(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211160276.7 (22)申请日 2022.09.22 (71)申请人 北京奇艺世纪科技有限公司 地址 100080 北京市海淀区北一 街2号鸿城 拓展大厦10、 1 1层 (72)发明人 段勇　郑聪　姚倩媛　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 刘立志 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/735(2019.01) G06F 16/783(2019.01) G06V 10/77(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 视频推荐方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种视频推荐方法、 装置、 计算 机设备和存储介质。 所述方法包括： 获取目标用 户标识对应的视频观看集合， 视频观看集合包括 至少两个视频时长不同的视频观看序列， 基于各 个视频观看序列分别提取出相应的特征向量， 并 将各个特征向量融合形成融合向量， 根据获取到 的各个待推荐视频向量与所述融合向量的内积 结果， 确定各个所述待推荐视频向量的推荐值， 依照推荐值的降序顺序推送相应所述待推荐视 频向量对应的视频数据至所述目标用户标识对 应终端， 由于上述方法不仅从不同视频观看序列 中提取特征向量捕捉用户的喜好， 还 结合了不同 视频观看序列之间的联系， 从而实现充分准确地 捕捉用户对于视频内容的兴趣偏好， 优化了视频 内容的推送结果。 权利要求书2页 说明书10页 附图2页 CN 115391663 A 2022.11.25 CN 115391663 A 1.一种视频推荐方法， 其特 征在于， 所述方法包括： 获取目标用户标识对应的视频观看集合， 其中， 所述视频观看集合包括至少两个视频 时长不同的视频观看序列； 基于各个所述视频观看序列分别提取出相应的特征向量， 并将各个所述特征向量融合 形成融合向量； 根据获取到的各个待推荐视频向量与所述融合向量的内积结果， 确定各个所述待推荐 视频向量的推荐值， 其中， 所述待推荐视频向量用于指示待推荐视频的属性信息； 依照推荐值的降序顺序推送相应所述待推荐视频向量对应的视频数据至所述目标用 户标识对应终端。 2.根据权利要求1所述的方法， 其特征在于， 所述获取目标用户标识对应的视频观看集 合， 包括： 获取所述目标用户标识对应的历史视频集合， 其中， 所述历史视频集合包括至少两个 视频时长不同的历史视频序列， 所述历史视频序列包括多个视频属性向量； 对各个所述历史视频序列分别进行独热编码处理， 得到相应的视频编码序列， 其中， 所 述视频编码序列包括多个所述视频属性向量对应的独热码向量； 将各个所述视频编码序列进行降维处理， 得到相应的所述视频观看序列， 其中， 所述视 频观看序列包括多个视频描述向量。 3.根据权利要求1所述的方法， 其特征在于， 所述视频观看序列包括第 一降维序列和第 二降维序列， 所述将各个所述视频编码序列进行降维处理， 得到相应的所述视频观看序列， 包括以下至少之一： 将各个所述视频编码序列分别与第一映射矩阵相乘， 得到相应的所述第一降维序列， 其中， 所述第一映射矩阵包 含视频属性对应的矩阵参数； 将各个所述视频编码序列分别与第二映射矩阵相乘， 得到相应的所述第二降维序列， 其中， 所述第二映射矩阵包 含偏好属性对应的矩阵参数。 4.根据权利要求3所述的方法， 其特征在于， 所述特征向量包括表征向量， 所述融合向 量包括表征融合向量， 所述基于各个所述视频观看序列分别提取出相应的特征向量， 并将 各个所述特 征向量融合形成融合向量， 包括： 分别对各个所述第一降维序列进行均值池化处 理， 得到相应的所述表征向量； 根据各个所述表征向量之间的点积结果， 确定一级融合向量； 将所述一级融合向量与全部所述第一降维序列进行融合处 理， 得到二级融合向量； 将所述一级融合向量与所述 二级融合向量相加形成所述表征融合向量。 5.根据权利要求4所述的方法， 其特征在于， 所述特征向量还包括偏好向量， 所述融合 向量包括偏好融合向量， 所述基于各个所述视频观看序列分别提取出相 应的特征向量， 并 将各个所述特 征向量融合形成融合向量， 包括： 基于各个所述第 二降维序列中不同视频描述向量之间的关联关系， 确定各个所述视频 描述向量对应的关系 学习向量， 其中， 所述关系 学习向量包含目标描述向量以及所述 目标 描述向量与所述第二降维序列中各个所述视频描述向量之 间的关联关系， 所述目标描述向 量为所述第二降维序列中任意 一个所述视频描述向量； 根据同一所述第二降维序列对应的多个所述关系学习向量属于各个偏好特征的置信权　利　要　求　书 1/2 页 2 CN 115391663 A 2度， 确定各个所述第二降维序列对应的偏好向量； 将各个所述第二降维序列对应的偏好向量融合形成所述偏好融合向量。 6.根据权利要求5所述的方法， 其特征在于， 所述根据获取到的各个待推荐视频向量与 所述融合向量的内积结果， 确定各个所述待推荐视频向量的推荐值， 包括： 将获取到的各个待推荐视频的属性信息， 转换为相应的所述待推荐视频向量； 根据所述表征融合向量或所述偏好融合向量与各个所述待推荐视频向量之间的内积 结果， 确定各个所述待推荐视频向量的推荐值， 其中， 所述待推荐视频向量用于指示待推荐 视频的属性信息 。 7.根据权利要求6所述的方法， 其特征在于， 所述将 获取到的各个待推荐视频的属性信 息， 转换为相应的所述待推荐视频向量之后， 所述方法还 包括： 将所述待推荐视频向量分别与所述表征融合向量、 所述偏好融合向量的点积结果相 加， 得到所述待推荐视频向量的推荐值。 8.一种视频推荐装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取目标用户标识对应的视频观看集合， 其中， 所述视频观看集合包括 至少两个视频时长不同的视频观看序列； 融合模块， 用于基于各个所述视频观看序列分别提取出相应的特征向量， 并将各个所 述特征向量融合形成融合向量； 确定模块， 用于根据获取到的各个待推荐视频向量与所述融合向量的内积结果， 确定 各个所述待推荐视频向量的推荐值， 其中， 所述待推荐视频向量用于指示待推荐视频的属 性信息； 推送模块， 用于依照推荐值的降序顺序推送相应所述待推荐视频向量对应的视频数据 至所述目标用户标识对应终端。 9.一种计算机设备， 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， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至7中任一项所 述方法的步骤。 10.一种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权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115391663 A 3