视频推荐方法、装置、电子设备及计算机可读存储介质与流程

本申请实施例涉及互联网领域，涉及但不限于一种视频推荐方法、装置、电子设备及计算机可读存储介质。

背景技术：

1、目前，在视频推荐领域，常用的视频召回结构包括基于图卷积网络(gcn，graphconvolutional networks)的视频召回框架(例如，graphsage图神经网络)，可以通过聚合内容信息与对应的邻居内容信息，生成新的内容表达，也就是新的内容向量。

2、在实现的过程中，视频召回框架对源内容和目标内容的聚合网络采用相同参数。那么，对于同一个内容，由于同一个内容对应的邻居内容信息也相同，因此，所要聚合的内容信息不管是作为源内容，还是作为目标内容，得到的内容向量都相同。

3、由此可见，相关技术中的视频召回框架在进行召回计算时，对源内容和目标内容之间没有区分度，从而会造成信息表达不准确，影响召回效果；并且，源内容向量对目标对象的兴趣表达单一，而源内容是目标对象兴趣的承载，而目标对象一般会具有多个兴趣。因此，相关技术中的视频召回框架对目标对象的信息表达单一且不准确，无法得到目标对象准确的特征表达，从而降低视频召回的准确率。

技术实现思路

1、本申请实施例提供一种视频推荐方法、装置、电子设备及计算机可读存储介质，至少能够应用于人工智能领域和视频推荐领域，能够对目标对象进行准确的特征表达，从而提高视频召回的准确率。

2、本申请实施例的技术方案是这样实现的：

3、本申请实施例提供一种视频推荐方法，包括：获取目标对象的源视频、与所述源视频对应的第一邻居视频列表、与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表；基于预设的多兴趣查询向量，对所述源视频和所述第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；确定所述目标视频的目标视频向量，并基于所述多兴趣查询向量，对所述目标视频和所述第二邻居视频列表进行向量内积计算，得到多兴趣权重；基于所述源视频多兴趣向量和所述多兴趣权重，确定与所述源视频对应的源视频向量；

4、基于所述源视频向量和所述目标视频向量，对所述目标对象进行视频推荐。

5、本申请实施例提供一种视频推荐装置，所述装置包括：获取模块，用于获取目标对象的源视频、与所述源视频对应的第一邻居视频列表、与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表；多兴趣特征提取模块，用于基于预设的多兴趣查询向量，对所述源视频和所述第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；处理模块，用于确定所述目标视频的目标视频向量，并基于所述多兴趣查询向量，对所述目标视频和所述第二邻居视频列表进行向量内积计算，得到多兴趣权重；确定模块，用于基于所述源视频多兴趣向量和所述多兴趣权重，确定与所述源视频对应的源视频向量；视频推荐模块，用于基于所述源视频向量和所述目标视频向量，对所述目标对象进行视频推荐。

6、本申请实施例提供一种电子设备，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现上述的视频推荐方法。

7、本申请实施例提供一种计算机程序产品，该计算机程序产品包括可执行指令，可执行指令存储在计算机可读存储介质中；其中，电子设备的处理器从计算机可读存储介质中读取可执行指令，并执行可执行指令时，实现上述的视频推荐方法。

8、本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行所述可执行指令时，实现上述的视频推荐方法。

9、本申请实施例具有以下有益效果：基于预设的多兴趣查询向量，对源视频和源视频对应的第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；确定目标视频的目标视频向量，并基于多兴趣查询向量，对目标视频和目标视频对应的第二邻居视频列表进行向量内积计算，得到多兴趣权重；从而基于源视频多兴趣向量和多兴趣权重，确定与源视频对应的源视频向量；并基于源视频向量和目标视频向量，对目标对象进行视频推荐。如此，由于分别对源视频和目标视频进行特征提取，得到源视频向量和目标视频向量，并且，在生成源视频向量和目标视频向量时先生成多兴趣权重，再基于多兴趣权重确定源视频向量，使得同一源视频在与不同目标视频计算相似度时的源视频向量不同，即实现在不同视频推荐任务下同一源视频具有不同的表达向量，从而对目标对象进行个性化表达，实现对目标对象的准确特征表达，进而提高视频召回的准确率。

技术特征：

1.一种视频推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取目标对象的源视频、与所述源视频对应的第一邻居视频列表、与所述源视频具有预设映射关系的目标视频和与所述目标视频对应的第二邻居视频列表，包括：

3.根据权利要求2所述的方法，其特征在于，所述从所述目标对象的历史播放视频列表中确定目标对象的源视频和与所述源视频对应的第一邻居视频列表，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述有向连接图，确定所述目标对象的源视频和与所述源视频对应的第一邻居视频列表，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述历史播放视频列表，确定与所述源视频具有映射关系的目标视频和与所述目标视频对应的第二邻居视频列表，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于预设的多兴趣查询向量，对所述源视频和所述第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量，包括：

7.根据权利要求6所述的方法，其特征在于，所述第一邻居视频列表包括每一邻居视频对应的连接数；

8.根据权利要求6所述的方法，其特征在于，所述多兴趣查询向量由多个兴趣查询向量构成；

9.根据权利要求1所述的方法，其特征在于，所述确定所述目标视频的目标视频向量，包括：

10.根据权利要求1所述的方法，其特征在于，所述基于所述源视频向量和所述目标视频向量，对所述目标对象进行视频推荐，包括：

11.根据权利要求10所述的方法，其特征在于，所述方法还包括：基于所述源视频和所述相似视频列表构建视频索引；

12.根据权利要求1至11任一项所述的方法，其特征在于，所述视频推荐方法通过视频召回模型来实现；其中，所述视频召回模型通过以下步骤进行训练：

13.一种视频推荐装置，其特征在于，所述装置包括：

14.一种电子设备，其特征在于，包括：

15.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于引起处理器执行所述可执行指令时，实现权利要求1至12任一项所述的视频推荐方法。

技术总结
本申请实施例提供一种视频推荐方法、装置、电子设备及计算机可读存储介质，至少应用于人工智能领域和视频推荐领域，其中，方法包括：获取目标对象的源视频、第一邻居视频列表、目标视频和第二邻居视频列表；基于预设的多兴趣查询向量，对源视频和第一邻居视频列表进行多兴趣特征提取，得到源视频多兴趣向量；确定目标视频的目标视频向量，基于多兴趣查询向量，对目标视频和第二邻居视频列表进行向量内积计算，得到多兴趣权重；基于源视频多兴趣向量和多兴趣权重，确定与源视频对应的源视频向量；基于源视频向量和所述目标视频向量，对目标对象进行视频推荐。通过本申请，能够对目标对象进行准确的特征表达，从而提高视频召回的准确率。

技术研发人员：祖传龙
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/15