一种视频推荐方法和装置

1.一种视频推荐方法，其特征在于，该方法包括：
在设定的周期内，从各视频源已发布的视频数据库中，筛选出设定数量的视频数据，作为第一视频数据集；并在用户发生操作行为时，根据所述用户的标识信息，采集所述用户已观看的视频，从相关视频数据库中，确定出所述用户已观看的视频的相关视频数据，作为第二视频数据集；
分别从所述第一视频数据集和所述第二视频数据集中，选取设定数量的视频数据，形成所述用户对应的视频推荐列表，并推荐给所述用户。
2.如权利要求1所述的方法，其特征在于，在设定的周期内，从各视频源已发布的视频数据库中，筛选出设定数量的视频数据，作为第一视频数据集，包括：
在设定的周期内，从各视频源已发布的视频数据库中，确定出发布时间为设定时间的视频数据，并对确定出的视频数据进行去重处理；以及
从去重处理后得到的视频数据中，筛选出设定数量的视频数据，作为所述第一视频数据集。
3.如权利要求1所述的方法，其特征在于，根据所述用户的标识信息，采集所述用户已观看的视频之后，还包括：对采集到的视频进行去重处理，以及按照所述用户的观看时间，对去重处理后得到的视频进行排序，并顺序选择出设定数量的视频；
从相关视频数据库中，确定出所述用户已观看的视频的相关视频数据，包括：从相关视频数据库中，确定出所选择出的视频的相关视频数据。
4.如权利要求3所述的方法，其特征在于，从相关视频数据库中，确定出所述用户已观看的视频的相关视频数据，作为第二视频数据集，包括：
从相关视频数据库中，按照机会均等原则，先依次确定出所选择出的视频的第一个相关视频数据，再依次确定出所选择出的视频的第二个相关视频数据，直至确定出所选择出的视频的所有相关视频数据，并将依次确定出的相关视频数据作为第二视频数据集。
5.如权利要求1所述的方法，其特征在于，形成所述用户对应的视频推荐列表之前，该方法还包括：在用户发生操作行为时，根据所述用户的标识信息，判断是否存在所述用户对应的经验预测集合；并在确定存在所述用户对应的经验预测集合时，从所述用户对应的经验预测集合中，选取出设定数量的视频数据作为第三视频数据集，其中，所述经验预测集合是采用用户交互行为的协同过滤算法预测出的所述用户偏好的视频数据；
形成所述用户对应的视频推荐列表，还包括：从所述第三视频数据集选取设定数量的视频数据，并结合从所述第一视频数据集和所述第二视频数据集中选取的视频数据，形成所述用户对应的视频推荐列表。
6.如权利要求1所述的方法，其特征在于，形成所述用户对应的视频推荐列表之前，该方法还包括：在用户发生操作行为时，判断是否存在热播视频集合；并在确定存在所述热播视频集合时，从所述热播视频集合中，选取出设定数量的视频数据作为第四视频数据集，其中，所述热播视频集合中包含设定时间段内热播的视频数据；
形成所述用户对应的视频推荐列表，还包括：从所述第四视频数据集选取设定数量的视频数据，并结合从所述第一视频数据集和所述第二视频数据集中选取的视频数据，形成所述用户对应的视频推荐列表。
7.如权利要求1所述的方法，其特征在于，形成所述用户对应的视频推荐列表之前，该方法还包括：在用户发生操作行为时，根据所述用户的标识信息，判断是否存在所述用户对应的经验预测集合，在确定存在所述用户对应的经验预测集合时，从所述用户对应的经验预测集合中，选取出设定数量的视频数据作为第三视频数据集，其中，所述经验预测集合是采用用户交互行为的协同过滤算法预测出的所述用户偏好的视频数据；并判断是否存在热播视频集合，在确定存在所述热播视频集合时，从所述热播视频集合中，选取出设定数量的视频数据作为第四视频数据集，其中，所述热播视频集合中包含设定时间段内热播的视频数据；
形成所述用户对应的视频推荐列表，还包括：分别从所述第三视频数据集和所述第四视频数据集选取设定数量的视频数据，并结合从所述第一视频数据集和所述第二视频数据集中选取的视频数据，形成所述用户对应的视频推荐列表。
8.如权利要求1～7任一项所述的方法，其特征在于，形成所述用户对应的视频推荐列表，包括：
对选取出的视频数据进行去重处理，并将去重处理后得到的视频数据与所述用户已观看的视频进行互斥处理，以从去重处理后得到的视频数据中，去除所述用户已观看的视频；
根据视频数据的类型信息，对互斥处理后得到的视频数据，进行聚簇处理，并按照从密集到稀疏的顺序排列，以形成所述视频推荐列表。
9.如权利要求8所述的方法，其特征在于，若互斥处理后得到的视频数据的数量小于去重处理前选取出的视频数据的数量，根据视频数据的类型信息，对互斥处理后得到的视频数据，进行聚簇处理之前，还包括：
从各视频源已发布的视频数据库中，选择视频数据补充到互斥处理后得到的视频数据中，以使补充后的视频数据的数量达到去重处理前选取出的视频数据的数量。
10.一种视频推荐装置，其特征在于，该装置包括：
第一处理单元，用于在设定的周期内，从各视频源已发布的视频数据库中，筛选出设定数量的视频数据，作为第一视频数据集；
第二处理单元，用于在用户发生操作行为时，根据所述用户的标识信息，采集所述用户已观看的视频，从相关视频数据库中，确定出所述用户已观看的视频的相关视频数据，作为第二视频数据集；
视频推荐列表确定单元，用于分别从所述第一视频数据集和所述第二视频数据集中，选取设定数量的视频数据，形成所述用户对应的视频推荐列表，并推荐给所述用户。
11.如权利要求10所述的装置，其特征在于，所述第二处理单元根据所述用户的标识信息，采集所述用户已观看的视频之后，还用于：对采集到的视频进行去重处理，以及按照所述用户的观看时间，对去重处理后得到的视频进行排序，并顺序选择出设定数量的视频；
所述第二处理单元从相关视频数据库中，确定出所述用户已观看的视频的相关视频数据，作为第二视频数据集，包括：从相关视频数据库中，按照机会均等原则，先依次确定出所选择出的视频的第一个相关视频数据，再依次确定出所选择出的视频的第二个相关视频数据，直至确定出所选择出的视频的所有相关视频数据，并将依次确定出的相关视频数据作为第二视频数据集。
12.如权利要求10所述的装置，其特征在于，该装置还包括：
第三处理单元，用于在用户发生操作行为时，根据所述用户的标识信息，判断是否存在所述用户对应的经验预测集合；并在确定存在所述用户对应的经验预测集合时，从所述用户对应的经验预测集合中，选取出设定数量的视频数据作为第三视频数据集，其中，所述经验预测集合是采用用户交互行为的协同过滤算法预测出的所述用户偏好的视频数据；
所述视频推荐列表确定单元具体用于：从所述第三视频数据集选取设定数量的视频数据，并结合从所述第一视频数据集和所述第二视频数据集中选取的视频数据，形成所述用户对应的视频推荐列表。
13.如权利要求10所述的装置，其特征在于，该装置还包括：
第四处理单元，用于在用户发生操作行为时，判断是否存在热播视频集合；并在确定存在所述热播视频集合时，从所述热播视频集合中，选取出设定数量的视频数据作为第四视频数据集，其中，所述热播视频集合中包含设定时间段内热播的视频数据；
所述视频推荐列表确定单元具体用于：从所述第四视频数据集选取设定数量的视频数据，并结合从所述第一视频数据集和所述第二视频数据集中选取的视频数据，形成所述用户对应的视频推荐列表。
14.如权利要求10所述的装置，其特征在于，该装置还包括：
第三处理单元，用于在用户发生操作行为时，根据所述用户的标识信息，判断是否存在所述用户对应的经验预测集合，在确定存在所述用户对应的经验预测集合时，从所述用户对应的经验预测集合中，选取出设定数量的视频数据作为第三视频数据集，其中，所述经验预测集合是采用用户交互行为的协同过滤算法预测出的所述用户偏好的视频数据；
第四处理单元，用于在用户发生操作行为时，判断是否存在热播视频集合，在确定存在所述热播视频集合时，从所述热播视频集合中，选取出设定数量的视频数据作为第四视频数据集，其中，所述热播视频集合中包含设定时间段内热播的视频数据；
所述视频推荐列表确定单元具体用于：分别从所述第三视频数据集和所述第四视频数据集选取设定数量的视频数据，并结合从所述第一视频数据集和所述第二视频数据集中选取的视频数据，形成所述用户对应的视频推荐列表。
15.如权利要求10～14任一项所述的装置，其特征在于，所述视频推荐列表确定单元具体用于：
对选取出的视频数据进行去重处理，并将去重处理后得到的视频数据与所述用户已观看的视频进行互斥处理，以从去重处理后得到的视频数据中，去除所述用户已观看的视频；
以及根据视频数据的类型信息，对互斥处理后得到的视频数据，进行聚簇处理，并按照从密集到稀疏的顺序排列，以形成所述视频推荐列表。

暂无