视频推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例涉及信息处理技术领域，特别涉及一种视频推荐方法、装置、电子设备及存储介质。视频推荐方法，包括：获取待推荐视频的集合和各所述待推荐视频的特征信息；根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；对所述推荐视频的集合进行推荐。采用本申请实施例，能够结合视频的画质对视频进行推荐，以提升用户对视频的观看体验。

【技术实现步骤摘要】
视频推荐方法、装置、电子设备及存储介质
本申请实施例涉及信息处理
，特别涉及一种视频推荐方法、装置及存储介质。
技术介绍
随着互联网的发展和智能设备的普及，越来越多的人通过智能设备来观看网络视频，并且对于网络视频的质量有着较高的要求。通常情况下，例如视频网站或视频APP等平台会对用户的喜好进行分析，并根据用户的喜好为用户推荐可能感兴趣的视频。然而，专利技术人发现相关技术中存在如下问题：由于推荐给用户观看的视频通常是根据用户的喜好筛选得到的，但并未考虑到筛选得到的视频所带来的观看体验是否良好，因此导致推荐给用户观看的视频中存在画面质量较差的视频，从而使得用户的观看体验受到较明显的负面影响，无法吸引用户继续观看视频。
技术实现思路
本申请实施例的目的在于提供一种视频推荐方法、装置、电子设备及存储介质，能够结合视频的画质对视频进行推荐，以提升用户对视频的观看体验。为解决上述技术问题，本申请的实施例提供了一种视频推荐方法，包括：获取待推荐视频的集合和各所述待推荐视频的特征信息；根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；对所述推荐视频的集合进行推荐。本申请的实施例还提供了一种视频推荐装置，包括：第一获取模块，评分模块，第二获取模块和推荐模块；所述第一获取模块，用于获取待推荐视频的集合和各所述待推荐视频的特征信息；所述评分模块，用于根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；所述第二获取模块，用于根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；所述推荐模块，用于对所述推荐视频的集合进行推荐。本申请的实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的视频推荐方法。本申请的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的视频推荐方法。本申请实施例相对于现有技术而言，获取待推荐视频的集合和各所述待推荐视频的特征信息；根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；对所述推荐视频的集合进行推荐。由于视频的特征信息能够较好地反映出视频的画面质量，因此训练得到的用于画质评分模型能够较为真实准确地计算出用于衡量画面质量的画质评分，计算出的画质评分的可参考价值较高；可以理解的是，获取到的待推荐视频的集合能够贴合用户的喜好，在此基础上根据待推荐视频的画质评分获取到推荐视频的集合，也就是将视频的画面质量也作为了推荐视频的参考因素之一，从而使得获取到的各推荐视频的内容质量和画面质量都得到保障，以提升用户的观看体验以及对视频平台的用户黏度。另外，所述特征信息包括编码特征信息和图像特征信息，其中，所述编码特征信息包括以下之一或其任意组合：分辨率和帧率；所述图像特征信息包括以下之一或其任意组合：模糊度、块效应值和噪点值；上述能够量化表示的特征信息能够较为直观地反映视频的画面质量的优劣程度。另外，所述画质评分模型通过以下方式训练得到：根据所述视频的特征信息，生成训练数据集；根据所述训练数据集，基于预设的回归算法，得到所述画质评分模型；回归算法是利用数据集建立模型并进行训练的算法，通过回归算法得到的模型能够较为准确地预测计算出特定的数值。另外，所述对所述推荐视频的集合进行推荐，包括：获取各所述推荐视频的内容评分；根据各所述推荐视频的内容评分、画质评分和预设视频权重，计算各所述推荐视频的推荐评分，其中，所述预设视频权重包括内容权重和画质权重；根据各所述推荐视频的推荐评分，按序对各所述推荐视频进行推荐；由于根据预设视频权重是综合了推荐视频的内容质量和画面质量来对推荐视频进行了重新排序，从而使得推荐视频的综合质量得到保障，推荐结果较为符合推荐的需求。另外，所述视频的模糊度，通过以下公式计算得到：其中，所述L表示所述视频的图像中灰度值的阈值；所述gi表示所述视频的图像中第i个灰度值；所述p(gi)表示所述第i个灰度值在所述图像中的出现概率；所述u表示所述视频的图像中灰度值的平均值；上述提供了一种视频的模糊度的计算方式。另外，所述回归算法为AdaBoost回归算法；采用AdaBoost回归算法训练模型时训练过程简单高效，能够避免过拟合的问题，且最终得到的模型精度较高，有助于计算得到更为准确的画质评分。另外，所述获取待推荐视频的集合，包括：根据用户协同过滤算法获取待推荐视频的集合；当采用用户协同过滤算法获取用户的待推荐视频的集合时，能够共用其他用户的兴趣喜好，减少了获取到的待推荐视频的集合不完全或是较片面的情况，能够为用户获取到内容较为新颖的待推荐视频，有助于发掘用户未知的兴趣喜好。附图说明一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定。图1是本申请第一实施例中视频推荐方法的流程图；图2是本申请第二实施例中视频推荐方法的流程图；图3是本申请第三实施例中视频推荐装置的结构方框图；图4是本申请第四实施例中电子设备的结构方框图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本申请各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。本申请的第一实施例涉及一种视频推荐方法，具体流程如图1所示，包括：步骤101，获取待推荐视频的集合和各待推荐视频的特征信息；步骤102，根据各待推荐视频的特征信息和预设的画质评分模型，计算各待推荐视频的画质评分；步骤103，根据各待推荐视频的画质评分，从待推荐视频的集合中获取推荐视频的集合；步骤104，对推荐视频的集合进行推荐。下面对本实施方式的视频推荐方法的实现细节进行具体的说明，以下内容仅为方便理解提供的细节，并非实施本方案的必须。本实施例中的视频推荐方法可以应用于用户通过视频网站或视频APP等观看视频的场景中；当用户打开视频网站或视频APP时，视频平台的系统/后台中的视频推荐装置执行本实施例中的视频推荐方法，为用户推荐视频。在步骤101中，获取待推荐视频的集合和各待推荐视频的特征信息。在实例中，待推荐视频本文档来自技高网...

【技术保护点】
1.一种视频推荐方法，其特征在于，包括：/n获取待推荐视频的集合和各所述待推荐视频的特征信息；/n根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；/n根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；/n对所述推荐视频的集合进行推荐。/n

【技术特征摘要】
1.一种视频推荐方法，其特征在于，包括：
获取待推荐视频的集合和各所述待推荐视频的特征信息；
根据各所述待推荐视频的特征信息和预设的画质评分模型，计算各所述待推荐视频的画质评分，其中，所述画质评分模型根据视频的特征信息训练得到；
根据各所述待推荐视频的画质评分，从所述待推荐视频的集合中获取推荐视频的集合；
对所述推荐视频的集合进行推荐。


2.根据权利要求1所述的视频推荐方法，其特征在于，所述特征信息包括编码特征信息和图像特征信息，其中，所述编码特征信息包括以下之一或其任意组合：分辨率和帧率；所述图像特征信息包括以下之一或其任意组合：模糊度、块效应值和噪点值。


3.根据权利要求1或2任一项所述的视频推荐方法，其特征在于，所述画质评分模型通过以下方式训练得到：
根据所述视频的特征信息，生成训练数据集；
根据所述训练数据集，基于预设的回归算法，得到所述画质评分模型。


4.根据权利要求1所述的视频推荐方法，其特征在于，所述对所述推荐视频的集合进行推荐，包括：
获取各所述推荐视频的内容评分；
根据各所述推荐视频的内容评分、画质评分和预设视频权重，计算各所述推荐视频的推荐评分，其中，所述预设视频权重包括内容权重和画质权重；
根据各所述推荐视频的推荐评分，按序对各所述推荐视频进行推荐。


5.根据权利要求2所述的视频推荐方法，其特征在于，所述模糊度，通过以下公式计算得到：



其中，所述L表示所述视频的图像中灰度值的阈值；...

【专利技术属性】
技术研发人员：冯亚楠，
申请(专利权)人：咪咕文化科技有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：北京;11