CN106528813B - 一种多媒体推荐方法和装置 - Google Patents
一种多媒体推荐方法和装置 Download PDFInfo
- Publication number
- CN106528813B CN106528813B CN201611019026.6A CN201611019026A CN106528813B CN 106528813 B CN106528813 B CN 106528813B CN 201611019026 A CN201611019026 A CN 201611019026A CN 106528813 B CN106528813 B CN 106528813B
- Authority
- CN
- China
- Prior art keywords
- multimedia
- score
- credit
- credit score
- historical
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012163 sequencing technique Methods 0.000 claims description 42
- 238000013507 mapping Methods 0.000 claims description 29
- 238000011835 investigation Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 65
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000009877 rendering Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种多媒体推荐方法和装置，本申请的方案在确定出可供推荐或待发布的多个多媒体资源之后，会获取多媒体资源相关的用户的信用评分，并根据多媒体资源相关的用户的信用评分，确定该多媒体资源的排序顺序，基于多媒体资源的排序顺序，向终端进行多媒体资源的推荐。本申请的方案可以提高多媒体资源的点击率，促进多媒体资源的快速传播。
Description
技术领域
本申请涉及网络通信技术领域，尤其涉及一种多媒体推荐方法和装置。
背景技术
随着网络技术的不断发展，网络平台所能提供的多媒体资源的数量逐渐增加。用户可以利用手机、电脑等终端访问网络平台，以观看网络平台上所存在的多媒体资源。
随着社会的不断发展，用户对于热门、趣味性较高等高质量的多媒体资源的需求越来越强烈，然而网络平台中的多媒体资源的差异性较大，用户如可能需要大量的搜索，才可以定位到高质量的多媒体资源，耗时较长；同时，如果为用户展现出的多媒体资源不符合用户观看需求，也会影响到多媒体资源的传播，造成了多媒体资源的浪费。因此，如何更为合理的为用户提供多媒体资源，促进多媒体资源的传播是本领域技术人员迫切需要解决的技术问题。
发明内容
有鉴于此，本申请提供了一种多媒体推荐方法和装置，以提高多媒体资源的点击率，促进多媒体资源的传播。
为实现上述目的，一方面，本申请提供了一种多媒体推荐方法，包括：
接收终端发送的页面展现请求，所述页面展现请求用于请求多媒体展现页面；
确定可供推荐的多个多媒体资源；
对于每一个所述多媒体资源，获取基于所述多媒体资源的历史访问用户的信用评分、所述历史访问用户的数量以及预设评分规则，确定出的所述多媒体资源的质量评分，其中，所述预设评分规则为多媒体资源的历史访问用户的数量越多，且历史访问用户的信用评分越高，多媒体资源的质量评分越高；
按照所述多媒体资源的质量评分从高到低的顺序，对所述多个多媒体资源进行排序；
向所述终端反馈多媒体展现页面，并在所述多媒体展现页面中按照所述多个多媒体资源的排序顺序推荐多媒体资源。
另一方面，本申请实施例还提供了一种多媒体推荐方法，应用于媒体服务平台中的服务器，包括：
获取待发布的多个多媒体资源，以及每个所述多媒体资源的发布者的标识；
对于每个所述多媒体资源，根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分；
按照多媒体资源的发布者的信用评分从高到低的顺序，对所述多个多媒体资源进行排序；
将所述多个多媒体资源的排序顺序，确定为向终端推荐所述多个多媒体资源的推荐顺序。
另一方面，本申请实施例还提供了一种多媒体推荐装置，包括：
请求接收单元，用于接收终端发送的页面展现请求，所述页面展现请求用于请求多媒体展现页面；确定可供推荐的多个多媒体资源；
质量确定单元，用于对于每一个所述多媒体资源，获取基于所述多媒体资源的历史访问用户的信用评分、所述历史访问用户的数量以及预设评分规则，确定出的所述多媒体资源的质量评分，其中，所述预设评分规则为多媒体资源的历史访问用户的数量越多，且历史访问用户的信用评分越高，多媒体资源的质量评分越高；
资源排序单元，用于按照所述多媒体资源的质量评分从高到低的顺序，对所述多个多媒体资源进行排序；
资源展现单元，用于向所述终端反馈多媒体展现页面，并在所述多媒体展现页面中按照所述多个多媒体资源的排序顺序推荐多媒体资源。
另一方面，本申请实施例还提供了另一种多媒体推荐装置，应用于媒体服务平台中的服务器，包括：
信息获取单元，用于获取待发布的多个多媒体资源，以及每个所述多媒体资源的发布者的标识；
信用确定单元，用于对于每个所述多媒体资源，根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分；
资源排序单元，用于按照多媒体资源的发布者的信用评分从高到低的顺序，对所述多个多媒体资源进行排序；
推荐处理单元，用于将所述多个多媒体资源的排序顺序，确定为向终端推荐所述多个多媒体资源的推荐顺序。
由以上内容可知，在本申请实施例中，服务器在确定出可供推荐或待发布的多个多媒体资源之后，可以获取该多媒体资源相关的用户的信用评分，并依据多媒体资源相关的用户的信用评分，确定该多个多媒体资源进行排序，由于多媒体资源相关的用户的信用评分可以反映出该多媒体资源的质量，这样，基于多媒体资源相关的用户的信用评分对多个多媒体资源进行排序，可以将质量较高的多媒体资源的排序更为靠前，这样，排序靠前的多媒体资源可以优先推荐给终端，从而使得终端的用户可以优先看到质量较高的多媒体资源，从而无需耗费大量的时间进行多媒体资源的查找，有利于用户快速便捷的访问多媒体资源，也提高用户对多媒体资源的点击率，促进了多媒体资源的传播。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开一种多媒体推荐系统一种可能的组成结构示意图；
图2为本申请一种多媒体推荐方法一个实施例的流程示意图；
图3为本申请一种多媒体推荐方法又一个实施例的流程示意图；
图4为本申请一种训练信用评分模型的训练流程示意图；
图5为本申请另一种多媒体推荐方法一个流程示意图；
图6示出了本申请一种多媒体推荐装置一个实施例的组成结构示意图；
图7示出了本申请另一种多媒体推荐装置一个实施例的组成结构示意图；
图8示出了本申请一种服务器的组成结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例的多媒体推荐方法可以应用于音频、视频等多媒体资源的推荐。
如图1，其示出了本申请一种多媒体推荐系统的组成结构示意图，该系统可以包括：媒体服务平台10和至少一台终端11。
其中，该媒体服务平台可以包括至少一台服务器101以及至少一台数据库102，服务器101可以通过网络与数据库102相连。
可选的，为了提高多媒体展现请求以及多媒体推荐的处理效率，媒体服务平台可以包括由多台服务器101组成的服务器集群。
在本申请实施例中，服务器101，用于处理客户端的多媒体展现请求，如处理用于请求包含多媒体的展现页面的页面展现请求；处理终端发起的多媒体资源的播放请求、终端的用户向媒体服务平台上传多媒体资源或者下载多媒体资源的请求等等。
可选的，在本申请实施例中，服务器101，还用于采集终端用户访问媒体服务平台的行为数据，并将采集到的行为数据作为该终端用户的历史行为数据存储到该服务器的指定存储区，或者将历史行为数据存储到该数据库中。
该数据库102可以存储服务器采集到的媒体服务平台中各个用户的历史行为数据，还可以存储媒体服务平台中的多媒体资源等等。
在本申请实施例中，该终端11可以为播放器所在的客户端；也可以是浏览器所在的客户端；还可以是其他能够媒体服务平台中的服务器的客户端，如该客户端可以为向媒体服务平台上传多媒体资源的客户端。具体的，该终端可以为手机、平板电脑、台式电脑等等。
可选的，在申请实施例中，终端11用于向服务器发送页面展现请求，该页面展现请求用于请求多媒体展现页面，以在多媒体展现页面中呈现出可供用户选择播放的多个多媒体资源。如，在该多媒体展现界面中可以包含多媒体的推荐列表，以便终端的用户从推荐列表中选择所需播放的多媒体。
相应的，该服务器101，用于响应于该页面展现请求，确定可供推荐的至少一个多媒体资源；对于每一个多媒体资源，获取基于该多媒体资源的历史访问用户的信用评分、该历史访问用户的数量以及预设评分规则，确定出的该多媒体资源的质量评分；按照该多媒体资源的质量评分从高到低的顺序，对该多个多媒体资源进行排序；向终端反馈多媒体展现页面，并在多媒体展现页面中按照多个多媒体资源的排序顺序推荐多媒体资源；其中，该预设评分规则为多媒体资源的历史访问用户的数量越多，且历史访问用户的信用评分越高，多媒体资源的质量评分越高；
由于服务器在接收到终端发送的页面展现请求之后，会获取多媒体资源的质量评分，由于访问该多媒体资源的历史访问用户的数量越多，历史访问用户的信用评分越高，该多媒体资源的质量评分越高，这样，按照多媒体资源的质量评分从高到低的顺序进行排序后，可以使得适合大众且质量较高的多媒体资源的排序更为靠前，这样，在向终端反馈多媒体展现页面之后，在该多媒体展现页面中按照多个多媒体资源的排序顺序推荐多媒体资源，可以使得质量较高的多媒体资源被优先推荐，有利于终端的用户快速发现高质量的多媒体资源，从而有利于用户快速便捷的访问多媒体资源，也提高了用户访问多媒体资源的积极性，进而提高了多媒体资源的点击率，促进了多媒体资源的快速传播。
可选的，媒体服务器可以按照各个多媒体资源对应的排序顺序生成推荐列表，其中，排序顺序越靠前的多媒体资源在推荐列表中的顺序也越靠前。
结合以上共性，参见图2，其示出了一种多媒体推荐方法一个实施例的流程示意图，本实施例的方法可以包括：
S201，终端向媒体服务平台中的服务器发送页面展现请求。
其中，该页面展现请求用于请求多媒体展现页面。
如，以终端为播放器所在的客户端为例，用户在终端打开播放器时，终端会向播放器对应的服务器发送页面展现请求，也请求展现出包含多个视频资源的展现页面。
又如，终端为浏览器所在的客户端时，用户希望通过浏览器展现可播放的视频等多媒体资源时，则该浏览器所在的终端会向服务器请求多媒体展现页面。
S202，服务器确定可供推荐的多个多媒体资源。
其中，服务器可以将媒体服务平台中的所有多媒体资源均作为可供推荐的多媒体资源。根据实际需要的不同，服务器还可以将部分多媒体资源确定为可推荐给终端的多媒体资源。如，服务器可以根据终端所处的地理位置、终端的访问权限等，来确定可以推荐给终端的多媒体资源。
S203，对于每一个多媒体资源，服务器确定访问该多媒体资源的历史用户集合。
其中，历史访问用户集合中包括至少一个历史访问用户。历史访问用户是指接收到该页面展现请求之前，访问过该多媒体资源的用户。
可选的，为了能根据多媒体资源的历史访问用户，更为准确的确定出多媒体资源的质量评分，访问该多媒体资源的历史访问用户可以为访问该多媒体资源的时长达到预设时长的用户，其中，该预设时长可以根据实际需要并集合该多媒体资源对应的最大播放时长确定。例如，以多媒体资源为视频为例，某个视频的历史访问用户为观看该视频的时长到达预设时长的用户。
进一步的，该多媒体资源的历史访问用户可以为完整浏览该多媒体资源的用户，例如，仍以视频为例，视频的历史访问用户为完整观看该视频的用户。
S204，服务器分别获取历史用户集合中每个历史访问用户的信用评分。
其中，历史访问用户的信用评分可以是该历史访问用户在该媒体服务平台中的信用评分。
历史访问用户的信用评分可以根据该历史访问用户在该媒体服务平台中的历史行为数据确定。可选的，该历史访问用户的信用评分为基于历史访问用户的历史行为数据，并利用预先训练得到的历史行为数据与信用评分之间的映射关系，确定出的评分。具体的，可以基于历史行为数据，并利用反映该历史行为数据与信用评分之间映射关系的信用评分模型，来计算历史访问用户的信用评分。
可选的，反映历史行为数据与信用评分之间映射关系的评分模型的一种训练过程可以为：首先，确定媒体服务平台中的多个样本用户的历史行为数据以及第三方征信评分；然后，将样本用户的第三方征信评分作为样本用户的信用评分，根据该多个样本用户的该第三方征信评分以及历史行为数据进行回归分析，以确定出反映历史行为数据与信用评分之间映射关系的信用评分模型。
当然，该历史访问用户的信用评分也可以是根据用户在该媒体服务平台中的历史行为数据以及第三方征信数据共同确定的。
需要说明的是，历史访问用户的信用评分可以预先计算并存储在服务器或者数据库中；也可以是服务器在确定出历史用户集合之后，依次获取每个历史访问用户的历史行为数据，并根据历史访问用户的历史行为数据以及该信用评分模型，实时计算出该历史访问用户的信用评分。
S205，对于每一个多媒体资源，服务器根据多媒体资源对应的历史用户集合中历史访问用户的数量以及每个历史访问用户的信用评分，并利用符合预设评分规则的质量评分模型，确定出该多媒体资源的质量评分。
其中，该质量评分模型可以根据该评分规则，预先构建出的计算模型。
可选的，该预设评分规则可以为多媒体资源的历史访问用户的数量越多，且历史访问用户的信用评分越高，多媒体资源的质量评分越高。
为了满足如上预设评分规则，质量评分模型中可以分别设置有历史访问用户的数量对应的第一权重，以及该历史访问用户的信用评分对应的第二权重，并综合确定出该历史访问用户的质量评分。
当然，除了设置数量以及信用评分的权重之外，该质量评分模型还可以有实现确定多媒体资源的质量评分的可能，如该质量评分模型可以为计算该多媒体资源对应的所有历史访问用户的信用评分的总和，并将信用评分的总和确定为该多媒体资源的质量评分。
在本实施例中，对于一个多媒体资源，是以该多媒体资源的历史访问用户的数量以及每个历史访问用户的信用评分，来确定该多媒体资源的质量评分为例进行说明。但是可以理解的是，在实际应用中，该预设评分规则还可以有其他可能。如：预设的评分规则还可以为：多媒体资源的历史访问用户的信用评分越高，该多媒体资源的质量评分越高。在该种情况下，该多媒体资源的质量分数可能会与该多媒体资源的历史访问用户的数量没有关系。例如，多媒体的质量评分为该多媒体资源对应的所有历史访问用户的信用评分的平均值。
需要说明的是，在图2的实施例中，步骤S203至步骤S205是以确定出可供推荐的多媒体资源之后，对于每一个多媒体资源，实时确定访问该多媒体资源的历史访问用户，并基于历史访问用户的数量以及信用评分，来实时确定该多媒体资源的信用评分为例来进行说明。但是可以理解的是，在实际应用中，每个多媒体资源的质量评分也可以是预先计算出并存储在服务器或数据库中的，在该种情况下，服务器可以直接从存储的质量评分集合中，查询出每个多媒体资源对应的质量评分。其中。预先计算多媒体资源的质量评分同样可以是依据访问多媒体资源的历史访问用户的数量以及每个历史访问用户的信用评分，并利用符合预设评分规则的质量评分模型来确定的，在此不再赘述。
S206，服务器按照多媒体资源的质量评分从高到低的顺序，对该多个多媒体资源进行排序。
其中，对该多个多媒体资源进行排序是为了得到对该多个多媒体资源进行推荐的推荐顺序。
S207，服务器向终端反馈多媒体展现页面，并在所述多媒体展现页面中按照该多个多媒体资源的排序顺序推荐多媒体资源。
经过该步骤S206的排序，多媒体资源的质量评分越高，该多媒体资源的排序也就越靠前，而多媒体资源的排序顺序实际上就是推荐多媒体资源的推荐顺序，相应的，在服务器向终端反馈的多媒体展现页面中，排序越靠前的多媒体资源会优先被推荐，从而被用户选择播放的几率也就越高。
在实际应用中，除了多媒体资源的质量评分会影响到用户对该多媒体资源的需求之外，由于不同用户的兴趣爱好也存在差异，而不同用户的兴趣爱好可以通过用户在该媒体服务平台中的信用评分来确定，而研究发现，信用评分处于不同分数段的用户的兴趣爱好的差距较大，而信用评分处于想要通过分数段的用户的兴趣爱好的差距较小，因此，为了能够更合理的向用户进行视频推荐，可以针对基于不同用户的信用评分以及多媒体资源的质量评分，进行视频资源的推荐。如，参见图3，其示出本申请一种多媒体推荐方法又一个实施例的流程示意图，本实施例的方法可以包括：
S301，终端向媒体服务平台中的服务器发送页面展现请求。
其中，该页面展现请求用于请求多媒体展现页面。
该页面展现请求中携带有通过该终端登录服务器的目标用户的标识。如，该目标用户的标识可以为登录服务器的该目标用户的账号、用户名等等。
S302，服务器根据该目标用户的标识，获取该目标用户的信用评分。
其中，获取该目标用户的信用评分的过程可以图2实施例中获取历史访问用户的信用评分的过程相似，如，可以从预先存储的信用评分中查询出该目标用户的信用评分；也可以是基于实时查询该目标用户的历史行为数据，并利用反映历史行为数据与信用评分之间映射关系的信用评分模型，确定该目标用户的信用评分。具体可以参见前面实施例的相关介绍，在此不再赘述。
S303，服务器确定可供推荐的多个多媒体资源。
S304，对于每一个多媒体资源，服务器分别获取该多媒体资源的质量评分。
其中，该步骤S303和步骤S304可以参见前面实施例的相关介绍，在此不再赘述。
S305，对于任意一个多媒体资源，服务器确定目标用户的信用评分与该多媒体资源的质量评分的差值。
S306，服务器按照差值的绝对值从小到大的顺序，对该多个多媒体资源进行排序。
可以理解的是，用户的信用评分可以反映出用户的兴趣喜好，而多媒体资源的质量评分也是根据访问过该多媒体资源的历史访问用户的信用评分来确定的，这样，多媒体资源的质量评分不仅可以反映出多媒体资源的质量优劣，还可以反映出喜好该多媒体资源的群体的兴趣状态，这样，目标用户的信用评分与该多媒体资源的差值也就反映出目标用户对于该多媒体资源的喜好程度。
由于目标用户的信用评分与多媒体资源的质量评分的差值可能会是负数，而如果两个多媒体资源的质量评分与该目标用户的信用评分是差值的绝对值相同，那么说明该目标用户对于这两个多媒体资源的感兴趣程度是一样的，因此，在该步骤S306中需要按照差值的绝对值，对该多个多媒体资源进行排序。
其中，多媒体资源的质量评分与该目标用户的信用评分的差值的绝对值越小，该目标用户对该多媒体资源的感兴趣程度越高。
S307，服务器在对多媒体资源进行排序的过程中，对于差值的绝对值相同的至少两个多媒体资源，按照多媒体资源的质量评分从高到低的顺序，对该至少两个多媒体资源进行排序。
如果两个或多个多媒体资源对应的差值的绝对值相同，为了能够向目标用户推荐高质量的多媒体资源，可以再按照该多媒体资源的质量评分从高到低的顺序，对该两个或多个多媒体资源进行排序，以符合目标用户的兴趣喜好的前提下，为目标用户提供高质量的多媒体资源。
S308，服务器向终端反馈多媒体展现页面，并在所述多媒体展现页面中按照该多个多媒体资源的排序顺序推荐多媒体资源。
在本申请以上实施例中，用户的历史行为数据可以为用户在历史访问媒体服务平台的过程中的所产生的数据。该历史访问行为数据可以包括：用户所访问的多媒体资源、用户所访问的多媒体资源的资源类型和内容类别，访问多媒体资源的时长等等。
可选的，用户的历史行为数据可以为用户访问不同媒体类别的多媒体资源的历史行为数据。
如，根据发行渠道以及多媒体资源所包含的内容不同，多媒体资源的媒体类别可以分为：综艺、动漫、时政、音乐、搞笑、纪录片、网络电影、体育、时尚、科技、财经、直播、教育、房产、母婴、旅游、动作类电影、冒险类电影、爱情类电影等等多种媒体类别。这样，针对每一种媒体类别，可以分别存储用户访问该媒体类别下的多媒体资源的历史行为数据。
相应的，本申请实施例中用户访问某一种媒体类别的多媒体资源的行为数据也可以有多种，如，针对该媒体类别的多媒体资源的访问次数(View Times)、访问停留时长(View Duration)、播放开始(Session Starts)、播放时长(Session Duration)、播放结束(Session Ends)、上传的多媒体资源的点击率(Upload Click)、多媒体资源的上传频率(Upload Frequency)等等。其中，访问停留时长可以理解为访问该多媒体资源的总时长，其中包括暂定时间以及未播放多媒体资源的时长；播放开始可以理解为开始播放多媒体资源的时间；相应的，播放时长可以理解为播放该多媒体资源的总时长(不包括暂定时间)；播放结束可以理解为播放结束时间。
通过以上的历史行为数据可以反映出用户的兴趣爱好。
进一步的，通过研究发现：征信平台评出的用户的征信分同样可以很客观的反映出用户的兴趣爱好，一般情况下，征信分处于不同分数段的用户群体的兴趣爱好差异性很大，而征信分处于相同分数段内的用户群体的兴趣爱好则较为相近。如，高征信分的用户群体明显在财经、时政、艺术等类型内容点击率偏高，低征信分的用户群体对搞笑、段子等类型内容的点击率偏高。因此，本申请实施例可以预先确定出样本用户，并获取该样本属于在第三方平台中的征信分，然后基于样本用户的征信分和历史行为数据，训练反映历史用户行为数据与用户在该媒体服务平台中的信用评分之间映射关系的信用评分模型。
为了便于理解，下面对利用样本用户的历史行为数据以及样本用户的第三方征信分，训练用于计算用户的信用评分的信用评分模型的一种实现方式进行介绍。如，参见图4，其示出了本申请一种训练信用评分模型的一个流程示意图，本实施的方法可以应用于服务器，可以包括：
S401，从媒体服务平台中选取样本用户，并分别获取每个样本用户在不同媒体类别的多媒体资源中的访问行为的行为观测值xi,j。
其中，该行为观测值就可以理解为用户访问该多媒体资源的历史行为数据的数据值。
如，就可以利用变量xi,j表示用户在某一类多媒体资源中的行为观测值。其中，i表示用户访问的多媒体资源的媒体类别，i∈(1,2,3,…,n)，n为用户的访问行为的行为类型的上限值，如，用户的访问行为包括前面提到的访问次数(View Times)、访问停留时长(View Duration)、播放开始等等。其中，媒体类别可以参见前面实施例的相关介绍。j表示用户的行为类型，如，j∈("ViewTime","ViewDuration","UploadFre","UploadClick",...)。
S402，利用样本用户针对不同媒体类别的行为观测值xi,j，构建该样本用户的历史行为数据对应的矩阵X。
其中，矩阵X可以表示为：
其中，m为媒体类别的最大值。如，媒体类别有5类，则m等于5。
S403，将矩阵X转换为适合进行回归估计的矩阵X'。
其中，
S404，分别获取每个样本用户在第三方征信机构的征信评分Y。
其中，Y＝(y1,y2,…,yn)T，其中yi表示用户i在第三方征信机构的征信评分。
S405，基于所有样本用户各自对应的矩阵X'，并通过线性回归，求取X'到Y的映射关系β以及映射误差向量ε，得到用于计算媒体服务平台中用户的信用评分的计算公式。
如，回归公式可以记做：
Y＝X'β+ε (公式一)；
其中，β为映射权重矩阵，可以用以下矩阵表示：
β＝(β11…β1m β21…β2m β31…βm1…βmn)；
这样，利用样本数据生成β和ε的估计量和
将估计量和代入到回归公式，得到用户在媒体服务平台中信用评分的计算公式：
在得到公式二之后，如果需要计算某个用户在媒体服务平台中的信用评分，则可以先获取该用户的历史行为数据，然后生成表示该用户的历史行为数据的矩阵X，将该矩阵X输入到公式二，便可以得到该用户的信用评分。
另一方面，在图1所示的转账处理系统的基础上，本申请实施例还提供了又一种多媒体推荐方法，该多媒体推荐方法适用于向终端推荐最新发布的多媒体资源。
如，参见图5，其示出了本申请又一种多媒体推荐方法一个实施例的流程示意图，本实施例的方法可以应用于服务器。本实施例的方法可以包括：
S501，获取待发布的多个多媒体资源，以及每个多媒体资源的发布者的标识。
在终端向服务器上传了需要发布的多媒体资源之后，服务器需要对待发布的多媒体资源进行审核，并在审核之后进行发布。如，服务器可以每隔预定时长，确定一次需要发布的多媒体资源，终端在该预定时长内上传到服务器的多媒体资源便属于待发布的多媒体资源。
其中，该发布者的标识可以为该发布者在该媒体服务平台中的账号、用户名等等。
S502，对于每个多媒体资源，根据该多媒体资源的发布者的标识，获取该发布者在媒体服务平台中的历史行为数据。
其中，获取该发布者的历史行为数据的过程可以参见前面多媒体推荐方法中所提到了获取用户的历史行为数据的相关介绍，在此不在赘述。
S503，依据该发布者的历史行为数据，并利用反映该历史行为数据与信用评分之间映射关系的信用评分模型，确定该发布者的信用评分。
其中，基于信用评分模型来确定该发布者的信用评分是一种优选实施方式，在实际应用中，也可以预置历史行为数据与信用评分之间的映射关系，并根据发布者的历史行为数据以及该映射关系，确定该发布者的信用评分。
具体确定发布者的信用评分与前面实施例中提到的确定历史访问用户或者目标用户的信用评分的过程相似，在此不在赘述。
可选的，该信用评分模型的训练过程同样可以是：先获取作为训练样本的多个用户的第三方征信评分以及历史行为数据；然后，依据所述多个用户的第三方征信评分以及历史行为数据，以及预置的回归模型进行回归分析，得到该评分模型。具体过程同样可以前面实施例中关于训练信用评分模型的相关介绍，在此不在赘述。
可以理解的是，图5是以服务器在得到该发布者的标识之后，实时获取发布者的历史行为数据，并基于历史行为数据确定该发布者的信用评分为例进行介绍。但是在实际应用中，也可以预先计算并存储不同用户的信用评分，服务器在得到该发布者的标识之后，可以直接从存储的不同用户的信用评分中，查询出该发布者的信用评分。
S504，按照多媒体资源的发布者的信用评分从高到低的顺序，对该多个多媒体资源进行排序。
其中，发布者的信用评分越高，该多媒体资源的排序越靠前。
由于同一时期需要发布的多媒体资源的数量较多，而由前面的研究以及分析可知，发布者的信用评分越高，该发布者所感兴趣的多媒体资源的内容也更为丰富，质量更高，由此可知，发布者的信用评分越高，该发布者所发布的多媒体资源的质量也相对更高。因此，为了使得高质量的多媒体资源能够被优先推荐，可以基于发布者的信用评分从高到底的顺序，对待发布的多个多媒体资源进行排序。
可选的，对于每个多媒体资源，在确定出该多媒体资源的发布者的信用评分之后，还可以按照多媒体资源的发布者的信用评分与多媒体资源的质量评分之间的映射关系，确定该多媒体资源的质量评分；其中，该映射关系中，该发布者的信用评分越高，该多媒体资源的质量评分也越高。相应的，可以按照多媒体资源的质量评分从高到低的顺序，对该多个多媒体资源进行排序。
其中，多媒体资源的发布者的信用评分与多媒体资源的质量评分之间的映射关系可以有多种可能，如，发布者的信用评分可以直接认为是多媒体资源的质量评分；又如，该发布者的信用评分可以与该多媒体资源的质量评分之间满足线性相关。
当然，该映射关系还可以有其他可能，在此不加以限制。
S505，将该多个多媒体资源的排序顺序，确定为向终端推荐所述多个多媒体资源的推荐顺序。
在本实施例中，在确定出该多个多媒体资源的排序顺序后，可以将该多个多媒体资源的排序顺序确定为向终端推荐新发布的多媒体资源的推荐顺序。
如，可以按照该多个多媒体资源的推荐顺序，向当前已登录的终端推送该多媒体资源；或者是，在接收到终端的页面展现请求时，基于待发布的该多个多媒体资源的推荐顺序，向终端返回多媒体展现页面，以在该多媒体展现页面中按照该推荐顺序推荐需要发布该多个多媒体资源。
可见，在本实施例中，在确定出待发布的多个多媒体资源以及该每个多媒体资源对应的发布者的标识之后，可以获取该发布者的信用评分，由于多媒体资源的发布者的信用评分可以反映出该多媒体资源的质量高低，因此，基于该发布者的信用评分从高到低的顺序，对该多个多媒体资源进行排序之后，高质量的多媒体资源的排序会更为靠前，这样，将该多媒体资源的排序顺序作为向终端推荐多媒体资源的推荐顺序，有利于将发布者发布的高质量的多媒体资源优选推荐给终端，从而提高终端的用户定位高质量的多媒体资源的效率，也有利于提高用户访问多媒体资源的积极性，进而提高了多媒体资源的点击率，促进了多媒体资源的快速传播。
下面对本申请的一种多媒体推荐装置进行介绍。
参见图6，其示出了本申请一种多媒体推荐装置一个实施例的组成结构示意图，本实施例的装置可以包括：
请求接收单元601，用于接收终端发送的页面展现请求，所述页面展现请求用于请求多媒体展现页面；确定可供推荐的多个多媒体资源；
质量确定单元602，用于对于每一个所述多媒体资源，获取基于所述多媒体资源的历史访问用户的信用评分、所述历史访问用户的数量以及预设评分规则，确定出的所述多媒体资源的质量评分，其中，所述预设评分规则为多媒体资源的历史访问用户的数量越多，且历史访问用户的信用评分越高，多媒体资源的质量评分越高；
资源排序单元603，用于按照所述多媒体资源的质量评分从高到低的顺序，对所述多个多媒体资源进行排序；
资源展现单元604，用于向所述终端反馈多媒体展现页面，并在所述多媒体展现页面中按照所述多个多媒体资源的排序顺序推荐多媒体资源。
可选的，所述质量确定单元，包括：
用户确定单元，用于确定访问所述多媒体资源的历史用户集合，所述历史访问集合包括至少一个历史访问用户；
信用确定单元，用于分别获取每个所述历史访问用户的信用评分；
质量评分单元，用于根据所述历史用户集合中历史访问用户的数量以及每个历史访问用户的信用评分，并利用符合预设评分规则的质量评分模型，确定出所述多媒体资源的质量评分。
可选的，所述质量确定单元具体为，用于从存储的质量评分集合中，查询出所述多媒体资源的质量评分，其中，所述多媒体资源的质量评分为依据访问所述多媒体资源的历史访问用户的数量以及每个所述历史访问用户的信用评分，并利用符合预设评分规则的质量评分模型确定出的评分。
可选的，所述请求接收单元接收到的所述页面展现请求携带有通过所述终端登录服务器的目标用户的标识；
所述装置还包括：
信用评分单元，用于在所述资源排序单元对所述多个多媒体资源进行排序之前，根据所述目标用户的标识，获取所述目标用户的信用评分；
差值确定单元，用于对于任意一个多媒体资源，确定所述目标用户的信用评分与所述多媒体资源的质量评分的差值；
所述资源排序单元，包括：
第一排序单元，用于按照所述差值的绝对值从小到大的顺序，对所述多个多媒体资源进行排序；
第二排序单元，用于在所述第一排序单元的排序过程中，对于所述差值的绝对值相同的至少两个多媒体资源，按照多媒体资源的质量评分从高到低的顺序，对所述至少两个多媒体资源进行排序。
可选的，所述信用评分单元包括：
历史数据获取单元，用于根据所述目标用户的标识，查询所述目标用户的历史行为数据；
信用评分确定单元，用于基于所述目标用户的历史行为数据，并利用反映历史行为数据与信用评分之间映射关系的信用评分模型，确定所述目标用户的信用评分。
可选的，所述信用评分单元具体为，用于根据所述目标用户的标识，从存储的用户信用评分集合中，查询所述目标用户的信用评分。
另一方面，本申请实施例还提供了另一种多媒体推荐装置。
如参见图7，其示出了本申请又一种多媒体推荐装置的组成结构示意图，本实施例的装置可以应用于媒体服务平台中的服务器，该装置可以包括：
信息获取单元701，用于获取待发布的多个多媒体资源，以及每个所述多媒体资源的发布者的标识；
信用确定单元702，用于对于每个所述多媒体资源，根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分；
资源排序单元703，用于按照多媒体资源的发布者的信用评分从高到低的顺序，对所述多个多媒体资源进行排序；
推荐处理单元704，用于将所述多个多媒体资源的排序顺序，确定为向终端推荐所述多个多媒体资源的推荐顺序。
可选的，所述资源排序单元，包括：
质量评分单元，用于对于每个所述多媒体资源，按照所述多媒体资源的发布者的信用评分与多媒体资源的质量评分之间的映射关系，确定所述多媒体资源的质量评分；
排序子单元，用于按照多媒体资源的质量评分从高到低的顺序，对所述多个多媒体资源进行排序。
可选的，所述信用确定单元，包括：
数据获取单元，用于根据所述发布者的标识，获取所述发布者在所述媒体服务平台中的历史行为数据；
评分分析单元，用于基于所述发布者的历史行为数据，并利用反映所述历史行为数据与信用评分之间映射关系的信用评分模型，确定所述发布者的信用评分。
可选的，所述信用确定单元具体为，用于根据所述发布者的标识，从存储的用户信用评分集合中，查询所述发布者的信用评分，其中，所述发布者的信用评分为基于所述发布者的历史行为数据，并利用反映所述历史行为数据与信用评分之间映射关系的评分模型确定出的评分。
本发明实施例还提供了一种服务器，该服务器可以包括上述所述的任一种多媒体推荐装置。
图8示出了服务器的硬件结构框图，参照图8，服务器800可以包括：处理器801，通信接口802，存储器803和通信总线804；
其中处理器801、通信接口802、存储器803通过通信总线804完成相互间的通信；
可选的，通信接口802可以为通信模块的接口，如GSM模块的接口；
处理器801，用于执行程序；
存储器803，用于存放程序；
程序可以包括程序代码，所述程序代码包括计算机操作指令。
处理器801可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific 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803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。
其中，程序可具体用于：
接收终端发送的页面展现请求，所述页面展现请求用于请求多媒体展现页面；确定可供推荐的多个多媒体资源；
对于每一个所述多媒体资源，获取基于所述多媒体资源的历史访问用户的信用评分，确定出的所述多媒体资源的质量评分；
按照所述多媒体资源的质量评分从高到低的顺序，对所述多个多媒体资源进行排序；
向所述终端反馈多媒体展现页面，并在所述多媒体展现页面中按照所述多个多媒体的排序顺序推荐多媒体；
或者，
获取待发布的多个多媒体资源，以及每个所述多媒体资源的发布者的标识；
对于每个所述多媒体资源，根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分；
按照多媒体资源的发布者的信用评分从高到低的顺序，对所述多个多媒体资源进行排序；
将所述多个多媒体资源的排序顺序，确定为向终端推荐所述多个多媒体资源的推荐顺序。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (16)
1.一种多媒体推荐方法，其特征在于，包括：
接收终端发送的页面展现请求，所述页面展现请求用于请求多媒体展现页面，所述页面展现请求携带有通过所述终端登录服务器的目标用户的标识；确定可供推荐的多个多媒体资源；
对于每一个所述多媒体资源，获取基于所述多媒体资源的历史访问用户的信用评分、所述历史访问用户的数量以及预设评分规则，确定出的所述多媒体资源的质量评分，其中，所述预设评分规则为多媒体资源的历史访问用户的数量越多，且历史访问用户的信用评分越高，多媒体资源的质量评分越高；
根据所述目标用户的标识，获取所述目标用户的信用评分；
对于任意一个多媒体资源，确定所述目标用户的信用评分与所述多媒体资源的质量评分的差值；
按照所述差值的绝对值从小到大的顺序，对所述多个多媒体资源进行排序；
向所述终端反馈多媒体展现页面，并在所述多媒体展现页面中按照所述多个多媒体资源的排序顺序推荐多媒体资源。
2.根据权利要求1所述的多媒体推荐方法，其特征在于，所述获取基于所述多媒体资源的历史访问用户的信用评分、所述历史访问用户的数量以及预设评分规则，确定出的所述多媒体资源的质量评分，包括：
确定访问所述多媒体资源的历史用户集合，所述历史访问集合包括至少一个历史访问用户；
分别获取每个所述历史访问用户的信用评分；
根据所述历史用户集合中历史访问用户的数量以及每个历史访问用户的信用评分，并利用符合预设评分规则的质量评分模型，确定出所述多媒体资源的质量评分。
3.根据权利要求1所述的多媒体推荐方法，其特征在于，所述获取基于所述多媒体资源的历史访问用户的信用评分、所述历史访问用户的数量以及预设评分规则，确定出的所述多媒体资源的质量评分，包括：
从存储的质量评分集合中，查询出所述多媒体资源的质量评分，其中，所述多媒体资源的质量评分为依据访问所述多媒体资源的历史访问用户的数量以及每个所述历史访问用户的信用评分，并利用符合预设评分规则的质量评分模型确定出的评分。
4.根据权利要求1所述的多媒体推荐方法，其特征在于，
在排序过程中，对于所述差值的绝对值相同的至少两个多媒体资源，按照多媒体资源的质量评分从高到低的顺序，对所述至少两个多媒体资源进行排序。
5.根据权利要求1所述的多媒体推荐方法，其特征在于，所述根据所述目标用户的标识，获取所述目标用户的信用评分，包括：
根据所述目标用户的标识，查询所述目标用户的历史行为数据；
基于所述目标用户的历史行为数据，并利用反映历史行为数据与信用评分之间映射关系的信用评分模型，确定所述目标用户的信用评分。
6.根据权利要求5所述的多媒体推荐方法，其特征在于，所述反映所述历史行为数据与信用评分之间映射关系的评分模型通过如下方式训练得到：
获取作为训练样本的多个用户的第三方征信评分以及历史行为数据；
依据所述多个用户的第三方征信评分和历史行为数据，以及预置的回归模型进行回归分析，得到所述历史行为数据与信用评分之间映射关系的信用评分模型。
7.根据权利要求1所述的多媒体推荐方法，其特征在于，所述根据所述目标用户的标识，获取所述目标用户的信用评分，包括：
根据所述目标用户的标识，从存储的用户信用评分集合中，查询所述目标用户的信用评分。
8.一种多媒体推荐方法，应用于媒体服务平台中的服务器，其特征在于，包括：
获取待发布的多个多媒体资源，以及每个所述多媒体资源的发布者的标识与通过终端登录服务器的目标用户的标识；
对于每个所述多媒体资源，根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分；
依据登录服务器的终端的目标用户的标识，获取所述目标用户的信用评分；
对于任意一个多媒体资源，确定所述目标用户的信用评分与所述发布者的信用评分的差值；
按照所述差值的绝对值从小到大的顺序，对所述多个多媒体资源进行排序；
将所述多个多媒体资源的排序顺序，确定为向终端推荐所述多个多媒体资源的推荐顺序。
9.根据权利要求8所述的多媒体推荐方法，其特征在于，所述按照多媒体资源的发布者的信用评分从高到低的顺序，对所述多个多媒体资源进行排序，包括：
对于每个所述多媒体资源，按照所述多媒体资源的发布者的信用评分与多媒体资源的质量评分之间的映射关系，确定所述多媒体资源的质量评分；
按照多媒体资源的质量评分从高到低的顺序，对所述多个多媒体资源进行排序。
10.根据权利要求8所述的多媒体推荐方法，其特征在于，所述根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分，包括：
根据所述发布者的标识，获取所述发布者在所述媒体服务平台中的历史行为数据；
基于所述发布者的历史行为数据，并利用反映所述历史行为数据与信用评分之间映射关系的信用评分模型，确定所述发布者的信用评分。
11.根据权利要求10所述的多媒体推荐方法，其特征在于，所述反映所述历史行为数据与信用评分之间映射关系的评分模型通过如下方式训练得到：
获取作为训练样本的多个用户的第三方征信评分以及历史行为数据；
依据所述多个用户的第三方征信评分以及历史行为数据，以及预置的回归模型进行回归分析，得到所述历史行为数据与信用评分之间映射关系的评分模型。
12.根据权利要求8所述的多媒体推荐方法，其特征在于，所述根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分，包括：
根据所述发布者的标识，从存储的用户信用评分集合中，查询所述发布者的信用评分，其中，所述发布者的信用评分为基于所述发布者的历史行为数据，并利用反映所述历史行为数据与信用评分之间映射关系的评分模型确定出的评分。
13.一种多媒体推荐装置，其特征在于，包括：
请求接收单元，用于接收终端发送的页面展现请求，所述页面展现请求用于请求多媒体展现页面，所述页面展现请求携带有通过所述终端登录服务器的目标用户的标识；确定可供推荐的多个多媒体资源；
质量确定单元，用于对于每一个所述多媒体资源，获取基于所述多媒体资源的历史访问用户的信用评分、所述历史访问用户的数量以及预设评分规则，确定出的所述多媒体资源的质量评分，其中，所述预设评分规则为多媒体资源的历史访问用户的数量越多，且历史访问用户的信用评分越高，多媒体资源的质量评分越高；
信用评分单元，用于根据所述目标用户的标识，获取所述目标用户的信用评分；
差值确定单元，用于对于任意一个多媒体资源，确定所述目标用户的信用评分与所述多媒体资源的质量评分的差值；
第一排序单元，用于按照所述差值的绝对值从小到大的顺序，对所述多个多媒体资源进行排序；
资源展现单元，用于向所述终端反馈多媒体展现页面，并在所述多媒体展现页面中按照所述多个多媒体资源的排序顺序推荐多媒体资源。
14.根据权利要求13所述的多媒体推荐装置，其特征在于，所述质量确定单元，包括：
用户确定单元，用于确定访问所述多媒体资源的历史用户集合，所述历史访问集合包括至少一个历史访问用户；
信用确定单元，用于分别获取每个所述历史访问用户的信用评分；
质量评分单元，用于根据所述历史用户集合中历史访问用户的数量以及每个历史访问用户的信用评分，并利用符合预设评分规则的质量评分模型，确定出所述多媒体资源的质量评分。
15.一种多媒体推荐装置，应用于媒体服务平台中的服务器，其特征在于，包括：
信息获取单元，用于获取待发布的多个多媒体资源，以及每个所述多媒体资源的发布者的标识与通过终端登录服务器的目标用户的标识；
信用确定单元，用于对于每个所述多媒体资源，根据所述发布者的标识，获取基于所述发布者在所述媒体服务平台中的历史行为数据，确定出的所述发布者的信用评分；
所述装置还用于：依据登录服务器的终端的目标用户的标识，获取所述目标用户的信用评分；对于任意一个多媒体资源，确定所述目标用户的信用评分与所述发布者的信用评分的差值；通过资源排序单元按照所述差值的绝对值从小到大的顺序，对所述多个多媒体资源进行排序；通过推荐处理单元将所述多个多媒体资源的排序顺序，确定为向终端推荐所述多个多媒体资源的推荐顺序。
16.根据权利要求15所述的多媒体推荐装置，其特征在于，所述资源排序单元，包括：
质量评分单元，用于对于每个所述多媒体资源，按照所述多媒体资源的发布者的信用评分与多媒体资源的质量评分之间的映射关系，确定所述多媒体资源的质量评分；
排序子单元，用于按照多媒体资源的质量评分从高到低的顺序，对所述多个多媒体资源进行排序。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611019026.6A CN106528813B (zh) | 2016-11-18 | 2016-11-18 | 一种多媒体推荐方法和装置 |
| PCT/CN2017/107444 WO2018090793A1 (zh) | 2016-11-18 | 2017-10-24 | 多媒体推荐方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611019026.6A CN106528813B (zh) | 2016-11-18 | 2016-11-18 | 一种多媒体推荐方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106528813A CN106528813A (zh) | 2017-03-22 |
| CN106528813B true CN106528813B (zh) | 2018-12-11 |
Family
ID=58352212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611019026.6A Active CN106528813B (zh) | 2016-11-18 | 2016-11-18 | 一种多媒体推荐方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN106528813B (zh) |
| WO (1) | WO2018090793A1 (zh) |
Families Citing this family (43)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106528813B (zh) * | 2016-11-18 | 2018-12-11 | 腾讯科技（深圳）有限公司 | 一种多媒体推荐方法和装置 |
| CN107635151A (zh) * | 2017-09-25 | 2018-01-26 | 四川长虹电器股份有限公司 | 一种基于域分解机的机器学习电视节目推荐方法 |
| CN110069642A (zh) * | 2017-11-06 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种公共场所媒体播放的方法和装置 |
| CN108228873B (zh) * | 2018-01-17 | 2022-02-18 | 腾讯科技（深圳）有限公司 | 对象推荐、发布内容推送方法、装置、存储介质和设备 |
| CN108600818B (zh) * | 2018-03-16 | 2021-02-26 | 阿里巴巴（中国）有限公司 | 展示多媒体资源的方法及装置 |
| CN110209920A (zh) * | 2018-05-02 | 2019-09-06 | 腾讯科技（深圳）有限公司 | 媒体资源的处理方法和装置、存储介质及电子装置 |
| CN109003148B (zh) * | 2018-09-30 | 2023-10-31 | 三六零科技集团有限公司 | 广告推送方法、装置、服务器及可读存储介质 |
| CN109558542B (zh) * | 2018-12-04 | 2020-11-27 | 北京达佳互联信息技术有限公司 | 一种信息质量评估方法、信息推送方法及装置 |
| CN111353088A (zh) * | 2018-12-24 | 2020-06-30 | 中移（杭州）信息技术有限公司 | 一种电子资源推荐方法、装置和可读介质 |
| CN109740967B (zh) * | 2019-01-23 | 2022-02-25 | 广州虎牙信息科技有限公司 | 一种业务处理方法、装置、计算机设备与存储介质 |
| CN110232148B (zh) * | 2019-04-16 | 2023-01-10 | 创新先进技术有限公司 | 项目推荐系统、方法以及装置 |
| CN110333840B (zh) * | 2019-06-28 | 2023-04-18 | 百度在线网络技术（北京）有限公司 | 推荐方法、装置、电子设备和存储介质 |
| CN112241486A (zh) * | 2019-07-17 | 2021-01-19 | 北京达佳互联信息技术有限公司 | 多媒体信息获取方法及装置 |
| CN110516104A (zh) * | 2019-08-27 | 2019-11-29 | 腾讯音乐娱乐科技（深圳）有限公司 | 歌曲推荐方法、装置及计算机存储介质 |
| CN110765373A (zh) * | 2019-09-29 | 2020-02-07 | 深圳市镜玩科技有限公司 | 一种信息推荐方法、服务器及计算机可读存储介质 |
| CN110740180B (zh) * | 2019-10-17 | 2022-03-04 | 北京奇艺世纪科技有限公司 | 一种多媒体资源调度方法、装置及调度服务器 |
| CN111178949B (zh) * | 2019-12-18 | 2023-07-28 | 中电金信软件有限公司 | 服务资源匹配参考数据确定方法、装置、设备和存储介质 |
| CN111340522B (zh) * | 2019-12-30 | 2024-03-08 | 支付宝实验室(新加坡)有限公司 | 资源推荐方法、装置、服务器及存储介质 |
| CN113207013B (zh) * | 2020-02-03 | 2023-11-17 | 腾讯科技（深圳）有限公司 | 多媒体数据发布管理方法、装置、设备及存储介质 |
| CN111400615B (zh) * | 2020-03-19 | 2023-03-24 | 腾讯科技（深圳）有限公司 | 一种资源推荐方法、装置、设备及存储介质 |
| CN111460292B (zh) * | 2020-03-30 | 2024-08-06 | 百度在线网络技术（北京）有限公司 | 模型评估方法、装置、设备和介质 |
| CN113626679B (zh) * | 2020-05-07 | 2023-10-17 | 北京达佳互联信息技术有限公司 | 一种多媒体资源推荐方法、装置及存储介质 |
| CN113726722B (zh) * | 2020-05-26 | 2022-08-26 | 北京达佳互联信息技术有限公司 | 多媒体信息推荐方法、装置、服务器及存储介质 |
| CN111708964B (zh) * | 2020-05-27 | 2023-06-20 | 北京百度网讯科技有限公司 | 多媒体资源的推荐方法、装置、电子设备和存储介质 |
| CN111639874A (zh) * | 2020-06-05 | 2020-09-08 | 中国银行股份有限公司 | 一种评级方法及相关设备 |
| CN111757265B (zh) * | 2020-06-22 | 2023-03-10 | 北京百度网讯科技有限公司 | 用于推送播放内容的方法、装置、设备以及存储介质 |
| CN111782943B (zh) * | 2020-06-24 | 2024-07-30 | 中国平安财产保险股份有限公司 | 基于历史数据记录的信息推荐方法、装置、设备及介质 |
| CN111859156B (zh) * | 2020-08-04 | 2024-02-02 | 上海秒针网络科技有限公司 | 发布人群的确定方法、装置、可读存储介质及电子设备 |
| CN111949807B (zh) * | 2020-08-18 | 2024-06-25 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、计算机设备以及存储介质 |
| CN112364202B (zh) * | 2020-11-06 | 2023-11-14 | 上海众源网络有限公司 | 视频推荐方法、装置及电子设备 |
| CN112328861B (zh) * | 2020-11-24 | 2023-06-23 | 郑州航空工业管理学院 | 一种基于大数据处理的新闻传播方法 |
| CN112507163B (zh) * | 2020-12-02 | 2023-07-21 | 北京奇艺世纪科技有限公司 | 时长预测模型训练方法、推荐方法、装置、设备及介质 |
| CN112764612A (zh) * | 2021-01-21 | 2021-05-07 | 北京字跳网络技术有限公司 | 互动方法、装置、电子设备和存储介质 |
| CN113127748B (zh) * | 2021-05-18 | 2023-09-05 | 北京奇艺世纪科技有限公司 | 数据过滤方法及系统 |
| CN113656681B (zh) * | 2021-07-08 | 2023-08-11 | 北京奇艺世纪科技有限公司 | 一种对象评价方法、装置、设备及存储介质 |
| CN113704511B (zh) * | 2021-07-30 | 2022-11-22 | 北京达佳互联信息技术有限公司 | 多媒体资源的推荐方法、装置、电子设备及存储介质 |
| CN113742573B (zh) * | 2021-08-03 | 2023-11-14 | 深圳Tcl新技术有限公司 | 一种多媒体资源搜索方法、装置、计算机设备和存储介质 |
| CN113742499A (zh) * | 2021-08-05 | 2021-12-03 | 深圳Tcl新技术有限公司 | 一种多媒体资源排序方法及相关设备 |
| CN113901241B (zh) * | 2021-11-22 | 2024-08-06 | 北京达佳互联信息技术有限公司 | 页面展示方法、装置、电子设备及存储介质 |
| CN114598905B (zh) * | 2021-11-25 | 2024-06-21 | 浙江光辉工具有限公司 | 一种视频推送方法 |
| CN115065870B (zh) * | 2022-04-26 | 2024-01-09 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
| CN115131059B (zh) * | 2022-06-02 | 2024-09-06 | 腾讯科技（北京）有限公司 | 多媒体资源的发布方法、装置、计算机设备及存储介质 |
| CN116628235B (zh) * | 2023-07-19 | 2023-11-03 | 支付宝(杭州)信息技术有限公司 | 数据推荐方法、装置、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809626A (zh) * | 2015-03-17 | 2015-07-29 | 徐邑江 | 一种基于用户信用评估的个性化商品推荐方法 |
| CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股（北京）有限公司 | 个性化视频推荐方法及装置 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101271559A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 一种基于用户局部兴趣挖掘的协作推荐系统 |
| CN102063433A (zh) * | 2009-11-16 | 2011-05-18 | 华为技术有限公司 | 相关项推荐方法和装置 |
| KR20130035064A (ko) * | 2011-09-29 | 2013-04-08 | 삼성전자주식회사 | 개인 성향 기반의 개인화 서비스 제공 방법 및 시스템 |
| CN102609533B (zh) * | 2012-02-15 | 2015-03-18 | 中国科学技术大学 | 一种基于核方法的协同过滤推荐系统及方法 |
| US10102307B2 (en) * | 2013-03-15 | 2018-10-16 | Oath Inc. | Method and system for multi-phase ranking for content personalization |
| US9336277B2 (en) * | 2013-05-31 | 2016-05-10 | Google Inc. | Query suggestions based on search data |
| CN103593455B (zh) * | 2013-11-21 | 2017-05-31 | 海信集团有限公司 | 文件推荐方法和文件推荐装置 |
| CN105095257B (zh) * | 2014-05-08 | 2019-07-12 | 腾讯科技（北京）有限公司 | 一种用户信用度确定方法、装置和媒体信息推荐系统 |
| CN105447036B (zh) * | 2014-08-29 | 2019-08-16 | 华为技术有限公司 | 一种基于观点挖掘的社交媒体信息可信度评估方法及装置 |
| CN105282565A (zh) * | 2015-09-29 | 2016-01-27 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
| CN106127551A (zh) * | 2016-06-22 | 2016-11-16 | 腾讯科技（深圳）有限公司 | 项目推荐方法和装置 |
| CN106528813B (zh) * | 2016-11-18 | 2018-12-11 | 腾讯科技（深圳）有限公司 | 一种多媒体推荐方法和装置 |
-
2016
- 2016-11-18 CN CN201611019026.6A patent/CN106528813B/zh active Active
-
2017
- 2017-10-24 WO PCT/CN2017/107444 patent/WO2018090793A1/zh active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809626A (zh) * | 2015-03-17 | 2015-07-29 | 徐邑江 | 一种基于用户信用评估的个性化商品推荐方法 |
| CN105930425A (zh) * | 2016-04-18 | 2016-09-07 | 乐视控股（北京）有限公司 | 个性化视频推荐方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106528813A (zh) | 2017-03-22 |
| WO2018090793A1 (zh) | 2018-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106528813B (zh) | 一种多媒体推荐方法和装置 | |
| CN110929052B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
| RU2720899C2 (ru) | Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации | |
| CN107888950B (zh) | 一种推荐视频的方法和系统 | |
| CN109086439B (zh) | 信息推荐方法及装置 | |
| CN103886090B (zh) | 基于用户喜好的内容推荐方法及装置 | |
| CN106802915B (zh) | 一种基于用户行为的学术资源推荐方法 | |
| CN107832437B (zh) | 音/视频推送方法、装置、设备及存储介质 | |
| WO2017181612A1 (zh) | 个性化视频推荐方法及装置 | |
| US8572169B2 (en) | System, apparatus and method for discovery of music within a social network | |
| CN108875022B (zh) | 一种视频推荐方法及装置 | |
| RU2629449C2 (ru) | Устройство, а также способ выбора и размещения целевых сообщений на странице результатов поиска | |
| US8468143B1 (en) | System and method for directing questions to consultants through profile matching | |
| KR101947667B1 (ko) | 비디오 검색용 시청 시간 클러스터링 | |
| CN110223186B (zh) | 用户相似度确定方法以及信息推荐方法 | |
| CN111767429B (zh) | 一种视频推荐方法、装置及电子设备 | |
| US8893012B1 (en) | Visual indicator based on relative rating of content item | |
| CN104008139B (zh) | 视频索引表的创建方法和装置，视频的推荐方法和装置 | |
| CN105760381B (zh) | 搜索结果处理方法及装置 | |
| JP7134662B2 (ja) | 情報配信システム、および情報配信方法 | |
| CN112579913B (zh) | 一种视频推荐方法、装置、设备和计算机可读存储介质 | |
| CN113535991B (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
| CN111105269A (zh) | 广告投放处理方法、装置、设备和存储介质 | |
| CN109168047A (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| CN106897398B (zh) | 一种视频展示方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |