一种基于标签分析的短视频数据推荐方法及系统技术方案

本申请提供一种基于标签分析的短视频数据推荐方法及系统，通过将每个第一用户行为活动数据分别加载至设定知识实体网络中进行规则化转换，并生成对应的第二用户行为活动数据，提高后续进行挖掘处理的可靠性，从不同短视频推荐维度划分为多个短视频推荐服务将对应的第二用户行为活动数据加载至对应的短视频推荐服务中，从而提取每个短视频推荐服务关联的所有第二用户行为活动数据后，加载至对应的兴趣热力趋势输出模型中生成对应的用户兴趣标签热力趋势后，进一步确定该目标用户对应的关键用户兴趣标签，据于此对该目标用户进行短视频数据推荐，进而以不同短视频推荐维度进行用户兴趣挖掘后进行个性化推荐，提高短视频推荐的精准度。推荐的精准度。推荐的精准度。

【技术实现步骤摘要】
一种基于标签分析的短视频数据推荐方法及系统


[0001]本申请涉及信息推荐
，具体而言，涉及一种基于标签分析的短视频数据推荐方法及系统。

技术介绍

[0002]短视频即短片视频，是一种互联网内容传播方式，一般是在互联网新媒体上传播的时长在较短时长（如5分钟）以内的视频；随着移动终端普及和网络的提速，短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐。相关技术中，为了提高用户占有率，可以通过分析用户兴趣特点进而向各个用户进行短视频数据的个性化推荐，然而目前的短视频推荐方案中，短视频推荐的精准度无法满足相关用户需求。

技术实现思路

[0003]为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于标签分析的短视频数据推荐方法及系统。
[0004]第一方面，本申请提供一种基于标签分析的短视频数据推荐方法，应用于基于标签分析的短视频数据推荐系统，所述方法包括：基于配置在目标用户的各个短视频服务页面的用户行为活动监控程序获取多个第一用户行为活动数据；将每个第一用户行为活动数据分别加载至设定知识实体网络中进行规则化转换，并生成对应的第二用户行为活动数据；依据用户短视频订阅项目确定多个短视频推荐服务；依据每个短视频推荐服务，确定每个第二用户行为活动数据与对应的短视频推荐服务之间的服务关联度，若服务关联度大于第一目标值，则将对应的第二用户行为活动数据加载至对应的短视频推荐服务中；依据多个短视频推荐服务分别配置多个兴趣热力趋势输出模型，并依据搜集的用户兴趣学习数据对各个兴趣热力趋势输出模型进行模型调优，输出模型调优后的兴趣热力趋势输出模型；提取每个短视频推荐服务关联的所有第二用户行为活动数据，并加载至对应的模型调优后的兴趣热力趋势输出模型中，生成对应的用户兴趣标签热力趋势；汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签，以基于该目标用户对应的关键用户兴趣标签对该目标用户进行短视频数据推荐。
[0005]在第一方面的一种可能的实施方式中，汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签的步骤，包括：获取该目标用户在当前短视频互动场景所关注的短视频发布趋势以及热搜词条分布；
依据短视频发布趋势以及热搜词条分布，并依据兴趣联系预测模型预测当前短视频互动场景各个短视频推荐服务对目标用户的兴趣联系指数；将各个用户兴趣标签热力趋势分别融合对应的兴趣联系指数，确定更新用户兴趣标签热力趋势；依据各个更新用户兴趣标签热力趋势，并依据用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签，其中，所述关键用户兴趣标签表示用户兴趣点以及对应的兴趣置信度。
[0006]在第一方面的一种可能的实施方式中，所述基于该目标用户对应的关键用户兴趣标签对该目标用户进行短视频数据推荐的步骤，包括：依据各个用户兴趣标签热力趋势确定各个短视频推荐服务在同一维度上的兴趣关键词标签关系网络；将各个短视频推荐服务的兴趣关键词标签关系网络分别融合对应的兴趣联系指数，确定更新兴趣关键词标签关系网络；依据各个短视频推荐服务的更新兴趣关键词标签关系网络确定各个兴趣关键词标签之间的兴趣流向关系；基于关键用户兴趣标签确定用于短视频推荐评估的短视频内容标签数据；将短视频内容标签数据按照各个短视频推荐服务之间的兴趣流向关系进行划分，确定各个短视频推荐服务对应的短视频内容标签排列分布；将各个短视频内容标签排列分布分别下发至对应的短视频推荐服务，以进行短视频推荐。
[0007]在第一方面的一种可能的实施方式中，在将对应的第二用户行为活动数据加载至对应的短视频推荐服务之后，所述方法还包括：依据同一短视频推荐服务的所有第一用户行为活动数据进行用户关注意图解析，确定多个用户关注意图信息；将同一短视频推荐服务的每个第二用户行为活动数据的用户关注意图信息与余下第二用户行为活动数据的用户关注意图信息分别进行匹配，并计算对应的各个匹配偏离度；待同一短视频推荐服务的每个第二用户行为活动数据均完成与余下第二用户行为活动数据比对后，确定依据每个第二用户行为活动数据的多个匹配偏离度；分析每个第二用户行为活动数据的每个匹配偏离度是否大于第二目标值，若是，则将对应的第二用户行为活动数据进行偏离标签标记；提取每个第二用户行为活动数据的偏离标签标记数量；分析每个第二用户行为活动数据的偏离标签标记数量是否大于第三目标值，若是，则将该第二用户行为活动数据从对应的短视频推荐服务中移除。
[0008]在第一方面的一种可能的实施方式中，在汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签之后，所述方法还包括：获取所述目标用户的不同过往短视频互动场景的过往用户兴趣挖掘数据，其中每个过往用户兴趣挖掘数据至少包括对应过往短视频互动场景的第一过往用户行为活动数据以及先验关键用户兴趣标签；
依据每个过往短视频互动场景的第一过往用户行为活动数据分别进行行为特征编码，确定每个过往短视频互动场景的第一行为特征分布；对当前短视频互动场景的第一用户行为活动数据进行行为特征编码，确定第二行为特征分布；比较第一行为特征分布与第二行为特征分布，并将区别参数值小于第四目标值的过往用户兴趣挖掘数据加载至目标数据集中；对目标数据集中每个过往用户兴趣挖掘数据，分别将对应的第一过往用户行为活动数据加载至设定知识实体网络中进行规则化转换，并生成对应的第二先验用户行为活动数据；依据每个短视频推荐服务，确定每个第二先验用户行为活动数据与对应的短视频推荐服务之前的服务关联度，若服务关联度大于第一目标值，则将对应的第二先验用户行为活动数据加载至对应的短视频推荐服务中；提取每个短视频推荐服务关联的所有第二先验用户行为活动数据，并加载至兴趣热力趋势输出模型中，生成对应的参考用户兴趣标签热力趋势；汇总各个参考用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的决策关键用户兴趣标签；基于目标数据集中各个先验用户兴趣挖掘数据的决策关键用户兴趣标签和对应的先验关键用户兴趣标签，确定多个兴趣区别参数；将多个兴趣区别参数依据目标数据集的先验用户兴趣挖掘数据的全局兴趣点分布进行平均化计算，确定兴趣输出优化参数值；基于所述兴趣输出优化参数值对所述关键用户兴趣标签进行优化，确定优化后的关键用户兴趣标签。
[0009]在第一方面的一种可能的实施方式中，所述基于该目标用户对应的关键用户兴趣标签对该目标用户进行短视频数据推荐的步骤之后，所述方法还包括：将该目标用户确定为第一目标用户，获取所述第一目标用户下一次基于推荐的短视频数据发起短视频发布事件时所对应的用户活动路径数据；获取预先训练的发布意图挖掘模型；将所述用户活动路径数据加载到所述预先训练的发布意图挖掘模型，从而获取预先训练的发布意图挖掘模型所输出的发布意图知识点，其中，一个所述发布意图知识点表示一种在线短视频发布元素；获取多个在线短视频发布元素库，一个在线短视频发布元素库对应一种发布意图知识点，每个在线短视频发布元素库包括多个参数不同的在线短视频发布元素；为每个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标签分析的短视频数据推荐方法，其特征在于，应用于基于标签分析的短视频数据推荐系统，该方法包括：基于配置在目标用户的各个短视频服务页面的用户行为活动监控程序获取多个第一用户行为活动数据；将每个第一用户行为活动数据分别加载至设定知识实体网络中进行规则化转换，并生成对应的第二用户行为活动数据；依据用户短视频订阅项目确定多个短视频推荐服务；依据每个短视频推荐服务，确定每个第二用户行为活动数据与对应的短视频推荐服务之间的服务关联度，若服务关联度大于第一目标值，则将对应的第二用户行为活动数据加载至对应的短视频推荐服务中；依据多个短视频推荐服务分别配置多个兴趣热力趋势输出模型，并依据搜集的用户兴趣学习数据对各个兴趣热力趋势输出模型进行模型调优，输出模型调优后的兴趣热力趋势输出模型；提取每个短视频推荐服务关联的所有第二用户行为活动数据，并加载至对应的模型调优后的兴趣热力趋势输出模型中，生成对应的用户兴趣标签热力趋势；汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签，以基于该目标用户对应的关键用户兴趣标签对该目标用户进行短视频数据推荐。2.根据权利要求1所述的基于标签分析的短视频数据推荐方法，其特征在于，汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签的步骤，包括：获取该目标用户在当前短视频互动场景所关注的短视频发布趋势以及热搜词条分布；依据短视频发布趋势以及热搜词条分布，并依据兴趣联系预测模型预测当前短视频互动场景各个短视频推荐服务对目标用户的兴趣联系指数；将各个用户兴趣标签热力趋势分别融合对应的兴趣联系指数，确定更新用户兴趣标签热力趋势；依据各个更新用户兴趣标签热力趋势，并依据用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签，其中，所述关键用户兴趣标签表示用户兴趣点以及对应的兴趣置信度。3.根据权利要求2所述的基于标签分析的短视频数据推荐方法，其特征在于，所述基于该目标用户对应的关键用户兴趣标签对该目标用户进行短视频数据推荐的步骤，包括：依据各个用户兴趣标签热力趋势确定各个短视频推荐服务在同一维度上的兴趣关键词标签关系网络；将各个短视频推荐服务的兴趣关键词标签关系网络分别融合对应的兴趣联系指数，确定更新兴趣关键词标签关系网络；依据各个短视频推荐服务的更新兴趣关键词标签关系网络确定各个兴趣关键词标签之间的兴趣流向关系；基于关键用户兴趣标签确定用于短视频推荐评估的短视频内容标签数据；将短视频内容标签数据按照各个短视频推荐服务之间的兴趣流向关系进行划分，确定
各个短视频推荐服务对应的短视频内容标签排列分布；将各个短视频内容标签排列分布分别下发至对应的短视频推荐服务，以进行短视频推荐。4.根据权利要求1所述的基于标签分析的短视频数据推荐方法，其特征在于，在将对应的第二用户行为活动数据加载至对应的短视频推荐服务之后，所述方法还包括：依据同一短视频推荐服务的所有第一用户行为活动数据进行用户关注意图解析，确定多个用户关注意图信息；将同一短视频推荐服务的每个第二用户行为活动数据的用户关注意图信息与余下第二用户行为活动数据的用户关注意图信息分别进行匹配，并计算对应的各个匹配偏离度；待同一短视频推荐服务的每个第二用户行为活动数据均完成与余下第二用户行为活动数据比对后，确定依据每个第二用户行为活动数据的多个匹配偏离度；分析每个第二用户行为活动数据的每个匹配偏离度是否大于第二目标值，若是，则将对应的第二用户行为活动数据进行偏离标签标记；提取每个第二用户行为活动数据的偏离标签标记数量；分析每个第二用户行为活动数据的偏离标签标记数量是否大于第三目标值，若是，则将该第二用户行为活动数据从对应的短视频推荐服务中移除。5.根据权利要求1所述的基于标签分析的短视频数据推荐方法，其特征在于，在汇总各个用户兴趣标签热力趋势，并基于用户兴趣决策模型确定该目标用户对应的关键用户兴趣标签之后，所述方法还包括：获取所述目标用户的不同过往短视频互动场景的过往用户兴趣挖掘数据，其中每个过往用户兴趣挖掘数据至少包括对应过往短视频互动场景的第一过往用户行为活动数据以及先验关键用户兴趣标签；依据每个过往短视频互动场景的第一过往用户行为活动数据分别进行行为特征编码，确定每个过往短视频互动场景的第一行为特征分布；对当前短视频互动场景的第一用户行为活动数据进行行为特征编码，确定第二行为特征分布；比较第一行为特征分布与第二行为特征分布，并将区别参数值小于第四目标值的过往用户兴趣挖掘数据加载至目标数据集中；对目标数据集中每个过往用户兴趣挖掘数据，分别将对应的第一过往用户行为活动数据加载至设定知识实体网络中进行规则化转换，并生成对应的第二先验用户行为活动数据；依据每个短视频推荐服务，确定每个第二先验用户行为活动数据与对应的短视频推荐服务之前的服务关联度，若服务关联度大于第一目标值，则将对应的第二先验用户行为活动数据加载至对应的短视频推荐服务中；提取每个短视频推荐服务关联的所有第二先验用户行为活动数据，并加载至兴趣热力趋势输出模型中，生成对应的参考用户兴趣标签热力趋势；汇总各个参考用户兴趣标签热力趋势，并基于用户兴趣决策模型确定...

【专利技术属性】
技术研发人员：杨爽，谢匡华，朱福青，谢匡亮，何春，
申请(专利权)人：长沙美哒网络科技有限公司，
类型：发明
国别省市：