信息推荐方法、装置、电子设备及计算机可读存储介质与流程

本发明涉及互联网技术，尤其涉及一种信息推荐方法、装置、电子设备及计算机可读存储介质。

背景技术：

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。人工智能现如今得到快速发展，并广泛应用于各种行业。

以信息推荐的应用场景为例，相关技术中通常在视频中预先配置相应的推荐信息，以在用户观看视频的过程中向用户推荐预先配置的推荐信息。由于预先配置的推荐信息是固定不变的，用户不一定对其感兴趣，因此会导致预先配置的推荐信息被用户点击的可能性较小，从而缺少曝光引流。

技术实现要素：

本发明实施例提供一种信息推荐方法、装置、电子设备及计算机可读存储介质，能够在用户观看视频的基础上实现精准推荐。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种信息推荐方法，包括：

在视频播放过程中，呈现针对所述视频的互动信息；

对所述互动信息进行语义分析处理，以得到所述互动信息表征的针对所述视频中对象的感兴趣程度；

根据所述互动信息表征的针对所述视频中对象的感兴趣程度，确定推荐信息；

呈现所述推荐信息。

本发明实施例提供一种信息推荐装置，包括：

互动呈现模块，用于在视频播放过程中，呈现针对所述视频的互动信息；

语义分析模块，用于对所述互动信息进行语义分析处理，以得到所述互动信息表征的针对所述视频中对象的感兴趣程度；

推荐模块，用于根据所述互动信息表征的针对所述视频中对象的感兴趣程度，确定推荐信息；呈现所述推荐信息。

在上述方案中，所述互动呈现模块，还用于呈现视频互动界面；响应于在所述视频互动界面中接收到的针对所述视频的互动操作，并呈现对应所述互动操作的互动信息。

在上述方案中，所述推荐模块，还用于将与所述视频中对象之间的相关程度满足相关条件的候选的推荐信息确定为所述推荐信息；其中，所述相关程度表征所述推荐信息推荐的对象与所述视频中对象之间的相关性；所述相关程度与所述感兴趣程度之间具有正相关关系。

在上述方案中，所述推荐模块，还用于当所述互动信息针对所述视频中对象的感兴趣程度为感兴趣时，选取降序排列中在前的至少一个推荐信息；其中，所述降序排列是将多个所述候选的推荐信息根据所述相关程度从高到低进行排序得到；当所述互动信息针对所述视频中对象的感兴趣程度为不感兴趣时，选取升序排列中在前的至少一个推荐信息；其中，所述升序排列是将多个所述候选的推荐信息根据所述相关程度从低到高进行排序得到。

在上述方案中，所述推荐模块，还用于将对应所述感兴趣程度的推荐信息类型中的候选的推荐信息确定为所述推荐信息；其中，不同的所述感兴趣程度对应不同的所述推荐信息类型，且所述感兴趣程度与相关程度之间具有正相关关系，所述相关程度表征所述推荐信息类型中的推荐信息推荐的对象与所述视频中对象之间的相关性。

在上述方案中，所述推荐模块，还用于当所述互动信息针对所述视频中对象的感兴趣程度为感兴趣时，选取对应所述对象的至少一个推荐信息，和/或，选取对应相关对象的至少一个推荐信息；其中，所述相关对象和所述对象归属于相同的推荐信息类型；当所述互动信息针对所述视频中对象的感兴趣程度为不感兴趣时，选取对应无关对象的至少一个推荐信息；其中，所述无关对象和所述对象归属于不同的推荐信息类型。

在上述方案中，所述语义分析模块，还用于提取所述互动信息中表征语义角色的文本词，以作为所述互动信息的互动对象；当所述互动对象和所述视频中对象相匹配时，提取所述互动信息中对应所述互动对象的态度词；根据提取的所述态度词，确定所述互动信息针对所述视频中对象的感兴趣程度。

在上述方案中，所述语义分析模块，还用于调用情感预测模型执行以下处理：提取所述态度词的特征向量，将提取的所述特征向量映射为分别属于不同的感兴趣程度的概率；将最大概率所对应的感兴趣程度确定为所述互动信息针对所述视频中对象的感兴趣程度；其中，所述情感预测模型是以样本互动信息、以及针对所述样本互动信息的标注的感兴趣程度为样本训练得到的。

在上述方案中，所述信息推荐装置还包括：排序模块，用于当未确定所述互动信息针对所述视频中对象表征的感兴趣程度时，将与所述视频预关联的多个候选的推荐信息进行排序，并根据排序结果选取至少一个候选的推荐信息进行呈现。

在上述方案中，所述排序模块，还用于通过以下方式至少之一选取待呈现的候选的推荐信息：根据每个候选的推荐信息的查看热度，将所述多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现；根据每个候选的推荐信息符合用户偏好的概率，将所述多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现。

在上述方案中，所述推荐模块，还用于在所述视频播放过程中，呈现所述推荐信息，和/或，当所述视频播放结束时，呈现所述推荐信息。

在上述方案中，所述推荐模块，还用于响应于针对所述推荐信息的触发操作，跳转到所述推荐信息携带的链接对应的页面。

在上述方案中，所述推荐模块，还用于当播放新的视频的过程中再次出现所述对象时，呈现所述推荐信息，和/或，当所述新的视频播放结束时，呈现所述推荐信息。

本发明实施例提供一种电子设备，包括：

存储器，用于存储计算机可执行指令；

处理器，用于执行所述存储器中存储的计算机可执行指令时，实现本发明实施例提供的信息推荐方法。

本发明实施例提供一种计算机可读存储介质，存储有计算机可执行指令，用于引起处理器执行时，实现本发明实施例提供的信息推荐方法。

本发明实施例具有以下有益效果：

在视频的呈现过程中，抓取表征用户针对视频中对象的感兴趣程度的互动信息，并选取符合用户的感兴趣程度的推荐信息进行推荐，相较于直接向用户推荐在视频中预先配置的推荐信息，不仅提高了推荐的准确性和效率，而且提高了推荐信息的曝光引流的可能性。

附图说明

图1是本发明实施例提供的信息推荐系统100的结构示意图；

图2是本发明实施例提供的电子设备500的结构示意图；

图3是本发明实施例提供的信息推荐方法的流程示意图；

图4a和图4b是本发明实施例提供的信息推荐方法的流程示意图；

图5是本发明实施例提供的信息推荐方法的流程示意图；

图6a和图6b是相关技术提供的信息推荐的应用场景示意图；

图7a和图7b是本发明实施例提供的应用场景示意图；

图8是本发明实施例提供的信息推荐方法的流程示意图；

图9是本发明实施例提供的推广链接的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。

对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。

1)客户端，终端中运行的用于提供各种服务的应用程序，例如视频客户端、即时通讯客户端、浏览器客户端、教育客户端或直播客户端等。

2)响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

本发明实施例提供一种信息推荐方法、装置、电子设备和计算机可读存储介质，能够在用户观看视频的基础上实现精准推荐。下面说明本发明实施例提供的电子设备的示例性应用，本发明实施例提供的电子设备可以实施为笔记本电脑，平板电脑，台式计算机，机顶盒，以及移动设备(例如，移动电话，便携式音乐播放器，个人数字助理，专用消息设备，便携式游戏设备)等各种类型的用户终端。下面，将说明设备实施为终端时示例性应用。

参见图1，图1是本发明实施例提供的信息推荐系统100的结构示意图。其中，信息推荐系统100包括有：服务器200、网络300、以及终端400，将分别进行说明。

服务器200是客户端410的后台服务器，用于响应客户端410的数据获取请求，向客户端410发送相应的视频；还用于接收客户端410发送的互动信息，并根据互动信息确定推荐信息(将在下文详细说明根据互动信息确定推荐信息的具体实现方式)，并将推荐信息发送至客户端410。

网络300，用于作为服务器200和终端400之间通信的媒介，可以是广域网或者局域网，又或者是二者的组合。

终端400，用于运行客户端410。客户端410，用于接收服务器200发送的视频，并在人机交互界面中播放；还用于响应用户针对视频的互动操作，向服务器200发送对应互动操作的互动信息；还用于接收服务器200发送的推荐信息，并在人机交互界面中呈现。

这里，客户端410可以是具备视频播放功能或直播功能的应用程序(app，application)，例如直播app、微博app、或短视频app；还可以是具备视频播放功能或直播功能的浏览器；还可以是能够嵌入至任意app中的视频小程序或直播小程序。

本发明实施例可以借助于云技术(cloudtechnology)实现，云技术是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。

云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、以及应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，例如，视频的门户网站。

作为示例，服务器200可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。终端400可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能电视以及智能手表等，但并不局限于此。终端400以及服务器200可以通过有线或无线通信方式进行直接或间接地连接，本发明实施例中不做限制。

本发明实施例可应用于多种视频观看场景，例如，直播购物场景和短视频观看场景等。以直播购物场景为例，用户通过客户端410观看直播的过程中，针对直播中主播推荐的商品，发送弹幕和/或评论；客户端410将弹幕和/或评论发送至服务器200，服务器200根据弹幕和/或评论确定用户对于主播推荐的商品的感兴趣程度，并根据感兴趣程度确定推荐信息(例如购买链接)，并将推荐信息发送至客户端410；客户端410将推荐信息呈现于人机交互界面，以供用户触发查看。

接下来说明本发明实施例提供的电子设备的结构，电子设备可以是图1所示的终端400，参见图2，图2是本发明实施例提供的电子设备500的结构示意图，图2所示的电子设备500包括：至少一个处理器510、存储器550、至少一个网络接口520和用户接口530。电子设备500中的各个组件通过总线系统540耦合在一起。可理解，总线系统540用于实现这些组件之间的连接通信。总线系统540除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统540。

处理器510可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(dsp，digitalsignalprocessor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。

用户接口530包括使得能够呈现媒体内容的一个或多个输出装置531，包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口530还包括一个或多个输入装置532，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。

存储器550可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器550可选地包括在物理位置上远离处理器510的一个或多个存储设备。

存储器550包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(rom，readonlymemory)，易失性存储器可以是随机存取存储器(ram，randomaccessmemory)。本发明实施例描述的存储器550旨在包括任意适合类型的存储器。

在一些实施例中，存储器550能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。

操作系统551，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；

网络通信模块552，用于经由一个或多个(有线或无线)网络接口520到达其他计算设备，示例性的网络接口520包括：蓝牙、无线相容性认证(wifi)、和通用串行总线(usb，universalserialbus)等；

呈现模块553，用于经由一个或多个与用户接口530相关联的输出装置531(例如，显示屏、扬声器等)使得能够呈现信息(例如，用于操作外围设备和显示内容和信息的用户接口)；

输入处理模块554，用于对一个或多个来自一个或多个输入装置532之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。

在一些实施例中，本发明实施例提供的信息推荐装置可以采用软件方式实现，图2示出了存储在存储器550中的信息推荐装置555，其可以是程序和插件等形式的软件，包括以下软件模块：互动呈现模块5551、语义分析模块5552和推荐模块5553，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。

本发明实施例提供的信息推荐方法可以由图1中的终端400单独执行，也可以由图1中的终端400和服务器200协同执行。

需要说明的是，下文是以终端执行本发明实施例提供的信息推荐方法为例进行说明，示例性地，可以由终端运行各种形式计算机程序或计算机程序产品来执行，例如上文所述的操作系统551、客户端410、软件模块和脚本。

下面，以由图1中的终端400单独执行本发明实施例提供的信息推荐方法为例进行说明。参见图3，图3是本发明实施例提供的信息推荐方法的流程示意图，将结合图3示出的步骤进行说明。

在步骤s101中，终端获取视频，并播放视频。

在一些实施例中，终端响应于视频观看操作，向服务器发送视频获取请求；服务器响应于视频获取请求，向终端发送相应的视频；终端在视频播放界面中播放接收到的视频。

在步骤s102中，终端在视频播放过程中，呈现针对视频的互动信息。

这里，互动信息能够表征用户针对视频或视频中对象的感兴趣程度；互动信息包括以下至少之一：评论(信息)；弹幕(信息)；点赞(信息)；回踩(信息)；转发(信息)；礼物(信息)。

在一些实施例中，终端在呈现视频的过程中，响应于针对视频的互动操作，呈现针对视频的互动信息。

作为示例，终端呈现视频互动界面；响应于在视频互动界面中接收到的针对视频的互动操作，并呈现对应互动操作的互动信息。

这里，视频互动界面可以嵌入视频播放界面，适用于弹幕、虚拟礼物(例如，鲜花、臭鸡蛋或飞机等)、或虚拟币等形式的互动信息的呈现，视频互动界面用于同步用户对视频中对象表达的感兴趣程度。

以互动信息是弹幕为例，终端的视频播放界面在播放视频的同时，以动画特效(例如，滚动或飞出等特效)的呈现形式在视频播放界面呈现相应的弹幕。

这里，视频互动界面与视频播放界面可以是两个独立的界面，例如，视频互动界面位于视频播放界面的下方，适用于文本、音频或动画形式的评论信息以信息流的方式呈现；还适用于点赞、回踩、以及转发形式的互动信息以按钮的方式呈现。

以互动信息是评论信息为例，视频互动界面中呈现的信息流具有特定排序方式，信息流的排序方式可以是根据评论信息的发表时间进行排序；也可以是根据评论信息的热门程度进行排序，例如，评论信息被全网用户的查看次数越多，表征该评论信息热门程度越高，排序的优先级越高；还可以是根据评论信息与用户之间的社交距离进行排序，例如，评论信息的互动点赞次数越多，表征该评论信息与用户之间的社交距离越近，排序的优先级越高。

以互动信息是点赞为例，终端的视频播放界面下方呈现视频互动界面，其中，视频互动界面包括点赞按钮；当用户针对该视频或视频中对象进行点赞操作时，视频互动界面中的点赞按钮以区别于点赞操作之前的呈现形式进行呈现，例如，点赞按钮改变颜色或形状等。需要说明的是，视频互动界面中还可以包括转发按钮和/或回踩按钮。

本发明实施例获取互动信息，能够后续根据互动信息准确选取符合用户偏好的推荐信息，从而实现信息的精准推荐；并通过呈现互动信息，能够使用户在观看视频的过程中，实时感知全网用户针对该视频的态度，从而能够提高用户在观看视频的参与度。

在步骤s103中，终端根据互动信息表征的针对视频中对象的感兴趣程度，确定推荐信息。

这里，终端可以调用操作系统551的相应服务(例如，推荐服务)，完成推荐信息的确定过程。终端也可以调用服务器的相应服务(例如，推荐服务)，通过服务器完成推荐信息的确定过程。

如此，步骤s103的替换步骤可以是：服务器根据互动信息表征的针对视频中对象的感兴趣程度，确定推荐信息，并将推荐信息发送至终端。

下面以服务器完成推荐信息的确定过程为例进行说明。

在一些实施例中，服务器根据互动信息表征的针对视频中对象的感兴趣程度，在多个候选的推荐信息中选取推荐信息，并将选取的推荐信息发送至终端。

这里，候选的推荐信息可以是由具有信息推荐需求的用户(例如商家)上传到服务器的；也可以是由服务器以固定频率(例如每间隔3天或每间隔6小时等)进行网络爬取所获取的，如此，无需用户上传推荐信息即可实现信息推荐。

下面说明确定推荐信息的具体实现方式。

在一些实施例中，服务器在多个候选的推荐信息中，将与视频中对象之间的相关程度满足相关条件的候选的推荐信息确定为推荐信息。

这里，推荐信息的相关程度表征推荐信息所推荐的对象与视频中对象之间的相关性。相关程度与感兴趣程度之间具有正相关关系。

这里，当互动信息针对视频中对象的感兴趣程度为感兴趣时，相关条件可以是：降序排列中在前的、且数量为感兴趣数量阈值的推荐信息，或者，相关程度大于相关程度阈值的推荐信息。

其中，降序排列是将多个候选的推荐信息根据相关程度从高到低进行排序得到。感兴趣数量阈值可以是默认的数值；也可以是根据候选的推荐信息的数量所确定的数值，其中，感兴趣数量阈值和候选的推荐信息的数量呈正比。相关程度阈值可以是默认的数值；也可以是根据候选的推荐信息的相关程度确定的，例如，相关程度阈值可以是所有候选的推荐信息的相关程度的平均值。

这里，当互动信息针对视频中对象的感兴趣程度为不感兴趣时，相关条件可以是：升序排列中在前的、且数量为不感兴趣数量阈值的推荐信息，或者，相关程度不大于相关程度阈值的推荐信息。

其中，升序排列是将多个候选的推荐信息根据相关程度从低到高进行排序得到。不感兴趣数量阈值可以是默认的数值；也可以是根据候选的推荐信息的数量所确定的数值，其中，不感兴趣数量阈值和候选的推荐信息的数量呈正比。

以商家上传候选的推荐信息为例，服务器支持商家针对商家发布的视频或任意视频设定候选的推荐信息以及相应的相关程度；或者，服务器仅支持商家针对商家发布的视频或任意视频设定候选的推荐信息，服务器根据商家设定的候选的推荐信息，确定对应的相关程度。

需要说明的是，商家可以针对每个视频分别设定候选的推荐信息，也可以针对将在终端中呈现的多个视频统一设定候选的推荐信息。

作为示例，服务器确定候选的推荐信息的相关程度的过程可以是：服务器确定候选的推荐信息所推荐的对象；分别提取候选的推荐信息所推荐的对象和视频中对象的特征向量；确定候选的推荐信息所推荐的对象的特征向量和视频中对象的特征向量之间的距离(例如，欧氏距离或余弦距离)；根据距离，确定候选的推荐信息的相关程度。

这里，上述的距离和候选的推荐信息的相关程度呈反比，例如，候选的推荐信息的相关程度可以是距离的倒数或相反数。

作为一个示例，当互动信息针对视频中对象的感兴趣程度为感兴趣时，服务器在多个候选的推荐信息中，选取降序排列中在前的至少一个推荐信息；其中，降序排列是将多个候选的推荐信息根据相关程度从高到低进行排序得到。

作为另一个示例，当互动信息针对视频中对象的感兴趣程度为不感兴趣时，服务器选取升序排列中在前的至少一个推荐信息；其中，升序排列是将多个候选的推荐信息根据相关程度从低到高进行排序得到。

本发明实施例中，当用户针对视频中对象感兴趣时，优先推荐和视频中对象的相似性高的对象所对应的推荐信息；当用户针对视频中对象不感兴趣时，优先推荐和视频中对象的相似性低的对象所对应的推荐信息，能够让用户感兴趣的信息最先展示，能够让用户可以最先看到自己感兴趣的内容，减少用户的操作路径。

这里，感兴趣程度的类型不仅限于“感兴趣”和“不感兴趣”这两类，还可以是针对不同的感兴趣程度的取值区间所对应的类型，例如，感兴趣程度的取值区间[0，0.3)对应的类型是“不感兴趣”；感兴趣程度的取值区间[0.3，0.6]对应的类型是“一般”；感兴趣程度的取值区间(0.6，1]对应的类型是“感兴趣”。感兴趣程度的类型的个数取值为n，其中，n为大于等于2的整数。

以感兴趣程度的类型包括“不感兴趣”、“一般”和“感兴趣”为例，服务器根据相关程度，将多个候选的推荐信息划分为分别对应于三个感兴趣程度的类型的三个候选集合，例如，相关程度在取值区间[0，0.3)的候选的推荐信息所属的候选集合对应于“不感兴趣”；相关程度在取值区间[0.3，0.6]的候选的推荐信息所属的候选集合对应于“一般”；相关程度在取值区间(0.6，1]的候选的推荐信息所属的候选集合对应于“感兴趣”；根据相关程度，将三个候选集合进行降序排序，以获得对应感兴趣程度的类型的三个候选排列；当互动信息针对视频中对象的感兴趣程度为不感兴趣时，服务器选取对应不感兴趣的降序排列中在前的至少一个推荐信息，如此，即可优先推荐和视频中对象的相似性低的对象所对应的推荐信息；当互动信息针对视频中对象的感兴趣程度为一般时，服务器选取对应一般的降序排列中在前的至少一个推荐信息，如此，即可优先推荐和视频中对象的相似性居中的对象所对应的推荐信息；当互动信息针对视频中对象的感兴趣程度为感兴趣时，服务器选取对应感兴趣的降序排列中在前的至少一个推荐信息，如此，即可优先推荐和视频中对象的相似性高的对象所对应的推荐信息。

本发明实施例中，将感兴趣程度的取值区间和相关程度的取值区间进行匹配，能够在实现精准推荐的基础上，减小终端或服务器对候选的推荐信息的排序的工作量，从而减少终端或服务器的计算资源。

在另一些实施例中，服务器在多个候选的推荐信息中，将对应感兴趣程度的推荐信息类型中的候选的推荐信息确定为推荐信息。

这里，不同的感兴趣程度对应不同的推荐信息类型，且感兴趣程度与相关程度之间具有正相关关系，相关程度表征推荐信息类型中的推荐信息推荐的对象与视频中对象之间的相关性。

以商家上传候选的推荐信息为例，服务器支持商家针对商家发布的视频或任意视频设定候选的推荐信息以及相应的推荐信息类型；或者，服务器仅支持商家针对商家发布的视频或任意视频设定候选的推荐信息，服务器根据商家设定的候选的推荐信息，确定对应的推荐信息类型。

需要说明的是，商家可以针对每个视频分别设定候选的推荐信息，也可以针对将在终端中呈现的多个视频统一设定候选的推荐信息。

作为示例，服务器确定候选的推荐信息的推荐信息类型的过程可以是：服务器确定候选的推荐信息所推荐的对象；分别提取候选的推荐信息所推荐的对象和视频中对象的特征向量；确定候选的推荐信息所推荐的对象的特征向量和视频中对象的特征向量之间的距离(例如，欧氏距离或余弦距离)；根据距离，确定候选的推荐信息的推荐信息类型。

作为一个示例，当互动信息针对视频中对象的感兴趣程度为感兴趣时，服务器在多个候选的推荐信息中，选取对应对象的至少一个推荐信息，和/或，选取对应相关对象的至少一个推荐信息；其中，相关对象和对象归属于相同的推荐信息类型。

作为另一个示例，当互动信息针对视频中对象的感兴趣程度为不感兴趣时，服务器在多个候选的推荐信息中，选取对应无关对象的至少一个推荐信息；其中，无关对象和对象归属于不同的推荐信息类型。

本发明实施例中，能够让用户感兴趣的信息最先展示，能够让用户可以最先看到自己感兴趣的内容，减少用户的操作路径。

这里，感兴趣程度的类型不仅限于“感兴趣”和“不感兴趣”这两类，还可以是针对不同的感兴趣程度的取值区间所对应的类型，例如，感兴趣程度的取值区间[0，0.3)对应的类型是“不感兴趣”；感兴趣程度的取值区间[0.3，0.6]对应的类型是“一般”；感兴趣程度的取值区间(0.6，1]对应的类型是“感兴趣”。感兴趣程度的类型的个数取值为n，其中，n为大于等于2的整数。

以感兴趣程度的类型包括“不感兴趣”、“一般”和“感兴趣”为例，服务器根据相关程度，将多个候选的推荐信息划分为三个推荐信息类型，例如，相关程度在取值区间[0，0.3)的候选的推荐信息是“互斥类型”；相关程度在取值区间[0.3，0.6]的候选的推荐信息是“其它类型”；相关程度在取值区间(0.6，1]的候选的推荐信息所属的候选集合对应于“相同类型”(当推荐信息的相关程度取值为1时，所对应的对象即为视频中对象)；当互动信息针对视频中对象的感兴趣程度为感兴趣时，在推荐信息类型是“相同类型”的候选的推荐信息中选取至少一个推荐信息，如此，即可优先推荐和视频中对象的相似性高的对象所对应的推荐信息；当互动信息针对视频中对象的感兴趣程度为一般时，在推荐信息类型是“其它类型”的候选的推荐信息中选取至少一个推荐信息，如此，即可优先推荐和视频中对象的相似性居中的对象所对应的推荐信息；当互动信息针对视频中对象的感兴趣程度为不感兴趣时，在推荐信息类型是“互斥类型”的候选的推荐信息中选取至少一个推荐信息，如此，即可优先推荐和视频中对象的相似性低的对象所对应的推荐信息。

需要说明的是，终端完成推荐信息的确定过程和服务器完成推荐信息的确定过程类似，将不再进行赘述。

本发明实施例中，将感兴趣程度和推荐信息的推荐信息类型进行匹配，能够在实现精准推荐的基础上，减小终端或服务器选取候选的推荐信息的工作量，从而减少终端或服务器的计算资源。

在步骤s104中，终端呈现推荐信息。

这里，终端所呈现推荐信息可以是上述任意实施例中终端或服务器所确定的推荐信息。

在一些实施例中，终端在视频播放过程中，呈现推荐信息。

作为示例，终端在视频播放过程中，实时获取服务器发送的推荐信息，并在推荐界面中呈现推荐信息。如此，能够实时根据用户针对视频中对象的态度呈现推荐信息，从而提高推荐的实时性。

这里，推荐界面可以嵌入视频播放界面，以在播放视频的过程中同时呈现实时获取的推荐信息；推荐界面与视频播放界面可以是两个独立的界面，例如，推荐界面位于视频播放界面的下方，如此，能够在呈现推荐信息的同时不遮挡视频。

在一些实施例中，当视频播放结束时，终端呈现推荐信息。

作为示例，当视频播放结束时，终端获取服务器发送的推荐信息，并在视频播放结束界面中呈现推荐信息。

在一些实施例中，在步骤s104之后还可以包括：当播放新的视频的过程中再次出现对象时，终端呈现推荐信息。或者，当新的视频播放结束时，终端呈现推荐信息。

这里，新的视频可以是与已经播放的视频(即已呈现过推荐信息的视频)是相同类型或相似类型的视频；新的视频中所包含的对象与已经播放的视频中所包含的对象可以是相同或相似。由于相似的视频所对应的推荐信息相似的可能性较大，如此，在呈现新的视频的同时或结束后呈现对应已经播放的视频的推荐信息，能够在减小推荐计算次数的基础上，保证信息推荐的准确性。

这里，新的视频可以是接续已经播放的视频而播放的视频；也可以是与已经播放的视频之间的时间间隔小于时间阈值的视频；还可以是与已经播放的视频之间的视频播放数量小于数量阈值的视频。由于用户连续观看的视频往往具有相关性，因此相关的视频所对应的推荐信息相似的可能性较大，如此，在呈现新的视频的同时或结束后呈现对应已经播放的视频的推荐信息，能够在减小推荐计算次数的基础上，保证信息推荐的准确性。

在一些实施例中，推荐信息可以包括链接，链接用于当推荐信息被触发时，显示对应链接的页面，例如，广告落地页、详情页、或商品购买页等。当推荐信息包括链接时，在步骤s104之后还包括：终端响应于针对推荐信息的触发操作，跳转到推荐信息携带的链接对应的页面。这里，页面可以是广告落地页、详情页或商品购买页等。如此，能够在减少用户操作的基础上，令用户快速获取感兴趣的内容。

参见图4a，图4a是本发明实施例提供的信息推荐方法的流程示意图，基于图3，在步骤s103之前可以包括步骤s105。

在步骤s105中，终端对互动信息进行语义分析处理，以得到互动信息表征的针对视频中对象的感兴趣程度。

在一些实施例中，终端可以调用操作系统551的相应服务(例如，语义分析服务)，完成互动信息的语义分析处理过程。终端也可以调用服务器的相应服务(例如，语义分析服务)，通过服务器完成互动信息的语义分析处理过程。

如此，步骤s105的替换步骤可以是：服务器对互动信息进行语义分析处理，以得到互动信息表征的针对视频中对象的感兴趣程度。

作为示例，当步骤s103的执行主体是服务器时，步骤s105的替换步骤可以是：终端对互动信息进行语义分析处理，以得到互动信息表征的针对视频中对象的感兴趣程度的分析结果；终端将分析结果发送至服务器，以供服务器根据分析结果确定推荐信息。

下面，以服务器完成互动信息的语义分析处理过程为例，说明语义分析的具体实现。

在一些实施例中，服务器提取互动信息中表征语义角色的文本词，以作为互动信息的互动对象；当互动对象和视频中对象相匹配时，提取互动信息中对应互动对象的态度词；根据提取的态度词，确定互动信息针对视频中对象的感兴趣程度。

在一些实施例中，互动信息中可能不包括表征语义角色的文本词，例如，评论是“很喜欢”以及“很棒”，如此，通过语义识别无法确定互动信息中的互动对象和视频中对象是否匹配，从而无法确定互动信息针对视频中对象的感兴趣程度。

对此，在一些实施例中，服务器确定互动信息的发表时间，并确定对应发表时间的视频中呈现的当前对象；当视频中呈现的当前对象和视频中对象相匹配时，提取互动信息中对应互动对象的态度词；根据提取的态度词，确定互动信息针对视频中对象的感兴趣程度。如此，通过对视频同步进行对象识别，能够准确得知用户偏好的对象，以进一步提高推荐的准确性。

作为示例，服务器根据提取的态度词，确定互动信息针对视频中对象的感兴趣程度的过程可以是：通过兴趣词库，确定提取的态度词的标签；其中，标签用于指示对应的互动信息针对视频中对象的感兴趣程度。

以感兴趣程度的类型是“感兴趣”和“不感兴趣”为例，兴趣词库包括感兴趣词库和不感兴趣词库。感兴趣词库中包括类似于“喜欢”或“很棒”等积极态度的词语，不感兴趣词库中包括类似于“不喜欢”或“不好”等消极态度的词语。

当提取的态度词的标签是感兴趣词库时，对应的互动信息针对视频中对象的感兴趣程度为感兴趣；当提取的态度词的标签是不感兴趣词库时，对应的互动信息针对视频中对象的感兴趣程度为不感兴趣。

作为示例，服务器确定互动信息的互动对象的过程可以是：服务器调用命名实体识别模型执行以下处理：提取互动信息中每个文字对应的字特征向量；根据互动信息中每个文字对应的字特征向量确定互动信息中每个文字对应的标签；根据每个文字对应的标签确定互动信息的实体，并将实体作为互动信息的互动对象。如此，通过机器学习的方式能够准确识别出互动信息的互动对象，从而能够准确判断用户对视频中对象的感兴趣程度，以提高信息推荐的准确性。

这里，命名实体识别模型是以样本互动信息、以及针对样本互动信息的标注的对象为样本训练得到的。

作为示例，服务器根据提取的态度词，确定互动信息针对视频中对象的感兴趣程度的过程可以是：服务器调用情感预测模型执行以下处理：提取态度词的特征向量，将提取的特征向量映射为分别属于不同的感兴趣程度的概率；将最大概率所对应的感兴趣程度确定为互动信息针对视频中对象的感兴趣程度。如此，通过机器学习的方式能够准确确定互动信息针对视频中对象的感兴趣程度，从而能够准确判断用户对视频中对象的感兴趣程度，以提高信息推荐的准确性。

这里，情感预测模型是以样本互动信息、以及针对样本互动信息的标注的感兴趣程度为样本训练得到的。

需要说明的是，终端完成互动信息的语义分析处理过程和服务器完成互动信息的语义分析处理过程类似，将不再进行赘述。

参见图4b，图4b是本发明实施例提供的信息推荐方法的流程示意图，基于图3，在步骤s102之后可以包括步骤s106，其中，步骤s106和步骤s103可以并存，步骤s106也可以替换步骤s103。

在步骤s106中，当未确定互动信息针对视频中对象表征的感兴趣程度时，终端将与视频预关联的多个候选的推荐信息进行排序，并根据排序结果选取至少一个候选的推荐信息。

在一些实施例中，终端可以调用操作系统551的相应服务(例如，排序选取服务)，完成候选的推荐信息的排序选取过程。终端也可以调用服务器的相应服务(例如，排序选取服务)，通过服务器完成候选的推荐信息的排序选取过程。

如此，步骤s106的替换步骤可以是：当未确定互动信息针对视频中对象表征的感兴趣程度时，服务器将与视频预关联的多个候选的推荐信息进行排序，并根据排序结果选取至少一个候选的推荐信息，并将选取的推荐信息发送至终端。

下面以服务器完成候选的推荐信息的排序选取过程为例，说明排序选取的具体实现方式。

在一些实施例中，服务器根据每个候选的推荐信息的查看热度，将多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现。

以商品推荐为例，服务器根据每个候选的推荐信息对于的商品的销量，将多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现，如此，能够向用户推荐最热门的商品。

在另一些实施例中，服务器根据每个候选的推荐信息符合用户偏好的概率，将多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现。

作为示例，服务器调用神经网络模型执行以下处理：提取每个候选的推荐信息的特征向量，将提取的特征向量映射为符合用户偏好的概率，根据概率，将多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现。

这里，神经网络模型是以样本推荐信息、以及针对样本推荐信息的标注的感兴趣程度为样本训练得到的。

需要说明的是，终端完成候选的推荐信息的排序选取过程和服务器完成候选的推荐信息的排序选取过程类似，将不再进行赘述。

本发明实施例支持当根据互动信息分析不出针对视频中对象的感兴趣程度时，能够多维度的确定符合用户需求的推荐信息，以保证信息推荐的准确性。

下面，以由图1中的终端400和服务器200协同实施本发明实施例提供的信息推荐方法为例进行说明。参见图5，图5是本发明实施例提供的信息推荐方法的流程示意图，将结合图5示出的步骤进行说明。

在步骤s501中，终端获取视频，并播放视频。

在步骤s502中，终端在视频播放过程中，呈现针对视频的互动信息，并将互动信息发送至服务器。

在步骤s503中，服务器对互动信息进行语义分析处理，以得到互动信息表征的针对视频中对象的感兴趣程度。

在步骤s504中，服务器根据互动信息表征的针对视频中对象的感兴趣程度，确定推荐信息，并将推荐信息发送至终端。

在步骤s505中，终端呈现推荐信息。

需要说明的是，步骤s501至步骤s505中的具体实现方式和上述步骤s101至步骤s105类似，将在此不再进行赘述。

本发明实施例中，服务器相对于终端来说计算能力强，运算速度快，通过服务器完成确定推荐信息的过程，不仅能够提高终端获取推荐信息的速度，而且能够减小终端的计算资源。

下面，以应用场景是商品(或称产品)推荐为例，说明本发明实施例提供的信息推荐方法。

参见图6a和图6b，图6a和图6b是相关技术提供的信息推荐的应用场景示意图。图6a中，相关技术中通常是商家推广一件商品，然后给出对应的商品推广链接601。

对于各种类型的推广视频，如果用户浏览到了该视频，在看完该视频不感兴趣后，就会选择其它视频进行观看，对于商家来说，该曝光机会就失去了意义。而对于很多长视频来说，广告位的设置可能在视频的播放过程中一直存在，例如，图6b中，在视频的播放界面中始终呈现固定广告位602。其中，广告位是基于运营的配置，可能与视频内容相关，也可能与视频内容无关。因此广告很难与用户的喜好进行结合，从而无法引起用户的兴趣，进而也不会引起用户的点击。

相关技术中，广告位的固定配置让视频的曝光只吸引到一部分对该视频感兴趣的用户，而对于很多对该视频没有兴趣的用户，视频的曝光失去了意义。

针对上述问题，本发明实施例除了已有的广告位，新增不固定配置的多个广告位，在视频结束时根据用户发表的评论，弹幕以及点赞等情况，选择不同的广告位进行展示，或者将商家配置的多个广告位进行排序，以让用户感兴趣的广告位最先展示，能够让用户可以最先看到自己感兴趣的内容，减少用户的操作路径。

商家上传视频时，允许商家配置相关推荐的广告位，以作为视频的广告链接(或称视频推广链接，即上述的候选的推荐信息)，用户在观看视频时，如果对视频中推广的内容(或称视频中推广的商品，即上述的视频中对象)感兴趣，可以通过直接点击广告链接跳转到商城页面或者广告详情页等。但是对于一个视频仅配置一个广告链接的情况，对于不喜欢该视频广告的用户，该链接无法起到应有的导流作用，因此，本发明实施例允许商家配置多个广告链接，广告链接配置的广告内容允许具有完全相反的属性。例如，a和b是两个完全不同的商品，允许商家在推广a商品的视频广告中配置b商品的广告链接，客户端将在用户视频观看结束时，根据用户在观看过程中的发送的弹幕和发送的视频评论，分析出用户对于商品的喜好，并基于分析结果给出相应的广告链接，从而增加用户点击的可能性。

下面将针对商家侧的客户端(或简称为商家)和用户(即消费者)侧的客户端(或简称为用户)分别进行说明。

(一)对于商家的具体实现方式

参见图7a，图7a是本发明实施例提供的应用场景示意图。图7a中，当商家准备发布推广视频时，首先进行视频的创作，视频创作完成后，发布视频的界面中呈现配置按钮701，当商家触发配置按钮701时，呈现链接配置界面。链接配置界面内提供选项让商家配置视频推广链接、视频的标题、以及封面图等。对于推广链接的配置，本发明实施例允许针对一个推广视频配置多个推广链接，推广链接的网页中的商品可以是视频中推广的商品(或称视频商品、视频推广商品)，也可以是与视频推广的商品不同的其它商品。

链接的网页中的商品可以是视频中推广的内容(或称对象)，也可以是与视频推广商品相同类型的其它商品。

这里，商家需要在链接配置界面填写推广视频的关键字，并根据自己的需要添加多个商品链接内容，主要包括推广的链接和推广的封面图。其中，类型字段用于商家配置视频推广的商品与该推广链接的关系。链接配置界面中的“相同类型(或称同类型)”表示推广链接所对应的商品与视频商品为相同类型，“互斥类型(或称不同类型)”表示推广链接所对应的商品与视频商品为互斥关系，“其它类型(或称相关类型、相似类型)”表示推广链接所对应的商品与视频商品关联性较低。配置完成后商家就可以发布该视频，如此，即完成商家侧的客户端的操作。

(二)对于用户的具体实现方式

对于用户来说，用户在观看发布者(即上述的商家)发布的视频时，可以正常观看到商家配置的推广链接，如图6a。

用户在正常观看视频时可以看到商家配置的推广链接，在视频观看的过程中，当用户针对视频发出了弹幕，或者对视频进行了评论后，本发明实施例会基于用户发出的弹幕和评论进行语义分析。如此，在视频观看结束时将基于语义分析的结果展示不同的推广链接。

当语义分析的结果表示用户对商家视频中推广的商品感兴趣时，会从商家配置的多个推广链接中，选出与视频推广商品“相同类型”的链接进行展示；当语义分析的结果表示用户对商家视频中推广的商品没兴趣时，会从商家配置的多个推广链接中，选出与视频推广商品“互斥类型”的链接进行展示。基于语义分析的结果，对商家配置的多个推广链接进行个性化排序，优先展示用户感兴趣的推广链接。在视频播放完成后的结束封面展示排序后的推广链接。

参见图7b，图7b是本发明实施例提供的应用场景示意图，图7b中，当语义分析的结果表示用户对商家视频中推广的商品感兴趣时，在广告展示区域702中，优先展示相同类型的推广链接，再展示其它类型的推广链接。

参见图8，图8是本发明实施例提供的信息推荐方法的流程示意图，将结合图8说明本发明实施例提供的信息推荐方法的具体实现方式。

本发明实施例的实现方式概括是：

首先客户端获取商家配置的推广链接，将视频观看过程中的弹幕、评论收集至服务器进行语义分析；然后服务器根据语义分析结果对推广链接进行处理。其中，客户端负责推广链接的收集、视频播放、以及播放结束后的推广链接的展示；服务器负责对弹幕和评论进行语义分析处理。

本发明实施例的具体实现方式是：

在步骤s801中，客户端获取商家上传的视频、以及针对该视频配置的推广链接，并将视频和相应的推广链接发送至服务器(即视频平台)。

在步骤s802中，服务器对视频和相应的推广链接进行审核，审核通过后，将视频分发至客户端。

在一些实施例中，服务器对视频和相应的推广链接可以是进行违规审核，例如，是否包含色情、暴力等违规内容，当具备违规内容时，则审核不通过。

在步骤s803中，客户端响应于用户观看视频时的互动操作，获取相应的弹幕和/或评论，并将弹幕和/或评论提交至服务器。

在步骤s804中，服务器对弹幕和/或评论进行语义分析处理，以获得分析结果。

在步骤s805中，服务器根据分析结果向客户端返回推广链接。

在一些实施例中，当分析结果表征用户对视频推广商品不感兴趣时，返回商家配置的“互斥类型”的推广链接至客户端；当分析结果表征用户对视频推广商品感兴趣时，返回商家配置的“相同类型”的推广链接至客户端；当分析结果无法判断用户是否对视频推广商品感兴趣时，将商家配置的推广链接进行个性化排序后，返回至客户端。

在步骤s806中，客户端在视频结束时在人机交互界面呈现接收到的推广链接。

在一些实施例中，用户可以根据自己的喜好触发相应的推广链接。

下面具体说明上述过程中，客户端和服务器的逻辑实现。

(一)客户端的逻辑实现

客户端负责将推广视频和推广链接等内容上传到服务器，对于推广链接的类型，因为需要对不同的推广链接进行区分，例如每一个推广链接与商家发布的视频的关系(即，推广链接和视频中推广的商品之间的关系)。因此，本发明实施例中设计了三种类型的推广链接，分别是“相同类型”、“互斥类型”和“其它类型”。

需要说明的是，这里的推广链接的类型可以继续扩充，不仅限于上述三种类型。

以上三种类型的推广链接与商家发布的推广视频的关系如表1所示，表1是推广链接与商家发布的推广视频的关系表。

表1推广链接与商家发布的推广视频的关系表

除了以上三种相关程度为0、0.5、以及1的类型外，也可以增加其它相关程度的推广类型。本发明实施例以三种类型为例，当商家制作完成了推广视频，填写了视频的关键字，且配置完成推广链接后，通过客户端上传视频和配置信息。如此，客户端发送到服务器的数据包括：推广视频、推广视频的关键字、以及相应的多个推广链接。

客户端在视频播放快结束时，将用户观看视频的期间发表的弹幕和/或评论发送给服务器，并从服务器获取排序完成的推广链接，客户端根据返回的推广链接的个数与顺序，在人机交互界面中展示。

这里，每个推广链接的组成要素如图9所示，图9是本发明实施例提供的推广链接的结构示意图。

图9中，每一条推广链接是以图片(imageview)901、文本(textview)903、以及按钮(button)902组合为一个条目(item)的样式展示在界面中，每个条目在被触发后将通过网页视图(webview)加载商家配置的链接来展示商家推广的具体内容。当服务器返回的推广链接不止一条时，客户端将通过多个条目组成一个竖向列表(recyclerview)来展示更多的内容。

(二)服务器的逻辑实现

当距离视频结束还有5秒钟(这里，时长可以根据视频长度调整)时，客户端将用户观看视频期间发表的弹幕和/或评论发送给服务器，客户端向服务器发送的数据还包括视频的标识(id，identity)。如此，服务器可以根据视频的标识，确定当前用户正在观看的视频。服务器在接收到客户端发送的数据后，首先根据视频的标识，从媒资库中查找到用户当前正在观看的视频，然后根据视频查找到商家配置的视频关键字。

服务器进行语义分析时需要的数据包括：商家配置的视频关键字、以及用户发表的弹幕和/或评论。语音分析的输出结果是排序后的推广链接。

举例来说，商家配置的视频关键字为“安卓手机”(这里，关键字可以更具体，例如，手机型号等，关键字可以配置多个)；商家配置了三个推广链接，分别为“相同类型”的链接a(即该手机的推广链接)，“互斥类型”的链接b(电视的推广链接)，“其它类型”的链接c(另一个款手机的推广链接)；用户发表的评论为“这个手机不好”；发表的弹幕为“别买这个手机”。

服务器获取用户的评论和弹幕，查找到用户正在观看的视频所配置的关键字为“安卓手机”，以及推广链接a、推广链接b和推广链接c。服务器对评论和弹幕进行语义分析，语义分析的主要逻辑是查找语义角色，例如，“这个手机不好”中的“这个”指代的是视频中推广的商品。语义角色分析出后，确定用户对商品的态度词，例如“不好”和“别买”等，其它的更多代表态度积极与消极的词可以通过机器学习的方式让服务器快速的从用户的弹幕和评论中进行检索。服务器将语义角色与用户态度词进行结合后得出语义分析结果。在本示例中经过语义分析后，服务器认为该用户对商家视频推广的商品不感兴趣，因此，剔除商家配置的推广链接中与商品相关度高于50％的推广链接，即，剔除链接a，并将链接b和链接c按照相关度进行排序。最终返回给客户端的结果是链接c和链接b。客户端在收到链接后，将其创建item展示在视频结束的页面上，以供用户进行点击。

在一些实施例中，推广链接的类型除了上文中的三种，可以增加更多种类，其中，每个种类所对应的相关度(即与推广视频商品之间的相关度)均不同，例如“近似商品”或“替代商品”等。

在一些实施例中，客户端收集用于分析语义的因素，除了上述的弹幕和评论之外，还可以增加点赞、转发或回踩等可以判断出用户喜好的互动操作。

在一些实施例中，推广链接除了能够展示在视频结束时，也可以根据用户每次不同的行为，展示在固定位置。例如，用户点赞了该视频之后将相应的推广链接展示在视频的下方，并且用户每次发表评论时都对推广链接的展示顺序进行刷新等。

本发明实施例支持商家配置多个商品的推广链接，并根据用户在观看推广视频过程中表现出来的喜好，对配置的推广链接进行个性化的筛选，保证用户可以优先看到最感兴趣的商品，并屏蔽用户不感兴趣的商品，从而给商家的每一次视频曝光带来更多的点击量。

下面继续说明本发明实施例提供的信息推荐装置555的实施为软件模块的示例性结构，在一些实施例中，如图2所示，存储在存储器550的信息推荐装置555中的软件模块可以包括：

互动呈现模块5551，用于在视频播放过程中，呈现针对所述视频的互动信息；

语义分析模块5552，用于对所述互动信息进行语义分析处理，以得到所述互动信息表征的针对所述视频中对象的感兴趣程度；

推荐模块5553，用于根据所述互动信息表征的针对所述视频中对象的感兴趣程度，确定推荐信息；呈现所述推荐信息。

在上述方案中，所述互动呈现模块5551，还用于呈现视频互动界面；响应于在所述视频互动界面中接收到的针对所述视频的互动操作，并呈现对应所述互动操作的互动信息。

在上述方案中，所述推荐模块5553，还用于将与所述视频中对象之间的相关程度满足相关条件的候选的推荐信息确定为所述推荐信息；其中，所述相关程度表征所述推荐信息推荐的对象与所述视频中对象之间的相关性；所述相关程度与所述感兴趣程度之间具有正相关关系。

在上述方案中，所述推荐模块5553，还用于当所述互动信息针对所述视频中对象的感兴趣程度为感兴趣时，选取降序排列中在前的至少一个推荐信息；其中，所述降序排列是将多个所述候选的推荐信息根据所述相关程度从高到低进行排序得到；当所述互动信息针对所述视频中对象的感兴趣程度为不感兴趣时，选取升序排列中在前的至少一个推荐信息；其中，所述升序排列是将多个所述候选的推荐信息根据所述相关程度从低到高进行排序得到。

在上述方案中，所述推荐模块5553，还用于将对应所述感兴趣程度的推荐信息类型中的候选的推荐信息确定为所述推荐信息；其中，不同的所述感兴趣程度对应不同的所述推荐信息类型，且所述感兴趣程度与相关程度之间具有正相关关系，所述相关程度表征所述推荐信息类型中的推荐信息推荐的对象与所述视频中对象之间的相关性。

在上述方案中，所述推荐模块5553，还用于当所述互动信息针对所述视频中对象的感兴趣程度为感兴趣时，选取对应所述对象的至少一个推荐信息，和/或，选取对应相关对象的至少一个推荐信息；其中，所述相关对象和所述对象归属于相同的推荐信息类型；当所述互动信息针对所述视频中对象的感兴趣程度为不感兴趣时，选取对应无关对象的至少一个推荐信息；其中，所述无关对象和所述对象归属于不同的推荐信息类型。

在上述方案中，所述语义分析模块5552，还用于提取所述互动信息中表征语义角色的文本词，以作为所述互动信息的互动对象；当所述互动对象和所述视频中对象相匹配时，提取所述互动信息中对应所述互动对象的态度词；根据提取的所述态度词，确定所述互动信息针对所述视频中对象的感兴趣程度。

在上述方案中，所述语义分析模块5552，还用于调用情感预测模型执行以下处理：提取所述态度词的特征向量，将提取的所述特征向量映射为分别属于不同的感兴趣程度的概率；将最大概率所对应的感兴趣程度确定为所述互动信息针对所述视频中对象的感兴趣程度；其中，所述情感预测模型是以样本互动信息、以及针对所述样本互动信息的标注的感兴趣程度为样本训练得到的。

在上述方案中，所述信息推荐装置555还包括：排序模块，用于当未确定所述互动信息针对所述视频中对象表征的感兴趣程度时，将与所述视频预关联的多个候选的推荐信息进行排序，并根据排序结果选取至少一个候选的推荐信息进行呈现。

在上述方案中，所述排序模块，还用于通过以下方式至少之一选取待呈现的候选的推荐信息：根据每个候选的推荐信息的查看热度，将所述多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现；根据每个候选的推荐信息符合用户偏好的概率，将所述多个候选的推荐信息进行降序排列，并选取在前的至少一个候选的推荐信息进行呈现。

在上述方案中，所述推荐模块5553，还用于在所述视频播放过程中，呈现所述推荐信息，和/或，当所述视频播放结束时，呈现所述推荐信息。

在上述方案中，所述推荐模块5553，还用于响应于针对所述推荐信息的触发操作，跳转到所述推荐信息携带的链接对应的页面。

在上述方案中，所述推荐模块5553，还用于当播放新的视频的过程中再次出现所述对象时，呈现所述推荐信息，和/或，当所述新的视频播放结束时，呈现所述推荐信息。

本发明实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本发明实施例上述的基于人工智能的习题处理方法。

本发明实施例提供一种存储有计算机可执行指令的计算机可读存储介质，其中存储有计算机可执行指令，当计算机可执行指令被处理器执行时，将引起处理器执行本发明实施例提供的信息推荐方法，例如，图3、图4、图5、或图8示出的信息推荐方法，计算机包括智能终端和服务器在内的各种计算设备。

在一些实施例中，计算机可读存储介质可以是fram、rom、prom、eprom、eeprom、闪存、磁表面存储器、光盘、或cd-rom等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，计算机可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，计算机可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。

作为示例，计算机可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

综上所述，本发明实施例具有以下有益效果：

(1)获取互动信息，能够后续根据互动信息准确选取符合用户偏好的推荐信息，从而实现信息的精准推荐；并通过呈现互动信息，能够使用户观看视频的过程中，实时感知其余用户针对该视频的态度，从而能提高用户在观看视频的参与度。

(2)当用户针对视频中对象感兴趣时，优先推荐和视频中对象的相似性最高的对象所对应的推荐信息；当用户针对视频中对象不感兴趣时，优先推荐和视频中对象的相似性最低的对象所对应的推荐信息，能够让用户感兴趣的信息最先展示，能够让用户可以最先看到自己感兴趣的内容，减少用户的操作路径。

(3)将感兴趣程度和推荐信息的推荐信息类型进行匹配，能够在实现精准推荐的基础上，减小终端或服务器选取候选的推荐信息的工作量，从而减少终端或服务器的计算资源。

(4)将感兴趣程度的取值区间和相关程度的取值区间进行匹配，能够在实现精准推荐的基础上，减小终端或服务器对候选的推荐信息的排序的工作量，从而减少终端或服务器的计算资源。

(5)在呈现新的视频的同时或结束后呈现对应已经播放的视频的推荐信息，能够在减小推荐计算次数的基础上，保证推荐的准确性。

以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。