專利名稱：一種視頻推薦方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及在線視頻技術(shù)，尤其涉 及一種視頻推薦方法和裝置。
背景技術(shù)：
在線視頻推薦是視頻網(wǎng)站幫助用戶查找并觀看某個(gè)特定領(lǐng)域視頻的方法和工具。相對(duì)于傳統(tǒng)的視頻目錄瀏覽方式或者視頻搜索方式，視頻推薦能夠在用戶不確定合適的搜索詞的情況下，通過分析用戶歷史行為，發(fā)現(xiàn)用戶需求的特定領(lǐng)域，在該領(lǐng)域內(nèi)進(jìn)行推薦，避免了搜索詞的輸入和層次目錄的多次點(diǎn)擊過程，使得查找并觀看某個(gè)特定類型的視頻更加簡單容易?，F(xiàn)有的視頻推薦技術(shù)，主要包括兩種方法一基于視頻協(xié)同過濾推薦和基于用戶協(xié)同過濾推薦。前者通過計(jì)算視頻和視頻的相似度，將與觀影記錄視頻最相似的視頻推薦給用戶。而后者則是基于觀影記錄，計(jì)算用戶相似度，將相似的用戶最近看過的視頻推薦給用戶。這兩種方式默認(rèn)都是基于用戶的全部觀影記錄進(jìn)行分析，返回的結(jié)果是與所有歷史視頻均相似的視頻，對(duì)于喜好比較單一的用戶，推薦結(jié)果較好。例如用戶看了一部或多部動(dòng)作片，推出最近最熱的動(dòng)作片，用戶感受會(huì)比較好。圖I示出了現(xiàn)有技術(shù)(CN102306178A，“視頻推薦方法及裝置”)的視頻推薦方法的流程圖。如圖I所示，在現(xiàn)有技術(shù)中，(I)從用戶日志數(shù)據(jù)庫提取每一個(gè)COOKIE觀看的VIDEO (視頻)作為訓(xùn)練樣本。(2)計(jì)算所述訓(xùn)練樣本中所有COOKIE與VIDEO之間的轉(zhuǎn)移概率對(duì)，得到C00KIE到VIDEO的轉(zhuǎn)移概率矩陣和VIDEO到C00KIE的轉(zhuǎn)移概率矩陣。(3)根據(jù)所述C00KIE到VIDEO的轉(zhuǎn)移概率矩陣和VIDEO到C00KIE矩陣，得到VIDEO之間的轉(zhuǎn)移概率矩陣。(4)根據(jù)VIDEO之間的轉(zhuǎn)移概率矩陣得到推薦模型，并嵌入所述用戶視頻搜索系統(tǒng)以向用戶返回推薦結(jié)果。現(xiàn)有技術(shù)方案可以滿足視頻類型和特征有單一喜好的用戶需求。但是隨著互聯(lián)網(wǎng)視頻網(wǎng)站的發(fā)展和用戶上網(wǎng)觀看視頻的行為增多，用戶對(duì)觀看視頻類型和特征的需求更為多樣，滿足全部類型和特征的視頻將不存在或者質(zhì)量較差，很可能是包含較多特征但是沒有一個(gè)優(yōu)秀特征的視頻。在現(xiàn)有技術(shù)方案中，多類型的視頻推薦無法得到滿足視頻類型是視頻資源的一個(gè)強(qiáng)特征，不同類型的視頻推薦用戶感受往往比較差。對(duì)一個(gè)準(zhǔn)備周末花好幾個(gè)小時(shí)來看愛情韓劇的用戶，推薦一個(gè)只有I. 5小時(shí)的愛情電影，用戶感受不太好，同樣給喜歡看體育短視頻的用戶推薦I. 5小時(shí)以上的體育電影顯然也不滿足用戶需求。另外，多特征的視頻推薦也無法得到滿足相似或相同特征的視頻是適合聯(lián)合推薦的，不同特征的視頻則不適合一起推薦。如“無間道1”、“無間道2”適合一起推薦，推薦“無間道3”、“竊聽風(fēng)云”比較好；而“筆仙”、“桃姐”則不合適一起推薦。

發(fā)明內(nèi)容
鑒于上述問題，提出了本發(fā)明，以便提供一種克服上述問題或者至少部分地解決上述問題的視頻推薦方法以及相應(yīng)的裝置。依據(jù)本發(fā)明的一個(gè)方面，提供了一種視頻推薦方法，包括以下步驟獲取用戶的視頻觀看記錄信息；根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度；對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度；以及基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻。根據(jù)本發(fā)明的實(shí)施例，所述根據(jù)所述視頻觀看記錄信息計(jì)算用戶觀看過的各類型 視頻的類型需求強(qiáng)度的步驟包括統(tǒng)計(jì)用戶觀看過的視頻的類型；對(duì)于每一類型視頻，根據(jù)該類型視頻數(shù)量和所有視頻總數(shù)量，計(jì)算該類型視頻的內(nèi)容需求強(qiáng)度；根據(jù)該類型視頻的觀看時(shí)間在所有視頻的觀看時(shí)間中所處的時(shí)間先后位置，計(jì)算該類型視頻的時(shí)間需求強(qiáng)度；以及基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度，計(jì)算該類型視頻的類型需求強(qiáng)度。根據(jù)本發(fā)明的實(shí)施例，在所述基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度、計(jì)算該類型視頻的類型需求強(qiáng)度的步驟中，基于以下公式計(jì)算所述類型需求強(qiáng)度類型需求強(qiáng)度=aX內(nèi)容需求強(qiáng)度+ (l-a)X時(shí)間需求強(qiáng)度，其中a是預(yù)先定義的常數(shù)。根據(jù)本發(fā)明的實(shí)施例，所述對(duì)于每一類型視頻、根據(jù)視頻特征進(jìn)行分組的步驟包括根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組；以及將該類型視頻中的各視頻根據(jù)其特征分入各特征組中。根據(jù)本發(fā)明的實(shí)施例，所述根據(jù)該類型視頻中各視頻的特征、確定該類型視頻中的各特征組的步驟是利用Canopy聚類算法執(zhí)行的，包括以下步驟設(shè)置第一距離閾值和第二距離閾值，其中所述第一距離閾值小于所述第二距離閾值；將特征差異小于所述第一距離閾值的視頻分入相同的特征組中；將與一特征組的特征差異小于所述第二距離閾值、但大于所述第一距離閾值的視頻分入該特征組，并且另外分入單獨(dú)的特征組中；以及根據(jù)特征組中的視頻，計(jì)算各特征組的中心特征。根據(jù)本發(fā)明的實(shí)施例，所述將該類型視頻中的各視頻根據(jù)其特征分入各特征組中的步驟是利用K-Means聚類算法執(zhí)行的，包括以下步驟計(jì)算所述各視頻與各特征組的中心特征的差異；將所述各視頻分入與其差異最小的特征組中；根據(jù)特征組中的視頻，重新計(jì)算各特征組的中心特征；以及重復(fù)執(zhí)行上述步驟，直到所述各特征組的中心特征與前一次計(jì)算的各特征組的中心特征之間的差異小于預(yù)先定義的閾值為止。根據(jù)本發(fā)明的實(shí)施例，特征組的特征需求強(qiáng)度是根據(jù)該特征組中的視頻的觀看時(shí)間在所有特征組的視頻的觀看時(shí)間中所處的時(shí)間先后位置確定的。根據(jù)本發(fā)明的實(shí)施例，特征組的特征需求強(qiáng)度是根據(jù)該特征組中最新觀看的視頻的觀看時(shí)間在各特征組中最新觀看的視頻的觀看時(shí)間中所處的時(shí)間先后位置確定的。根據(jù)本發(fā)明的實(shí)施例，所述基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度、向用戶推薦視頻的步驟包括 按照類型需求強(qiáng)度從高到低的順序，向用戶推薦各類型的視頻；以及對(duì)于每一類型視頻，按照特征需求強(qiáng)度從高到低的順序，向用戶推薦各特征組的視頻。根據(jù)本發(fā)明的實(shí)施例，所述基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度、向用戶推薦視頻的步驟還包括響應(yīng)于用戶更換視頻類型的請(qǐng)求，切換向用戶推薦的視頻類型；和/或響應(yīng)于用戶更換視頻特征組的請(qǐng)求，切換向用戶推薦的視頻特征組。根據(jù)本發(fā)明的實(shí)施例，所述視頻觀看記錄信息包含在用戶的Cookie文件中。依據(jù)本發(fā)明的另一方面，提供了一種視頻推薦裝置，包括信息獲取模塊，用于獲取用戶的視頻觀看記錄信息；類型需求強(qiáng)度計(jì)算模塊，用于根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度；特征需求強(qiáng)度獲取模塊，用于對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度；以及視頻推薦模塊，用于基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻。根據(jù)本發(fā)明的實(shí)施例，所述類型需求強(qiáng)度計(jì)算模塊包括類型統(tǒng)計(jì)子模塊，用于統(tǒng)計(jì)用戶觀看過的視頻的類型；內(nèi)容需求強(qiáng)度計(jì)算子模塊，用于對(duì)于每一類型視頻，根據(jù)該類型視頻數(shù)量和所有視頻總數(shù)量，計(jì)算該類型視頻的內(nèi)容需求強(qiáng)度；時(shí)間需求強(qiáng)度計(jì)算子模塊，用于根據(jù)該類型視頻的觀看時(shí)間在所有視頻的觀看時(shí)間中所處的時(shí)間先后位置，計(jì)算該類型視頻的時(shí)間需求強(qiáng)度；以及類型需求強(qiáng)度計(jì)算子模塊，用于基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度，計(jì)算該類型視頻的類型需求強(qiáng)度。根據(jù)本發(fā)明的實(shí)施例，所述類型需求強(qiáng)度計(jì)算子模塊(203d)基于以下公式計(jì)算所述類型需求強(qiáng)度類型需求強(qiáng)度=aX內(nèi)容需求強(qiáng)度+ (l-a)X時(shí)間需求強(qiáng)度，其中a是預(yù)先定義的常數(shù)。根據(jù)本發(fā)明的實(shí)施例，所述特征需求強(qiáng)度獲取模塊包括特征組確定子模塊，用于根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組；以及特征分組子模塊，用于將該類型視頻中的各視頻根據(jù)其特征分入各特征組中。根據(jù)本發(fā)明的實(shí)施例，所述特征組確定子模塊利用Canopy聚類算法，根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組，其中所述特征組確定子模塊
設(shè)置第一距離閾值和第二距離閾值，其中所述第一距離閾值小于所述第二距離閾值；將特征差異小于所述第一距離閾值的視頻分入相同的特征組中；將與一特征組的特征差異小于所述第二距離閾值、但大于所述第一距離閾值的視頻分入該特征組，并且另外分入單獨(dú)的特征組中；以及根據(jù)特征組中的視頻，計(jì)算各特征組的中心特征。根據(jù)本發(fā)明的實(shí)施例，所述特征分組子模塊利用K-Means聚類算法將該類型視頻中的各視頻根據(jù)其特征分入各特征組中，其中所述特征分組子模塊(205b )計(jì)算所述各視頻與各特征組的中心特征的差異； 將所述各視頻分入與其差異最小的特征組中；根據(jù)特征組中的視頻，重新計(jì)算各特征組的中心特征；以及重復(fù)執(zhí)行上述步驟，直到所述各特征組的中心特征與前一次計(jì)算的各特征組的中心特征之間的差異小于預(yù)先定義的閾值為止。根據(jù)本發(fā)明的實(shí)施例，所述特征需求強(qiáng)度獲取模塊根據(jù)該特征組中的視頻的觀看時(shí)間在所有特征組的視頻的觀看時(shí)間中所處的時(shí)間先后位置，確定特征組的特征需求強(qiáng)度。根據(jù)本發(fā)明的實(shí)施例，所述特征需求強(qiáng)度獲取模塊根據(jù)該特征組中最新觀看的視頻的觀看時(shí)間在各特征組中最新觀看的視頻的觀看時(shí)間中所處的時(shí)間先后位置，確定特征組的特征需求強(qiáng)度。根據(jù)本發(fā)明的實(shí)施例，其中所述視頻推薦模塊包括類型推薦子模塊，用于按照類型需求強(qiáng)度從高到低的順序，向用戶推薦各類型的視頻；以及特征組推薦子模塊，用于對(duì)于每一類型視頻，按照特征需求強(qiáng)度從高到低的順序，向用戶推薦各特征組的視頻。根據(jù)本發(fā)明的實(shí)施例，所述視頻推薦模塊還包括類型切換子模塊，用于響應(yīng)于用戶更換視頻類型的請(qǐng)求，切換向用戶推薦的視頻類型；和/或特征組切換子模塊，用于響應(yīng)于用戶更換視頻特征組的請(qǐng)求，切換向用戶推薦的視頻特征組。根據(jù)本發(fā)明的實(shí)施例，所述視頻觀看記錄信息包含在用戶的Cookie文件中。本發(fā)明提供了視頻推薦方法和裝置。根據(jù)本發(fā)明的實(shí)施例，根據(jù)用戶的視頻觀看記錄信息，計(jì)算各類型視頻的類型需求強(qiáng)度，將每一類型視頻中的視頻分入各特征組，并獲取各特征組的特征需求強(qiáng)度，最后基于類型需求強(qiáng)度和/或特征需求強(qiáng)度向用戶推薦視頻，可以簡單有效地提供多類型和多特征的視頻推薦結(jié)果，滿足了用戶復(fù)雜的視頻推薦需求。相對(duì)于傳統(tǒng)的視頻推薦方法，本發(fā)明能夠計(jì)算用戶對(duì)于不同類型視頻的類型需求強(qiáng)度，并據(jù)此以不同的優(yōu)先級(jí)推薦電影、電視劇、動(dòng)漫劇、綜藝節(jié)目、體育節(jié)目等各種類型的視頻，并且根據(jù)用戶的特征需求強(qiáng)度，以不同的優(yōu)先級(jí)推薦特定視頻類型下的不同特征的視頻，如電影類型中的愛情片、科幻片、戰(zhàn)爭片，電視劇類型中家庭劇、歷史劇等等。另外，還可以響應(yīng)于用戶的請(qǐng)求，切換向用戶推薦的視頻類型和/或視頻特征組。
上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式
。


通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中圖I是現(xiàn)有技術(shù)的視頻推薦方法的流程圖；
圖2是根據(jù)本發(fā)明的實(shí)施例的視頻推薦方法的流程圖；圖3是根據(jù)本發(fā)明的實(shí)施例的視頻推薦裝置的框圖；以及圖4是根據(jù)本發(fā)明的實(shí)施例的視頻推薦模塊的框圖。
具體實(shí)施例方式下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。圖2示意性地圖示了根據(jù)本發(fā)明的實(shí)施例的視頻推薦方法的流程圖。如圖2所示，在根據(jù)本發(fā)明的實(shí)施例的視頻推薦方法100中，一開始，執(zhí)行步驟SlOl :獲取用戶的視頻觀看記錄信息；接著，執(zhí)行步驟S103 :根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度；然后，執(zhí)行步驟S105 :對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度；最后，執(zhí)行步驟S107 :基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻。下面對(duì)上面各步驟進(jìn)行詳細(xì)描述。首先，在步驟SlOl中，獲取用戶的視頻觀看記錄信息。根據(jù)本發(fā)明的實(shí)施例，用戶的Cookie文件可以包含所述視頻觀看記錄信息，即，在用戶每次觀看在線視頻時(shí)，都會(huì)在Cookie文件中留下視頻觀看記錄,該視頻觀看記錄可以至少包括用戶所觀看的所有視頻的ID名稱、類型、特征、觀看時(shí)間、作者、片長、發(fā)行者等信息。然而，本發(fā)明的范圍并不限于此，視頻觀看記錄信息還可以包含在用戶端或者服務(wù)器端的其它文件中。在用戶通過例如瀏覽器訪問在線視頻網(wǎng)站時(shí)，瀏覽器會(huì)向網(wǎng)站服務(wù)器發(fā)送頁面請(qǐng)求，其中包括Cookie文件，此時(shí)，就可以得到用戶的Cookie文件，并獲取其中的用戶的視頻觀看記錄信息。接下來，在步驟S103中，根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度。根據(jù)本發(fā)明的實(shí)施例，所述步驟S103可以包括子步驟S103a、S103b、S103c、以及 S103d。在子步驟S 103a中，統(tǒng)計(jì)用戶觀看過的視頻的類型，此處可以使用countdistinct函數(shù),來計(jì)算非重復(fù)類型的總數(shù)量TypeN。例如,通過Cookie文件中的用戶視頻觀看記錄信息，發(fā)現(xiàn)用戶觀看過3個(gè)電影、2個(gè)電視劇、I個(gè)動(dòng)漫劇，按觀看時(shí)間新舊，電影最新，電視劇次之,動(dòng)漫劇最舊，類型總數(shù)量TypeN為3。
接著，在子步驟S 103b中，對(duì)于每一類型視頻，根據(jù)該類型視頻數(shù)量和所有視頻總數(shù)量，計(jì)算該類型視頻的內(nèi)容需求強(qiáng)度，其計(jì)算公式為=ContentReqi=視頻中類型為Typei的視頻的數(shù)量+所有視頻總數(shù)量。仍以上面的情況為例，三種類型的視頻的內(nèi)容需求強(qiáng)度分別是，電影3，電視劇2，動(dòng)漫劇1。然后，在子步驟S103C中，根據(jù)該類型視頻的觀看時(shí)間在所有視頻的觀看時(shí)間中所處的時(shí)間先后位置，計(jì)算該類型視頻的時(shí)間需求強(qiáng)度，其計(jì)算公式為=FreshReqi=Typei視頻的觀看時(shí)間的時(shí)間先后位置+所有類型視頻的觀看時(shí)間的時(shí)間先后位置之和。仍以上面的情況為例，三種類型的視頻的時(shí)間需求強(qiáng)度分別是，電影3，電視劇2，動(dòng)漫劇1?？蛇x地，只取每種類型中觀看時(shí)間最新的一個(gè)視頻的觀看時(shí)間進(jìn)行計(jì)算。最后，在子步驟S 103d中，可以基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度，計(jì)算該類型視頻的類型需求強(qiáng)度，其計(jì)算公式為
TypeReqi=B^ContentReqi+ (1-a) ^FreshReqi其中，a是擬合參數(shù)，可以根據(jù)實(shí)際需要進(jìn)行選取，例如取a=0. 5。在上面的例子中，三種類型的視頻的類型需求強(qiáng)度分別是，電影3，電視劇2，動(dòng)漫劇1。在步驟S 103之后，執(zhí)行步驟S105 :對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度。其中，所述對(duì)于每一類型視頻、根據(jù)視頻特征進(jìn)行分組的步驟包括子步驟S 105a和S 105b。在子步驟S105a中，根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組，可以利用count distinct函數(shù)來確定非重復(fù)特征組的數(shù)量?？蛇x地,子步驟S105a可以利用Canopy聚類算法執(zhí)行。在Canopy聚類算法中，設(shè)置第一距離閾值和第二距離閾值，其中所述第一距離閾值小于所述第二距離閾值，這兩個(gè)距離閾值的值可以根據(jù)實(shí)際需要來選取；將特征差異小于所述第一距離閾值的視頻分入相同的特征組中；將與一特征組的特征差異小于所述第二距離閾值、但大于所述第一距離閾值的視頻分入該特征組，并且另外分入單獨(dú)的特征組中；根據(jù)特征組中的視頻，計(jì)算各特征組的中心特征。因?yàn)槊總€(gè)特征組中視頻間的差異都很小(相似度很高)，所以Canopy聚類算法能夠給出特征組數(shù)和各組中心特征；因?yàn)槟骋曨l可能會(huì)被分到所有與其特征差異小于所述第二特征閾值的特征組中，即一個(gè)視頻會(huì)分到多個(gè)特征組中，因此這是一個(gè)有交叉的分組方式。然后，在子步驟S105b中，將該類型視頻中的各視頻根據(jù)其特征分入各特征組中?？蛇x地，子步驟S105b可以利用K-Means聚類算法來執(zhí)行,K-Means聚類算法的計(jì)算公式為Clusteri=[視頻」組成的集合,如果視頻j距離第i個(gè)聚類中心點(diǎn)最近的話]。在K-Means聚類算法中，初始設(shè)定K為Canopy聚類的組數(shù),K個(gè)中心點(diǎn)為Canopy聚類分組的中心點(diǎn),循環(huán)聚類直至K個(gè)中心點(diǎn)基本不移動(dòng)(新中心點(diǎn)與原中心點(diǎn)距離足夠小)；每輪聚類是計(jì)算所有視頻與K個(gè)中心點(diǎn)的距離，將其分到距離最小的中心點(diǎn)對(duì)應(yīng)的組中，所有視頻分組完成后，根據(jù)每個(gè)組中的全部視頻，重新計(jì)算K個(gè)中心點(diǎn)。因?yàn)榇怂惴ㄊ諗克俣容^快，因此K-Means聚類是一個(gè)高效算法；而算法收斂時(shí)，再進(jìn)行一輪計(jì)算，分組不會(huì)優(yōu)化，因此該算法還是一個(gè)準(zhǔn)確率高的算法；另外，所有視頻均只分到了一個(gè)距離最近的組中，因此這是一個(gè)無交叉的分組方式。舉例而言，假設(shè)用戶觀看了 “無間道1”、“無間道2”、“桃姐”這3部電影，“戰(zhàn)火西北狼”、“童話二分之一”這2部電視劇，“海賊王”這I部動(dòng)漫劇。對(duì)電影類型進(jìn)行聚類，聚類數(shù)為2，第一特征組包括“無間道I”和“無間道2”，第二特征組包括“桃姐”。對(duì)電視劇類型進(jìn)行聚類，聚類數(shù)為2，第一特征組包括“戰(zhàn)火西北狼”，第二特征組包括“童話二分之一”，動(dòng)漫聚類特征組為I個(gè)，包括“海賊王”。分別對(duì)每個(gè)特征組的視頻進(jìn)行推薦，電影類型的第一特征組可以推薦出“無間道3”、“竊聽風(fēng)云”等警匪電影，電影類型的第二特征組可以推薦出“天水圍的霧與夜”、“海洋天堂”等情感電影；電視劇類型的第一特征組可以推薦出“正者無敵”、“尖刀隊(duì)”等軍事劇，電視劇類型的第二特征組可以推薦出“愛情公寓3”、“我家有喜”等愛情劇；動(dòng)漫劇類型的特征組可以推薦出“海賊王娜美篇”等冒險(xiǎn)動(dòng)漫劇。根據(jù)本發(fā)明的實(shí)施例，特征組的特征需求強(qiáng)度可以是根據(jù)該特征組中的視頻的觀看時(shí)間在所有特征組的視頻的觀看時(shí)間中所處的時(shí)間先后位置確定的?？蛇x地，所述特征需求強(qiáng)度可以是根據(jù)該特征組中最新觀看的視頻的觀看時(shí)間在各特征組中最新觀看的視頻的觀看時(shí)間中所處的時(shí)間先后位置確定的。例如，在上面的例子中，假設(shè)在電影類型的視 頻中，第一特征組中的“無間道2”是該特征組中最新觀看的視頻，而第二特征組中的“桃姐”是該特征組中最新觀看的視頻，而“無間道2”的觀看時(shí)間又比“桃姐”的觀看時(shí)間新。因此，在電影類型中，第一特征組的特征需求強(qiáng)度高于第二特征組的特征需求強(qiáng)度。最后，在步驟S107中，基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻。根據(jù)本發(fā)明的實(shí)施例，步驟S107可以包括子步驟S107a和/或S107b。在子步驟S 107a中，按照類型需求強(qiáng)度從高到低的順序，向用戶推薦各類型的視頻。以上面的情況(時(shí)間需求強(qiáng)度，電影3，電視劇2，動(dòng)漫劇1)為例，首先向用戶推薦電影，其次向用戶推薦電視劇，最后向用戶推薦動(dòng)漫劇。例如，可以在界面中展現(xiàn)“電影推薦”、“電視劇推薦”、“動(dòng)漫劇推薦”3個(gè)鏈接按鈕，默認(rèn)展現(xiàn)“電影推薦”的內(nèi)容。另外，可以響應(yīng)于用戶更換視頻類型的請(qǐng)求，切換向用戶推薦的視頻類型，例如，用戶可以通過選擇“電視劇推薦”或“動(dòng)漫劇推薦”來分別觀看電視劇類型視頻和動(dòng)漫劇類型視頻中的推薦視頻。在子步驟S107b中，對(duì)于每一類型視頻，按照特征需求強(qiáng)度從高到低的順序，向用戶推薦各特征組的視頻。例如，在上面的例子中，在“電影推薦”中，可以在左邊展現(xiàn)電影類型中特征需求強(qiáng)度最高的第一特征組中之前觀看過的電影“無間道1”、“無間道2”，右邊展現(xiàn)第一特征組中的推薦電影“無間道3”、“竊聽風(fēng)云”等。而如果用戶選擇了“電視劇推薦”，則可以向用戶展現(xiàn)電視劇類型中特征需求強(qiáng)度最高的第一特征組中的推薦視頻，例如，左邊展現(xiàn)第一特征組中已經(jīng)觀看過的觀看電視劇“戰(zhàn)火西北狼”，右邊展現(xiàn)第一特征組中推薦的電視劇“正者無敵”、“尖刀隊(duì)”等。另外，還可以響應(yīng)于用戶更換視頻特征組的請(qǐng)求，切換向用戶推薦的視頻特征組。即，向用戶提供切換到其它特征組視頻推薦的方式，例如，在界面中提供“換一換”鏈接按鈕。如上例，在“電影推薦”類型下，通過點(diǎn)擊“換一換”鏈接按鈕，可以由第一特征組電影推薦切換到第二特征組電影推薦左邊展現(xiàn)第二特征組中觀看過的電影“桃姐”，右邊展現(xiàn)第二特征組中推薦的“天水圍的霧與夜”、“海洋天堂”等情感電影；通過再次點(diǎn)擊“換一換”鏈接按鈕，可以切換回第一組電影推薦。本領(lǐng)域技術(shù)人員可以容易理解，上述界面展示的方式僅為示例，用于幫助讀者理解本發(fā)明的原理，而非將本發(fā)明的范圍限制于此，還可以采用其它各種方式安排界面，以向用戶推薦視頻。本發(fā)明提供了一種視頻推薦方法。根據(jù)本發(fā)明的實(shí)施例，根據(jù)用戶的視頻觀看記錄信息，計(jì)算各類型視頻的類型需求強(qiáng)度，將每一類型視頻中的視頻分入各特征組，并獲取各特征組的特征需求強(qiáng)度，最后基于類型需求強(qiáng)度和/或特征需求強(qiáng)度向用戶推薦視頻，可以簡單有效地提供多類型和多特征的視頻推薦結(jié)果，滿足了用戶復(fù)雜的視頻推薦需求。相對(duì)于傳統(tǒng)的視頻推薦方法，本發(fā)明能夠計(jì)算用戶對(duì)于不同類型視頻的類型需求強(qiáng)度，并據(jù)此以不同的優(yōu)先級(jí)推薦電影、電視劇、動(dòng)漫劇、綜藝節(jié)目、體育節(jié)目等各種類型的視頻，并且根據(jù)用戶的特征需求強(qiáng)度，以不同的優(yōu)先級(jí)推薦特定視頻類型下的不同特征的視頻，如電影類型中的愛情片、科幻片、戰(zhàn)爭片，電視劇類型中家庭劇、歷史劇等等，這樣，可以分組對(duì)用戶進(jìn)行視頻推薦，并且優(yōu)先提供用戶最喜歡的特征組的視頻。另外，還可以響應(yīng)于用戶的請(qǐng)求，切換向用戶推薦的視頻類型和/或視頻特征組。即，用戶可以通過點(diǎn)擊其他類型的視頻而切換到該類型的視頻推薦結(jié)果；用戶也可以通過點(diǎn)擊“換一換”按鈕，切換到其他特征所對(duì)應(yīng)的視頻推薦結(jié)果。與上述的方法100相對(duì)應(yīng)，本發(fā)明還提供了一種視頻推薦裝置的裝置200。圖3示意性地圖示了根據(jù)本發(fā)明的實(shí)施例的視頻推薦裝置200的框圖，參見圖3，該裝置200包括 信息獲取模塊201，用于獲取用戶的視頻觀看記錄信息，該信息獲取模塊201可以用于執(zhí)行方法100中的步驟SlOl ；類型需求強(qiáng)度計(jì)算模塊203，用于根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度，該類型需求強(qiáng)度計(jì)算模塊203可以用于執(zhí)行方法100中的步驟 S103 ；特征需求強(qiáng)度獲取模塊205，用于對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度，該特征需求強(qiáng)度獲取模塊205可以用于執(zhí)行方法100中的步驟S105 ;以及視頻推薦模塊207，用于基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻，該視頻推薦模塊207可以用于執(zhí)行方法100中的步驟S107。在本發(fā)明的實(shí)施例中，所述類型需求強(qiáng)度計(jì)算模塊203包括類型統(tǒng)計(jì)子模塊203a，用于統(tǒng)計(jì)用戶觀看過的視頻的類型，其可以用于執(zhí)行方法100的步驟S103中的子步驟S103a ；內(nèi)容需求強(qiáng)度計(jì)算子模塊203b，用于對(duì)于每一類型視頻，根據(jù)該類型視頻數(shù)量和所有視頻總數(shù)量，計(jì)算該類型視頻的內(nèi)容需求強(qiáng)度，其可以用于執(zhí)行方法100的步驟S103中的子步驟S103b ；時(shí)間需求強(qiáng)度計(jì)算子模塊203c，用于根據(jù)該類型視頻的觀看時(shí)間在所有視頻的觀看時(shí)間中所處的時(shí)間先后位置，計(jì)算該類型視頻的時(shí)間需求強(qiáng)度，其可以用于執(zhí)行方法100的步驟S103中的子步驟S103C ；以及類型需求強(qiáng)度計(jì)算子模塊203d，用于基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度，計(jì)算該類型視頻的類型需求強(qiáng)度，其可以用于執(zhí)行方法100的步驟S103中的子步驟S103d，其可以基于上面子步驟S103d中的公式來計(jì)算所述類型需求強(qiáng)度。在本發(fā)明的實(shí)施例中，所述特征需求強(qiáng)度獲取模塊205包括特征組確定子模塊205a，用于根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組，其可以用于執(zhí)行方法100的步驟S105中的子步驟S105a ;以及
特征分組子模塊205b，用于將該類型視頻中的各視頻根據(jù)其特征分入各特征組中，其可以用于執(zhí)行方法100的步驟S105中的子步驟S105b。在本發(fā)明的實(shí)施例中，所述特征組確定子模塊205a利用Canopy聚類算法，根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組，其中所述特征組確定子模塊205a 設(shè)置第一距離閾值和第二距離閾值，其中所述第一距離閾值小于所述第二距離閾值；將特征差異小于所述第一距離閾值的視頻分入相同的特征組中；將與一特征組的特征差異小于所述第二距離閾值、但大于所述第一距離閾值的視頻分入該特征組，并且另外分入單獨(dú)的特征組中；以及
根據(jù)特征組中的視頻，計(jì)算各特征組的中心特征。在本發(fā)明的實(shí)施例中，所述特征分組子模塊205b利用K-Means聚類算法將該類型視頻中的各視頻根據(jù)其特征分入各特征組中，其中所述特征分組子模塊205b 計(jì)算所述各視頻與各特征組的中心特征的差異；將所述各視頻分入與其差異最小的特征組中；根據(jù)特征組中的視頻，重新計(jì)算各特征組的中心特征；以及重復(fù)執(zhí)行上述步驟，直到所述各特征組的中心特征與前一次計(jì)算的各特征組的中心特征之間的差異小于預(yù)先定義的閾值為止。在本發(fā)明的實(shí)施例中，所述特征需求強(qiáng)度獲取模塊205根據(jù)該特征組中的視頻的觀看時(shí)間在所有特征組的視頻的觀看時(shí)間中所處的時(shí)間先后位置，確定特征組的特征需求強(qiáng)度。在本發(fā)明的實(shí)施例中，所述特征需求強(qiáng)度獲取模塊205根據(jù)該特征組中最新觀看的視頻的觀看時(shí)間在各特征組中最新觀看的視頻的觀看時(shí)間中所處的時(shí)間先后位置，確定特征組的特征需求強(qiáng)度。在本發(fā)明的實(shí)施例中，參見圖4，所述視頻推薦模塊207可以包括類型推薦子模塊207a，用于按照類型需求強(qiáng)度從高到低的順序，向用戶推薦各類型的視頻，其可以用于執(zhí)行方法100的步驟S107中的子步驟S107a ;以及特征組推薦子模塊207b，用于對(duì)于每一類型視頻，按照特征需求強(qiáng)度從高到低的順序，向用戶推薦各特征組的視頻，其可以用于執(zhí)行方法100的步驟S107中的子步驟S107b。在本發(fā)明的實(shí)施例中，所述視頻推薦模塊207還可以包括類型切換子模塊，用于響應(yīng)于用戶更換視頻類型的請(qǐng)求，切換向用戶推薦的視頻類型；和/或特征組切換子模塊，用于響應(yīng)于用戶更換視頻特征組的請(qǐng)求，切換向用戶推薦的視頻特征組。在本發(fā)明的實(shí)施例中，所述視頻觀看記錄信息包含在用戶的Cookie文件中。由于上述各裝置實(shí)施例與前述各方法實(shí)施例相對(duì)應(yīng)，因此不再對(duì)各裝置實(shí)施例進(jìn)行詳細(xì)描述。在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對(duì)任何特定編程語言。應(yīng)當(dāng)明白，可以利用各種編程語言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語言所做的描述是為了披露本發(fā)明的最佳實(shí)施方式。在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說明書的理解。類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式
的權(quán)利要求書由此明確地并入該具體實(shí)施方式
，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。 本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的裝置中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)裝置中。可以把實(shí)施例中的若干模塊組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過程或者模塊中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個(gè)特征可以由提供相同、等同或相似目的替代特征來代替。此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來使用。本發(fā)明的各個(gè)裝置實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP )來實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的裝置中的一些或者全部模塊的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過同一個(gè)硬件項(xiàng)來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。
權(quán)利要求
1.一種視頻推薦方法(100)，包括以下步驟 獲取用戶的視頻觀看記錄信息(SlOl)； 根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度(S103);對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度(S105);以及 基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻(S107)。
2.如權(quán)利要求I所述的方法，其中所述根據(jù)所述視頻觀看記錄信息計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度(S103)的步驟包括 統(tǒng)計(jì)用戶觀看過的視頻的類型(S103a)； 對(duì)于每一類型視頻，根據(jù)該類型視頻數(shù)量和所有視頻總數(shù)量，計(jì)算該類型視頻的內(nèi)容需求強(qiáng)度(S103b)； 根據(jù)該類型視頻的觀看時(shí)間在所有視頻的觀看時(shí)間中所處的時(shí)間先后位置，計(jì)算該類型視頻的時(shí)間需求強(qiáng)度(S103c);以及 基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度，計(jì)算該類型視頻的類型需求強(qiáng)度(S103d)。
3.如權(quán)利要求2所述的方法，其中在所述基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度、計(jì)算該類型視頻的類型需求強(qiáng)度(S103d)的步驟中，基于以下公式計(jì)算所述類型需求強(qiáng)度 類型需求強(qiáng)度=aX內(nèi)容需求強(qiáng)度+ (1-a) X時(shí)間需求強(qiáng)度，其中a是預(yù)先定義的常數(shù)。
4.如權(quán)利要求I所述的方法，其中所述對(duì)于每一類型視頻、根據(jù)視頻特征進(jìn)行分組的步驟包括 根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組(S105a);以及 將該類型視頻中的各視頻根據(jù)其特征分入各特征組中(S105b)。
5.如權(quán)利要求4所述的方法，其中所述根據(jù)該類型視頻中各視頻的特征、確定該類型視頻中的各特征組(S105a)的步驟是利用Canopy聚類算法執(zhí)行的，包括以下步驟 設(shè)置第一距離閾值和第二距離閾值，其中所述第一距離閾值小于所述第二距離閾值； 將特征差異小于所述第一距離閾值的視頻分入相同的特征組中； 將與一特征組的特征差異小于所述第二距離閾值、但大于所述第一距離閾值的視頻分入該特征組，并且另外分入單獨(dú)的特征組中；以及根據(jù)特征組中的視頻，計(jì)算各特征組的中心特征。
6.如權(quán)利要求5所述的方法，其中所述將該類型視頻中的各視頻根據(jù)其特征分入各特征組中(S105b)的步驟是利用K-Means聚類算法執(zhí)行的，包括以下步驟 計(jì)算所述各視頻與各特征組的中心特征的差異； 將所述各視頻分入與其差異最小的特征組中； 根據(jù)特征組中的視頻，重新計(jì)算各特征組的中心特征；以及 重復(fù)執(zhí)行上述步驟，直到所述各特征組的中心特征與前一次計(jì)算的各特征組的中心特征之間的差異小于預(yù)先定義的閾值為止。
7.如權(quán)利要求I至6中的任一項(xiàng)所述的方法，其中特征組的特征需求強(qiáng)度是根據(jù)該特征組中的視頻的觀看時(shí)間在所有特征組的視頻的觀看時(shí)間中所處的時(shí)間先后位置確定的。
8.如權(quán)利要求7所述的方法，其中特征組的特征需求強(qiáng)度是根據(jù)該特征組中最新觀看的視頻的觀看時(shí)間在各特征組中最新觀看的視頻的觀看時(shí)間中所處的時(shí)間先后位置確定的。
9.如權(quán)利要求I至6中的任一項(xiàng)所述的方法，其中所述基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度、向用戶推薦視頻(S107)的步驟包括 按照類型需求強(qiáng)度從高到低的順序，向用戶推薦各類型的視頻(S107a);和/或?qū)τ诿恳活愋鸵曨l，按照特征需求強(qiáng)度從高到低的順序，向用戶推薦各特征組的視頻(S107b)。
10.如權(quán)利要求9所述的方法，其中所述基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度、向用戶推薦視頻(S107)的步驟還包括 響應(yīng)于用戶更換視頻類型的請(qǐng)求，切換向用戶推薦的視頻類型；和/或 響應(yīng)于用戶更換視頻特征組的請(qǐng)求，切換向用戶推薦的視頻特征組。
11.如權(quán)利要求I至6中的任一項(xiàng)所述的方法，其中所述視頻觀看記錄信息包含在用戶的Cookie文件中。
12.—種視頻推薦裝置(200),包括 信息獲取模塊(201)，用于獲取用戶的視頻觀看記錄信息； 類型需求強(qiáng)度計(jì)算模塊(203)，用于根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度； 特征需求強(qiáng)度獲取模塊(205)，用于對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度；以及 視頻推薦模塊(207)，用于基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻。
13.如權(quán)利要求12所述的裝置，其中所述類型需求強(qiáng)度計(jì)算模塊(203)包括 類型統(tǒng)計(jì)子模塊(203a)，用于統(tǒng)計(jì)用戶觀看過的視頻的類型； 內(nèi)容需求強(qiáng)度計(jì)算子模塊(203b)，用于對(duì)于每一類型視頻，根據(jù)該類型視頻數(shù)量和所有視頻總數(shù)量，計(jì)算該類型視頻的內(nèi)容需求強(qiáng)度； 時(shí)間需求強(qiáng)度計(jì)算子模塊(203c)，用于根據(jù)該類型視頻的觀看時(shí)間在所有視頻的觀看時(shí)間中所處的時(shí)間先后位置，計(jì)算該類型視頻的時(shí)間需求強(qiáng)度；以及 類型需求強(qiáng)度計(jì)算子模塊(203d)，用于基于所述內(nèi)容需求強(qiáng)度和所述時(shí)間需求強(qiáng)度，計(jì)算該類型視頻的類型需求強(qiáng)度。
14.如權(quán)利要求13所述的裝置，其中所述類型需求強(qiáng)度計(jì)算子模塊(203d)基于以下公式計(jì)算所述類型需求強(qiáng)度 類型需求強(qiáng)度=aX內(nèi)容需求強(qiáng)度+ (1-a) X時(shí)間需求強(qiáng)度，其中a是預(yù)先定義的常數(shù)。
15.如權(quán)利要求12所述的裝置，其中所述特征需求強(qiáng)度獲取模塊(205)包括 特征組確定子模塊(205a)，用于根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組；以及 特征分組子模塊(205b)，用于將該類型視頻中的各視頻根據(jù)其特征分入各特征組中。
16.如權(quán)利要求15所述的裝置,其中所述特征組確定子模塊(205a)利用Canopy聚類算法，根據(jù)該類型視頻中各視頻的特征，確定該類型視頻中的各特征組，其中所述特征組確定子模塊(205a) 設(shè)置第一距離閾值和第二距離閾值，其中所述第一距離閾值小于所述第二距離閾值； 將特征差異小于所述第一距離閾值的視頻分入相同的特征組中； 將與一特征組的特征差異小于所述第二距離閾值、但大于所述第一距離閾值的視頻分入該特征組，并且另外分入單獨(dú)的特征組中；以及 根據(jù)特征組中的視頻，計(jì)算各特征組的中心特征。
17.如權(quán)利要求16所述的裝置，其中所述特征分組子模塊(205b)利用K-Means聚類算法將該類型視頻中的各視頻根據(jù)其特征分入各特征組中，其中所述特征分組子模塊 (205b) 計(jì)算所述各視頻與各特征組的中心特征的差異； 將所述各視頻分入與其差異最小的特征組中； 根據(jù)特征組中的視頻，重新計(jì)算各特征組的中心特征；以及 重復(fù)執(zhí)行上述步驟，直到所述各特征組的中心特征與前一次計(jì)算的各特征組的中心特征之間的差異小于預(yù)先定義的閾值為止。
18.如權(quán)利要求12至17中的任一項(xiàng)所述的裝置，其中所述特征需求強(qiáng)度獲取模塊(205)根據(jù)該特征組中的視頻的觀看時(shí)間在所有特征組的視頻的觀看時(shí)間中所處的時(shí)間先后位置，確定特征組的特征需求強(qiáng)度。
19.如權(quán)利要求18所述的裝置，其中所述特征需求強(qiáng)度獲取模塊(205)根據(jù)該特征組中最新觀看的視頻的觀看時(shí)間在各特征組中最新觀看的視頻的觀看時(shí)間中所處的時(shí)間先后位置，確定特征組的特征需求強(qiáng)度。
20.如權(quán)利要求12至17中的任一項(xiàng)所述的裝置，其中所述視頻推薦模塊(207)包括 類型推薦子模塊(207a)，用于按照類型需求強(qiáng)度從高到低的順序，向用戶推薦各類型的視頻；和/或 特征組推薦子模塊(207b)，用于對(duì)于每一類型視頻，按照特征需求強(qiáng)度從高到低的順序，向用戶推薦各特征組的視頻。
21.如權(quán)利要求20所述的裝置，其中所述視頻推薦模塊(207)還包括 類型切換子模塊，用于響應(yīng)于用戶更換視頻類型的請(qǐng)求，切換向用戶推薦的視頻類型；和/或 特征組切換子模塊，用于響應(yīng)于用戶更換視頻特征組的請(qǐng)求，切換向用戶推薦的視頻特征組。
22.如權(quán)利要求12至17中的任一項(xiàng)所述的裝置，其中所述視頻觀看記錄信息包含在用戶的Cookie文件中。
全文摘要
本發(fā)明公開了一種視頻推薦方法和裝置，其中所述方法包括以下步驟獲取用戶的視頻觀看記錄信息；根據(jù)所述視頻觀看記錄信息，計(jì)算用戶觀看過的各類型視頻的類型需求強(qiáng)度；對(duì)于每一類型視頻，根據(jù)視頻特征進(jìn)行分組，并且獲取各特征組的特征需求強(qiáng)度；以及基于所述類型需求強(qiáng)度和/或所述特征需求強(qiáng)度，向用戶推薦視頻。根據(jù)本發(fā)明的實(shí)施例，可以簡單有效地提供多類型和多特征的視頻推薦結(jié)果，滿足了用戶復(fù)雜的視頻推薦需求。
文檔編號(hào)G06F17/30GK102968446SQ20121040884
公開日2013年3月13日 申請(qǐng)日期2012年10月24日 優(yōu)先權(quán)日2012年10月24日
發(fā)明者楊浩, 吳凱 申請(qǐng)人:北京奇虎科技有限公司, 奇智軟件(北京)有限公司