CN109189951A - 一种多媒体资源推荐方法、设备及存储介质 - Google Patents
一种多媒体资源推荐方法、设备及存储介质 Download PDFInfo
- Publication number
- CN109189951A CN109189951A CN201810718720.XA CN201810718720A CN109189951A CN 109189951 A CN109189951 A CN 109189951A CN 201810718720 A CN201810718720 A CN 201810718720A CN 109189951 A CN109189951 A CN 109189951A
- Authority
- CN
- China
- Prior art keywords
- multimedia resource
- recommended
- user
- clicking rate
- media categories
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种多媒体资源推荐方法、设备及存储介质,属于互联网技术领域。所述方法包括:获取预设时间段内各多媒体资源的属性记录及待推荐用户对各多媒体资源的历史操作数据;根据获取的属性记录统计对应多媒体资源的特征数据;根据获取的历史操作数据及统计的特征数据,确定待推荐用户的兴趣特征;根据统计的特征数据及确定的兴趣特征,向待推荐用户进行多媒体资源推荐。本发明中,在多媒体资源推荐时,通过综合全局信息及局部信息,并进行进一步分析和统计后,向待推荐用户进行多媒体资源推荐,能够大大提升推荐的准确率,进而提升用户体验,提高多媒体资源的点击率。
Description
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推荐方法、设备及存储介质。
背景技术
随着互联网技术的快速发展以及大数据时代的款款而来,人们在访问网络、观看电视电影、听音乐、读电子书等过程中,向用户自动推荐其感兴趣的多媒体资源,不仅能够方便用户操作,提升用户体验,而且能够有效的帮助多媒体资源的拥有者进行宣传和推广,从而提升多媒体资源的点击率。
当前已有一些多媒体资源的推荐方法,以视频为例,通常是基于待推荐用户的观看记录来分析待推荐用户的兴趣特征,从而进行多媒体资源推荐;或者是根据全部用户的观看记录来分析当前受欢迎的多媒体资源,从而向待推荐用户进行多媒体资源推荐;又或者是基于全部用户的观看记录对全部用户进行相似性分类,从而根据待推荐用户所属类别中其他用户的观看记录来分析待推荐用户可能感兴趣的多媒体资源,从而进行推荐。从上述方法可以看出,在进行多媒体资源推荐时仅仅考虑了全局信息(其他用户的观看记录),或者仅仅考虑了局部信息(待推荐用户的观看记录),而未能将全局信息与局部信息相结合,因而推荐的准确率有待于考量。
发明内容
为解决现有技术的不足,本发明提供一种多媒体资源推荐方法、设备及存储介质。
第一方面,本发明提供一种多媒体资源推荐方法,包括:
获取预设时间段内各多媒体资源的属性记录及待推荐用户对所述各多媒体资源的历史操作数据;
根据所述属性记录统计对应多媒体资源的特征数据;
根据所述历史操作数据及所述特征数据,确定所述待推荐用户的兴趣特征;
根据所述特征数据及所述兴趣特征,向所述待推荐用户进行多媒体资源推荐。
可选的,所述属性记录包括各多媒体资源的点击次数、曝光次数和媒体类别;
对应的,所述根据所述属性记录统计对应多媒体资源的特征数据,具体为:根据各多媒体资源的点击次数、曝光次数和媒体类别,统计各多媒体资源的点击率及对应的各媒体类别的总点击率。
可选的,所述统计各多媒体资源的点击率,具体为:将各多媒体资源的点击次数与曝光次数相除,得到各多媒体资源的点击率。
可选的,统计对应的各媒体类别的总点击率,包括:
将相同媒体类别的各多媒体资源的点击次数和曝光次数分别相加,得到各媒体类别的总点击次数和总曝光次数;
将各媒体类别的总点击次数与总曝光次数相除,得到各媒体类别的总点击率。
可选的,所述历史操作数据包括:点击记录和浏览记录;
对应的,所述根据所述历史操作数据及所述特征数据,确定所述待推荐用户的兴趣特征,具体为:根据所述点击记录、所述浏览记录及所述各媒体类别的总点击率,统计所述待推荐用户在各媒体类别的点击率修正值,并作为所述待推荐用户的兴趣特征。
可选的,所述根据所述点击记录、所述浏览记录及所述各媒体类别的总点击率,统计所述待推荐用户在各媒体类别的点击率修正值,包括:
根据所述点击记录和所述浏览记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别的点击率;
根据所述待推荐用户在各媒体类别的点击率及所述各媒体类别的总点击率,计算所述待推荐用户在各媒体类别的点击率修正值。
可选的,所述根据所述点击记录和所述浏览记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别的点击率,包括:
根据所述点击记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别中点击的多媒体资源的个数;
根据所述浏览记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别中浏览的多媒体资源的个数;
分别将同一媒体类别中所述点击的多媒体资源的个数与所述浏览的多媒体资源的个数相除,得到所述待推荐用户在各媒体类别的点击率。
可选的,所述根据所述待推荐用户在各媒体类别的点击率及所述各媒体类别的总点击率,计算所述待推荐用户在各媒体类别的点击率修正值,具体为:
分别将所述待推荐用户在各媒体类别的点击率与对应媒体类别的总点击率相除,得到所述待推荐用户在各媒体类别的点击率修正值。
可选的,所述根据所述特征数据及所述兴趣特征,向所述待推荐用户进行多媒体资源推荐,包括:
根据各多媒体资源的点击率、所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在各多媒体资源上的个性化点击率;
根据所述个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户。
可选的,所述根据各多媒体资源的点击率、所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在各多媒体资源上的个性化点击率,具体为:
将各多媒体资源的点击率与所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值相乘,得到所述待推荐用户在各多媒体资源上的个性化点击率。
可选的,所述根据所述个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户,具体为:
根据所述个性化点击率,对各多媒体资源进行排序;
在排序结果中选择预设位置的多媒体资源作为待推荐多媒体资源,并推荐给所述待推荐用户。
可选的,所述根据所述特征数据及所述兴趣特征,向所述待推荐用户进行多媒体资源推荐,还包括:根据所述点击记录和所述浏览记录,在各多媒体资源中过滤所述待推荐用户点击及浏览过的多媒体资源;
所述根据各多媒体资源的点击率、所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在各多媒体资源上的个性化点击率,具体为:根据过滤后剩余的各多媒体资源的点击率、所述待推荐用户在所述剩余的各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在所述剩余的各多媒体资源上的个性化点击率的点击率修正值;
所述根据所述个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户,具体为:根据所述个性化点击率,在所述剩余的各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户。
第二方面,本发明提供一种多媒体资源推荐设备,包括:
一个或多个处理器,存储一个或多个程序的存储装置;
当所述一个或者多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现如本发明第一方面所述的方法。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时,实现如本发明第一方面所述的方法。
本发明的优点在于:
本发明中,在向用户进行多媒体资源推荐时,既考虑到全部用户的兴趣特征,即各多媒体资源的点击率以及各媒体类别的总点击率;又考虑到单个用户的兴趣特征,即待推荐用户在各媒体类别的点击率修正值;通过综合全局信息及局部信息,并进行进一步分析和统计后,向待推荐用户进行多媒体资源推荐,能够大大提升推荐的准确率,进而提升用户体验,提高多媒体资源的点击率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
附图1为本发明提供的一种多媒体资源推荐方法流程图;
附图2为本发明提供的一种多媒体资源推荐装置模块组成框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明的实施方式,提出一种多媒体资源推荐方法,如图1所示,包括:
步骤101:获取预设时间段内各多媒体资源的属性记录及待推荐用户对各多媒体资源的历史操作数据;
本发明中,多媒体资源包括视频、音乐、电子书等;属性记录包括多媒体资源的媒体标识、媒体类别、点击次数、曝光次数等;历史操作数据包括:待推荐用户的点击记录、浏览记录等;
其中,多媒体资源优选为付费多媒体资源;点击曝光次数具体为显示于众的次数,例如用户在通过电脑观看电影排行榜过程中,通过操作鼠标所有上划并已显示给用户的电影均为曝光一次;点击记录和浏览记录中均含有对应多媒体资源的媒体标识;此外,点击对应的操作例如为播放某电影,阅读某电子书的内容等,即观看实质内容的操作;浏览对应的操作例如为查看某电影详情,浏览某电子书简介等,即浏览相关信息的操作。
对应的,当各用户在搜索、浏览及点击各多媒体资源时,服务器记录各用户的操作记录作为用户的历史操作数据,并同步在各多媒体资源的属性记录中记录相关信息。
需要指出的,本发明中的方法,可以由服务器端自行完成,也可以由客户端自行完成,还可以由服务器端与客户端交互完成;
其中,当由服务器端自行完成时,即由服务器执行步骤101-104;
当由客户端自行完成时,该方法还包括:服务器端向客户端开放数据接口,或者服务器端与客户端共享数据;对应的,步骤101具体为:客户端通过开放的数据接口或者在共享数据中获取预设时间段内资源库中各多媒体资源的属性记录及待推荐用户对各多媒体资源的历史操作数据;并由客户端执行后续的步骤102-104;
当由服务器端与客户端进行交互完成时,步骤101具体为:客户端发送获取数据请求给服务器,并接收服务器返回的预设时间段内资源库中各多媒体资源的属性记录及待推荐用户对各多媒体资源的历史操作数据;并由客户端执行后续的步骤102-104。
其中,预设时间段可以根据需求自行设定,例如为2天。
进一步的,当由客户端自行完成或者当由服务器端与客户端进行交互完成时,多媒体资源属性记录中的点击次数、曝光次数等,可以由客户端直接在服务器端获取,还可以由客户端根据服务器端记录的各多媒体资源的点击记录及曝光记录,统计各多媒体资源的点击次数及曝光次数。
例如,获取的多媒体资源的属性记录如下:
电影A:媒体标识01、媒体类别“爱情”、点击次数560、曝光次数1200;
电影B:媒体标识02、媒体类别“恐怖”、点击次数300、曝光次数800;
电影C:媒体标识03、媒体类别“爱情”、点击次数700,曝光次数1500;
电影D:媒体标识04、媒体类别“爱情”、点击此处650、曝光次数1600;
电影E:媒体标识05、媒体类型“恐怖”、点击次数420、曝光次数600;
电影F:媒体标识06、媒体类别“爱情”、点击次数1300、曝光次数2500;
电影G:媒体标识07、媒体类别“爱情”、点击次数800、曝光次数1500;
电影H:媒体标识08、媒体类型“恐怖”、点击次数520、曝光次数800;
电影I:媒体标识09、媒体类别“爱情”、点击次数700、曝光次数3200;
电影J:媒体标识10、媒体类型“恐怖”、点击次数900、曝光次数2600;。
获取的待推荐用户的历史操作数据如下:
2018年5月1日:浏览媒体标识02、浏览媒体标识04、浏览媒体标识05、点击媒体标识02;
2015年5月2日:浏览媒体标识01、浏览媒体标识04、浏览媒体标识06、点击媒体标识04、点击媒体标识06。
步骤102:根据获取的属性记录统计对应多媒体资源的特征数据;
具体的,根据各多媒体资源属性记录中的点击次数、曝光次数和媒体类别,统计各多媒体资源的点击率及对应的各媒体类别的点击率。
其中,统计各多媒体资源的点击率,具体为:将各多媒体资源的点击次数与曝光次数相除,得到各多媒体资源的点击率。
例如:统计电影A的点击率为560/1200=0.47,电影B的点击率为300/800=0.38,电影C的点击率为700/1500=0.47,电影D的点击率为650/1600=0.4,电影E的点击率为420/600=0.7,电影F的点击率为1300/2500=0.52,电影G的点击率为800/1500=0.53,电影H的点击率为520/800=0.65,电影I的点击率为700/3200=0.22,电影J的点击率为900/2600=0.35。
进一步的,统计对应的各媒体类别的总点击率,包括:
步骤1-1:将相同媒体类别的各多媒体资源的点击次数和曝光次数分别相加,得到各媒体类别的总点击次数和总曝光次数;
可选的,步骤1-1之前,还包括:
根据各媒体类别对应的各媒体标识查找对应的各多媒体资源的点击次数和曝光次数,得到相同媒体类别的各多媒体资源的点击次数和曝光次数;
或者,在获取的各多媒体资源的属性记录中,以媒体类别为筛选条件进行筛选,得到相同媒体类别的各多媒体资源,并读取得到的各多媒体资源的点击次数和曝光次数。
例如,根据上述获取的属性记录,统计媒体类别“爱情”的总点击次数为560+700+650+1300+800+700=4710,总曝光次数为1200+1500+1600+2500+1500+3200=11500;统计媒体类别“恐怖”的总点击次数为300+420+520+900=2140,总曝光次数为800+600+800+2600=4800。
步骤1-2:将各媒体类别的总点击次数与总曝光次数相除,得到各媒体类别的总点击率。
例如,统计媒体类别“爱情”的总点击率为4710/11500=0.41,媒体类别“恐怖”的总点击率为2140/4800=0.46。
本发明中统计的特征数据,即各多媒体资源的点击率以及各媒体类别的总点击率,反应了全部用户的兴趣特征,通过考虑全部用户的兴趣特征,已在后续为待推荐用户进行多媒体资源推荐时,提高推荐的准确率。
步骤103:根据获取的历史操作数据及统计的特征数据,确定待推荐用户的兴趣特征;
具体的,根据获取的历史操作数据中的点击记录和浏览记录、及统计的各媒体类别的总点击率,统计待推荐用户在各媒体类别的点击率修正值,并作为待推荐用户的兴趣特征。
其中,根据获取的历史操作数据中的点击记录和浏览记录、及统计的各媒体类别的总点击率,统计待推荐用户在各媒体类别的点击率修正值,包括:
步骤2-1:根据获取的历史操作数据中的点击记录和浏览记录对应的各多媒体资源的媒体类别,统计待推荐用户在各媒体类别的点击率;
根据本发明的实施方式,步骤2-1具体包括:
步骤2-1-1:根据获取的历史操作数据中的点击记录对应的各多媒体资源的媒体类别,统计待推荐用户在各媒体类别中点击的多媒体资源的个数;
具体的,根据点击记录中的各媒体标识查找对应的各属性记录,并在查找到的属性记录中读取媒体类别,得到点击记录中各媒体标识与媒体类别的对应关系,统计各媒体类别对应的不重复的媒体标识的个数,得到待推荐用户在各媒体类别中点击的多媒体资源的个数。
例如,根据上述获取的历史操作数据,得到点击记录中的媒体标识02对应媒体类别“恐怖”、媒体标识04对应媒体类别“爱情”、媒体标识06对应媒体类别“爱情”,统计可得待推荐用户在媒体类别“爱情”中点击的多媒体资源的个数为2,在媒体类别“恐怖”中点击的多媒体资源的个数为1。
步骤2-1-2:根据获取的历史操作数据中的浏览记录对应的各多媒体资源的媒体类别,统计待推荐用户在各媒体类别中浏览的多媒体资源的个数;
具体的,根据浏览记录中的各媒体标识查找对应的各属性记录,并在查找到的属性记录中读取媒体类别,得到浏览记录中各媒体标识与媒体类别的对应关系,统计各媒体类别对应的不重复的媒体标识的个数,得到待推荐用户在各媒体类别中浏览的多媒体资源的个数。
例如,根据上述获取的历史操作数据,得到浏览记录中的媒体标识02对应媒体类别“恐怖”、媒体标识04对应媒体类别“爱情”,媒体标识05对应媒体类别“恐怖”、媒体标识01对应媒体类别“爱情”、媒体标识04对应媒体类别“爱情”,媒体标识06对应媒体类别“爱情”,统计待推荐用户在媒体类别“爱情”中浏览的多媒体资源的个数为3个,在媒体类别“恐怖”中浏览的多媒体资源的个数为2个。
步骤2-1-3:分别将同一媒体类别中点击的多媒体资源的个数与浏览的多媒体资源的个数相除,得到待推荐用户在各媒体类别的点击率。
例如,根据上述统计数据计算可得待推荐用户在媒体类别“爱情”的点击率为2/3=0.67,在媒体类别“恐怖”的点击率为1/2=0.5。
步骤2-2:根据待推荐用户在各媒体类别的点击率及统计的各媒体类别的总点击率,计算待推荐用户在各媒体类别的点击率修正值。
具体的,分别将待推荐用户在各媒体类别的点击率与对应媒体类别的总点击率相除,得到待推荐用户在各媒体类别的点击率修正值。
例如,根据上述统计数据可得,待推荐用户在媒体类别“爱情”的点击率修正值为0.67/0.41=1.63;在媒体类别“恐怖”的点击率修正值为0.5/0.46=1.09。
本发明中,通过统计待推荐用户的兴趣特征,即待推荐用户在各媒体类别的点击率修正值,以在后续为待推荐用户进行多媒体资源推荐时,与前述统计的全部用户的兴趣特征相结合,来提高推荐的准确率。
步骤104:根据统计的特征数据及确定的待推荐用户的兴趣特征,向待推荐用户进行多媒体资源推荐。
根据本发明的实施方式,步骤104包括:
步骤3-1:根据各多媒体资源的点击率、待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算待推荐用户在各多媒体资源上的个性化点击率;
具体的,将各多媒体资源的点击率与待推荐用户在各多媒体资源对应的媒体类别的点击率修正值相乘,得到待推荐用户在各多媒体资源上的个性化点击率。
步骤3-2:根据计算的待推荐用户在各多媒体资源上的个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给待推荐用户。
根据本发明的实施方式,步骤3-2包括:
步骤3-2-1:根据计算的待推荐用户在各多媒体资源上的个性化点击率,对各多媒体资源进行排序;
其中,对各多媒体资源进行排序可以为升序排序,也可以为降序排序,可以根据需求自行设定。
步骤3-2-2:在排序结果中选择预设位置的多媒体资源作为待推荐多媒体资源,并推荐给待推荐用户。
其中,预设位置可以根据需求自行定义,本发明中不做限定。
优选的,步骤104还包括:根据获取的历史操作数据中的点击记录和浏览记录,在各多媒体资源中过滤待推荐用户点击及浏览过的多媒体资源;
具体的,根据获取的历史操作数据中的点击记录和浏览记录中的媒体标识,确定待推荐用户点击及浏览过的多媒体资源并在所述各多媒体资源中过滤。
对应的,步骤3-1具体为:根据过滤后剩余的各多媒体资源的点击率、待推荐用户在剩余的各多媒体资源对应的媒体类别的点击率修正值,计算待推荐用户在剩余的各多媒体资源上的个性化点击率的点击率修正值;
对应的,步骤3-2具体为:根据计算的待推荐用户在各多媒体资源上的个性化点击率,在剩余的各多媒体资源中选择待推荐多媒体资源并推荐给待推荐用户。
例如,本发明中,根据待推荐用户在剩余的各多媒体资源上的个性化点击率,对各多媒体资源进行降序排序,并将排序结果中的前两个多媒体资源推荐给待推荐用户;根据上述获取的待推荐用户的历史操作数据中的点击记录和浏览记录,在各电影中过滤电影A、电影B、电影D、电影E、电影F;根据剩余的电影C的点击率0.47、待推荐用户在电影C对应的电影类别“爱情”的点击率修正值1.63,计算待推荐用户在电影C的个性化点击率为0.47*1.63=0.77,同理计算待推荐用户在剩余的电影G的个性化点击率为0.53*1.63=0.86,在剩余的电影H的个性化点击率为0.65*1.09=0.71,在剩余的电影I的个性化点击率为0.22*1.63=0.36,在剩余的电影J的个性化点击率为0.35*1.09=0.38;根据计算的个性化点击率对对应的电影进行升序排序的排序结果为电影G、电影C、电影H、电影J、电影I,并将电影G和电影C推荐给待推荐用户。
本发明中,在向用户进行多媒体资源推荐时,既考虑到全部用户的兴趣特征,即各多媒体资源的点击率以及各媒体类别的总点击率;又考虑到单个用户的兴趣特征,即待推荐用户在各媒体类别的点击率修正值;通过综合全局信息及局部信息,并进行进一步分析和统计后,向待推荐用户进行多媒体资源推荐,能够大大提升推荐的准确率,进而提升用户体验,提高多媒体资源的点击率。
根据本发明的实施方式,还提供一种多媒体资源推荐装置,如图2所示,包括:
获取模块,用于获取预设时间段内各多媒体资源的属性记录及待推荐用户对所述各多媒体资源的历史操作数据;
统计模块,用于根据获取模块获取的属性记录统计对应多媒体资源的特征数据;
确定模块,用于根据获取模块获取的历史操作数据及统计模块统计的兴趣特征,确定所述待推荐用户的兴趣特征;
推荐模块,用于根据统计模块统计的特征数据及确定模块确定的兴趣特征,向待推荐用户进行多媒体资源推荐。
其中,多媒体资源包括视频、音乐、电子书等;属性记录包括多媒体资源的媒体标识、媒体类别、点击次数、曝光次数等;历史操作数据包括:待推荐用户的点击记录、浏览记录等。
根据本法发明的实施方式,统计模块包括:第一统计子模块和第二统计子模块,其中:
第一统计子模块,用于根据获取模块获取的各多媒体资源的属性记录中的点击次数、曝光次数,统计各多媒体资源的点击率;
第二统计子模块,用于根据获取模块获取的各多媒体资源的属性记录中的点击次数、曝光次数和媒体类别,统计各媒体类别的总点击率。
其中,第一统计子模块具体用于:将各多媒体资源的点击次数与曝光次数相除,得到各多媒体资源的点击率。
根据本发明的实施方式,第二统计子模块包括:相加单元和相除单元,其中:
相加单元,用于根据获取模块获取的各多媒体资源的属性记录中的点击次数、曝光次数和媒体类别,将相同媒体类别的各多媒体资源的点击次数和曝光次数分别相加,得到各媒体类别的总点击次数和总曝光次数;
相除单元,用于将相加单元得到的各媒体类别的总点击次数与总曝光次数相除,得到各媒体类别的总点击率。
根据本发明的实施方式,确定模块具体包括:第三统计子模块和作为子模块,其中:
第三统计子模块,用于根据获取模块获取的历史操作数据中含有的点击记录、浏览记录及统计模块得到的各媒体类别的总点击率,统计待推荐用户在各媒体类别的点击率修正值;
作为子模块,用于将第三统计子模块统计的待推荐用户在各媒体类别的点击率修正值作为待推荐用户的兴趣特征。
根据本发明的实施方式,第三统计子模块具体包括:统计单元和计算单元,其中:
统计单元,用于根据获取模块获取的历史操作数据中含有的点击记录和浏览记录对应的各多媒体资源的媒体类别,统计待推荐用户在各媒体类别的点击率;
计算单元,用于根据第一统计单元统计的待推荐用户在各媒体类别的点击率及确定模块确定的各媒体类别的总点击率,计算待推荐用户在各媒体类别的点击率修正值。
根据本发明的实施方式,统计单元具体包括:第一统计子单元、第二统计子单元和相除子单元,其中:
第一统计子单元,用于根据获取模块获取的历史操作数据中含有的点击记录对应的各多媒体资源的媒体类别,统计待推荐用户在各媒体类别中点击的多媒体资源的个数;
第二统计子单元,用于根据获取模块获取的历史操作数据中含有的浏览记录对应的各多媒体资源的媒体类别,统计待推荐用户在各媒体类别中浏览的多媒体资源的个数;
相除子单元,用于分别将同一媒体类别中第一统计子单元统计的点击的多媒体资源的个数与第二统计子单元统计的浏览的多媒体资源的个数相除,得到待推荐用户在各媒体类别的点击率。
根据本发明的实施方式,计算单元具体用于:分别将待推荐用户在各媒体类别的点击率与对应媒体类别的总点击率相除,得到待推荐用户在各媒体类别的点击率修正值。
根据本发明的实施方式,推荐模块具体包括:计算子模块和推荐子模块,其中:
计算子模块,用于根据统计模块统计的各多媒体资源的点击率、确定模块确定的待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算待推荐用户在各多媒体资源上的个性化点击率;
推荐子模块,用于根据计算子模块计算的个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给待推荐用户。
其中,计算子模块具体用于:将统计模块统计的各多媒体资源的点击率与确定模块确定的待推荐用户在各多媒体资源对应的媒体类别的点击率修正值相乘,得到待推荐用户在各多媒体资源上的个性化点击率。
根据本发明的实施方式,推荐子模块具体包括:排序单元和选择单元,其中:
排序单元,用于根据计算子模块计算的个性化点击率,对各多媒体资源进行排序;
选择单元,用于在排序单元的排序结果中选择预设位置的多媒体资源作为待推荐多媒体资源,并推荐给待推荐用户。
优选的,本发明中,推荐模块还包括:过滤子模块;
过滤子模块,用于根据获取模块获取的历史操作数据中含有的点击记录和浏览记录,在各多媒体资源中过滤待推荐用户点击及浏览过的多媒体资源;
对应的,计算子模块具体用于:根据过滤模块过滤后剩余的各多媒体资源的点击率、待推荐用户在剩余的各多媒体资源对应的媒体类别的点击率修正值,计算待推荐用户在剩余的各多媒体资源上的个性化点击率的点击率修正值;
对应的,推荐子模块具体用于:根据计算子模块计算的个性化点击率,在过滤子模块过滤后剩余的各多媒体资源中选择待推荐多媒体资源并推荐给待推荐用户。
根据本发明的实施方式,还提供一种多媒体资源推荐设备,包括:
一个或多个处理器,存储一个或多个程序的存储装置;当所述一个或者多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现如上所述的多媒体资源推荐方法的步骤。
根据本发明的实施方式,还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的多媒体资源推荐方法的步骤。
本发明中,在向用户进行多媒体资源推荐时,既考虑到全部用户的兴趣特征,即各多媒体资源的点击率以及各媒体类别的总点击率;又考虑到单个用户的兴趣特征,即待推荐用户在各媒体类别的点击率修正值;通过综合全局信息及局部信息,并进行进一步分析和统计后,向待推荐用户进行多媒体资源推荐,能够大大提升推荐的准确率,进而提升用户体验,提高多媒体资源的点击率。
以上所述,仅为本发明较佳的具体实施方式,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,可轻易想到的变化或替换,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 (14)
1.一种多媒体资源推荐方法,其特征在于,包括:
获取预设时间段内各多媒体资源的属性记录及待推荐用户对所述各多媒体资源的历史操作数据;
根据所述属性记录统计对应多媒体资源的特征数据;
根据所述历史操作数据及所述特征数据,确定所述待推荐用户的兴趣特征;
根据所述特征数据及所述兴趣特征,向所述待推荐用户进行多媒体资源推荐。
2.根据权利要求1所述的方法,其特征在于,所述属性记录包括各多媒体资源的点击次数、曝光次数和媒体类别;
所述根据所述属性记录统计对应多媒体资源的特征数据,具体为:根据各多媒体资源的点击次数、曝光次数和媒体类别,统计各多媒体资源的点击率及对应的各媒体类别的总点击率。
3.根据权利要求2所述的方法,其特征在于,所述统计各多媒体资源的点击率,具体为:将各多媒体资源的点击次数与曝光次数相除,得到各多媒体资源的点击率。
4.根据权利要求2所述的方法,其特征在于,统计对应的各媒体类别的总点击率,包括:
将相同媒体类别的各多媒体资源的点击次数和曝光次数分别相加,得到各媒体类别的总点击次数和总曝光次数;
将各媒体类别的总点击次数与总曝光次数相除,得到各媒体类别的总点击率。
5.根据权利要求2所述的方法,其特征在于,所述历史操作数据包括:点击记录和浏览记录;
所述根据所述历史操作数据及所述特征数据,确定所述待推荐用户的兴趣特征,具体为:根据所述点击记录、所述浏览记录及所述各媒体类别的总点击率,统计所述待推荐用户在各媒体类别的点击率修正值,并作为所述待推荐用户的兴趣特征。
6.根据权利要求5所述的方法,其特征在于,所述根据所述点击记录、所述浏览记录及所述各媒体类别的总点击率,统计所述待推荐用户在各媒体类别的点击率修正值,包括:
根据所述点击记录和所述浏览记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别的点击率;
根据所述待推荐用户在各媒体类别的点击率及所述各媒体类别的总点击率,计算所述待推荐用户在各媒体类别的点击率修正值。
7.根据权利要求6所述的方法,其特征在于,所述根据所述点击记录和所述浏览记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别的点击率,包括:
根据所述点击记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别中点击的多媒体资源的个数;
根据所述浏览记录对应的各多媒体资源的媒体类别,统计所述待推荐用户在各媒体类别中浏览的多媒体资源的个数;
分别将同一媒体类别中所述点击的多媒体资源的个数与所述浏览的多媒体资源的个数相除,得到所述待推荐用户在各媒体类别的点击率。
8.根据权利要求6所述的方法,其特征在于,所述根据所述待推荐用户在各媒体类别的点击率及所述各媒体类别的总点击率,计算所述待推荐用户在各媒体类别的点击率修正值,具体为:
分别将所述待推荐用户在各媒体类别的点击率与对应媒体类别的总点击率相除,得到所述待推荐用户在各媒体类别的点击率修正值。
9.根据权利要求5所述的方法,其特征在于,所述根据所述特征数据及所述兴趣特征,向所述待推荐用户进行多媒体资源推荐,包括:
根据各多媒体资源的点击率、所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在各多媒体资源上的个性化点击率;
根据所述个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户。
10.根据权利要求9所述的方法,其特征在于,所述根据各多媒体资源的点击率、所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在各多媒体资源上的个性化点击率,具体为:
将各多媒体资源的点击率与所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值相乘,得到所述待推荐用户在各多媒体资源上的个性化点击率。
11.根据权利要求9所述的方法,其特征在于,所述根据所述个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户,具体为:
根据所述个性化点击率,对各多媒体资源进行排序;
在排序结果中选择预设位置的多媒体资源作为待推荐多媒体资源,并推荐给所述待推荐用户。
12.根据权利要求9所述的方法,其特征在于,所述根据所述特征数据及所述兴趣特征,向所述待推荐用户进行多媒体资源推荐,还包括:根据所述点击记录和所述浏览记录,在各多媒体资源中过滤所述待推荐用户点击及浏览过的多媒体资源;
所述根据各多媒体资源的点击率、所述待推荐用户在各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在各多媒体资源上的个性化点击率,具体为:根据过滤后剩余的各多媒体资源的点击率、所述待推荐用户在所述剩余的各多媒体资源对应的媒体类别的点击率修正值,计算所述待推荐用户在所述剩余的各多媒体资源上的个性化点击率的点击率修正值;
所述根据所述个性化点击率,在各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户,具体为:根据所述个性化点击率,在所述剩余的各多媒体资源中选择待推荐多媒体资源并推荐给所述待推荐用户。
13.一种多媒体资源推荐设备,其特征在于,包括:
一个或多个处理器,存储一个或多个程序的存储装置;
当所述一个或者多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现如权利要求1~12任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序被处理器执行时,实现如权利要求1~12任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810718720.XA CN109189951B (zh) | 2018-07-03 | 2018-07-03 | 一种多媒体资源推荐方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810718720.XA CN109189951B (zh) | 2018-07-03 | 2018-07-03 | 一种多媒体资源推荐方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109189951A true CN109189951A (zh) | 2019-01-11 |
CN109189951B CN109189951B (zh) | 2021-09-03 |
Family
ID=64948830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810718720.XA Active CN109189951B (zh) | 2018-07-03 | 2018-07-03 | 一种多媒体资源推荐方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189951B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801106A (zh) * | 2019-01-17 | 2019-05-24 | 有米科技股份有限公司 | 一种广告投放效果预估方法、装置、服务器及存储介质 |
CN109889577A (zh) * | 2019-01-21 | 2019-06-14 | 广州华泓文化发展有限公司 | 一种流媒体数据流量分析方法及系统 |
CN109977242A (zh) * | 2019-03-28 | 2019-07-05 | 北京奇艺世纪科技有限公司 | 一种推荐方法、装置、终端设备及计算机可读存储介质 |
CN110968707A (zh) * | 2019-11-22 | 2020-04-07 | 掌阅科技股份有限公司 | 电子读物比对方法、电子设备及计算机存储介质 |
CN111311015A (zh) * | 2020-02-28 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 个性化点击率预测方法、设备及可读存储介质 |
CN111597446A (zh) * | 2020-05-13 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 基于人工智能的内容推送方法、装置、服务器和存储介质 |
CN111858969A (zh) * | 2019-04-29 | 2020-10-30 | 腾讯科技(深圳)有限公司 | 多媒体数据推荐方法、装置、计算机设备和存储介质 |
CN112000819A (zh) * | 2019-05-27 | 2020-11-27 | 北京达佳互联信息技术有限公司 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
WO2021068821A1 (zh) * | 2019-10-10 | 2021-04-15 | 海信视像科技股份有限公司 | 接收装置、服务器、内容推荐系统及内容推荐方法 |
CN112714359A (zh) * | 2019-10-24 | 2021-04-27 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN113011906A (zh) * | 2020-12-10 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 基于多媒体信息处理方法、装置、电子设备及存储介质 |
CN113127674A (zh) * | 2019-12-31 | 2021-07-16 | 中移(成都)信息通信科技有限公司 | 歌单推荐方法、装置、电子设备及计算机存储介质 |
CN113590948A (zh) * | 2021-07-28 | 2021-11-02 | 咪咕数字传媒有限公司 | 信息推荐方法、装置、设备以及计算机存储介质 |
CN113946744A (zh) * | 2020-07-16 | 2022-01-18 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN114201626A (zh) * | 2021-11-18 | 2022-03-18 | 北京达佳互联信息技术有限公司 | 多媒体推荐方法、装置、电子设备及存储介质 |
WO2023115974A1 (zh) * | 2021-12-22 | 2023-06-29 | 北京达佳互联信息技术有限公司 | 多媒体资源推荐、对象表征网络的生成方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893443A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 视频推荐方法、装置和服务器 |
CN106130756A (zh) * | 2016-06-15 | 2016-11-16 | 晶赞广告(上海)有限公司 | 一种预测访问内容点击率的方法及装置 |
CN106326474A (zh) * | 2016-08-31 | 2017-01-11 | 南京炫佳网络科技有限公司 | 动漫视频个性化推荐方法 |
US20180129749A1 (en) * | 2015-09-08 | 2018-05-10 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and system for recommending real-time information |
-
2018
- 2018-07-03 CN CN201810718720.XA patent/CN109189951B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180129749A1 (en) * | 2015-09-08 | 2018-05-10 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and system for recommending real-time information |
CN105893443A (zh) * | 2015-12-15 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 视频推荐方法、装置和服务器 |
CN106130756A (zh) * | 2016-06-15 | 2016-11-16 | 晶赞广告(上海)有限公司 | 一种预测访问内容点击率的方法及装置 |
CN106326474A (zh) * | 2016-08-31 | 2017-01-11 | 南京炫佳网络科技有限公司 | 动漫视频个性化推荐方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801106A (zh) * | 2019-01-17 | 2019-05-24 | 有米科技股份有限公司 | 一种广告投放效果预估方法、装置、服务器及存储介质 |
CN109801106B (zh) * | 2019-01-17 | 2020-10-02 | 有米科技股份有限公司 | 一种广告投放效果预估方法、装置、服务器及存储介质 |
CN109889577A (zh) * | 2019-01-21 | 2019-06-14 | 广州华泓文化发展有限公司 | 一种流媒体数据流量分析方法及系统 |
CN109889577B (zh) * | 2019-01-21 | 2021-09-10 | 广州华泓文化发展有限公司 | 一种流媒体数据流量分析方法及系统 |
CN109977242A (zh) * | 2019-03-28 | 2019-07-05 | 北京奇艺世纪科技有限公司 | 一种推荐方法、装置、终端设备及计算机可读存储介质 |
CN111858969B (zh) * | 2019-04-29 | 2023-12-12 | 深圳市雅阅科技有限公司 | 多媒体数据推荐方法、装置、计算机设备和存储介质 |
CN111858969A (zh) * | 2019-04-29 | 2020-10-30 | 腾讯科技(深圳)有限公司 | 多媒体数据推荐方法、装置、计算机设备和存储介质 |
CN112000819A (zh) * | 2019-05-27 | 2020-11-27 | 北京达佳互联信息技术有限公司 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
CN112000819B (zh) * | 2019-05-27 | 2023-07-11 | 北京达佳互联信息技术有限公司 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
WO2021068821A1 (zh) * | 2019-10-10 | 2021-04-15 | 海信视像科技股份有限公司 | 接收装置、服务器、内容推荐系统及内容推荐方法 |
CN112714359A (zh) * | 2019-10-24 | 2021-04-27 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN112714359B (zh) * | 2019-10-24 | 2022-09-09 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN110968707B (zh) * | 2019-11-22 | 2020-07-31 | 掌阅科技股份有限公司 | 电子读物比对方法、电子设备及计算机存储介质 |
CN110968707A (zh) * | 2019-11-22 | 2020-04-07 | 掌阅科技股份有限公司 | 电子读物比对方法、电子设备及计算机存储介质 |
CN113127674A (zh) * | 2019-12-31 | 2021-07-16 | 中移(成都)信息通信科技有限公司 | 歌单推荐方法、装置、电子设备及计算机存储介质 |
CN113127674B (zh) * | 2019-12-31 | 2023-07-21 | 中移(成都)信息通信科技有限公司 | 歌单推荐方法、装置、电子设备及计算机存储介质 |
CN111311015A (zh) * | 2020-02-28 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 个性化点击率预测方法、设备及可读存储介质 |
CN111597446A (zh) * | 2020-05-13 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 基于人工智能的内容推送方法、装置、服务器和存储介质 |
CN113946744A (zh) * | 2020-07-16 | 2022-01-18 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN113011906A (zh) * | 2020-12-10 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 基于多媒体信息处理方法、装置、电子设备及存储介质 |
CN113011906B (zh) * | 2020-12-10 | 2024-03-05 | 腾讯科技(深圳)有限公司 | 基于多媒体信息处理方法、装置、电子设备及存储介质 |
CN113590948A (zh) * | 2021-07-28 | 2021-11-02 | 咪咕数字传媒有限公司 | 信息推荐方法、装置、设备以及计算机存储介质 |
CN113590948B (zh) * | 2021-07-28 | 2024-03-26 | 咪咕数字传媒有限公司 | 信息推荐方法、装置、设备以及计算机存储介质 |
CN114201626A (zh) * | 2021-11-18 | 2022-03-18 | 北京达佳互联信息技术有限公司 | 多媒体推荐方法、装置、电子设备及存储介质 |
WO2023115974A1 (zh) * | 2021-12-22 | 2023-06-29 | 北京达佳互联信息技术有限公司 | 多媒体资源推荐、对象表征网络的生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109189951B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189951A (zh) | 一种多媒体资源推荐方法、设备及存储介质 | |
US9848240B2 (en) | Assessing digital content across a communications network | |
Minkov et al. | Collaborative future event recommendation | |
CN106372249B (zh) | 一种点击率预估方法、装置及电子设备 | |
CN107888950A (zh) | 一种推荐视频的方法和系统 | |
US20090319365A1 (en) | System and method for assessing marketing data | |
CN103686231B (zh) | 影片的集成管理、失效替换与续播的方法及系统 | |
CN104202623B (zh) | 一种全媒体传播指数统计方法及装置 | |
CN109511015B (zh) | 多媒体资源推荐方法、装置、存储介质及设备 | |
US9009298B2 (en) | Methods and apparatus to determine audience engagement indices associated with media presentations | |
JP5786458B2 (ja) | キーワード抽出及びウエブコンテンツアクセス情報の収集装置 | |
CN106131703A (zh) | 一种视频推荐的方法和终端 | |
CN103870454A (zh) | 数据推荐方法及系统 | |
CN107748759A (zh) | 视频推送方法及其设备 | |
CN104615741B (zh) | 一种基于云计算的冷启动项目推荐的方法及装置 | |
CN102804178A (zh) | 检测用户的图像集合中的重要事件 | |
CN103186595A (zh) | 音视频推荐方法及系统 | |
CN108416627A (zh) | 一种基于互联网数据的品牌影响力监控方法及系统 | |
CN111435371A (zh) | 视频推荐方法及其系统、计算机程序产品、可读存储介质 | |
CN108021700A (zh) | 一种用户标签生成方法、装置及服务器 | |
CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
CN105956061A (zh) | 一种用户间相似度确定方法及装置 | |
Hossain et al. | Software process metrics in agile software development: A systematic mapping study | |
JP2012248120A (ja) | ウエブコンテンツの提供装置、方法、及びプログラム | |
CN112163163B (zh) | 多算法融合的信息推荐方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200703 Address after: Room 909, No.12, Huangshan Road, Jianye District, Nanjing City, Jiangsu Province, 210004 Applicant after: Nanjing Shangwang Network Technology Co.,Ltd. Address before: 7, No. 666, Zhang Heng Road, 201203, Shanghai, Pudong New Area, No. 1 Applicant before: SHANGHAI ZHANGMEN SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |