视频排序方法、装置、服务器及系统与流程

本发明涉及视频技术领域，更具体地，涉及一种视频排序方法、装置、服务器及系统。

背景技术：

互联网通讯的快速发展，为用户通过互联网购物、观看视频、社交，甚至在线医疗、保健等方面都提供了极大的方便；而用户在这些互联网行为活动过程中都会产生许多的网络数据，这些数据都反应了用户在购物或社交过程中的兴趣爱好，通过统计这些数据并合理分类，可以为用户行为特征的采集提供诸多的数据支持，如可以为个性化推送提供数据上的依据。

随着互联网快速发展，网速提升特别是移动网络提速，为用户随时随地观看视频提供便利；然而，网络视频数量及种类繁多，每个用户对视频的喜好度又不尽相同，为视频推送排序到来极大的困难。较合理的视频排序能够满足用户的爱好度，提升视频排序所带来的视频点击量和观看量。现有技术中根据后台预设规则安排的视频排序方式已远远不能满足手机视频排序的需求。

因此，提供一种合理化的视频自动排序的方案是本领域亟待解决的问题。

技术实现要素：

本发明实施例所要解决的一个技术问题是：为用户推送的视频列表排序不合理，不能满足用户的需求。

本发明实施例一种视频排序方法、装置、服务器及系统。所述技术方案如下：

根据本发明实施例的第一方面，提供一种视频排序方法，包括：

确定服务器当前状态；

根据所述服务器当前状态选择对应的排序模型；

获取待排序视频的视频特征；

根据所述视频特征及所述排序模型计算所述待排序视频的排序分数；

根据所述排序分数对所述待排序视频进行排序，生成视频排序列表；

将所述视频排序列表推送到客户端进行展示。

可选的，所述确定服务器当前状态，包括：

根据所述服务器的资源占用率确定所述服务器当前状态；

和/或，

根据当前时间确定所述服务器当前状态。

可选的，所述待排序视频的视频特征包括以下至少一项：

视频类型，视频评分，视频更新时间，视频在过去一天内的点击次数，频在过去一周内的点击次数，视频在过去一天内的搜索次数，视频在过去一周内的搜索次数，视频在过去一天内的结束播放次数，视频在过去一周内的结束播放次数，视频在过去一周内平均播放成功率，视频在过去一周内平均结束播放时长；

和/或，所述获取待排序视频的视频特征，包括：

获取预先选定的特征类型；

根据所述特征类型获取所述待排序视频的视频特征；

和/或，所述获取待排序视频的视频特征，包括：

检测所述待排序视频的有效性；

当所述待排序视频有效时，获取所述待排序视频的视频特征。

可选的，所述方法还包括：

根据样本视频播放时的服务器当前状态，对所述样本视频进行分组；

获取每个样本视频组中样本视频的视频特征及排序分数；

对所述视频特征及排序分数进行训练，得到所述样本视频组对应的排序模型。

可选的，所述方法还包括：

获取所述客户端的历史播放记录；

根据所述历史播放记录获取所述视频样本；

和/或，所述对所述视频特征及排序分数进行训练，包括：

采用坐标上升(coordinateascent)算法对所述视频特征及排序分数进行训练；

和/或，所述方法还包括：

获取所述客户端对所述视频排序列表中视频的播放记录；

根据所述播放记录调整所述视频列表中视频的排序分数；

将所述视频排序列表中的视频作为样本视频添加到对应样本视频组中；

根据所述视频排序列表中的视频的视频特征及调整后的排序分数对所述样本视频组对应的排序模型进行训练，得到新的排序模型。

根据本发明实施例的第二方面，提供一种视频排序装置，包括：

确定模块，用于确定服务器当前状态；

选择模块，用于根据所述服务器当前状态选择对应的排序模型；

第一获取模块，用于获取待排序视频的视频特征；

计算模块，用于根据所述视频特征及所述排序模型计算所述待排序视频的排序分数；

排序生成模块，用于根据所述排序分数对所述待排序视频进行排序，生成视频排序列表；

推送模块，用于将所述视频排序列表推送到客户端进行展示。

可选的，所述确定模块包括：第一确定子模块和/或第二确定子模块，

所述第一确定子模块，用于根据所述服务器的资源占用率确定所述服务器当前状态；

所述第二确定子模块，用于根据当前时间确定所述服务器当前状态。

可选的，所述待排序视频的视频特征包括以下至少一项：

视频类型，视频评分，视频更新时间，视频在过去一天内的点击次数，频在过去一周内的点击次数，视频在过去一天内的搜索次数，视频在过去一周内的搜索次数，视频在过去一天内的结束播放次数，视频在过去一周内的结束播放次数，视频在过去一周内平均播放成功率，视频在过去一周内平均结束播放时长；

和/或，所述第一获取模块包括：第一获取子模块和第二获取子模块，

所述第一获取子模块，用于获取预先选定的特征类型；

所述第二获取子模块，用于根据所述特征类型获取所述待排序视频的视频特征；

和/或，所述第一获取模块包括：检测子模块和第三获取子模块，

所述检测子模块，用于检测所述待排序视频的有效性；

所述第三获取子模块，用于当所述待排序视频有效时，获取所述待排序视频的视频特征。

可选的，所述装置还包括：分组模块、第二获取模块和训练模块，

所述分组模块，用于根据样本视频播放时的服务器当前状态，对所述样本视频进行分组；

所述第二获取模块，用于获取每个样本视频组中样本视频的视频特征及排序分数；

所述训练模块，用于对所述视频特征及排序分数进行训练，得到所述样本视频组对应的排序模型。

可选的，所述装置还包括：第三获取模块和第四获取模块，

所述第三获取模块，用于获取所述客户端的历史播放记录；

所述第四获取模块，用于根据所述历史播放记录获取所述视频样本；

和/或，所述训练模块，用于采用坐标上升(coordinateascent)算法对所述视频特征及排序分数进行训练；

和/或，所述装置还包括：第五获取模块、调整模块和添加模块，

所述第五获取模块，用于获取所述客户端对所述视频排序列表中视频的播放记录；

所述调整模块，用于根据所述播放记录调整所述视频列表中视频的排序分数；

添加模块，用于将所述视频排序列表中的视频作为样本视频添加到对应样所述本视频组中；

所述训练模块，用于根据所述视频排序列表中的视频的视频特征及调整后的排序分数对所述样本视频组对应的排序模型进行训练，得到新的排序模型。

根据本发明实施例的第三方面，提供一种视频排序服务器，其特征在于，包括上述权装置实施例中所述的视频排序装置。

一种视频排序系统，其特征在于，包括：上述视频排序服务器及客户端，

所述视频排序服务器将生成的视频排序列表发送到所述客户端，所述客户端对所述视频排序列表进行展示。

与现有技术相比，本发明的技术方案，根据服务器当前状态也即用户当前休闲工作状态，选择相应的排序模型对视频进行排序，使得视频排序更加符合用户需求，提高用户在客户端上观看视频的体验度。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1是本发明实施例示出的视频排序方法的流程图；

图2是本发明另一实施例示出的视频排序方法的流程图；

图3是本发明另一实施例示出的视频排序方法的流程图；

图4是本发明另一实施例示出的视频排序方法的流程图；

图5是本发明另一实施例示出的视频排序方法的流程图；

图6是本发明另一实施例示出的视频排序方法的流程图；

图7是本发明实施例示出的视频排序装置的框图；

图8是本发明实施例示出的确定模块701的框图；

图9是本发明实施例示出的第一获取模块703的框图；

图10是本发明另一实施例示出的第一获取模块703的框图；

图11是本发明另一实施例示出的视频排序装置的框图；

图12是本发明另一实施例示出的视频排序装置的框图；

图13是本发明另一实施例示出的视频排序装置的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本发明实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

图1是本发明实施例示出的视频排序方法的流程图。如图1所示，该视频排序方法应用于服务器中，包括以下步骤：

步骤s11，确定服务器当前状态；

步骤s12，根据服务器当前状态选择对应的排序模型；

步骤s13，获取待排序视频的视频特征；

步骤s14，根据视频特征及排序模型计算待排序视频的排序分数；

步骤s15，根据排序分数对待排序视频进行排序，生成视频排序列表；

步骤s16，将视频排序列表推送到客户端进行展示。

其中，服务器当前状态包括服务器的忙闲状态，根据服务器的忙闲状态，可以确定用户当前处于休闲时段或工作时段。

本实施例中，根据服务器当前状态也即用户当前休闲工作状态，选择相应的排序模型对视频进行排序，使得视频排序更加符合用户需求，提高用户在客户端上观看视频的体验度。

在另一实施例中，确定服务器当前状态，包括以下至少两种方式之一或以下至少两种方式的结合：

一、根据服务器的资源占用率确定服务器当前状态；

例如，当服务器的资源占用率大于或等于50％时，确定服务器处于忙时，当服务器的资源占用率小于50％，确定服务器处于闲时。

二、根据当前时间确定服务器当前状态。

例如，预先设定服务器闲时，即用户工作时段为：工作日，2:00-18:00；

服务器忙时，即用户休闲时段为：0:00-2:00及18:00-0:00，以及非工作日全天。

本实施例中，通过确定服务器当前状态，为视频排序选择相应的排序模型，使得排序结果更加精确，更符合用户需求。

在另一实施例中，待排序视频的视频特征包括以下至少一项：

视频类型，视频评分，视频更新时间，视频在过去一天内的点击次数，频在过去一周内的点击次数，视频在过去一天内的搜索次数，视频在过去一周内的搜索次数，视频在过去一天内的结束播放次数，视频在过去一周内的结束播放次数，视频在过去一周内平均播放成功率，视频在过去一周内平均结束播放时长。

在具体实施时，对于每项视频特征，可用以下字符表示：

aid_type,专辑类型；

aid_score,专辑评分；

aid_update_time,专辑更新时间；

index_list_uid_cnt_td,专辑在过去一天内的点击次数；

index_list_uid_cnt_7d,专辑在过去一周内的点击次数；

index_search_uid_cnt_td,专辑在过去一天内的搜索次数；

index_search_uid_cnt_7d,专辑在过去一周内的搜索次数；

vv_ending_td,专辑在过去一天内的结束播放次数；

vv_ending_7d,专辑在过去一周内的结束播放次数；

vv_success_rate_7d,专辑在过去一周内平均播放成功率；

vv_end_atime_sec_avg_7d专辑在过去一周内平均结束播放时长。

可选的，用于排序的视频特征并不限于上述特征，也可包括视频播放时间、视频适合年龄段等等。

另外，也可人工选择所要使用的视频特征。图2是本发明另一实施例示出的视频排序方法的流程图。如图2所示，获取待排序视频的视频特征，包括：

步骤s21，获取预先选定的特征类型；

步骤s22，根据特征类型获取待排序视频的视频特征。

本实施例中，可以根据视频的热度以及用户对视频的关注角度人工选择用于排序的视频特征，使得排序结果更加精确，更符合用户需求。

在另一实施例中，在视频播放过程中会有很多失效的视频，如过期视频、丢失部分数据的视频、或者质量较差的视频等等，如果排序推送至客户端，会极大地降低用户的使用体验。因此，在排序前，对视频的有效性进行检测。图3是本发明另一实施例示出的视频排序方法的流程图。如图3所示，获取待排序视频的视频特征，包括：

步骤s31，检测待排序视频的有效性；

步骤s32，当待排序视频有效时，获取待排序视频的视频特征。

本实施例中，对待排序视频的有效性进行检测，可以通过检测视频是否可以播放，视频质量是否符合预设要求等等确定视频是否有效，对于失效的视频，则不进行排序推送给用户。这样，提高了排序后视频列表的有效性，用户体验度更好。

图4是本发明另一实施例示出的视频排序方法的流程图。如图4所示，该方法还包括：

步骤s41，根据样本视频播放时的服务器当前状态，对样本视频进行分组；

步骤s42，获取每个样本视频组中样本视频的视频特征及排序分数；

步骤s43，对视频特征及排序分数进行训练，得到样本视频组对应的排序模型。

其中，可采用坐标上升(coordinateascent)算法对视频特征及排序分数进行训练。该排序模型实际上是视频特征与排序分数之间的对应关系，可以表现为一个具有多个变量的函数。

排序分数可以为服务器侧根据海量客户端的播放记录分析得到，也可根据客户端设置的视频评分选项获取用户对视频的评分作为排序分数。

本实施例中，预先根据视频播放时服务器当前状态对样本数据进行分组，例如，对于电影、电视剧视频，播放时间大多为服务器忙时，即用户休闲时段；而在服务器闲时，即用户工作时段，大多播放短片、短新闻等类型的视频。分别对每组视频进行训练，得到每组样本视频对应的排序模型，以便后续对视频排序时使用。

图5是本发明另一实施例示出的视频排序方法的流程图。如图5所示，为了进一步提高排序模型排序准确度及有效性，该方法还包括：

步骤s51，获取客户端的历史播放记录；

步骤s52，根据历史播放记录获取视频样本。

本实施例中，可以针对每个客户端训练对应的排序模型，根据该客户端的历史播放记录获取视频样本，基于这些视频样本进行模型训练，使得最终得到的排序列表更加符合该客户端用户的喜好，进一步提高用户体验度。

另外，对于样本视频也可通过周期性从客户端获取历史播放记录来获取，例如，每7～15天，获取一次该客户端的历史播放记录，以采集到稳定的样本视频。

图6是本发明另一实施例示出的视频排序方法的流程图。如图6所示，为了进一步提高排序结果的准确有效性，该方法还包括：

步骤s61，获取客户端对视频排序列表中视频的播放记录；

步骤s62，根据播放记录调整视频列表中视频的排序分数；

步骤s63，将视频排序列表中的视频作为样本视频添加到对应样本视频组中；

步骤s64，根据视频排序列表中的视频的视频特征及调整后的排序分数对样本视频组对应的排序模型进行训练，得到新的排序模型。

在本实施例中，根据用户对排序列表中视频的播放记录调整视频对应的排序分数，例如，排序分数为1～100的整数，对于用户第一选择观看的视频，将其排序分数增加10分；对于用户第二选择观看的视频，将其排序分数增加8分；对于用户完整观看的视频，将其排序分数增加5分；对于用户观看超过60％的视频，将其排序分数增加3分；等等。也可将用户选择排名与视频观看程度相结合，以确定排序分数增加多少。

这样，通过用户对视频列表中视频的播放记录调整视频的排序分数，进而对排序模型进行进一步的训练学习，使得之后的排序结果能够更加符合用户的观看喜好，用户体验度更好。

在另一实施例中，对于样本视频，可以根据视频类型进行分组，例如，将样本视频分为电影、电视、动漫及综艺等等，对于每组视频分别训练得到对应排序模型。

下述为本发明装置实施例，可以用于执行本发明方法实施例。

图7是本发明实施例示出的视频排序装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图7所示，该视频排序装置700，包括：

确定模块701，用于确定服务器当前状态；

选择模块702，用于根据服务器当前状态选择对应的排序模型；

第一获取模块703，用于获取待排序视频的视频特征；

计算模块704，用于根据视频特征及排序模型计算待排序视频的排序分数；

排序生成模块705，用于根据排序分数对待排序视频进行排序，生成视频排序列表；

推送模块706，用于将视频排序列表推送到客户端进行展示。

图8是本发明实施例示出的确定模块701的框图，如图8所示，可选的，确定模块701包括：第一确定子模块81和/或第二确定子模块82，

第一确定子模块81，用于根据服务器的资源占用率确定服务器当前状态；

第二确定子模块82，用于根据当前时间确定服务器当前状态。

可选的，待排序视频的视频特征包括以下至少一项：

视频类型，视频评分，视频更新时间，视频在过去一天内的点击次数，频在过去一周内的点击次数，视频在过去一天内的搜索次数，视频在过去一周内的搜索次数，视频在过去一天内的结束播放次数，视频在过去一周内的结束播放次数，视频在过去一周内平均播放成功率，视频在过去一周内平均结束播放时长。

图9是本发明实施例示出的第一获取模块703的框图，如图9所示，可选的，第一获取模块703包括：第一获取子模块91和第二获取子模块92，

第一获取子模块91，用于获取预先选定的特征类型；

第二获取子模块92，用于根据特征类型获取待排序视频的视频特征。

图10是本发明另一实施例示出的第一获取模块703的框图，如图10所示，第一获取模块703包括：检测子模块101和第三获取子模块102，

检测子模块101，用于检测待排序视频的有效性；

第三获取子模块102，用于当待排序视频有效时，获取待排序视频的视频特征。

图11是本发明另一实施例示出的视频排序装置的框图，如图11所示，可选的，该装置700还包括：分组模块707、第二获取模块708和训练模块709，

分组模块707，用于根据样本视频播放时的服务器当前状态，对样本视频进行分组；

第二获取模块708，用于获取每个样本视频组中样本视频的视频特征及排序分数；

训练模块709，用于对视频特征及排序分数进行训练，得到样本视频组对应的排序模型。

可选的，训练模块709，用于采用坐标上升(coordinateascent)算法对视频特征及排序分数进行训练。

图12是本发明另一实施例示出的视频排序装置的框图，如图12所示，可选的，该装置700还包括：第三获取模块710和第四获取模块711，

第三获取模块710，用于获取客户端的历史播放记录；

第四获取模块711，用于根据历史播放记录获取视频样本。

图13是本发明另一实施例示出的视频排序装置的框图，如图13所示，可选的，该装置700还包括：第五获取模块712、调整模块713和添加模块714，

第五获取模块712，用于获取客户端对视频排序列表中视频的播放记录；

调整模块713，用于根据播放记录调整视频列表中视频的排序分数；

添加模块714，用于将视频排序列表中的视频作为样本视频添加到对应样本视频组中；

训练模块709，用于根据视频排序列表中的视频的视频特征及调整后的排序分数对样本视频组对应的排序模型进行训练，得到新的排序模型。

本发明还提供一种视频排序服务器，包括上述各个实施例中的视频排序装置。

本发明还提供一种视频排序系统，包括上述实施例中的视频排序服务器及客户端，

所述视频排序服务器将生成的视频排序列表发送到所述客户端，所述客户端对所述视频排序列表进行展示。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情

况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。