基于热度值的视频课程推荐方法及相关装置与流程
本申请涉及数据处理技术领域，具体涉及一种基于热度值的视频课程推荐方法及相关装置。
背景技术：
在线教育顾名思义，是以网络为介质的教学方式，通过网络，学员与教师即使相隔万里也可以开展教学活动；此外，借助网络课件，学员还可以随时随地进行学习，真正打破了时间和空间的限制，对于工作繁忙，学习时间不固定的职场人而言网络远程教育是最方便不过的学习方式。
在线教育中，需要用到大量的视频课程，学员通过观看视频课程进行在线学习。但是网络上的海量视频课程种类五花八门，囊括的范围也非常广泛，平台服务器如何通过对大数据的处理获得精确的热门视频课程，并将其推荐给最匹配的学员，有效减少学员挑选课程的时间消耗，是一个至关重要的问题。
技术实现要素：
本申请实施例提供了一种基于热度值的视频课程推荐方法及相关装置，以期通过对视频课程进行多维度的观看记录分析获得更多维度的量化值，进而根据量化值计算获得热度值，并将视频课程推荐给与热度值最匹配的用户终端，提升了课程推荐的准确性。
第一方面，本申请实施例提供一种基于热度值的视频课程推荐方法，运用于课程服务系统，所述课程服务系统包括平台服务器、存储服务器和用户终端，所述方法包括：
平台服务器从存储服务器获取目标视频课程对应的观看记录；
平台服务器对所述观看记录进行多个关键记录信息提取，所述多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；
平台服务器对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；
平台服务器对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值；
平台服务器获取所述用户终端的授权等级，并确定所述授权等级与所述热度值是否匹配；
平台服务器在确定所述授权等级与所述热度值匹配的情况下，向所述用户终端推荐所述目标视频课程。
在一个可选的示例中，所述对所述观看记录进行关键记录信息提取，包括：
获取所述观看记录中的课程点击次数作为所述目标视频课程的浏览量；
获取所述观看记录中的课程收藏个数作为所述目标视频课程的收藏量；
获取所述观看记录中的课程评论字数、评论时间和评论内容作为所述目标视频课程的评论数据；
获取所述观看记录中的课程回放次数、回放时长和回放时段作为所述目标视频课程的回放数据；
将所述浏览量、收藏量、评论数据和回放数据作为所述观看记录中的关键记录信息。
在一个可选的示例中，所述对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值包括：
获取所述目标视频课程的多条评论中目标评论；
获取所述目标评论的评论字数，根据所述评论字数所处的字数区间确定所述目标评论的字数量化值；
获取目标评论的评论时间和当前时间，根据所述评论时间和所述当前时间的时间差值确定所述目标评论的时间量化值；
获取目标评论的评论内容，并将所述评论内容与所述视频课程平台的热度关键词进行匹配，根据匹配结果确定所述目标评论的内容量化值；
根据所述字数量化值、时间量化值和内容量化值确定所述目标评论对应的目标量化值；
对所述多条评论对应的多个目标量化值求和，获得所述目标视频的评论数据对应的量化值。
在一个可选的示例中，所述评论数据还包括评论回复等级，在根据匹配度确定所述目标视频课程的内容量化值之后，所述方法还包括：
获取目标评论的评论回复等级n，其中n为大于或等于1的整数；
根据所述评论回复等级计算获得所述目标评论的等级评论指数i，对应的第一计算公式为：
获取所述目标评论的内容量化值，对所述内容量化值和所述等级评论指数求乘积，获得所述目标评论的等级内容量化值；
根据所述字数量化值、时间量化值和等级内容量化值确定所述目标评论对应的目标量化值。
在一个可选的示例中，所述对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值包括：
获取所述目标视频课程对应的回放次数，并根据所述回放次数确定所述目标视频课程的次数量化值；
获取所述目标视频课程每一次回放对应的回放时刻，并根据所述回放时刻的重复次数确定所述每一次回放的回放指数；
根据所述回放时刻确定回放时长，并根据所述回放时长与所述目标视频课程的总时长的比值确定所述每一次回放对应的长度指数；
根据所述长度指数和所述回放指数确定所述目标视频课程的热度量化值；
根据所述次数量化值和所述热度量化值确定所述目标视频课程的回放数据对应的量化值。
在一个可选的示例中，所述对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值，包括：
对所述浏览量、收藏量、评论数据和回放数据对应的量化值a、b、c、d分别赋予不同的权值α，β，γ，
对所述浏览量、收藏量、评论数据和回放数据对应的量化值进行加权求和，获得所述目标视频课程的热度值h，对应的第二计算公式为：
h＝a*α+b*β+c*γ+d*φ。
在一个可选的示例中，所述获取所述用户终端的授权等级，并确定所述授权等级与所述热度值的匹配程度，包括：
根据所述用户终端的活跃度和所述用户终端的付费情况确定所述用户终端的授权等级，所述授权等级包括第一等级，第二等级和第三等级；
当所述热度值大于或等于第一预设热度值时，确定所述热度值与所述第一等级匹配；
当所述热度值大于或等于第二预设热度值时，确定所述热度值与所述第二等级匹配；
当所述热度值大于或等于第三预设热度值时，确定所述热度值与所述第三等级匹配，其中所述第一预设热度值＞第二预设热度值＞第三预设热度值。
第二方面，本申请提供一种视频课程推荐装置，所述装置包括：
获取单元，用于从存储服务器获取目标视频课程对应的观看记录；
提取单元，用于对所述观看记录进行多个关键记录信息提取，所述多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；
量化单元，用于对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；
计算单元，用于对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值；
匹配单元，用于获取所述用户终端的授权等级，并确定所述授权等级与所述热度值是否匹配；
推荐单元，用于在确定所述授权等级与所述热度值匹配的情况下，向所述用户终端推荐所述目标视频课程。
第三方面，本申请实施例提供一种电子装置，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。
可以看出，本申请实施例中，从存储服务器获取目标视频课程对应的观看记录；对观看记录进行多个关键记录信息提取，多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；对多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；对多个量化值进行加权处理，计算获得目标视频课程的热度值；最后根据用户终端的授权等级和热度值的匹配情况为用户终端推荐目标视频课程。在这个过程中，通过对多项关键记录信息的提取，然后对关键记录信息分别进行量化处理，进而根据量化处理结果计算获得热度值，提升了评价视频课程的全面性和可靠性，进而提升了评价视频课程的准确性；而通过热度值与用户终端授权等级的匹配情况确定是否为用户终端推荐目标视频课程，提升了视频课程推荐的准确性。
附图说明
下面将对本申请实施例所涉及到的附图作简单地介绍。
图1a是本申请实施例提供的一种课程服务系统示意图；
图1b是本申请实施例提供的一种基于热度值的视频课程推荐方法流程示意图；
图1c是本申请实施例提供的一种授权等级与热度值对应关系示意图；
图2是本申请实施例提供的一种热度值计算方法流程示意图；
图3是本申请实施例提供的另一种热度值计算方法流程示意图；
图4是本申请实施例提供的一种电子装置示意图；
图5是本申请实施例提供的一种视频课程推荐装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子装置可以包括各种具有无线通信功能的手持设备、车载设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(userequipment，ue)，移动台(mobilestation，ms)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子装置。当然，本申请实施例中的电子装置可以配置一些外围配件，例如，屏幕保护膜、保护套等等。本申请实施例中的电子装置至少可以包括处理器，以及与处理器连接的电池。上述处理器可以集成sensorhub模块，或者，电子装置可以包含sensorhub模块，可以通过处理器控制sensorhub模块完成下述本申请实施例。
下面对本申请实施例进行详细介绍。
请参阅图1a，图1a为本申请实施例提供的一种课程服务系统示意图，如图1a所示，课程服务系统中包括平台服务器20、存储服务器30和用户终端10，其中平台服务器用于支持视频课程平台的运行、响应和数据处理，存储服务器用于存储视频课程平台相关的数据，用户终端用于提交各种请求指令同时对平台服务器发送的指令或信息进行响应，完成用户与视频课程平台的交互。
请参阅图1b，图1b是本申请实施例提供的一种基于热度值的视频课程推荐方法流程示意图，运用于如图1a所示的课程服务系统，如图1b所示，该热度评价方法包括如下步骤：
步骤101、平台服务器从存储服务器获取目标视频课程对应的观看记录。
视频课程平台是提供各类在线视频课程的网络平台，包括学生课业相关的语文、数学、物理、生物等视频课程，也包括成人培训的职业技能、技术培训等各类课程。这些视频课程被用户点击观看后，会产生对应的观看记录，根据观看记录可以对该视频进行热度评价。因此，在评价视频课程热度时，首先获取每一个视频课程都有对应的观看记录。观看记录包括的内容可以为：用户名称或用户id号，观看视频的时间，观看的视频时间段区间、观看次数，观看时发出的评论，与其他用户进行的评论互动、是否收藏等。
步骤102、平台服务器对所述观看记录进行多个关键记录信息提取，所述关键记录信息包括浏览量、收藏量、评论数据和视频回放数据。
观看记录中的数据十分繁杂，需要从里面提取出关键记录信息，然后对关键记录信息进行量化处理，以便量化地对视频课程的热度进行评价。关键记录信息包括浏览量、收藏量、评论数据和视频回放数据。其中浏览量和收藏量都是简单直接的数据，评论数据和视频回放数据相对内容丰富。
可选的，对观看记录进行关键记录信息提取，包括：获取观看记录中的课程点击次数作为目标视频课程的浏览量；获取观看记录中的课程收藏个数作为目标视频课程的收藏量；获取观看记录中的课程评论字数、评论时间和评论内容作为目标视频课程的评论数据；获取观看记录中的课程回放次数、回放时长和回放时段作为目标视频课程的回放数据；将浏览量、收藏量、评论数据和回放数据作为观看记录中的关键记录信息。
具体地，同一个视频课程(目标视频课程)的点击次数即为该视频课程的浏览量，同一个用户可以点击同一个视频课程多次；同一个视频课程的收藏次数即为该视频课程的收藏量，同一个用户只能收藏同一个视频课程一次。用户对一个视频课程的评论字数、评论时间和评论内容组成了该目标视频的评论数据，对一个视频课程的回放次数、回放时长和回放时段组成了该目标视频的回放数据。其中回放是指非第一次播放，如果用户首次观看目标视频的内容，则不作为回放数据统计，只有当同一用户对目标视频的相同内容进行重复观看时，形成回放数据。回放时长是指回放视频课程内容的时间跨度，例如从视频的00:00不间断(暂停不属于间断)、不重复、不快进观看到20:01，回放时长即为20分1秒，回放时段即为00:00～20:01。
步骤103、平台服务器对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值。
获得多个关键记录信息后，需要对其进行量化处理，获得关键记录信息对应的量化值，使得视频课程的热度能够根据量化值的大小来体现。其中对于浏览量和收藏量，可以直接将浏览量作为浏览量量化值a，将收藏量作为收藏量量化值b，或者，视频课程的热度值可以是目标视频在一个视频集合里的相对热度，那么浏览量的量化值a可以是：
可选的，对多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值包括：获取目标视频课程的多条评论中目标评论；获取目标评论的评论字数，根据评论字数所处的字数区间确定目标评论的字数量化值；获取目标评论的评论时间和当前时间，根据评论时间和当前时间的时间差值确定目标评论的时间量化值；获取目标评论的评论内容，并将评论内容与目标视频课程平台的热度关键词进行匹配，根据匹配结果确定目标评论的内容量化值；根据字数量化值、时间量化值和内容量化值确定目标评论对应的目标量化值；对多条评论对应的多个目标量化值求和，获得目标视频的评论数据对应的量化值。
具体地，对多个关键记录信息分别进行量化处理包括对评论数据的量化处理，具体的量化处理过程为：对于目标视频课程的评论逐条处理，获取目标视频课程的多条评论中的目标评论，获取目标评论的评论字数，并根据评论字数所处的字数区间确定目标评论的字数量化值，例如字数区间包括：小于5个字；5～15个字，16～30个字，30字以上，这些字数区间对应的量化值为3，10，20，30，根据字数区间对应的分值可确定字数量化值sn。然后获取目标评论的评论时间和当前时间，例如评论时间为2019年6月28日19时，当前时间为2019年7月2日12时，时间差值为3天17小时，时间差值越小，说明评论的实时性越高，那么对应的时间量化值也越大。因此，可以设置时间差值t和时间量化值st的对照表，例如：
表1时间差值和时间量化值的对照表
根据表1和目标评论的时间差即可确定目标评论的时间量化值。
对于目标评论的评论内容，将其与视频课程平台的热度关键词进行匹配，例如评论内容为“去年的高考数学好难啊，不过这个老师讲得很好哦。”，热度关键词包括“高考”，“高考数学”，“考试”，那么在进行热度匹配时，“高考”和“高考数学”都匹配成功，该条评论的内容量化值为：
确定了数字量化值sn，时间量化值st和内容量化值sc，对其求和，即可获得目标评论数据对应的目标量化值c，即c＝sn+st+sc。假设目标视频课程的评论条数为j，目标视频课程的评论数据对应的量化值
可选的，可以将上述获得的时间量化值转换为时间量化系数st’，且st’＝st/100，获得时间量化系数后，对时间量化系数与数字量化值sn和内容量化值sc的和求乘积，计算获得目标评论对应的量化值c’，即c’＝st’*(sn+sc)。
可选的，评论数据还包括评论回复等级，在根据匹配度确定目标视频课程的内容量化值之后，该方法还包括：获取目标评论的评论回复等级n，其中n为大于或等于1的整数；根据评论回复等级计算获得目标评论的等级评论指数i，对应的第一计算公式为：
具体地，评论回复等级是指用户发出的评论是第几级评论，例如用户1自己对目标视频课程发出评论1，评论1的回复等级为1，如果用户2发出了评论2，用户3发出了评论3，都用于对评论1进行回复，那么评论2和评论3的回复等级都为2，如果用户1发出了评论4，用于对评论2进行了回复，那么评论4的回复等级为3。评论回复等级越高，说明用户对目标视频课程的探讨愿望越强烈，因此该目标视频课程拥有更高的热度。计算获得目标评论的等级评论指数i，
可见，在本申请实施例中，通过对目标视频课程对应的目标评论的评论字数、评论时间和评论内容进行量化，进而获得目标评论对应的目标量化值，再对目标视频课程的多个目标量化值进行求和，计算获得目标视频课程的评论数据对应的量化值，这个过程中，通过对评论数据的多维度量化，提升了获得评论数据的量化值的准确性和可靠性。另外，考虑评论数据中的评论回复等级，进行新的评论数据的量化值计算，可以进一步提升获得的评论数据的量化值的准确性。
可选的，对多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值包括：获取目标视频课程对应的回放次数，并根据回放次数确定目标视频课程的次数量化值；获取目标视频课程每一次回放对应的回放时长，并根据回放时长与目标视频课程的总时长的比值确定每一次回放对应的长度指数；获取目标视频课程每一次回放对应的回放时刻，并根据回放时刻的重复次数确定回放时刻对应的回放指数；根据长度指数和回放指数确定目标视频课程的热度量化值；根据次数量化值和热度量化值确定目标视频课程的回放数据对应的量化值。
除了要对目标视频课程的评论数据进行量化处理外，还需要对回放数据进行量化处理。首先，根据目标视频课程对应的回放次数确定次数量化值，例如可以直接将回放次数作为次数量化值，或者为了防止回放次数过大造成次数量化值过大，还可以对回放次数进行缩略，当检测到r>105时，rt＝[r/100]，其中rt表示次数量化值，r表示回放次数，[r/100]表示r对100取整。
然后获取目标视频课程每一次回放对应的回放时刻，包括起始时刻和终结时刻，例如目标视频有3次回放，对应的回放时刻为：00:00～20:00；05:00～10:00；05:00～20:00，根据回放时刻的重复次数确定每一次回放的回放指数。对于不同的回放，只有当它们的起始时间和终结时间完全相同时，认为它们是一次重复的回放，例如上面3次回放，每次回放的起始时刻和终点时刻都不同，但重复的段落可以被提取出来作为单独的回放时刻进行记录。例如第一次回放时刻00:00～20:00可以提取出05:00～10:00和05:00～20:00两个回放时刻，第三个回放时刻可以提取出第二个回放时刻，因此，上述三次回放的回放指数分别为：1,3,2。
根据回放时刻还可以确定回放时长，由终结时刻和起始时刻的差值确定，例如上述3个回放时刻对应的回放时长分别为：20分0，5分0和15分0，假设目标视频总长度为30分钟，那么三次回放的长度指数为：0.67,0.17和0.5。
获得长度指数和回放指数后，计算获得目标视频课程的热度量化值rh，rh＝il*100+it，其中il表示长度指数，it表示回放指数。
最后，对热度量化值和次数量化值求和，即可获得回放数据对应的量化值d。
104、平台服务器对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值。
根据上述方法计算获得浏览量、收藏量、评论数据和回放数据对应的量化值a、b、c、d，然后对其赋予不同的权值，通常情况下，回放数据是最难得到的，浏览量是最易得到的，收藏量和评论数据易得程度居中，因此这四种数据对应的权值大小关系为：φ≥γ≥β≥α。最后对四种量化值进行加权求和，根据第二计算公式
105、平台服务器获取所述用户终端的授权等级，并确定所述授权等级与所述热度值是否匹配；
106、平台服务器在确定所述授权等级与所述热度值匹配的情况下，向所述用户终端推荐所述目标视频课程。
用户终端是指与平台服务器交互，并从平台服务器获取和观看视频课程的终端。授权等级不同的用户终端可以从平台服务器获取视频的权限、范围、时间或者方式不同。授权等级可以与用户终端在平台上的活跃度相关，或者与用户观看的视频历史有关，还可以与用户是否为付费用户有关。不同的用户终端的授权等级不同，那么其需要的视频课程的热门程度也不同，例如用户终端为付费用户，说明他对视频课程网站十分关注，只要视频课程热度值比较高，都可以向其推荐。
可选的，获取用户终端的授权等级，并确定授权等级与热度值的匹配程度，包括：根据用户终端的活跃度和用户终端的付费情况确定用户终端的授权等级，授权等级包括第一等级，第二等级和第三等级；当热度值大于或等于第一预设热度值时，确定热度值与第一等级匹配；当热度值大于或等于第二预设热度值时，确定热度值与第二等级匹配；当热度值大于或等于第三预设热度值时，确定热度值与第三等级匹配，其中第一预设热度值＞第二预设热度值＞第三预设热度值。
具体地，请参阅图1c，图1c为本申请实施例提供的一种授权等级与热度值对应关系示意图，如图1c所示，用户终端的活跃度包括两个等级，活跃和不活跃；付费情况也包括两种，即付费和不付费，其中，不活跃且不付费的用户终端授权等级为第一等级，不活跃但付费，或者活跃但不付费的用户终端授权等级为第二等级，活跃且付费的用户终端授权等级为第三等级。然后将三个授权等级与热度值进行匹配，用户终端的授权等级为第一等级时，对应终端用户不活跃也不付费，说明其对视频课程平台的兴趣度低，因此需要推荐热度值非常高的视频课程来吸引其注意力，因此，第一等级的用户终端与热度值高于第一预设热度值的目标视频课程匹配。而用户终端的授权等级为第三等级时，对应终端用户活跃且付费，说明其对视频课程平台的兴趣度高，热度值只要大于某个水平的视频课程都可以推荐给这样的用户，以便他更多地观看视频，因此，第三等级的用户终端与热度值高于第三预设阈值的目标视频课程匹配。同样的，活跃但不付费的用户，或者不活跃但付费的用户，对视频课程的兴趣度中等，可以为其推荐热度值中等以上的视频课程，即可满足该类终端用户的需求。
该过程其实还有一种隐藏的含义，即热度值高于第一预设热度值的目标视频课程可以与所有终端授权等级的用户终端匹配，即热度最高的视频课程可以推荐给所有的终端用户。这样可以保证视频课程平台上热度值最高的视频课程可以推荐给所有的终端用户，提升课程推荐的全面性。
可见，在本申请实施例中，从存储服务器获取目标视频课程对应的观看记录；对观看记录进行多个关键记录信息提取，多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；对多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；对多个量化值进行加权处理，计算获得目标视频课程的热度值；最后根据用户终端的授权等级和热度值的匹配情况为用户终端推荐目标视频课程。在这个过程中，通过对多项关键记录信息的提取，然后对关键记录信息分别进行量化处理，进而根据量化处理结果计算获得热度值，提升了评价视频课程的全面性和可靠性，进而提升了评价视频课程的准确性；而通过热度值与用户终端授权等级的匹配情况确定是否为用户终端推荐目标视频课程，提升了视频课程推荐的准确性。
请参阅图2，图2是本申请实施例提供的一种热度值计算方法流程示意图，如图2所示，所述方法包括如下步骤：
步骤201、从存储服务器获取目标视频课程对应的观看记录；
步骤202、获取所述观看记录中的课程点击次数作为所述目标视频课程的浏览量；
步骤203、获取所述观看记录中的课程收藏个数作为所述目标视频课程的收藏量；
步骤204、获取所述观看记录中的课程评论字数、评论时间和评论内容作为所述目标视频课程的评论数据；
步骤205、获取所述观看记录中的课程回放次数、回放时长和回放时段作为所述目标视频课程的回放数据；
步骤206、将所述浏览量、收藏量、评论数据和回放数据作为所述观看记录中的关键记录信息；
步骤207、对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；
步骤208、对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值。
其中上述步骤201-步骤208的具体描述可参照步骤101-步骤104所描述的热度评价方法的相应描述，在此不再赘述。
可见，在本申请实施例中，获取浏览量、收藏量、评论数据和回放数据四个维度的数据作为观看记录中的关键记录信息，并根据这四个维度的数据进行课程热度值的计算，可以有效提升课程热度值计算结果的可靠性和全面性。
请参阅图3，图3是本申请实施例提供的另一种热度值计算方法流程示意图，如图3所示，所述方法包括如下步骤：
步骤301、从存储服务器获取目标视频课程对应的观看记录；
步骤302、对所述观看记录进行多个关键记录信息提取，所述多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；
步骤303、对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；
步骤304、对所述浏览量、收藏量、评论数据和回放数据对应的量化值a、b、c、d分别赋予不同的权值α，β，γ，
步骤305、对所述浏览量、收藏量、评论数据和回放数据对应的量化值进行加权求和，获得所述目标视频课程的热度值h。
其中上述步骤301-步骤305的具体描述可参照步骤101-步骤104所描述的热度评价方法的相应描述，在此不再赘述。
在本申请实施例中，对浏览量、收藏量、评论数据和回放数据对应的量化值根据重要程度的不同赋予不同的权值，然后对量化值进行加权求和，获得视频课程的热度值，可以有效提升热度值计算结果的准确性。
如上述一致地，请参阅图4，图4是本申请实施例提供的一种电子装置的结构示意图，如图4所示，该电子装置包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
平台服务器从存储服务器获取目标视频课程对应的观看记录；
平台服务器对所述观看记录进行多个关键记录信息提取，所述多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；
平台服务器对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；
平台服务器对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值；
平台服务器获取所述用户终端的授权等级，并确定所述授权等级与所述热度值是否匹配；
平台服务器在确定所述授权等级与所述热度值匹配的情况下，向所述用户终端推荐所述目标视频课程。
可见，在本申请实施例中，从存储服务器获取目标视频课程对应的观看记录；对观看记录进行多个关键记录信息提取，多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；对多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；对多个量化值进行加权处理，计算获得目标视频课程的热度值；最后根据用户终端的授权等级和热度值的匹配情况为用户终端推荐目标视频课程。在这个过程中，通过对多项关键记录信息的提取，然后对关键记录信息分别进行量化处理，进而根据量化处理结果计算获得热度值，提升了评价视频课程的全面性和可靠性，进而提升了评价视频课程的准确性；而通过热度值与用户终端授权等级的匹配情况确定是否为用户终端推荐目标视频课程，提升了视频课程推荐的准确性。
在一个可能的示例中，所述对所述观看记录进行关键记录信息提取，包括：
获取所述观看记录中的课程点击次数作为所述目标视频课程的浏览量；
获取所述观看记录中的课程收藏个数作为所述目标视频课程的收藏量；
获取所述观看记录中的课程评论字数、评论时间和评论内容作为所述目标视频课程的评论数据；
获取所述观看记录中的课程回放次数、回放时长和回放时段作为所述目标视频课程的回放数据；
将所述浏览量、收藏量、评论数据和回放数据作为所述观看记录中的关键记录信息。
在一个可能的示例中，所述对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值包括：
获取所述目标视频课程的多条评论中目标评论；
获取所述目标评论的评论字数，根据所述评论字数所处的字数区间确定所述目标评论的字数量化值；
获取目标评论的评论时间和当前时间，根据所述评论时间和所述当前时间的时间差值确定所述目标评论的时间量化值；
获取目标评论的评论内容，并将所述评论内容与所述视频课程平台的热度关键词进行匹配，根据匹配结果确定所述目标评论的内容量化值；
根据所述字数量化值、时间量化值和内容量化值确定所述目标评论对应的目标量化值；
对所述多条评论对应的多个目标量化值求和，获得所述目标视频的评论数据对应的量化值。
在一个可能的示例中，所述评论数据还包括评论回复等级，在根据匹配度确定所述目标视频课程的内容量化值之后，所述方法还包括：
获取目标评论的评论回复等级n，其中n为大于或等于1的整数；
根据所述评论回复等级计算获得所述目标评论的等级评论指数i，对应的第一计算公式为：
获取所述目标评论的内容量化值，对所述内容量化值和所述等级评论指数求乘积，获得所述目标评论的等级内容量化值；
根据所述字数量化值、时间量化值和等级内容量化值确定所述目标评论对应的目标量化值。
在一个可能的示例中，所述对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值包括：
获取所述目标视频课程对应的回放次数，并根据所述回放次数确定所述目标视频课程的次数量化值；
获取所述目标视频课程每一次回放对应的回放时刻，并根据所述回放时刻的重复次数确定所述每一次回放的回放指数；
根据所述回放时刻确定回放时长，并根据所述回放时长与所述目标视频课程的总时长的比值确定所述每一次回放对应的长度指数；
根据所述长度指数和所述回放指数确定所述目标视频课程的热度量化值；
根据所述次数量化值和所述热度量化值确定所述目标视频课程的回放数据对应的量化值。
在一个可能的示例中，所述对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值，包括：
对所述浏览量、收藏量、评论数据和回放数据对应的量化值a、b、c、d分别赋予不同的权值α，β，γ，φ，其中α+β+γ+φ＝1，且φ≥γ≥β≥α；
对所述浏览量、收藏量、评论数据和回放数据对应的量化值进行加权求和，获得所述目标视频课程的热度值h，对应的第二计算公式为：
h＝a*α+b*β+c*γ+d*φ。
在一个可能的示例中，所述获取所述用户终端的授权等级，并确定所述授权等级与所述热度值的匹配程度，包括：
根据所述用户终端的活跃度和所述用户终端的付费情况确定所述用户终端的授权等级，所述授权等级包括第一等级，第二等级和第三等级；
当所述热度值大于或等于第一预设热度值时，确定所述热度值与所述第一等级匹配；
当所述热度值大于或等于第二预设热度值时，确定所述热度值与所述第二等级匹配；
当所述热度值大于或等于第三预设热度值时，确定所述热度值与所述第三等级匹配，其中所述第一预设热度值＞第二预设热度值＞第三预设热度值。
图5是本申请实施例中所涉及的视频课程推荐装置500的功能单元组成框图。该视频课程推荐装置500应用于电子装置，该视频课程推荐装置500包括：
获取单元501，用于从存储服务器获取目标视频课程对应的观看记录；
提取单元502，用于对所述观看记录进行多个关键记录信息提取，所述多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；
量化单元503，用于对所述多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；
计算单元504，用于对所述多个量化值进行加权处理，计算获得所述目标视频课程的热度值；
匹配单元505，用于获取所述用户终端的授权等级，并确定所述授权等级与所述热度值是否匹配；
推荐单元506，用于在确定所述授权等级与所述热度值匹配的情况下，向所述用户终端推荐所述目标视频课程。
可以看出，本申请实施例中的视频课程推荐装置，从存储服务器获取目标视频课程对应的观看记录；对观看记录进行多个关键记录信息提取，多个关键记录信息包括浏览量、收藏量、评论数据和视频回放数据；对多个关键记录信息分别进行量化处理，获得多个关键记录信息对应的多个量化值；对多个量化值进行加权处理，计算获得目标视频课程的热度值；最后根据用户终端的授权等级和热度值的匹配情况为用户终端推荐目标视频课程。在这个过程中，通过对多项关键记录信息的提取，然后对关键记录信息分别进行量化处理，进而根据量化处理结果计算获得热度值，提升了评价视频课程的全面性和可靠性，进而提升了评价视频课程的准确性；而通过热度值与用户终端授权等级的匹配情况确定是否为用户终端推荐目标视频课程，提升了视频课程推荐的准确性。
在一个可能的示例中，所述提取单元502具体用于：
获取所述观看记录中的课程点击次数作为所述目标视频课程的浏览量；
获取所述观看记录中的课程收藏个数作为所述目标视频课程的收藏量；
获取所述观看记录中的课程评论字数、评论时间和评论内容作为所述目标视频课程的评论数据；
获取所述观看记录中的课程回放次数、回放时长和回放时段作为所述目标视频课程的回放数据；
将所述浏览量、收藏量、评论数据和回放数据作为所述观看记录中的关键记录信息。
在一个可能的示例中，所述量化单元503具体用于：
获取所述目标视频课程的多条评论中目标评论；
获取所述目标评论的评论字数，根据所述评论字数所处的字数区间确定所述目标评论的字数量化值；
获取目标评论的评论时间和当前时间，根据所述评论时间和所述当前时间的时间差值确定所述目标评论的时间量化值；
获取目标评论的评论内容，并将所述评论内容与所述视频课程平台的热度关键词进行匹配，根据匹配结果确定所述目标评论的内容量化值；
根据所述字数量化值、时间量化值和内容量化值确定所述目标评论对应的目标量化值；
对所述多条评论对应的多个目标量化值求和，获得所述目标视频的评论数据对应的量化值。
在一个可能的示例中，所述评论数据还包括评论回复等级，在根据匹配度确定所述目标视频课程的内容量化值之后，所述量化单元503还具体用于：
获取目标评论的评论回复等级n，其中n为大于或等于1的整数；
根据所述评论回复等级计算获得所述目标评论的等级评论指数i，对应的第一计算公式为：
获取所述目标评论的内容量化值，对所述内容量化值和所述等级评论指数求乘积，获得所述目标评论的等级内容量化值；
根据所述字数量化值、时间量化值和等级内容量化值确定所述目标评论对应的目标量化值。
在一个可能的示例中，量化单元503具体用于：
获取所述目标视频课程对应的回放次数，并根据所述回放次数确定所述目标视频课程的次数量化值；
获取所述目标视频课程每一次回放对应的回放时刻，并根据所述回放时刻的重复次数确定所述每一次回放的回放指数；
根据所述回放时刻确定回放时长，并根据所述回放时长与所述目标视频课程的总时长的比值确定所述每一次回放对应的长度指数；
根据所述长度指数和所述回放指数确定所述目标视频课程的热度量化值；
根据所述次数量化值和所述热度量化值确定所述目标视频课程的回放数据对应的量化值。
在一个可能的示例中，所述计算单元504具体用于：
对所述浏览量、收藏量、评论数据和回放数据对应的量化值a、b、c、d分别赋予不同的权值α，β，γ，φ，其中α+β+γ+φ＝1，且φ≥γ≥β≥α；
对所述浏览量、收藏量、评论数据和回放数据对应的量化值进行加权求和，获得所述目标视频课程的热度值h，对应的第二计算公式为：
h＝a*α+b*β+c*γ+d*φ。
在一个可能的示例中，所述匹配单元505具体用于：
根据所述用户终端的活跃度和所述用户终端的付费情况确定所述用户终端的授权等级，所述授权等级包括第一等级，第二等级和第三等级；
当所述热度值大于或等于第一预设热度值时，确定所述热度值与所述第一等级匹配；当所述热度值大于或等于第二预设热度值时，确定所述热度值与所述第二等级匹配；当所述热度值大于或等于第三预设热度值时，确定所述热度值与所述第三等级匹配，其中所述第一预设热度值＞第二预设热度值＞第三预设热度值。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括移动终端。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括移动终端。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
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，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元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器中。基于这样的理解，本申请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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：u盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、rom、ram、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
- 还没有人留言评论。精彩留言会获得点赞！