5] "用户的特征信息"是指能够表示用户对视频的偏好的信息。具体可以通过以下方 式获取:首先获取用户的历史视频集中的每个历史视频的特征信息;然后根据该每个历史 视频的特征信息，获取该用户的特征信息。可选的，由于历史视频集中的历史视频会不断更 新，终端可以定期地或周期性地或触发性地，根据更新后的历史视频集，重新获取用户的特 征信息。
[0046] "视频(包括相关视频和历史视频)的特征信息"可以包括:视频与各特定标签之间 的关联程度和/或视频与各特定主题之间的关联程度，当然具体实现时还可以包含其他信 息。其中，特定标签是指推荐过程中使用的视频标签，其可以是用户指定的标签，也可以是 从用户的各历史视频的标签中提取出的标签。特定主题是指在推荐的过程中使用的视频主 题，其是在训练主题模型的过程中获得的。
[0047]视频与各特定标签之间的关联程度，可以使用"0"或"Γ表示，其中，"0"表示该视 频与特定标签之间没有关联关系，即该视频的标签列表中不包含该特定标签，例如一部电 影的标签中没有演员Α;"Γ表示该视频与特定标签之间有关联关系，即该视频的标签列表 中包含该特定标签，例如一部电影的标签列表中包含演员Α。当然，具体实现时，视频与各特 定标签之间的关联程度还可以用其他方式表示。
[0048] 视频与各特定主题之间的关联程度，可以使用视频在各特定主题上的概率分布表 示。其具体可以通过训练视频的简介的LDA主题模型或其他主题模型得到。
[0049] 可选的，当视频的特征信息包括视频与各特定标签之间的关联程度时，用户的特 征信息可以包括用户与该各特定标签之间的关联程度。该情况下，终端为用户所推荐的目 标视频的相关视频，能够满足对特定标签的偏好度较高的用户的需求，也就是说，针对这部 分用户来说，能够降低所推荐的视频不是用户喜欢的视频的概率，从而提高用户的体验。
[0050] 当视频的特征信息包括视频与各特定主题之间的关联程度时，用户的特征信息可 以包括用户与该各特定主题之间的关联程度。该情况下，终端为用户所推荐的目标视频的 相关视频，能够满足对特定主题的偏好度较高的用户的需求，也就是说，针对这部分用户来 说，能够降低所推荐的视频不是用户喜欢的视频的概率，从而提高用户的体验。
[0051] 当视频的特征信息包括视频与各特定标签之间的关联程度和视频的特征信息包 括视频与各特定主题之间的关联程度时，用户的特征信息可以包括用户与该各特定标签之 间的关联程度和用户与该各特定主题之间的关联程度。该情况下，终端为用户所推荐的目 标视频的相关视频，能够满足对特定标签和特定主题的偏好度较高的用户的需求，也就是 说，针对这部分用户来说，能够降低所推荐的视频不是用户喜欢的视频的概率，从而提高用 户的体验。
[0052]可选的，视频的特征信息的集合可以使用向量的方式表示，并将该向量称为视频 的特征向量;其中，视频的特征向量中的元素表示视频与一个特定标签之间的关联程度，或 者表示视频与一个特定主题之间的关联程度等。相应地，用户的特征信息可以使用向量的 方式表不，并将该向量称为用户的特征向量;其中，用户的特征向量中的兀素表不用户与一 个特定标签之间的关联程度，或者表示用户与一个特定主题之间的关联程度等。
[0053]需要说明的是，视频的特征向量中可以既包含表示视频与一个特定标签之间的关 联程度的元素，又包含表示视频与一个特定主题之间的关联程度的元素;相应地，用户的特 征向量中可以既包含表示用户与一个特定标签之间的关联程度的元素，又包含表示用户与 一个特定主题之间的关联程度的元素。例如，可以将视频的特征向量表示为P= (pi，p2)，其 中，P1是向量P的一个子向量，该子向量中的每个元素表示视频与一个特定标签之间的关联 程度;p2是向量p的另一个子向量，该子向量中的每个元素表示视频与一个特定主题之间的 关联程度;相应地，可以将用户的特征向量表示为q=(ql，q2)，其中，ql是向量q的一个子向 量，该子向量中的每个元素表示用户与一个特定标签之间的关联程度;q2是向量q的另一个 子向量，该子向量中的每个元素表示用户频与一个特定主题之间的关联程度。
[0054] -般地，用户的特征向量与视频的特征向量所包含的元素的数目相同，并且处于 同一位置上的元素均表示与同一特定标签或同一特定主题之间的关联程度，例如，用户的 特征向量的第2个元素与视频的特征向量的第2个元素均表示（用户或视频)与特定标签2之 间的关联程度，或表示(用户或视频)与特定主题1之间的关联程度。
[0055] "目标视频的相关视频集"可以是终端从视频信息库中选择出的部分或全部相关 视频构成的集合。其中，"视频信息库"可以是终端定时地或周期性地或触发性地向网络侧 设备获取的，或者是网络侧设备定时地或周期性地或触发性地向终端推送的视频的信息 (包括视频的标识、视频的简介、视频的标签等）。
[0056] 在一种可选的实现方式中，为了提高推荐效率，终端可以在离线状态下获取用户 的特征信息和每个相关视频的特征信息;然后存储这些信息。这样，步骤S101可以通过以下 方式实现:直接读取终端中存储的用户的特征信息和该每个相关视频的特征信息。当然，具 体实现时，终端也可以在线获取这些信息。下文中将详细描述如何获取这些信息。
[0057] 当视频信息库更新后，终端可以重新获取目标视频的相关视频集，并重新执行步 骤S102-S103，以重新得到目标视频的关于该用户的相关视频。
[0058]具体实现时，在步骤S101之前，该方法还可以包括:终端从相关的接口获取用户的 ID(Identify，身份标识号码)和目标视频的ID;其中，用户ID可以是用户的登录名或登录账 号等；目标视频的ID可以是目标视频的URL(Uniform Resource Locator，统一资源定位符） 等。
[0059] S102:终端根据该用户的特征信息和每个相关视频的特征信息，获取该用户对每 个相关视频的偏好值。
[0060] 具体的，终端可以将表示该用户的特征信息的向量（即用户的特征向量），与表示 该每个相关视频的特征信息的向量(即相关视频的特征向量)相乘，得到该用户对每个相关 视频的偏好值。
[0061] S103:终端根据该用户对每个相关视频的偏好值，从相关视频集中选择出目标视 频的关于该用户的相关视频。
[0062] 终端设备可以按照从大到小的顺序，对所获取到的用户对每个相关视频的偏好值 进行排序，并将排序靠前的预设数量个视频作为目标视频的关于该用户的相关视频。
[0063] S104:向该用户推荐目标视频的关于该用户的相关视频。
[0064] 具体可以包括:在终端播放完目标视频，或者在播放的过程中，在用户界面的相应 位置，显示目标视频的关于该用户的相关视频。
[0065] 本发明实施例提供的视频推荐方法，通过获取用户的特征信息和目标视频的相关 视频集中的每个相关视频的特征信息，然后根据这些信息，获取用户对目标视频的相关视 频集中的每个相关视频的偏好，以根据该偏好值，从关视频集中选择出目标视频的关于该 用户的相关视频。该技术方案在确定目标多媒体文件的相关多媒体文件集的基础上，结合 不同用户对该相关多媒体文件集中的每个相关多媒体文件的偏好值，从该相关多媒体文件 集中选择出关于不同用户的相关多媒体文件，也就是说，本技术方案可以结合用户的偏好 为不同的用户推荐不同的多媒体文件，与现有技术相比，能够降低所推荐的视频是用户不 喜欢的视频的概率，从而提高了用户的体验。
[0066]下面说明终端获取用户的特征信息的过程和获取相关视频的特征信息的过程。其 中，具体以用户的特征信息包括用户与该各特定标签之间的关联程度，以及用户与各特定 主题之间的关联程度为例进行说明。
[0067]终端获取用户的特征信息的过程
[0068] 如图2所示，具体可以包括以下步骤1-4。其中，步骤1-2是终端获取用户与各特定 标签之间的关联程度的过程，步骤3-4是终端获取用户与各特定主题之间的关联程度的过 程。具体实现时，本发明实施例对步骤1-2,以及步骤3-4之间的执行顺序不进行限定。
[0069] 步骤1、获取用户的历史视频集中的每个历史视频与每个特定标签之间的关联程 度。
[0070] 终端从用户已观看的历史(User History)数据表和用户收藏(User Collect)数 据表中提取该用户的部分或全部历史视频，构成历史视频集。然后，从视频信息库中提取历 史视频集中的每个历史视频的标签，得到每个历史视频的标签列表。接着，终端确定特定标 签，以及匹配每个历史视频的标签列表与所确定的每个特定标签，即确定每个历史视频的 标签列表中是否包含所确定的每个特定标签，从而确定用户的历史视频集中的每个历史视 频与每个特定标签之间的关联程度。该过程的示意图可以参考图3。
[0071] 假设历史视频集中有N个历史视频，特定标签包括nl个导演，n2个演员以及n3个视 频类型，其中，N、nl、n2、n