一种视频推荐系统和方法与流程
1.本发明涉及智能设备技术领域，具体涉及一种视频推荐系统和方法。
背景技术：
2.目前，越来越多的在线教育资源出现在互联网之中，给予了众多学生更多的学习途径。在实践中发现，目前的大多在线教育资源通常会以浏览量进行排序，以使学生可以更直接地观看到流量资源。然而，对于不同学生来说，其需求不同，流量资源并不能满足所有学生的学习需求，同时，为了增加浏览量会出现刷数据的现象，导致浏览量数据置信度并不高。因此，如何更加客观地评估优质视频，提高视频推荐的准确性在当前是十分重要的。
技术实现要素：
3.针对现有技术的不足，本发明旨在提供一种视频推荐系统和方法。
4.为了实现上述目的，本发明采用如下技术方案：
5.一种视频推荐系统，包括：
6.统计模块：用于统计各个视频资源的交互数据；每个视频资源的交互数据均包括对应的观看总次数、视频资源的时长以及各个用户的持续观看时长；
7.筛选模块：用于对各个视频资源的交互数据进行筛选过滤；所述筛选过滤的过程为：对每个视频资源均过滤掉对应的各个用户的持续观看时长中小于预设有效时长阈值的数据，得到有效持续观看时长数据；过滤掉各个视频资源的用户观看总次数中小于预设有效次数阈值的数据，有效用户观看总次数数据；
8.计算模块：用于根据各个视频资源经过筛选模块筛选之后的交互数据，计算各个视频资源的推荐指标数据；所述推荐指标数据包括视频有效观看率和观看次数比例值；
9.单个视频资源的视频有效观看率按下式计算：
[0010][0011]
式中，act为视频资源的有效观看率，i为对应的有效持续观看时长数据中的第i个用户，n为有效持续观看时长数据中的用户数量；tactive为第i个用户的持续观看时长，ttotal为该视频资源的时长；
[0012]
单个视频的观看次数比例值按下式进行计算：
[0013][0014]
式中，cactj为单个视频资源在所有视频资源的观看总次数中的比例值；cj为有效用户观看总次数数据中第j个视频资源的用户观看总次数；m为有效用户观看总次数数据中对应的视频资源总数；
[0015]
推荐模块：用于根据所述计算模块计算的推荐指标数据对视频资源进行推荐。
[0016]
进一步地，所述计算模块还用于根据各个视频资源的有效观看率和观看次数比例值分别按下式计算各个视频资源的推荐率：
[0017]
tratio＝w1*act+w2*cactj
[0018]
w1+w2＝1
[0019]
上述公式中，w1和w2分别为有效观看率和观看次数比例值对应的权值；
[0020]
推荐模块根据计算模块计算得到的各个视频资源的推荐率tratio对视频资源进行推荐。
[0021]
更进一步地，所述推荐模块用于将各视频资源按推荐率降序排列，然后按照顺序依次推荐视频资源。
[0022]
本发明还提供一种利用上述系统的视频推荐方法，具体过程为：
[0023]
用户触发视频推荐事件时，统计模块统计视频资源库中各个视频资源的交互数据；每个视频资源的交互数据均包括对应的观看总次数、视频资源的时长以及各个用户的持续观看时长；
[0024]
筛选模块对各个视频资源的交互数据进行筛选过滤：对每个视频资源均过滤掉对应的各个用户的持续观看时长中小于预设有效时长阈值的数据，得到有效持续观看时长数据；过滤掉各个视频资源的用户观看总次数中小于预设有效次数阈值的数据，有效用户观看总次数数据；
[0025]
计算模块根据各个视频资源经过筛选模块筛选之后的交互数据，计算各个视频资源的推荐指标数据；所述推荐指标数据包括视频有效观看率和观看次数比例值；
[0026]
单个视频资源的视频有效观看率按下式计算：
[0027][0028]
式中，act为视频资源的有效观看率，i为对应的有效持续观看时长数据中的第i个用户，n为有效持续观看时长数据中的用户数量；tactive为第i个用户的持续观看时长，ttotal为该视频资源的时长；
[0029]
单个视频的观看次数比例值按下式进行计算：
[0030][0031]
式中，cactj为单个视频资源在所有视频资源的观看总次数中的比例值；cj为有效用户观看总次数数据中第j个视频资源的用户观看总次数；m为有效用户观看总次数数据中对应的视频资源总数；
[0032]
推荐模块根据所述计算模块计算的推荐指标数据对视频资源进行推荐。
[0033]
进一步地，所述计算模块根据各个视频资源的有效观看率和观看次数比例值分别按下式计算各个视频资源的推荐率：
[0034]
tratio＝w1*act+w2*cactj
[0035]
w1+w2＝1
[0036]
上述公式中，w1和w2分别为有效观看率和观看次数比例值对应的权值；
[0037]
推荐模块根据计算模块计算得到的各个视频资源的推荐率tratio对视频资源进行推荐。
[0038]
更进一步地，所述推荐模块将各视频资源按推荐率降序排列，然后按照顺序依次推荐视频资源。
[0039]
本发明的有益效果在于：本发明通过结合视频的有效观看率及观看次数比例可以得到视频真实的有效性，并据此向用户进行推荐，实现了客观地评估出优质视频，提高了视频推荐的准确性。
具体实施方式
[0040]
以下将对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
[0041]
实施例1
[0042]
本实施例提供一种视频推荐系统，包括：
[0043]
统计模块：用于统计各个视频资源的交互数据；每个视频资源的交互数据均包括对应的观看总次数、视频资源的时长以及各个用户的持续观看时长；
[0044]
筛选模块：用于对各个视频资源的交互数据进行筛选过滤；所述筛选过滤的过程为：对每个视频资源均过滤掉对应的各个用户的持续观看时长中小于预设有效时长阈值的数据，得到有效持续观看时长数据；过滤掉各个视频资源的用户观看总次数中小于预设有效次数阈值的数据，有效用户观看总次数数据；
[0045]
计算模块：用于根据各个视频资源经过筛选模块筛选之后的交互数据，计算各个视频资源的推荐指标数据；所述推荐指标数据包括视频有效观看率和观看次数比例值；
[0046]
单个视频资源的视频有效观看率按下式计算：
[0047][0048]
式中，act为视频资源的有效观看率，i为对应的有效持续观看时长数据中的第i个用户，n为有效持续观看时长数据中的用户数量；tactive为第i个用户的持续观看时长，ttotal为该视频资源的时长；
[0049]
单个视频的观看次数比例值按下式进行计算：
[0050][0051]
式中，cactj为单个视频资源在所有视频资源的观看总次数中的比例值；cj为有效用户观看总次数数据中第j个视频资源的用户观看总次数；m为有效用户观看总次数数据中对应的视频资源总数。
[0052]
推荐模块：用于根据所述计算模块计算的推荐指标数据对视频资源进行推荐。
[0053]
在本实施例中，所述计算模块还用于根据各个视频资源的有效观看率和观看次数比例值分别按下式计算各个视频资源的推荐率：
[0054]
tratio＝w1*act+w2*cactj
[0055]
w1+w2＝1
[0056]
上述公式中，w1和w2分别为有效观看率和观看次数比例值对应的权值；所述权值可由用户设置或通过系统动态调节。推荐模块根据计算模块计算得到的各个视频资源的推荐率tratio对视频资源进行推荐。
[0057]
需要说明的是，所述权值通过系统动态调节进一步是指，用户可按需调节权值(如用户觉得视频有效观看率的影响因子最重要则调大w1，如果觉得观看次数比例值最重要，则调大w2)，所述系统周期性按照用户调节的数据，动态调整w1与w2(如通过求用户设置的w1或w2平均值调节)。
[0058]
具体地，所述推荐模块用于将各视频资源按推荐率降序排列，然后按照顺序依次推荐视频资源。
[0059]
实施例2
[0060]
本实施例提供一种利用实施例1所述系统的视频推荐方法，具体过程为：
[0061]
用户触发视频推荐事件时，统计模块统计视频资源库中各个视频资源的交互数据；每个视频资源的交互数据均包括对应的观看总次数、视频资源的时长以及各个用户的持续观看时长；
[0062]
筛选模块对各个视频资源的交互数据进行筛选过滤：对每个视频资源均过滤掉对应的各个用户的持续观看时长中小于预设有效时长阈值的数据，得到有效持续观看时长数据；过滤掉各个视频资源的用户观看总次数中小于预设有效次数阈值的数据，有效用户观看总次数数据；
[0063]
计算模块根据各个视频资源经过筛选模块筛选之后的交互数据，计算各个视频资源的推荐指标数据；所述推荐指标数据包括视频有效观看率和观看次数比例值；
[0064]
单个视频资源的视频有效观看率按下式计算：
[0065][0066]
式中，act为视频资源的有效观看率，i为对应的有效持续观看时长数据中的第i个用户，n为有效持续观看时长数据中的用户数量；tactive为第i个用户的持续观看时长，ttotal为该视频资源的时长；
[0067]
单个视频的观看次数比例值按下式进行计算：
[0068][0069]
式中，cactj为单个视频资源在所有视频资源的观看总次数中的比例值；cj为有效用户观看总次数数据中第j个视频资源的用户观看总次数；m为有效用户观看总次数数据中对应的视频资源总数。
[0070]
推荐模块根据所述计算模块计算的推荐指标数据对视频资源进行推荐。
[0071]
在本实施例中，所述计算模块根据各个视频资源的有效观看率和观看次数比例值分别按下式计算各个视频资源的推荐率：
[0072]
tratio＝w1*act+w2*cactj
[0073]
w1+w2＝1
[0074]
上述公式中，w1和w2分别为有效观看率和观看次数比例值对应的权值；所述权值可由用户设置或通过系统动态调节。推荐模块根据计算模块计算得到的各个视频资源的推荐率tratio对视频资源进行推荐。
[0075]
具体地，所述推荐模块将各视频资源按推荐率降序排列，然后按照顺序依次推荐视频资源。
[0076]
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。
技术特征：
1.一种视频推荐系统，其特征在于，包括：统计模块：用于统计各个视频资源的交互数据；每个视频资源的交互数据均包括对应的观看总次数、视频资源的时长以及各个用户的持续观看时长；筛选模块：用于对各个视频资源的交互数据进行筛选过滤；所述筛选过滤的过程为：对每个视频资源均过滤掉对应的各个用户的持续观看时长中小于预设有效时长阈值的数据，得到有效持续观看时长数据；过滤掉各个视频资源的用户观看总次数中小于预设有效次数阈值的数据，有效用户观看总次数数据；计算模块：用于根据各个视频资源经过筛选模块筛选之后的交互数据，计算各个视频资源的推荐指标数据；所述推荐指标数据包括视频有效观看率和观看次数比例值；单个视频资源的视频有效观看率按下式计算：式中，act为视频资源的有效观看率，i为对应的有效持续观看时长数据中的第i个用户，n为有效持续观看时长数据中的用户数量；tactive为第i个用户的持续观看时长，ttotal为该视频资源的时长；单个视频的观看次数比例值按下式进行计算：式中，cactj为单个视频资源在所有视频资源的观看总次数中的比例值；c
j
为有效用户观看总次数数据中第j个视频资源的用户观看总次数；m为有效用户观看总次数数据中对应的视频资源总数；推荐模块：用于根据所述计算模块计算的推荐指标数据对视频资源进行推荐。2.根据权利要求1所述的系统，其特征在于，所述计算模块还用于根据各个视频资源的有效观看率和观看次数比例值分别按下式计算各个视频资源的推荐率：tratio＝w1*act+w2*cactjw1+w2＝1上述公式中，w1和w2分别为有效观看率和观看次数比例值对应的权值；推荐模块根据计算模块计算得到的各个视频资源的推荐率tratio对视频资源进行推荐。3.根据权利要求2所述的系统，其特征在于，所述推荐模块用于将各视频资源按推荐率降序排列，然后按照顺序依次推荐视频资源。4.一种利用权利要求1－3任一所述系统的视频推荐方法，其特征在于，具体过程为：用户触发视频推荐事件时，统计模块统计视频资源库中各个视频资源的交互数据；每个视频资源的交互数据均包括对应的观看总次数、视频资源的时长以及各个用户的持续观看时长；筛选模块对各个视频资源的交互数据进行筛选过滤：对每个视频资源均过滤掉对应的各个用户的持续观看时长中小于预设有效时长阈值的数据，得到有效持续观看时长数据；
过滤掉各个视频资源的用户观看总次数中小于预设有效次数阈值的数据，有效用户观看总次数数据；计算模块根据各个视频资源经过筛选模块筛选之后的交互数据，计算各个视频资源的推荐指标数据；所述推荐指标数据包括视频有效观看率和观看次数比例值；单个视频资源的视频有效观看率按下式计算：式中，act为视频资源的有效观看率，i为对应的有效持续观看时长数据中的第i个用户，n为有效持续观看时长数据中的用户数量；tactive为第i个用户的持续观看时长，ttotal为该视频资源的时长；单个视频的观看次数比例值按下式进行计算：式中，cactj为单个视频资源在所有视频资源的观看总次数中的比例值；c
j
为有效用户观看总次数数据中第j个视频资源的用户观看总次数；m为有效用户观看总次数数据中对应的视频资源总数；推荐模块根据所述计算模块计算的推荐指标数据对视频资源进行推荐。5.根据权利要求4所述的方法，其特征在于，所述计算模块根据各个视频资源的有效观看率和观看次数比例值分别按下式计算各个视频资源的推荐率：tratio＝w1*act+w2*cactjw1+w2＝1上述公式中，w1和w2分别为有效观看率和观看次数比例值对应的权值；推荐模块根据计算模块计算得到的各个视频资源的推荐率tratio对视频资源进行推荐。6.根据权利要求5所述的方法，其特征在于，所述推荐模块将各视频资源按推荐率降序排列，然后按照顺序依次推荐视频资源。
技术总结
本发明公开了一种视频推荐系统和方法，通过结合视频的有效观看率及观看次数比例可以得到视频真实的有效性，并据此向用户进行推荐，实现了客观地评估出优质视频，提高了视频推荐的准确性。推荐的准确性。
