视频收益计算建模装置与方法及视频推荐装置与方法与流程

本发明涉及视频播放领域，具体而言，涉及一种视频收益计算建模装置与方法及视频推荐装置与方法。

背景技术：

短视频是一种互联网内容传播方式，一般是在互联网新媒体上传播的时长在5分钟以内的视频传播内容；随着移动终端普及和网络的提速，短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐。短视频通常在各种新媒体平台上播放，适合在移动状态和短时休闲状态下观看，高频推送的视频内容，时间通常在几秒到几分钟不等。内容融合了技能分享、幽默搞怪、时尚潮流、社会热点、街头采访、公益教育、广告创意、商业定制等主题。

现有技术中，有一类应用为短视频应用，这类应用主要给用户推荐时长较短的短视频，然后这类应用程序为用户展示的视频通常杂乱无章，没有根据用户的兴趣爱好来推荐相应的短视频，用户的体验感差，短视频的收益也不高。

技术实现要素：

有鉴于此，本发明实施例的目的在于提供一种视频收益计算建模装置与方法及视频推荐装置与方法，以改善上述的问题。

第一方面，本发明实施例提供了一种视频收益计算建模装置，所述视频收益计算建模装置包括：

推荐视频集提取单元，用于从预存储的视频库中，依据第一用户浏览记录将符合预设定条件的视频提取并归纳为推荐视频集；

第一信息发送单元，用于将所述推荐视频集发送至与所述第一用户浏览记录关联的客户端；

信息接收单元，用于在预设定的第二时间后接收所述客户端发送的视频浏览反馈信息，所述视频反馈信息包括用户浏览推荐视频集中的每个视频分别距离当前时刻的时间、推荐视频集中的每个视频的历史展示状态、播放推荐视频集中的每个视频的时间以及推荐视频集中的每个视频的总时间中的至少之一；

模型建立单元，用于依据所述视频反馈信息建立视频收益系数计算模型。

第二方面，本发明实施例还提供了一种视频收益计算建模方法，其特征在于，所述视频收益计算建模方法包括：

从预存储的视频库中，依据第一用户浏览记录将符合预设定条件的视频提取并归纳为推荐视频集；

将所述推荐视频集发送至与所述第一用户浏览记录关联的客户端；

在预设定的第二时间后接收所述客户端发送的视频浏览反馈信息，所述视频反馈信息包括用户浏览推荐视频集中的每个视频分别距离当前时刻的时间、推荐视频集中的每个视频的历史展示状态、播放推荐视频集中的每个视频的时间以及推荐视频集中的每个视频的总时间中的至少之一；

依据所述视频反馈信息建立视频收益系数计算模型。

第三方面，本发明实施例还提供了一种服务器，所述服务器包括：

存储器；

处理器；及

视频收益计算建模装置，所述装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块，所述视频收益计算建模装置包括：

推荐视频集提取单元，用于从预存储的视频库中，依据第一用户浏览记录将符合预设定条件的视频提取并归纳为推荐视频集；

第一信息发送单元，用于将所述推荐视频集发送至与所述第一用户浏览记录关联的客户端；

信息接收单元，用于在预设定的第二时间后接收所述客户端发送的视频浏览反馈信息，所述视频反馈信息包括用户浏览推荐视频集中的每个视频分别距离当前时刻的时间、推荐视频集中的每个视频的历史展示状态、播放推荐视频集中的每个视频的时间以及推荐视频集中的每个视频的总时间中的至少之一；

模型建立单元，用于依据所述视频反馈信息建立视频收益系数计算模型。

第四方面，本发明实施例还提供了一种视频推荐装置，所述视频推荐装置包括：

数据请求单元，用于向一客户端请求预设定的第一时间内的第二用户浏览记录，其中，所述第二用户浏览记录包括有用户浏览推荐视频集中的每个视频距离当前时刻的第二时间；

视频收益期望值计算单元，用于依据上述提供的视频收益系数计算模型、用户浏览推荐视频集中的每个视频距离当前时刻的第二时间以及时间衰减因子计算出视频数据库中存储的每个视频的视频收益期望值；

第二信息发送单元，用于依据每个视频的视频收益期望值将视频数据库中存储的视频发送至所述客户端。

第五方面，本发明实施例还提供了一种视频推荐方法，所述视频推荐方法包括：

向一客户端请求预设定的第一时间内的第二用户浏览记录，其中，所述第二用户浏览记录包括有用户浏览推荐视频集中的每个视频距离当前时刻的第二时间；

依据上述提供的视频收益系数计算模型、用户浏览推荐视频集中的每个视频距离当前时刻的第二时间以及时间衰减因子计算出视频数据库中存储的每个视频的视频收益期望值；

依据每个视频的视频收益期望值将视频数据库中存储的视频发送至所述客户端。

第六方面，本发明实施例还提供了另一种服务器，所述服务器包括：

存储器；

处理器；及

视频推荐装置，所述装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块，所述视频推荐装置包括：

数据请求单元，用于向一客户端请求预设定的第一时间内的第二用户浏览记录，其中，所述第二用户浏览记录包括有用户浏览推荐视频集中的每个视频距离当前时刻的第二时间；

视频收益期望值计算单元，用于依据上述提供的视频收益系数计算模型、用户浏览推荐视频集中的每个视频距离当前时刻的第二时间以及时间衰减因子计算出视频数据库中存储的每个视频的视频收益期望值；

第二信息发送单元，用于依据每个视频的视频收益期望值将视频数据库中存储的视频发送至所述客户端。

与现有技术相比，本发明提供的视频收益计算建模装置与方法，首先通过从预存储的视频库中，依据第一用户浏览记录将符合预设定条件的视频提取并归纳为推荐视频集；再将所述推荐视频集发送至与所述第一用户浏览记录关联的客户端；然后在预设定的第二时间后接收所述客户端发送的视频浏览反馈信息，最后依据所述视频反馈信息建立视频收益系数计算模型。通过根据实时根据用户的浏览反馈信息建立的视频收益系数计算模型，贴合每个用户自身的视频浏览兴趣爱好与实际情况，建立的视频收益系数计算模型可靠性与参考度高。

与现有技术相比，本发明提供的视频推荐装置与方法，首先通过向一客户端请求预设定的第一时间内的第二用户浏览记录；然后依据上述提供的视频收益系数计算模型、用户浏览推荐视频集中的每个视频距离当前时刻的第二时间以及时间衰减因子计算出视频数据库中存储的每个视频的视频收益期望值；最后依据每个视频的视频收益期望值将视频数据库中存储的视频发送至所述客户端。由于建立的视频收益系数计算模型贴合每个用户自身的视频浏览兴趣爱好与实际情况，建立的视频收益系数计算模型可靠性与参考度高，因此依据建立的视频收益系数计算模型为用户推荐的视频，也非常贴合用户的视频浏览领域与浏览兴趣，大幅度提高了视频推荐的精准度，同时也提高了用户浏览视频的体验感。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的服务器与客户端之间的交互示意图；

图2为本发明实施例提供的服务器的结构框图；

图3为本发明实施例提供的视频收益计算建模装置功能模块示意图；

图4为本发明实施例提供的推荐视频集在客户端的显示界面的显示状态示意图；

图5为本发明实施例提供的视频收益计算建模方法的流程图；

图6为本发明实施例提供的视频推荐装置的功能模块示意图；

图7为本发明实施例提供的视频推荐方法的流程图。

图标：100-客户端；200-服务器；300-网络；400-视频收益计算建模装置；500-视频推荐装置；101-处理器；102-存储器；103-存储控制器；104-外设接口；301-视频集提取单元；302-第一信息发送单元；303-信息接收单元；304-模型建立单元；601-数据请求单元；602-视频收益期望值计算单元；603-排序单元；604-第二信息发送单元。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提出的视频收益计算建模装置与方法及视频推荐装置与方法，本发明较佳实施例所提供的视频收益计算建模装置与方法及视频推荐装置与方法，可应用于如图1所示的应用环境中。如图1所示，客户端100、服务器200位于网络300中，通过该网络300，客户端100与服务器200进行数据交互。于本发明实施例中，客户端100中安装有至少一个应用程序(application，app)，与服务器200相对应，为用户提供服务。该服务器200可以是，但不限于，网络服务器、数据库服务器、云端服务器等等。该客户端100可以是，但不限于智能手机、个人电脑(personalcomputer，pc)、平板电脑、个人数字助理(personaldigitalassistant，pda)、移动上网设备(mobileinternetdevice，mid)等。所述客户端100的操作系统可以是，但不限于，安卓(android)系统、ios(iphoneoperatingsystem)系统、windowsphone系统、windows系统等。

图2示出了一种可应用于本发明实施例中的服务器200的结构框图。所述服务端包括视频收益计算建模装置400、视频推荐装置500、处理器101、存储器102、存储控制器103以及外设接口104。

所述存储器102、存储控制器103、处理器101以及外设接口104，各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述视频收益计算建模装置400、视频推荐装置500包括至少一个可以软件或固件(firmware)的形式存储于所述存储器102中或固化在所述客户端100的操作系统(operatingsystem，os)中的软件功能模块。所述处理器101用于执行存储器102中存储的可执行模块，例如，所述视频收益计算建模装置400、视频推荐装置500包括的软件功能模块或计算机程序。

其中，存储器102可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器102readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，eprom)，电可擦除只读存储器(electricerasableprogrammableread-onlymemory，eeprom)等。其中，存储器102用于存储程序，所述处理器101在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务端所执行的方法可以应用于处理器101中，或者由处理器101实现。

处理器101可能是一种集成电路芯片，具有信号的处理能力。上述的处理器101可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器101也可以是任何常规的处理器101等。

外设接口104将各种输入/输出装置耦合至处理器101以及存储器102。在一些实施例中，外设接口104、处理器101以及存储控制器103可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

可以理解，图2所示的结构仅为示意，服务器200还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

第一实施例

请参阅图3，本发明实施例提供了一种视频收益计算建模装置400，所述视频收益计算建模装置400包括推荐视频集提取单元301、第一信息发送单元302、信息接收单元303以及模型建立单元304。

推荐视频集提取单元301用于从预存储的视频库中，依据第一用户浏览记录将符合预设定条件的视频提取并归纳为推荐视频集。

具体地，推荐视频集提取单元301可以包括：

数据请求子单元，用于向所述客户端100请求预设定的第一时间内的所述第一用户浏览记录。

其中，所述第一用户浏览记录包括有视频标签信息，本实施例中，视频标签的获取途径很多，例如：通过视频的标题提取关键字，并将关键字映射为相应的视频标签信息或者通过运营人员人工对视频打上视频标签信息。视频标签信息可以为“nba篮球赛”、“美国大选”、“选美时尚秀”等等，在此仅仅是举例说明。本实施例中，第一用户浏览记录为用户先前在客户端100浏览过的视频后缓存的浏览记录。本实施例中，考虑到不同时间段用户关注的时代热点、时尚潮流类的视频内容不同，因此挑选距离当前时间最近第一用户浏览记录，更贴合用户当前时间的视频浏览偏好，因此，预设定的第一时间优选为3天或一周或半个月。

视频集归纳子单元，用于在预存储的视频库中查找出与所述视频标签信息关联的视频，并将查找到的所有视频归纳为推荐视频集。

例如：用户最近一周看了两个视频，视频a是关于“军事”的，视频是关于“篮球”的，则在预存储的视频库中把所有包含“军事”、“篮球”的视频找出来，作为推荐给用户的推荐视频集。

本实施例中，较佳地，所述视频集归纳子单元用于在预存储的视频库中查找出与所述视频标签信息关联的视频，并将查找到的所有视频归纳为候选视频集。

所述推荐视频集提取单元301还包括：选择子单元，用于从候选视频集中选择候选视频，且每个候选视频均未在所述客户端100产生过显示记录，将选中的候选视频归纳为推荐视频集。

为了让推荐视频集中的视频更符合用户的视频浏览偏好以及更能提起用户的浏览兴趣，因此需要对先前在用户的客户端100显示但未播放过的视频进行剔除(显示但未播放，说明用户对此视频的兴趣度不高)，因此将候选视频集中的在用户的客户端100显示但未播放过的视频进行剔除后，作为推荐视频集，在客户端100被用户点击并播放的概率更大，也更贴合用户的浏览偏好。本实施例中，推荐视频集中的视频的个数可以为10个、50个、100个等等，具体依据实际情况而定，在此不做限制。

第一信息发送单元302用于将所述推荐视频集发送至与所述第一用户浏览记录关联的客户端100。

需要说明的是，本实施例中，与所述第一用户浏览记录关联的客户端100是指产生并缓存有第一用户浏览记录的客户端100。

信息接收单元303用于在预设定的第二时间后接收所述客户端100发送的视频浏览反馈信息。

本实施例中，所述视频反馈信息包括用户浏览推荐视频集中的每个视频分别距离当前时刻的时间、推荐视频集中的每个视频的历史展示状态、播放推荐视频集中的每个视频的时间以及推荐视频集中的每个视频的总时间中。本实施例中，当然地，视频反馈信息还可以包括用户浏览推荐视频集中的每个视频分别距离当前时刻的时间、推荐视频集中的每个视频的历史展示状态、播放推荐视频集中的每个视频的时间以及推荐视频集中的每个视频的总时间中的任一一个或多个，在此仅仅是举例说明。

模型建立单元304用于依据所述视频反馈信息建立视频收益系数计算模型。

具体地，所述模型建立单元304包括：视频反馈效果计算模型建立子单元，

用于依据算式建立视频反馈效果计算模型。

其中，feedbacku,i,j为视频反馈效果值，isviewu,j为推荐视频集的每个视频的历史展示状态值；例如，-1表示该视频在用户在客户端100的屏幕上展示了但没有点击进行播放，0表示该视频在客户端100上没有展示，1表示该视频在客户端100展示了且用户有点击进行播放。viewdaysu,i用户浏览推荐视频集中的每个视频距离当前时刻的时间，单位为天，例如：用户当天浏览过视频则取1，用户昨天浏览过视频则取2，以此类推。

其中，palaytimeu,j表示用户播放推荐视频集的每个视频的时间，videotimeu,j表示推荐视频集的每个视频的总时间，precentu,j表示用户观看每个视频的完成率。例如，一个军事视频的总时长为5分钟，用户点击播放观看了3分钟，则该军事视频的用户观看完成率为60％。

lapse为每个视频的时间衰减因子，ti表示用户浏览过的视频的标签集合，tj推荐视频集中包含的视频的标签集合。其中，lapse为一常数且

lapse＞0，表示时间衰减因子，lapse为一个人工配置参数，配置参数的值越大，表示越重视用户最近浏览视频的行为，取0时表示用户的所有时间的浏览行为都同等对待。实际业务中一般取1，往后的时间每天的权重依次是以此类推。例外，考虑ti∩tj＝φ的时候赋值为0的原因是没有相同标签的视频视为不相关。

视频收益计算建模子单元，用于依据算式

建立视频收益系数计算模型，其中，earni,j表示每个视频的视频收益系数，u表示单个用户，u表示所有用户的集合，上式表示所有用户观看视频得到的总的视频反馈效果值，表示观看视频的用户的数量。

本实施例中，对批量用户采取上述操作，可以得到大量的视频反馈信息，根据大量的视频反馈信息得到多个视频收益系数。上述的算式中，所有视频效果值不为0的信号平均值用于衡量短视频的收益，在此基础上加上1则是一个修正值，确保相同标签的视频收益系数都大于或等于0，而没有相同标签的视频之间则认为没有相关性，视频收益系数也为0。

其中，相同标签的视频收益系数都大于或等于0的证明过程如下：

过程如下，由feedbacku,i,j的定义可知

-1≤feedbacku,i,j

所以

即可得出

该建立好的视频收益系数计算模型，根据用户的实时对推荐视频集的视频反馈信息得出，科学合理，符合用户当前浏览视频的实际情况。

第二实施例

请参阅图5，本发明实施例还提供了一种视频收益计算建模方法，需要说明的是，本实施例所提供的视频收益计算建模方法，其基本原理及产生的技术效果和第一实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。所述视频收益计算建模方法包括：

步骤s501：从预存储的视频库中，依据第一用户浏览记录将符合预设定条件的视频提取并归纳为推荐视频集。

可以理解地，步骤s501由上述的推荐视频集提取单元301执行。

具体地，步骤s501执行流程包括但不限于以下两种方式：

第一种：向所述客户端100请求预设定的第一时间内的所述第一用户浏览记录，其中，所述第一用户浏览记录包括有视频标签信息；在预存储的视频库中查找出与所述视频标签信息关联的视频，并将查找到的所有视频归纳为推荐视频集。

第二种：向所述客户端100请求预设定的第一时间内的所述第一用户浏览记录，其中，所述第一用户浏览记录包括有视频标签信息；在预存储的视频库中查找出与所述视频标签信息关联的视频，并将查找到的所有视频归纳为候选视频集；从候选视频集中选择候选视频，且每个候选视频均未在所述客户端100产生过显示记录，将选中的候选视频归纳为推荐视频集。

步骤s502：将所述推荐视频集发送至与所述第一用户浏览记录关联的客户端100。

可以理解地，步骤s502由上述的第一信息发送单元302执行。

步骤s503：在预设定的第二时间后接收所述客户端100发送的视频浏览反馈信息。

可以理解地，步骤s503由上述的信息接收单元303执行。

本实施例中，所述视频反馈信息包括用户浏览推荐视频集中的每个视频分别距离当前时刻的时间、推荐视频集中的每个视频的历史展示状态、播放推荐视频集中的每个视频的时间以及推荐视频集中的每个视频的总时间。

步骤s504：依据所述视频反馈信息建立视频收益系数计算模型。

可以理解地，步骤s504由上述的模型建立单元304执行。

具体地，依据建立视频收益系数计算模型的流程为：

首先依据算式建立视频反馈效果计算模型，其中，feedbacku,i,j为视频反馈效果值，isviewu,j为推荐视频集的每个视频的历史展示状态值，viewdaysu,i用户浏览推荐视频集中的每个视频距离当前时刻的时间，palaytimeu,j表示用户播放推荐视频集的每个视频的时间，videotimeu,j表示推荐视频集的每个视频的总时间，precentu,j表示用户观看每个视频的完成率，lapse为每个视频的时间衰减因子，ti表示用户浏览过的短视频的标签集合，tj推荐视频集中包含的短视频的标签集合。

然后依据算式

建立视频收益系数计算模型，其中，earni,j表示每个视频的视频收益系数。

第三实施例

请参阅图6，本发明实施例还提供了一种视频推荐装置500，所述视频推荐装置500包括数据请求单元601、视频收益期望值计算单元602、排序单元603以及第二信息发送单元604。

数据请求单元601用于向一客户端100请求预设定的第一时间内的第二用户浏览记录。

其中，所述第二用户浏览记录也包括有视频标签信息以及用户浏览推荐视频集中的每个视频距离当前时刻的第二时间。

本实施例中，视频标签的获取途径很多，例如：通过视频的标题提取关键字，并将关键字映射为相应的视频标签信息或者通过运营人员人工对视频打上视频标签信息。本实施例中，考虑到不同时间段用户关注的时代热点、时尚潮流类的视频内容不同，因此挑选距离当前时间最近第二用户浏览记录，更贴合用户当前时间的视频浏览偏好，因此，预设定的第二时间也优选为3天或一周或半个月。

视频收益期望值计算单元602用于依据实施例一或实施例二提供的视频收益系数计算模型、用户浏览推荐视频集中的每个视频距离当前时刻的第二时间以及时间衰减因子计算出视频数据库中存储的每个视频的视频收益期望值。

具体地，所述视频收益期望值计算单元602用于依据算式计算出视频收益期望值，其中，

viewdaysa,i表示用户浏览推荐视频集中的每个视频距离当前时刻的第二时间、lapse表示时间衰减因子，expecta,j每个视频的视频收益期望值，earni,j表示每个视频的视频收益系数，earni,j的计算方式如实施例一或实施例二所描述，在此就不再多做赘述。

排序单元603用于依据每个视频的视频收益期望值将视频数据库中存储的视频进行降序排列。

本实施例中，对视频数据库中存储的视频的排序方式不仅仅可以依据每个视频的视频收益期望值降序排列，也可以为其他的一些排列方式，在此就不再举例说明。

所述信息发送单元用于将视频数据库中存储的视频按照排列后的顺序发送至所述客户端100。

在客户端100展示的视频顺序即按照视频收益期望值的先后顺序进行排列，用户在客户端100首先看到视频为最符合用户的观看需求的视频。本实施例中，对于信息发送单元发送视频的方式不仅仅可以为上述的方式，也可以为例如，先判断视频收益期望值是否大于预设定阈值，并且仅仅将视频收益期望值大于预设定阈值的视频发送值客户端100。

第四实施例

请参阅图7，本发明实施例还提供了一种视频推荐方法，需要说明的是，本实施例所提供的视频推荐方法，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。所述视频推荐方法包括：

步骤s701：向一客户端100请求预设定的第一时间内的第二用户浏览记录。

其中，所述第二用户浏览记录包括有用户浏览推荐视频集中的每个视频距离当前时刻的第二时间。可以理解地，步骤s701由上述的数据请求单元601执行。

步骤s702：依据实施例一或实施例二提供的视频收益系数计算模型、用户浏览推荐视频集中的每个视频距离当前时刻的第二时间以及时间衰减因子计算出视频数据库中存储的每个视频的视频收益期望值。

可以理解地，步骤s702由上述的视频收益期望值计算单元602执行。

具体地，步骤s702的具体实施方式为：

依据算式计算出视频收益期望值，其中，viewdaysa,i表示用户浏览推荐视频集中的每个视频距离当前时刻的第二时间、lapse表示时间衰减因子，expecta,j每个视频的视频收益期望值，earni,j表示每个视频的视频收益系数。

步骤s703：依据每个视频的视频收益期望值将视频库中存储的视频进行降序排列。

可以理解地，步骤s703由上述的排序单元603执行。

步骤s704：将视频数据库中存储的视频按照排列后的顺序发送至所述客户端100。

可以理解地，步骤s704由上述的第二信息发送单元604执行。

综上所述，本发明提供的视频收益计算建模装置与方法，首先通过从预存储的视频库中，依据第一用户浏览记录将符合预设定条件的视频提取并归纳为推荐视频集；再将所述推荐视频集发送至与所述第一用户浏览记录关联的客户端；然后在预设定的第二时间后接收所述客户端发送的视频浏览反馈信息，最后依据所述视频反馈信息建立视频收益系数计算模型。通过根据实时根据用户的浏览反馈信息建立的视频收益系数计算模型，贴合每个用户自身的视频浏览兴趣爱好与实际情况，建立的视频收益系数计算模型可靠性与参考度高。

再者，本发明提供的视频推荐装置与方法，首先通过向一客户端请求预设定的第一时间内的第二用户浏览记录；然后依据上述提供的视频收益系数计算模型、用户浏览推荐视频集中的每个视频距离当前时刻的第二时间以及时间衰减因子计算出视频数据库中存储的每个视频的视频收益期望值；最后依据每个视频的视频收益期望值将视频数据库中存储的视频发送至所述客户端。由于建立的视频收益系数计算模型贴合每个用户自身的视频浏览兴趣爱好与实际情况，建立的视频收益系数计算模型可靠性与参考度高，因此依据建立的视频收益系数计算模型为用户推荐的视频，也非常贴合用户的视频浏览领域与浏览兴趣，大幅度提高了视频推荐的精准度，同时也提高了用户浏览视频的体验感。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。