

其中，如果分類分?jǐn)?shù)小于預(yù)設(shè)分?jǐn)?shù)，則認(rèn)為多個(gè)掃描窗口中不包括目標(biāo)內(nèi)容，則目標(biāo)內(nèi)容跟蹤結(jié)束。

其中目標(biāo)跟蹤分類器可以是樸素貝葉斯分類器。

目標(biāo)跟蹤分類器可以按照以下方式預(yù)先訓(xùn)練獲得：

在第t幀的時(shí)候，采集到該幀圖像幀的若干張正樣本和負(fù)樣本的圖片。具體的可以是，通過(guò)在t幀的目標(biāo)內(nèi)容較近的區(qū)域滑動(dòng)窗口獲得正樣本，在第t幀距離目標(biāo)較遠(yuǎn)區(qū)域采樣獲取負(fù)樣本。然后對(duì)采集到的正樣本以及負(fù)樣本進(jìn)行尺度變換，使用稀疏測(cè)量矩陣對(duì)上述多尺度圖像特征進(jìn)行降維，然后利用降維后的特征去訓(xùn)練樸素貝葉斯分類器。

其中，為適應(yīng)長(zhǎng)時(shí)間的目標(biāo)跟蹤，上述樸素貝葉斯分類器需要不斷進(jìn)行訓(xùn)練，以更新分類器的模型?？梢允歉鶕?jù)新檢測(cè)到的正樣本與負(fù)樣本去計(jì)算二者的均值和方差，使用如下方式更新：

其中，μ指均值，σ指方差，λ>0是學(xué)習(xí)因子，在實(shí)際應(yīng)用中為避免誤差的積累，可以取λ＝0.85。

則利用根據(jù)第t幀圖像幀獲得的目標(biāo)跟蹤分類器，對(duì)多個(gè)掃描窗口進(jìn)行分類計(jì)算可以具體是：

對(duì)第t+1幀圖像幀提取跟蹤到的目標(biāo)位置的周圍獲得掃描窗口(避免去掃描整幅圖像幀)，進(jìn)行尺度變換后通過(guò)稀疏測(cè)量矩陣對(duì)其降維，然后再利用第t幀訓(xùn)練好的樸素貝葉斯分類器對(duì)每一個(gè)掃描窗口進(jìn)行分類計(jì)算，獲得每一個(gè)掃描窗口的分類分?jǐn)?shù)。

在分類分?jǐn)?shù)大于預(yù)設(shè)分?jǐn)?shù)，并且分類分?jǐn)?shù)最大的掃描窗口作為目標(biāo)內(nèi)容。這樣就實(shí)現(xiàn)了從t幀圖像幀到t+1幀圖像幀的目標(biāo)跟蹤。

在上述實(shí)施例中，可以獲得出現(xiàn)時(shí)長(zhǎng)超過(guò)閾值的目標(biāo)內(nèi)容，可以控制投 放內(nèi)容的個(gè)數(shù)、投放的推薦內(nèi)容出現(xiàn)時(shí)間較長(zhǎng)，使用戶可以更加集中地觀看投放內(nèi)容，獲得更高的投放效果。

作為又一個(gè)實(shí)施例，區(qū)別于圖1，如圖4所示，視頻中目標(biāo)內(nèi)容的提取即步驟103還可以按照以下幾個(gè)步驟執(zhí)行：

10301：從視頻中讀取一幀圖像幀；

10302：判斷當(dāng)前狀態(tài)是否處于跟蹤狀態(tài)，如果否，執(zhí)行步驟10303，否則執(zhí)行步驟10308；

10303：進(jìn)行關(guān)鍵幀的提??；

10304：判斷關(guān)鍵幀提取是否成功；如果是執(zhí)行步驟10305，否則返回步驟10301。

10305：目標(biāo)內(nèi)容的提取；

10306：判斷是否提取到目標(biāo)內(nèi)容，如果是，執(zhí)行步驟10307，否則返回步驟10301；

10307：設(shè)置當(dāng)前狀態(tài)為跟蹤狀態(tài)；

10308：使用壓縮跟蹤算法對(duì)目標(biāo)內(nèi)容進(jìn)行跟蹤；

10309：判斷跟蹤狀態(tài)是否結(jié)束，如果是，進(jìn)入步驟10310設(shè)置當(dāng)前檢測(cè)狀態(tài)，并且同時(shí)還執(zhí)行步驟10311，計(jì)算目標(biāo)出現(xiàn)時(shí)長(zhǎng)；否則返回步驟1031；所述判斷跟蹤狀態(tài)結(jié)束的依據(jù)是目標(biāo)內(nèi)容不再出現(xiàn)于圖像幀中，也即使用分類器訓(xùn)練圖像幀的窗口獲得分類分?jǐn)?shù)低于預(yù)設(shè)值。

10310：設(shè)置當(dāng)前狀態(tài)為跟蹤狀態(tài)；

10311：計(jì)算目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)；

10312：判斷目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)是否大于閾值，如果是執(zhí)行步驟10313的操作；

10313：產(chǎn)生最終目標(biāo)內(nèi)容，之后執(zhí)行步驟104的操作。

在本發(fā)明實(shí)施例中，設(shè)置了一個(gè)表征當(dāng)前狀態(tài)的數(shù)據(jù)，可以根據(jù)該數(shù)據(jù)判 斷是否處于跟蹤狀態(tài)，以判斷跟蹤結(jié)果，降低了算法的復(fù)雜度。使用目標(biāo)跟蹤的方法可以避免推薦過(guò)多內(nèi)容，造成用戶無(wú)暇觀看，從整體上講，提高了推薦效率。

圖5為本發(fā)明實(shí)施例提供的一種內(nèi)容推薦裝置的一個(gè)實(shí)施例的結(jié)構(gòu)示意圖，該裝置主要應(yīng)用于視頻服務(wù)端，該裝置可以包括：

播放請(qǐng)求接收模塊501：用于接收播放器的視頻播放請(qǐng)求；

其中，所述視頻播放起請(qǐng)求是由播放設(shè)備發(fā)出的，并且視頻播放請(qǐng)求可以是用戶通過(guò)播放器選擇某一個(gè)視頻請(qǐng)求進(jìn)行播放動(dòng)作而出發(fā)生成的。

視頻發(fā)送模塊502：用于將所述視頻播放請(qǐng)求中請(qǐng)求播放的視頻發(fā)送至播放器，觸發(fā)所述播放器播放所述視頻；

作為一種可能的實(shí)現(xiàn)方式，在查找到所述視頻后，服務(wù)器會(huì)將所述視頻發(fā)送到播放器。在播放器接收到視頻后，會(huì)觸發(fā)播放器播放所述視頻。在傳輸視頻時(shí)，可以將與視頻內(nèi)容相關(guān)的推薦內(nèi)容與視頻同時(shí)發(fā)送也可以分開發(fā)送。

目標(biāo)內(nèi)容檢測(cè)模塊503：用于檢測(cè)并獲取所述視頻中的目標(biāo)內(nèi)容；

優(yōu)選地，所述目標(biāo)內(nèi)容檢測(cè)模塊具體可以用具檢測(cè)并獲取與先提取的目標(biāo)內(nèi)容。所述目標(biāo)內(nèi)容的可以是預(yù)先提取的目標(biāo)內(nèi)容，即在檢測(cè)之前完成目標(biāo)內(nèi)容的提取工作，基于此，所述裝置還可以包括：

關(guān)鍵幀提取模塊：用于提取所述視頻中的關(guān)鍵幀；

目標(biāo)內(nèi)容提取模塊：用于使用預(yù)先訓(xùn)練的目標(biāo)內(nèi)容檢測(cè)模型，從所述關(guān)鍵幀中提取目標(biāo)內(nèi)容。

優(yōu)選地，所述關(guān)鍵幀提取模塊可以包括：

第一確定單元：用于將所述視頻中的第一幀圖像幀作為關(guān)鍵幀；

信息熵計(jì)算單元：用于針對(duì)關(guān)鍵幀之后的每一幀圖像幀，計(jì)算所述圖像幀的信息熵；

相似度計(jì)算單元：用于在所述信息熵大于熵閾值時(shí)，計(jì)算所述任一幀圖像幀與所述關(guān)鍵幀的相似度；

第二確定單元：用于在所述相似度小于相似度閾值時(shí)，將所述任一幀圖像幀作為關(guān)鍵幀。

而完成目標(biāo)內(nèi)容的預(yù)先提取之后，為了獲得更具推薦價(jià)值的目標(biāo)內(nèi)容，優(yōu)選地，還可以對(duì)所述目標(biāo)內(nèi)容進(jìn)行目標(biāo)跟蹤，確定所述目標(biāo)內(nèi)容在視頻中出現(xiàn)的時(shí)長(zhǎng)。即所述裝置還可以包括：

目標(biāo)跟蹤模塊：用于對(duì)所述目標(biāo)內(nèi)容進(jìn)行目標(biāo)跟蹤，確定所述目標(biāo)內(nèi)容在所述視頻中的出現(xiàn)時(shí)長(zhǎng)；

在所述裝置包括目標(biāo)跟蹤模塊時(shí)，所述推薦內(nèi)容獲取模塊具體用于判斷所述目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)是否大于預(yù)設(shè)時(shí)長(zhǎng)，判斷為是時(shí)，獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容。

作為又一種可能的實(shí)現(xiàn)方式，目標(biāo)內(nèi)容也可以在獲取到視頻之后實(shí)時(shí)提取，以降低內(nèi)存開銷。

推薦內(nèi)容獲取模塊504：用于獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容；

其中，獲取與目標(biāo)內(nèi)容匹配的推薦內(nèi)容，所述推薦內(nèi)容可以包括一個(gè)或多個(gè)。

可以通過(guò)計(jì)算目標(biāo)內(nèi)容與推薦內(nèi)容的相似度確定與目標(biāo)內(nèi)容匹配的推薦內(nèi)容。

優(yōu)選地，為了進(jìn)一步提高推薦內(nèi)容的準(zhǔn)確度，還可以在獲取與所述目標(biāo)內(nèi)容匹配的推薦內(nèi)容的過(guò)程中結(jié)合用戶特征，也即獲取與目標(biāo)內(nèi)容以及用戶特征均匹配的推薦內(nèi)容。

觸發(fā)顯示模塊505：用于在所述目標(biāo)內(nèi)容播放時(shí)，觸發(fā)所述播放器在所 述目標(biāo)內(nèi)容的對(duì)應(yīng)顯示區(qū)域中輸出所述推薦內(nèi)容的提示信息。

所述推薦內(nèi)容的提示信息可以是所述推薦內(nèi)容、或者包含所述推薦內(nèi)容的摘要信息和/或推薦內(nèi)容的連接地址的條目信息，通過(guò)點(diǎn)擊所述信息條目可以查看所述推薦內(nèi)容。因此，所述裝置還可以包括：

顯示單元：可以是在播放器播放到目標(biāo)內(nèi)容時(shí)，同時(shí)輸出信息條目。具體可以如圖2所示。

其中，用戶還可以在播放器選擇是否輸出所述推薦內(nèi)容，以免對(duì)用戶的實(shí)際播放造成其他影響。從而在用戶選擇輸出所述推薦內(nèi)容時(shí)，再運(yùn)行503～505模塊。

本實(shí)施例中，提供了一種通過(guò)對(duì)視頻內(nèi)容的分析，獲得與視頻內(nèi)容相關(guān)的目標(biāo)內(nèi)容，并從數(shù)據(jù)庫(kù)中選擇出與所述目標(biāo)內(nèi)容對(duì)應(yīng)的推薦內(nèi)容，然后在播放視頻時(shí)，輸出推薦內(nèi)容的裝置。改變了現(xiàn)有技術(shù)中固定推薦物品的模式，可以使用戶可以獲得更具針對(duì)性的推薦內(nèi)容，實(shí)現(xiàn)了用戶在觀看視頻時(shí)提供內(nèi)容推薦，提高了推薦物品的轉(zhuǎn)化率。

作為又一個(gè)實(shí)施例，為了進(jìn)一步提高推薦信息的準(zhǔn)確度，所述推薦內(nèi)容結(jié)合用戶特征時(shí)，模塊504還可以包括區(qū)別于圖5，如圖6所示的幾個(gè)單元：

排列單元5041：用于按照與所述目標(biāo)內(nèi)容相似度由高到低的順序，確定與所述目標(biāo)內(nèi)容匹配的多個(gè)圖片；

第一獲取單元5042：用于獲取觸發(fā)所述視頻播放請(qǐng)求的用戶的用戶特征；

組合單元5043：針對(duì)每一個(gè)圖片，將所述用戶特征、所述圖片對(duì)應(yīng)候選內(nèi)容的內(nèi)容特征以及所述目標(biāo)內(nèi)容的內(nèi)容特征進(jìn)行組合，得到推薦特征；所述候選內(nèi)容的內(nèi)容特征至少包括歷史推薦率；所述目標(biāo)內(nèi)容的內(nèi)容特征包括所述目標(biāo)內(nèi)容出現(xiàn)時(shí)長(zhǎng)和/或所述目標(biāo)內(nèi)容與所述圖片的相似度；

預(yù)估單元5044：用于利用預(yù)先訓(xùn)練的推薦模型，預(yù)估每一個(gè)推薦特征的 推薦率。

選擇單元5045：用于選擇推薦率最高的圖片對(duì)應(yīng)的內(nèi)容特征作為推薦內(nèi)容。

在預(yù)估完推薦特征的推薦率后可以將所述推薦率最高的內(nèi)容選為推薦內(nèi)容，也可以選擇推薦率排名較為靠前的多個(gè)內(nèi)容為推薦內(nèi)容。

在本實(shí)施例中，結(jié)合用戶特征對(duì)獲取與用戶特征、視頻內(nèi)容相關(guān)的推薦內(nèi)容，所述推薦內(nèi)容針對(duì)性更強(qiáng)，準(zhǔn)確性也更強(qiáng)，從而可以獲得更強(qiáng)的推薦效果。

以上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動(dòng)的情況下，即可以理解并實(shí)施。

通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施方式可借助軟件加必需的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)，當(dāng)然也可以通過(guò)硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，如rom/ram、磁碟、光盤等，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個(gè)實(shí)施例或者實(shí)施例的某些部分所述的方法。

最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或 者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。