一种视频资源个性化推送调度方法及系统与流程
本发明涉及数据处理,具体为一种视频资源个性化推送调度方法及系统。
背景技术:
1、随着网络视频资源数量持续增加,视频平台通常通过采集用户的搜索、点击、播放、收藏及跳过等行为数据,分析用户当前关注的内容,并从资源库中选取与用户需求相匹配的视频。现有视频推荐方法还会结合视频的历史播放量等历史交互数据计算推荐分值,再按照推荐分值生成视频推荐列表,以提高推荐视频被点击和观看的概率。
2、然而,视频的历史交互量会受到既有曝光机会的持续影响,已经获得较多曝光的视频能够积累更多交互数据,并凭借较高的历史交互量继续获得更多推荐机会;历史曝光较少的视频则难以积累足够的交互数据,即使其包含与用户当前关注内容相关的信息,也可能长期无法进入推荐结果。当同一话题下存在大量高交互视频时,推荐结果容易集中于少数重复内容,缩小推荐内容的覆盖范围。因此,现有技术存在由于视频历史交互量受既有曝光机会影响而在推荐过程中持续累积放大,导致与用户当前话题相关但历史交互量较少的视频难以进入推荐结果的问题。
技术实现思路
1、针对现有技术存在的不足,本发明提供一种视频资源个性化推送调度方法及系统。
2、为了实现上述目的,本发明的技术方案如下:
3、第一方面,本发明公开了一种视频资源个性化推送调度方法,具体包括:获取用户行为数据,根据用户行为数据匹配得到由初始推荐视频组成的初始推荐视频集合;对初始推荐视频集合中的初始推荐视频进行资源类型划分,得到视频热度类型,视频热度类型包括热门资源类型和冷门资源类型;对属于热门资源类型的初始推荐视频执行视频资源覆盖分析与补足处理,得到待补足内容单元,基于待补足内容单元在资源库中筛选匹配得到属于冷门资源类型的各资源补足视频,对属于冷门资源类型的初始推荐视频作为目标推荐视频;将各资源补足视频分别与初始推荐视频集合中的初始推荐视频进行逐一组合后执行信息重合分析,得到各组合对的信息重叠状态,若存在某一组合对的信息重叠状态为高度重叠,则将该组合对进行历史交互分析与视频热度类型筛选,保留一项视频作为目标推荐视频,否则将该组合对内的两项视频均作为目标推荐视频;将目标推荐视频进行合并去重,得到推荐视频列表并推送给用户。
4、第二方面,本发明公开了视频资源个性化推送调度系统,包括以下模块:初始推荐模块,用于获取用户行为数据,根据用户行为数据匹配得到由初始推荐视频组成的初始推荐视频集合;资源类型划分模块,用于对初始推荐视频集合中的初始推荐视频进行资源类型划分,得到视频热度类型,视频热度类型包括热门资源类型和冷门资源类型;补足筛选模块,用于对属于热门资源类型的初始推荐视频执行视频资源覆盖分析与补足处理,得到待补足内容单元,基于待补足内容单元在资源库中筛选匹配得到属于冷门资源类型的各资源补足视频,对属于冷门资源类型的初始推荐视频作为目标推荐视频;推荐确认模块,用于将各资源补足视频分别与初始推荐视频集合中的初始推荐视频进行逐一组合后执行信息重合分析,得到各组合对的信息重叠状态,若存在某一组合对的信息重叠状态为高度重叠,则将该组合对进行历史交互分析与视频热度类型筛选,保留一项视频作为目标推荐视频,否则将该组合对内的两项视频均作为目标推荐视频;去重推送模块,用于将目标推荐视频进行合并去重,得到推荐视频列表并推送给用户。
5、与现有技术相比,本发明的有益效果为:
6、1、本发明提供的视频资源个性化推送调度方法,通过对属于热门资源类型的初始推荐视频执行视频资源覆盖分析与补足处理,得到待补足内容单元,并基于待补足内容单元筛选属于冷门资源类型的资源补足视频,从而使冷门资源筛选范围与用户当前话题实际缺少的内容相对应,进而使具有内容补足价值的冷门视频进入推荐结果,有效解决了现有技术中由于视频资源的历史交互量受既有曝光机会影响而持续累积放大,导致与用户当前话题相关但历史交互量较少的视频难以进入推荐结果的问题。
7、2、本发明通过将资源补足视频与初始推荐视频逐一组合并执行信息重合分析,从而根据共同内容单元比例将各组合对划分为高度重叠和非高度重叠,进而仅对高度重叠的组合对执行历史交互分析与视频热度类型筛选,减少对非高度重叠视频执行重复交互计算,并保留具有不同内容的资源补足视频。
8、3、本发明通过对高度重叠组合对执行关键内容单元独有性判定,并根据历史曝光数据和历史有效交互数据生成交互评估值,从而结合组内交互评估差值和视频热度类型确定目标推荐视频,进而在避免无条件保留低交互视频的同时,增加冷门资源补足视频获得推送机会。
9、4、本发明通过对目标推荐视频执行推荐来源回溯,根据组内交互评估差值调整初始推荐保留配额,并对目标推荐视频进行合并去重及推送优先级排序,从而减少同一关键内容单元下重复初始推荐视频参与组合分析的数量,进而降低推荐服务器的数据处理量,并提高推荐视频列表的生成效率和内容覆盖程度。
1.一种视频资源个性化推送调度方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的视频资源个性化推送调度方法,其特征在于:所述对属于热门资源类型的初始推荐视频执行视频资源覆盖分析与补足处理,具体方法为:
3.根据权利要求1所述的视频资源个性化推送调度方法,其特征在于:所述得到属于冷门资源类型的各资源补足视频,具体方法为:
4.根据权利要求1所述的视频资源个性化推送调度方法,其特征在于:所述得到各组合对的信息重叠状态,具体方法为:
5.根据权利要求1所述的视频资源个性化推送调度方法,其特征在于:所述进行历史交互分析与视频热度类型筛选,保留一项视频作为目标推荐视频,具体方法为:
6.根据权利要求5所述的视频资源个性化推送调度方法,其特征在于:所述分别生成两项视频的交互评估值,具体方法为:
7.根据权利要求5所述的视频资源个性化推送调度方法,其特征在于:所述将该组合对内的视频结合其各自的视频热度类型进行分析,得到目标推荐视频,具体方法为:
8.根据权利要求1所述的视频资源个性化推送调度方法,其特征在于:还包括对目标推荐视频执行推荐结果回溯修正处理,具体方法为:
9.根据权利要求1所述的视频资源个性化推送调度方法,其特征在于:所述得到推荐视频列表并推送给用户,具体方法为:
10.应用如权利要求1-9中任一项所述的视频资源个性化推送调度方法的系统,其特征在于:包括以下模块:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com