(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211168200.9 (22)申请日 2022.09.23 (71)申请人 北京奇艺世纪科技有限公司 地址 100080 北京市海淀区北一 街2号鸿城 拓展大厦10、 1 1层 (72)发明人 姚倩媛　施雯　段勇　郑聪　 (74)专利代理 机构 北京华夏泰和知识产权代理 有限公司 1 1662 专利代理师 李曼 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/735(2019.01) G06F 16/75(2019.01) G06F 16/78(2019.01) G06F 16/783(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 视频推荐方法、 装置、 电子设备及存 储介质 (57)摘要 本申请涉及一种视频推荐方法、 装置、 电子 设备及存储介质， 该方法包括： 利用预设的目标 预估模型和预设的异构图卷积网络算法对候选 视频池中的每个视频进行处理， 得到每个视频所 对应的用户反馈参数和各个视频对应的内容相 似度； 基于用户反馈参数、 内容相似度和预设的 图搜索算法， 在候选视频池中进行视频推荐序列 搜索， 得到预设个数的候选视频推荐序列及每个 候选视频推荐序列所对应的推荐标签； 根据推荐 标签， 在预设个数的候选视频推荐序列中检测目 标视频推荐序列， 并按目标视频推荐序列所对应 的视频的排列顺序进行视频推荐。 通过本申请， 解决了视频推荐因推荐视频的多目标和多模态 特性， 无法满足用多样性需求、 视频推荐效果差 的问题。 权利要求书2页 说明书11页 附图1页 CN 115391665 A 2022.11.25 CN 115391665 A 1.一种视频推荐方法， 其特 征在于， 包括： 利用预设的目标预估模型和预设的异构图卷积网络算法对候选视频池中的每个视频 进行处理， 得到每个所述视频所对应的用户反馈参数和各个所述视频对应的内容相似度， 其中， 所述用户反馈参数用于表征 所述视频 所对应的多种目标满足度； 基于所述用户反馈参数、 所述内容相似度和预设的图搜索算法， 在所述候选视频池中 进行视频推荐序列搜索， 得到预设个数的候选视频推荐序列及每个所述候选视频推荐序列 所对应的推荐标签， 其中， 所述推荐标签用于表征对应的所述候选视频推荐序列的推荐分 值的高低； 根据所述推荐标签， 在预设个数的所述候选视频推荐序列中检测目标视频推荐序列， 并按所述目标视频推荐序列所对应的视频的排列顺序进行视频推荐。 2.根据权利要求1所述的方法， 其特征在于， 根据所述推荐标签， 在预设个数的所述候 选视频推荐序列中检测目标视频推荐序列， 包括： 按推荐分值由高到低的顺序， 选取所述推 荐分值最大的所述候选视频推荐序列， 并确定所述目标视频推荐序列包括所述推荐分值最 大的所述 候选视频推荐序列。 3.根据权利要求1所述的方法， 其特征在于， 在利用预设的目标预估模型和预设的异构 图卷积网络算法对候选 视频池中的每 个视频进行处 理之前， 所述方法还 包括： 确定所述视频所对应的多种业务目标， 并构造每种所述业务目标所对应的任务标签， 其中， 所述业务目标包括以下其中一种： 视频点击率、 视频播放时长、 视频收入转化率、 视频 曝光率， 所述任务标签用于确定所述视频 所对应的所述 业务目标是否达标； 以所述任务标签为对应的标签， 并基于深度与交叉神经网络， 训练生成多种所述目标 预估模型， 其中， 所述目标预估模型包括以下其中一种： 点击率预估模 型、 时长预估模型、 收 入预估模型、 曝光 率预估模型。 4.根据权利要求3所述的方法， 其特征在于， 利用预设的目标预估模型对候选视频池中 的每个视频进行处 理， 得到每 个所述视频 所对应的用户反馈参数， 包括： 分别利用所述点击率预估模型、 所述时长预估模型、 所述收入预估模型和所述曝光率 预估模型对每个所述视频所对应的业务目标进行预估， 并确定所述用户反馈参数包括预估 出的以下目标满足度： 点击率、 有效播 放概率、 有收入转 化的概率、 曝光率。 5.根据权利要求4所述的方法， 其特征在于， 基于所述用户反馈参数、 所述内容相似度 和预设的图搜索算法， 在所述候选视频池中进行视频推荐序列搜索， 得到预设个数 的候选 视频推荐序列及每 个所述候选视频推荐序列所对应的推荐标签， 包括： 确定当前时间步中每个所述视频所对应的应用曝光率， 并基于所述应用曝光率与 所述 用户反馈参数中其他所述 目标满足度， 确定当前候选的所述视频所对应的当前推荐分值， 其中， 所述应用曝光率是根据当前候选的所述视频所对应的所述用户反馈参数中的所述曝 光率和上一个时间步中所选取的所述视频对应的所述应用曝光 率确定的； 根据所述当前推荐分值， 从当前候选的所述视频中检索出设定个数的视频， 得到所述 当前时间步对应的当次候选输出序列， 并将所述当次候选输出序列与所述当前时间步之前 的所有时间步已检索出的所有历史候选输出序列进行组合， 生成设定个数的扩展视频序 列， 其中， 当前候选的所述视频不包括所述历史候选输出序列中的任一所述视频， 每个所述 扩展视频序列的视频个数与所述当前时间步对应的步数相等；权　利　要　求　书 1/2 页 2 CN 115391665 A 2重复执行根据对应时间步所对应的所述当前推荐分值， 检索与对应时间步所对应的所 述当次候选输出序列， 并重复执行将对应的所述当次候选输出序列与已检索出的所有 所述 历史候选输出序列进行组合， 直至每个所述扩展视频序列包括预设个数 的视频， 得到预设 个数的候选 视频推荐序列； 根据每个所述候选视频推荐序列所对应的所有所述当前推荐分值之和与所有所述视 频对应的所述内容相似度的均值， 确定对应的所述候选视频推荐序列所对应的推荐总分 值， 其中， 所述推荐标签包括所述推荐总分值。 6.根据权利要求5所述的方法， 其特征在于， 根据所述当前推荐分值， 从当前候选的所 述视频中检索出设定个数的视频， 得到所述当前时间步对应的当次候选输出序列， 包括： 按 所述当前推荐分值由高到低的顺序， 从当前候选的所述视频中选取设定个数 的所述视频， 得到所述当次候选 输出序列。 7.根据权利要求5所述的方法， 其特征在于， 基于所述应用曝光率与 所述用户反馈参数 中其他所述目标满足度， 确定当前候选的所述视频 所对应的当前推荐分值， 包括： 按如下公式计算所述当前推荐分值F(i): F(i)＝a×ctr(i)×ER(i)+b×Le(i)×ER(i)+c×RCR(i)×ER(i) 其中， i表示当前 时间步， a、 b、 c分别为对应的设定的超参数， ctr(i)表示对应视频的点 击率， Le(i)表示对应视频的有效播放概率， RCR(i)表示对应视频的有收入转化的概率， ER (i)表示当前时间步对应的应用曝光 率。 8.根据权利要求1所述的方法， 其特 征在于， 所述图搜索算法包括束搜索算法。 9.根据权利要求1所述的方法， 其特征在于， 所述异构图卷积网络算法包括以下其中一 种： 图卷神经网络GCN、 图注意力网络GAT、 图采样聚合模型GraphSAGE 。 10.一种视频推荐装置， 其特 征在于， 包括： 处理模块， 用于利用预设的目标预估模型和预设的异构图卷积网络算法对候选视频池 中的每个视频进 行处理， 得到每个所述视频所对应的用户反馈参数和各个所述视频对应的 内容相似度， 其中， 所述用户反馈参数用于表征 所述视频 所对应的多种目标满足度； 检索模块， 用于基于所述用户反馈参数、 所述内容相似度和预设的图搜索算法， 在所述 候选视频池中进 行视频推荐序列搜索， 得到预设个数的候选视频推荐序列及每个所述候选 视频推荐序列所对应的推荐标签， 其中， 所述推荐标签用于表征对应的所述候选视频推荐 序列的推荐分值的高低； 确定模块， 用于根据所述推荐标签， 在预设个数的所述候选视频推荐序列中检测目标 视频推荐序列， 并按所述目标视频推荐序列所对应的视频的排列顺序进行视频推荐。 11.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总 线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执行存储器上所存放的程序时， 实现权利要求1 ‑9任一项所述的视频推荐 方法的步骤。 12.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求1 ‑9任一项所述的视频推荐方法的步骤。权　利　要　求　书 2/2 页 3 CN 115391665 A 3