本技術涉及數(shù)據(jù)處理，尤其涉及一種視頻推薦方法、裝置、設備及存儲介質。

背景技術：

1、隨著信息技術的發(fā)展，人們可以通過越來越多的方式從網(wǎng)絡中獲取信息資源，例如，讀取文章、收聽音頻、觀看視頻等方式。其中，觀看類型豐富、內容豐富多樣的視頻成為了人們最喜愛的一種信息資源獲取方式。如何在海量的視頻資源庫中尋找到需要的資源，對用戶來說是一個非常重要的問題。

2、如今，現(xiàn)有技術主要是采用視頻推薦系統(tǒng)對用戶歷史行為(如視頻的點贊量、點擊率click?through?rate，ctr)和個人信息進行分析，生成對應的視頻推薦結果并推送給用戶的終端。

3、然而，上述視頻推薦系統(tǒng)得到視頻推薦結果無法與用戶不斷變化的個性化需求相匹配，用戶體驗度較低。

技術實現(xiàn)思路

1、本技術提供一種視頻推薦方法、裝置、設備及存儲介質，用以解決現(xiàn)有技術中視頻推薦系統(tǒng)的推薦結果無法與用戶不斷變化的個性化需求相匹配的問題。

2、第一方面，本技術提供一種視頻推薦方法，應用于電子設備中，所述電子設備包括多個視頻庫，視頻推薦方法，包括：

3、響應于視頻推薦請求，獲取與所述視頻推薦請求對應的實時交互信息；其中，所述實時交互信息包括所述視頻推薦請求、基于大語言模型中的對話管理模塊生成的至少一個問題信息以及與每個所述問題信息對應的答復信息；所述大語言模型包括所述對話管理模塊、用戶畫像模塊和視頻推薦模塊；所述對話管理模塊、用戶畫像模塊和視頻推薦模塊順次連接；

4、通過所述用戶畫像模塊提取所述實時交互信息中的至少一個特征信息，并基于所述至少一個特征信息得到用戶畫像；其中，所述用戶畫像包括多個層級，每個所述層級包括至少一個特征屬性；所述用戶畫像中各特征屬性與所述至少一個特征信息一一對應；

5、通過所述視頻推薦模塊基于所述用戶畫像對所述多個視頻庫進行初次篩選處理，得到初級推薦結果；

6、通過所述視頻推薦模塊基于所述用戶畫像和預設推薦規(guī)則對所述初級推薦結果進行二次篩選處理，輸出視頻推薦數(shù)據(jù)集。

7、在一種可能的設計中，所述通過所述用戶畫像模塊提取所述實時交互信息中的至少一個特征信息，并基于所述至少一個特征信息得到用戶畫像，包括：

8、將所述視頻推薦請求、至少一個所述問題信息以及與每個所述答復信息輸入至所述用戶畫像模塊中，提取得到至少一個特征信息；

9、確定所述至少一個特征信息中每兩個所述特征信息之間的關系；

10、在所述關系指示同級關系時，確定與所述同級關系對應的兩個特征信息屬于同一個層級；

11、在所述關系指示從屬關系時，確定與所述從屬關系對應的兩個特征信息分別屬于兩個具有從屬關系的層級；

12、根據(jù)所述至少一個特征信息中，每兩個所述特征信息間關系確定每個所述特征信息所屬的層級，得到與所述實時交互信息對應的用戶畫像。

13、在一種可能的設計中，所述根據(jù)所述至少一個特征信息中，每兩個所述特征信息間關系確定每個所述特征信息所屬的層級，得到與所述實時交互信息對應的用戶畫像，包括：

14、遍歷所述至少一個特征信息中每個所述特征信息為目標特征信息；

15、確定所述目標特征信息所屬的層級，為目標層級；

16、確定所述目標層級的下一層級為目標子層級，確定與所述目標特征信息具有從屬關系的各特征信息為所述目標子層級中的特征屬性，所述用戶畫像模塊輸出與所述實時交互信息對應的用戶畫像。

17、在一種可能的設計中，所述通過所述視頻推薦模塊基于所述用戶畫像對所述多個視頻庫進行初次篩選處理，得到初級推薦結果，包括：

18、將所述用戶畫像輸入所述視頻推薦模塊，以基于用戶畫像確定至少一個目標視頻類型；

19、基于每個所述目標視頻類型匹配對應的視頻庫，為目標視頻庫；

20、在每個所述目標視頻庫中為所述用戶畫像匹配第三數(shù)量的視頻數(shù)據(jù)，得到初級推薦結果；所述初級推薦結果包括第二數(shù)量的視頻數(shù)據(jù)；所述第三數(shù)量小于或等于所述第二數(shù)量。

21、在一種可能的設計中，所述在每個所述目標視頻庫中為所述用戶畫像匹配第三數(shù)量的視頻數(shù)據(jù)，得到初級推薦結果，包括：

22、基于所述用戶畫像中至少一個特征信息，計算得到所述用戶畫像與所述每個目標視頻庫中每個視頻數(shù)據(jù)之間的第一匹配度；

23、采用預設排序方式基于所述用戶畫像與所述每個目標視頻庫中每個視頻數(shù)據(jù)之間的第一匹配度，對每個所述目標視頻庫中的各視頻數(shù)據(jù)進行排序，得到每個所述目標視頻庫的第一序列，在所述每個目標視頻庫的第一序列中順次選取第三數(shù)量的視頻數(shù)據(jù)；其中，預設排序方式包括降序排序方法或升序排序方法；

24、根據(jù)各所述目標視頻庫對應的第三數(shù)量的視頻數(shù)據(jù)，確定初級推薦結果。

25、在一種可能的設計中，所述通過所述視頻推薦模塊基于所述用戶畫像和預設推薦規(guī)則對所述初級推薦結果進行二次篩選處理，輸出視頻推薦數(shù)據(jù)集，包括：

26、將所述預設推薦規(guī)則輸入所述視頻推薦模塊中，以基于所述預設推薦規(guī)則對所述初級推薦結果進行過濾，得到過濾后推薦結果；

27、確定所述用戶畫像中每個層級的權重，通過所述視頻推薦模塊基于所述權重及每個所述層級中的特征信息，計算所述用戶畫像與所述過濾后推薦結果中每個視頻數(shù)據(jù)的第二匹配度；

28、基于所述用戶畫像與所述過濾后推薦結果中每個視頻數(shù)據(jù)的第二匹配度，在所述過濾后推薦結果中選取第一數(shù)量的視頻數(shù)據(jù)，得到所述視頻推薦模塊輸出的視頻推薦數(shù)據(jù)集；其中，所述第一數(shù)量小于第二數(shù)量。

29、在一種可能的設計中，所述基于所述用戶畫像與所述過濾后推薦結果中每個視頻數(shù)據(jù)的第二匹配度，在所述過濾后推薦結果中選取第一數(shù)量的視頻數(shù)據(jù)，得到所述視頻推薦模塊輸出的視頻推薦數(shù)據(jù)集，包括：

30、采用所述預設排序方式基于所述用戶畫像與所述過濾后推薦結果中每個視頻數(shù)據(jù)的第二匹配度，對所述過濾后推薦結果中的每個所述視頻數(shù)據(jù)進行排序，得到第二序列；

31、在第二序列中順次選取第二數(shù)量的視頻數(shù)據(jù)，作為推薦視頻數(shù)據(jù)；

32、基于所述預設排序方式、每個所述推薦視頻數(shù)據(jù)在所述第二序列中的位置，對每個所述推薦視頻數(shù)據(jù)添加對應的標簽，得到所述視頻推薦模塊輸出的視頻推薦數(shù)據(jù)集。

33、在一種可能的設計中，所述響應于視頻推薦請求，獲取與所述視頻推薦請求對應的實時交互信息，包括：

34、響應于所述視頻推薦請求，將所述視頻推薦請求輸入所述對話管理模塊中，獲得所述對話管理模塊輸出的所述視頻推薦請求對應的至少一個問題信息；

35、接收與每個所述問題信息對應的回復信息；

36、將各所述回復信息更新為所述視頻推薦請求，返回執(zhí)行所述將所述視頻推薦請求輸入所述對話管理模塊中，獲得所述對話管理模塊輸出的所述視頻推薦請求對應的至少一個問題信息及之后的步驟，直至接收到問答結束信息；其中，所述問答結束信息用于指示與所述視頻推薦請求對應的對話結束。

37、第二方面，本技術提供一種視頻推薦裝置，包括：

38、獲取模塊，用于響應于視頻推薦請求，獲取與所述視頻推薦請求對應的實時交互信息；其中，所述實時交互信息包括所述視頻推薦請求、基于大語言模型中的對話管理模塊生成的至少一個問題信息以及與每個所述問題信息對應的答復信息；所述大語言模型包括所述對話管理模塊、用戶畫像模塊和視頻推薦模塊；所述對話管理模塊、用戶畫像模塊和視頻推薦模塊順次連接；

39、畫像構建模塊，用于通過所述用戶畫像模塊提取所述實時交互信息中的至少一個特征信息，并基于所述至少一個特征信息得到用戶畫像；其中，所述用戶畫像包括多個層級，每個所述層級包括至少一個特征屬性；所述用戶畫像中各特征屬性與所述至少一個特征信息一一對應；

40、篩選模塊，用于通過所述視頻推薦模塊基于所述用戶畫像對所述多個視頻庫進行初次篩選處理，得到初級推薦結果；

41、視頻推薦模塊，用于通過所述視頻推薦模塊基于所述用戶畫像和預設推薦規(guī)則對所述初級推薦結果進行二次篩選處理，輸出視頻推薦數(shù)據(jù)集。

42、第三方面，本技術實施例提供一種電子設備，包括：至少一個處理器和存儲器；所述存儲器存儲計算機執(zhí)行指令；所述至少一個處理器執(zhí)行所述存儲器存儲的計算機執(zhí)行指令，使得所述至少一個處理器執(zhí)行如上第一方面以及第一方面各種可能的設計所述的視頻推薦方法。

43、第四方面，本技術實施例提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機執(zhí)行指令，當處理器執(zhí)行所述計算機執(zhí)行指令時，實現(xiàn)如上第一方面以及第一方面各種可能的設計所述的視頻推薦方法。

44、第五方面，本技術實施例提供一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)如上第一方面以及第一方面各種可能的設計所述的視頻推薦方法。

45、本技術提供的視頻推薦方法、裝置、設備及存儲介質，通過響應于視頻推薦請求，采用大語言模型的對話管理模塊進行問答，得到實時交互信息，采用大語言模型的用戶畫像模塊基于實時交互信息提取用戶的特征信息，并根據(jù)用戶的特征信息確定出用戶畫像，該用戶畫像包括多個層級的分類畫像，每個層級包括至少一個特征屬性；用戶畫像中各特征屬性與所述至少一個特征信息一一對應。采用的視頻推薦模塊大語言模型基于用戶畫像對視頻庫進行初級篩選處理，得到初級篩選結果，并基于用戶畫像和預設推薦規(guī)則對初級推薦結果進行二次篩選處理，得到視頻推薦數(shù)據(jù)集。如此，可以基于實時交互信息構建多層分類的用戶畫像，并基于用戶畫像對視頻庫進行多次篩選，擇出與用戶個性化需求匹配度更高的視頻數(shù)據(jù)集，便于用戶選擇，能夠解決現(xiàn)有技術中存在的視頻推薦系統(tǒng)無法與用戶個性化需求相匹配的問題。