[发明专利]一种推荐视频的方法和系统

说明书

本发明提供了一种推荐视频的方法和系统，所述方法首先根据各个视频流数据的预设标签信息对视频流数据进行分类，得到得到各个视频流数据对应的群组信息；以及通过采集用户观看视频的浏览信息，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中。当接收终端发送的视频推荐请求，根据推荐请求中的用户信息确定该用户的标签信息和浏览习惯历史信息，以及根据用户的标签信息和浏览习惯历史信息确定视频推荐策略，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。本发明在兼顾视频热度推荐的同时，还可以基于用户偏好推荐视频，有效提高了推荐视频服务质量。

技术领域

本发明涉及视频应用处理领域，特别涉及一种推荐视频的方法和系统。

背景技术

视频服务提供商(腾讯/乐视/CNTV/优酷/百视通等)在向用户推荐视频时，最通用的做法是将视频按类型进行分类(综艺、电影、电视剧、军事、体育、科技、音乐、经济、纪录片、卡通、游戏、教育、时尚、原创等)，在同一类别中按照用户点击量和搜索量作为唯一的判断指标，并将点击量和搜索量靠前的视频推荐给客户。另外一个探索性的做法是基于个性化推荐引擎进行视频推荐，其基本原理是：收集和分析用户的视频偏好，然后按照用户偏好给客户推荐视频。当然相同偏好的视频列表，视频排序方法还是基于某个权重值(如视频热度/搜索量/其他模式等)。

传统的基于点击量(收视率)和搜索量为基础的视频推荐方法，存在以下问题：强化了群体共性(马太效应，强势节目恒强，弱势节目恒弱)，忽略了个体的兴趣和需要，属于简单粗暴实用的视频推荐方法，给用户感官体验不是很好。

基于个性化推荐引擎进行视频推荐方法，存在下面的缺陷：首先，在系统的初始阶段，需要庞大的数据分析用户偏好，这需要时间积累。即初始阶段给客户的个性推荐可能相当不准确。用业界的说法：存在系统冷启动问题。其次，面对庞大无比片源库，在没有任何指引的前提下，用户选择往往存在困难。再次，基于个性化推荐引擎的推荐方法无法预测视频整体的流行趋势、热度分布情况，对于突发性推荐(如用户偏好之外的临时起意)，存在样本不足的问题，将导致推荐服务质量进一步下降。

发明内容

为此，需要提供一种推荐视频的技术方案，用以解决现有的视频推荐方法存在的推荐服务质量差、用户体验不佳等问题。

为实现上述目的，发明人提供了一种推荐视频的系统，所述系统包括终端和服务器；所述服务器包括数据采集单元、用户分析单元、数据存储单元、视频分析单元、视频数据库、视频推荐单元；所述数据存储单元包括信息存储单元、浏览习惯历史信息存储单元；

所述视频分析单元用于根据视频流数据的预设标签信息遍历视频数据库，对视频数据库中的所有视频流数据进行聚类分析，将所有视频流数据划分为若干个群组，得到各个视频流数据对应的群组信息，并将群组信息存储于该群组的视频流数据对应的信息存储单元中；

所述数据采集单元用于采集用户在终端浏览视频流的相关数据；

所述用户分析单元用于根据数据采集单元所采集的数据进行分析，确定该用户对应的标签信息，并将标签信息与用户信息对应存储于信息存储单元中；以及用于将数据采集单元所采集的数据与浏览习惯历史信息相对应保存于浏览习惯历史信息存储单元，并重新计算浏览习惯历史信息后，将新计算出来的浏览习惯历史信息更新到该用户对应的浏览习惯历史信息中；

所述视频推荐单元用于接收终端发送的视频推荐请求，服务器融合用户偏好，群组偏好，视频群组，视频质量等要素，并根据视频推荐策略将视频数据库中对应的视频流数据推送至终端。

进一步地，所述推荐策略包括用户偏好推荐策略和群组偏好推荐策略，视频推荐单元用于根据用户的标签信息和浏览习惯历史信息确定视频推荐策略包括：对用户偏好推荐策略和群组偏好推荐策略划分不同的权重值，根据权重值大小确定视频推荐策略；所述权重值根据视频流数据热度确定。