【技术实现步骤摘要】
本申请涉及计算机，更具体地说，涉及一种基于大语言模型的视频推荐方法、系统、电子设备及存储介质。
技术介绍
1、随着互联网技术的飞速发展，流媒体平台已成为人们获取视频内容的重要途径。其中，视频推荐系统作为流媒体平台(比如某tv)的核心功能之一，通过视频推荐系统为用户提供个性化的视频推荐，不仅可以增加用户粘性、提高平台的活跃度和用户满意度，还能够对平台的商业价值具有巨大的推动作用。
2、传统的流媒体平台视频推荐系统主要采用协同过滤、矩阵分解等技术来为用户推荐相应的视频。但是这种方式在捕捉和刻画用户的实时意图方面存在一定的局限性；一方面，用户行为具有随性成分，导致用户当下的偏好未必与历史数据一致。例如，用户可能在某个时间段内对某个主题的视频特别感兴趣，但过一段时间后，用户的兴趣可能转移到其他主题；另一方面，传统推荐系统是被动式推荐，无法与用户进行交互，实现用户主动意图反馈。用户无法主动告诉推荐系统自己的需求和喜好，导致推荐系统难以准确捕捉用户意图，无法为用户推荐贴合用户需求和喜好的视频，从而导致用户体验感低。
技术实现思路
1、有鉴于此，本申请提供一种基于大语言模型的视频推荐方法、系统、电子设备及存储介质，以实现为用户推荐贴合用户需要和喜好的视频，提高用户体验感为目的。
2、本申请第一方面提供一种基于大语言模型的视频推荐方法，所述方法包括：
3、当检测到目标用户发起的推荐请求时，根据所述推荐请求从键值数据库中存储的各个用户意图标签数据中获取与所述目标用
4、将各个所述目标用户意图标签数据中存在意图标签为召回策略标签的目标用户意图标签数据中的内容标签组成第一内容标签集合，并根据第一内容标签集合从流媒体平台上的所有视频条目中筛选出第一视频条目集合；其中，所述第一视频条目集合包括多个第一视频条目；
5、获取每个所述第一视频条目的第一视频标签集合，并根据所述第一内容标签集合和每个所述第一视频条目的第一视频标签集合，从各个所述第一视频条目中筛选出第二视频条目集合；
6、获取所述目标用户对应的目标用户文本反馈数据，并根据所述目标用户文本反馈数据从流媒体平台上的所有视频条目中筛选出第三视频条目集合；
7、根据预先设置的各个预设召回算法从各个所述视频条目中筛选出第四视频条目集合，并将所述第二视频条目集合、所述第三视频条目集合和所述第四视频条目集合进行融合，得到第五视频条目集合；
8、将各个所述目标用户意图标签数据中存在意图标签为排序策略标签的目标用户意图标签数据中的内容标签组成第二内容标签集合；
9、基于第二内容标签集合对所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合；
10、根据所述第六视频条目集合生成相应的视频推荐列表，并按照所述视频推荐列表向所述目标用户推荐相应的视频。
11、可选的，所述根据用户反馈的用户文本反馈数据生成所述用户意图标签数据，包括：
12、实时获取用户反馈的用户文本反馈数据，其中，所述用户文本反馈数据包括多个用户反馈文本；
13、根据各个所述用户反馈文本和预先设置的提示词模板，生成相应的提示词，并将所述提示词输入大语言模型，得到每个所述用户反馈文本对应的用户意图标签数据；其中，所述用户意图标签数据包括多个内容标签和多个意图标签；
14、针对每个所述用户意图标签数据，对所述用户意图标签数据进行有效性验证；
15、若所述用户意图标签数据的有效性验证通过，将所述用户的用户信息与所述用户意图标签数据以键值对的方式存储至预先构建的键值数据库中。
16、可选的，所述获取每个所述第一视频条目的第一视频标签集合，并根据所述第一内容标签集合和每个所述第一视频条目的第一视频标签集合，从各个所述第一视频条目中筛选出第二视频条目集合，包括：
17、从预先设置的视频标签数据库中获取每个所述第一视频条目的第一视频标签集合；
18、利用杰卡德相似系数计算每个所述第一视频条目的第一视频标签集合与所述第一内容标签集合的相似度；
19、根据各个所述第一视频条目的第一视频标签集合与所述第一内容标签集合的相似度，从各个所述第一视频条目中筛选出第二视频条目集合。
20、可选的，所述获取所述目标用户对应的目标用户文本反馈数据，并根据所述目标用户文本反馈数据从流媒体平台上的所有视频条目中筛选出第三视频条目集合，包括：
21、获取所述目标用户的目标用户文本反馈数据，并从所述目标用户的目标用户文本反馈数据中确定所述目标用户的目标用户反馈文本；
22、计算所述目标用户反馈文本的隐向量；
23、获取每个所述视频条目的隐向量，并计算每个所述视频条目的隐向量与所述目标用户反馈文本的隐向量之间的余弦相似度，
24、根据每个所述视频条目的隐向量与所述目标用户反馈文本的隐向量之间的余弦相似度，从流媒体平台上的所有视频条目中筛选出第三视频条目集合。
25、可选的，所述基于第二内容标签集合对所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合，包括：
26、获取所述第五视频条目集合中的各个第五视频条目的第二视频标签集合；
27、针对每个所述第五视频条目，计算所述第五视频条目的第二视频标签集合中的每个第二视频标签与第二内容标签集合的交叉特征，并将所述第五视频条目的各个第二视频标签与第二内容标签集合的交叉特征进行累加，得到所述第五视频条目与第二内容标签的交叉特征；
28、通过预先设置的精排模型根据各个所述第五视频条目与第二内容标签集合的交叉特征计算每个所述第五视频条目的得分，并根据各个所述第五视频条目的得分对各个所述第五视频条目进行排序，得到第六视频条目集合。
29、可选的，所述基于第二内容标签集合对所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合之前，所述方法还包括：
30、将各个所述目标用户意图标签数据中存在意图标签为过滤策略标签的目标用户意图标签数据中的内容标签组成第三内容标签集合；
31、利用所述第三内容标签集合对所述第五视频条目集合进行过滤；
32、相应的，基于第二内容标签集合对所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合，包括：
33、基于第二内容标签集合对过滤后的所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合。
34、可选的，所述根据所述第六视频条目集合生成相应的视频推荐列表之前，所述方法还包括：
35、判断各个所述目标用户意图标签数据中是否存在意图标签为重打散策略标签的目标用户本文档来自技高网...
【技术保护点】
1.一种基于大语言模型的视频推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据用户反馈的用户文本反馈数据生成所述用户意图标签数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取每个所述第一视频条目的第一视频标签集合，并根据所述第一内容标签集合和每个所述第一视频条目的第一视频标签集合，从各个所述第一视频条目中筛选出第二视频条目集合，包括：
4.根据权利要求3所述的方法，其特征在于，所述获取所述目标用户对应的目标用户文本反馈数据，并根据所述目标用户文本反馈数据从流媒体平台上的所有视频条目中筛选出第三视频条目集合，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于第二内容标签集合对所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于第二内容标签集合对所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合之前，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于
8.一种基于大语言模型的视频推荐系统，其特征在于，所述系统包括意图执行模块；
9.一种电子设备，其特征在于，包括：处理器以及存储器，所述处理器以及存储器通过通信总线相连；其中，所述处理器，用于调用并执行所述存储器中存储的程序；所述存储器，用于存储程序，所述程序用于实现如权利要求1-7任一项所述的基于大语言模型的视频推荐方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1-7任一项所述的基于大语言模型的视频推荐方法。
...【技术特征摘要】
1.一种基于大语言模型的视频推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据用户反馈的用户文本反馈数据生成所述用户意图标签数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述获取每个所述第一视频条目的第一视频标签集合，并根据所述第一内容标签集合和每个所述第一视频条目的第一视频标签集合，从各个所述第一视频条目中筛选出第二视频条目集合，包括：
4.根据权利要求3所述的方法，其特征在于，所述获取所述目标用户对应的目标用户文本反馈数据，并根据所述目标用户文本反馈数据从流媒体平台上的所有视频条目中筛选出第三视频条目集合，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于第二内容标签集合对所述第五视频条目集合中的各个第五视频条目进行排序，得到第六视频条目集合，包括：
6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：赵俊锋，黄子愚，唐晔，唐文滔，刘文波，
申请(专利权)人：湖南快乐阳光互动娱乐传媒有限公司，
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。