[发明专利]一种视频推荐方法及系统

权利要求书

1.一种视频推荐方法，其特征在于，包括：

采集用户信息数据、视频信息数据和用户观看视频所产生的行为信息数据；

根据所采集的数据建立因子分解机模型，并训练强化学习网络模型；

获取用户截止到当前所观看视频的历史行为信息数据，并根据所述历史行为信息数据，基于所述因子分解机模型和训练后的强化学习网络模型，获得用户的推荐视频；

记录用户对所述推荐视频的实际反馈信息，并根据所述实际反馈信息优化所述因子分解机模型和所述训练后的强化学习网络模型；

其中，所述根据所采集的数据建立因子分解机模型，并训练强化学习网络模型，具体包括：

根据所采集的数据求解用户与视频之间的隐形因子特征，并根据所述隐形因子特征建立所述因子分解机模型；

将所采集的行为信息数据输入至所述强化学习网络模型和所述因子分解机模型，计算获得一个奖励期望值最大的训练视频；

根据预先建立的预测评分矩阵，计算用户观看所述奖励期望值最大的训练视频的奖励值，并将用户的观看行为数据添加到所述行为信息数据中；

根据所述行为信息数据、所述奖励值、所述观看行为数据和添加后的行为信息数据，更新强化学习网络结构权值参数，以更新所述强化学习网络模型；

将所述添加后的行为信息数据输入至更新后的强化学习网络模型和所述因子分解机模型，以继续更新所述强化学习网络结构权值参数，直到完成所述强化学习网络模型的训练为止；

其中，所述强化学习网络模型包括动作Actor网络和评价者Critic网络；

所述将所采集的行为信息数据输入至所述强化学习网络模型和所述因子分解机模型，计算获得一个奖励期望值最大的训练视频，进一步具体包括：

将所采集的行为信息数据输入至所述强化学习网络模型，由所述Actor网络输出一个训练初始推荐视频；

将所述行为信息数据和所述训练初始推荐视频输入至所述因子分解机模型，获得训练视频推荐集合；

将所述训练视频推荐集合返回至所述强化学习网络模型，由所述Critic网络计算输出一个奖励期望值最大的训练视频。

2.如权利要求1所述的视频推荐方法，其特征在于，所述根据所述历史行为信息数据，基于所述因子分解机模型和训练后的强化学习网络模型，获得用户的推荐视频，具体包括：

将所述历史行为信息数据输入至所述训练后的强化学习网络模型，由所述Actor网络输出一个初始推荐视频；

将所述历史行为信息数据和所述初始推荐视频输入至所述因子分解机模型，获得预视频推荐集合；

将所述预视频推荐集合返回至所述训练后的强化学习网络模型，由所述Critic网络输出一个奖励期望值最大的视频；

根据预先建立的状态概率转移矩阵模拟判断用户是否观看所述奖励期望值最大的视频；

若判定用户观看所述奖励期望值最大的视频，则将所述奖励期望值最大的视频作为用户的推荐视频。

3.如权利要求2所述的视频推荐方法，其特征在于，在所述将所述奖励期望值最大的视频作为用户的推荐视频之后，还包括：

将所述推荐视频添加到所述历史行为信息数据中，并根据添加后的历史行为信息数据，基于所述因子分解机模型和所述训练后的强化学习网络模型，继续获取用户的推荐视频，直到获取预设数量的推荐视频为止。

4.如权利要求2所述的视频推荐方法，其特征在于，在所述根据所采集的数据建立因子分解机模型，并训练强化学习网络模型之前，还包括：

根据所采集的视频信息数据，计算视频与视频之间的相似性，获得视频相似矩阵；

根据所述视频相似矩阵，建立状态概率转移矩阵；

根据用户观看视频所产生的行为信息数据，获得用户对视频的评分矩阵；

根据所述状态概率转移矩阵和所述评分矩阵，建立所有用户对所有视频的预测评分矩阵。

5.如权利要求1所述的视频推荐方法，其特征在于，在所述根据所采集的数据建立因子分解机模型，并训练强化学习网络模型之前，还包括：

对所采集的数据进行清洗和入库，以将所采集的数据转换为结构化数据，并存入数据库。