【技术实现步骤摘要】
序列生成、模型训练、视频推荐方法、装置、设备及介质
[0001]本专利技术涉及计算机
,特别是涉及一种序列生成
、
模型训练
、
视频推荐方法
、
装置
、
设备及介质
。
技术介绍
[0002]随着互联网技术的飞速发展,用户越来越依赖于通过网络获取信息
。
为了满足用户观看视频的需求,各种视频网站随之出现
。
视频网站为了满足用户需求,通常会向用户进行视频推荐,推荐用户可能感兴趣的视频,从而根据不同用户进行个性化服务
。
[0003]现有技术中,通常是通过训练视频推荐模型,利用该视频推荐模型向用户进行视频推荐
。
在训练视频推荐模型或者利用视频推荐模型向用户进行视频推荐的过程中,首先会获取最近时间内产生的用户行为信息,然后利用这些用户行为信息构成用户行为序列,最后利用该用户行为序列进行模型训练或者进行视频推荐
。
但是,通过上述方式生成的用户行为序列中使用的是最近时间内产生的全部用户行为信息,然而用户对视频的某些用户行为信息与用户对该视频的感兴趣程度的关联性较小,因此这些用户行为信息并不能较好地表明用户对视频的感兴趣程度,比如用户的开始观看时间并不能表明用户对视频的感兴趣程度等等,因此这些用户行为信息对模型训练过程和视频推荐过程的正向作用较小,因此该用户行为序列的准确性较低
。
技术实现思路
[0004]本专利技术实施例的目的在于提供一 ...
【技术保护点】
【技术特征摘要】
1.
一种用户行为序列生成方法,其特征在于,包括:针对用户的每个视频观看行为,获取所述视频观看行为对应的用户行为信息,并获取所述用户行为信息的重要度;按照所述重要度对所述用户行为信息进行采样,将采样得到的用户行为信息加入所述用户对应的用户行为序列
。2.
根据权利要求1所述的方法,其特征在于,所述获取所述用户行为信息的重要度,包括:获取所述用户行为信息在预设维度下的重要度,所述预设维度包括观看时长维度和观看完播率维度;按照所述预设维度对应的预设权重,对所述预设维度下的重要度进行加权计算,得到所述用户行为信息的重要度
。3.
根据权利要求2所述的方法,其特征在于,获取所述用户行为信息在观看时长维度下的重要度,包括:获取所述用户行为信息中包含的观看时长;从预设的观看时长与重要度的对应关系中,查询所述观看时长对应的重要度,将查询到的重要度作为所述用户行为信息在观看时长维度下的重要度
。4.
根据权利要求2所述的方法,其特征在于,获取所述用户行为信息在观看完播率维度下的重要度,包括:获取所述用户行为信息中包含的观看完播率;将所述观看完播率和数值1中较小的一个,作为所述用户行为信息在观看完播率维度下的重要度
。5.
根据权利要求1所述的方法,其特征在于,所述按照所述重要度对所述用户行为信息进行采样,包括:在预设的重要度取值范围内生成一个随机数;在所述重要度大于所述随机数的情况下,将所述用户行为信息作为采样得到的用户行为信息
。6.
根据权利要求1所述的方法,其特征在于,所述将采样得到的用户行为信息加入所述用户对应的用户行为序列,包括:在所述用户行为序列已达到最大长度的情况下,删除所述用户行为序列中最早加入的用户行为信息,并将所述采样得到的用户行为信息加入所述用户行为序列
。7.
一种模型训练方法,其特征在于,包括:获取样本用户对应的用户行为序列;所述用户行为序列通过如权利要求1至6任一项所述的方法生成;基于所述样本用户对应的用户行为序列,对待训练视频推荐模型进行训练,得到训练完成的视频推荐模型
。8.
一种视频...
【专利技术属性】
技术研发人员:王佳,查强,
申请(专利权)人:北京爱奇艺科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。