[发明专利]一种视频相似度的计算方法

说明书

技术领域

本发明涉及一种视频相似度的计算方法，属于计算机数据挖掘技术领域。

背景技术

随着互联网技术的迅猛发展，在大数据时代，人们可以获得和接触的视频资源越 来越多，但找到自己喜欢的视频所花费的时间也越来越多。在视频门户网站中，都会有相关 视频推荐的服务，此服务可将更多的视频资源展现给用户，视频推荐技术已经广泛应用到 在线视频系统中，其中相关视频推荐已经变成用户发现视频的主要途径之一。具体而言，当 用户进入到一部视频的详情页或者一部视频观看结束后，系统会展示一些与该视频相关的 视频列表。提高了用户的视频点击率，并在一定的程度上提高用户的付费转化率。相关视频 计算是提高个性化服务不可或缺的一部分。

一般地，相关视频推荐会依据与目标视频匹配上的标签对备选视频进行排序，有 些基于匹配上的标签数目，有些则基于带权重的标签匹配算法。现有的相似视频的计算方 法多以视频为基础进行计算，并未从用户的维度进行加权计算。经过分析海信电视用户日 志数据，相关视频的转化率不足10％，经过分析得知，线上系统所用的相似视频的计算方法 较为单一，视频的主题并未以用户的评论进行加权，导致了相似视频的转化率较低。

发明内容

针对现有技术的不足，本发明提供了一种视频相似度的计算方法；

本发明通过对用户的历史数据(观看、评论等的行为数据)分析构建用户特征画 像，为了达到高效的目的，用户特征画像的建立是通过离线处理装置事先算好的，因此，可 周期性获取用户特征，最后将用户特征画像融入到相关视频推荐中，从而达到了个性化推 荐的目的。

本发明根据用户的评论对传统的相似视频计算方法进行修正，在提高相关视频转 化率及提升用户体验的同时，也给视频供应商带来了巨大的经济效益。

术语解释

文本特征，是指用于表示文本的基本单位；

本发明的技术方案为：

一种视频相似度的计算方法，具体步骤包括：

(1)提取视频A初步文本特征

①对所述视频A的简介进行中文分词；

②计算步骤①获取的每个分词的频率，计算公式如式(Ⅰ)所示：

βa,d=count(a,d)count(d)---(I)]]>

式(Ⅰ)中，β_a,d是指分词a在视频A的简介d中的频率，count(a,d)是指分词a在视频A 的简介d中出现的次数，count(d)是指视频A的简介d中所有分词的数量；

③计算分词a在整个数据库中所有视频的简介C中出现的逆文档频率β_a,C，计算公 式如式(Ⅱ)所示：