【技术实现步骤摘要】
本申请涉及视频推荐，特别是涉及一种短视频推荐方法及装置。
技术介绍
1、短视频具有极高的商业价值，体现在广告投放与品牌推广、电商销售与带货、社群构建与用户互动、内容付费与知识变现以及跨界合作与业务拓展等多个方面。随着技术的不断进步和市场的不断变化，短视频的商业价值还将继续拓展和提升。随着技术的不断革新，网络带宽的提升和5g技术的逐步普及，短视频的加载速度和观看体验得到了极大的提升，这为短视频的兴起提供了强有力的硬件支持。
2、现有技术中短视频推荐采用推荐系统lambda架构，lambda架构是一种高效处理大规模数据的架构模式，它结合了批处理和实时处理两种方式，以应对大数据处理的需求，并提供高性能、低延迟和容错性的数据处理解决方案。然而，在实际应用中，lambda架构需要同时维护批处理层和实时处理层两套系统，这增加了开发和维护的复杂性。开发者需要编写和维护两套代码，以确保两个系统之间的数据一致性和准确性，由于需要同时运行批处理层和实时处理层，lambda架构会消耗更多的计算资源和存储资源，造成了开发和维护成本高的问题。
技术实现思路
1、为此，本专利技术提供了一种短视频推荐方法及装置，以解决现有技术中开发和维护成本高的问题。
2、第一方面，提供了一种短视频推荐方法，所述方法包括：
3、基于用户在每个特征分类的第一播放时长得到每个特征分类对应的偏好画像分数；所述特征分类包括短视频标签、短视频作者、短视频系列、短视频大分类、短视频二级分类和短视频物品画
4、依据所述偏好画像分数得到第一推荐列表；所述第一推荐列表包括多条第一推荐短视频；
5、依据所述第一推荐列表中短视频的第二播放时长得到每个特征分类的观看比值；
6、依据每个特征分类的所述观看比值得到每个特征分类的视频反馈；所述视频反馈包括正反馈和负反馈；
7、依据所述视频反馈更新所述第一推荐列表得到第二推荐列表，依据所述第二推荐列表对所述用户进行视频推荐。
8、进一步地，所述基于用户在每个特征分类的第一播放时长得到每个特征分类对应的偏好画像分数，包括：
9、依据第一偏好分数公式得到当前偏好分数，所述当前偏好分数公式为：
10、p当前＝t1/t2；
11、其中，p当前为第一偏好分数；t1为第一播放时长，即当前时间节点以前预设天数内特征分类的播放总时长；t2为当前时间节点以前预设天数内所有特征分类播放的总时长；
12、依据偏好画像分数公式得到偏好画像分数，所述偏好画像分数公式为：
13、p偏好＝p当前×s+p历史×z；
14、其中，p偏好为偏好画像分数；p当前为第一偏好分数；s为第一预设系数；p历史为以往每个所述第一偏好分数的均值；z为第二预设系数。
15、进一步地，所述依据所述偏好画像分数得到第一推荐列表，包括：
16、依据所述偏好画像分数分别从所述特征分类中获取不同数量的第一推荐短视频；
17、将所述第一推荐短视频依据所述特征分类和创建时间进行排序得到第一推荐列表；所述创建时间为所述第一推荐短视频的上传时间。
18、进一步地，所述将所述第一推荐短视频依据所述特征分类和创建时间点进行排序得到第一推荐列表，包括：
19、将每个所述特征分类中的多条第一推荐短视频依据所述创建时间的时间戳进行降序排列得到特征分类视频列表；
20、将多个所述特征分类视频列表依据所述偏好画像分数进行降序排列后合并得到所述第一推荐列表。
21、进一步地，所述依据所述第一推荐列表中第一推荐短视频的第二播放时长得到每个特征分类的观看比值，包括：
22、在用户观看第一推荐列表中第一推荐短视频过程中，依据观看比值公式得到第一特征分类的所述观看比值，所述观看比值公式为：
23、g＝t3/t4；
24、其中，g为第一特征分类的观看比值；t3为第二播放时长，即从用户观看推荐列表中推荐短视频为计时起点，第一特征分类的实时总播放时长；t4为从用户观看推荐列表中推荐短视频为计时起点，所有特征分类的实时总播放时长。
25、进一步地，所述依据每个特征分类的所述观看比值得到每个特征分类的视频反馈，包括：
26、若所述观看比值大于等于预设比值则所述观看比值对应特征分类的视频反馈为正反馈；
27、若所述观看比值小于预设比值则所述观看比值对应特征分类的视频反馈为负反馈。
28、进一步地，所述方法还包括：
29、若所述第一推荐列表中的第一推荐短视频被点赞或收藏，则对应特征分类的视频反馈为正反馈；
30、若所述第一推荐列表中的第一推荐短视频被踩或拉黑，则对应特征分类的视频反馈为负反馈。
31、进一步地，所述依据所述视频反馈更新所述第一推荐列表得到第二推荐列表，包括：
32、每隔预设时长遍历所有所述特征分类对应的视频反馈，若所述视频反馈为正反馈，则从总视频库的对应特征分类中获取预设数量的第二推荐短视频；
33、将所述第二推荐短视频加入到所述第一推荐列表后得到所述第二推荐列表。
34、进一步地，所述方法还包括：
35、若所述第二推荐列表中的推荐短视频数量小于预设数量，则依据所述偏好画像分数将所述推荐短视频数量补充到所述预设数量。
36、第二方面，提供了一种短视频推荐装置，所述装置包括：
37、画像分数模块，基于用户在每个特征分类的第一播放时长得到每个特征分类对应的偏好画像分数；所述特征分类包括短视频标签、短视频作者、短视频系列、短视频大分类、短视频二级分类和短视频物品画像；
38、第一推荐模块，用于依据所述偏好画像分数得到第一推荐列表；所述第一推荐列表包括多条第一推荐短视频；
39、观看比值模块，用于依据所述推荐列表中短视频的第二播放时长得到每个特征分类的观看比值；
40、反馈模块，用于依据每个特征分类的所述观看比值得到每个特征分类的视频反馈；所述视频反馈包括正反馈和负反馈；
41、目标推荐模块，用于依据所述视频反馈更新所述第一推荐列表得到第二推荐列表，依据所述第二推荐列表对所述用户进行视频推荐。
42、本专利技术采用以上技术方案，至少具备以下有益效果：
43、提供了一种短视频推荐方法及装置，基于用户在每个特征分类的第一播放时长得到每个特征分类对应的偏好画像分数，依据偏好画像分数得到第一推荐列表，依据第一推荐列表中短视频的第二播放时长得到每个特征分类的观看比值，依据每个特征分类的观看比值得到每个特征分类的视频反馈，依据视频反馈更新第一推荐列表得到第二推荐列表，依据第二推荐列表对用户进行视频推荐；基于偏好画像分数、观看比值和视频反馈得到的推荐视频更符合用户的偏好，此外，由于无需编写和维护两套代码，可以有效减少开发和维护成本。
【技术保护点】
1.一种短视频推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的推荐方法，其特征在于，所述基于用户在每个特征分类的第一播放时长得到每个特征分类对应的偏好画像分数，包括：
3.根据权利要求1所述的推荐方法，其特征在于，所述依据所述偏好画像分数得到第一推荐列表，包括：
4.根据权利要求3所述的推荐方法，其特征在于，所述将所述第一推荐短视频依据所述特征分类和创建时间点进行排序得到第一推荐列表，包括：
5.根据权利要求1所述的推荐方法，其特征在于，所述依据所述第一推荐列表中第一推荐短视频的第二播放时长得到每个特征分类的观看比值，包括：
6.根据权利要求5所述的推荐方法，其特征在于，所述依据每个特征分类的所述观看比值得到每个特征分类的视频反馈，包括：
7.根据权利要求6所述的推荐方法，其特征在于，所述方法还包括：
8.根据权利要求6或7中任一所述的推荐方法，其特征在于，所述依据所述视频反馈更新所述第一推荐列表得到第二推荐列表，包括：
9.根据权利要求8所述的推荐方法，其特征在于，所述
10.一种短视频推荐装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种短视频推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的推荐方法，其特征在于，所述基于用户在每个特征分类的第一播放时长得到每个特征分类对应的偏好画像分数，包括：
3.根据权利要求1所述的推荐方法，其特征在于，所述依据所述偏好画像分数得到第一推荐列表，包括：
4.根据权利要求3所述的推荐方法，其特征在于，所述将所述第一推荐短视频依据所述特征分类和创建时间点进行排序得到第一推荐列表，包括：
5.根据权利要求1所述的推荐方法，其特征在于，所述依据所述第一推荐列表中第一推...
【专利技术属性】
技术研发人员：王宇波，陈琛，
申请(专利权)人：易视腾科技股份有限公司，
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。