CN106294830A - 多媒体资源的推荐方法及装置 - Google Patents
多媒体资源的推荐方法及装置 Download PDFInfo
- Publication number
- CN106294830A CN106294830A CN201610683221.2A CN201610683221A CN106294830A CN 106294830 A CN106294830 A CN 106294830A CN 201610683221 A CN201610683221 A CN 201610683221A CN 106294830 A CN106294830 A CN 106294830A
- Authority
- CN
- China
- Prior art keywords
- multimedia resource
- user
- characteristic information
- represent
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Abstract
本发明涉及多媒体资源的推荐方法及装置。该方法包括:获取用户的交互行为数据;根据该用户的交互行为数据确定该用户的特征信息;根据各个待选多媒体资源的特征信息与该用户的特征信息分别计算各个待选多媒体资源的得分;根据各个待选多媒体资源的得分进行多媒体资源的推荐。通过获取用户的交互行为数据,根据用户的交互行为数据确定用户的特征信息,根据各个待选多媒体资源的特征信息与用户的特征信息分别计算各个待选多媒体资源的得分,再根据各个待选多媒体资源的得分进行多媒体资源的推荐,根据本发明的多媒体资源的推荐方法及装置能够利用用户的交互行为数据实时确定用户的兴趣所在,从而能够提高多媒体资源推荐的精准性,提高用户体验。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种多媒体资源的推荐方法及装置。
背景技术
在互联网时代,尤其是移动互联网时代,如何为用户提供及时且有价值的信息是众多互联网公司研究的热点。近年来,随着机器学习系统的发展,推荐系统开始支持个性化的推荐策略。个性化的推荐策略需要结合不同用户的实际使用情况进行差异化处理。
随着用户行为数据的增多,如何更加智能地进行个性化推荐成为研究的热点。尤其是对于视频等多媒体资源推荐领域,每个多媒体资源的信息量丰富,如何提高视频等多媒体资源推荐的精准性成为急需解决的问题。
发明内容
技术问题
有鉴于此,本发明要解决的技术问题是,现有的多媒体资源的推荐技术的精准性较低。
解决方案
为了解决上述技术问题,根据本发明的一方面,提供了一种多媒体资源的推荐方法,包括:获取用户的交互行为数据;根据所述用户的交互行为数据确定所述用户的特征信息;根据各个待选多媒体资源的特征信息与所述用户的特征信息分别计算各个所述待选多媒体资源的得分;根据各个所述待选多媒体资源的得分进行多媒体资源的推荐。
根据本发明的另一方面,提供了一种多媒体资源的推荐装置,包括:交互行为数据获取模块,用于获取用户的交互行为数据;用户特征信息确定模块,用于根据所述用户的交互行为数据确定所述用户的特征信息;得分计算模块,用于根据各个待选多媒体资源的特征信息与所述用户的特征信息分别计算各个所述待选多媒体资源的得分;推荐模块,用于根据各个所述待选多媒体资源的得分进行多媒体资源的推荐。
有益效果
通过获取用户的交互行为数据,根据用户的交互行为数据确定用户的特征信息,根据各个待选多媒体资源的特征信息与用户的特征信息分别计算各个待选多媒体资源的得分,再根据各个待选多媒体资源的得分进行多媒体资源的推荐,根据本发明实施例的多媒体资源的推荐方法及装置能够利用用户的交互行为数据实时确定用户的兴趣所在,从而能够提高多媒体资源推荐的精准性,提高用户体验。
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1示出根据本发明一实施例的多媒体资源的推荐方法的实现流程图;
图2示出根据本发明一实施例的多媒体资源的推荐方法的一示例性的实现流程图;
图3示出根据本发明一实施例的多媒体资源的推荐方法的另一示例性的实现流程图;
图4示出根据本发明另一实施例的多媒体资源的推荐装置的结构框图;
图5示出了本发明的另一个实施例的一种多媒体资源的推荐设备的结构框图。
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1示出根据本发明一实施例的多媒体资源的推荐方法的实现流程图。如图1所示,该方法主要包括:
在步骤S101中,获取用户的交互行为数据。
需要说明的是,多媒体可以是多种媒体的综合,例如可以包括文字、声音和图像等多种媒体形式。例如,多媒体资源可以为视频,在此不作限定。在本发明实施例中,用户的交互行为数据可以指与用户针对多媒体资源的交互行为有关的数据。
在一种可能的实现方式中,该用户的交互行为数据包括以下至少一项:所述用户的拖拽时间点对应的多媒体资源的片段标题、所述用户的点赞时间点对应的多媒体资源的片段标题、所述用户的弹幕文字、所述用户发表弹幕文字的时间点对应的多媒体资源的片段标题、所述用户的评论文字、和所述用户发表评论文字的时间点对应的多媒体资源的片段标题。
作为本发明实施例的一个示例,该用户的交互行为数据可以包括该用户的拖拽时间点对应的片段标题。以多媒体资源为视频为例,可以预先将视频划分为多个片段,并分别为各个片段设置片段标题。用户在观看视频(例如综艺节目视频)时,有时只关心视频的某一片段,通过划分片段并设置片段标题,能够引导用户通过拖拽行为快速切换至其感兴趣的片段进行观看。例如,若用户的拖拽时间点为Qt,某一片段的起始时间点为Ft,且Ft-Δ<Qt<Ft+Δ,则拖拽时间点Qt对应的片段标题即为起始时间点为Ft的片段的标题,其中,Δ表示拖拽的时间误差。例如,某一片段的起始时间点Ft为第15分钟,该片段的标题为“周杰伦演唱双截棍”,Δ为2分钟,则在用户的拖拽时间点为Qt满足Ft-Δ<Qt<Ft+Δ,即13分钟<Qt<17分钟的情况下,将该用户的拖拽时间点为Qt对应的片段标题确定为“周杰伦演唱双截棍”。
作为本发明实施例的另一个示例,该用户的交互行为数据可以包括该用户的弹幕文字,还可以包括该用户发表该弹幕文字的时间,该时间可以是时钟时间,也可以是该用户发表该弹幕文字对应的多媒体资源的时间点(例如视频偏移时间)。根据该用户发表弹幕文字的时间的先后顺序,可以确定用户在各个时间点的兴趣点,其中可以包括用户最近的兴趣点。例如,根据用户发表弹幕文字对应的多媒体资源的时间点,可以确定该时间点对应的多媒体资源的片段标题,从而可以确定用户观看该多媒体资源时的兴趣点。
作为本发明实施例的另一个示例,该用户的交互行为数据可以包括该用户的评论文字,还可以包括该用户发表该评论文字的时间,该时间可以是时钟时间,也可以是该用户发表该评论文字对应的多媒体资源的时间点(例如视频偏移时间)。根据该用户发表评论文字的时间的先后顺序,可以确定用户在各个时间点的兴趣点,其中可以包括用户最近的兴趣点。例如,根据用户发表评论文字对应的多媒体资源的时间点,可以确定该时间点对应的多媒体资源的片段标题,从而可以确定用户观看该多媒体资源时的兴趣点。
在其他的实现方式中,该用户的交互行为数据还可以包括用户的点赞时间点对应的多媒体资源的片段标题,在此不作限定。
在步骤S102中,根据该用户的交互行为数据确定该用户的特征信息。
在一种可能的实现方式中,该用户的特征信息与该用户及待选多媒体资源的的标签和/或关键词相关联。
作为本发明实施例的一个示例,可以根据用户的交互行为数据确定该用户对应的关键词,并可以确定各个关键词对应的标签,且可以统计所述用户对应的各个关键词和标签出现的次数(例如在预设时间范围内进行统计,比如1天)。
举例来说,可以从上述示例方式确定的片段标题、弹幕文字、评论文字中包含的词中,选择部分词作为该用户对应的关键词。本领域技术人员可根据需要来设置选择的方式,例如选择出现频率高的词,或者预先设定的关键词库中存在的词等,本发明对此不做限制。可以根据预先设置的映射关系来确定各个关键词对应的标签。映射关系可根据需要进行设定,例如,可以设定标签“篮球”对应于“NBA”、“投篮”等关键词,本发明对此不做限制。
待选多媒体资源的特征信息也可以与待选多媒体资源以及用户的标签和/或关键词相关联。例如,多媒体资源对应的关键词可以根据多媒体资源的标题、片段标题和简介确定,也可以人为设定。在确定多媒体资源对应的关键词后,可以根据预先设置的映射关系来确定各个关键词对应的标签。
在步骤S103中,根据各个待选多媒体资源的特征信息与该用户的特征信息分别计算各个待选多媒体资源的得分。
作为本发明实施例的一个示例,可分别计算各个待选多媒体资源的特征信息与用户的特征信息的相似度;根据相似度,分别确定各个待选多媒体资源的得分。待选多媒体资源的特征信息与用户的特征信息的相似度越大,则该待选多媒体资源的得分越高。
在步骤S104中,根据各个待选多媒体资源的得分进行多媒体资源的推荐。
作为本发明实施例的一个示例,可以实时获取用户的交互行为数据,由此能够根据获取的用户的交互行为数据实时更新各个待选多媒体资源的得分,从而根据实时更新的各个待选多媒体资源的得分进行多媒体资源的推荐。
作为本发明实施例的另一个示例,可以在距离上一次用户交互行为的时间间隔达到第一预设值时重新计算各个待选多媒体资源的得分,由此能够避免多媒体资源的推荐结果的刷新频率过高。例如,第一预设值可以为5分钟。
在一种可能的实现方式中,根据各个待选多媒体资源的特征信息与该用户的特征信息分别计算各个待选多媒体资源的得分,包括:根据各个待选多媒体资源的特征信息与该用户的特征信息,分别采用式1计算各个待选多媒体资源的得分;
s(i)=R(i)+cos[Tu(k),Tv(i)] 式1;
其中,s(i)表示第i个待选多媒体资源的得分,R(i)表示第i个待选多媒体资源的初始得分,Tu(k)表示第k个用户的特征信息,Tv(i)表示第i个待选多媒体资源的特征信息,cos[Tu(k),Tv(i)]表示Tu(k)与Tv(i)的余弦距离。其中,余弦距离可以表示各个待选多媒体资源的特征信息与所述用户的特征信息之间的相似度,本领域技术人员应理解,也可以通过其他参量来衡量这两者之间的相似度。
在一种可能的实现方式中,第i个待选多媒体资源的初始得分根据第i个待选多媒体资源的点击量和/或曝光量确定。例如,待选多媒体资源的初始得分可以与该待选多媒体资源的点击量正相关;和/或,待选多媒体资源的初始得分可以与该待选多媒体资源的曝光量正相关。
在一种可能的实现方式中,Tu(k)根据式2确定,Tv(i)根据式3确定;
Tu(k)={Ck(t1),……,Ck(tn),Ck(w1),……,Ck(wm)} 式2;
Tv(i)={Ci(t1),……,Ci(tn),Ci(w1),……,Ci(wm)} 式3;
其中,t1表示第1个标签,tn表示第n个标签,w1表示第1个关键词,wm表示第m个关键词,Ck(t1)表示第k个用户对应的第1个标签的数量,Ck(tn)表示第k个用户对应的第n个标签的数量,Ck(w1)表示第k个用户对应的第1个关键词的数量,Ck(wm)表示第k个用户对应的第m个关键词的数量,Ci(t1)表示第i个待选多媒体资源对应的第1个标签的数量,Ci(tn)表示第i个待选多媒体资源对应的第n个标签的数量,Ci(w1)表示第i个待选多媒体资源对应的第1个关键词的数量,Ci(wm)表示第i个待选多媒体资源对应的第m个关键词的数量。
例如,第k个用户有关键词A1、A2,第i个待选多媒体资源有关键词A1、A3,第k个用户有标签B1、B2,第i个待选多媒体资源有标签B2、B3,则Tu(k)={Ck(A1),Ck(A2),Ck(A3),Ck(B1),Ck(B2),Ck(B3)},Tv(i)={Ci(A1),Ci(A2),Ci(A3),Ci(B1),Ci(B2),Ci(B3)},其中,Ck(A3)、Ck(B3)、Ci(A2)和Ci(B1)的值为0。
在一个示例中,在确定多媒体资源对应的关键词之后,可以统计各个关键词出现的次数,并根据上文所介绍的映射关系确定所出现的关键词对应的标签,并统计各标签出现的次数。
图2示出根据本发明一实施例的多媒体资源的推荐方法的一示例性的实现流程图。如图2所示,该方法主要包括:
在步骤S201中,获取用户的交互行为数据。
在步骤S202中,根据该用户的交互行为数据确定该用户的特征信息。
在步骤S203中,根据各个待选多媒体资源的特征信息与该用户的特征信息分别计算各个待选多媒体资源的得分。
在步骤S204中,按照各个待选多媒体资源的得分由高到低的顺序对各个待选多媒体资源进行排序,并选择排序在前的M个待选多媒体资源进行推荐,其中,M为正整数,待选多媒体资源的总个数大于或等于M。
作为本发明实施例的一个示例,可以按照各个待选多媒体资源的得分由高到低的顺序对各个待选多媒体资源进行排序,并将排序在前的M个待选多媒体资源作为待推荐多媒体资源。在确定待推荐多媒体资源之后,可以根据待推荐多媒体资源生成待推荐列表,并可以向用户展示该待推荐列表。
图3示出根据本发明一实施例的多媒体资源的推荐方法的另一示例性的实现流程图。如图3所示,该方法主要包括:
在步骤S301中,获取用户的交互行为数据。
在步骤S302中,根据该用户的交互行为数据确定该用户的特征信息。
在步骤S303中,根据各个待选多媒体资源的特征信息与该用户的特征信息分别计算各个待选多媒体资源的得分。
在步骤S304中,按照各个待选多媒体资源的得分由高到低的顺序对各个待选多媒体资源进行排序,并选择排序在前的M个待选多媒体资源,其中,M为正整数,待选多媒体资源的总个数大于或等于M;
在步骤S305中,根据以下至少一项从排序在前的M个待选多媒体资源中筛选出待推荐多媒体资源:待选多媒体资源的上传者信息、待选多媒体资源所属的频道信息、用户观看多媒体资源的历史数据和待选多媒体资源所属的兴趣标签。
作为本发明实施例的一个示例,还可以根据以下至少一项从排序在前的M个待选多媒体资源中筛选出待推荐多媒体资源,以使推荐的多媒体资源具备多样性:待选多媒体资源的上传者信息、待选多媒体资源所属的频道信息、用户观看多媒体资源的历史数据和待选多媒体资源所属的兴趣标签。例如,若排序在前的M个待选多媒体资源中包括四个以上同一上传者上传的多媒体资源,则可以保留该上传者上传的多媒体资源中得分排序前三的多媒体资源作为待推荐多媒体资源。再例如,若排序在前的M个待选多媒体资源中包括四个以上同一二级频道的多媒体资源,则可以保留该二级频道的多媒体资源中得分排序前三的多媒体资源作为待推荐多媒体资源。例如,综艺频道为某一一级频道,湖南综艺频道为该一级频道下的二级频道。再例如,若排序在前的M个待选多媒体资源中包括四个以上同一三级兴趣标签下的多媒体资源,则可以保留该三级兴趣标签下的多媒体资源中得分排序前三的多媒体资源作为待推荐多媒体资源。例如,一级兴趣标签为娱乐,娱乐明星为该一级兴趣标签下的二级兴趣标签,Beyond为该二级兴趣标签下的三级兴趣标签。再例如,若排序在前的M个待选多媒体资源中包括用户近期观看过的多媒体资源,则不将该多媒体资源作为待推荐多媒体资源。
在步骤S306中,根据所有待推荐多媒体资源生成多媒体资源推荐列表。
作为本发明实施例的一个示例,若对排序在前的M个待选多媒体资源进行筛选后,得到的待推荐多媒体资源的数量小于M,则可以根据待选多媒体资源的得分值、待选多媒体资源的上传者信息、待选多媒体资源所属的频道信息、用户观看多媒体资源的历史数据和待选多媒体资源所属的兴趣标签继续从待选多媒体资源中选择待推荐多媒体资源,以使多媒体资源推荐列表的长度达到M。
作为本发明实施例的一个示例,对于未加入多媒体资源推荐列表且得分较高的待选多媒体资源,可以生成多媒体资源热点列表,并可以将该多媒体资源热点列表与多媒体资源推荐列表一起推荐给目标用户。
这样,通过获取用户的交互行为数据,根据用户的交互行为数据确定用户的特征信息,根据各个待选多媒体资源的特征信息与用户的特征信息分别计算各个待选多媒体资源的得分,再根据各个待选多媒体资源的得分进行多媒体资源的推荐,根据本发明实施例的多媒体资源的推荐方法能够利用用户的交互行为数据实时确定用户的兴趣所在,从而能够提高多媒体资源推荐的精准性,提高用户体验。
实施例2
图4示出根据本发明另一实施例的多媒体资源的推荐装置的结构框图。图4可以用于运行图1至图3所示的多媒体资源的推荐方法。为了便于说明,在图4中仅示出了与本发明实施例相关的部分。
如图4所示,该装置包括:交互行为数据获取模块41,用于获取用户的交互行为数据;用户特征信息确定模块42,用于根据所述用户的交互行为数据确定所述用户的特征信息;得分计算模块43,用于根据各个待选多媒体资源的特征信息与所述用户的特征信息分别计算各个所述待选多媒体资源的得分;推荐模块44,用于根据各个所述待选多媒体资源的得分进行多媒体资源的推荐。
在一种可能的实施方式中,所述得分计算模块可包括:相似度计算单元,用于分别计算各个待选多媒体资源的特征信息与所述用户的特征信息的相似度;得分确定单元,用于根据所述相似度,分别确定各个所述待选多媒体资源的得分。
在一种可能的实现方式中,所述用户的交互行为数据包括以下至少一项:所述用户的拖拽时间点对应的多媒体资源的片段标题、所述用户的点赞时间点对应的多媒体资源的片段标题、所述用户的弹幕文字、所述用户发表弹幕文字的时间点对应的多媒体资源的片段标题、所述用户的评论文字、和所述用户发表评论文字的时间点对应的多媒体资源的片段标题。
在一种可能的实现方式中,所述用户的特征信息和所述待选多媒体资源的特征信息与所述用户和所述待选多媒体资源的的标签和/或关键词相关联。
在一种可能的实施方式中,所述用户特征信息确定模块可包括:关键词确定单元,用于根据所述用户的交互行为数据确定所述用户对应的关键词;标签确定单元,用于确定各个关键词对应的标签;次数统计单元,用于统计所述用户对应的各个关键词和标签出现的次数;特征信息确定单元,用于根据所述用户对应的各个关键词和标签出现的次数以及所述待选多媒体资源对应的关键词和标签确定所述用户的特征信息。
在一种可能的实现方式中,所述得分计算模块43可以用于:根据各个待选多媒体资源的特征信息与所述用户的特征信息,分别采用式1计算各个所述待选多媒体资源的得分;
s(i)=R(i)+cos[Tu(k),Tv(i)] 式1;
其中,s(i)表示第i个待选多媒体资源的得分,R(i)表示所述第i个待选多媒体资源的初始得分,Tu(k)表示第k个用户的特征信息,Tv(i)表示所述第i个待选多媒体资源的特征信息,cos[Tu(k),Tv(i)]表示Tu(k)与Tv(i)的余弦距离。
在一种可能的实现方式中,所述第i个待选多媒体资源的初始得分根据所述第i个待选多媒体资源的点击量和/或曝光量确定。
在一种可能的实现方式中,Tu(k)根据式2确定,Tv(i)根据式3确定;
Tu(k)={Ck(t1),……,Ck(tn),Ck(w1),……,Ck(wm)} 式2;
Tv(i)={Ci(t1),……,Ci(tn),Ci(w1),……,Ci(wm)} 式3;
其中,t1表示第1个标签,tn表示第n个标签,w1表示第1个关键词,wm表示第m个关键词,Ck(t1)表示所述第k个用户对应的所述第1个标签的数量,Ck(tn)表示所述第k个用户对应的所述第n个标签的数量,Ck(w1)表示所述第k个用户对应的所述第1个关键词的数量,Ck(wm)表示所述第k个用户对应的所述第m个关键词的数量,Ci(t1)表示所述第i个待选多媒体资源对应的所述第1个标签的数量,Ci(tn)表示所述第i个待选多媒体资源对应的所述第n个标签的数量,Ci(w1)表示所述第i个待选多媒体资源对应的所述第1个关键词的数量,Ci(wm)表示所述第i个待选多媒体资源对应的所述第m个关键词的数量。
在一种可能的实现方式中,所述推荐模块44可用于:按照各个所述待选多媒体资源的得分由高到低的顺序对各个所述待选多媒体资源进行排序,并选择排序在前的M个所述待选多媒体资源进行推荐,其中,M为正整数,所述待选多媒体资源的总个数大于或等于M。
在一种可能的实现方式中,所述多媒体资源的装置还可包括:筛选模块,用于根据以下至少一项从排序在前的M个待选多媒体资源中筛选出待推荐多媒体资源:待选多媒体资源的上传者信息、待选多媒体资源所属的频道信息、用户观看多媒体资源的历史数据和待选多媒体资源所属的兴趣标签。
需要说明的是,这样,通过获取用户的交互行为数据,根据用户的交互行为数据确定用户的特征信息,根据各个待选多媒体资源的特征信息与用户的特征信息分别计算各个待选多媒体资源的得分,再根据各个待选多媒体资源的得分进行多媒体资源的推荐,根据本发明实施例的多媒体资源的推荐装置能够利用用户的交互行为数据实时确定用户的兴趣所在,从而能够提高多媒体资源推荐的精准性,提高用户体验。
实施例3
图5示出了本发明的另一个实施例的一种多媒体资源的推荐设备的结构框图。所述多媒体资源的推荐设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对计算节点的具体实现做限定。
所述多媒体资源的推荐设备1100包括处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和总线1140。其中,处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网络设备通信,其中网络设备包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU,或者是专用集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于存放文件。存储器1130可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块,并且所述块可按一定的规则组合成虚拟卷。
在一种可能的实施方式中,上述程序可为包括计算机操作指令的程序代码。该程序具体可用于:实现实施例1中各步骤的操作。
本领域普通技术人员可以意识到,本文所描述的实施例中的各示例性单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件形式来实现,取决于技术方案的特定应用和设计约束条件。专业技术人员可以针对特定的应用选择不同的方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
如果以计算机软件的形式来实现所述功能并作为独立的产品销售或使用时,则在一定程度上可认为本发明的技术方案的全部或部分(例如对现有技术做出贡献的部分)是以计算机软件产品的形式体现的。该计算机软件产品通常存储在计算机可读取的非易失性存储介质中,包括若干指令用以使得计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各实施例方法的全部或部分步骤。而前述的存储介质包括U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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 (20)
1.一种多媒体资源的推荐方法,其特征在于,包括:
获取用户的交互行为数据;
根据所述用户的交互行为数据确定所述用户的特征信息;
根据各个待选多媒体资源的特征信息与所述用户的特征信息分别计算各个所述待选多媒体资源的得分;
根据各个所述待选多媒体资源的得分进行多媒体资源的推荐。
2.根据权利要求1所述的方法,其特征在于,根据各个待选多媒体资源的特征信息与所述用户的特征信息分别计算各个所述待选多媒体资源的得分,包括:
分别计算各个待选多媒体资源的特征信息与所述用户的特征信息的相似度;
根据所述相似度,分别确定各个所述待选多媒体资源的得分。
3.根据权利要求1所述的方法,其特征在于,所述用户的交互行为数据包括以下至少一项:
所述用户的拖拽时间点对应的多媒体资源的片段标题、所述用户的点赞时间点对应的多媒体资源的片段标题、所述用户的弹幕文字、所述用户发表弹幕文字的时间点对应的多媒体资源的片段标题、所述用户的评论文字和所述用户发表评论文字的时间点对应的多媒体资源的片段标题。
4.根据权利要求1所述的方法,其特征在于,所述用户的特征信息和所述待选多媒体资源的特征信息与所述用户和所述待选多媒体资源的的标签和/或关键词相关联。
5.根据权利要求4所述的方法,其特征在于,根据所述用户的交互行为数据确定所述用户的特征信息,包括:
根据所述用户的交互行为数据确定所述用户对应的关键词;
确定各个关键词对应的标签;
统计所述用户对应的各个关键词和标签出现的次数;
根据所述用户对应的各个关键词和标签出现的次数以及所述待选多媒体资源对应的关键词和标签确定所述用户的特征信息。
6.根据权利要求1至5任意一项所述的方法,根据各个待选多媒体资源的特征信息与所述用户的特征信息分别计算各个所述待选多媒体资源的得分,包括:
根据各个待选多媒体资源的特征信息与所述用户的特征信息,分别采用式1计算各个所述待选多媒体资源的得分;
s(i)=R(i)+cos[Tu(k),Tv(i)] 式1;
其中,s(i)表示第i个待选多媒体资源的得分,R(i)表示所述第i个待选多媒体资源的初始得分,Tu(k)表示第k个用户的特征信息,Tv(i)表示所述第i个待选多媒体资源的特征信息,cos[Tu(k),Tv(i)]表示Tu(k)与Tv(i)的余弦距离。
7.根据权利要求6所述的方法,其特征在于,所述第i个待选多媒体资源的初始得分根据所述第i个待选多媒体资源的点击量和/或曝光量确定。
8.根据权利要求6所述的方法,其特征在于,Tu(k)根据式2确定,Tv(i)根据式3确定;
Tu(k)={Ck(t1),……,Ck(tn),Ck(w1),……,Ck(wm)} 式2;
Tv(i)={Ci(t1),……,Ci(tn),Ci(w1),……,Ci(wm)} 式3;
其中,t1表示第1个标签,tn表示第n个标签,w1表示第1个关键词,wm表示第m个关键词,Ck(t1)表示所述第k个用户对应的所述第1个标签的数量,Ck(tn)表示所述第k个用户对应的所述第n个标签的数量,Ck(w1)表示所述第k个用户对应的所述第1个关键词的数量,Ck(wm)表示所述第k个用户对应的所述第m个关键词的数量,Ci(t1)表示所述第i个待选多媒体资源对应的所述第1个标签的数量,Ci(tn)表示所述第i个待选多媒体资源对应的所述第n个标签的数量,Ci(w1)表示所述第i个待选多媒体资源对应的所述第1个关键词的数量,Ci(wm)表示所述第i个待选多媒体资源对应的所述第m个关键词的数量。
9.根据权利要求1所述的方法,其特征在于,根据各个所述待选多媒体资源的得分进行多媒体资源的推荐,包括:
按照各个所述待选多媒体资源的得分由高到低的顺序对各个所述待选多媒体资源进行排序,并选择排序在前的M个所述待选多媒体资源进行推荐,其中,M为正整数,所述待选多媒体资源的总个数大于或等于M。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
根据以下至少一项从排序在前的M个待选多媒体资源中筛选出待推荐多媒体资源:待选多媒体资源的上传者信息、待选多媒体资源所属的频道信息、用户观看多媒体资源的历史数据和待选多媒体资源所属的兴趣标签。
11.一种多媒体资源的推荐装置,其特征在于,包括:
交互行为数据获取模块,用于获取用户的交互行为数据;
用户特征信息确定模块,用于根据所述用户的交互行为数据确定所述用户的特征信息;
得分计算模块,用于根据各个待选多媒体资源的特征信息与所述用户的特征信息分别计算各个所述待选多媒体资源的得分;
推荐模块,用于根据各个所述待选多媒体资源的得分进行多媒体资源的推荐。
12.根据权利要求11所述的装置,其特征在于,所述得分计算模块包括:
相似度计算单元,用于分别计算各个待选多媒体资源的特征信息与所述用户的特征信息的相似度;
得分确定单元,用于根据所述相似度,分别确定各个所述待选多媒体资源的得分。
13.根据权利要求11所述的装置,其特征在于,所述用户的交互行为数据包括以下至少一项:所述用户的拖拽时间点对应的多媒体资源的片段标题、所述用户的点赞时间点对应的多媒体资源的片段标题、所述用户的弹幕文字、所述用户发表弹幕文字的时间点对应的多媒体资源的片段标题、所述用户的评论文字、和所述用户发表评论文字的时间点对应的多媒体资源的片段标题。
14.根据权利要求11所述的装置,其特征在于,所述用户的特征信息和所述待选多媒体资源的特征信息与所述用户和所述待选多媒体资源的的标签和/或关键词相关联。
15.根据权利要求14所述的装置,其特征在于,所述用户特征信息确定模块包括:
关键词确定单元,用于根据所述用户的交互行为数据确定所述用户对应的关键词;
标签确定单元,用于确定各个关键词对应的标签;
次数统计单元,用于统计所述用户对应的各个关键词和标签出现的次数;
特征信息确定单元,用于根据所述用户对应的各个关键词和标签出现的次数以及所述待选多媒体资源对应的关键词和标签确定所述用户的特征信息。
16.根据权利要求11至15任意一项所述的装置,所述得分计算模块用于:
根据各个待选多媒体资源的特征信息与所述用户的特征信息,分别采用式1计算各个所述待选多媒体资源的得分;
s(i)=R(i)+cos[Tu(k),Tv(i)] 式1;
其中,s(i)表示第i个待选多媒体资源的得分,R(i)表示所述第i个待选多媒体资源的初始得分,Tu(k)表示第k个用户的特征信息,Tv(i)表示所述第i个待选多媒体资源的特征信息,cos[Tu(k),Tv(i)]表示Tu(k)与Tv(i)的余弦距离。
17.根据权利要求16所述的装置,其特征在于,所述第i个待选多媒体资源的初始得分根据所述第i个待选多媒体资源的点击量和/或曝光量确定。
18.根据权利要求16所述的装置,其特征在于,Tu(k)根据式2确定,Tv(i)根据式3确定;
Tu(k)={Ck(t1),……,Ck(tn),Ck(w1),……,Ck(wm)} 式2;
Tv(i)={Ci(t1),……,Ci(tn),Ci(w1),……,Ci(wm)} 式3;
其中,t1表示第1个标签,tn表示第n个标签,w1表示第1个关键词,wm表示第m个关键词,Ck(t1)表示所述第k个用户对应的所述第1个标签的数量,Ck(tn)表示所述第k个用户对应的所述第n个标签的数量,Ck(w1)表示所述第k个用户对应的所述第1个关键词的数量,Ck(wm)表示所述第k个用户对应的所述第m个关键词的数量,Ci(t1)表示所述第i个待选多媒体资源对应的所述第1个标签的数量,Ci(tn)表示所述第i个待选多媒体资源对应的所述第n个标签的数量,Ci(w1)表示所述第i个待选多媒体资源对应的所述第1个关键词的数量,Ci(wm)表示所述第i个待选多媒体资源对应的所述第m个关键词的数量。
19.根据权利要求11所述的装置,其特征在于,所述推荐模块用于:
按照各个所述待选多媒体资源的得分由高到低的顺序对各个所述待选多媒体资源进行排序,并选择排序在前的M个所述待选多媒体资源进行推荐,其中,M为正整数,所述待选多媒体资源的总个数大于或等于M。
20.根据权利要求19所述的装置,其特征在于,所述装置还包括:
筛选模块,用于根据以下至少一项从排序在前的M个待选多媒体资源中筛选出待推荐多媒体资源:待选多媒体资源的上传者信息、待选多媒体资源所属的频道信息、用户观看多媒体资源的历史数据和待选多媒体资源所属的兴趣标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610683221.2A CN106294830A (zh) | 2016-08-17 | 2016-08-17 | 多媒体资源的推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610683221.2A CN106294830A (zh) | 2016-08-17 | 2016-08-17 | 多媒体资源的推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106294830A true CN106294830A (zh) | 2017-01-04 |
Family
ID=57678279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610683221.2A Pending CN106294830A (zh) | 2016-08-17 | 2016-08-17 | 多媒体资源的推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106294830A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951137A (zh) * | 2017-03-02 | 2017-07-14 | 合网络技术(北京)有限公司 | 多媒体资源的分类方法及装置 |
CN107341172A (zh) * | 2017-05-12 | 2017-11-10 | 广州优视网络科技有限公司 | 视频收益计算建模装置与方法及视频推荐装置与方法 |
CN107506456A (zh) * | 2017-08-29 | 2017-12-22 | 环球智达科技(北京)有限公司 | 一种基于影片剧情信息的相似度计算方法 |
CN107688587A (zh) * | 2017-02-15 | 2018-02-13 | 腾讯科技(深圳)有限公司 | 一种媒体信息展示方法及装置 |
CN107688637A (zh) * | 2017-08-23 | 2018-02-13 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、存储介质及电子终端 |
CN108460060A (zh) * | 2017-02-22 | 2018-08-28 | 合网络技术(北京)有限公司 | 视频推荐方法及装置 |
CN108595660A (zh) * | 2018-04-28 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 多媒体资源的标签信息生成方法、装置、存储介质及设备 |
CN108804506A (zh) * | 2018-04-13 | 2018-11-13 | 北京猫眼文化传媒有限公司 | 一种信息的推荐方法、装置和电子设备 |
CN108845749A (zh) * | 2018-06-01 | 2018-11-20 | 优酷网络技术(北京)有限公司 | 页面展示方法及装置 |
WO2019024670A1 (zh) * | 2017-08-03 | 2019-02-07 | 优酷信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
CN109729395A (zh) * | 2018-12-14 | 2019-05-07 | 广州市百果园信息技术有限公司 | 视频质量评估方法、装置、存储介质和计算机设备 |
CN110113673A (zh) * | 2019-04-30 | 2019-08-09 | 北京奇艺世纪科技有限公司 | 一种弹幕显示方法、装置及电子设备 |
CN111125544A (zh) * | 2019-12-20 | 2020-05-08 | 腾讯数码(天津)有限公司 | 用户推荐方法及装置 |
CN111191142A (zh) * | 2018-11-14 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 一种电子资源推荐方法、装置和可读介质 |
CN111666485A (zh) * | 2019-03-07 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、装置及终端 |
CN112188295A (zh) * | 2020-09-29 | 2021-01-05 | 有半岛(北京)信息科技有限公司 | 一种视频推荐方法及装置 |
CN113327132A (zh) * | 2021-06-10 | 2021-08-31 | 深圳市移卡科技有限公司 | 多媒体推荐方法、装置、设备及存储介质 |
CN113486251A (zh) * | 2021-07-29 | 2021-10-08 | 北京字节跳动网络技术有限公司 | 一种信息展示的方法、装置以及计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035982A (zh) * | 2014-05-28 | 2014-09-10 | 小米科技有限责任公司 | 多媒体资源推荐方法及装置 |
CN104104999A (zh) * | 2013-04-10 | 2014-10-15 | 华为技术有限公司 | 音视频信息推荐方法及设备 |
CN104216960A (zh) * | 2014-08-21 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
CN105100165A (zh) * | 2014-05-20 | 2015-11-25 | 深圳市腾讯计算机系统有限公司 | 网络服务推荐方法和装置 |
-
2016
- 2016-08-17 CN CN201610683221.2A patent/CN106294830A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104104999A (zh) * | 2013-04-10 | 2014-10-15 | 华为技术有限公司 | 音视频信息推荐方法及设备 |
CN105100165A (zh) * | 2014-05-20 | 2015-11-25 | 深圳市腾讯计算机系统有限公司 | 网络服务推荐方法和装置 |
CN104035982A (zh) * | 2014-05-28 | 2014-09-10 | 小米科技有限责任公司 | 多媒体资源推荐方法及装置 |
CN104216960A (zh) * | 2014-08-21 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107688587A (zh) * | 2017-02-15 | 2018-02-13 | 腾讯科技(深圳)有限公司 | 一种媒体信息展示方法及装置 |
CN108460060A (zh) * | 2017-02-22 | 2018-08-28 | 合网络技术(北京)有限公司 | 视频推荐方法及装置 |
US11042582B2 (en) | 2017-03-02 | 2021-06-22 | Alibaba Group Holding Limited | Method and device for categorizing multimedia resources |
CN106951137A (zh) * | 2017-03-02 | 2017-07-14 | 合网络技术(北京)有限公司 | 多媒体资源的分类方法及装置 |
WO2018205642A1 (zh) * | 2017-05-12 | 2018-11-15 | 广州优视网络科技有限公司 | 视频收益计算建模装置、方法和视频推荐装置、方法和服务器及存储介质 |
CN107341172A (zh) * | 2017-05-12 | 2017-11-10 | 广州优视网络科技有限公司 | 视频收益计算建模装置与方法及视频推荐装置与方法 |
CN107341172B (zh) * | 2017-05-12 | 2020-06-19 | 阿里巴巴(中国)有限公司 | 视频收益计算建模装置与方法及视频推荐装置与方法 |
WO2019024670A1 (zh) * | 2017-08-03 | 2019-02-07 | 优酷信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
CN109388739A (zh) * | 2017-08-03 | 2019-02-26 | 合信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
CN107688637A (zh) * | 2017-08-23 | 2018-02-13 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、存储介质及电子终端 |
CN107506456A (zh) * | 2017-08-29 | 2017-12-22 | 环球智达科技(北京)有限公司 | 一种基于影片剧情信息的相似度计算方法 |
CN108804506A (zh) * | 2018-04-13 | 2018-11-13 | 北京猫眼文化传媒有限公司 | 一种信息的推荐方法、装置和电子设备 |
CN108595660A (zh) * | 2018-04-28 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 多媒体资源的标签信息生成方法、装置、存储介质及设备 |
CN108845749B (zh) * | 2018-06-01 | 2021-03-09 | 阿里巴巴(中国)有限公司 | 页面展示方法及装置 |
CN108845749A (zh) * | 2018-06-01 | 2018-11-20 | 优酷网络技术(北京)有限公司 | 页面展示方法及装置 |
CN111191142B (zh) * | 2018-11-14 | 2023-03-14 | 腾讯科技(深圳)有限公司 | 一种电子资源推荐方法、装置和可读介质 |
CN111191142A (zh) * | 2018-11-14 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 一种电子资源推荐方法、装置和可读介质 |
CN109729395A (zh) * | 2018-12-14 | 2019-05-07 | 广州市百果园信息技术有限公司 | 视频质量评估方法、装置、存储介质和计算机设备 |
CN109729395B (zh) * | 2018-12-14 | 2022-02-08 | 广州市百果园信息技术有限公司 | 视频质量评估方法、装置、存储介质和计算机设备 |
CN111666485A (zh) * | 2019-03-07 | 2020-09-15 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法、装置及终端 |
CN111666485B (zh) * | 2019-03-07 | 2024-01-09 | 深圳市雅阅科技有限公司 | 一种信息推荐方法、装置及终端 |
CN110113673A (zh) * | 2019-04-30 | 2019-08-09 | 北京奇艺世纪科技有限公司 | 一种弹幕显示方法、装置及电子设备 |
CN111125544A (zh) * | 2019-12-20 | 2020-05-08 | 腾讯数码(天津)有限公司 | 用户推荐方法及装置 |
CN112188295A (zh) * | 2020-09-29 | 2021-01-05 | 有半岛(北京)信息科技有限公司 | 一种视频推荐方法及装置 |
CN113327132A (zh) * | 2021-06-10 | 2021-08-31 | 深圳市移卡科技有限公司 | 多媒体推荐方法、装置、设备及存储介质 |
CN113486251A (zh) * | 2021-07-29 | 2021-10-08 | 北京字节跳动网络技术有限公司 | 一种信息展示的方法、装置以及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106294830A (zh) | 多媒体资源的推荐方法及装置 | |
CN110941740B (zh) | 视频推荐方法及计算机可读存储介质 | |
US11386137B2 (en) | Dynamic feedback in a recommendation system | |
CN103823908B (zh) | 基于用户偏好的内容推荐方法和服务器 | |
US9681168B2 (en) | Recommending a composite channel | |
CN109408665A (zh) | 一种信息推荐方法及装置、存储介质 | |
CN103678518B (zh) | 一种推荐列表调整方法和装置 | |
US20160335674A1 (en) | Item classification method and selection system for electronic solicitation | |
CN105975641A (zh) | 视频推荐方法及装置 | |
CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
CN109511015B (zh) | 多媒体资源推荐方法、装置、存储介质及设备 | |
CN106204063A (zh) | 一种付费用户挖掘方法及装置 | |
CN107832437A (zh) | 音/视频推送方法、装置、设备及存储介质 | |
CN109783539A (zh) | 用户挖掘及其模型构建方法、装置及计算机设备 | |
CN102750320B (zh) | 一种网络视频实时关注度的计算方法、装置和系统 | |
CN107341272A (zh) | 一种推送方法、装置和电子设备 | |
CN105993028A (zh) | 用于内容推荐的方法、设备、以及系统 | |
CN108260008A (zh) | 一种视频推荐方法、装置及电子设备 | |
CN108307239A (zh) | 一种视频内容推荐方法和装置 | |
CN106354867A (zh) | 多媒体资源的推荐方法及装置 | |
US10136189B2 (en) | Method and system for re-aggregation and optimization of media | |
CN110781377B (zh) | 一种文章推荐方法、装置 | |
CN111222931A (zh) | 一种产品推荐方法及系统 | |
US20130332386A1 (en) | Content management | |
CN106156351A (zh) | 多媒体资源推荐信息生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |
|
RJ01 | Rejection of invention patent application after publication |