一種視頻推薦系統和方法與流程
1.本發明涉及智能設備技術領域，具體涉及一種視頻推薦系統和方法。
背景技術：
2.目前，越來越多的在線教育資源出現在互聯網之中，給予了眾多學生更多的學習途徑。在實踐中發現，目前的大多在線教育資源通常會以瀏覽量進行排序，以使學生可以更直接地觀看到流量資源。然而，對于不同學生來說，其需求不同，流量資源并不能滿足所有學生的學習需求，同時，為了增加瀏覽量會出現刷數據的現象，導致瀏覽量數據置信度并不高。因此，如何更加客觀地評估優質視頻，提高視頻推薦的準確性在當前是十分重要的。
技術實現要素：
3.針對現有技術的不足，本發明旨在提供一種視頻推薦系統和方法。
4.為了實現上述目的，本發明采用如下技術方案：
5.一種視頻推薦系統，包括：
6.統計模塊：用于統計各個視頻資源的交互數據；每個視頻資源的交互數據均包括對應的觀看總次數、視頻資源的時長以及各個用戶的持續觀看時長；
7.篩選模塊：用于對各個視頻資源的交互數據進行篩選過濾；所述篩選過濾的過程為：對每個視頻資源均過濾掉對應的各個用戶的持續觀看時長中小于預設有效時長閾值的數據，得到有效持續觀看時長數據；過濾掉各個視頻資源的用戶觀看總次數中小于預設有效次數閾值的數據，有效用戶觀看總次數數據；
8.計算模塊：用于根據各個視頻資源經過篩選模塊篩選之后的交互數據，計算各個視頻資源的推薦指標數據；所述推薦指標數據包括視頻有效觀看率和觀看次數比例值；
9.單個視頻資源的視頻有效觀看率按下式計算：
[0010][0011]
式中，act為視頻資源的有效觀看率，i為對應的有效持續觀看時長數據中的第i個用戶，n為有效持續觀看時長數據中的用戶數量；tactive為第i個用戶的持續觀看時長，ttotal為該視頻資源的時長；
[0012]
單個視頻的觀看次數比例值按下式進行計算：
[0013][0014]
式中，cactj為單個視頻資源在所有視頻資源的觀看總次數中的比例值；cj為有效用戶觀看總次數數據中第j個視頻資源的用戶觀看總次數；m為有效用戶觀看總次數數據中對應的視頻資源總數；
[0015]
推薦模塊：用于根據所述計算模塊計算的推薦指標數據對視頻資源進行推薦。
[0016]
進一步地，所述計算模塊還用于根據各個視頻資源的有效觀看率和觀看次數比例值分別按下式計算各個視頻資源的推薦率：
[0017]
tratio＝w1*act+w2*cactj
[0018]
w1+w2＝1
[0019]
上述公式中，w1和w2分別為有效觀看率和觀看次數比例值對應的權值；
[0020]
推薦模塊根據計算模塊計算得到的各個視頻資源的推薦率tratio對視頻資源進行推薦。
[0021]
更進一步地，所述推薦模塊用于將各視頻資源按推薦率降序排列，然后按照順序依次推薦視頻資源。
[0022]
本發明還提供一種利用上述系統的視頻推薦方法，具體過程為：
[0023]
用戶觸發視頻推薦事件時，統計模塊統計視頻資源庫中各個視頻資源的交互數據；每個視頻資源的交互數據均包括對應的觀看總次數、視頻資源的時長以及各個用戶的持續觀看時長；
[0024]
篩選模塊對各個視頻資源的交互數據進行篩選過濾：對每個視頻資源均過濾掉對應的各個用戶的持續觀看時長中小于預設有效時長閾值的數據，得到有效持續觀看時長數據；過濾掉各個視頻資源的用戶觀看總次數中小于預設有效次數閾值的數據，有效用戶觀看總次數數據；
[0025]
計算模塊根據各個視頻資源經過篩選模塊篩選之后的交互數據，計算各個視頻資源的推薦指標數據；所述推薦指標數據包括視頻有效觀看率和觀看次數比例值；
[0026]
單個視頻資源的視頻有效觀看率按下式計算：
[0027][0028]
式中，act為視頻資源的有效觀看率，i為對應的有效持續觀看時長數據中的第i個用戶，n為有效持續觀看時長數據中的用戶數量；tactive為第i個用戶的持續觀看時長，ttotal為該視頻資源的時長；
[0029]
單個視頻的觀看次數比例值按下式進行計算：
[0030][0031]
式中，cactj為單個視頻資源在所有視頻資源的觀看總次數中的比例值；cj為有效用戶觀看總次數數據中第j個視頻資源的用戶觀看總次數；m為有效用戶觀看總次數數據中對應的視頻資源總數；
[0032]
推薦模塊根據所述計算模塊計算的推薦指標數據對視頻資源進行推薦。
[0033]
進一步地，所述計算模塊根據各個視頻資源的有效觀看率和觀看次數比例值分別按下式計算各個視頻資源的推薦率：
[0034]
tratio＝w1*act+w2*cactj
[0035]
w1+w2＝1
[0036]
上述公式中，w1和w2分別為有效觀看率和觀看次數比例值對應的權值；
[0037]
推薦模塊根據計算模塊計算得到的各個視頻資源的推薦率tratio對視頻資源進行推薦。
[0038]
更進一步地，所述推薦模塊將各視頻資源按推薦率降序排列，然后按照順序依次推薦視頻資源。
[0039]
本發明的有益效果在于：本發明通過結合視頻的有效觀看率及觀看次數比例可以得到視頻真實的有效性，并據此向用戶進行推薦，實現了客觀地評估出優質視頻，提高了視頻推薦的準確性。
具體實施方式
[0040]
以下將對本發明作進一步的描述，需要說明的是，本實施例以本技術方案為前提，給出了詳細的實施方式和具體的操作過程，但本發明的保護范圍并不限于本實施例。
[0041]
實施例1
[0042]
本實施例提供一種視頻推薦系統，包括：
[0043]
統計模塊：用于統計各個視頻資源的交互數據；每個視頻資源的交互數據均包括對應的觀看總次數、視頻資源的時長以及各個用戶的持續觀看時長；
[0044]
篩選模塊：用于對各個視頻資源的交互數據進行篩選過濾；所述篩選過濾的過程為：對每個視頻資源均過濾掉對應的各個用戶的持續觀看時長中小于預設有效時長閾值的數據，得到有效持續觀看時長數據；過濾掉各個視頻資源的用戶觀看總次數中小于預設有效次數閾值的數據，有效用戶觀看總次數數據；
[0045]
計算模塊：用于根據各個視頻資源經過篩選模塊篩選之后的交互數據，計算各個視頻資源的推薦指標數據；所述推薦指標數據包括視頻有效觀看率和觀看次數比例值；
[0046]
單個視頻資源的視頻有效觀看率按下式計算：
[0047][0048]
式中，act為視頻資源的有效觀看率，i為對應的有效持續觀看時長數據中的第i個用戶，n為有效持續觀看時長數據中的用戶數量；tactive為第i個用戶的持續觀看時長，ttotal為該視頻資源的時長；
[0049]
單個視頻的觀看次數比例值按下式進行計算：
[0050][0051]
式中，cactj為單個視頻資源在所有視頻資源的觀看總次數中的比例值；cj為有效用戶觀看總次數數據中第j個視頻資源的用戶觀看總次數；m為有效用戶觀看總次數數據中對應的視頻資源總數。
[0052]
推薦模塊：用于根據所述計算模塊計算的推薦指標數據對視頻資源進行推薦。
[0053]
在本實施例中，所述計算模塊還用于根據各個視頻資源的有效觀看率和觀看次數比例值分別按下式計算各個視頻資源的推薦率：
[0054]
tratio＝w1*act+w2*cactj
[0055]
w1+w2＝1
[0056]
上述公式中，w1和w2分別為有效觀看率和觀看次數比例值對應的權值；所述權值可由用戶設置或通過系統動態調節。推薦模塊根據計算模塊計算得到的各個視頻資源的推薦率tratio對視頻資源進行推薦。
[0057]
需要說明的是，所述權值通過系統動態調節進一步是指，用戶可按需調節權值(如用戶覺得視頻有效觀看率的影響因子最重要則調大w1，如果覺得觀看次數比例值最重要，則調大w2)，所述系統周期性按照用戶調節的數據，動態調整w1與w2(如通過求用戶設置的w1或w2平均值調節)。
[0058]
具體地，所述推薦模塊用于將各視頻資源按推薦率降序排列，然后按照順序依次推薦視頻資源。
[0059]
實施例2
[0060]
本實施例提供一種利用實施例1所述系統的視頻推薦方法，具體過程為：
[0061]
用戶觸發視頻推薦事件時，統計模塊統計視頻資源庫中各個視頻資源的交互數據；每個視頻資源的交互數據均包括對應的觀看總次數、視頻資源的時長以及各個用戶的持續觀看時長；
[0062]
篩選模塊對各個視頻資源的交互數據進行篩選過濾：對每個視頻資源均過濾掉對應的各個用戶的持續觀看時長中小于預設有效時長閾值的數據，得到有效持續觀看時長數據；過濾掉各個視頻資源的用戶觀看總次數中小于預設有效次數閾值的數據，有效用戶觀看總次數數據；
[0063]
計算模塊根據各個視頻資源經過篩選模塊篩選之后的交互數據，計算各個視頻資源的推薦指標數據；所述推薦指標數據包括視頻有效觀看率和觀看次數比例值；
[0064]
單個視頻資源的視頻有效觀看率按下式計算：
[0065][0066]
式中，act為視頻資源的有效觀看率，i為對應的有效持續觀看時長數據中的第i個用戶，n為有效持續觀看時長數據中的用戶數量；tactive為第i個用戶的持續觀看時長，ttotal為該視頻資源的時長；
[0067]
單個視頻的觀看次數比例值按下式進行計算：
[0068][0069]
式中，cactj為單個視頻資源在所有視頻資源的觀看總次數中的比例值；cj為有效用戶觀看總次數數據中第j個視頻資源的用戶觀看總次數；m為有效用戶觀看總次數數據中對應的視頻資源總數。
[0070]
推薦模塊根據所述計算模塊計算的推薦指標數據對視頻資源進行推薦。
[0071]
在本實施例中，所述計算模塊根據各個視頻資源的有效觀看率和觀看次數比例值分別按下式計算各個視頻資源的推薦率：
[0072]
tratio＝w1*act+w2*cactj
[0073]
w1+w2＝1
[0074]
上述公式中，w1和w2分別為有效觀看率和觀看次數比例值對應的權值；所述權值可由用戶設置或通過系統動態調節。推薦模塊根據計算模塊計算得到的各個視頻資源的推薦率tratio對視頻資源進行推薦。
[0075]
具體地，所述推薦模塊將各視頻資源按推薦率降序排列，然后按照順序依次推薦視頻資源。
[0076]
對于本領域的技術人員來說，可以根據以上的技術方案和構思，給出各種相應的改變和變形，而所有的這些改變和變形，都應該包括在本發明權利要求的保護范圍之內。
技術特征：
1.一種視頻推薦系統，其特征在于，包括：統計模塊：用于統計各個視頻資源的交互數據；每個視頻資源的交互數據均包括對應的觀看總次數、視頻資源的時長以及各個用戶的持續觀看時長；篩選模塊：用于對各個視頻資源的交互數據進行篩選過濾；所述篩選過濾的過程為：對每個視頻資源均過濾掉對應的各個用戶的持續觀看時長中小于預設有效時長閾值的數據，得到有效持續觀看時長數據；過濾掉各個視頻資源的用戶觀看總次數中小于預設有效次數閾值的數據，有效用戶觀看總次數數據；計算模塊：用于根據各個視頻資源經過篩選模塊篩選之后的交互數據，計算各個視頻資源的推薦指標數據；所述推薦指標數據包括視頻有效觀看率和觀看次數比例值；單個視頻資源的視頻有效觀看率按下式計算：式中，act為視頻資源的有效觀看率，i為對應的有效持續觀看時長數據中的第i個用戶，n為有效持續觀看時長數據中的用戶數量；tactive為第i個用戶的持續觀看時長，ttotal為該視頻資源的時長；單個視頻的觀看次數比例值按下式進行計算：式中，cactj為單個視頻資源在所有視頻資源的觀看總次數中的比例值；c
j
為有效用戶觀看總次數數據中第j個視頻資源的用戶觀看總次數；m為有效用戶觀看總次數數據中對應的視頻資源總數；推薦模塊：用于根據所述計算模塊計算的推薦指標數據對視頻資源進行推薦。2.根據權利要求1所述的系統，其特征在于，所述計算模塊還用于根據各個視頻資源的有效觀看率和觀看次數比例值分別按下式計算各個視頻資源的推薦率：tratio＝w1*act+w2*cactjw1+w2＝1上述公式中，w1和w2分別為有效觀看率和觀看次數比例值對應的權值；推薦模塊根據計算模塊計算得到的各個視頻資源的推薦率tratio對視頻資源進行推薦。3.根據權利要求2所述的系統，其特征在于，所述推薦模塊用于將各視頻資源按推薦率降序排列，然后按照順序依次推薦視頻資源。4.一種利用權利要求1－3任一所述系統的視頻推薦方法，其特征在于，具體過程為：用戶觸發視頻推薦事件時，統計模塊統計視頻資源庫中各個視頻資源的交互數據；每個視頻資源的交互數據均包括對應的觀看總次數、視頻資源的時長以及各個用戶的持續觀看時長；篩選模塊對各個視頻資源的交互數據進行篩選過濾：對每個視頻資源均過濾掉對應的各個用戶的持續觀看時長中小于預設有效時長閾值的數據，得到有效持續觀看時長數據；
過濾掉各個視頻資源的用戶觀看總次數中小于預設有效次數閾值的數據，有效用戶觀看總次數數據；計算模塊根據各個視頻資源經過篩選模塊篩選之后的交互數據，計算各個視頻資源的推薦指標數據；所述推薦指標數據包括視頻有效觀看率和觀看次數比例值；單個視頻資源的視頻有效觀看率按下式計算：式中，act為視頻資源的有效觀看率，i為對應的有效持續觀看時長數據中的第i個用戶，n為有效持續觀看時長數據中的用戶數量；tactive為第i個用戶的持續觀看時長，ttotal為該視頻資源的時長；單個視頻的觀看次數比例值按下式進行計算：式中，cactj為單個視頻資源在所有視頻資源的觀看總次數中的比例值；c
j
為有效用戶觀看總次數數據中第j個視頻資源的用戶觀看總次數；m為有效用戶觀看總次數數據中對應的視頻資源總數；推薦模塊根據所述計算模塊計算的推薦指標數據對視頻資源進行推薦。5.根據權利要求4所述的方法，其特征在于，所述計算模塊根據各個視頻資源的有效觀看率和觀看次數比例值分別按下式計算各個視頻資源的推薦率：tratio＝w1*act+w2*cactjw1+w2＝1上述公式中，w1和w2分別為有效觀看率和觀看次數比例值對應的權值；推薦模塊根據計算模塊計算得到的各個視頻資源的推薦率tratio對視頻資源進行推薦。6.根據權利要求5所述的方法，其特征在于，所述推薦模塊將各視頻資源按推薦率降序排列，然后按照順序依次推薦視頻資源。
技術總結
本發明公開了一種視頻推薦系統和方法，通過結合視頻的有效觀看率及觀看次數比例可以得到視頻真實的有效性，并據此向用戶進行推薦，實現了客觀地評估出優質視頻，提高了視頻推薦的準確性。推薦的準確性。
