[发明专利]一种视频推荐方法、系统、设备及计算机可读存储介质

权利要求书

1.一种视频推荐方法，其特征在于，应用于目标神经网络模型，包括：

获取视频用户集、视频项目集、视频观看行为历史、用户社交网络；

获取待推荐的一组目标视频；

基于所述视频项目集和所述视频观看行为历史，确定目标用户的动态兴趣偏好及长期兴趣偏好；

基于所述视频用户集、所述视频项目集、所述视频观看行为历史及所述用户社交网络，确定所述目标用户的社交影响偏好；

对所述动态兴趣偏好、所述长期兴趣偏好及所述社交影响偏好进行融合，得到用户综合兴趣偏好；

基于所述用户综合兴趣偏好确定为所述目标用户推荐所述目标视频的推荐结果；

其中，所述动态兴趣偏好表征所述目标用户在第一时长内的视频浏览偏好；所述长期兴趣偏好表征所述目标用户在第二时长内的视频浏览偏好，且所述第二时长大于所述第一时长；所述社交影响偏好表征所述目标用户在其他用户的视频推荐下的视频浏览偏好。

2.根据权利要求1所述的方法，其特征在于，所述基于所述视频项目集和所述视频观看行为历史，确定目标用户的动态兴趣偏好及长期兴趣偏好，包括：

通过第一运算公式，基于所述视频项目集及所述视频观看行为历史，确定所述目标用户的所述动态兴趣偏好及所述长期兴趣偏好；

所述第一运算公式包括：

；

；

；

；

；

；

其中，表示所述目标用户，所述目标用户对应的所述视频观看行为历史表征为，且按时间顺序分为个会话，第会话记为，其中，表示所述目标用户观看的第个视频；表示所述目标用户在第个会话框中观看的第个视频，表示所述目标用户观看的视频数，表示单个会话中的视频数；；所述目标视频表征为；表示第个会话对应的所述目标用户的短期兴趣偏好，表示所述动态兴趣偏好；表示基于所述第一运算公式及计算得到的所述长期兴趣偏好；为视频的嵌入式表示；、、、、、、、表示待学习的网络参数；表示哈达玛积。

3.根据权利要求2所述的方法，其特征在于，所述基于所述视频用户集、所述视频项目集、所述视频观看行为历史及所述用户社交网络，确定所述目标用户的社交影响偏好，包括：

通过第二运算公式，基于所述视频用户集、所述视频项目集、所述视频观看行为历史及所述用户社交网络，确定所述目标用户的所述社交影响偏好；

所述第二运算公式包括：

；

；

；

；

其中，表示所述目标用户在第次运算过程中对应的所述社交影响偏好参数；表示所述目标用户的好友用户在第次运算过程中对应的所述社交影响偏好参数，，，表示所述视频用户集，表示用户总数，；；表示对角的参数矩阵；表示激活函数；当时，，；表示所述社交影响偏好；、表示待学习的变换矩阵。

4.根据权利要求3所述的方法，其特征在于，所述对所述动态兴趣偏好、所述长期兴趣偏好及所述社交影响偏好进行融合，得到用户综合兴趣偏好，包括：

通过第三运算公式，对所述动态兴趣偏好、所述长期兴趣偏好及所述社交影响偏好进行融合，得到所述用户综合兴趣偏好；

所述第三运算公式包括：

；

；

；

其中，表示所述用户综合兴趣偏好；；；；和一一对应，且；，表示所述目标用户的嵌入式表示，且，表示维的实数向量；表示张量的拼接操作；、、、表示待学习的参数矩阵，表示维的实数矩阵。

5.根据权利要求4所述的方法，其特征在于，所述基于所述用户综合兴趣偏好确定为所述目标用户推荐所述目标视频的推荐结果，包括：

通过第四运算公式，基于所述用户综合兴趣偏好计算所述目标用户观看所述目标视频的概率值；

基于所述概率值确定为所述目标用户推荐所述目标视频的推荐结果；

所述第四运算公式包括：

；

其中，表示所述概率值；表示视频，，表示所述视频项目集，表示视频总数；为视频的嵌入式表示，且。