本技术涉及视频处理，特别是涉及一种视频的推荐方法、装置、电子设备及可读存储介质。
背景技术：
1、随着互联网的发展，越来越多的短视频受到了用户们的欢迎。目前，由于短视频场景内容多，内容更新快，存在大量的优质视频无法被分发，这些优质视频一般播放量较低但是看过的用户对其评价都比较高。目前在进行视频推送时，由于视频数量庞大，往往无法将这些优质视频均推荐给用户，从而导致现有技术中评分较高的优质视频无法准确推送到用户的问题。
技术实现思路
1、本技术实施例的目的在于提供一种视频的推荐方法、装置、电子设备及可读存储介质，以解决现有技术中评分较高的优质视频无法准确推送到用户的问题。
2、在本技术实施的第一方面，首先提供了一种视频的推荐方法，所述方法包括：
3、获取召回视频库，所述召回视频库中包括多个第一视频；
4、确定所述多个第一视频中每个第一视频所对应的多个身份信息，所述多个身份信息为观看过所述第一视频的用户的账户id；
5、将目标身份信息和所述多个第一视频所分别对应的多个身份信息输入视频召回模型中，输出至少一个第二视频，所述目标身份信息为待推荐用户的账户id，所述视频召回模型用于计算所述目标身份信息与所述多个身份信息之间的关联程度，并根据所述关联程度在所述多个第一视频中筛选出至少一个第二视频；
6、将所述至少一个第二视频推荐给所述待推荐用户。
7、可选的，所述获取召回视频库，包括：
8、在播放数据库中获取多个第三视频；
9、确定所述多个第三视频中每个第三视频的评分值和播放量，所述评分值用于表征所述第三视频的视频质量，所述视频质量越高时，所述评分值越高；
10、根据预设评分值和预设播放量对所述多个第三视频进行筛选，确定多个所述第一视频，所述多个第一视频的评分值大于所述预设评分值，所述多个第一视频的播放量低于所述预设播放量；
11、根据所述多个第一视频生成所述召回视频库。
12、可选的，所述确定所述多个第三视频中每个第三视频的评分值和播放量，包括：
13、确定每个所述第三视频对应的完播率和展示率，以及确定每个所述第三视频对应的播放量，所述完播率为播放完毕所述第三视频的用户与所有观看过所述第三视频的用户的比值，所述展示率为推送所述第三视频的次数与推送过的所有视频的次数的比值；
14、根据每个所述第三视频对应的完播率和展示率，计算每个所述第三视频的评分值。
15、可选的，所述将目标身份信息和所述多个第一视频所分别对应的多个身份信息输入视频召回模型中，输出至少一个第二视频之前，所述方法还包括：
16、获取预训练的视频召回模型；
17、使用训练样本对所述预训练的视频召回模型进行训练，输出识别结果；
18、基于损失函数对所述识别结果进行计算，得到损失值；
19、判断损失值是否满足训练截止条件；
20、若损失值不满足训练截止条件，基于所述损失值对所述预训练的视频召回模型中的目标参数进行调整，直至损失值满足训练截止条件时，停止训练，得到所述视频召回模型。
21、可选的，所述使用训练样本对所述预训练的视频召回模型进行训练，输出识别结果之前，所述方法还包括：
22、获取第一身份信息和多个第一训练视频；
23、对所述多个第一训练视频赋予标签信息，得到多个第二训练视频，所述标签信息用于指示所述第二训练视频的播放时长是否超过预设播放时长，在所述第二训练视频的播放时长超过预设播放时长的情况所述标签信息为正样本；
24、确定每个第二训练视频所对应的多个第二身份信息，每个所述第二身份信息用于表示对应的所述第二训练视频的视频id；
25、将所述第一身份信息、所述多个第二身份信息和每个所述第二身份信息对应的标签信息确定为所述训练样本。
26、可选的，所述使用训练样本对所述预训练的视频召回模型进行训练，输出识别结果，包括：
27、将所述第一身份信息输入到所述视频召回模型的第一全连接层中，得到第一特征，以及将所述第二训练视频所分别对应的多个第二身份信息输入到所述视频召回模型的第二全连接层中，得到多个第二特征；
28、将所述多个第二特征输入到所述视频召回模型的池化层中，得到多个第三特征；
29、计算所述第一特征与所述多个第三特征的相似度，得到所述识别结果，所述识别结果用于表示所述预训练的视频召回模型对所述训练样本进行视频识别输出的多个目标视频，所述多个目标视频与所述训练样本的关联程度符合预设值。
30、可选的，所述将所述第一身份信息输入到所述视频召回模型的第一全连接层中，得到第一特征，包括：
31、基于所述第一身份信息确定第一向量；
32、将所述第一向量输入到所述视频召回模型的第一全连接层中，得到第一特征；
33、所述将所述第二训练视频所分别对应的多个第二身份信息输入到所述视频召回模型的第二全连接层中，得到多个第二特征，包括：
34、基于所述第二训练视频所分别对应的多个第二身份信息确定多个第二向量；将所述多个第二向量输入到所述视频召回模型的第二全连接层中，得到多个第二特征。
35、可选的，所述将所述至少一个第二视频推荐给所述待推荐用户，包括：
36、计算所述至少一个第二视频与所述待推荐用户之间的相似度，得到至少一个相似度，所述至少一个相似度与所述至少一个第二视频一一对应；
37、基于所述至少一个相似度从高到低对所述至少一个第二视频进行排序，得到排序后的至少一个第二视频；
38、依次向所述用户推荐所述排序后的至少一个第二视频。
39、在本技术实施的第二方面，还提供了一种视频的推荐装置，所述装置包括：
40、获取模块，用于获取召回视频库，所述召回视频库中包括多个第一视频；
41、确定模块，用于确定所述多个第一视频中每个第一视频所对应的多个身份信息，所述多个身份信息为观看过所述第一视频的用户的账户id；
42、输出模块，用于将目标身份信息和所述多个第一视频所分别对应的多个身份信息输入视频召回模型中，输出至少一个第二视频，所述目标身份信息为待推荐用户的账户id，所述视频召回模型用于计算所述目标身份信息与所述多个身份信息之间的关联程度；
43、推荐模块，用于将所述至少一个第二视频推荐给所述待推荐用户。
44、在本技术实施例的第三方面，还提供了一种电子设备，包括处理器，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程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中任一项所述的视频的推荐方法的步骤。
45、在本技术实施例的第四方面，还提供了一种计算机可读存储介质，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现如第一方面中任一项所述的视频的推荐方法的步骤。
46、在本技术实施例的第五方面，本技术实施例还提供一种计算机程序产品，所述计算机程序产品被存储在存储介质中，所述计算机程序产品被至少一个处理器执行以实现如第一方面中任一项所述的视频播放方法的步骤。
47、本技术实施例中，通过将召回视频库中的多个第一视频与其观看过的用户的身份信息进行关联，当为待推荐用户进行推荐时，通过将待推荐用户的身份信息和多个第一视频对应的身份信息输入到视频召回模型中，最终得到与用户爱好相匹配的至少一个第二视频，从而实现了将待推荐用户感兴趣的优质视频准确推送到待推荐用户。
1.一种视频的推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取召回视频库，包括：
3.根据权利要求2所述的方法，其特征在于，所述确定所述多个第三视频中每个第三视频的评分值和播放量，包括：
4.根据权利要求1所述的方法，其特征在于，所述将目标身份信息和所述多个第一视频所分别对应的多个身份信息输入视频召回模型中，输出至少一个第二视频之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述使用训练样本对所述预训练的视频召回模型进行训练，输出识别结果之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述使用训练样本对所述预训练的视频召回模型进行训练，输出识别结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述第一身份信息输入到所述视频召回模型的第一全连接层中，得到第一特征，包括：
8.根据权利要求1所述的方法，其特征在于，所述将所述至少一个第二视频推荐给所述待推荐用户，包括：
9.一种视频的推荐装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，包括处理器，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程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至8中任一项所述的视频的推荐方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现如权利要求1至8中任一项所述的视频的推荐方法的步骤。
12.一种计算机程序产品，其特征在于，所述计算机程序产品被存储在存储介质中，所述计算机程序产品被至少一个处理器执行以实现如权利要求1至8中任一项所述的视频播放方法中的步骤。
