视频推荐方法、终端设备以及存储介质与流程

[0001]
本发明涉及计算机技术领域，尤其涉及一种视频推荐方法、终端设备以及存储介质。


背景技术：

[0002]
互动视频是一种全新的视频类型。用户在观看视频时，通过对不同选项的操作，可以影响剧情的发展，从而达到用户自定义视频分支剧情的效果。用户通过参与剧情、内容等的方式为观众带来可以交互的、更加丰富的观看体验。
[0003]
互动视频虽然能够提供给用户一定程度的交互体验，但是现有视频的推荐准确性较低，如何提高视频内容推荐的准确性，使得推荐的视频内容更加符合用户的个性化需求，进一步提高用户在终端上观看视频的时间，以提高用户的粘性，这已经成为视频行业迫在解决的问题。
[0004]
上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

[0005]
本申请实施例通过提供一种视频推荐方法、终端设备以及存储介质，本申请旨在解决现有视频的推荐准确性较低，导致用户在终端上观看视频的时间短，用户粘性降低的问题。
[0006]
本申请实施例提供了一种视频推荐方法，所述推荐方法包括：
[0007]
采集用户观看互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数；所述互动视频至少具有一个分支节点，每个所述分支节点至少具有两个分支剧情供选择；
[0008]
获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签；
[0009]
记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签；
[0010]
将资源库中与所述推荐标签匹配的视频内容推荐给用户。
[0011]
在一些实施例中，视频推荐方法还包括：形成所述分支关系表的步骤。
[0012]
在一些实施例中，所述分支累计参数为分支累计路径，形成所述分支累计路径的步骤包括：
[0013]
按照所述互动视频的播放顺序，将用户选择的分支剧情依次连接形成分支累计路径。
[0014]
在一些实施例中，所述分支累计参数为分支系数累计值，形成所述分支系数累计值的步骤包括：
[0015]
基于用户选择的分支剧情的分支系数，形成分支系数累计值。
[0016]
在一些实施例中，所述基于用户选择的分支剧情的分支系数，形成分支系数累计
值，包括：
[0017]
将用户选择的分支剧情的分支系数累加，形成分支系数累计值。
[0018]
在一些实施例中，所述记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签，包括：
[0019]
记录多个所述喜好标签，从多个所述喜好标签中出现频率最高的喜好标签中筛选出推荐标签。
[0020]
在一些实施例中，所述将资源库中与所述推荐标签匹配的视频内容推荐给用户，包括：
[0021]
根据所述推荐标签将资源库中的视频内容进行排序，按照排位顺序将视频内容推荐给用户。
[0022]
在一些实施例中，视频推荐方法还包括：
[0023]
获取用户的用户参数、地理环境以及观看内容参数，并结合所述用户参数、所述地理环境以及所述观看内容参数得出所述喜好标签。
[0024]
本申请还提出一种终端设备，所述终端设备包括处理器、与所述处理器电连接的存储器及存储在所述存储器上并可在所述处理器上运行的视频推荐程序；所述视频推荐程序被所述处理器执行时实现如所述的视频推荐方法的步骤。
[0025]
本申请还提出一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现所述的视频推荐方法中的步骤。
[0026]
本实施例通过采集用户观看所述互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数；再通过获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签。通过综合用户在分支节点的分支剧情选择，进而得到的用户的单个潜在观影喜好标签。再通过记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签，从而推测用户的“普遍”观影喜好。再将资源库中与所述推荐标签匹配的视频内容推荐给用户，提高视频的推荐准确性，为用户提供更加符合其潜意识喜欢的内容，增加用户在终端设备上的停留时长，提高用户粘性。
附图说明
[0027]
图1为本申请的终端设备的一实施例的硬件架构图；
[0028]
图2为本申请的视频推荐方法的实施例一的流程框图；
[0029]
图3为本申请的视频推荐方法的实施例二的流程框图；
[0030]
图4为本申请的视频推荐方法的实施例三的流程框图。
具体实施方式
[0031]
为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0032]
互动视频：互动视频(vi，interactive video)是一种全新的视频类型。用户在观
看视频时，通过对不同选项的操作，可以影响剧情的发展，从而达到用户自定义视频分支剧情的效果。用户通过参与剧情、内容等的方式为观众带来可以交互的、更加丰富的观看体验。
[0033]
分支剧情：分支剧情支持用户基于自身立场或偏好进行选择，参与、影响剧情发展，并因为不同选择进入到不同的内容进行体验。
[0034]
分支节点：在互动视频中不同时间设置的节点，在这些节点具有不同的分支剧情供选择，不同的分支剧情将引向不同的最终结局。
[0035]
视频内容：本申请中所指的视频内容可包括电影、电视剧、电视节目、网络节目、短视频等具有一定播放时长的视频。
[0036]
互动视频虽然能够提供给用户一定程度的交互体验，但是现有视频的推荐准确性较低，如何提高视频内容推荐的准确性，使得推荐的视频内容更加符合用户的个性化需求，进一步提高用户在终端上观看视频的时间，以提高用户的粘性，这已经成为视频行业迫在解决的问题。
[0037]
因此，需要提高视频的推荐准确性，使得推荐的视频内容更加符合用户的个性化需求，进一步提高用户在终端上观看视频的时间，以提高用户的粘性。鉴于此，本申请提出一种视频推荐方法、终端设备以及存储介质。
[0038]
请参照图1，下面介绍一种终端设备，所述终端设备包括处理器101、与所述处理器101电连接的存储器102以及通信总线103。其中，通信总线103用于实现这些组件之间的连接通信。
[0039]
所述终端设备包括各种能够具有屏幕且能够与人发生信息交互的设备。例如智能手机、台式电脑、笔记本电脑、平板电脑、智能电视、智能手表、运动手环或投影仪等。
[0040]
所述处理器101可以是中央处理单元(cpu)，该处理器101还可以是其他通用处理器、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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器101等。
[0041]
存储器102可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。作为一种计算机存储介质的存储器中可以包括视频推荐程序；而处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以下操作：
[0042]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0043]
采集用户观看互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数；所述互动视频至少具有一个分支节点，每个所述分支节点至少具有两个分支剧情供选择；
[0044]
获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签；
[0045]
记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签；
[0046]
将资源库中与所述推荐标签匹配的视频内容推荐给用户。
[0047]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0048]
形成所述分支关系表的步骤。
[0049]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0050]
所述分支累计参数为分支累计路径，形成所述分支累计路径的步骤包括：
[0051]
按照所述互动视频的播放顺序，将用户选择的分支剧情依次连接形成分支累计路径。
[0052]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0053]
所述分支累计参数为分支系数累计值，形成所述分支系数累计值的步骤包括：
[0054]
基于用户选择的分支剧情的分支系数，形成分支系数累计值。
[0055]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0056]
所述基于用户选择的分支剧情的分支系数，形成分支系数累计值，包括：
[0057]
将用户选择的分支剧情的分支系数累加，形成分支系数累计值。
[0058]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0059]
所述记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签，包括：
[0060]
记录多个所述喜好标签，从多个所述喜好标签中出现频率最高的喜好标签中筛选出推荐标签。
[0061]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0062]
所述将资源库中与所述推荐标签匹配的视频内容推荐给用户，包括：
[0063]
根据所述推荐标签将资源库中的视频内容进行排序，按照排位顺序将视频内容推荐给用户。
[0064]
在一实施例中，处理器101可以用于调用存储器102中存储的视频推荐程序，并执行以所述视频推荐方法包括：
[0065]
视频推荐方法还包括：
[0066]
获取用户的用户参数、地理环境以及观看内容参数，并结合所述用户参数、所述地理环境以及所述观看内容参数得出所述喜好标签。
[0067]
本实施例的终端设备通过采集用户观看所述互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数；再通过获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签。通过综合用户在分支节点的分支剧情选择，进而得到的用户的单个潜在观影喜好标签。再通过记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签，从而推测用户的“普遍”观影喜好。再将资源库中与所述推荐标签匹配的视频内容推荐给用户，提高视频的推荐准确性，为用户提供更加符合其潜意识喜欢的内容，增加用户在终端设备上的停留时长，提高用户粘性。
[0068]
请参照图2，基于上述数据采集设备的硬件架构，下面提出本申请的视频推荐方法，所述视频推荐方法包括：
[0069]
s110、采集用户观看互动视频时在至少一个分支节点所选择的分支剧情，形成分
支累计参数；所述互动视频至少具有一个分支节点，每个所述分支节点至少具有两个分支剧情供选择；
[0070]
本申请的发明构思旨在通过用户所选择的分支剧情来推测用户潜在的观影喜好，从而给用户推荐更加符合用户个性化需求的视频。要实现上述构思就必须通过用户所选择的分支剧情来给用户打上准确的“喜好标签”。根据信息论的计算原理，要为用户打上某一类的标签，就需要降低对用户的不确定认知，也称为认知熵值。要减小不确定性，就需要依赖用户提供更多信息以减少熵值。互动视频设置的每一次互动，恰巧为播放系统这个观察者输入了准确的信息。
[0071]
根据熵值公式：h(x)＝e[i(xi)]＝e[log(2，1/p(xi))]＝-∑p(xi)log(2，p(xi))(i＝1，2，..n)。
[0072]
其中，x表示随机变量，与之相对应的是所有可能输出的集合，定义为符号集i，随机变量的输出用x表示。p(x)表示输出概率函数。变量的不确定性越大，熵也就越大。把它搞清楚所需要的信息量也就越大。在本实施例中，定义x为视频剧情走向的最终结局，可以给选择这个最终结局的用户打上一些潜意识的标签，再计算出达到该结局用户需要提供的信息量。
[0073]
因此，在本实施例中，采集用户观看所述互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数。具体的言，用户观看互动视频的情况包括两种情形，第一种就是用户在每个分支节点都进行了分支剧情的选择，则互动视频播放与用户所选择的分支剧情相匹配的最终结局。此时，采集用户观看所述互动视频时在每一个分支节点所选择的分支剧情。这种情况下，鉴于用户在每个分支节点都进行了分支剧情的选择，根据前面的认知熵值理论，用户提供的信息越多，那么认知熵值越小，对用户潜在喜好的所打的“喜好标签”命中率越高。换句话说，用户提供的信息越多，对用户观看视频的潜在喜好的推测更加准确。
[0074]
在第二种情形中，用户由于不喜欢该视频或者有急事需解决，在观看互动视频时可能在某次分支节点的分支剧情选择之前退出播放互动视频。此时，采集用户观看所述互动视频时在至少一个分支节点所选择的分支剧情。例如采集一个分支剧情、两个分支剧情、相比完整的分支剧情缺少一个用户选择的分支剧情。由于用户所选择的分支剧情则不完整，用户提供的信息越少，认知熵值越大，此时对用户观看视频的潜在喜好的推测准确性相比第一种情况较低。
[0075]
进一步地，在一些实施例中，所述分支累计参数为分支累计路径，形成所述分支累计路径的步骤包括：按照所述互动视频的播放顺序，将用户选择的分支剧情依次连接形成分支累计路径。
[0076]
需要注意的是，根据前述描述，当用户观看互动视频处于第一种情形时，用户选择的分支剧情依次连接形成分支累计路径是完整的，分支累计路径中包含了每一分支节点选择的分支剧情；而当用户观看互动视频处于第二种情形时，用户选择的分支剧情依次连接形成分支累计路径是不完整的，分支累计路径缺少了某一分支节点的分支剧情的选择。第一种情形下采集的分支累计路径具有更有利于用户的潜在喜好的分析。
[0077]
在另外一些实施例中，所述分支累计参数为分支系数累计值，形成所述分支系数累计值的步骤包括：基于用户选择的分支剧情的分支系数，形成分支系数累计值。在这些实
施例中，每个分支节点的分支剧情设置有对应的分支系数，通过综合用户选择的分支剧情的分支系数，形成分支系数累计值，通过该分支系数累计值进而推测用户观影的潜在喜好。
[0078]
具体地，可通过将用户选择的分支剧情的分支系数累加，形成分支系数累计值。此时不同的分支系数累计值对应一个“喜好标签”，通过该“喜好标签”可以对用户推测潜在观影喜好。可以理解的，累加只是其中一种实现方式，在其他的实施例中也可以通过分支系数相乘，求分支系数的均值，或求分支系数的方差等方式实现。
[0079]
需要说明的是，此时也可能存在上述用户观看互动视频的两种情形。同理，第一种情形下(即用户在每个分支节点都进行了分支剧情的选择的情形下)采集的分支累计路径更有利于用户的潜在观影喜好的分析。
[0080]
s120、获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签；
[0081]
其中，所述分支关系表是预置于终端设备中的。在分支关系表中包含了与分支累计参数对应的喜好标签。当所述分支累计参数为分支累计路径时，分支关系表中包含了每一分支累计路径的喜好标签。例如，在一个互动视频中包含两个分支节点，在第一个分支节点中包含三个分支剧情a、b、c，在第二个分支节点包含两个分支剧情d、e，那么总共存在的分支累计路径为a、b、c、ad、ae、bd、be、cd、ce。每个分支累计路径都对应着各自的喜好标签。请参照表1，表1表示分支累计路径与喜好标签之间的对应关系。x1-x9表示不同路径的喜好标签的。值得注意的是，这里的x1-x9并不是每个完全不同的，其中不免会有意义相同的喜好标签。
[0082][0083]
表1
[0084]
当所述分支累计参数为分支系数累计值时，分支关系表中包含了每一分支路径的分支系数累计值与所述分支系数累计值对应的喜好标签。例如，在一个互动视频中包含两个分支节点，在第一个分支节点到来之前，小明和小方之间出现矛盾，在第一个分支节点中包含三个分支剧情分别为耐心沟通(f，分支系数为1)、冷战(g，分支系数为2)、吵架或打架(h，分支系数为3)。在第二个分支节点包含两个分支剧情重归于好(i，分支系数为0.5)、断交(j，分支系数为4)，那么总共存在的分支系数累计值为f＝1、g＝2、h＝3、f+i＝1.5、g+i＝2.5、h+i＝3.5、f+j＝5、g+j＝6、h+j＝7。每个分支系数累计值都对应着各自的喜好标签。请参照表2，表2表示分支累计路径与喜好标签之间的对应关系。这里的预设规则是分支系数累计值等于1或分支系数累计值中包含小数点则喜好标签为喜剧，否则喜好标签为悲剧。
[0085][0086]
表2
[0087]
值得一提的是，上述举例只是为了本领域技术人员了解本实施例的技术方案而列举的具体实施方式，不应该看成是对本申请的限制。在其他的实施例中也包括其他预设规则，例如是直接通过分支系数累计值的数值范围判断喜好标签的种类。
[0088]
因此，通过所述分支关系表中可获取与所述分支系数累计值匹配的喜好标签。
[0089]
s130、记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签；
[0090]
由于从单次的互动视频中得到的喜好标签具有偶然性，不具备推测用户潜在观影喜好的价值。因此，在本实施例中，基于步骤s110和s120记录多个喜好标签、从多个所述喜好标签中得到推荐标签。具体地，从多个所述喜好标签中出现频率最高的喜好标签中筛选出推荐标签。举例而言，在20次喜好标签的记录中，喜剧这个喜好标签出现10次，科幻出现5次，动作出现3次，爱情出现2次。那么从中得到的出现频率最高的喜好标签就是喜剧。于是将喜剧设置为推荐标签。
[0091]
可以理解的，通过从多个所述喜好标签中出现频率最高的喜好标签中筛选出的推荐标签可能存在多个，例如出现频率最高的喜好标签为喜剧和科幻。此时的推荐标签也对应定义为喜剧和科幻。另外，在一些实施例中，也可以将多个所述喜好标签中出现频率靠前的两个喜好标签中筛选出的推荐标签。例如在前面的例子中，在20次喜好标签中喜剧出现10次，科幻出现5次，则将喜剧和科幻定义为推荐标签。
[0092]
s140、将资源库中与所述推荐标签匹配的视频内容推荐给用户。
[0093]
上述步骤s130中得到的推荐标签表示对用户潜在观影喜好的预测，通过在资源库中寻找与所述推荐标签匹配的视频内容推荐给用户，即可推荐给用户符合其潜在观影喜好的视频内容。具体地，根据所述推荐标签将资源库中的视频内容进行排序，按照排位顺序将视频内容推荐给用户。例如当推荐标签为喜剧时，将资源库中带有喜剧标签的视频内容排在优先推荐的位置。
[0094]
需要说明的是，当推荐标签包括多个时，优先将同时具备多个推荐标签的视频内容推荐给用户，例如推荐标签为喜剧和科幻，则优先将资源库中同时具有喜剧和科幻标签的视频内容推荐给用户。
[0095]
值得一提的是，资源库中视频内容的标签是视频内容预先设置的属性标签。资源库中视频内容的标签本身可以准确反映视频内容的类型和风格。
[0096]
综上，本实施例通过采集用户观看所述互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数；再通过获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签。通过综合用户在分支节点的分支剧情选择，进而得到的用户的单个潜在观影喜好标签。再通过记录多个所述喜好标签，从多个所述喜好标签中
得到推荐标签，从而推测用户的“普遍”观影喜好。再将资源库中与所述推荐标签匹配的视频内容推荐给用户，提高视频的推荐准确性，为用户提供更加符合其潜意识喜欢的内容，增加用户在终端设备上的停留时长，提高用户粘性。
[0097]
请参照图3，基于同一发明构思，本申请还提出实施例二，实施例二建立在实施例一的基础之上。
[0098]
实施例二
[0099]
本实施例的视频推荐方法包括：
[0100]
s200、形成所述分支关系表；
[0101]
由实施例一可知，当分支累计参数为不同的内容时，所述分支关系表的中的内容也有所不同。请参照表1，当分支累计参数为分支累计路径时，所述分支关系表中包括每一分支累计路径对应的喜好标签，这里的喜好标签可根据实际情况的不同而设置。此时不同分支累计路径的喜好标签可能存在相同的情况。
[0102]
请参照表2，当分支累计参数为分支系数累计值时，所述分支关系表中包括每一分支路径的分支系数累计值与所述分支系数累计值对应的喜好标签。这里的喜好标签可根据实际情况的不同而设置。另外，分支系数累计值除了通过累加的方式获得，也可以通过分支系数相乘，求分支系数的均值，或求分支系数的方差等方式实现。只要能从分支系数累计值区分出不同的用户潜在喜好标签即可。
[0103]
步骤s200是一个准备初始数据的步骤，明确了分支关系表的获取来源，是进行后续步骤的基础。
[0104]
s210、采集用户观看互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数；所述互动视频至少具有一个分支节点，每个所述分支节点至少具有两个分支剧情供选择；
[0105]
s220、获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签；
[0106]
s230、记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签；
[0107]
s240、将资源库中与所述推荐标签匹配的视频内容推荐给用户。
[0108]
上述步骤s210至步骤s240的具体实施原理及方式与对应图2的实施例中的步骤s110至步骤s140一致，具体可参见步骤s110至步骤s140的描述。
[0109]
请参照图4，基于同一发明构思，本申请还提出实施例三，实施例三建立在实施例二的基础之上。
[0110]
实施例三
[0111]
本实施例的视频推荐方法包括：
[0112]
s300、形成所述分支关系表；
[0113]
s310、采集用户观看互动视频时在至少一个分支节点所选择的分支剧情，形成分支累计参数；所述互动视频至少具有一个分支节点，每个所述分支节点至少具有两个分支剧情供选择；
[0114]
s320、获取预置的分支关系表，从所述分支关系表中获取与所述分支累计参数匹配的喜好标签；
[0115]
s330、获取用户的用户参数、地理环境以及观看内容参数，并结合所述用户参数、
所述地理环境以及所述观看内容参数得出所述喜好标签；
[0116]
其中，用户参数可包括用户的性别、用户的年龄、用户的性格等。可以理解的，根据用户已性别的差异能估计用户不同的观影喜好。例如男性用户更倾向于观看包含动作题材、科幻题材、警匪题材的视频内容；而女性用户更倾向于观看包含爱情题材、家庭题材、喜剧题材的视频内容。
[0117]
用户的年龄层次不同也能区分不同的观影喜好。例如儿童更喜欢观看动画题材的视频内容，青少年更喜欢看偶像题材的的视频内容，青壮年更喜欢看动作题材的视频内容，老年人更喜欢看戏曲题材的的视频内容。
[0118]
用户的性格不同也能区分不同的观影喜好。性格较为内敛、安静的人更喜欢看包含家庭题材、推理题材这样让人容易安静下来的视频内容。而性格较为外向、活泼的人更喜欢看包含动作题材、超级英雄题材这样容易让人热血沸腾的视频内容。
[0119]
下面再介绍地理环境对人观影喜好的影响。例如，位于我国东北地区的人更喜欢观看包含二人转、相声、小品、喜剧这些题材的视频内容；位于广东的人更喜欢关键包含港台、粤语题材的视频内容。
[0120]
视频内容的观看内容参数也可作为预测用户潜在观影喜好的因素。观看内容参数可包括导演、演员、视频内容的类型等。例如用户多次观看周星驰的电影，则可以给用户打上周星驰或戏剧的喜好标签。
[0121]
需要说明的是，获取的用户参数、地理环境、观看内容参数等样本数据来源和统计并不是全部由终端设备采集的，样本数据的来源应该是多种多样的，例如可将样本数据直接导入终端设备，不能够以样本数据来源的不同而绕过本专利的保护范围。值得一提的，步骤s330也可设置于步骤s320之前。并也不一定位于步骤s320之后。
[0122]
s340、记录多个所述喜好标签，从多个所述喜好标签中得到推荐标签；
[0123]
s350、将资源库中与所述推荐标签匹配的视频内容推荐给用户。
[0124]
上述步骤s300至步骤s320、步骤s340和步骤s350的具体实施原理及方式与对应图3的实施例中的步骤s200至步骤s240的对应步骤一致，具体可参见步骤s200至步骤s240的描述。
[0125]
综上，另通过用户的用户参数、地理环境以及观看内容参数，并结合所述用户参数、所述地理环境以及所述观看内容参数得出所述喜好标签，再结合步骤s320通过用户选择的分支剧情从分支关系表所得到的表示潜在观影喜好的喜好标签，通过用户潜在观影喜好，用户参数、地理环境以及观看内容参数多个维度，可猜测出最符合用户喜好的视频内容推荐给用户，相比实施例一更有利于提高视频的推荐准确性，为用户提供更加符合其潜意识喜欢的内容，实现对用户的个性化内容推荐，增加用户在终端设备上的停留时长，以及提高用户粘性。
[0126]
本申请还提出一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现所述的视频推荐方法、终端设备以及存储介质中的步骤。
[0127]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0128]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0129]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0130]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0131]
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0132]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0133]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。