本發(fā)明實(shí)施例涉及內(nèi)容推薦技術(shù)領(lǐng)域，特別是涉及一種視頻推薦方法及裝置。

背景技術(shù)：

隨著互聯(lián)網(wǎng)寬帶傳輸?shù)臄?shù)據(jù)的快速增長(zhǎng)，壓縮存儲(chǔ)技術(shù)的不斷進(jìn)步，近年來(lái)互聯(lián)網(wǎng)視頻的數(shù)量呈現(xiàn)了爆炸性的增長(zhǎng)。為了對(duì)視頻數(shù)據(jù)進(jìn)行有效的組織和管理，方便用戶查找和觀看，向用戶進(jìn)行視頻推薦應(yīng)運(yùn)而生。

發(fā)明人在實(shí)現(xiàn)本發(fā)明的過(guò)程中，發(fā)現(xiàn)相關(guān)技術(shù)存在以下問(wèn)題：一般的視頻推薦方法是通過(guò)分析用戶歷史觀看的視頻，獲取與用戶歷史觀看的視頻相似的視頻，從而進(jìn)行視頻推薦，該方法能夠有效的實(shí)現(xiàn)視頻推薦，但是用戶歷史觀看的視頻并不代表就是用戶喜好的視頻，所以該視頻推薦方法的推薦結(jié)果并不一定準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例主要解決的技術(shù)問(wèn)題是提供一種視頻推薦方法及裝置，解決視頻推薦結(jié)果準(zhǔn)確度不高的問(wèn)題。

第一方面，本發(fā)明實(shí)施例提供一種視頻推薦方法，包括：基于預(yù)設(shè)的分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的視頻集合；根據(jù)用戶對(duì)視頻的歷史操作信息獲取目標(biāo)視頻，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，確定所述用戶所屬類(lèi)別；根據(jù)所述用戶所屬類(lèi)別，向所述用戶進(jìn)行視頻推薦。

在一些實(shí)施例中，所述基于預(yù)設(shè)的分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的視頻集合包括：

基于分詞處理技術(shù)分別對(duì)所述視頻的描述文本進(jìn)行特征提?。?/p>

針對(duì)所述特征提取的數(shù)據(jù)構(gòu)造所述視頻的特征向量；

基于所述視頻的特征向量劃分訓(xùn)練集和測(cè)試集；

利用所述訓(xùn)練集訓(xùn)練得到SVM分類(lèi)器；

根據(jù)所述SVM分類(lèi)器對(duì)所述測(cè)試集進(jìn)行分類(lèi)，獲取預(yù)設(shè)類(lèi)別數(shù)目的視頻集合。

在一些實(shí)施例中，所述根據(jù)用戶對(duì)視頻的歷史操作信息獲取目標(biāo)視頻，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，確定所述用戶所屬類(lèi)別包括：

獲取所述用戶的歷史操作信息對(duì)應(yīng)的視頻；

分別統(tǒng)計(jì)所述用戶對(duì)每個(gè)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)；

根據(jù)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)，確定目標(biāo)視頻；

將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，判斷所述目標(biāo)視頻所屬類(lèi)別；

根據(jù)所述目標(biāo)視頻所屬類(lèi)別確定所述用戶所屬類(lèi)別。

在一些實(shí)施例中，所述根據(jù)所述用戶所屬類(lèi)別，向所述用戶進(jìn)行視頻推薦包括：

對(duì)所述用戶所屬類(lèi)別對(duì)應(yīng)視頻的描述文本分別進(jìn)行主題抽取，得到至少一個(gè)主題；

基于所述主題進(jìn)行關(guān)鍵詞抽?。?/p>

分別計(jì)算所述關(guān)鍵詞在對(duì)應(yīng)的主題中出現(xiàn)的概率，確定所述概率大于或等于預(yù)設(shè)閾值的關(guān)鍵詞，根據(jù)所述關(guān)鍵詞進(jìn)行視頻推薦。

第二方面，本發(fā)明實(shí)施例提供一種視頻推薦裝置，包括：

視頻分類(lèi)模塊，用于基于預(yù)設(shè)的分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的視頻集合；

用戶類(lèi)別判斷模塊，用于根據(jù)用戶對(duì)視頻的歷史操作信息獲取目標(biāo)視頻，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，確定所述用戶所屬類(lèi)別；

視頻推薦模塊，用于根據(jù)所述用戶所屬類(lèi)別，向所述用戶進(jìn)行視頻推薦。

在一些實(shí)施例中，所述視頻分類(lèi)模塊包括：

提取單元，用于基于分詞處理技術(shù)分別對(duì)所述視頻的描述文本進(jìn)行特征提??；

生成單元，用于針對(duì)所述特征提取的數(shù)據(jù)構(gòu)造所述視頻的特征向量；

劃分單元，用于基于所述視頻的特征向量劃分訓(xùn)練集和測(cè)試集；

訓(xùn)練單元，用于利用所述訓(xùn)練集訓(xùn)練得到SVM分類(lèi)器；

分類(lèi)單元，用于根據(jù)所述SVM分類(lèi)器對(duì)所述測(cè)試集進(jìn)行分類(lèi)，獲取預(yù)設(shè)類(lèi)別數(shù)目的視頻集合。

在一些實(shí)施例中，所述用戶類(lèi)別判斷模塊包括：

獲取單元，用于獲取所述用戶的歷史操作信息對(duì)應(yīng)的視頻；

統(tǒng)計(jì)單元，用于分別統(tǒng)計(jì)所述用戶對(duì)每個(gè)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)；

確定單元，用于根據(jù)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)，確定目標(biāo)視頻；

第一判斷單元，用于將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，判斷所述目標(biāo)視頻所屬類(lèi)別；

第二判斷單元，用于根據(jù)所述目標(biāo)視頻所屬類(lèi)別確定所述用戶所屬類(lèi)別。

在一些實(shí)施例中，所述視頻推薦模塊包括：

第一處理單元，用于對(duì)所述用戶所屬類(lèi)別對(duì)應(yīng)視頻的描述文本分別進(jìn)行主題抽取，得到至少一個(gè)主題；

第二處理單元，用于基于所述主題進(jìn)行關(guān)鍵詞抽?。?/p>

推薦單元，用于分別計(jì)算所述關(guān)鍵詞在對(duì)應(yīng)的主題中出現(xiàn)的概率，確定所述概率大于或等于預(yù)設(shè)閾值的關(guān)鍵詞，根據(jù)所述關(guān)鍵詞進(jìn)行視頻推薦。

本發(fā)明實(shí)施例提供了一種視頻推薦方法及裝置，通過(guò)對(duì)視頻分類(lèi)，根據(jù)分類(lèi)結(jié)果確定用戶所屬類(lèi)別，再根據(jù)用戶類(lèi)別向用戶進(jìn)行視頻推薦，相比較現(xiàn)有技術(shù)，本發(fā)明實(shí)施例提供的視頻推薦方法及裝置，豐富了視頻推薦方法的內(nèi)容，使視頻推薦的結(jié)果更準(zhǔn)確。

附圖說(shuō)明

為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例的技術(shù)方案，下面將對(duì)本申請(qǐng)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹。顯而易見(jiàn)地，下面所描述的附圖僅僅是本申請(qǐng)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是本發(fā)明實(shí)施例提供的一種視頻推薦方法的流程圖；

圖2是本發(fā)明實(shí)施例提供的一種視頻推薦方法中基于SVM對(duì)視頻數(shù)據(jù)集進(jìn)行分類(lèi)的方法的流程圖；

圖3是本發(fā)明實(shí)施例提供的一種視頻推薦方法中確定用戶所屬類(lèi)別的方法的流程圖；

圖4是本發(fā)明實(shí)施例提供的一種視頻推薦方法中使用LDA方法向用戶進(jìn)行視頻推薦的方法的流程圖；

圖5是本發(fā)明實(shí)施例提供的一種視頻推薦裝置的結(jié)構(gòu)框圖；

圖6是本發(fā)明實(shí)施例提供的另一種視頻推薦裝置的結(jié)構(gòu)框圖；

圖7是本發(fā)明實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。

需要說(shuō)明的是，本發(fā)明實(shí)施例中所有使用“第一”和“第二”的表述均是為了區(qū)分兩個(gè)相同名稱(chēng)非相同的實(shí)體或者非相同的參量，可見(jiàn)“第一”“第二”僅為了表述的方便，不應(yīng)理解為對(duì)本發(fā)明實(shí)施例的限定，后續(xù)實(shí)施例對(duì)此不再一一說(shuō)明。

支持向量機(jī)(Support Vector Machine，SVM)是90年代中期發(fā)展起來(lái)的基于統(tǒng)計(jì)學(xué)習(xí)理論的一種機(jī)器學(xué)習(xí)方法，通過(guò)尋求結(jié)構(gòu)化風(fēng)險(xiǎn)最小來(lái)提高學(xué)習(xí)機(jī)泛化能力，實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍的最小化，從而達(dá)到在統(tǒng)計(jì)樣本量較少的情況下，亦能獲得良好統(tǒng)計(jì)規(guī)律的目的。一般來(lái)說(shuō)，SVM是一種二類(lèi)分類(lèi)模型，其基本模型定義為特征空間上的間隔最大的線性分類(lèi)器，即SVM的學(xué)習(xí)策略便是間隔最大化，最終轉(zhuǎn)化成一個(gè)凸二次規(guī)劃問(wèn)題的求解。使用SVM進(jìn)行分類(lèi)的問(wèn)題一般都是非線性的，建立非線性學(xué)習(xí)器包括兩步：首先使用一個(gè)非線性映射將數(shù)據(jù)變換到一個(gè)特征空間；然后在特征空間使用線性學(xué)習(xí)器進(jìn)行分類(lèi)。SVM處理非線性問(wèn)題的核心是核函數(shù)，常用核函數(shù)包括高斯核函數(shù)、多項(xiàng)式核函數(shù)等?，F(xiàn)有技術(shù)已表明SVM在解決線性或非線性的分類(lèi)問(wèn)題上占有明顯的優(yōu)勢(shì)。

主題模型算法(Latent Dirichlet Allocation，LDA)也叫隱含狄利克雷分布，是一種非監(jiān)督機(jī)器學(xué)習(xí)方法，可用來(lái)識(shí)別大規(guī)模文檔集或語(yǔ)料庫(kù)中潛藏的主題信息，該算法采用詞袋的方法，即一篇文檔是由一組詞語(yǔ)構(gòu)成，詞與詞之間沒(méi)有順序以及先后的關(guān)系，一篇文檔可以包含多個(gè)主題，文檔中每個(gè)詞都由其中的一個(gè)主題生成。LDA將每一篇文檔視為一個(gè)詞頻向量，從而將文本信息轉(zhuǎn)化成易于建模的數(shù)字信息。LDA生成過(guò)程中，每一篇文檔代表了一些主題所構(gòu)成的一個(gè)概率分布，而每一個(gè)主題又代表了很多單詞構(gòu)成的一個(gè)概率分布。

本發(fā)明實(shí)施例的第一個(gè)方面提出了一種視頻推薦方法。如圖1所示，所述視頻推薦方法，包括：

步驟101：基于預(yù)設(shè)的分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的視頻集合。

在本發(fā)明實(shí)施例中，所述預(yù)設(shè)的分類(lèi)模型是指通過(guò)預(yù)設(shè)的分類(lèi)算法建立的分類(lèi)模型，其中，所述預(yù)設(shè)的分類(lèi)算法包括：決策樹(shù)、貝葉斯、支持向量機(jī)以及人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)方法?？刹捎闷渲腥我庖环N分類(lèi)算法來(lái)建立該算法的分類(lèi)模型，基于該分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，根據(jù)分類(lèi)結(jié)果，分別將每一類(lèi)別的視頻匯聚一起建立一個(gè)視頻集合，從而得到多個(gè)類(lèi)別的視頻集合。

步驟102：根據(jù)用戶對(duì)視頻的歷史操作信息獲取目標(biāo)視頻，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，確定所述用戶所屬類(lèi)別。

在本發(fā)明實(shí)施例中，所述歷史操作信息包括點(diǎn)擊信息、下載信息、收藏信息、評(píng)論信息、點(diǎn)贊信息、轉(zhuǎn)發(fā)信息以及購(gòu)買(mǎi)信息中的一種或幾種。所述歷史操作信息為用戶對(duì)視頻的歷史操作信息，例如用戶點(diǎn)擊視頻、用戶下載視頻、用戶收藏視頻以及用戶對(duì)視頻進(jìn)行評(píng)論等。用戶對(duì)視頻的歷史操作信息的獲取方式包括：根據(jù)用戶賬號(hào)從后臺(tái)數(shù)據(jù)庫(kù)中查找該用戶賬號(hào)，該用戶賬號(hào)對(duì)應(yīng)的歷史操作信息即為該用戶對(duì)視頻的歷史操作信息，所述用戶賬號(hào)為與所述視頻預(yù)相關(guān)聯(lián)的賬號(hào)，例如，用戶登錄某視頻網(wǎng)站的登錄賬號(hào)等。本實(shí)施例中用戶對(duì)視頻的歷史操作信息還可以通過(guò)其他方式來(lái)獲取。

在本發(fā)明實(shí)施例中，所述目標(biāo)視頻為通過(guò)分析用戶對(duì)視頻的歷史操作信息并結(jié)合預(yù)設(shè)規(guī)則而獲取到的視頻集合，該預(yù)設(shè)規(guī)則可以根據(jù)人的喜好預(yù)先設(shè)定，也可以通過(guò)其他方式來(lái)設(shè)定。例如，選擇所述歷史操作信息中的點(diǎn)贊信息，點(diǎn)贊信息對(duì)應(yīng)的視頻作為目標(biāo)視頻。

在本發(fā)明實(shí)施例中，可以基于視頻的內(nèi)容將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，可選地，將所述目標(biāo)視頻的內(nèi)容進(jìn)行特征提取，根據(jù)提取的特征與所述多個(gè)類(lèi)別的視頻集合中的視頻的特征分別進(jìn)行匹配，若特征匹配一致，則將所述目標(biāo)視頻歸入匹配上的視頻集合中，該視頻集合對(duì)應(yīng)的類(lèi)別即為所述用戶的所屬類(lèi)別。

步驟103：根據(jù)所述用戶所屬類(lèi)別，向所述用戶進(jìn)行視頻推薦。

在本發(fā)明實(shí)施例中，可以分析所述用戶所屬類(lèi)別的特征，根據(jù)該特征向所述用戶進(jìn)行視頻推薦，其中，所述特征包括：與所述用戶所屬類(lèi)別相同的用戶的特征，或者所述用戶所屬類(lèi)別對(duì)應(yīng)的視頻的特征等。

本發(fā)明實(shí)施例提供了一種視頻推薦方法，通過(guò)對(duì)視頻分類(lèi)，根據(jù)分類(lèi)結(jié)果確定用戶所屬類(lèi)別，再根據(jù)用戶類(lèi)別向用戶進(jìn)行視頻推薦，相比較現(xiàn)有技術(shù)，本發(fā)明實(shí)施例提供的視頻推薦方法，豐富了視頻推薦方法的內(nèi)容，使視頻推薦的結(jié)果更準(zhǔn)確。

本發(fā)明實(shí)施例的第二個(gè)方面提出了另一種視頻推薦方法，本實(shí)施例的視頻推薦方法用于對(duì)上述實(shí)施例的視頻推薦方法進(jìn)行詳細(xì)說(shuō)明。同樣請(qǐng)參閱圖1，所述方法包括：

步驟101：基于預(yù)設(shè)的分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的視頻集合。

在本發(fā)明實(shí)施例中，利用機(jī)器學(xué)習(xí)的SVM分類(lèi)方法對(duì)某一全部的視頻數(shù)據(jù)集進(jìn)行了分類(lèi)，該分類(lèi)的過(guò)程是一個(gè)多分類(lèi)的過(guò)程，主要是根據(jù)視頻的內(nèi)容進(jìn)行類(lèi)別劃分。

可選地，如圖2所示，基于SVM對(duì)視頻數(shù)據(jù)集進(jìn)行分類(lèi)包括：

步驟1011：基于分詞處理技術(shù)分別對(duì)所述視頻的描述文本進(jìn)行特征提??；

在本發(fā)明實(shí)施例中，所述描述文本為所述視頻的文字標(biāo)簽，該文字標(biāo)簽包括所述視頻的內(nèi)容簡(jiǎn)介、視頻時(shí)長(zhǎng)、語(yǔ)言等文字介紹。每個(gè)視頻都有其對(duì)應(yīng)的文字標(biāo)簽，通過(guò)分詞處理技術(shù)分別對(duì)每一個(gè)文字標(biāo)簽進(jìn)行處理，得到一些有代表性的字、詞或詞組，所述字、詞或詞組作為所述每個(gè)視頻的描述文本的特征項(xiàng)，從而完成特征提取過(guò)程。

步驟1012：針對(duì)所述特征提取的數(shù)據(jù)構(gòu)造所述視頻的特征向量；

在本發(fā)明實(shí)施例中，將上述步驟提取的特征項(xiàng)表示成向量形式從而構(gòu)造每個(gè)視頻的特征向量。所述將特征項(xiàng)表示成向量，即是將所述視頻的描述文本轉(zhuǎn)化成計(jì)算機(jī)能夠識(shí)別的格式，具體是SVM分類(lèi)器能夠識(shí)別的格式。在中文信息處理方向上，一般文本的表示主要采用向量空間模型，向量空間模型的基本思想是以向量來(lái)表示文檔，例如，D_i＝(W₁，W₂，W₃，…，W_n)，其中D表示文檔，W_i為第i個(gè)特征項(xiàng)的權(quán)重。

步驟1013：基于所述視頻的特征向量劃分訓(xùn)練集和測(cè)試集；

在本發(fā)明實(shí)施例中，所述訓(xùn)練集用于訓(xùn)練分類(lèi)器得到SVM分類(lèi)模型，建立所述SVM分類(lèi)模型的關(guān)鍵是求取最優(yōu)分類(lèi)函數(shù)。所述測(cè)試集用于根據(jù)所述SVM分類(lèi)模型進(jìn)行測(cè)試得到分類(lèi)結(jié)果，一般采用分類(lèi)準(zhǔn)確率對(duì)分類(lèi)模型的分類(lèi)性進(jìn)行評(píng)價(jià)。劃分所述訓(xùn)練集和所述測(cè)試集的數(shù)據(jù)量大小直接影響到分類(lèi)結(jié)果的準(zhǔn)確率，常用的劃分?jǐn)?shù)據(jù)集的方法包括：隨機(jī)劃分?jǐn)?shù)據(jù)集(一般是按照3:1的比例分配訓(xùn)練集和測(cè)試集，即3/4的數(shù)據(jù)集用于模型的建立，1/4的數(shù)據(jù)集用于測(cè)試所建立的模型的性能)；交叉驗(yàn)證法(包括二折交叉、十折交叉以及留一法等)等。

步驟1014：利用所述訓(xùn)練集訓(xùn)練得到SVM分類(lèi)器；

在本發(fā)明實(shí)施例中，所述利用所述訓(xùn)練集訓(xùn)練得到SVM分類(lèi)器的一般過(guò)程是在選取核函數(shù)后，將訓(xùn)練樣本映射到高維特征空間，利用SVM在樣本特征空間中找出各類(lèi)別特征樣本與其他特征樣本的最優(yōu)分類(lèi)超平面，得到代表各樣本特征的支持向量集及其相應(yīng)的可信度，最終形成判斷各特征類(lèi)別的最優(yōu)分類(lèi)函數(shù)，該最優(yōu)分類(lèi)函數(shù)即是訓(xùn)練得到的SVM分類(lèi)器。

步驟1015：根據(jù)所述SVM分類(lèi)器對(duì)所述測(cè)試集進(jìn)行分類(lèi)，獲取預(yù)設(shè)類(lèi)別數(shù)目的視頻集合。

在本發(fā)明實(shí)施例中，所述測(cè)試集作為待分類(lèi)對(duì)象，通過(guò)核函數(shù)作用映射到特征空間中，作為最優(yōu)分類(lèi)函數(shù)的輸入，最終輸出二類(lèi)可分的結(jié)果，當(dāng)該二類(lèi)不滿足預(yù)設(shè)的類(lèi)別數(shù)目時(shí)，可以分別基于該二類(lèi)可分結(jié)果再次進(jìn)行SVM分類(lèi)，從而得到四個(gè)類(lèi)別的視頻分類(lèi)結(jié)果，可重復(fù)該二分類(lèi)的過(guò)程，直到最終的類(lèi)別數(shù)目滿足預(yù)設(shè)的類(lèi)別數(shù)目。

例如，利用二叉樹(shù)來(lái)構(gòu)造基于SVM的視頻分類(lèi)，該二叉樹(shù)的頂結(jié)點(diǎn)表示所述視頻數(shù)據(jù)集，通過(guò)SVM二分類(lèi)得到所述第一視頻分類(lèi)結(jié)果和所述第二視頻分類(lèi)結(jié)果，基于所述第一視頻分類(lèi)結(jié)果再次進(jìn)行SVM二分類(lèi)得到兩個(gè)類(lèi)別的視頻分類(lèi)結(jié)果，基于所述第二視頻分類(lèi)結(jié)果再次進(jìn)行SVM二分類(lèi)也得到兩個(gè)類(lèi)別的視頻分類(lèi)結(jié)果，基于所述四個(gè)類(lèi)別的視頻分類(lèi)結(jié)果再次分別對(duì)每一個(gè)進(jìn)行SVM分類(lèi)，重復(fù)該二分類(lèi)的過(guò)程，一直到分類(lèi)的結(jié)果達(dá)到預(yù)設(shè)的類(lèi)別數(shù)目(例如類(lèi)別數(shù)目是4，則從頂結(jié)點(diǎn)開(kāi)始往下到第三層即完成視頻的分類(lèi))。

所述最后一次進(jìn)行SVM分類(lèi)的結(jié)果即是對(duì)所述視頻數(shù)據(jù)集進(jìn)行分類(lèi)的最終結(jié)果，該結(jié)果包括了多個(gè)類(lèi)別，每個(gè)類(lèi)別對(duì)應(yīng)了大量的視頻，每個(gè)類(lèi)別對(duì)應(yīng)的視頻的總和分別構(gòu)成每個(gè)類(lèi)別的視頻集合。

步驟102：根據(jù)用戶對(duì)視頻的歷史操作信息獲取目標(biāo)視頻，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，確定所述用戶所屬類(lèi)別。

基于上述步驟101的分類(lèi)結(jié)果以及用戶對(duì)視頻的歷史操作信息來(lái)進(jìn)行用戶分類(lèi)。可選地，如圖3所示，確定用戶所屬類(lèi)別包括：

步驟1021：獲取所述用戶的歷史操作信息對(duì)應(yīng)的視頻；

在本發(fā)明實(shí)施例中，所述歷史操作信息包括點(diǎn)擊信息、下載信息、收藏信息、評(píng)論信息、點(diǎn)贊信息、轉(zhuǎn)發(fā)信息以及購(gòu)買(mǎi)信息中的一種或幾種。則，所述用戶的歷史操作信息對(duì)應(yīng)的視頻包括用戶點(diǎn)擊過(guò)的視頻、用戶下載過(guò)的視頻、用戶收藏過(guò)的視頻、用戶評(píng)論過(guò)的視頻、用戶點(diǎn)贊過(guò)的視頻、用戶轉(zhuǎn)發(fā)過(guò)的視頻以及用戶購(gòu)買(mǎi)過(guò)的視頻中的一種或幾種。

步驟1022：分別統(tǒng)計(jì)所述用戶對(duì)每個(gè)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)；

可以理解的是，所述歷史操作信息為用戶對(duì)視頻進(jìn)行的行為，不同的行為產(chǎn)生不同的歷史操作信息類(lèi)別，例如播放視頻對(duì)應(yīng)的播放信息和下載視頻對(duì)應(yīng)的下載信息即為不同類(lèi)別的歷史操作信息。需要分別統(tǒng)計(jì)出每個(gè)視頻包含的歷史操作信息，并統(tǒng)計(jì)每類(lèi)歷史操作信息的操作次數(shù)。

例如，某一用戶對(duì)視頻進(jìn)行的行為包括：對(duì)視頻進(jìn)行了觀看、收藏、點(diǎn)贊等操作，統(tǒng)計(jì)該視頻的權(quán)重可以包括：首先對(duì)所述操作行為(觀看、收藏、點(diǎn)贊等)分別賦予預(yù)設(shè)的權(quán)值，每一項(xiàng)操作行為對(duì)應(yīng)的權(quán)值可以相同也可以不相同，然后分別統(tǒng)計(jì)每一操作行為的操作次數(shù)，將每一項(xiàng)操作行為的操作次數(shù)和權(quán)值進(jìn)行計(jì)算獲取到每一項(xiàng)操作行為的權(quán)重，最后將所有操作行為對(duì)應(yīng)的權(quán)重進(jìn)行累加，累加值作為該視頻的權(quán)重。

步驟1023：根據(jù)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)，確定目標(biāo)視頻；

在本發(fā)明實(shí)施例中，根據(jù)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)確定目標(biāo)視頻包括：

針對(duì)視頻的某一類(lèi)別歷史操作信息，按照操作次數(shù)的大小排序，選擇超過(guò)預(yù)設(shè)閾值的操作次數(shù)對(duì)應(yīng)的視頻作為目標(biāo)視頻，例如，針對(duì)視頻的下載信息，將每個(gè)視頻對(duì)應(yīng)的下載量按照大小排序，選取下載量超過(guò)預(yù)設(shè)閾值的視頻作為目標(biāo)視頻；或者，

將所述視頻的歷史操作信息根據(jù)其類(lèi)別分別賦予權(quán)重，該權(quán)重可以是相同的權(quán)重也可以是不同的權(quán)重，基于每類(lèi)歷史操作信息的權(quán)重及每類(lèi)歷史操作信息對(duì)應(yīng)的操作次數(shù)按照自定義的公式計(jì)算出該類(lèi)歷史操作信息對(duì)應(yīng)視頻的操作次數(shù)，選取操作次數(shù)超過(guò)預(yù)設(shè)閾值的視頻作為目標(biāo)視頻。

需要說(shuō)明的是，確定目標(biāo)視頻的方法并不僅限于上述方法，還可以通過(guò)其他方法來(lái)獲取。

步驟1024：將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，判斷所述目標(biāo)視頻所屬類(lèi)別；

在本發(fā)明實(shí)施例中，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，一般是基于視頻的內(nèi)容來(lái)進(jìn)行匹配，例如，目標(biāo)視頻為一個(gè)足球比賽的視頻，可以對(duì)該足球比賽視頻的文字介紹部分進(jìn)行關(guān)鍵詞提取，比如足球、關(guān)鍵人物名字、參加比賽的隊(duì)名等，通過(guò)該關(guān)鍵詞與SVM分類(lèi)結(jié)果中的每一類(lèi)視頻的關(guān)鍵內(nèi)容分別進(jìn)行匹配，最終匹配的結(jié)果是該足球比賽視頻屬于體育類(lèi)，甚至是屬于體育類(lèi)的足球類(lèi)，從而確定了所述目標(biāo)視頻的類(lèi)別。

步驟1025：根據(jù)所述目標(biāo)視頻所屬類(lèi)別確定所述用戶所屬類(lèi)別。

例如，已確定所述目標(biāo)視頻屬于體育足球類(lèi)別，那么可以確定用戶為足球愛(ài)好類(lèi)，因此，可向該用戶推薦與足球相關(guān)的視頻。

步驟103：根據(jù)所述用戶所屬類(lèi)別，向所述用戶進(jìn)行視頻推薦；

在本發(fā)明實(shí)施例中，可以選擇基于內(nèi)容推薦、協(xié)同過(guò)濾推薦、基于關(guān)聯(lián)規(guī)則推薦等方法來(lái)進(jìn)行視頻推薦。

可選地，如圖4所示，本實(shí)施例使用LDA方法向所述用戶進(jìn)行視頻推薦，該視頻推薦方法包括：

步驟1031：對(duì)所述用戶所屬類(lèi)別對(duì)應(yīng)視頻的描述文本分別進(jìn)行主題抽取，得到至少一個(gè)主題；

所述描述文本為對(duì)所述視頻進(jìn)行介紹的文字，例如電影簡(jiǎn)介等。所述描述文本進(jìn)行主題抽取的過(guò)程是對(duì)所述描述文本的中心句進(jìn)行提取的過(guò)程，是該描述文本進(jìn)行中心思想總結(jié)的過(guò)程。

步驟1032：基于所述主題進(jìn)行關(guān)鍵詞抽?。?/p>

可以理解的是，基于所述主題進(jìn)行關(guān)鍵詞抽取即是對(duì)主題文本(句子)進(jìn)行分詞的過(guò)程，通過(guò)分詞處理技術(shù)得到該主題文本的詞語(yǔ)集合。

步驟1033：分別計(jì)算所述關(guān)鍵詞在對(duì)應(yīng)的主題中出現(xiàn)的概率，確定所述概率大于或等于預(yù)設(shè)閾值的關(guān)鍵詞，根據(jù)所述關(guān)鍵詞進(jìn)行視頻推薦。

在本發(fā)明實(shí)施例中，統(tǒng)計(jì)所述關(guān)鍵詞在對(duì)應(yīng)的主題中出現(xiàn)的概率，根據(jù)概率大小對(duì)所述關(guān)鍵詞進(jìn)行排序，選取所述關(guān)鍵詞的概率大于或等于預(yù)設(shè)閾值的關(guān)鍵詞，從而獲取所述概率大于或等于預(yù)設(shè)閾值的關(guān)鍵詞所對(duì)應(yīng)的視頻，該視頻用于向用戶進(jìn)行推薦。

本發(fā)明實(shí)施例提供了一種視頻推薦方法，該方法首先用SVM分類(lèi)器對(duì)視頻進(jìn)行分類(lèi)，然后將用戶對(duì)視頻的歷史操作信息與SVM分類(lèi)的結(jié)果進(jìn)行匹配從而確定用戶類(lèi)別，最后根據(jù)用戶類(lèi)別向用戶進(jìn)行視頻推薦，本發(fā)明實(shí)施例提供的視頻推薦方法更具有針對(duì)性，不僅豐富了視頻推薦的內(nèi)容，而且推薦的結(jié)果更準(zhǔn)確，視頻推薦效率更高，推薦的內(nèi)容更合理，使用戶有較好的體驗(yàn)。

本發(fā)明實(shí)施例的第三個(gè)方面提出了一種視頻推薦裝置3，所述裝置對(duì)應(yīng)上述實(shí)施例中的視頻推薦方法，如圖5所示，所述視頻推薦裝置3，包括：視頻分類(lèi)模塊31、用戶類(lèi)別判斷模塊32以及視頻推薦模塊33。

在本發(fā)明實(shí)施例中，所述視頻分類(lèi)模塊31，用于基于預(yù)設(shè)的分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的視頻集合；所述用戶類(lèi)別判斷模塊32，用于根據(jù)用戶對(duì)視頻的歷史操作信息獲取目標(biāo)視頻，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，確定所述用戶所屬類(lèi)別；所述視頻推薦模塊33，用于根據(jù)所述用戶所屬類(lèi)別，向所述用戶進(jìn)行視頻推薦。

在本發(fā)明實(shí)施例中，通過(guò)所述視頻分類(lèi)模塊來(lái)得到視頻數(shù)據(jù)集的分類(lèi)結(jié)果，所述用戶類(lèi)別判斷模塊基于所述分類(lèi)結(jié)果以及用戶對(duì)視頻的歷史操作信息來(lái)確定用戶的類(lèi)別，所述視頻推薦模塊根據(jù)所述用戶類(lèi)別判斷模塊產(chǎn)生的用戶類(lèi)別，從而有針對(duì)性的對(duì)分類(lèi)后的用戶進(jìn)行視頻推薦。

需要說(shuō)明的是，本發(fā)明實(shí)施例提出的視頻推薦裝置與本發(fā)明實(shí)施例的第一個(gè)方面提出的一種視頻推薦方法基于相同的發(fā)明構(gòu)思，方法實(shí)施例與裝置實(shí)施例中的相應(yīng)技術(shù)內(nèi)容可相互適用，此處不再詳述。

本發(fā)明實(shí)施例提供了一種視頻推薦裝置，通過(guò)對(duì)視頻分類(lèi)，根據(jù)分類(lèi)結(jié)果確定用戶所屬類(lèi)別，再根據(jù)用戶類(lèi)別向用戶進(jìn)行視頻推薦，相比較現(xiàn)有技術(shù)，本發(fā)明實(shí)施例提供的視頻推薦裝置，豐富了視頻推薦方法的內(nèi)容，使視頻推薦的結(jié)果更準(zhǔn)確。

本發(fā)明實(shí)施例的第四個(gè)方面提出了另一種視頻推薦裝置，所述裝置是對(duì)上述第三個(gè)方面提出的視頻推薦裝置的詳細(xì)說(shuō)明。如圖6所示，所述視頻推薦裝置4，包括：視頻分類(lèi)模塊41、用戶類(lèi)別判斷模塊42以及視頻推薦模塊43。

在本發(fā)明實(shí)施例中，所述視頻分類(lèi)模塊41，用于基于預(yù)設(shè)的分類(lèi)模型對(duì)視頻進(jìn)行分類(lèi)，得到多個(gè)類(lèi)別的視頻集合。其中，所述視頻分類(lèi)模塊41包括：提取單元411、生成單元412、劃分單元413、訓(xùn)練單元414以及分類(lèi)單元415。

所述提取單元411用于基于分詞處理技術(shù)分別對(duì)所述視頻的描述文本進(jìn)行特征提??；所述生成單元412用于針對(duì)所述特征提取的數(shù)據(jù)構(gòu)造所述視頻的特征向量；所述劃分單元413用于基于所述視頻的特征向量劃分訓(xùn)練集和測(cè)試集；所述訓(xùn)練單元414用于利用所述訓(xùn)練集訓(xùn)練得到SVM分類(lèi)器；所述分類(lèi)單元415用于根據(jù)所述SVM分類(lèi)器對(duì)所述測(cè)試集進(jìn)行分類(lèi)，獲取預(yù)設(shè)類(lèi)別數(shù)目的視頻集合。

在本發(fā)明實(shí)施例中，所述用戶類(lèi)別判斷模塊42，用于根據(jù)用戶對(duì)視頻的歷史操作信息獲取目標(biāo)視頻，將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，確定所述用戶所屬類(lèi)別。其中，所述用戶類(lèi)別判斷模塊42包括：獲取單元421、統(tǒng)計(jì)單元422、確定單元423、第一判斷單元424以及第二判斷單元425。

所述獲取單元421用于獲取所述用戶的歷史操作信息對(duì)應(yīng)的視頻；所述統(tǒng)計(jì)單元422用于分別統(tǒng)計(jì)所述用戶對(duì)每個(gè)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)；所述確定單元423用于根據(jù)所述視頻的歷史操作信息的類(lèi)別和操作次數(shù)，確定目標(biāo)視頻；所述第一判斷單元424用于將所述目標(biāo)視頻與所述多個(gè)類(lèi)別的視頻集合分別進(jìn)行匹配，判斷所述目標(biāo)視頻所屬類(lèi)別；所述第二判斷單元425用于根據(jù)所述目標(biāo)視頻所屬類(lèi)別確定所述用戶所屬類(lèi)別。

在本發(fā)明實(shí)施例中，所述視頻推薦模塊43，用于根據(jù)所述用戶所屬類(lèi)別，向所述用戶進(jìn)行視頻推薦。其中，所述視頻推薦模塊43包括：第一處理單元431、第二處理單元432以及推薦單元433。

所述第一處理單元431用于對(duì)所述用戶所屬類(lèi)別對(duì)應(yīng)視頻的描述文本分別進(jìn)行主題抽取，得到至少一個(gè)主題；所述第二處理單元432用于基于所述主題進(jìn)行關(guān)鍵詞抽?。凰鐾扑]單元433用于分別計(jì)算所述關(guān)鍵詞在對(duì)應(yīng)的主題中出現(xiàn)的概率，確定所述概率大于或等于預(yù)設(shè)閾值的關(guān)鍵詞，根據(jù)所述關(guān)鍵詞進(jìn)行視頻推薦。

在本發(fā)明實(shí)施例中，通過(guò)所述視頻分類(lèi)模塊來(lái)得到視頻數(shù)據(jù)集的分類(lèi)結(jié)果，所述用戶類(lèi)別判斷模塊基于所述分類(lèi)結(jié)果以及用戶對(duì)視頻的歷史操作信息來(lái)確定用戶的類(lèi)別，所述視頻推薦模塊根據(jù)所述用戶類(lèi)別判斷模塊產(chǎn)生的用戶類(lèi)別，從而有針對(duì)性的對(duì)分類(lèi)后的用戶進(jìn)行視頻推薦。

需要說(shuō)明的是，本發(fā)明實(shí)施例提出的視頻推薦裝置與本發(fā)明實(shí)施例的第二個(gè)方面提出的一種視頻推薦方法基于相同的發(fā)明構(gòu)思，方法實(shí)施例與裝置實(shí)施例中的相應(yīng)技術(shù)內(nèi)容可相互適用，此處不再詳述。

本發(fā)明實(shí)施例提供了一種視頻推薦裝置，該裝置首先用SVM分類(lèi)器對(duì)視頻進(jìn)行分類(lèi)，然后將用戶對(duì)視頻的歷史操作信息與SVM分類(lèi)的結(jié)果進(jìn)行匹配從而確定用戶類(lèi)別，最后根據(jù)用戶類(lèi)別向用戶進(jìn)行視頻推薦，本發(fā)明實(shí)施例提供的視頻推薦裝置更具有針對(duì)性，不僅豐富了視頻推薦的內(nèi)容，而且推薦的結(jié)果更準(zhǔn)確，視頻推薦效率更高，推薦的內(nèi)容更合理，使用戶有較好的體驗(yàn)。

本發(fā)明實(shí)施例的第五個(gè)方面提出了一種非易失性計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令可執(zhí)行上述任意方法實(shí)施例中的視頻推薦方法。

本發(fā)明實(shí)施例的第六個(gè)方面提出了一種電子設(shè)備5，如圖7所示，該電子設(shè)備5包括：

一個(gè)或多個(gè)處理器51以及存儲(chǔ)器52，圖7中以一個(gè)處理器51為例。

執(zhí)行視頻推薦方法的設(shè)備還可以包括：輸入裝置53和輸出裝置54。

處理器51、存儲(chǔ)器52、輸入裝置53和輸出裝置54可以通過(guò)總線或者其他方式連接，圖7中以通過(guò)總線連接為例。

存儲(chǔ)器52作為一種非易失性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，可用于存儲(chǔ)非易失性軟件程序、非易失性計(jì)算機(jī)可執(zhí)行程序以及模塊，如本申請(qǐng)實(shí)施例中的視頻推薦方法對(duì)應(yīng)的程序指令/模塊(例如，附圖5所示的視頻分類(lèi)模塊31、用戶類(lèi)別判斷模塊32和視頻推薦模塊33)。處理器51通過(guò)運(yùn)行存儲(chǔ)在存儲(chǔ)器52中的非易失性軟件程序、指令以及模塊，從而執(zhí)行服務(wù)器的各種功能應(yīng)用以及數(shù)據(jù)處理，即實(shí)現(xiàn)上述方法實(shí)施例視頻推薦方法。

存儲(chǔ)器52可以包括存儲(chǔ)程序區(qū)和存儲(chǔ)數(shù)據(jù)區(qū)，其中，存儲(chǔ)程序區(qū)可存儲(chǔ)操作系統(tǒng)、至少一個(gè)功能所需要的應(yīng)用程序；存儲(chǔ)數(shù)據(jù)區(qū)可存儲(chǔ)根據(jù)視頻推薦裝置的使用所創(chuàng)建的數(shù)據(jù)等。此外，存儲(chǔ)器52可以包括高速隨機(jī)存取存儲(chǔ)器，還可以包括非易失性存儲(chǔ)器，例如至少一個(gè)磁盤(pán)存儲(chǔ)器件、閃存器件、或其他非易失性固態(tài)存儲(chǔ)器件。在一些實(shí)施例中，存儲(chǔ)器52可選包括相對(duì)于處理器51遠(yuǎn)程設(shè)置的存儲(chǔ)器，這些遠(yuǎn)程存儲(chǔ)器可以通過(guò)網(wǎng)絡(luò)連接至視頻推薦裝置。上述網(wǎng)絡(luò)的實(shí)例包括但不限于互聯(lián)網(wǎng)、企業(yè)內(nèi)部網(wǎng)、局域網(wǎng)、移動(dòng)通信網(wǎng)及其組合。

輸入裝置53可接收輸入的數(shù)字或字符信息，以及產(chǎn)生與視頻推薦裝置的用戶設(shè)置以及功能控制有關(guān)的鍵信號(hào)輸入。輸出裝置54可包括顯示屏等顯示設(shè)備。

所述一個(gè)或者多個(gè)模塊存儲(chǔ)在所述存儲(chǔ)器52中，當(dāng)被所述一個(gè)或者多個(gè)處理器51執(zhí)行時(shí)，執(zhí)行上述任意方法實(shí)施例中的視頻推薦方法，例如，執(zhí)行以上描述的圖1中的方法步驟101至步驟103，圖2中的方法步驟1011至步驟1015，圖3中的方法步驟1021至步驟1025，圖4中的方法步驟1031至步驟1033。

上述產(chǎn)品可執(zhí)行本申請(qǐng)實(shí)施例所提供的方法，具備執(zhí)行方法相應(yīng)的功能模塊和有益效果。未在本實(shí)施例中詳盡描述的技術(shù)細(xì)節(jié)，可參見(jiàn)本申請(qǐng)實(shí)施例所提供的方法。

本申請(qǐng)實(shí)施例的電子設(shè)備以多種形式存在，包括但不限于:

(1)服務(wù)器:提供計(jì)算服務(wù)的設(shè)備，服務(wù)器的構(gòu)成包括處理器、硬盤(pán)、內(nèi)存、系統(tǒng)總線等，服務(wù)器和通用的計(jì)算機(jī)架構(gòu)類(lèi)似，但是由于需要提供高可靠的服務(wù)，因此在處理能力、穩(wěn)定性、可靠性、安全性、可擴(kuò)展性、可管理性等方面要求較高。

(2)其他具有數(shù)據(jù)交互功能的電子裝置。

本發(fā)明實(shí)施例提供了一種電子設(shè)備，通過(guò)對(duì)視頻分類(lèi)，根據(jù)分類(lèi)結(jié)果確定用戶所屬類(lèi)別，再根據(jù)用戶類(lèi)別向用戶進(jìn)行視頻推薦，本發(fā)明實(shí)施例提供的電子設(shè)備，使視頻推薦的結(jié)果更準(zhǔn)確。

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(kāi)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。可以根據(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。

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)相關(guān)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(pán)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)明本申請(qǐng)的技術(shù)方案，而非對(duì)其限制；在本申請(qǐng)的思路下，以上實(shí)施例或者不同實(shí)施例中的技術(shù)特征之間也可以進(jìn)行組合，步驟可以以任意順序?qū)崿F(xiàn)，并存在如上所述的本申請(qǐng)的不同方面的許多其它變化，為了簡(jiǎn)明，它們沒(méi)有在細(xì)節(jié)中提供；盡管參照前述實(shí)施例對(duì)本申請(qǐng)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)脫離本申請(qǐng)各實(shí)施例技術(shù)方案的范圍。