买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京奇果智能科技有限公司

摘要：本发明属于短视频智能推荐技术领域，具体的说是基于兴趣建模分类的短视频智能推荐系统及方法，包括兴趣建模模块、内容特征提取模块、兴趣分类模块、算法模块和实时学习适应性调整模块，兴趣建模模块分析用户的行为数据，并根据用户的行为数据建立用户兴趣模型，内容特征提取模块对短视频内容进行特征提取，兴趣分类模块将用户兴趣模型和视频内容特征进行分类，根据分类建立用户兴趣与视频内容分类的映射关系，算法模块基于用户兴趣与视频内容分类的映射关系，运用推荐算法生成短视频推荐列表；通过上述结构配合，学习和建立动态的兴趣建模，进而在推荐视频时，可以有效提高用户与平台的粘度。

主权项：1.基于兴趣建模分类的短视频智能推荐系统，其特征在于：包括兴趣建模模块、内容特征提取模块、兴趣分类模块、算法模块和实时学习适应性调整模块；所述兴趣建模模块分析用户的行为数据，并根据用户的行为数据建立用户兴趣模型；所述内容特征提取模块对短视频内容进行特征提取；所述兴趣分类模块将用户兴趣模型和视频内容特征进行分类，根据分类建立用户兴趣与视频内容分类的映射关系；所述算法模块基于用户兴趣与视频内容分类的映射关系，运用推荐算法生成短视频推荐列表；所述学习适应性调整模块根据数据实时重复生成动态模型；所述兴趣建模模块分析用户的行为数据包括：A1、用户时间段内浏览视频的浏览习惯；A2、获取用户终端权限信息；用户浏览习惯包括每个视频的停留时间和不同类型视频浏览次数；获取用户终端权限信息包括摄像头权限和账号信息权限；浏览视频停留时间为x，视频时长为y，通过视频时长除以停留时间得到数值z，通过数值z优化视频数据；获取摄像头权限后采集面部识别信息和表情信息；视频数据优化后，根据用户浏览不同类型视频浏览次数和浏览时的面部表情，建立用户兴趣模型；其中，面部识别信息和账号信息均用于识别用户；当账号信息与面部识别信息相适配时，根据账户信息生成对应用户的兴趣建模；当账号信息与面部识别信息不同时，根据面部识别信息生成对应用户的兴趣建模；所述内容特征提取模块的特征提取方式包括；B1、将视频的标题转换为文本特征；B2、将视频的描述文本进行分词和词性标注的预处理操作，然后使用词嵌入模型提取描述的文本特征；B3、从视频中抽取关键帧作为视频的代表，转换为文本特征；B4、将视频的音频信号提取出来，并进行降噪、分帧、能量归一化操作，并转换为文本特征；建立用户兴趣建模与视频内容分类映射关系的步骤：C1、将用户的兴趣建模转换为与视频文本特征相同的文本格式；C2、将用户兴趣建模的文本与视频文本特征进行相似度计算；其中，用户兴趣建模的分类为Q、W、E…P，视频内容分类为Z、X、V…M；根据相似度得到分类关系：Q属于Z；W属于X；E属于V；…；P属于M；所述根据用户的兴趣建模计算出各个类型视频的占比，其中时间段内视频总个数为z，Q视频浏览次数为a1、W视频浏览次数为b1、E视频浏览次数为c1…P视频浏览次数为f1，a1z+b1z+c1z+…f1z=1；用户使用视频平台时间内推荐视频的比例：Z的比例为a1z；X的比例为b1z；V的比例为c1z；…；M的比例为f1z；所述学习适应性调整模块的调整步骤包括：E1、设定兴趣循环时间段，所述用户兴趣模型建立的时间为起点，兴趣循环时间段后，根据兴趣循环时间段内用户的浏览记录重新建立用户兴趣模型；E2、重新建立的用户兴趣模型自动覆盖上一次的用户兴趣模型，建立动态用户兴趣模型；所述学习适应性调整模块的调整步骤还包括：F1、设定内容循环时间段，所述用户内容的文本特征建立的时间为起点，内容循环时间段后，覆盖内容循环时间段内重复的视频，并将该时间段内的视频提取、转换为文本特征；F1、转换后新的文本特征覆盖上一次的文本特征，建立动态视频特征模型。

全文数据：

权利要求：

百度查询： 南京奇果智能科技有限公司 基于兴趣建模分类的短视频智能推荐系统及方法