本公開涉及人工智能中的深度學(xué)習(xí)、數(shù)據(jù)處理、推薦算法，尤其涉及一種視頻推薦方法、模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，智能手機(jī)普及率大幅提升，為短視頻應(yīng)用程序的興起提供了堅(jiān)實(shí)的基礎(chǔ)。用戶可以隨時(shí)隨地通過手機(jī)觀看、制作和分享短視頻，極大地提升了內(nèi)容的傳播效率和用戶參與度。在快節(jié)奏的生活中，人們?cè)絹碓絻A向于通過短視頻這種短平快的方式獲取娛樂和放松。短視頻以其短小精悍、內(nèi)容豐富的特點(diǎn)滿足了用戶的碎片化娛樂需求。

2、在當(dāng)今，大多數(shù)的短視頻應(yīng)用程序通常都是通過過濾算法分析視頻的內(nèi)容特征為用戶進(jìn)行視頻的推薦。

3、然而，如何更靈活準(zhǔn)確的為用戶推薦視頻，并提高用戶體驗(yàn)，是本領(lǐng)域的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本公開提供了一種用于視頻推薦方法、模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

2、根據(jù)本公開的第一方面，提供了一種視頻推薦方法，包括：

3、針對(duì)于預(yù)先獲取的候選視頻集合中的每個(gè)候選視頻，根據(jù)目標(biāo)用戶的歷史觀看數(shù)據(jù)，采用預(yù)先訓(xùn)練的精排多目標(biāo)模型對(duì)所述候選視頻進(jìn)行預(yù)測(cè)，得到所述候選視頻的推薦指數(shù)，所述精排多目標(biāo)模型是基于預(yù)先設(shè)定的與用戶偏好關(guān)聯(lián)的標(biāo)簽訓(xùn)練得到的、用于預(yù)測(cè)視頻對(duì)特定用戶的推薦指數(shù)的模型；

4、對(duì)所述候選視頻集合中的候選視頻按照推薦指數(shù)從大到小進(jìn)行排序，得到推薦列表；

5、將所述推薦列表推送至所述目標(biāo)用戶。

6、根據(jù)本公開的第二方面，提供了一種模型訓(xùn)練方法，包括：

7、基于與用戶偏好關(guān)聯(lián)的標(biāo)簽對(duì)多個(gè)用戶對(duì)應(yīng)的歷史觀看數(shù)據(jù)進(jìn)行標(biāo)定，得到多個(gè)訓(xùn)練樣本，所述多個(gè)訓(xùn)練樣本中包括指示推薦的正樣本和指示推薦的負(fù)樣本；

8、將所述多個(gè)訓(xùn)練樣本劃分為訓(xùn)練集和測(cè)試集；

9、根據(jù)所述訓(xùn)練集和所述測(cè)試集以及所述標(biāo)簽，對(duì)預(yù)先構(gòu)建的多目標(biāo)模型進(jìn)行迭代訓(xùn)練，得到用于預(yù)測(cè)視頻對(duì)特定用戶的推薦指數(shù)的精排多目標(biāo)模型。

10、根據(jù)本公開的第三方面，提供了一種視頻推薦裝置，包括：

11、預(yù)測(cè)單元，用于針對(duì)于預(yù)先獲取的候選視頻集合中的每個(gè)候選視頻，根據(jù)目標(biāo)用戶的歷史觀看數(shù)據(jù)，采用預(yù)先訓(xùn)練的精排多目標(biāo)模型對(duì)所述候選視頻進(jìn)行預(yù)測(cè)，得到所述候選視頻的推薦指數(shù)，所述精排多目標(biāo)模型是基于預(yù)先設(shè)定的與用戶偏好關(guān)聯(lián)的標(biāo)簽訓(xùn)練得到的、用于預(yù)測(cè)視頻對(duì)特定用戶的推薦指數(shù)的模型；

12、排序單元，用于對(duì)所述候選視頻集合中的候選視頻按照推薦指數(shù)從大到小進(jìn)行排序，得到推薦列表；

13、推送單元，用于將所述推薦列表推送至所述目標(biāo)用戶。

14、根據(jù)本公開的第四方面，提供了一種模型訓(xùn)練裝置，包括：

15、標(biāo)定單元，用于基于與用戶偏好關(guān)聯(lián)的標(biāo)簽對(duì)多個(gè)用戶對(duì)應(yīng)的歷史觀看數(shù)據(jù)進(jìn)行標(biāo)定，得到多個(gè)訓(xùn)練樣本，所述多個(gè)訓(xùn)練樣本中包括指示推薦的正樣本和指示推薦的負(fù)樣本；

16、劃分單元，用于將所述多個(gè)訓(xùn)練樣本劃分為訓(xùn)練集和測(cè)試集；

17、訓(xùn)練單元，用于根據(jù)所述訓(xùn)練集和所述測(cè)試集以及所述標(biāo)簽，對(duì)預(yù)先構(gòu)建的多目標(biāo)模型進(jìn)行迭代訓(xùn)練，得到用于預(yù)測(cè)視頻對(duì)特定用戶的推薦指數(shù)的精排多目標(biāo)模型。

18、根據(jù)本公開的第五方面，提供了一種電子設(shè)備，包括：

19、至少一個(gè)處理器；以及

20、與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

21、所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行任一方面所述的方法。

22、根據(jù)本公開的第六方面，提供一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行任一方面所述的方法。

23、根據(jù)本公開的第七方面，提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括：計(jì)算機(jī)程序，所述計(jì)算機(jī)程序存儲(chǔ)在可讀存儲(chǔ)介質(zhì)中，電子設(shè)備的至少一個(gè)處理器可以從所述可讀存儲(chǔ)介質(zhì)讀取所述計(jì)算機(jī)程序，所述至少一個(gè)處理器執(zhí)行所述計(jì)算機(jī)程序使得電子設(shè)備執(zhí)行任一方面所述的方法。

24、根據(jù)本公開的技術(shù)解決了如何更靈活準(zhǔn)確的為用戶推薦視頻，并提高用戶體驗(yàn)的問題。

25、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

技術(shù)特征：

1.一種視頻推薦方法，包括：

2.根據(jù)權(quán)利要求1所述的方法，其中，所述標(biāo)簽包括至少兩個(gè)播放時(shí)長(zhǎng)標(biāo)簽，每個(gè)播放時(shí)長(zhǎng)標(biāo)簽表示用戶對(duì)視頻偏好的停留時(shí)間。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述根據(jù)目標(biāo)用戶的歷史觀看數(shù)據(jù)，采用預(yù)先訓(xùn)練的精排多目標(biāo)模型對(duì)所述候選視頻進(jìn)行預(yù)測(cè)，得到所述候選視頻的推薦指數(shù)，包括：

4.根據(jù)權(quán)利要求3所述的方法，其中，所述根據(jù)所述候選視頻對(duì)應(yīng)的視頻信息、所述目標(biāo)用戶信息和所述偏好時(shí)長(zhǎng)，通過所述精排多目標(biāo)模型對(duì)所述候選視頻對(duì)應(yīng)的多個(gè)標(biāo)簽得分進(jìn)行計(jì)算，包括：

5.根據(jù)權(quán)利要求3所述的方法，其中，所述基于所有標(biāo)簽對(duì)應(yīng)的分?jǐn)?shù)，確定所述候選視頻的推薦指數(shù)，包括：

6.根據(jù)權(quán)利要求2所述的方法，所述標(biāo)簽還包括以下至少一個(gè)標(biāo)簽：

7.一種模型訓(xùn)練方法，包括：

8.根據(jù)權(quán)利要求7所述的方法，其中，所述標(biāo)簽包括至少兩個(gè)播放時(shí)長(zhǎng)標(biāo)簽，每個(gè)播放時(shí)長(zhǎng)標(biāo)簽表示用戶對(duì)視頻偏好的停留時(shí)間。

9.根據(jù)權(quán)利要求7所述的方法，還包括：

10.根據(jù)權(quán)利要求9所述的方法，其中，所述根據(jù)所述訓(xùn)練集和所述測(cè)試集以及所述標(biāo)簽，對(duì)預(yù)先構(gòu)建的多目標(biāo)模型進(jìn)行迭代訓(xùn)練，得到用于預(yù)測(cè)視頻對(duì)特定用戶的推薦指數(shù)的精排多目標(biāo)模型，包括：

11.根據(jù)權(quán)利要求8所述的方法，所述標(biāo)簽還包括以下至少一個(gè)標(biāo)簽：

12.一種視頻推薦裝置，包括：

13.根據(jù)權(quán)利要求12所述的裝置，其中，所述標(biāo)簽包括至少兩個(gè)播放時(shí)長(zhǎng)標(biāo)簽，每個(gè)播放時(shí)長(zhǎng)標(biāo)簽表示用戶對(duì)視頻偏好的停留時(shí)間。

14.根據(jù)權(quán)利要求13所述的裝置，其中，所述預(yù)測(cè)單元，包括：

15.根據(jù)權(quán)利要求14所述的裝置，其中，所述計(jì)算模塊，包括：

16.根據(jù)權(quán)利要求14所述的裝置，其中，所述第二確定模塊，包括：

17.根據(jù)權(quán)利要求13所述的裝置，其中，所述標(biāo)簽還包括以下至少一個(gè)標(biāo)簽：

18.一種模型訓(xùn)練裝置，包括：

19.根據(jù)權(quán)利要求18所述的裝置，其中，所述標(biāo)簽包括至少兩個(gè)播放時(shí)長(zhǎng)標(biāo)簽，每個(gè)播放時(shí)長(zhǎng)標(biāo)簽表示用戶對(duì)視頻偏好的停留時(shí)間。

20.根據(jù)權(quán)利要求18所述的裝置，還包括：

21.根據(jù)權(quán)利要求20所述的裝置，其中，所述訓(xùn)練單元，包括：

22.根據(jù)權(quán)利要求19所述的裝置，所述標(biāo)簽還包括以下至少一個(gè)標(biāo)簽：

23.一種電子設(shè)備，包括：

24.一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行根據(jù)權(quán)利要求1-11中任一項(xiàng)所述的方法。

25.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-11中任一項(xiàng)所述方法的步驟。

技術(shù)總結(jié)
本公開提供了一種視頻推薦方法、模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)領(lǐng)域中的深度學(xué)習(xí)、數(shù)據(jù)處理、推薦算法。具體實(shí)現(xiàn)方案為：基于與用戶偏好關(guān)聯(lián)的標(biāo)簽對(duì)多個(gè)用戶對(duì)應(yīng)的歷史觀看數(shù)據(jù)進(jìn)行標(biāo)定，得到多個(gè)訓(xùn)練樣本，根據(jù)訓(xùn)練樣本以及標(biāo)簽，對(duì)多目標(biāo)模型進(jìn)行迭代訓(xùn)練，得到用于預(yù)測(cè)視頻對(duì)特定用戶的推薦指數(shù)的精排多目標(biāo)模型，根據(jù)目標(biāo)用戶的歷史觀看數(shù)據(jù)，采用精排多目標(biāo)模型對(duì)候選視頻進(jìn)行預(yù)測(cè)，得到候選視頻的推薦指數(shù)，并按照推薦指數(shù)對(duì)候選視頻進(jìn)行排序，得到推薦列表推送至目標(biāo)用戶。通過上述方法實(shí)現(xiàn)了更靈活準(zhǔn)確個(gè)性化的視頻推薦，并降低了用戶對(duì)偏好視頻查詢檢索的操作復(fù)雜度。

技術(shù)研發(fā)人員：沈子衿,孟正,劉曄,唐楠,張華泉
受保護(hù)的技術(shù)使用者：百度（中國(guó)）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6