【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种标签增强的实时推荐方法、装置、电子设备及存储介质。
技术介绍
1、目前，推荐系统及相关算法研究发展迅速，旨在帮助用户从海量的候选物品中筛选出最感兴趣的，通过精准的、个性化的内容展示服务来提升用户体验。深度学习算法是当前推荐系统领域的主流技术，通过收集大量的用户历史行为、用户属性、物品属性等数据，利用复杂的神经网络模型来拟合用户的兴趣偏好，进而预测出个性化的推荐列表。
2、现有的推荐方法一般是基于标识建模的推荐算法实现，标识建模的推荐算法，需要训练表示向量表达需要收集大量的训练数据，因此在冷启动场景下并不适用，并且对长尾内容的推荐效果通常不佳。
技术实现思路
1、本专利技术提供一种标签增强的实时推荐方法、装置、电子设备及存储介质，用以针对现有技术中推荐效果通常不佳的技术缺陷，提升视频推荐的效果。
2、本专利技术提供一种标签增强的实时推荐方法，包括如下步骤：
3、对视频库中每个视频的描述信息进行关键词提取，得到每个视频对应的多个标签；
4、基于内容节点以及标签节点，构建每个视频的内容标签网络，所述内容节点是基于视频的描述信息确定的，所述标签节点是基于视频的标签确定的；
5、基于标签节点之间的相似度，将各视频的内容标签网络中相似的标签节点进行关联，得到关联网络；
6、获取目标用户最近预设时间段中收看所述视频库中的多个收看视频，基于所述关联网络中所述多个收看视频对应的节点与其他节点之间
7、根据本专利技术提供的一种标签增强的实时推荐方法，基于所述关联网络中所述多个收看视频对应的节点与其他节点之间的关联关系，确定与所述多个收看视频相关的多个目标视频，包括：
8、基于所述多个收看视频距离当前时间的远近以及各收看视频的收看时长，对各收看视频赋予不同的初始分值；
9、基于所述初始分值以及所述关联网络中所述多个收看视频对应的节点与其他节点之间的关联关系，确定与所述多个收看视频相关的内容节点的评分；
10、基于所述评分的排序，确定与所述多个收看视频相关的多个目标视频。
11、根据本专利技术提供的一种标签增强的实时推荐方法，基于所述初始分值以及所述关联网络中所述多个收看视频对应的节点与其他节点之间的关联关系，确定与所述多个收看视频相关的内容节点的评分，包括：
12、将所述关联网络中所述多个收看视频对应的节点作为出发节点，并确定与多个出发节点直接相连的直接关联节点；
13、在所述直接关联节点为标签节点的情况下，确定所述直接关联节点的评分为：
14、；
15、在所述直接关联节点为内容节点的情况下，确定所述直接关联节点的评分为：
16、；
17、在所述直接关联节点满足预设条件的情况下，将所述直接关联节点作为下一轮的出发节点进行评分计算，直到没有满足所述预设条件的节点进行下一轮计算或者重复次数达到预设次数阈值，以得到与所述多个收看视频相关的内容节点的评分；
18、所述预设条件为：
19、当前直接关联节点为标签节点；
20、当前直接关联节点的评分大于预设评分阈值；
21、当前直接关联节点没有作为出发节点参与过计算；
22、其中，为直接关联节点j的评分，为直接关联节点j更新前的分值，为收看视频i的初始分值，k为与出发节点相连接的所有标签节点的总数，、为调节衰减速率的参数。
23、根据本专利技术提供的一种标签增强的实时推荐方法，所述收看视频赋予的初始分值为：
24、；
25、其中，为收看视频i的初始分值，为收看视频的i的收看时长，为当前时间，为目标用户最后一次对收看视频i进行收看的时间，表示收看视频i距离当前时间的远近，为值域调节参数。
26、根据本专利技术提供的一种标签增强的实时推荐方法，所述对视频库中每个视频的描述信息进行关键词提取，得到每个视频对应的多个标签，包括：
27、基于大语言模型以及预先构建的提示模版，对视频库中每个视频的描述信息进行关键词提取，得到每个视频对应的多个标签。
28、根据本专利技术提供的一种标签增强的实时推荐方法，所述得到关联网络之后，还包括：
29、对所述关联网络中各标签节点的关联数量进行确定，将关联数量小于预设关联数量阈值的标签节点进行删除。
30、根据本专利技术提供的一种标签增强的实时推荐方法，所述基于标签节点之间的相似度，将各视频的内容标签网络中相似的标签节点进行关联，得到关联网络，包括：
31、调用大语言模型的底层接口，将各标签节点的标签词语转换成表征向量，并确定各表征向量之间的向量距离；
32、将所述向量距离小于预设距离阈值的标签节点进行关联，得到关联网络。
33、本专利技术还提供一种标签增强的实时推荐装置，包括如下模块：
34、标签提取模块，用于对视频库中每个视频的描述信息进行关键词提取，得到每个视频对应的多个标签；
35、内容标签网络确定模块，用于基于内容节点以及标签节点，构建每个视频的内容标签网络，所述内容节点是基于视频的描述信息确定的，所述标签节点是基于视频的标签确定的；
36、关联网络确定模块，用于基于标签节点之间的相似度，将各视频的内容标签网络中相似的标签节点进行关联，得到关联网络；
37、推荐模块，用于获取目标用户最近预设时间段中收看所述视频库中的多个收看视频，基于所述关联网络中所述多个收看视频对应的节点与其他节点之间的关联关系，确定与所述多个收看视频相关的多个目标视频，并基于所述多个目标视频对所述目标用户进行视频推荐。
38、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述标签增强的实时推荐方法。
39、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述标签增强的实时推荐方法。
40、本专利技术提供的标签增强的实时推荐方法、装置、电子设备及存储介质，通过视频的标签之间的相关性，构建内容与标签之间的关联网络，基于关联网络中目标用户的多个收看视频对应的节点与其他节点之间的关联关系，确定与多个收看视频相关的多个目标视频，并基于多个目标视频对所述目标用户进行视频推荐，实现了可以从目标用户少量的行为数据中提炼出其兴趣偏好，进而寻找到相似内容推荐给用户。在冷启动场景下，引入了外部知识，推荐效果更具优势。与此同时，该方法可以对用户行为实时反馈，捕捉到用户兴趣偏好的变化，动态生成新的推荐结果，提升推荐的效果以及精准度。
本文档来自技高网...【技术保护点】
1.一种标签增强的实时推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述基于所述初始分值以及所述关联网络中所述多个收看视频对应的节点与其他节点之间的关联关系，确定与所述多个收看视频相关的内容节点的评分，包括：
3.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述收看视频赋予的初始分值为：
4.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述对视频库中每个视频的描述信息进行关键词提取，得到每个视频对应的多个标签，包括：
5.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述得到关联网络之后，还包括：
6.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述基于标签节点之间的相似度，将各视频的内容标签网络中相似的标签节点进行关联，得到关联网络，包括：
7.一种标签增强的实时推荐装置，用于实现权利要求1至6中任意一项所述的标签增强的实时推荐方法，其特征在于，包括：
8.一种电子设备，包括存储器、处理器以及存储在
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述标签增强的实时推荐方法。
...【技术特征摘要】
1.一种标签增强的实时推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述基于所述初始分值以及所述关联网络中所述多个收看视频对应的节点与其他节点之间的关联关系，确定与所述多个收看视频相关的内容节点的评分，包括：
3.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述收看视频赋予的初始分值为：
4.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述对视频库中每个视频的描述信息进行关键词提取，得到每个视频对应的多个标签，包括：
5.根据权利要求1所述的标签增强的实时推荐方法，其特征在于，所述得到关联网络之后，还包括：
6...
【专利技术属性】
技术研发人员：许鹭清，田泽康，余心悦，
申请(专利权)人：朗新科技集团股份有限公司，
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。