群的优先级大于适用年级的优先级 大于科目的优先级大于版本的优先级大于关键词的优先级。
[0055] 因为按照用户的需求来说，首先需要给用户推荐相同适用人群的视频，如当科目 或者版本一样时，给用户推荐科目或者版本相同但是适用人群不相同的视频，显然给用户 推荐的结果不是适合用户的视频。
[0056] 再比如：一部视频是小学一年级语文苏教版，适用人群是小学生，年级为一年级， 课程名称为语文，版本为苏教版，在根据该目标视频的视频信息给用户进行相关视频推荐 的时候，假如其他的视频中所有的视频标签与该目标视频的视频标签进行匹配，得到以下 几种情况：1.视频标签当中没有一个匹配成功的（该视频被定义为不相关）。2.视频标签中 有且只有一个标签匹配成功。3.视频标签当中有两个视频标签匹配成功。4.视频标签当中 有三个视频标签匹配成功。5.视频标签当中有四个视频标签匹配成功(该视频被定义为最 相关）。如果有相关视频和目标视频的视频标签匹配，其中一个视频中的视频标签所属类别 为年级、科目和版本中的视频标签均匹配，另外一个视频中的视频标签匹配对应的视频标 签所属类别为适用人群和年级，如果纯粹按照传统的做法，根据匹配视频标签所属类别的 数目进行推荐的话，首先需要为用户推荐的是第一个视频，即三个视频标签所属类别中的 视频标签匹配，但是这个视频中最重要的视频标签所属类别适用人群中的视频标签不匹 配，用户观看的目标视频为小学，此视频适用人群为中学，显然，这不是用户想要和适合的 视频。第二个视频虽然只有两个视频标签所属类别中的视频标签与目标视频相匹配，但是 适用人群和适用年级中的视频标签均匹配，也为小学一年级相关的视频，那么，首先应该推 荐第二个视频给用户。
[0057] 本发明采用视频标签所属类别设置优先级权重就是考虑了上述情况，显然比原来 传统的根据固定标签所属类别中的固定标签匹配个数多少来选择推荐哪些视频，推荐准确 度得到了提高，用户体验也更好。
[0058] 另外，通过多次的实践之后确定了给用户推荐教育视频的视频标签所属类别优先 级顺序，适用人群〉适用年级〉科目〉版本〉关键词。
[0059] 再次举例，比如有5个教育视频，分别为￥1、￥2、￥3、￥4、￥5，他们的视频标签所属类 别分别为:适用人群、适用年级、科目、版本、关键词。假设预设视频中关键词中的视频标签 个数为5,则因为要满足/*# <2?，2M取满足大于的最小值，f为5，k最小取0,则m为 3。那么视频标签所属类别权重可以设置为:适用人群纪、适用年级2 5、科目#:、版本23、关 键词::?13。
[0060] 假设这5个视频的视频标签所属类别和视频标签分别为： 1>1，适用人群：小学，适用年级：一年级，科目：语文，版本：苏教版，关键词：拼音、作 文}; Iv2,适用人群：中学，适用年级:初一，科目：语文，版本:苏教版，关键词:诗词、作文}; 1>3,适用人群：小学，适用年级：二年级，科目：语文，版本：苏教版，关键词：拼音、作 文}; Iv4,适用人群:小学，适用年级:一年级，科目：数学，版本:苏教版，关键词：奥数}; Iv5,适用人群:小学，适用年级:一年级，科目：语文，版本:人教版，关键词：成语故事、 童话}; 以vl作为目标视频，分别计算其他视频与目标视频的权重得分，计算公式为： 64i4 +32/3 + ? +.?，h为关键词中视频标签匹配个数，4代表适用人群， 代表适用年级,?代表科目，^代表版本。
[0061] 得到：
[0062] 因为^oravlv5: > &o，，eTlV4 > > Storey，所以与目标视频vl 的相似度v5>v4 >v3>v2〇
[0063] 为用户推荐教育视频的话，顺序也将是v5，v4，v3，v2。
[0064] 而根据这5个视频的视频标签所属类别及视频标签，也可看出，v5与目标视频vl最 相关，用户看了目标视频vl之后，最大可能会想看视频v5,而视频vl最不相关，也并不适合 用户观看，推荐的话，用户体验最差。
[0065] 需要说明的是，本发明实施例并不局限于教育视频，也可应用于影视视频的推荐， 对于影视视频的推荐，视频标签所属类别可以根据用户对于影视视频的重视程度进行设置 和划分。
[0066] 具体地，用户在计算目标视频与其他视频之间的权重得分时，首先会根据目标视 频的视频标签进行过滤，缩小待推荐视频集合的范围。如：目标视频为教育类视频，则在数 据库中将教育类视频选取出来，构成待推荐视频集合，计算目标视频与待推荐视频集合中 每个视频之间的权重得分。如果目标视频为影视类视频，则在数据库中将影视类视频选取 出来构成待推荐视频集合，计算目标视频与待推荐视频集合中每个视频之间的权重得分。 这样大大减少了计算量，提高了推荐效率。
[0067] 103、视频推荐装置根据所述计算的目标视频与其他视频之间的权重得分，生成视 频推荐列表进行推荐。
[0068] 具体地，视频推荐装置根据所述计算的目标视频与其他视频之间的权重得分，对 所述权重得分进行归一化处理，得到目标视频与其他视频之间的相似度，根据所述目标视 频与其他视频之间的相似度，生成视频推荐列表，对用户进行推荐。
[0069] 具体地，对目标视频与其他视频之间的权重得分进行归一化处理具体为:首先获 得目标视频与其他视频之间的权重得分的最大值，然后将目标视频与其他视频之间的权重 得分除以所述获取的最大值，即得到目标视频与其他视频之间的相似度。
[0070] 示例性的，以上述5个教育视频计算得到的权重得分为例进行详细说明。
[0071] 目标视频vl与其他视频￥2、￥3、4、￥5之间的权重得分分别为25,90，104，112，最大 值为112,那么目标视频与其他视频￥2、￥3、4、￥5的权重得分均除以112，得到结果 :0.223， 0.804，0.929,1。即vl与v2的相似度为0.223, vl与v3的相似度为0.804, vl与v4的相似度为 0.929，￥1与巧的相似度为1。
[0072] 具体地，对目标视频与其他视频之间的相似度进行排序，根据需要推荐的视频个 数生成推荐列表对用户进行推荐。
[0073] 示例性的，如果用户需要2个视频，则因为vlv5的相似度〉vlv4的相似度〉vlv3的相 似度〉vlv2的相似度，取排名前两位的视频v5、v4构成推荐列表为用户进行推荐。
[0074] 综上所述，本发明实施例所提供的视频推荐方法，根据视频属性信息及预设的视 频标签所属类别权重，来计算目标视频与其他视频之间的权重得分，根据计算的目标视频 与其他视频之间的权重得分，生成视频推荐列表进行推荐。因为对视频标签进行了类别划 分，所以视频标签就不会出现无序、垃圾标签等问题，因为对视频标签所属类别设置了权 重，视频标签所属类别权重反映了视频标签类别的优先级，所以在计算目标视频与其他视 频之间权重得分时，也体现了视频标签所属类别的优先级，视频标签所属类别优先级高的， 在相似度中也会占用较高的权重，表明和目标视频越类似，在对用户进行视频推荐时，则更 倾向于用户喜欢的视频类型，从而提高了推荐的准确性，用户体验更好。
[0075] 另一方面，本发明实施例还提供了一种视频推荐装置，该装置用于实现上述的栏 目推荐方法，如图2所示，该装置包括:获取模块，相似度计算模块，推荐模块，其中： 获取模块，用于获取视频属性信息，所述视频属性信息包括视频标签及视频标签所属 类别； 权重得分计算模块，用于根据所述视频属性信息及预设的视频标签所属类别权重，计 算目标视频与其他视频之间的权重得分，其中，视频标签所属类别权重反映视频标签所属 类别优先级； 推荐模块，用于根据所述计算的目标视频与其他视频之间的权重得分，生成视频推荐 列表进行推荐。
[0076] 具体地，视频属性信息包括视频标识、视频标签及视频标签所属类别。
[0077] 可选的，该装置中的权重得分计算模块具体为:将目