CN105956086A - 多媒体资源的推荐方法和装置 - Google Patents

Abstract

本发明公开了一种多媒体资源的推荐方法和装置，该推荐方法包括：确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息；根据所述特征信息，确定各类别的已推荐资源中的优选推荐资源；以及向所述用户推荐与正在访问的所述多媒体资源类别相同的优选推荐资源。本发明向用户推荐多媒体资源时以多媒体资源的类别为单位进行推荐，并且根据实时更新的特征信息来向用户推荐优选推荐资源，由此，可以快速地对用户进行精准推荐(或投放)、还能够避免流量的浪费。

Description

多媒体资源的推荐方法和装置

技术领域

本发明涉及互联网技术领域，尤其涉及一种多媒体资源的推荐方法和装置。

背景技术

当用户正在观看或观看结束某个当前视频(或称为“流量视频”)时，会在视频播放页面的附近位置处向用户推荐与当前视频相关联的视频，例如，内容与当前视频相似的视频，或者在视频播放页面的附近位置处向用户投放广告。

通常，推荐与当前视频相关联的视频和投放广告按照价格×预估点击率来进行竞争，然而，由于预估点击率很难估计得非常准确，因此推荐与当前视频相关联的视频和投放广告受价格的影响比较大，因而会有很多的流量浪费。并且，一部分特定的优秀曝光资源得不到有效利用，而且推荐模型对数据的变化反应慢。

因此，对于推荐与当前视频相关联的视频和投放广告，推荐效果不精准、流量利用率也不高。

发明内容

技术问题

有鉴于此，本发明要解决的技术问题是，如何提高推荐多媒体资源的准确性。

解决方案

为了解决上述技术问题，在第一方面，本发明提供了一种多媒体资源的推荐方法，包括：

确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息；

根据所述特征信息，确定各类别的已推荐资源中的优选推荐资源；以及

向所述用户推荐与正在访问的所述多媒体资源类别相同的优选推荐资源。

结合第一方面，在第一种可能的实现方式中，根据所述特征信息，确定各类别的已推荐资源中的优选推荐资源，包括：

针对各类别的所述已推荐资源，分别判断该类别的已推荐资源的特征信息是否大于针对该类别的预定阈值，将特征信息大于针对该类别的预定阈值的被推荐资源作为优选推荐资源。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，根据下式1来确定针对该类别的预定阈值T，

T*c＝k 式1

其中，c表示该类别的多媒体资源的千次曝光收益，k表示常数。

结合第一方面或第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式，在第三种可能的实施方式中，所述特征信息是点击率。

结合第一方面或第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式，在第四种可能的实施方式中，所述向所述用户推荐与正在访问的所述多媒体资源类别相同的优选推荐资源，包括：

设置优选推荐资源的类别标识；

将所述类别标识与用户正在访问的所述多媒体资源的类别标识进行比较，确定类别标识与用户正在访问的所述多媒体资源的类别标识相同的优选推荐资源，

向所述用户推荐所确定的优选推荐资源。

结合第一方面或第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式，在第五种可能的实施方式中，所述确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息，包括：

根据与用户正在访问的多媒体资源相关联的推荐日志，确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。

在第二方面，本发明提供了一种多媒体资源的推荐装置，包括：

第一确定单元，用于确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息；

第二确定单元，与所述第一确定单元连接，用于根据所述特征信息，确定各类别的已推荐资源中的优选推荐资源；以及

推荐单元，与所述第二确定单元连接，用于向所述用户推荐与正在访问的所述多媒体资源类别相同的优选推荐资源。

结合第二方面，在第一种可能的实现方式中，所述第二确定单元用于：

针对各类别的所述已推荐资源，分别判断该类别的已推荐资源的特征信息是否大于针对该类别的预定阈值，将特征信息大于针对该类别的预定阈值的被推荐资源作为优选推荐资源。

结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，根据下式1来确定针对该类别的预定阈值T，

T*c＝k 式1

其中，c表示该类别的多媒体资源的千次曝光收益，k表示常数。

结合第二方面或第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述特征信息是点击率。

结合第二方面或第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式，在第四种可能的实现方式中，所述推荐单元包括：

设置子单元，用于设置优选推荐资源的类别标识；

确定子单元，与所述设置子单元连接，用于将所述类别标识与用户正在访问的所述多媒体资源的类别标识进行比较，确定类别标识与用户正在访问的所述多媒体资源的类别标识相同的优选推荐资源，

推荐子单元，与所述确定子单元连接，用于向所述用户推荐所确定的优选推荐资源。

结合第二方面或第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式，在第五种可能的实现方式中，所述第一确定单元用于：

根据与用户正在访问的多媒体资源相关联的推荐日志，确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。

有益效果

本发明实施例的多媒体资源的推荐方法和装置，根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息来确定各类别的已推荐资源中的优选推荐资源，并向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源，即，向用户推荐多媒体资源时以多媒体资源的类别为单位进行推荐，并且根据实时更新的特征信息来向用户推荐优选推荐资源，由此，可以快速地对用户进行精准推荐(或投放)、还能够避免流量的浪费。

根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。

图1a示出本发明实施例一的多媒体资源的推荐方法的一应用场景；

图1b示出根据本发明实施例一的多媒体资源的推荐方法的流程图；

图2a示出根据本发明实施例二的多媒体资源的推荐方法的流程图；

图2b示出根据本发明实施例二的多媒体资源的推荐方法的流程示例图；

图3示出根据本发明实施例三的多媒体资源的推荐装置的结构框图；以及

图4示出根据本发明实施例四的多媒体资源的推荐装置的结构框图。

具体实施方式

以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。

实施例1

图1a示出本发明实施例一的多媒体资源的推荐方法的一应用场景。

如图1a所示，在用户使用用户设备正在访问多媒体资源的情况下，可以使用本发明的推荐方法，将与用户正在访问的多媒体资源相关联的多媒体资源推荐至正在访问多媒体资源的界面的某个位置处，例如，播放界面的右下角、右上角、左下角等位置。

具体地，用户可以使用用户设备来与网络设备进行通信，从而通过用户设备访问多媒体资源。其中，用户设备包括但不限于用户可以通过键盘、鼠标、遥控器、触摸板、手写设备等方式进行人机交互的电子产品，例如，计算机、手机、个人数字助理(英文：Personal Digital Assistant，简称：PDA)、笔记本、台式电脑、智能电视等。网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。多媒体资源包括但不限于视频、音频、图片、广告。

需要说明的是，上述用户设备、网络设备和多媒体资源不仅限于上述示例，本领域技术人员应能够了解，其它现有的或今后可能出现的其它形式的用户设备、网络设备和多媒体资源均可以适用于本发明，也就是说，本发明不限制用户设备、网络设备和多媒体资源的具体形式。

图1b示出根据本发明实施例一的多媒体资源的推荐方法的流程图。如图1b所示，该推荐方法主要可以包括：

步骤S100、确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。

具体地，可以将与用户正在访问的多媒体资源相关联的已推荐资源分类，再确定各类别的已推荐资源的诸如点击率等的特征信息。其中，可以采用现有的任意分类方法来对已推荐资源进行分类。例如，根据多媒体资源内容可以将多媒体资源划分为直播类多媒体资源(例如，来疯类多媒体资源)、会员类多媒体资源、收费类多媒体资源、游戏类多媒体资源、广告类多媒体资源等。又如，根据播放多媒体资源所要使用的流量可以将多媒体资源划分为高点击流量多媒体资源、中点击流量多媒体资源和低点击流量多媒体资源。再如，可以将多媒体资源划分为自制多媒体资源和节目多媒体资源。特别地，不同类型的多媒体资源的推广方通常不同，例如，来疯类多媒体资源和会员类多媒体资源分别是优酷的不同部门进行投放的。并且，点击率是指多媒体资源被点击的次数与被显示的次数的比值，其在一定程度上反映了多媒体资源的受关注程度。具体到本发明，点击率反映了推荐的精准度或推荐的有效程度。

在一种可能的实现方式中，确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息，可以包括：

根据与用户正在访问的多媒体资源相关联的推荐日志，确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。

具体地，可以根据用户正在访问的多媒体资源的推荐日志，确定推荐日志中所记录的已推荐资源(已推荐的多媒体资源)的特征信息，其中，推荐日志中所记录的已推荐资源例如是与用户正在访问的多媒体资源的内容相似的多媒体资源、又如是用户过去访问当前正在访问的多媒体资源时所投放的广告类多媒体资源。举例而言，假设特征信息为点击率，则可以根据用户正在访问的多媒体资源的推荐日志，统计推荐日志中所记录的各类别的已推荐资源的点击率。

步骤S120、根据特征信息，确定各类别的已推荐资源中的优选推荐资源。

具体地，可以根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息，将各类别的已推荐资源中的特征信息较高的已推荐资源(优质推荐资源)确定为优质推荐资源。更具体地，可以将用户正在访问的多媒体资源在类别上的特征信息进行排序，将特征信息高的已推荐资源定义为类别上的优质推荐资源。其中，该优质推荐资源可以作为精准推荐的依据。例如，假设特征信息为点击率，则可以将各类别的已推荐资源中的高点击率的已推荐资源定义为优质推荐资源。

步骤S140、向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源。

在一种可能的实现方式中，可以通过如下方法来向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源：首先，设置优选推荐资源的类别标识；然后，将类别标识与用户正在访问的多媒体资源的类别标识进行比较，确定类别标识与用户正在访问的多媒体资源的类别标识相同的优选推荐资源；最后，向用户推荐所确定的优选推荐资源。

也就是说，在进行推荐或广告投放时，可以先查询用户正在访问的多媒体资源是否有类别标识，如果有类别标识(例如，定向标签)，则说明用户正在访问的多媒体资源带来的流量为类别上的优质流量，因而可以仅向用户推荐或投放与用户正在访问的多媒体资源的类别标识相同的优选推荐资源。

举例而言，假设用户正在观看的多媒体资源具有来疯标签，则可以仅向用户推荐具有来疯标签的优选推荐资源，而不向用户推荐具有其它标签的优选推荐资源。当然，如果用户正在观看的多媒体资源具有多个定向标签，则可以向用户推荐至少具有该多个定向标签中的任意一个的优选推荐资源。

本发明实施例的多媒体资源的推荐方法，根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息来确定各类别的已推荐资源中的优选推荐资源，并向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源，即，向用户推荐多媒体资源时以多媒体资源的类别为单位进行推荐，并且根据实时更新的特征信息来向用户推荐优选推荐资源，由此，可以快速地对用户进行精准推荐(或投放)、还能够避免流量的浪费。例如，假设有10000个人次访问了用户正在访问的视频(流量视频)，从前1000个访问中已经能够计算得到不同类别的推荐效果，因此，后9000个人次再次访问该流量视频时，可以根据前面的点击率数据进行精准投放，快速反应，还可以避免流量的浪费。

实施例2

图2a示出根据本发明实施例二的多媒体资源的推荐方法的流程图，图2b示出根据本发明实施例二的多媒体资源的推荐方法的流程示例图。如图2a所示，该推荐方法主要可以包括：

步骤S200、确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。该步骤的具体说明可以参见上述实施例1中步骤S100的描述。

如图2b中的步骤1所示，通过对用户正在访问的多媒体资源的推荐日志进行分析，可以在步骤2中确定出来疯类视频中的已推荐视频A、B、C的点击率分别为0.1、0.005、0.05，并且可以在步骤3中确定出会员类视频中的已推荐视频A、B、C的点击率分别为0.001、0.3、0.05。

步骤S220、针对各类别的已推荐资源，分别判断该类别的已推荐资源的特征信息是否大于针对该类别的预定阈值，将特征信息大于针对该类别的预定阈值的被推荐资源作为优选推荐资源。

具体地，可以根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息，将各类别的已推荐资源中的特征信息大于针对该类别的预定阈值的被推荐资源确定为优质推荐资源。更具体地，可以将用户正在访问的多媒体资源在类别上的特征信息进行排序，将特征信息大于该类别的预定阈值的已推荐资源确定为类别上的优质推荐资源。

其中，预定阈值的定义可以根据实际的投放收益进行计算权衡，假设特征信息是点击率，则预定阈值一般至少是平均点击率的两倍以上，同时考虑不同类别的多媒体资源之间的千次曝光收益，千次曝光收益是指一千次曝光带来的收入。例如，来疯类多媒体资源的千次曝光收益是会员类多媒体资源的千次曝光收益的三倍，为了保证在收益上的公平性，会员类多媒体资源的预定阈值可以为来疯类多媒体资源的预定阈值的三倍。如果会员类多媒体资源的预定阈值太低，则会抢占比自己平均收入高的推荐机会。

也就是说，可以根据下式1来设置各类别的多媒体资源的预定阈值，

T*c＝k 式1

其中，c表示该类别的多媒体资源的千次曝光收益，k表示常数。

如图2b中的步骤4所示，由于来疯类视频中的已推荐视频A的点击率0.1和已推荐视频C的点击率0.05大于来疯类视频的预定阈值0.01，因此可以将来疯类视频中的已推荐视频A和C作为优质推荐资源并且可以为来疯类视频中的已推荐视频A和C设置来疯标签。

如图2b中的步骤5所示，由于会员类视频中的已推荐视频B的点击率0.3大于会员类视频的预定阈值0.2，因此可以将会员类视频中的已推荐视频B作为优质推荐资源并且可以为会员类视频中的已推荐视频B设置会员标签。

步骤S240、向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源。该步骤的具体说明可以参见上述实施例1中步骤S120的描述。

如图2b中的步骤6所示，用户触发相关推荐请求(例如，用户正在访问多媒体资源)。如图2b中的步骤7所示，可以通过查询缓存服务器来获取步骤4和5中设置的定向标签并根据获取到的定向标签来对分好类的各类别的被推荐视频(已推荐资源)进行定向推荐，例如，用户正在访问的视频的定向标签为来疯标签，则仅向用户定向推荐来疯类视频中的已推荐视频A和C。又如，用户正在访问的视频的定向标签为会员标签，则仅向用户定向推荐会员类视频中的已推荐视频B。再如，用户正在访问的视频的定向标签包括来疯标签和会员标签，则向用户定向推荐来疯类视频中的已推荐视频A和C以及会员类视频中的已推荐视频B。

本发明实施例的多媒体资源的推荐方法，根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息来确定各类别的已推荐资源中的优选推荐资源，并向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源，即，向用户推荐多媒体资源时以多媒体资源的类别为单位进行推荐，并且根据实时更新的特征信息来向用户推荐优选推荐资源，由此，可以快速地对用户进行精准推荐(或投放)、还能够避免流量的浪费。

实施例3

图3示出本发明实施例三的多媒体资源的推荐装置的结构框图。如图3所示，该推荐装置主要可以包括：

第一确定单元310，用于确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。

具体地，第一确定单元310可以将与用户正在访问的多媒体资源相关联的已推荐资源分类，再确定各类别的已推荐资源的诸如点击率等的特征信息。其中，第一确定单元310可以采用现有的任意分类方法来对已推荐资源进行分类。例如，第一确定单元310根据多媒体资源内容可以将多媒体资源划分为直播类多媒体资源(例如，来疯类多媒体资源)、会员类多媒体资源、收费类多媒体资源、游戏类多媒体资源、广告类多媒体资源等。又如，第一确定单元310根据播放多媒体资源所要使用的流量可以将多媒体资源划分为高点击流量多媒体资源、中点击流量多媒体资源和低点击流量多媒体资源。再如，第一确定单元310可以将多媒体资源划分为自制多媒体资源和节目多媒体资源。特别地，不同类型的多媒体资源的推广方通常不同，例如，来疯类多媒体资源和会员类多媒体资源分别是优酷的不同部门进行投放的。并且，点击率是指多媒体资源被点击的次数与被显示的次数的比值，其在一定程度上反映了多媒体资源的受关注程度。具体到本发明，点击率反映了推荐的精准度或推荐的有效程度。

在一种可能的实现方式中，第一确定单元310用于：

根据与用户正在访问的多媒体资源相关联的推荐日志，确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。

具体地，第一确定单元310可以根据用户正在访问的多媒体资源的推荐日志，确定推荐日志中所记录的已推荐资源(已推荐的多媒体资源)的特征信息，其中，推荐日志中所记录的已推荐资源例如是与用户正在访问的多媒体资源的内容相似的多媒体资源、又如是用户过去访问当前正在访问的多媒体资源时所投放的广告类多媒体资源。举例而言，假设特征信息为点击率，则第一确定单元310可以根据用户正在访问的多媒体资源的推荐日志，统计推荐日志中所记录的各类别的已推荐资源的点击率。

第二确定单元330，与第一确定单元310连接，用于根据特征信息，确定各类别的已推荐资源中的优选推荐资源。

具体地，第二确定单元330可以根据第一确定单元310确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息，将各类别的已推荐资源中的特征信息较高的已推荐资源(优质推荐资源)确定为优质推荐资源。更具体地，第二确定单元330可以将用户正在访问的多媒体资源在类别上的特征信息进行排序，将特征信息高的已推荐资源定义为类别上的优质推荐资源。其中，该优质推荐资源可以作为精准推荐的依据。例如，假设特征信息为点击率，则第二确定单元330可以将各类别的已推荐资源中的高点击率的已推荐资源定义为优质推荐资源。

推荐单元350，与第二确定单元330连接，用于向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源。

在一种可能的实现方式中，推荐单元350可以包括：

设置子单元，用于设置优选推荐资源的类别标识；

确定子单元，与设置子单元连接，用于将类别标识与用户正在访问的多媒体资源的类别标识进行比较，确定类别标识与用户正在访问的多媒体资源的类别标识相同的优选推荐资源，

推荐子单元，与确定子单元连接，用于向用户推荐所确定的优选推荐资源。

也就是说，在推荐单元350进行推荐或广告投放时，推荐单元350可以先查询用户正在访问的多媒体资源是否有类别标识，如果有类别标识(例如，定向标签)，则说明用户正在访问的多媒体资源带来的流量为类别上的优质流量，因而推荐单元350可以仅向用户推荐或投放与用户正在访问的多媒体资源的类别标识相同的优选推荐资源。

举例而言，假设用户正在观看的多媒体资源具有来疯标签，则推荐单元350可以仅向用户推荐具有来疯标签的优选推荐资源，而不向用户推荐具有其它标签的优选推荐资源。当然，如果用户正在观看的多媒体资源具有多个定向标签，则推荐单元350可以向用户推荐至少具有该多个定向标签中的任意一个的优选推荐资源。

本发明实施例的多媒体资源的推荐装置，根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息来确定各类别的已推荐资源中的优选推荐资源，并向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源，即，向用户推荐多媒体资源时以多媒体资源的类别为单位进行推荐，并且根据实时更新的特征信息来向用户推荐优选推荐资源，由此，可以快速地对用户进行精准推荐(或投放)、还能够避免流量的浪费。例如，假设有10000个人次访问了用户正在访问的视频(流量视频)，从前1000个访问中已经能够计算得到不同类别的推荐效果，因此，后9000个人次再次访问该流量视频时，可以根据前面的点击率数据进行精准投放，快速反应，还可以避免流量的浪费。

实施例4

图4示出根据本发明实施例四的多媒体资源的推荐装置的结构框图。如图4所示，该推荐装置主要可以包括：

第一确定单元410，用于确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。具体说明及具体示例可以参见上述实施例2中步骤S200的描述。

第二确定单元430，与第一确定单元410连接，用于针对各类别的已推荐资源，分别判断该类别的已推荐资源的特征信息是否大于针对该类别的预定阈值，将特征信息大于针对该类别的预定阈值的被推荐资源作为优选推荐资源。

具体地，第二确定单元430可以根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息，将各类别的已推荐资源中的特征信息大于针对该类别的预定阈值的被推荐资源确定为优质推荐资源。更具体地，第二确定单元430可以将用户正在访问的多媒体资源在类别上的特征信息进行排序，将特征信息大于该类别的预定阈值的已推荐资源确定为类别上的优质推荐资源。

其中，预定阈值的定义可以根据实际的投放收益进行计算权衡，假设特征信息是点击率，则预定阈值一般至少是平均点击率的两倍以上，同时考虑不同类别的多媒体资源之间的千次曝光收益，千次曝光收益是指一千次曝光带来的收入。例如，来疯类多媒体资源的千次曝光收益是会员类多媒体资源的千次曝光收益的三倍，为了保证在收益上的公平性，会员类多媒体资源的预定阈值可以为来疯类多媒体资源的预定阈值的三倍。如果会员类多媒体资源的预定阈值太低，则会抢占比自己平均收入高的推荐机会。

也就是说，可以根据下式1来设置各类别的多媒体资源的预定阈值，

T*c＝k 式1

其中，c表示该类别的多媒体资源的千次曝光收益，k表示常数。

具体示例可以参见上述实施例2中的步骤S220的描述。

推荐单元450，与第二确定单元430连接，用于向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源。具体说明可以参见上述实施例1中步骤S120的描述。

具体示例可以参见上述实施例2中的步骤S240的描述。

本发明实施例的多媒体资源的推荐装置，根据确定出的与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息来确定各类别的已推荐资源中的优选推荐资源，并向用户推荐与正在访问的多媒体资源类别相同的优选推荐资源，即，向用户推荐多媒体资源时以多媒体资源的类别为单位进行推荐，并且根据实时更新的特征信息来向用户推荐优选推荐资源，由此，可以快速地对用户进行精准推荐(或投放)、还能够避免流量的浪费。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种多媒体资源的推荐方法，其特征在于，包括：

确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息；

根据所述特征信息，确定各类别的已推荐资源中的优选推荐资源；以及

向所述用户推荐与正在访问的所述多媒体资源类别相同的优选推荐资源。

2.根据权利要求1所述的推荐方法，其特征在于，所述根据所述特征信息，确定各类别的已推荐资源中的优选推荐资源，包括：

针对各类别的所述已推荐资源，分别判断该类别的已推荐资源的特征信息是否大于针对该类别的预定阈值，将特征信息大于针对该类别的预定阈值的被推荐资源作为优选推荐资源。

3.根据权利要求2所述的推荐方法，其特征在于，根据下式1来确定针对该类别的预定阈值T，

T*c＝k 式1

其中，c表示该类别的多媒体资源的千次曝光收益，k表示常数。

4.根据权利要求1至3中任一项所述的推荐方法，其特征在于，所述特征信息是点击率。

5.根据权利要求1至3中任一项所述的推荐方法，其特征在于，所述向所述用户推荐与正在访问的所述多媒体资源类别相同的优选推荐资源，包括：

设置优选推荐资源的类别标识；

将所述类别标识与用户正在访问的所述多媒体资源的类别标识进行比较，确定类别标识与用户正在访问的所述多媒体资源的类别标识相同的优选推荐资源，

向所述用户推荐所确定的优选推荐资源。

6.根据权利要求1至3中任一项所述的推荐方法，其特征在于，所述确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息，包括：

根据与用户正在访问的多媒体资源相关联的推荐日志，确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。

7.一种多媒体资源的推荐装置，其特征在于，包括：

第一确定单元，用于确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息；

第二确定单元，与所述第一确定单元连接，用于根据所述特征信息，确定各类别的已推荐资源中的优选推荐资源；以及

推荐单元，与所述第二确定单元连接，用于向所述用户推荐与正在访问的所述多媒体资源类别相同的优选推荐资源。

8.根据权利要求7所述的推荐装置，其特征在于，所述第二确定单元用于：

针对各类别的所述已推荐资源，分别判断该类别的已推荐资源的特征信息是否大于针对该类别的预定阈值，将特征信息大于针对该类别的预定阈值的被推荐资源作为优选推荐资源。

9.根据权利要求8所述的推荐装置，其特征在于，根据下式1来确定针对该类别的预定阈值T，

T*c＝k 式1

其中，c表示该类别的多媒体资源的千次曝光收益，k表示常数。

10.根据权利要求7至9中任一项所述的推荐装置，其特征在于，所述特征信息是点击率。

11.根据权利要求7至9中任一项所述的推荐装置，其特征在于，所述推荐单元包括：

设置子单元，用于设置优选推荐资源的类别标识；

确定子单元，与所述设置子单元连接，用于将所述类别标识与用户正在访问的所述多媒体资源的类别标识进行比较，确定类别标识与用户正在访问的所述多媒体资源的类别标识相同的优选推荐资源，

推荐子单元，与所述确定子单元连接，用于向所述用户推荐所确定的优选推荐资源。

12.根据权利要求7至9中任一项所述的推荐装置，其特征在于，所述第一确定单元用于：

根据与用户正在访问的多媒体资源相关联的推荐日志，确定与用户正在访问的多媒体资源相关联的各类别的已推荐资源的特征信息。