[发明专利]一种视频推荐方法和装置

权利要求书

1.一种视频推荐方法（100），包括以下步骤：

获取用户的视频观看记录信息（S101）；

根据所述视频观看记录信息，计算用户观看过的各类型视频的类型需求强度（S103）；

对于每一类型视频，根据视频特征进行分组，并且获取各特征组的特征需求强度（S105）；以及

基于所述类型需求强度和/或所述特征需求强度，向用户推荐视频（S107）。

2.如权利要求1所述的方法，其中所述根据所述视频观看记录信息计算用户观看过的各类型视频的类型需求强度（S103）的步骤包括：

统计用户观看过的视频的类型（S103a）；

对于每一类型视频，根据该类型视频数量和所有视频总数量，计算该类型视频的内容需求强度（S103b）；

根据该类型视频的观看时间在所有视频的观看时间中所处的时间先后位置，计算该类型视频的时间需求强度（S103c）；以及

基于所述内容需求强度和所述时间需求强度，计算该类型视频的类型需求强度（S103d）。

3.如权利要求2所述的方法，其中在所述基于所述内容需求强度和所述时间需求强度、计算该类型视频的类型需求强度（S103d）的步骤中，基于以下公式计算所述类型需求强度：

类型需求强度=a×内容需求强度+（1-a）×时间需求强度，其中a是预先定义的常数。

4.如权利要求1所述的方法，其中所述对于每一类型视频、根据视频特征进行分组的步骤包括：

根据该类型视频中各视频的特征，确定该类型视频中的各特征组（S105a）；以及

将该类型视频中的各视频根据其特征分入各特征组中（S105b）。

5.如权利要求4所述的方法，其中所述根据该类型视频中各视频的特征、确定该类型视频中的各特征组（S105a）的步骤是利用Canopy聚类算法执行的，包括以下步骤：

设置第一距离阈值和第二距离阈值，其中所述第一距离阈值小于所述第二距离阈值；

将特征差异小于所述第一距离阈值的视频分入相同的特征组中；

将与一特征组的特征差异小于所述第二距离阈值、但大于所述第一距离阈值的视频分入该特征组，并且另外分入单独的特征组中；以及

根据特征组中的视频，计算各特征组的中心特征。

6.如权利要求5所述的方法，其中所述将该类型视频中的各视频根据其特征分入各特征组中（S105b）的步骤是利用K-Means聚类算法执行的，包括以下步骤：

计算所述各视频与各特征组的中心特征的差异；

将所述各视频分入与其差异最小的特征组中；

根据特征组中的视频，重新计算各特征组的中心特征；以及

重复执行上述步骤，直到所述各特征组的中心特征与前一次计算的各特征组的中心特征之间的差异小于预先定义的阈值为止。

7.如权利要求1至6中的任一项所述的方法，其中特征组的特征需求强度是根据该特征组中的视频的观看时间在所有特征组的视频的观看时间中所处的时间先后位置确定的。

8.如权利要求7所述的方法，其中特征组的特征需求强度是根据该特征组中最新观看的视频的观看时间在各特征组中最新观看的视频的观看时间中所处的时间先后位置确定的。

9.如权利要求1至6中的任一项所述的方法，其中所述基于所述类型需求强度和/或所述特征需求强度、向用户推荐视频（S107）的步骤包括：

按照类型需求强度从高到低的顺序，向用户推荐各类型的视频（S107a）；和/或

对于每一类型视频，按照特征需求强度从高到低的顺序，向用户推荐各特征组的视频（S107b）。

10.如权利要求9所述的方法，其中所述基于所述类型需求强度和/或所述特征需求强度、向用户推荐视频（S107）的步骤还包括：

响应于用户更换视频类型的请求，切换向用户推荐的视频类型；和/或

响应于用户更换视频特征组的请求，切换向用户推荐的视频特征组。

11.如权利要求1至6中的任一项所述的方法，其中所述视频观看记录信息包含在用户的Cookie文件中。