CN105868248A - 媒体推荐方法及装置 - Google Patents

Abstract

本公开实施例提供了一种媒体推荐方法及装置，应用于服务器，所述方法包括：当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识；查找与所述用户标识关联的至少一个应用标识；提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录；根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。本公开能够综合用户在不同终端应用之间的行为，使不同终端应用之间产生互补和促进作用，使用预设推荐数据模型，分析不同媒体播放记录中媒体内容之间的相关性，能有效地去掉噪音，避免用户在不同终端应用中反复搜索相关内容时繁琐的操作，节省用户时间精力。

Description

媒体推荐方法及装置

技术领域

本公开涉及计算机技术领域，尤其涉及一种媒体推荐方法及装置。

背景技术

目前的推荐系统中，大部分内容的推荐是在某个垂直领域内进行的，以相关推荐和个性化推荐作为展示形式，但是在互联网蓬勃发展的阶段中，文化、娱乐的相关应用多如牛毛，由于各个应用之间都是相互独立的，同一个用户在不同的应用中产生的行为也是独立的。

这样当用户对某一类的媒体内容比较感兴趣时，可能会通过不同类型的媒体应用查找这一类的媒体内容，例如：当用户对《西游记》感兴趣时，用户可能会在视频应用上查找《西游记》的视频，在新闻应用中查找关于迟重瑞的新闻，在音乐应用中查找《敢问路在何方》的歌曲，这样用户将在不同的应用中反复手动输入相关查找内容，操作繁琐，浪费用户时间及精力。

发明内容

为克服相关技术中存在的问题，本公开提供一种媒体推荐方法及装置。

根据本公开实施例的第一方面，提供一种媒体推荐方法，应用于服务器，包括：

当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识；

查找与所述用户标识关联的至少一个应用标识；

提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录；

根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。

可选地，所述方法还包括：

记录向多个媒体应用发送的推荐方案；

接收多个媒体应用发送的用户选择的推荐方案和所述媒体应用关联的用户标识；

将每个向媒体应用发送的推荐方案、用户选择的推荐方案和所述媒体应用关联的用户标识确定为训练语料集合；

根据所述训练语料集合构建所述预设推荐数据模型。

可选地，所述方法还包括：

获取与同一用户标识关联的多个媒体应用上历史播放媒体内容的所有媒体播放记录；

计算每两个媒体播放记录对应的媒体内容之间的相关性；

当所述相关性大于预设阈值时，将相关性大于预设阈值的媒体内容确定为一个推荐方案；

向所述媒体应用发送所述推荐方案。

可选地，所述计算每两个媒体播放记录对应的媒体内容之间的相关性，包括：

将获取的媒体播放记录进行排序；

将排序后的所有媒体播放记录划分成多个媒体记录组合；

计算与分别归属于两个媒体记录组合的每两个媒体播放记录对应的媒体内容之间的相关性。

可选地，所述查找与所述用户标识关联的至少一个应用标识，包括：

获取预设存储区域中多个媒体应用的应用信息，所述应用信息包括用户身份信息、终端信息、局域网信息和账号信息；

判断是否存在具有相同的应用信息的媒体应用；

当存在具有相同的应用信息的媒体应用时，获取具有相同的识别信息媒体应用的应用标识。

根据本公开实施例的第二方面，提供一种媒体推荐装置，应用于服务器，包括：

第一获取模块，用于当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识；

查找模块，用于查找与所述用户标识关联的至少一个应用标识；

提取模块，用于提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录；

第一确定模块，用于根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。

可选地，所述装置还包括：

记录模块，用于记录向多个媒体应用发送的推荐方案；

接收模块，用于接收多个媒体应用发送的用户选择的推荐方案和所述媒体应用关联的用户标识；

第二确定模块，用于将每个向媒体应用发送的推荐方案、用户选择的推荐方案和所述媒体应用关联的用户标识确定为训练语料集合；

构建模块，用于根据所述训练语料集合构建所述预设推荐数据模型。

可选地，所述装置还包括：

第二获取模块，用于获取与同一用户标识关联的多个媒体应用上历史播放媒体内容的所有媒体播放记录；

计算模块，用于计算每两个媒体播放记录对应的媒体内容之间的相关性；

第三确定模块，用于当所述相关性大于预设阈值时，将相关性大于预设阈值的媒体内容确定为一个推荐方案；

发送模块，用于向所述媒体应用发送所述推荐方案。

可选地，所述计算模块包括：

排序子模块，用于将获取的媒体播放记录进行排序；

划分子模块，用于将排序后的所有媒体播放记录划分成多个媒体记录组合；

计算子模块，用于计算与分别归属于两个媒体记录组合的每两个媒体播放记录对应的媒体内容之间的相关性。

可选地，所述第一获取模块包括：

第一获取子模块，用于获取预设存储区域中多个媒体应用的应用信息，所述应用信息包括：用户身份信息、终端信息、局域网信息和账号信息；

判断子模块，用于判断是否存在具有相同的应用信息的媒体应用；

第二获取子模块，用于当存在具有相同的应用信息的媒体应用时，获取具有相同的识别信息媒体应用的应用标识。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开通过当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识，查找与所述用户标识关联的至少一个应用标识，提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录，根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。

本公开提供的该方法，能够综合用户在不同终端应用之间的行为，使不同终端应用之间产生互补和促进作用，使用预设推荐数据模型，分析不同媒体播放记录中媒体内容之间的相关性，能有效地去掉噪音，避免用户在不同终端应用中反复搜索相关内容时繁琐的操作，节省用户时间精力。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种媒体推荐方法的一种流程图；

图2是根据一示例性实施例示出的一种媒体推荐方法的另一种流程图；

图3是根据一示例性实施例示出的一种媒体推荐方法的另一种流程图；

图4是根据一示例性实施例示出的一个时间段内的多个终端应用的媒体播放记录中的媒体内容示意图；

图5是图3中步骤S302的一种流程图；

图6是图1中步骤S102的一种流程图；

图7是根据一示例性实施例示出的一种媒体推荐装置的结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

如图1所示，在本公开的一个实施例中，提供一种媒体推荐方法，应用于服务器，包括以下步骤。

在步骤S101中，当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识。

在本公开实施例中，媒体应用可以为视频应用、新闻应用和音乐应用等，登录信息可以为用户利用媒体应用登录服务器时向服务器发送的包含有用户标识的登录信息，登录信息可以为用于标识用户身份的标识，例如：用户昵称和用户身份ID等。

在该步骤中，可以检测是否接收到媒体应用登录服务器时发送的登录信息，当检测到登录信息时，提取登录信息中的用于标识登录的用户的身份的用户标识。

在步骤S102中，查找与所述用户标识关联的至少一个应用标识。

在该步骤之前，可以预设一个用于存储登录的媒体应用的应用标识和用户标识的存储区域，这里的应用标识与用户标识可以一一对应。

在该步骤中，应用标识可以为终端应用的MAC(Media Access Control，媒体访问控制)地址或者移动设备国际标识码，可以在预设存储区域中查找与登录信息中的用户标识关联的应用标识。

在步骤S103中，提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录。

在该步骤之前，可以将用户在每个媒体应用上播放媒体内容或者浏览媒体内容的媒体播放记录，及媒体应用的应用标识和用户标识等信息上传于服务器。

在该步骤中，媒体内容可以是新闻内容、视频内容和音乐内容等，可以根据应用标识，提取与应用标识对应的媒体播放记录。

在步骤S104中，根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。

在本公开实施例中，可以预设一个根据服务器历史向终端应用发送的推荐方案及用户选择的推荐方案构建的推荐数据模型。

在该步骤中，可以将提取的媒体播放记录输入到预设推荐数据模型中，将预设推荐数据模型得到的结果确定为用于推荐媒体内容的推荐方案。

本公开实施例提供的该方法，能够综合用户在不同终端应用之间的行为，使不同终端应用之间产生互补和促进作用，使用预设推荐数据模型，分析不同媒体播放记录中媒体内容之间的相关性，能有效地去掉噪音，避免用户在不同终端应用中反复搜索相关内容时繁琐的操作，节省用户时间精力。

如图2所示，在本公开的又一实施例中，所述方法还包括：

在步骤S201中，记录向多个媒体应用发送的推荐方案。

在该步骤之前，可以根据每个媒体应用的播放记录、用户标识生成推荐方案。

在该步骤中，可以将生成的推荐方案发送给各个媒体应用，并且记录向各个媒体应用分别发送的推荐方案的编号或者内容。

在步骤S202中，接收多个媒体应用发送的用户选择的推荐方案和所述媒体应用关联的用户标识。

在该步骤之前，每个媒体应用在接收到推荐方案之后，会将推荐方案在显示界面进行显示，用户可以根据显示界面的推荐方案根据需求选择是否点击，在用户点击推荐方案后，媒体应用可以将用户点击的推荐方案发送给服务器。

在步骤S203中，将每个向媒体应用发送的推荐方案、用户选择的推荐方案和所述媒体应用关联的用户标识确定为训练语料集合。

在该步骤中，可以以u表示一个用户标识对应的用户对象，v表示一个媒体内容。u和v都是向量，u和v可以表示为：

u＝{f1，f₂...f_m}，v＝{g₁，g₂...g_n}；

从u和v中提取的特征为 $x=u\⊗v=\left\{f_1{g}_1,f_1{g}_2\mathrm{...}{f}_m{g}_n\right\};$

f_i(1≤i≤m)，g_j(1≤j≤n)都为单个的特征，f_ig_j为复合特征。

每条训练语料可以表示为 $t=\{u\⊗v,y\},y\∈\{0,1\};$ y＝1表示用户点击了推荐方案，y＝0表示用户未点击推荐方案，则训练语料集合可以表示为T＝{t₁，t₂...t_p}。

在步骤S204中，根据所述训练语料集合构建所述预设推荐数据模型。

在该步骤中，对于一条训练样本，其概率可以表示为：

$\begin{array}{c}P\left(y=1|x;\mathrm{\θ}\right)=h_{\mathrm{\θ}}\left(x\right)\\ =\frac{1}{1+\exp \left(-{\mathrm{\θ}}^{T}x\right)}\\ =\mathrm{\σ}\left({\mathrm{\θ}}^{T}x\right)\end{array}$

P(y＝1|x；θ)代表某用户点击了推荐方案，σ为代价函数，θ为参数向量，每个特征f_ig_j都对应一个参数θ_k，最小化下面的代价函数来获得参数θ的值。

$J\left(\mathrm{\θ}\right)=-{\mathrm{\Σ}}_{i=1}^D\left\{y^{\left(i\right)}log\right(h_{\mathrm{\θ}}\left(x^{\left(i\right)}\right))+(1-y^{\left(i\right)}\left)log\right(1-h_{\mathrm{\θ}}\left(x^{\left(i\right)}\right)\left)\right\}$

其中D表示总的样本数，J(θ)为当前参数下，模型的代价函数。

根据训练出的模型参数θ构建预设推荐数据模型。

本公开实施例提供的该方法，能够根据向终端应用发送的推荐方案以及终端应用反馈的用户选择的推荐方案构建预设推荐数据模型，便于增加用户对推荐方案的采纳比率和满意度等。

如图3所示，在本公开的又一实施例中，所述方法还包括：

在步骤S301中，获取与同一用户标识关联的多个媒体应用上历史播放媒体内容的所有媒体播放记录。

在本公开实施例中，可以将用户使用相同的账号登录的多个媒体应用确定为与同一用户标识关联的多个媒体应用，例如：用户可以使用同一个QQ账号登录视频应用、音乐应用和新闻应用等，也可以根据用户在登录媒体应用后填入的用户信息确定多个媒体应用是否对应同一用户标识，用户标识可以为用户编号、昵称和身份证号等等。

在该步骤中，可以获取多个媒体应用上某一个时间段内的历史播放记录，时间段可以为一个月或者一周等，一般地，如图4所示，相同时间窗口中的行为具有着某种相关性，可以使用word2vec模型计算相关的内容。

在步骤S302中，计算每两个媒体播放记录对应的媒体内容之间的相关性。

为了适应word2vec模型，一条媒体播放记录看作一个单词w_t。最小化下面的目标函数获得模型的参数：

$L=\frac{1}{T}\underset{t}{\mathrm{\Σ}}\log f\left(w_t,w_{t-1}\mathrm{...}{w}_{t-n+1};\mathrm{\θ}\right)=\frac{1}{T}{\mathrm{\Σ}}_t{\mathrm{\Σ}}_{v}1\left\{w_t=v\right\}\log \hat{P}\left(w_t=v|w_t,w_{t-1}\mathrm{...}{w}_{t-n+1}\right);$

为了简化过程，假定w_t不是用binary code编码：

$\hat{P}\left(w_t|w_{t-1},\mathrm{...},w_{t-n+1}\right)=\frac{e^{y_{w_t}}}{{\mathrm{\Σ}}_{w_i}{e}^{y_{w_i}}}$

M′是二维矩阵，行是单词，列是媒体内容；x是媒体内容向量。(表示选择出第w_t行)；

(在这里w_i仍放在w_t的语境里)；

$x_{w_t}=C\left(w_{t-1}\right)+\mathrm{...}+C\left(w_{t-n+1}\right);$

C(w_i)＝M^Tw_i M是二维矩阵，行是单词，列是媒体内容；

在word2vec模型中，参数是θ＝{M′，M}。它们分别代表输入层<->隐含层，输出层<->隐含层的权重矩阵。word2vec模型的输出，对每条媒体播放记录w_t的输出向量两条记录w_i和w_j的相似度计算公式如下：

$sim\left(w_i,w_j\right)=\underset{k=1}{\overset{v}{\mathrm{\&Sigma;}}}{M}_{w_i}^k\&CenterDot;M_{w_j}^k.$

在步骤S303中，当所述相关性大于预设阈值时，将相关性大于预设阈值的媒体内容确定为一个推荐方案。

在步骤S304中，向所述媒体应用发送所述推荐方案。

本公开实施例提供的该方法，能够针对同一用户标识对应的多个终端应用，根据多个终端应用的媒体播放记录确定推荐方案，便于用户根据推荐方案选择感兴趣的内容。

如图5所示，在本公开的又一实施例中，所述步骤S302包括以下步骤。

在步骤S501中，将获取的媒体播放记录进行排序。

在该步骤中，可以将所有媒体播放记录按照时间顺序进行排序。

在步骤S502中，将排序后的所有媒体播放记录划分成多个媒体记录组合。

在该步骤中，可以将排序后的媒体播放记录，按照预设时间段划分成多个媒体记录组合，如每3天、每周等。

在步骤S503中，计算与分别归属于两个媒体记录组合的每两个媒体播放记录对应的媒体内容之间的相关性。

在该步骤中，可以针对一个媒体记录组合中的每个媒体播放记录，分别计算其余另一个媒体记录组合中的每个媒体播放记录之间的相关性，例如：媒体记录组合1中包含媒体播放记录001、媒体播放记录002、媒体播放记录003和媒体播放记录004，媒体记录组合2中包含媒体播放记录005、媒体播放记录006和媒体播放记录007，可以首先计算媒体播放记录001与媒体播放记录005、媒体播放记录006和媒体播放记录007的相关性；其词，计算媒体播放记录002与媒体播放记录005、媒体播放记录006和媒体播放记录007的相关性；再次，计算媒体播放记录002与媒体播放记录005、媒体播放记录006和媒体播放记录007的相关性；最后，计算媒体播放记录002与媒体播放记录005、媒体播放记录006和媒体播放记录007的相关性等。

如图6所示，在本公开的又一实施例，所述步骤S102包括以下步骤。

在步骤S601中，获取预设存储区域中多个媒体应用的应用信息，所述应用信息包括用户身份信息、终端信息、局域网信息和账号信息。

在本公开实施例中，用户身份信息可以指cookie，因为同一域名下，cookie能够唯一标识用户，并将用户在各频道的行为关联起来，cookie是和域名唯一对应的，有时同一域名下可能有多个子频道，对应不同的子域，但这些子域的cookie都和主域下的cookie一致；

终端信息可以指MAC(Media Access Control，媒体访问控制)地址或者IMEI(International Mobile Equipment Identity,移动设备国际识别码)等，相同设备下的应用(浏览器除外)，使用设备id来跟踪用户行为。在PC端，MAC地址能够唯一标识该主机。在MOBILE端，MAC地址或DEVICEID能够唯一标识该设备。例如用户在手机上既安装了乐视视频app，又安装了乐视体育app。使用该手机的MAC地址或DEVICEID能记录用户在两个app中的行为；

局域网信息可以指网络设备id，如wifi name来跟踪用户行为，相同局域网下的应用(浏览器除外)，接入同一wifi下的设备，都能够获取该wifi的名称，如果存在两个wifi取相同名字的情况，例如名字都为test123，可以结合IP来标识该wifi下的设备；

账号信息可以指用户使用同一账号登陆不同的应用时使用的账号，例如现在很多应用支持第三方账号登陆，用户为了避免管理多个账号，可能使用微博账号登陆很多的应用，相同的账号可以记录用户在不同应用中的行为。

在步骤S602中，判断是否存在具有相同的应用信息的媒体应用。

当存在具有相同的应用信息的媒体应用时，在步骤S603中，获取具有相同的识别信息媒体应用的应用标识。

本公开实施例提供的该方法，能够将多个终端应用确定为同一用户标识关联的终端应用，便于全面的获取用户对于媒体内容的喜好方向，简单高效。

如图7所示，在本公开的又一实施例中，提供一种媒体推荐装置，应用于服务器，包括：第一获取模块701、查找模块702、提取模块703和第一确定模块704。

第一获取模块701，用于当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识。

查找模块702，用于查找与所述用户标识关联的至少一个应用标识。

提取模块703，用于提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录。

第一确定模块704，用于根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。

在本公开的又一实施例中，所述装置还包括：记录模块、接收模块、第二确定模块和构建模块。

记录模块，用于记录向多个媒体应用发送的推荐方案。

接收模块，用于接收多个媒体应用发送的用户选择的推荐方案和所述媒体应用关联的用户标识。

第二确定模块，用于将每个向媒体应用发送的推荐方案、用户选择的推荐方案和所述媒体应用关联的用户标识确定为训练语料集合。

构建模块，用于根据所述训练语料集合构建所述预设推荐数据模型。

在本公开的又一实施例中，所述装置还包括：第二获取模块、计算模块、第三确定模块和发送模块。

第二获取模块，用于获取与同一用户标识关联的多个媒体应用上历史播放媒体内容的所有媒体播放记录。

计算模块，用于计算每两个媒体播放记录对应的媒体内容之间的相关性。

第三确定模块，用于当所述相关性大于预设阈值时，将相关性大于预设阈值的媒体内容确定为一个推荐方案。

发送模块，用于向所述媒体应用发送所述推荐方案。

在本公开的又一实施例中，所述计算模块包括：排序子模块、划分子模块和计算子模块。

排序子模块，用于将获取的媒体播放记录进行排序。

划分子模块，用于将排序后的所有媒体播放记录划分成多个媒体记录组合。

计算子模块，用于计算与分别归属于两个媒体记录组合的每两个媒体播放记录对应的媒体内容之间的相关性。

在本公开的又一实施例中，所述第一获取模块包括：第一获取子模块、判断子模块和第二获取子模块。

第一获取子模块，用于获取预设存储区域中多个媒体应用的应用信息，所述应用信息包括：用户身份信息、终端信息、局域网信息和账号信息。

判断子模块，用于判断是否存在具有相同的应用信息的媒体应用。

第二获取子模块，用于当存在具有相同的应用信息的媒体应用时，获取具有相同的识别信息媒体应用的应用标识。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种媒体推荐方法，应用于服务器，其特征在于，包括：

当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识；

查找与所述用户标识关联的至少一个应用标识；

提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录；

根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。

2.根据权利要求1所述的媒体推荐方法，其特征在于，所述方法还包括：

记录向多个媒体应用发送的推荐方案；

接收多个媒体应用发送的用户选择的推荐方案和所述媒体应用关联的用户标识；

将每个向媒体应用发送的推荐方案、用户选择的推荐方案和所述媒体应用关联的用户标识确定为训练语料集合；

根据所述训练语料集合构建所述预设推荐数据模型。

3.根据权利要求2所述的媒体推荐方法，其特征在于，所述方法还包括：

获取与同一用户标识关联的多个媒体应用上历史播放媒体内容的所有媒体播放记录；

计算每两个媒体播放记录对应的媒体内容之间的相关性；

当所述相关性大于预设阈值时，将相关性大于预设阈值的媒体内容确定为一个推荐方案；

向所述媒体应用发送所述推荐方案。

4.根据权利要求3所述的媒体推荐方法，其特征在于，所述计算每两个媒体播放记录对应的媒体内容之间的相关性，包括：

将获取的媒体播放记录进行排序；

将排序后的所有媒体播放记录划分成多个媒体记录组合；

计算与分别归属于两个媒体记录组合的每两个媒体播放记录对应的媒体内容之间的相关性。

5.根据权利要求1至4任一所述的媒体推荐方法，其特征在于，所述查找与所述用户标识关联的至少一个应用标识，包括：

获取预设存储区域中多个媒体应用的应用信息，所述应用信息包括用户身份信息、终端信息、局域网信息和账号信息；

判断是否存在具有相同的应用信息的媒体应用；

当存在具有相同的应用信息的媒体应用时，获取具有相同的识别信息媒体应用的应用标识。

6.一种媒体推荐装置，应用于服务器，其特征在于，包括：

第一获取模块，用于当检测到媒体应用的登录信息时，获取所述登录信息中的用户标识；

查找模块，用于查找与所述用户标识关联的至少一个应用标识；

提取模块，用于提取与每个应用标识对应的媒体应用上历史播放媒体内容的媒体播放记录；

第一确定模块，用于根据预设推荐数据模型，以及，与媒体播放记录对应的媒体内容确定用于推荐媒体内容的推荐方案。

7.根据权利要求6所述的媒体推荐装置，其特征在于，所述装置还包括：

记录模块，用于记录向多个媒体应用发送的推荐方案；

接收模块，用于接收多个媒体应用发送的用户选择的推荐方案和所述媒体应用关联的用户标识；

第二确定模块，用于将每个向媒体应用发送的推荐方案、用户选择的推荐方案和所述媒体应用关联的用户标识确定为训练语料集合；

构建模块，用于根据所述训练语料集合构建所述预设推荐数据模型。

8.根据权利要求7所述的媒体推荐装置，其特征在于，所述装置还包括：

第二获取模块，用于获取与同一用户标识关联的多个媒体应用上历史播放媒体内容的所有媒体播放记录；

计算模块，用于计算每两个媒体播放记录对应的媒体内容之间的相关性；

第三确定模块，用于当所述相关性大于预设阈值时，将相关性大于预设阈值的媒体内容确定为一个推荐方案；

发送模块，用于向所述媒体应用发送所述推荐方案。

9.根据权利要求8所述的媒体推荐装置，其特征在于，所述计算模块包括：

排序子模块，用于将获取的媒体播放记录进行排序；

划分子模块，用于将排序后的所有媒体播放记录划分成多个媒体记录组合；

计算子模块，用于计算与分别归属于两个媒体记录组合的每两个媒体播放记录对应的媒体内容之间的相关性。

10.根据权利要求6至9任一所述的媒体推荐装置，其特征在于，所述第一获取模块包括：

第一获取子模块，用于获取预设存储区域中多个媒体应用的应用信息，所述应用信息包括：用户身份信息、终端信息、局域网信息和账号信息；

判断子模块，用于判断是否存在具有相同的应用信息的媒体应用；

第二获取子模块，用于当存在具有相同的应用信息的媒体应用时，获取具有相同的识别信息媒体应用的应用标识。