CN111291200B

CN111291200B - 多媒体资源展示方法、装置、计算机设备及存储介质

Info

Publication number: CN111291200B
Application number: CN202010075688.5A
Authority: CN
Inventors: 李佩逸
Original assignee: Beijing Dajia Internet Information Technology Co Ltd
Current assignee: Beijing Dajia Internet Information Technology Co Ltd
Priority date: 2020-01-22
Filing date: 2020-01-22
Publication date: 2023-08-08
Anticipated expiration: 2040-01-22
Also published as: CN111291200A

Abstract

本公开关于一种多媒体资源展示方法、装置、计算机设备及存储介质，涉及多媒体技术领域，本公开实施例中，通过预测用户对所述多媒体资源的信息关联标签的操作信息，根据这样得到的预测结果对多媒体资源进行展示，推荐过程将用户的生产情况考虑在内，有利于促进用户生产多媒体资源，用户看到这样的展示结果，更有可能会生产多媒体资源，从而用户的活跃度高，满足了用户的生产需求以及播放需求，展示效果好。

Description

多媒体资源展示方法、装置、计算机设备及存储介质

技术领域

本公开涉及多媒体技术领域，尤其涉及一种多媒体资源展示方法、装置、计算机设备及存储介质。

背景技术

随着多媒体技术的发展，人们经常生产多媒体资源并将其展示给其他人。人们可以将自己生产的多媒体资源上传到内容平台，内容平台可以为用户推荐多媒体资源。

相关技术中，多媒体资源展示方法通常是预测用户对多媒体资源的点击率、点赞率等，基于该预测结果来确定多媒体资源的展示次序。

但这种方法中仅将用户作为消费者来进行预测，起不到促进用户生产多媒体资源的作用，长此以往，没有足够的多媒体资源以供播放，用户活跃度慢慢下降，并非正向的发展，因而，上述方法的展示效果差。

发明内容

本公开提供一种多媒体资源展示方法、装置、计算机设备及存储介质，以至少解决相关技术中展示效果差的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种多媒体资源展示方法，包括：

获取多个多媒体资源；

根据所述多个多媒体资源，获取所述多个多媒体资源中每个多媒体资源的预测使用信息，所述每个多媒体资源的预测使用信息包括对所述每个多媒体资源的信息关联标签的操作信息；

根据所述多个多媒体资源中每个多媒体资源的预测使用信息，对所述多个多媒体资源进行展示。

在一种可能实现方式中，所述根据所述多个多媒体资源，获取所述多个多媒体资源中每个多媒体资源的预测使用信息，包括下述任一项：

根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，获取所述每个多媒体资源的预测使用信息；

根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及所述当前登录用户的用户画像信息或历史行为信息中至少一项，获取所述每个多媒体资源的预测使用信息。

在一种可能实现方式中，所述根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及所述当前登录用户的用户画像信息或历史行为信息中至少一项，获取所述每个多媒体资源的预测使用信息，包括：

根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及所述当前登录用户的用户画像信息或历史行为信息中至少一项中每一项信息，获取所述每一项信息对应的所述每个多媒体资源的候选预测使用信息；

对所述每个多媒体资源的内容、模板或介绍信息中至少一项对应的所述候选预测使用信息，以及所述当前登录用户的用户画像信息或历史行为信息中至少一项对应的所述候选预测使用信息进行加权求和，得到所述每个多媒体资源的预测使用信息。

根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及所述当前登录用户的用户画像信息或历史行为信息中至少一项，对所述每个多媒体资源与所述当前登录用户进行匹配，得到所述每个多媒体资源与所述当前登录用户的匹配度；

根据所述匹配度，确定所述每个多媒体资源的预测使用信息。

在一种可能实现方式中，所述根据所述多个多媒体资源，获取所述多个多媒体资源中每个多媒体资源的预测使用信息，包括：

将所述多个多媒体资源输入预测模型中，由所述预测模型根据所述多个多媒体资源中每个多媒体资源的信息，或根据所述每个多媒体资源和当前登录用户的信息，获取并输出所述每个多媒体资源的预测使用信息。

在一种可能实现方式中，所述预测模型的训练过程包括：

根据多个第一样本多媒体资源，对初始模型进行训练，得到候选预测模型，每个第一样本多媒体资源携带有目标播放反馈信息；

根据多个第二样本多媒体资源，对所述候选预测模型进行训练，得到所述预测模型，每个第二样本多媒体资源携带有目标使用信息。

在一种可能实现方式中，所述每个多媒体资源的所述预测使用信息包括对所述每个多媒体资源的信息关联标签的预测查看行为信息或基于所述信息关联标签对应内容生成资源的预测生成信息中至少一项。

在一种可能实现方式中，所述预测使用信息包括所述预测查看行为信息和所述预测生成信息；

所述根据所述多个多媒体资源中每个多媒体资源的预测使用信息，对所述多个多媒体资源进行展示，包括：

对所述多个多媒体资源中所述每个多媒体资源的所述预测生成信息和预测查看行为信息进行加权，得到所述每个多媒体资源的预测综合使用信息；

根据所述每个多媒体资源的预测综合使用信息，对所述多个多媒体资源进行展示。

在一种可能实现方式中，所述根据所述多个多媒体资源中每个多媒体资源的预测使用信息，对所述多个多媒体资源进行展示，包括：

根据所述多个多媒体资源中每个多媒体资源，获取所述每个多媒体资源的预测播放反馈信息；

根据所述每个多媒体资源的预测使用信息和预测播放反馈信息，对所述多个多媒体资源进行展示。

在一种可能实现方式中，所述根据所述每个多媒体资源的预测使用信息和预测播放反馈信息，对所述多个多媒体资源进行展示，包括：

根据所述每个多媒体资源的预测使用信息和预测播放反馈信息，获取所述每个多媒体资源的预测综合评价信息；

根据所述每个多媒体资源的预测综合评价信息，对所述多个多媒体资源进行展示。

根据本公开实施例的第二方面，提供一种多媒体资源展示装置，包括：

获取单元，被配置为执行获取多个多媒体资源；

预测单元，被配置为执行根据所述多个多媒体资源，获取所述多个多媒体资源中每个多媒体资源的预测使用信息，所述每个多媒体资源的预测使用信息包括对所述每个多媒体资源的信息关联标签的操作信息；

展示单元，被配置为执行根据所述多个多媒体资源中每个多媒体资源的预测使用信息，对所述多个多媒体资源进行展示。

在一种可能实现方式中，所述预测单元被配置为执行下述任一项：

在一种可能实现方式中，所述预测单元被配置为执行：

在一种可能实现方式中，所述预测单元被配置为执行将所述多个多媒体资源输入预测模型中，由所述预测模型根据所述多个多媒体资源中每个多媒体资源的信息，或根据所述每个多媒体资源和当前登录用户的信息，获取并输出所述每个多媒体资源的预测使用信息。

在一种可能实现方式中，所述装置还包括训练单元，所述训练单元被配置为执行：

在一种可能实现方式中，所述预测使用信息包括所述预测生成信息和所述预测查看行为信息；

所述展示单元被配置为执行：

在一种可能实现方式中，所述展示单元被配置为执行：

根据本公开实施例的第三方面，提供一种计算机设备，所述计算机设备包括：

一个或多个处理器；

用于存储所述一个或多个处理器可执行指令的一个或多个存储器；

其中，所述一个或多个处理器被配置为执行所述指令，以实现上述第一方面以及第一方面中任一种可能实现方式所述的多媒体资源展示方法。

根据本公开实施例的第四方面，提供一种存储介质，其特征在于，当所述存储介质中的指令由计算机设备的处理器执行时，使得所述计算机设备能够执行以实现上述第一方面以及第一方面中任一种可能实现方式所述的多媒体资源展示方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，包括一条或多条指令，该一条或多条指令可以由计算机设备的处理器执行时，使得计算机设备能够执行以实现上述第一方面以及第一方面中任一种可能实现方式所述的多媒体资源展示方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

本公开实施例提供的方法及装置，通过预测用户对所述多媒体资源的信息关联标签的操作信息，根据这样得到的预测结果对多媒体资源进行展示，推荐过程将用户的生产情况考虑在内，有利于促进用户生产多媒体资源，用户看到这样的展示结果，更有可能会生产多媒体资源，从而用户的活跃度高，满足了用户的生产需求以及播放需求，展示效果好。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种多媒体资源展示方法的流程图。

图2是根据一示例性实施例示出的一种多媒体资源展示方法的流程图。

图3是根据一示例性实施例示出的一种视频详情页的示意图。

图4是根据一示例性实施例示出的一种标签详情页的示意图。

图5是根据一示例性实施例示出的一种预测模型的结构示意图。

图6是根据一示例性实施例示出的一种多媒体资源展示装置框图。

图7是根据一示例性实施例示出的一种终端的结构框图。

图8是根据一示例性实施例示出的一种服务器的结构示意图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当信息下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。

本公开所涉及的用户信息可以为经用户授权或者经过各方充分授权的信息。

图1是根据一示例性实施例示出的一种多媒体资源展示方法的流程图，参见图1，该方法应用于计算机设备，包括：

在步骤S11中，获取多个多媒体资源。

在步骤S12中，根据该多个多媒体资源，获取该多个多媒体资源中每个多媒体资源的预测使用信息，该每个多媒体资源的预测使用信息包括对该每个多媒体资源的信息关联标签的操作信息。

在步骤S13中，根据该多个多媒体资源中每个多媒体资源的预测使用信息，对该多个多媒体资源进行展示。

本公开实施例提供的方法，通过预测用户对该多媒体资源的信息关联标签的操作信息，根据这样得到的预测结果对多媒体资源进行展示，推荐过程将用户的生产情况考虑在内，有利于促进用户生产多媒体资源，用户看到这样的展示结果，更有可能会生产多媒体资源，从而用户的活跃度高，满足了用户的生产需求以及播放需求，展示效果好。

在一种可能实现方式中，该根据该多个多媒体资源，获取该多个多媒体资源中每个多媒体资源的预测使用信息，包括下述任一项：

根据该每个多媒体资源的内容、模板或介绍信息中至少一项，获取该每个多媒体资源的预测使用信息；

根据该每个多媒体资源的内容、模板或介绍信息中至少一项，以及该当前登录用户的用户画像信息或历史行为信息中至少一项，获取该每个多媒体资源的预测使用信息。

在一种可能实现方式中，该根据该每个多媒体资源的内容、模板或介绍信息中至少一项，以及该当前登录用户的用户画像信息或历史行为信息中至少一项，获取该每个多媒体资源的预测使用信息，包括：

根据该每个多媒体资源的内容、模板或介绍信息中至少一项，以及该当前登录用户的用户画像信息或历史行为信息中至少一项中每一项信息，获取该每一项信息对应的该每个多媒体资源的候选预测使用信息；

对该每个多媒体资源的内容、模板或介绍信息中至少一项对应的该候选预测使用信息，以及该当前登录用户的用户画像信息或历史行为信息中至少一项对应的该候选预测使用信息进行加权求和，得到该每个多媒体资源的预测使用信息。

根据该每个多媒体资源的内容、模板或介绍信息中至少一项，以及该当前登录用户的用户画像信息或历史行为信息中至少一项，对该每个多媒体资源与该当前登录用户进行匹配，得到该每个多媒体资源与该当前登录用户的匹配度；

根据该匹配度，确定该每个多媒体资源的预测使用信息。

在一种可能实现方式中，该根据该多个多媒体资源，获取该多个多媒体资源中每个多媒体资源的预测使用信息，包括：

将该多个多媒体资源输入预测模型中，由该预测模型根据该多个多媒体资源中每个多媒体资源的信息，或根据该每个多媒体资源和当前登录用户的信息，获取并输出该每个多媒体资源的预测使用信息。

在一种可能实现方式中，该预测模型的训练过程包括：

根据多个第二样本多媒体资源，对该候选预测模型进行训练，得到该预测模型，每个第二样本多媒体资源携带有目标使用信息。

在一种可能实现方式中，该每个多媒体资源的该预测使用信息包括对该每个多媒体资源的信息关联标签的预测查看行为信息或基于该信息关联标签对应内容生成资源的预测生成信息中至少一项。

在一种可能实现方式中，该预测使用信息包括该预测查看行为信息和该预测生成信息；

该根据该多个多媒体资源中每个多媒体资源的预测使用信息，对该多个多媒体资源进行展示，包括：

对该多个多媒体资源中该每个多媒体资源的该预测生成信息和预测查看行为信息进行加权，得到该每个多媒体资源的预测综合使用信息；

根据该每个多媒体资源的预测综合使用信息，对该多个多媒体资源进行展示。

在一种可能实现方式中，该根据该多个多媒体资源中每个多媒体资源的预测使用信息，对该多个多媒体资源进行展示，包括：

根据该多个多媒体资源中每个多媒体资源，获取该每个多媒体资源的预测播放反馈信息；

根据该每个多媒体资源的预测使用信息和预测播放反馈信息，对该多个多媒体资源进行展示。

在一种可能实现方式中，该根据该每个多媒体资源的预测使用信息和预测播放反馈信息，对该多个多媒体资源进行展示，包括：

根据该每个多媒体资源的预测使用信息和预测播放反馈信息，获取该每个多媒体资源的预测综合评价信息；

根据该每个多媒体资源的预测综合评价信息，对该多个多媒体资源进行展示。

图2是根据一示例性实施例示出的一种终端检测方法的流程图，如图2所示，终端检测方法应用于计算机设备中，包括以下步骤。

在步骤S21中，计算机设备获取多个多媒体资源。

在本公开实施例中，计算机设备可以具有多媒体资源处理功能，计算机设备可以获取多个多媒体资源，对其进行分析，来确定如何展示该多个多媒体资源，以得到较好的推荐效果。其中，该多媒体资源可以为文本、音频、图片、视频，本公开实施例对该多媒体资源的类型不作限定。

该计算机设备可以为终端，也可以为服务器，本公开实施例对此不作限定。

对于该多个多媒体资源的获取过程，当该计算机设备为服务器时，该多个多媒体资源可以由采集设备采集并存储，从而该计算机设备获取从采集设备中获取该多个多媒体资源。当该计算机设备为终端时，该终端可以具有采集功能，该终端可以采集该多个多媒体资源。该终端也可以从服务器中获取该多个多媒体资源。当然，该多个多媒体资源还可以存储于数据库中，计算机设备可以从数据库中提取多个多媒体资源。本公开实施例对该多个多媒体资源的具体来源不作限定。

在步骤S22中，计算机设备根据该多个多媒体资源，获取该多个多媒体资源中每个多媒体资源的预测使用信息，该每个多媒体资源的该预测使用信息包括对该每个多媒体资源的信息关联标签的操作信息。

计算机设备获取到多个多媒体资源后，可以对每个多媒体资源进行预测，来预测该每个多媒体资源播放后是否可能被用户使用以及具体的使用信息。可以理解地，对于一个多媒体资源，该多媒体资源越可能被用户使用，用户使用的越多，该多媒体资源越值得推荐，越值得展示。因而，通过该步骤S22，可以对这种情况进行预测，并根据预测的结果作为后续展示的数据依据。

上述每个多媒体资源的该预测使用信息包括对该每个多媒体资源的信息关联标签的预测查看行为信息或基于该信息关联标签对应内容生成资源的预测生成信息中至少一项。该预测使用信息可以仅包括对该多媒体资源的信息关联标签的预测查看行为信息，也可以仅包括基于该信息关联标签对应内容生成资源的预测生成信息，还可以包括对该多媒体资源的信息关联标签的预测查看行为信息和基于该信息关联标签对应内容生成资源的预测生成信息。下述以该预测使用信息包括预测生成信息和预测查看行为信息为例进行说明，本公开实施例对此不作限定。

例如，以该多媒体资源为视频为例，当该视频播放时，用户很喜欢该视频的背景音乐，也想要用与该视频相同的背景音乐来制作一个新的视频，则可以进行生产操作。又或者，用户很喜欢该视频，想要观看更多相同类型的视频，则可以进行查找操作。

其中，多媒体资源可以对应有一种或多种信息关联标签，每个信息关联标签均关联有该多媒体资源的一种信息，例如，该信息关联标签可以包括素材标签、用户标签或活动标签中的至少一项。

其中，素材标签包括提供多媒体资源生产入口的音乐标签、魔表标签、拍摄方式标签等，该素材标签用于标识该多媒体资源所采用的素材并提供对该素材的查看入口或基于该素材进行拍摄的入口，例如，该拍摄方式标签可以为拍同框，用户对该拍摄方式标签进行触控操作，计算机设备可以基于该触控操作，显示多媒体资源的生产页面。

该用户标签提供该用户的详细信息的查看入口，例如，如果用户点击用户标签，计算机设备可以显示该用户的多媒体资源详情页。

活动标签是运营某一话题生产的多媒体资源的标签。例如，可以设置有多个话题，用户可以选择自己喜欢或感兴趣的话题参与生产，拍摄该话题相关的多媒体资源，拍摄出来的多媒体资源可以携带有该活动标签，以标识该多媒体资源对应的话题，其他人如果想要参与该话题，即可点击该活动标签，计算机设备可以将界面跳转至多媒体资源的生产页面。

对于上述两种用户使用视频的情况，通过下述具体示例进行说明，如图3所示，在视频详情页下方，可以显示有点击音乐/同框/特效/文本标签等的按钮。用户如果对该视频的这些内容感兴趣，则可以通过点击这些标签，进入标签详情页，如图4所示，观看该标签下的更多的作品，也即是查找类型相同的作品。对于生产新的视频，标签详情页中还可以显示有”我要拍”按钮。用户可以点击该按钮，则可以进入拍摄页，开始视频生产。用户观看视频时，可能会对视频所使用的背景音乐、特效感兴趣，产生使用同款音乐、特效、同框作品拍摄的想法，最直接的用户表现就是点击标签、以及点击“我要拍”按钮。因此，上述标签点击率和标签参与率越高的作品，对用户促进生产的作用越大。该标签点击率可以用于表示上述预测查看信息，标签参与率可以用于表示上述预测生成信息。

对于该预测过程，对每个多媒体资源进行预测时，可以根据该多媒体资源的信息来确定，例如，每个多媒体资源的内容、模板或介绍信息。在一种可能实现方式中，上述预测过程用于为用户进行个性化推荐，则还可以参考当前登录用户的信息，例如，当前登录用户的用户画像信息或历史行为信息。具体地，上述预测过程可以包括下述两种情况：

情况一：计算机设备可以根据该每个多媒体资源的内容、模板或介绍信息中至少一项，获取该每个多媒体资源的预测使用信息。

情况二：计算机设备根据该每个多媒体资源的内容、模板或介绍信息中至少一项，以及该当前登录用户的用户画像信息或历史行为信息中至少一项，获取该每个多媒体资源的预测使用信息。

在上述情况二中，该计算机设备可以根据一项或多项信息，来预测多媒体资源的使用信息，得到预测使用信息。具体地，对于根据多项信息的情况，计算机设备可以根据每一项信息预测，再综合多项信息的预测结果，得到多媒体资源的预测使用信息。

具体地，计算机设备可以根据该每个多媒体资源的内容、模板或介绍信息中至少一项，以及该当前登录用户的用户画像信息或历史行为信息中至少一项中每一项信息，获取该每一项信息对应的该每个多媒体资源的候选预测使用信息，计算机设备可以对该每个多媒体资源的内容、模板或介绍信息中至少一项对应的该候选预测使用信息，以及该当前登录用户的用户画像信息或历史行为信息中至少一项对应的该候选预测使用信息进行加权求和，得到该每个多媒体资源的预测使用信息。

例如，对于一个多媒体资源，在预测时可以采用多媒体资源的内容、介绍信息和用户画像信息，计算机设备可以分别根据每一项信息，获取对应的候选预测使用信息，再对三项信息的候选预测使用信息进行加权求和，得到该多媒体资源的预测使用信息。比如，该多媒体资源的内容时新性较好，则根据该多媒体资源预测得到的候选预测使用信息可以指示用户使用该多媒体资源的可能性较高。该多媒体资源的介绍信息的信息量较多，这该多媒体资源可能较为优质，因而，预测得到的候选预测使用信息可以指示用户使用该多媒体资源的可能性较高。该用户画像信息中该用户的年龄在20-25岁，该年龄段的用户使用多媒体资源的可能性较高。最后综合三者，为该用户使用该多媒体资源的可能性进行预测。

在另一种可能实现方式中，如果通过多项信息来预测，还可以综合多项信息来进行综合预测。具体的，计算机设备可以根据该每个多媒体资源的内容、模板或介绍信息中至少一项，以及该当前登录用户的用户画像信息或历史行为信息中至少一项，对该每个多媒体资源与该当前登录用户进行匹配，得到该每个多媒体资源与该当前登录用户的匹配度，从而根据该匹配度，确定该每个多媒体资源的预测使用信息。

具体地，在该预测过程中，该多媒体资源的内容、模板或介绍信息等可以用于指示该多媒体资源的信息，该当前登录用户的用户画像信息或历史行为信息可以用于指示该用户的信息或喜好，从而可以通过多媒体资源的信息和用户的信息来进行匹配，将二者的匹配度作为预测用户是否会使用该多媒体资源的数据依据。例如，该多媒体资源的内容是车辆销售方面的内容，该用户的性别为男，则该用户使用该多媒体资源的可能性较高。

在一种可能实现方式中，该预测过程可以通过预测模型实现，具体地，计算机设备可以将该多个多媒体资源输入预测模型中，由该预测模型根据该多个多媒体资源中每个多媒体资源的信息，或根据该每个多媒体资源和当前登录用户的信息，获取并输出该每个多媒体资源的预测使用信息。

其中，该多媒体资源的信息即可为上述内容、模板或介绍信息中至少一项，该当前登录用户的信息即可为该当前登录用户的用户画像信息或历史行为信息中至少一项。

上述使用预测模型进行预测的实现方式中，该预测模型可以根据样本多媒体资源进行训练得到，该训练过程可以为：计算机设备将样本多媒体资源输入初始模型中，由初始模型对样本多媒体资源进行预测，输出预测结果，该初始模型中的模型参数均为初始值，因而，可能通过该初始模型进行预测的预测结果并不准确，因而，需要根据目标结果和预测结果，来确定该初始模型的预测结果的准确性，从而根据该准确性来调整模型参数，经过多轮迭代，该初始模型的模型参数不断调整，从而最终可以训练得到预测模型。该训练过程可以理解为调整模型参数使得初始模型的预测结果越来越准确，后续得到的预测模型预测的结果准确性比较好。

在一种可能实现方式中，该训练预测模型来预测得到目标使用信息的样本多媒体资源可能数量级较小，这样训练得到的预测模型的准确性不如样本多时的准确性，还可以通过迁移学习的方式来解决该样本少的情况。具体地，计算机设备可以根据多个第一样本多媒体资源，对初始模型进行训练，得到候选预测模型，每个第一样本多媒体资源携带有目标播放反馈信息，然后根据多个第二样本多媒体资源，对该候选预测模型进行训练，得到该预测模型，每个第二样本多媒体资源携带有目标使用信息。

对于播放反馈信息的第一样本多媒体资源数量较多，这样通过第一样本多媒体资源先对初始模型进行训练，再用数量少的第二样本多媒体资源进行再次训练，可以解决第二样本多媒体资源的数量少的问题。

例如，如图5所示，上述预测模型可以为一个多任务训练模型，该预测模型可以包括底层网络(由于各个任务网络层共用一个底层网络，因而，可以称之为共享网络层)和特定任务网络层，其中，该共享网络层可以包括多层，比如，层(layer)1、……、layerN，其中,N为大于1的整数。不同的特定任务网络层对应的任务不同，例如，可以包括视频点击率预估任务、标签点击率预估任务(对应预测查看信息)，标签参与率预估任务(对应预测生成信息)。对于输入的多媒体资源可以通过N层的共享网络层，输入不同的特定任务网络层中:点击率(Click-Through-Rate,ctr)网络(Net)、Tag Ctr Net和标签参与率(tag_join-Through-Rate,tag_jtr)Net，分别由不同的特定任务网络层输出对应的视频点击率(ctr)、标签点击率(tag_ctr)和标签参与率(tag_jtr)。由于多任务训练模型对底层网络的贡献，对消费侧点击率模型精度(也即是视频点击率预估任务)提升也有一定的帮助。

在该图5所示的具体示例中，采用深度神经网络训练标签点击率和标签参与率预估模型，以实现个性化促进生产意愿评估。由于标签点击数、标签参与等行为相对视频点击数要少几个数量级，相比于点击率的预测，会存在标注数据不够的问题。考虑推荐系统中已经有对视频点击率的预估网络了，采用迁移学习的方法，利用模型基于视频点击率预估任务中已经学习知识或经验，并应用于标签点击率或标签参与率预估中。基于此可以解决标注不够的问题，该示例采用了多任务模型，同时完成了标签点击率和标签参与率的预估。

在步骤S23中，计算机设备对该多个多媒体资源中该每个多媒体资源的该预测生成信息和预测查看行为信息进行加权，得到该每个多媒体资源的预测综合使用信息。

计算机设备获取到每个多媒体资源的预测生成信息和预测查看行为信息两种信息后，可以综合二者，来预估每个多媒体资源的可能使用信息。

其中，该预测生成信息和预测查看行为信息可以分别对应有权重，该权重可以由相关技术人员根据需求进行设置，也可以在模型训练过程中学习得到，本公开实施例对此不作限定。该步骤S23中，计算机设备可以根据预测生成信息和预测查看行为信息分别对应的权重，对每个多媒体资源的该预测生成信息和预测查看行为信息进行加权，得到该每个多媒体资源的预测综合使用信息。

例如，在一个具体示例中，上述预测使生产信息可以用标签参与率表示，预测查看行为信息可以用标签点击率表示，该预测综合使用信息可以用促生产分数表示，该预测综合使用信息的获取过程可以通过下述公式实现：

score_p＝₁*p__+w₂*_tag_jtr

其中，w₁和w₂分别为标签点击率和标签参与率对应的权重，__为标签点击率，__为标签参与率，score_p为促生产分数。

在步骤S24中，计算机设备根据该每个多媒体资源的预测综合使用信息，对该多个多媒体资源进行排序。

计算机设备得到每个多媒体资源的预测综合使用信息，则多个多媒体资源则可以根据各自的预测综合使用信息分辨出哪个多媒体资源更值得被推荐，根据该分辨的结果进行推荐，可以使得预测更容易被用户使用的多媒体资源的推荐力度更大，这样进行多媒体资源推荐有利于促进用户生产，促进用户基于多媒体资源生产新的多媒体资源，提高用户的活跃度。

其中，该排序结果可以为预测综合使用信息指示使用信息越好的多媒体资源越靠前，预测综合使用信息指示使用信息越差的多媒体资源越靠后。这样优先推荐排序靠前的多媒体资源，通过这种推荐方式，可以有效促进用户生产多媒体资源或者对该多媒体资源进行操作以查找类型相同的其他多媒体资源。

该步骤S23和步骤S24为根据该多个多媒体资源的预测使用信息，对该多个多媒体资源进行排序的过程，提供了综合两种预测使用信息进行排序的方式，计算机设备还可以通过上述两种预测使用信息中任一种来进行排序,对此不作限定。

在步骤S25中，计算机设备根据该多个多媒体资源的次序，对该多个多媒体资源进行展示。

计算机设备得到多个多媒体资源的次序，即可根据该次序对多个多媒体资源进行展示，从而完成推荐过程。

上述步骤S23至步骤S25为根据该多个多媒体资源中每个多媒体资源的预测使用信息，对该多个多媒体资源进行展示的过程，上述为根据该每个多媒体资源的预测综合使用信息，对该多个多媒体资源进行展示的过程，仅以该预测使用信息包括预测生成信息和预测查看行为信息为例，计算机设备可以综合两种信息，对多媒体资源进行推荐。在一种可能实现方式中，该多媒体资源的预测使用信息还可以仅包括预测生成信息，该计算机设备可以仅基于多媒体资源的预测生成信息进行展示，该多媒体资源的预测使用信息还可以仅包括预测查看行为信息，该计算机设备可以仅基于多媒体资源的预测查看行为信息进行展示，本公开实施例对此不作限定。

在一种可能实现方式中，对该多个多媒体资源进行展示时，除了考虑上述预测使用信息所表示的使用信息，还可以考虑每个多媒体资源的播放反馈情况。具体地，上述步骤S23和步骤S24中，计算机设备可以根据该多个多媒体资源中每个多媒体资源，获取该每个多媒体资源的预测播放反馈信息，根据该每个多媒体资源的预测使用信息和预测播放反馈信息，对该多个多媒体资源进行展示。

在这种实现方式中，对多媒体资源进行展示时，不仅可以考虑用户会不会使用该多媒体资源生产新的多媒体资源，考虑用户会不会根据该多媒体资源查找同类的其他多媒体资源，还可以考虑用户会不会点击播放该多媒体资源，考虑用户会不会对该多媒体资源进行反馈，例如，点赞、评论、分享、收藏等，综合两种情况，可以体现该多媒体资源是否为用户所需或用户所喜欢看到的多媒体资源，可以体现该多媒体资源是否可以增加用户的互动行为，提高用户的活跃度。通过这两种情况来对多媒体资源进行展示，展示结果更符合用户需求，有利于促进用户生产多媒体资源，展示效果更好。

其中，该预测播放反馈信息也可以通过上述预测模型预测得到，也即是，将该多个多媒体资源输入预测模型中，可以输出该预测播放反馈信息。当然，该预测模型还可以进行预测播放反馈信息的训练，训练过程与上述过程同理，只是样本多媒体资源携带的信息不同。

在上述具体示例中，该预测模型除了上述两种预测使用信息的分支，还可以具有预测播放反馈信息的分支。其中，该预测播放反馈信息可以包括一种或多种信息，例如，该预测播放反馈信息可以包括播放率、点赞率、评论率、分享率、收藏率中的至少一项。该预测播放反馈信息具有多少种信息，对应的分支就可以有多少个。当然，也可以一个分支输出多种信息。当然，还有一种可能实现方式，该预测播放反馈信息的预测过程使用其他预测模型实现，与上述预测使用信息所使用的预测模型并不是同一个模型，本公开实施例对具体采用哪种实现方式不作限定。

在该实现方式中，计算机设备根据预测使用信息和预测播放反馈信息进行展示的过程具体可以为：计算机设备可以根据该每个多媒体资源的预测使用信息和预测播放反馈信息，获取该每个多媒体资源的预测综合评价信息，该预测综合评价信息综合了两种信息，能够更准确地表示用户是否需求或喜欢该每个多媒体资源。然后，计算机设备可以根据该多个多媒体资源的预测综合评价信息，对该多个多媒体资源进行展示。

在一个具体的可能实施例中，该预测使用信息可以为预测使用分数，预测播放反馈信息可以为预测播放反馈分数，计算机设备可以获取预测使用分数和预测播放反馈分数的和值作为预测综合评价分数，该预测综合评价分数即为预测综合评价信息。计算机设备则可以根据该预测综合评价分数，对多个多媒体资源进行排序，进而进行展示。可以理解地，该预测综合评价分数越大，该多媒体资源越值得被推荐，越要靠前推荐，从而增加该多媒体资源的播放次数，进而提高用户的活跃度。

本公开实施例不影响用户消费的基础上，还考虑了用户的生产情况，促进用户的生产意愿，提升用户在平台内的上传行为，促进更多用户参与生产，能够保证有足够的内容可以供用户观看消费，因而，是一种正向的循环。

对于本公开实施例提供的方法，根据实际的实验数据，可以发现添加促生产意愿提权实验组相较基线组，每天新增的音乐、同框等类型作品上传数量可提升10％。同时在上述具体示例中，由于多任务训练模型对底层网络的贡献，对消费侧点击率模型精度提升也有一定的帮助。提出了在消费场景下促进用生产的方案，定义了视频促进生产意愿的评估指标。采用深度学习网络模型,个性化分发促生产的作品。

图6是根据一示例性实施例示出的一种多媒体资源展示装置框图。参照图6，该装置包括：

获取单元601，被配置为执行获取多个多媒体资源；

预测单元602，被配置为执行根据该多个多媒体资源，获取该多个多媒体资源中每个多媒体资源的预测使用信息，该每个多媒体资源的预测使用信息包括对该每个多媒体资源的信息关联标签的操作信息；

展示单元603，被配置为执行根据该多个多媒体资源中每个多媒体资源的预测使用信息，对该多个多媒体资源进行展示。

本公开实施例提供的装置，通过预测用户对该多媒体资源的信息关联标签的操作信息，根据这样得到的预测结果对多媒体资源进行展示，推荐过程将用户的生产情况考虑在内，有利于促进用户生产多媒体资源，用户看到这样的展示结果，更有可能会生产多媒体资源，从而用户的活跃度高，满足了用户的生产需求以及播放需求，展示效果好。

在一种可能实现方式中，该预测单元602被配置为执行下述任一项：

在一种可能实现方式中，该预测单元602被配置为执行：

根据该匹配度，确定该每个多媒体资源的预测使用信息。

在一种可能实现方式中，该预测单元602被配置为执行将该多个多媒体资源输入预测模型中，由该预测模型根据该多个多媒体资源中每个多媒体资源的信息，或根据该每个多媒体资源和当前登录用户的信息，获取并输出该每个多媒体资源的预测使用信息。

在一种可能实现方式中，该装置还包括训练单元，该训练单元被配置为执行：

在一种可能实现方式中，该预测使用信息包括该预测生成信息和该预测查看行为信息；

该展示单元603被配置为执行：

在一种可能实现方式中，该展示单元603被配置为执行：

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

上述计算机设备可以为下述图7所示的终端，也可以为下述图8所示的服务器，本公开实施例对此不作限定。

图7是根据一示例性实施例示出的一种终端的结构框图。该终端700可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端700包括有：处理器701和存储器702。

处理器701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器701可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器701还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器701所执行以实现本公开中方法实施例提供的多媒体资源展示方法。

在一些实施例中，终端700还可选包括有：外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地，外围设备包括：射频电路704、触摸显示屏705、摄像头706、音频电路707、定位组件708和电源709中的至少一种。

外围设备接口703可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中，处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上；在一些其他实施例中，处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路704用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路704包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路704还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本公开对此不加以限定。

显示屏705用于显示UI(UserInterface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时，显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时，显示屏705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏705可以为一个，设置终端700的前面板；在另一些实施例中，显示屏705可以为至少两个，分别设置在终端700的不同表面或呈折叠设计；在再一些实施例中，显示屏705可以是柔性显示屏，设置在终端700的弯曲表面上或折叠面上。甚至，显示屏705还可以设置成非矩形的不规则图形，也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

摄像头组件706用于采集图像或视频。可选地，摄像头组件706包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器701进行处理，或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路707还可以包括耳机插孔。

定位组件708用于定位终端700的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于：加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。

加速度传感器711可以检测以终端700建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号，控制触摸显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器712可以检测终端700的机体方向及转动角度，陀螺仪传感器712可以与加速度传感器711协同采集用户对终端700的3D动作。处理器701根据陀螺仪传感器712采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器713可以设置在终端700的侧边框和/或触摸显示屏705的下层。当压力传感器713设置在终端700的侧边框时，可以检测用户对终端700的握持信号，由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在触摸显示屏705的下层时，由处理器701根据用户对触摸显示屏705的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器714用于采集用户的指纹，由处理器701根据指纹传感器714采集到的指纹识别用户的身份，或者，由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器701授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置终端700的正面、背面或侧面。当终端700上设置有物理按键或厂商Logo时，指纹传感器714可以与物理按键或厂商Logo集成在一起。

光学传感器715用于采集环境光强度。在一个实施例中，处理器701可以根据光学传感器715采集的环境光强度，控制触摸显示屏705的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏705的显示亮度；当环境光强度较低时，调低触摸显示屏705的显示亮度。在另一个实施例中，处理器701还可以根据光学传感器715采集的环境光强度，动态调整摄像头组件706的拍摄参数。

接近传感器716，也称距离传感器，通常设置在终端700的前面板。接近传感器716用于采集用户与终端700的正面之间的距离。在一个实施例中，当接近传感器716检测到用户与终端700的正面之间的距离逐渐变小时，由处理器701控制触摸显示屏705从亮屏状态切换为息屏状态；当接近传感器716检测到用户与终端700的正面之间的距离逐渐变大时，由处理器701控制触摸显示屏705从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图7中示出的结构并不构成对终端700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

图8是根据一示例性实施例示出的一种服务器的结构示意图，该服务器800可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)801和一个或一个以上的存储器802，其中，该存储器802中存储有至少一条指令，该至少一条指令由该处理器801加载并执行以实现上述各个方法实施例提供的多媒体资源展示方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。

在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器，上述指令可由计算机设备的处理器执行以完成上述多媒体资源展示方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，该非临时性计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品，包括一条或多条指令，该一条或多条指令可以由计算机设备的处理器执行，以完成上述实施例中提供的多媒体资源展示方法的方法步骤。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、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公开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，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开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。本公开的范围仅由所附的权利要求来限制。

Claims

1.一种多媒体资源展示方法，其特征在于，包括：

获取多个多媒体资源；

将所述多个多媒体资源输入预测模型中，获取由所述预测模型预测得到的每个多媒体资源的预测使用信息，所述每个多媒体资源的预测使用信息包括对所述每个多媒体资源的信息关联标签的操作信息；其中，所述预测模型的训练过程包括：根据多个携带有目标播放反馈信息的第一样本多媒体资源，对初始模型进行训练，得到候选预测模型；根据多个携带有目标使用信息的第二样本多媒体资源，对所述候选预测模型进行训练，得到所述预测模型；所述第一样本多媒体资源的数量大于所述第二样本多媒体资源的数量；

根据所述多个多媒体资源中每个多媒体资源，获取由所述预测模型预测得到的所述每个多媒体资源的预测播放反馈信息；

根据所述多个多媒体资源中每个多媒体资源的预测使用信息和预测播放反馈信息，对所述多个多媒体资源进行展示。

2.根据权利要求1所述的多媒体资源展示方法，其特征在于，所述方法还包括下述任一项：

根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及当前登录用户的用户画像信息或历史行为信息中至少一项，获取所述每个多媒体资源的预测使用信息。

3.根据权利要求2所述的多媒体资源展示方法，其特征在于，所述根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及所述当前登录用户的用户画像信息或历史行为信息中至少一项，获取所述每个多媒体资源的预测使用信息，包括：

4.根据权利要求2所述的多媒体资源展示方法，其特征在于，所述根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及所述当前登录用户的用户画像信息或历史行为信息中至少一项，获取所述每个多媒体资源的预测使用信息，包括：

5.根据权利要求1所述的多媒体资源展示方法，其特征在于，所述将所述多个多媒体资源输入预测模型中，获取由所述预测模型预测得到的每个多媒体资源的预测使用信息，包括：

6.根据权利要求1所述的多媒体资源展示方法，其特征在于，所述每个多媒体资源的所述预测使用信息包括对所述每个多媒体资源的信息关联标签的预测查看行为信息或基于所述信息关联标签对应内容生成资源的预测生成信息中至少一项。

7.根据权利要求6所述的多媒体资源展示方法，其特征在于，所述预测使用信息包括所述预测查看行为信息和所述预测生成信息；

所述方法还包括：

8.根据权利要求1所述的多媒体资源展示方法，其特征在于，所述根据所述多个多媒体资源中每个多媒体资源的预测使用信息和预测播放反馈信息，对所述多个多媒体资源进行展示，包括：

9.一种多媒体资源展示装置，其特征在于，包括：

获取单元，被配置为执行获取多个多媒体资源；

预测单元，被配置为执行将所述多个多媒体资源输入预测模型中，获取由所述预测模型预测得到的每个多媒体资源的预测使用信息，所述每个多媒体资源的预测使用信息包括对所述每个多媒体资源的信息关联标签的操作信息；其中，所述预测模型的训练过程包括：根据多个携带有目标播放反馈信息的第一样本多媒体资源，对初始模型进行训练，得到候选预测模型；根据多个携带有目标使用信息的第二样本多媒体资源，对所述候选预测模型进行训练，得到所述预测模型；所述第一样本多媒体资源的数量大于所述第二样本多媒体资源的数量；根据所述多个多媒体资源中每个多媒体资源，获取由所述预测模型预测得到的所述每个多媒体资源的预测播放反馈信息；

展示单元，被配置为执行根据所述多个多媒体资源中每个多媒体资源的预测使用信息和预测播放反馈信息，对所述多个多媒体资源进行展示。

10.根据权利要求9所述的多媒体资源展示装置，其特征在于，所述预测单元被配置为执行下述任一项：

11.根据权利要求9所述的多媒体资源展示装置，其特征在于，所述预测单元被配置为执行：

根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及当前登录用户的用户画像信息或历史行为信息中至少一项中每一项信息，获取所述每一项信息对应的所述每个多媒体资源的候选预测使用信息；

12.根据权利要求9所述的多媒体资源展示装置，其特征在于，所述预测单元被配置为执行：

根据所述每个多媒体资源的内容、模板或介绍信息中至少一项，以及当前登录用户的用户画像信息或历史行为信息中至少一项，对所述每个多媒体资源与所述当前登录用户进行匹配，得到所述每个多媒体资源与所述当前登录用户的匹配度；

13.根据权利要求9所述的多媒体资源展示装置，其特征在于，所述预测单元被配置为执行将所述多个多媒体资源输入预测模型中，由所述预测模型根据所述多个多媒体资源中每个多媒体资源的信息，或根据所述每个多媒体资源和当前登录用户的信息，获取并输出所述每个多媒体资源的预测使用信息。

14.根据权利要求9所述的多媒体资源展示装置，其特征在于，所述每个多媒体资源的所述预测使用信息包括对所述每个多媒体资源的信息关联标签的预测查看行为信息或基于所述信息关联标签对应内容生成资源的预测生成信息中至少一项。

15.根据权利要求14所述的多媒体资源展示装置，其特征在于，所述预测使用信息包括所述预测生成信息和所述预测查看行为信息；

所述展示单元被配置为执行：

16.根据权利要求9所述的多媒体资源展示装置，其特征在于，所述展示单元被配置为执行：

17.一种计算机设备，其特征在于，包括：

一个或多个处理器；

其中，所述一个或多个处理器被配置为执行所述指令，以实现如权利要求1至8中任一项所述的多媒体资源展示方法。

18.一种存储介质，其特征在于，当所述存储介质中的指令由计算机设备的处理器执行时，使得所述计算机设备能够执行如权利要求1至8任一项所述的多媒体资源展示方法。