一種視頻網(wǎng)站相似用戶搜索系統(tǒng)和方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種視頻網(wǎng)站相似用戶搜索系統(tǒng)和方法。
【背景技術(shù)】
[0002] 目前視頻網(wǎng)站上的視頻廣告投放常常會遇到這樣的問題：在某一廣告投放中，某 些用戶對該廣告表現(xiàn)出了興趣，發(fā)生了點(diǎn)擊或者消費(fèi)行為。相似的視頻用戶，對于廣告產(chǎn)品 的興趣具有一定程度的相似性，例如：兩個同樣觀看了健身瑜伽視頻的用戶，可能都會對減 肥產(chǎn)品、化妝品等感興趣；而兩個同樣觀看了刀塔游戲視頻的用戶，可能會對一些網(wǎng)頁游戲 廣生興趣。
[0003]相似的用戶觀看行為，可以為推測其興趣愛好提供線索。在廣告投放過程中，一些 用戶對投放的廣告產(chǎn)生了積極的反饋（例如：點(diǎn)擊、購買等），以這些用戶作為種子用戶，進(jìn) 行相似人群的擴(kuò)展搜索，在未來的廣告投放中就可以有的放矢地鎖定這一類人群，從而使 廣告投放產(chǎn)生更大的效益。
[0004]因此，如何利用種子用戶的觀看行為，對視頻網(wǎng)站進(jìn)行有效的相似用戶搜索，就成 了一個非常重要的問題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明根據(jù)種子用戶的情況，提出了一種基于視頻內(nèi)容的視頻網(wǎng)站相似用戶搜索 系統(tǒng)和方法。本發(fā)明將視頻的描述詞視為視頻內(nèi)容的描述，將用戶的視頻觀看行為提煉為 用戶對視頻內(nèi)容的觀看，從而利用對視頻內(nèi)容的索引，來搜索具有相似觀看行為的用戶群。
[0006]本發(fā)明的系統(tǒng)和方法可以搜索出更多的相似的視頻用戶，擴(kuò)展相似的視頻網(wǎng)站用 戶群，從而提升廣告中產(chǎn)品的推廣效果，使得該廣告的投放產(chǎn)生更大的效益，在廣告投放領(lǐng) 域有著重要的應(yīng)用價值。
【附圖說明】
[0007]本發(fā)明將參照附圖來進(jìn)一步詳細(xì)說明，其中：
[0008] 圖1是本發(fā)明的視頻網(wǎng)站相似用戶搜索方法流程圖；
[0009] 圖2是本發(fā)明的視頻網(wǎng)站相似用戶搜索系統(tǒng)結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0010] 雖然將參照含有本發(fā)明的較佳實(shí)施例的附圖充分描述本發(fā)明，但在此描述之前應(yīng) 了解，本領(lǐng)域的普通技術(shù)人員可修改本文中所描述的發(fā)明，同時獲得本發(fā)明的技術(shù)效果。因 此，須了解以下的描述對本領(lǐng)域的普通技術(shù)人員而言為一廣泛的揭示，且其內(nèi)容不在于限 制本發(fā)明所描述的示例性實(shí)施例。
[0011] 參考圖1所示，本發(fā)明的視頻網(wǎng)站相似用戶搜索方法包括：
[0012] 步驟1，對用戶觀看內(nèi)容進(jìn)行統(tǒng)計分析，統(tǒng)計一段時間內(nèi)（例如一周）的用戶視頻 觀看記錄，結(jié)合視頻內(nèi)容描述詞得到每個用戶在每一種視頻內(nèi)容上的觀看次數(shù)和頻率。其 中，視頻內(nèi)容描述詞主要通過視頻標(biāo)簽、關(guān)鍵詞以及視頻標(biāo)題分詞來描述，視頻標(biāo)簽、關(guān)鍵 詞以及視頻標(biāo)題分詞都對視頻內(nèi)容進(jìn)行了簡短而抽象的描述，能夠較為有效地刻畫視頻的 內(nèi)容信息，不同的視頻可能含有相似的內(nèi)容，表現(xiàn)在它們可能擁有相同的標(biāo)簽或關(guān)鍵詞。利 用用戶的觀看記錄，結(jié)合視頻內(nèi)容描述詞，統(tǒng)計用戶在不同內(nèi)容上的觀看頻率，可以有效地 反映用戶的興趣偏好。
[0013] 其中，步驟1進(jìn)一步包括：
[0014] 步驟1. 1，利用視頻用戶的觀看記錄，統(tǒng)計用戶一段時間內(nèi)的視頻觀看次數(shù)，得到 "用戶標(biāo)識 視頻標(biāo)識 觀看次數(shù)"的視頻觀看列表；
[0015] 步驟1. 2,對于視頻信息，提取視頻信息列表"視頻標(biāo)識標(biāo)簽1、標(biāo)簽2、…、標(biāo) 簽i "，結(jié)合視頻觀看列表生成內(nèi)容觀看列表"用戶標(biāo)識一標(biāo)簽i-觀看次數(shù)"；
[0016]步驟1.3，對具有相同用戶標(biāo)識的內(nèi)容觀看記錄進(jìn)行合并，利用標(biāo)簽i的內(nèi)容觀看 次數(shù)計算得到標(biāo)簽i的觀看頻率，即每個用戶一段時間內(nèi)在標(biāo)簽i上的觀看頻率，計算方法 為：
[0017]
[0018] 其中，為標(biāo)簽i的頻率，CpC#用戶觀看標(biāo)簽i、標(biāo)簽j的次數(shù)，T為該用戶觀 看的所有標(biāo)簽的集合。
[0019] 通過步驟1，可以得到每個用戶最近一段時間內(nèi)觀看的視頻內(nèi)容以及每種視頻內(nèi) 容的觀看頻率。
[0020] 步驟2,建立用戶的倒排索引，根據(jù)步驟1中統(tǒng)計分析得到的觀看記錄，基于視頻 內(nèi)容描述詞建立用戶的倒排索引，該索引形式以視頻內(nèi)容的描述詞作為索引關(guān)鍵字，以觀 看該描述詞的所有用戶標(biāo)識及其觀看頻率作為索引值。
[0021] 其中，步驟2進(jìn)一步包括：
[0022] 步驟2. 1，以標(biāo)簽為索引關(guān)鍵字，統(tǒng)計觀看過該標(biāo)簽的所有用戶以及每個用戶的觀 看頻率，計算觀看過該標(biāo)簽的用戶總數(shù)；
[0023] 步驟2. 2,利用哈希方法，對標(biāo)簽進(jìn)行哈希計算，對索引文件進(jìn)行分塊；
[0024] 步驟2. 3,將標(biāo)簽的觀看信息存儲至哈希值所對應(yīng)的分塊處。
[0025] 步驟3,進(jìn)行相似用戶搜索并計算相似性，利用種子用戶的視頻觀看記錄，以視頻 內(nèi)容描述詞為搜索關(guān)鍵字，在索引文件上進(jìn)行相似用戶的搜索，同時計算相應(yīng)用戶的相似 性，得到初步的搜索結(jié)果。
[0026] 其中，步驟3進(jìn)一步包括：
[0027] 步驟3. 1，對種子用戶的觀看記錄進(jìn)行分析，對種子用戶的每一個標(biāo)簽進(jìn)行搜索， 得到觀看過該標(biāo)簽的所有用戶總數(shù)、用戶標(biāo)識以及相應(yīng)的觀看頻率；
[0028] 步驟3. 2,對每一個搜索返回的用戶計算相似性，其計算方法如下：
[0029]
[0030] 其中，SU1表示用戶u在標(biāo)簽i上的相似性，tf^表示用戶u觀看標(biāo)簽i的頻率，D 表示所有用戶總數(shù)，Pi表示觀看標(biāo)簽i的用戶總數(shù)；
[0031] 步驟3. 4,對所有種子用戶的觀看標(biāo)簽進(jìn)行搜索返回的結(jié)果進(jìn)行綜合分析，計算每 個返回用戶的綜合相似性，計算方法為：
[0032]
[0033] 其中，Scoreu表示用戶u的綜合相似性，S U1表示用戶u在標(biāo)簽i上的相似性。
[0034] 步驟4,進(jìn)行搜索結(jié)果排序，利用相似性對初步搜索結(jié)果進(jìn)行由大到小的排序，經(jīng) 過過濾處理得到最終的相似人群搜索結(jié)果。對于搜索返回的用戶群以及每個用戶的綜合相 似性，按照相似性進(jìn)行由大到小的排序，可以采用適當(dāng)?shù)南嗨菩蚤撝颠M(jìn)行結(jié)果過濾，將排序 過濾后的結(jié)果輸出。
[0035] 參考圖2,本發(fā)明還提供一種視頻網(wǎng)站相似用戶搜索系統(tǒng)，包括：
[0036] 統(tǒng)計分析裝置，對用戶觀看內(nèi)容進(jìn)行統(tǒng)計分析，統(tǒng)計一段時間內(nèi)的用戶視頻觀看 記錄，結(jié)合視頻內(nèi)容描述詞得到每個用戶對每一種視頻內(nèi)容的觀看次數(shù)和頻率，其中，上述 視頻內(nèi)容描述詞通過視頻標(biāo)簽、關(guān)鍵詞以及視頻標(biāo)題分詞來描述。
[0037] 其中，統(tǒng)計分析裝置利用視頻用戶的觀看記錄，統(tǒng)計用戶一段時間內(nèi)的視頻觀看 次數(shù)，得到"用戶標(biāo)識一視頻標(biāo)識一觀看次數(shù)"視頻觀看列表；對于視頻信息，提取視頻 信息列表"視頻標(biāo)識一標(biāo)簽1、標(biāo)簽2、…、標(biāo)簽i"，結(jié)合視頻觀看列表生成內(nèi)容觀看列表 "用戶標(biāo)識一標(biāo)簽i-觀看次數(shù)";對具有相同用戶標(biāo)識的內(nèi)容觀看記錄進(jìn)行合并，利用 標(biāo)簽i的觀看次數(shù)計算標(biāo)簽i的觀看頻率，即每個用戶一段時間內(nèi)在標(biāo)簽i上的觀看頻率， 計算方法為：
[003J
[0039] 其中，為標(biāo)簽i的頻率，C ^ (^為用戶觀看標(biāo)簽i、標(biāo)簽j的次數(shù)，T為該用戶觀 看的所有標(biāo)簽的集合。
[0040] 索引裝置，建立用戶的倒排索引，根據(jù)第一步中統(tǒng)計分析得到的觀看記錄，基于視 頻內(nèi)容描述詞建立用戶的倒排索引，該索引形式以視頻內(nèi)容描述詞作為索引關(guān)鍵字，以觀 看該描述詞的所有用戶標(biāo)識及觀看頻率作為索引值。
[0041] 其中，索引裝置以標(biāo)簽為索引關(guān)鍵字，統(tǒng)計觀看過該標(biāo)簽的所有用戶以及每個用 戶的觀看頻率，計算觀看過該標(biāo)簽的用戶總數(shù)；利用哈希方法，對標(biāo)簽進(jìn)行哈希計算，對索 引文件進(jìn)行分塊；將標(biāo)簽的觀看信息存儲至哈希值所對應(yīng)的分塊處。
[0042] 計算裝置，進(jìn)行相似用戶搜索并計算相似性，利用種子用戶的視頻觀看記錄，以視 頻內(nèi)容描述詞為搜索關(guān)鍵字，在索引文件上進(jìn)行相似用戶的搜索，同時計算相應(yīng)用戶的相 似性，得到初步的搜索結(jié)果。
[0043] 其中，計算裝置對種子用戶的觀看記錄進(jìn)行分析，對種子用戶的每一個標(biāo)簽進(jìn)行 搜索，得到觀看過該標(biāo)簽的所有用戶總數(shù)、用戶標(biāo)識以及相應(yīng)的觀看頻率；
[0044] 對每一個搜索返回的用戶計算相似性，其計算方法如下：
[0045]
[0046] 其中，SU1表示用戶u在標(biāo)簽i上的相似性，tf。表示用戶u觀看標(biāo)簽i的頻率，D 表示所有用戶總數(shù)，P,表示觀看標(biāo)簽i的用戶總數(shù)；
[0047] 對所有種子用戶的觀看標(biāo)簽進(jìn)行搜索返回的結(jié)果進(jìn)行綜合分析，計算每個返回用 戶的綜合相似性，計算方法為：
[0048]
[0049] 其中，Scoreu表示用戶u的綜合相似性，S U1表示用戶u在標(biāo)簽i上的相似性。
[0050] 排序裝置，進(jìn)行搜索結(jié)果排序，利用相似性對初步搜索結(jié)果進(jìn)行由大到小的排序， 經(jīng)過過濾處理得到最終的相似人群搜索結(jié)果。
[0051] 其中，排序裝置對于搜索返回的用戶群以及每個用戶的綜合相似性，按照相似性 進(jìn)行由大到小的排序，可以采用適當(dāng)?shù)南嗨菩蚤撝颠M(jìn)行結(jié)果過濾，將排序過濾后的結(jié)果輸 出。
[0052] 下面，通過兩個示例進(jìn)一步詳細(xì)說明本發(fā)明的系統(tǒng)和方法。
[0053] 示例一：某視頻網(wǎng)站相似人群搜索。
[0054] 某網(wǎng)站有視頻集合S = {Vd. . .，VJ，每個視頻包含一組內(nèi)容描述詞（即標(biāo)簽）， 不同視頻之間可能還有相同的描述詞。同時該網(wǎng)站記錄了最近一周內(nèi)的用戶觀看記錄R = iUi---Vx-clx，…，un-vy-cny}〇
[0055] 步驟1，以標(biāo)簽作為視頻內(nèi)容的描述，根據(jù)每個視頻的標(biāo)簽信息，統(tǒng)計每個用戶一 周內(nèi)在每個標(biāo)簽上的觀看次數(shù)，得到形如"用戶標(biāo)識一標(biāo)簽一觀看次數(shù)"的觀看記錄； 對于相同用戶標(biāo)識的觀看記錄進(jìn)行合并計算，得到每個用戶觀看的所有標(biāo)簽，并且計算每 個標(biāo)簽的觀羞頗鑾.i+笪方法為，
[0056]
[0057] 其中，為標(biāo)簽i的頻率，C ^ (^為用戶觀看標(biāo)簽i、標(biāo)簽j的次數(shù)，T為該用戶觀 看的所有標(biāo)簽的集合。這樣，就得到了每個用戶在每個標(biāo)簽上的觀看頻率，部分觀看記錄示 例如下：
[0058]
[0059] 表1用戶觀看內(nèi)容記錄示例
[0060] 步驟2,以標(biāo)簽作為索引關(guān)鍵字，對觀看信息建立倒排索引。對標(biāo)簽進(jìn)行哈希，得到 哈希值；對倒排索引文件進(jìn)行適當(dāng)分塊，將哈希值與文件分塊建立映射；將每個標(biāo)簽所對 應(yīng)的觀看信息（包括：該標(biāo)簽觀看的用戶總數(shù)、觀看該標(biāo)簽的所有用戶標(biāo)識和每個用戶的 觀看頻率）存儲至該標(biāo)簽哈希值所對應(yīng)的文件分塊處。
[0061] 步驟3,對于給定的種子用戶觀看記錄，利用觀看標(biāo)簽信息在倒排索引文件上進(jìn)行 搜索。對