CN111382281A - 基于媒体对象的内容的推荐方法、装置、设备和存储介质 - Google Patents

Abstract

本申请涉及一种基于媒体对象的内容的推荐方法、装置、计算机设备和存储介质。所述方法包括：获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签；采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签；确定与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象；当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容。采用本方法能够提高用户操作便利性。

Description

基于媒体对象的内容的推荐方法、装置、设备和存储介质

技术领域

本申请涉及数据处理技术领域，特别是涉及一种基于媒体对象的内容的推荐方法、装置、设备和存储介质。

背景技术

随着计算机技术的发展，出现了多媒体技术，给人们的生活和工作带来了很大的变化。多媒体技术是指通过计算机设备对文字、图像、动画、或声音等多种媒体信息进行综合处理和管理，使用户可以通过多种感官与计算机设备进行实时信息交互的技术。比如，用户可通过带有摄像头的移动设备随时随地进行摄影或录像，来采集照片或视频以记录生活。这里的照片或视频就可称作媒体对象。拍摄照片和录制视频已成为了人们生活中不可或缺的一部分，那么随之而来也衍生出了很多对照片或视频进行管理的应用程序，比如系统相册应用或第三方相册应用等。

传统的对媒体对象的管控方式，通常都是基于时间、地点或主题等信息来进行分类管理。比如，对于照片和视频进行管理的应用程序，通常都提供基于人物、事物或地点等来聚类用户照片，形成各种相册以进行管理。虽然传统的对媒体对象的管理在一定程度上可以方便用户，但无法给用户提供个性化的服务，导致用户操作不够便利。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高用户操作便利性的内容推荐方法、装置、计算机设备和存储介质。

一种基于媒体对象的内容的推荐方法，所述方法包括：

获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签；

采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签；

确定与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象；

当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容。

一种基于媒体对象的内容的推荐装置，所述装置包括：

获取模块，用于获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签；

确定模块，用于采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签；

所述确定模块还用于确定与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象；

推荐模块，用于当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签；

采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签；

确定与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象；

当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签；

采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签；

确定与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象；

当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容。

上述基于媒体对象的内容的推荐方法、装置、计算机设备和存储介质，对本地的媒体对象进行标签化处理得到对应的类别标签，并对用户操作数据进行采集分析，得到可以反映用户操作习惯和喜好的至少一个用户标签。从而可根据与用户标签相匹配的类别标签，从媒体对象中筛选出与用户标签相贴合的目标媒体数据，进而对用户的下一步操作进行预测，以推荐基于目标媒体对象所生成的推荐内容。这样，可大大提高对媒体对象管理的智能程度，为用户提供与用户标签相匹配的个性化服务，大大提高了用户的操作效率和操作便利性。

附图说明

图1为一个实施例中基于媒体对象的内容的推荐方法的应用环境图；

图2为一个实施例中基于媒体对象的内容的推荐方法的流程示意图；

图3为一个实施例中内容推荐方式的配置原理图；

图4为另一个实施例中向用户推荐用于进行搜索提示的推荐词的界面示意图；

图5为一个实施例中向用户推荐智能相册的界面示意图；

图6为一个实施例中构建用户画像的原理图；

图7为一个实施例中应用该基于媒体对象的内容的推荐方法的场景框架图；

图8为一个具体实施例中基于媒体对象的内容的推荐方法的流程示意图；

图9为另一个具体实施例中基于媒体对象的内容的推荐方法的流程示意图；

图10为一个实施例中基于媒体对象的内容的推荐装置的结构框图；

图11为另一个实施例中基于媒体对象的内容的推荐装置的结构框图；

图12为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的基于媒体对象的内容的推荐方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102可获取本地的媒体对象，并将媒体对象上传至服务器104，通过终端102和/或服务器104对各个媒体对象进行分类处理，得到各媒体对象分别对应的类别标签。终端102采集本地产生的与媒体对象相关的用户操作数据，并将用户操作数据上报至服务器104，通过终端102和/或服务器104对预设时间段内的用户操作数据进行行为分析，以得到与用户相关的至少一个的用户标签。进而，终端102可确定与各用户标签分别相匹配的类别标签所对应的目标媒体对象，当满足推荐条件满足推荐条件时，推荐基于目标媒体对象所生成的推荐内容。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种基于媒体对象的内容的推荐方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：

步骤S202，获取本地的媒体对象，并确定各媒体对象分别对应的类别标签。

其中，媒体对象是记录和传递信息的载体，具体可以是图片、视频或音频等数据。媒体对象可以是实时采集的，也可以是预先存储的。类别标签是标记不同内容种类的标签，具体可用于区分具有不同特征的媒体对象。可以理解，对应相同类别标签的媒体对象具有一定的共同性，而对应不同类别标签的媒体对象具有一定的差异性。类别标签具体可以是动物标签、地点标签、职业标签或年龄段标签等，更具体的比如地点、类型、场景、元素等方面的标签等。

具体地，终端可通过图像采集装置拍摄周围的环境或人物，得到对应的媒体对象并存储在本地的存储介质中。终端还可通过网络从服务器或其他终端处接收媒体对象。其中，图像采集装置具体可以是摄像头。进而，终端可根据各个媒体对象的内容对媒体对象进行分类处理，得到各个媒体对象各自对应的类别标签。

可以理解，一个媒体对象可以对应一个类别标签，也可以有多于一个的类别标签。比如，当媒体对象为照片时，该照片中包括有两个人物和一个动物，以及该照片是在广州所拍摄，那么对应的与该照片对应的类别标签具体可以是“合照”类别、“宠物”类别和“广州”类别这三个类别标签中的至少一个。

在一个实施例中，终端可对每个媒体对象的内容进行分析，将具有相同特征的媒体对象聚合为一类，并根据该相同特征确定该类所对应的类别标签。比如，当媒体对象为照片时，终端可分析各张照片中所包括的具体内容、每张照片所拍摄的时间和地点等信息。终端可将出现有人物的照片聚合为一类，并贴上“人物”的类别标签，可将拍摄时间在某个节假日的照片聚合为一类，并贴上与相应节假日相关的类别标签，比如“国庆节”。终端还可将出现有猫和狗的照片合为一类，并贴上“宠物”的类别标签等。

在一个实施例中，终端上运行有媒体应用，该媒体应用是用于管理媒体对象的应用程序，比如“相册管家”或“视频管理”等应用程序。在媒体应用中可集成有小巧轻便的分类模型，该分类模型具体可以通过轻量级的神经网络所构成。比如，SqueezeNet(挤压网)或MobileNet(移动网)等轻量级的卷积神经网络。进而，终端可通过整合在媒体应用中的分类网络对各个媒体对象进行特征提取，并基于提取出的特征进行分类得到对应的类别标签。

在一个实施例中，媒体应用中内置的分类模型具体可以是预先根据训练数据训练得到。该训练数据具体可以是带有标签信息的样本媒体对象，比如带有类别标签的图像或音频等。进而，服务器可预先通过训练数据对分类模型进行训练，以得到训练好的分类模型，并将训练好的分类模型整合至媒体应用中。

在一个实施例中，终端上运行有媒体应用，终端可通过网络连接并借助数据上云及数据同步的操作，将媒体对象同步至服务器。服务器中也可部署有相同的分类模型，进而，终端和服务器可单独或互相协作来完成对媒体对象的标签化处理，以实现多端标签化处理。

比如，终端和服务器分别处理部分的媒体对象，对各自处理的部分媒体对象进行分类处理，得到对应的类别标签。或者，在没有联网数据无法同步的情况下，终端可通过本地内置的分类模型对媒体对象进行标签化处理，在能够联网可以进行数同步操作时，则将媒体对象上传至服务器，以通过服务器对媒体对象进行标签化处理，得到对应的类别标签等，本申请实施例对此不作限定。

在一个具体的实施例中，该媒体对象可以是照片，媒体应用可使用雾凇模型(也就是已训练好的分类模型)，通过百万级用户数据训练后，集成在客户端下。当用户拍摄新的照片/视频后，媒体应用就会后台激活并进行标签化处理。当用户开启云备份照片时，媒体应用可以将照片上传至服务器进行多端标签化处理。

步骤S204，采集本地产生的与媒体对象相关的用户操作数据，并根据用户操作数据确定至少一个的用户标签。

其中，用户操作数据是与用户操作有关的行为数据，包括用户的具体操作行为、用户操作的具体时间及操作时长、用户操作所触达的具体对象、或用户操作的频次等。用户标签是标记不同用户类别的标签，具体可以是用户职业标签、用户年龄标签、用户喜好标签、或用户常住地标签等。

具体地，终端上运行有媒体应用，当用户通过媒体应用进行相关操作时，比如进入了具体功能页面、点击了具体的某个功能控件、或通过媒体应用查看/播放了某个媒体对象等，终端可采集相对应的用户操作数据。进而根据采集的用户操作数据分析用户行为轨迹，比如用户经常光顾的功能，用户日常的操作轨迹，或用户日常使用的时段等。终端可根据相应的用户行为轨迹确定与该用户相贴合的用户标签。

举例说明，当终端对采集的用户操作数据进行分析，发现该用户经常在周末的时候浏览媒体应用中的媒体对象，那么可以分析出该用户为上班族，“上班族”即可作为该用户的一个标签。还比如，当终端对采集的用户操作数据进行分析时，发现该用户已超过十天在广州进行照片拍摄并导入至媒体应用，那么可以分析出该用户的常住地为广州，“广州”即可作为该用户的一个用户标签。

在一个实施例中，用户操作数据包括了用户操作所作用的具体的媒体对象，终端可结合用户操作所触达的媒体对象的内容，辅助为该用户贴标签。比如，当终端对采集的用户操作数据进行分析时，发现该用户经常拍摄有猫的图片，那么可以分析出该用户喜欢宠物，那么“宠物达人”即可作为该用户的一个用户标签。

在一个实施例中，用户通过用户账号登录媒体应用，并通过媒体应用采集与该用户账号对应的用户操作数据。终端可将该用户账号对应的用户操作数据上传至服务器。终端和服务器可分别单独对用户操作数据进行分析，以确定与该用户账号对应的用户标签。终端和服务器还可协作对用户操作数据进行分析，以确定与该用户账号对应的用户标签。

在一个实施例中，对于该用户账号，终端或服务器可针对每一个用户账户构建对应的用户行为分析库，具体到记录用户最终触达的媒体对象，记录用户进入的功能界面，以及记录用户在某个功能的使用时长等。当该用户账号所对应的用户操作数据达到一定数量级后，终端或服务器就可以从用户行为分析库中查询到该用户的特征行为，例如经常在某个时段使用某一个功能等。进而服务器可根据用户的特征行为将用户进行分类及标签化。

在一个实施例中，终端在基于用户操作数据确定至少一个的用户标签时，可按照预设置的用户分类规则对用户进行分类。该用户分类规则中包括有分类参数，其中，部分的分类参数可通过云配置的方式实现，也就是部分的分类参数可通过服务器下发的参数进行更新。也就可通过云配置的方式调整用户分类规则，以辅助对用户进行精准地分类。其中，通过云配置进行更新的分类参数具体可以是时间跨度值。

比如，在基于用户操作数据对用户进行分类时，可预先设定好的时间跨度值为1周，可将该字段设置为云配置字段。这样，服务器可通过动态下发时间跨度值，比如1个月，来调整该分类参数，那么终端本地的用户分类规则就会进行相应的调整。比如调整为根据1个月的用户操作数据对用户进行分类。这样，通过云配置部分分类参数的方式，在基于用户操作数据对用户进行分类时可灵活调整用户分类规则，方便操作。

步骤S206，确定与各用户标签分别相匹配的类别标签所对应的目标媒体对象。

具体地，终端可预先获取或建立用户标签与类别标签的匹配关系，该匹配关系具体可以是一个用户标签与一个类别标签匹配，也可以是一个用户标签与多于一个的类别标签相匹配等，本申请实施例对此不作限定。终端可根据用户标签与类别标签的匹配关系，确定与各个用户标签分部相匹配的类别标签，进而可确定相匹配的类别标签下所包括的目标媒体对象。

举例说明，当用户标签中包括有家庭主妇的标签时，与该用户标签相匹配的类别标签具体可以是儿童类别，对应的目标媒体对象具体可以是包括有儿童的照片。当用户标签中包括有宠物达人的标签时，与该用户标签相匹配的类别标签具体可以是宠物类别，对应的目标媒体对象具体可以是包括有宠物的照片。

步骤S208，当满足推荐条件时，推荐基于目标媒体对象所生成的推荐内容。

其中，推荐条件是用于判断是否该执行推荐操作的条件。满足推荐条件具体可以是产生预设的触发操作、达到预设时间点、或执行某个预设动作达到预设时长等。其中，发生预设的触发操作具体可以是打开预设的功能页面、点击某个预设的功能控件、或检测到推荐操作等，本申请实施例对此不作限定。达到预设时间点具体可以是当前时间点为预先设置的推荐时间点。执行某个预设动作达到预设时长，具体可以是检测到用户浏览某个相册达到预设时长、或用户在搜索框中进行输入动作达到预设时长等。

具体地，终端检测到当前产生了预设的触发操作、达到预设时间点、或执行了某个预设动作达到预设时长等时，即可判断此时满足了推荐条件。进而可根据该满足推荐条件的具体触发方式，基于目标媒体对象生成与触发方式相应的推荐内容，并通过媒体应用展示或播放该推荐内容。其中，推荐内容具体可以是提示的搜索词或聚合的媒体对象集(比如相册)等。在一个实施例中，当满足推荐条件时可触发生成对应的推荐指令，当该推荐指令是通过搜索操作触发生成的，那么相应的推荐内容具体可以是根据目标媒体对象所生成的用于进行搜索提示的推荐词。当该推荐指令是通过聚类操作触发生成的，那么相应的推荐内容具体可以是根据目标媒体对象所生成的不同的媒体对象集。

举例说明，当检测到用户触发搜索操作时，比如点击了搜索框，那么终端可分析目标媒体对象的内容和目标媒体对象所属的类别标签，生成用于进行搜索提示的推荐词并推荐展示给用户，以对用户的搜索行为进行智能预测。当终端检测到用户触发了聚类操作时，比如用户新导入了一批照片或用户点击了用于合成相册的功能控件，那么终端可分析目标媒体对象的内容，生成一个个智能聚类的相册，推荐并询问用户是否保存下来，以此来提高用户的操作效率，增强用户的智能感知。

在一个实施例中，终端在确定与各个用户标签分别相匹配的类别标签所对应的目标媒体对象后，可根据目标媒体对象分别生成与各个用户标签各自对应的推荐内容。进而在向用户进行推荐时，可按照各个用户标签各自对应的优先级别的顺序，依次展示相应用户标签所对应的推荐内容。比如，优先展示优先级别高的用户标签所对应的推荐内容。

举例说明，当某个用户对应有3个用户标签，分别是“广州人”、“喜欢小猫”和“经常拍合照”。那终端可基于这3个用户标签进行优先级别划分，具体划分规则是预先设定好的，比如喜好类的用户标签的优先级别大于地点类的用户标签的优先级别。而喜好类的用户标签中“喜欢小猫”的优先级别大于“经常拍合照”的优先级别。那么，终端在向用户展示推荐内容时，可按照各用户标签的优先级别的顺序，依次展示与相应用户标签对应的推荐内容。比如与“广州人”对应的推荐内容是智能生成的“广州”相册，与“喜欢小猫”对应的推荐内容是智能生成的“宠物”相册，与“经常拍合照”对应的推荐内容是智能生成的“合照”相册。那么，终端可依次向用户展示“宠物”相册、“合照”相册和“广州”相册。

上述基于媒体对象的内容的推荐方法，对本地的媒体对象进行标签化处理得到对应的类别标签，并对用户操作数据进行采集分析，得到可以反映用户操作习惯和喜好的至少一个用户标签。从而可根据与用户标签相匹配的类别标签，从媒体对象中筛选出与用户标签相贴合的目标媒体数据，进而对用户的下一步操作进行预测，以推荐基于目标媒体对象所生成的推荐内容。这样，可大大提高对媒体对象管理的智能程度，为用户提供与用户标签相匹配的个性化服务，大大提高了用户的操作效率和操作便利性。

在一个实施例中，步骤S202，也就是获取本地的媒体对象，并确定各媒体对象分别对应的类别标签的步骤具体包括：通过媒体应用导入本地的媒体对象；通过媒体应用所整合的预先训练好的分类模型，对媒体对象进行分类处理，得到各媒体对象分别对应的类别标签。

具体地，终端上运行有媒体应用，终端可通过媒体应用导入本地的媒体对象，进而媒体应用可通过已经训练好的分类模型进行标签化处理，通过此分类模型的处理后，各个媒体对象就会带有一些独有的类别标签，包括但不限于地点、类型、场景、和元素等方面标签，例如截图、合照、或夜晚等。其中，通过机器学习训练的分类模型，具体可提前通过服务器进行训练后下发至该应用程序并整合在该应用程序中。

上述实施例中，媒体应用可以直接在终端本地通过简单的输入输出来完成对媒体对象的标签化过程，无需联网即可分析出各个媒体对象的类别标签，更实时更快捷。

在一个实施例中，该基于媒体对象的内容的推荐方法还包括媒体对象同步的步骤，该步骤包括响应于数据同步指令，通过媒体应用将本地的媒体对象同步至服务器。其中，通过媒体应用所整合的预先训练好的分类模型，对媒体对象进行分类处理，得到各媒体对象分别对应的类别标签的步骤具体包括：通过媒体应用所整合的预先训练好的分类模型，和/或，通过服务器中的分类模型，对媒体对象进行分类处理，得到各媒体对象分别对应的类别标签。

具体地，终端上运行有媒体应用，终端可通过网络连接并借助数据上云及数据同步的操作，将媒体对象同步至服务器。其中，将数据同步至服务器可认为是数据上云操作。服务器中也可部署有相同的分类模型，进而，终端和服务器可独立完成或互相协作完成对媒体对象的标签化处理，以实现多端标签化处理。比如，终端和服务器分别处理部分的媒体对象，对各自处理的部分媒体对象进行分类处理，得到对应的类别标签。或者，在没有联网数据无法同步的情况下，终端可通过本地内置的分类模型对媒体对象进行标签化处理，在能够联网可以进行数同步操作时，则将媒体对象上传至服务器，以通过服务器对媒体对象进行标签化处理，得到对应的类别标签等，本申请实施例对此不作限定。

在一个实施例中，终端可接收服务器反馈的对媒体对象进行分类所得到的类别标签，并与本地进行标签化处理的结果进行汇总整合，得到各个媒体对象分别对应的类别标签。

在一个实施例中，服务器与媒体应用的客户端都包含分类模型。对媒体对象进行标签化处理是非常耗时且占用设备性能的。在本申请实施例所提及的基于媒体对象的内容的推荐方法中可采用多端并行标签化的操作，也就是借助数据上云及数据同步的操作，完成多端高效标签化流程，以在最短时间内完成对媒体数据的标签化处理。

上述实施例中，媒体应用可提供功能强大的分类模型，无需联网即可分析出媒体对象的类别标签，同时结合云端高性能的分类模型，为用户提供从本地到云端精准的全面覆盖的智能分析能力，大大提高了对媒体对象的分类效率。

在一个实施例中，该基于媒体对象的内容的推荐方法还包括动态更新分类模型的步骤，该步骤具体包括：响应于数据同步指令，通过媒体应用将本地的媒体对象同步至服务器；同步的媒体对象用于指示服务器基于各媒体应用上报的媒体对象重训练分类模型，以对分类模型的模型参数进行更新；接收服务器下发的分类模型的模型更新参数，并根据模型更新参数更新媒体应用中整合的分类模型。

在一个实施例中，终端可检测用户触发的数据同步操作，当用户触发数据同步操作时，终端可生成对应的数据同步指令。响应于该数据同步指令，媒体应用可通过网络连接将本地的媒体对象同步上传至服务器。服务端可以不断搜集不同客户端所上传的大量的媒体对象，进而可通过人工或机器的方式进类别标注。从而根据带有标注信息的媒体对象对分类模型进行重复训练，条件分类模型的模型参数。这样不断基于大数据进行模型训练，使分类模型更加符合当前应用的用户群体。进一步地，服务器可通过版本更新的方式，将分类模型的模型更新参数下发至各个媒体应用，以使得媒体应用中的分类模型进行同步更新。

上述实施例中，基于数据上云，服务器可以不断搜集大量的媒体对象，而这些媒体对象既可以通过分类模型完成标签化操作，又可以反作用于分类模型以更新模型参数，使模型更加符合当前应用的用户群体。可以很好地客户端由于性能限制，无法实时训练更新分类模型的问题。

在一个实施例中，步骤S204，也就是采集本地产生的与媒体对象相关的用户操作数据，并根据用户操作数据确定至少一个的用户标签的步骤具体包括：确定本地运行的媒体应用中的预埋点；当通过媒体应用检测到与预埋点相应的触发操作时，采集用户操作数据；用户操作数据包括触发操作所作用的媒体对象和操作时间；基于预设时间段内采集的用户操作数据，确定至少一个的用户标签。

其中，预埋也称预先埋点，就是开发过程中提前协定好某种行为，并在这种行为处插入统计点的过程。预埋点就是已经插入统计点的预设行为。比如，可对用户方位某个具体的功能页面进行埋点，那么当用户在实际操作中，访问了该功能页面，则可认为是发生了与该预埋点相应的触发操作，终端采集该次行为的用户操作数据并进行上报。

具体地，终端可通过在媒体应用中插入统计点的形式，来采集用户操作数据。也就是该媒体应用中可预先设置有预埋点，当终端通过媒体应用检测到与预埋点相应的触发操作时，终端会采集该触发操作所产生的用户操作数据。其中，用户操作数据包括该触发操作所作用的媒体对象、操作时间点和操作时长等信息。进而终端可根据预设时间段内采集的用户操作数据，对用户行为轨迹进行分析，得到至少一个的用户标签。其中，触发操作是预设置的用户操作，具体可以是点击操作、按压操作或语音操作等。

上述实施例中，通过在媒体应用中进行预先埋点，以采集与预埋点对应的用户操作数据，从而可收集与媒体对象相关的用户操作数据，从而可根据用户操作数据确定与用户贴切、且与媒体对象相关的用户标签。

在一个实施例中，基于预设时间段内采集的用户操作数据，确定至少一个的用户标签具体包括：将采集的用户操作数据上报至服务器；上报的用户操作数据用于指示服务器根据预设时间段内的用户操作数据进行用户行为分析，得到第一用户候选标签；接收服务器发送的第一用户候选标签；通过媒体应用对本地采集的用户操作数据进行用户行为分析，得到第二用户候选标签；整合第一用户候选标签和第二用户候选标签，得到至少一个用户标签。

具体地，终端可将采集的用户操作数据上报至服务器，服务器根据预设时间段内的用户操作数据进行用户行为分析，得到第一用户候选标签。终端可通过媒体应用对本地采集的用户操作数据进行用户行为分析，得到第二用户候选标签。可以理解，此处在进行多端标签化时，终端和服务器可各自负责一部分用户操作数据的分析。进而终端可对第一用户候选标签和第二用户候选标签求并集，得到至少一个的用户标签。

上述实施例中，通过终端和服务器协同对用户操作数据进行分析，可以快速准确地对用户进行标签化处理。

在一个实施例中，步骤S208，也就是当满足推荐条件时，推荐基于目标媒体对象所生成的推荐内容包括：获取本地的固化参数、以及服务器远程配置并发送的云参数；根据固化参数和云参数确定当次的内容推荐方式；按照确定的内容推荐方式，推荐基于目标媒体对象所生成的推荐内容。

其中，固化参数是本地预先配置的规定不变的参数，云参数是通过服务下发的可以动态调整的参数。内容推荐方式是进行内容推荐时需要遵守的推荐规则，比如执行内容推荐的时间、频次、以及不用用户标签所对应推荐内容的推荐顺序等。

具体地，终端在进行内容推荐之前，可查找预先设置的内容推荐规则，该内容推荐规则中包括固化参数和云参数。终端可接收服务器远程配置并发送的云参数，并将该固化参数和云参数带入该内容推荐规则中得到当次的内容推荐方式，进而按照确定的内容推荐方式推荐相应的内容。

在一个实施例中，一个用户可对应有多于一个的用户标签，而不同的用户标签可以具有不同的优先级别。此时，不同用户标签各自所对应的优先级别就可以通过云配置实现，也就是用户标签对应的优先级别的参数可以是云参数。

参考图3，图3为一个实施例中内容推荐方式的配置原理图。如图3所示，在终端可优先固化内容推荐方式的基本架构，并预留部分属性字段供云配置，从而根据固化参数和云参数确定具体的内容推荐方式。这样，终端在进行内容推荐时，可从媒体对象中筛选出目标媒体对象并生成推荐内容，进而按照内容推荐方式进行内容推荐。

上述实施例中，通过云配置来确定当次的内容推荐方式，可以大大增强终端在进行内容推荐时的实用性和灵活性，也为智能推荐提供了人为干预的入口。运营者可以通过不断改变云配置参数，来调优内容推荐方式。

在一个实施例中，步骤S208，也就是当满足推荐条件时，推荐基于目标媒体对象所生成的推荐内容的步骤具体包括：当满足推荐条件时，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与用户标签对应的推荐内容；按照各用户标签的优先级别的顺序，依次推荐与相应用户标签相对应的推荐内容。

具体地，当终端检测到推荐指令时，可基于与各个用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与各个用户标签分别对应的推荐内容，比如搜索词或聚合的媒体对象集等。进而在向用户进行推荐时，可按照各个用户标签各自对应的优先级别的顺序，依次展示相应用户标签所对应的推荐内容。比如，优先展示优先级别高的用户标签所对应的推荐内容。

在一个实施例中，推荐内容包括推荐词；当满足推荐条件时，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与用户标签对应的推荐内容具体包括：当发生搜索操作时，根据搜索操作生成对应的推荐指令；响应于推荐指令，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，确定与各用户标签对应的、且用于进行搜索提示的推荐词。

在一个实施例中，当终端检测到发生搜索操作时，终端可根据搜索操作生成对应的推荐指令。响应于该推荐指令，终端可根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，确定与各用户标签对应的、且用于进行搜索提示的推荐词。

参考图4，图4为一个实施例中向用户推荐用于进行搜索提示的推荐词的界面示意图。如图4所示，该媒体应用的显示界面中包括搜索提示区域401、相册展示区域402和子功能切换区域403。当用户在媒体应用的“管理”子功能Tab(标签)下使用搜索功能时，在搜索提示区域401中会产生搜索词卡片并显示，供用户采纳和浏览。

下面结合图4对本申请实施例所提及的基于媒体对象的内容的推荐方法进行详细的说：用户可通过终端安装并运行媒体应用，当通过终端摄像头拍摄了新的照片或视频时，可通过该媒体应用中内置的分类模型对照片或视频进行分类处理，得到对应的类别标签。当然，当终端连接了互联网时，终端可通过互联网连接将照片或视频上传至服务器，服务器通过分类模型对照片或视频进行分类处理，得到对应的类别标签。可以理解，在联网的情况下，服务器可承担大部分的分类工作，这样有助于减轻终端的处理压力。每当用户在媒体应用中进行操作时，终端可检测与预埋点对应的触发操作，并采集由该触发操作所产生的用户操作数据。同样地，用户操作数据也可进行上报处理，终端或服务器协同对一段时间内的用户操作数据进行分析，得到与登录该媒体应用的用户账号对应的用户标签。当用户通过用户账号登录使用该媒体应用时，可进入如图4所示的由媒体应用提供的管理页面。当用户点击搜索提示区域401中的输入框时，终端可根据与各用户标签分别相匹配的类别标签所对应的照片或视频，确定与各用户标签对应的、且用于进行搜索提示的推荐词。终端在搜索提示区域401中展示至少一个的推荐词，比如“广州”、“猫”、“证件照”和“国庆节”，通过不同的推荐词预测用户下一步想要搜索的照片或视频。

上述实施例中，可对用户的搜索行为进行分析，预测用户所要搜索的主要内容，推荐用于进行搜索提示的推荐词，可提供精准推荐，以此提高了用户的操作效率，增强了用户的智能感知。

在一个实施例中，推荐内容包括媒体对象集；当满足推荐条件时，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与用户标签对应的推荐内容，包括：当满足推荐条件时，确定与各用户标签分别相匹配的类别标签；将与相同用户标签匹配的类别标签下的目标媒体对象，聚合成媒体对象集；将各用户标签分别对应的媒体对象集，作为相应用户标签对应的推荐内容。

其中，媒体对象集是由多于一个的媒体对象所组成的集合，比如相册或视频集等。在一个实施例中，当终端检测到推荐指令时，终端可确定与各用户标签分别相匹配的类别标签，可以理解，与一个用户标签相匹配的类别标签的数量可以是一个也可以是多于一个。终端将与相同用户标签匹配的类别标签下的所有的目标媒体对象，聚合在一起，形成一个媒体对象集。也就是说，对于每一个用户标签，都有一个与之对应的媒体对象集。进而，终端可将各用户标签分别对应的媒体对象集，作为相应用户标签所对应的推荐内容推荐给用户。

参考图5，图5为一个实施例中向用户推荐智能相册的界面示意图。如图5所示，该媒体应用的显示界面中包括智能相册推荐区域501。终端可根据各用户标签所对应的目标媒体对象(包括照片和视频等)进行聚合，并生成智能相册，展示在智能相册推荐区域501。

下面结合图5对本申请实施例所提及的基于媒体对象的内容的推荐方法进行详细的说：用户可通过终端安装并运行媒体应用，当通过终端摄像头拍摄了新的照片或视频时，可通过该媒体应用中内置的分类模型对照片或视频进行分类处理，得到对应的类别标签。当然，当终端连接了互联网时，终端可通过互联网连接将照片或视频上传至服务器，服务器通过分类模型对照片或视频进行分类处理，得到对应的类别标签。可以理解，在联网的情况下，服务器可承担大部分的分类工作，这样有助于减轻终端的处理压力。每当用户在媒体应用中进行操作时，终端可检测与预埋点对应的触发操作，并采集由该触发操作所产生的用户操作数据。同样地，用户操作数据也可进行上报处理，终端或服务器协同对一段时间内的用户操作数据进行分析，得到与登录该媒体应用的用户账号对应的用户标签。当用户通过用户账号登录使用该媒体应用时，可进入如图5所示的由媒体应用提供的管理页面。当终端检测到用户已进入该页面或检测到在预设时间段内用户导入过新照片或视频时，终端可将与相同用户标签匹配的类别标签下的所有的照片或视频，聚合在一起，形成一个相册。进而，终端可将各用户标签分别对应的相册，作为相应用户标签所对应的推荐内容推荐给用户。比如图5中智能相册推荐区域501中推荐的《重要的人》的相册。当用户点击智能相册推荐区域501区域时，终端可展示该区域中推荐的媒体对象集中的各个媒体对象，当检测到用于保存的操作时，直接将该媒体对象集保存至终端。

在一个实施例中，媒体应用可对与用户标签相匹配的类别标签下的照片进行可配置的交并集组合，得到对应的相册。创建的相册可以自动的归集用户所有照片以及新增照片，真正提升相册的智能化程度。

上述实施例中，将与相同用户标签匹配的类别标签下的目标媒体对象，聚合成媒体对象集，并将媒体对象集推荐给用户，可自动生成智能的媒体对象集，加强了对媒体对象的管控能力，同时提高了用户的操作效率。

在一个实施例中，在向用户进行推荐时，可按照各个用户标签各自对应的优先级别的顺序，优先向用户推荐优先级别更高的推荐词或媒体对象集，尽可能提供符合用户需求的精准推荐，以减少用户的操作频次，提高用户使用的便利性和智能性。

上述实施例中，当满足推荐条件时，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与各个用户标签分别对应的推荐内容，进而按照各用户标签的优先级别的顺序，依次推荐与相应用户标签相对应的推荐内容，可优先向用户推荐与用户更匹配更贴合用户喜好的推荐内容，大大提高了推荐准确性。

在一个实施例中，该基于媒体对象的内容的推荐方法还包括个性化页面展示步骤，该步骤具体包括：获取根据预设时间段内采集的用户操作数据所构建的用户画像；筛选与用户画像匹配的功能业务内容；按照功能业务内容生成对应的个性化页面并展示。

具体地，终端可将采集的用户操作数据上报至服务器，服务器基于预设时间段内采集的用户操作数据对用户行为进行分析，并给用户贴上不同的用户标签，这些用户标签就构成了用户画像。终端可根据用户画像筛选与用户画像匹配的业务内容，进而按照筛选的业务内容生成对应的个性化页面并展示。

比如，当分析出某个用户的用户画像中包括“宠物达人”这一用户标签，那么终端可筛选出于关于“宠物达人”的业务内容，比如附近的宠物美容店的具体地址，周边宠物食品店铺的具体地址等。进而终端可按照筛选的业务内容生成对应的个性化页面并展示给用户。

参考图6，图6为一个实施例中构建用户画像的原理图。如图6所示，终端采集的用户操作数据具体可包括：用户操作最终触发的内容、某个功能的使用时长、某个功能的使用频率、以及某个功能的关闭/确认频率等。终端或服务器可基于采集的用户操作数据进行用户行为分析，得到每个用户所对应的用户行为分析库，进而构建该用户的用户画像。该用户画像中的某些用户标签可以体现出该用户的操作习惯，比如用户功能喜好优先级和用户经常处理的内容等。

上述实施例中，通过用户画像筛选相匹配的业务内容，并生成对应的个性化页面展示，可以为不同用户提供个性化页面服务，进一步提高了用户操作便利性。

本申请还提供一种应用场景，该应用场景应用上述的基于媒体对象的内容的推荐方法。具体地，该基于媒体对象的内容的推荐方法在该应用场景的应用如下：

参考图7，图7为一个实施例中应用该基于媒体对象的内容的推荐方法的场景框架图。如图7所示，终端上运行有媒体应用的客户端，该媒体应用的客户端包括用户行为分析组件、终端标签化组件和智能推荐组件三个部分，并建立有独立的数据库进行用户的行为数据与媒体对象的数据持久化。其中，终端标签化组件包括预先整合的分类模型，用于对媒体对象进行分类处理。服务器包括云端标签化组件与云配置组件。其中，云端标签化组件包括模型训练组件和分类模型，可通过服务器训练分类模型并更新分类模型。可以理解，终端可将本地采集的用户操作数据和本地的媒体对象上传至服务器，服务器进行标签化处理后将分类结果反馈至终端进行整合。进而，终端可通过智能推荐组件实现内容推荐。

从图7中可以看出，服务器与客户端都包含标签化组件，并拥有同样的分类模型。标签化是整个智能推荐流程中耗时最长，最占用性能的环节，因此本方案采取多端并行标签化的操作，借助数据上云及数据同步的操作，完成多端高效标签化流程，以最短的时间完成标签化。在具体应用场景中，云配置主要服务于智能推荐组件。智能推荐组件中包含了具体的推荐算法模型，该推荐算法模型分为云配置集合固化参数两种形态。也就是在终端优先固化基本的推荐算法模型，并预留部分属性字段供云配置。推荐算法模型在终端定时运行，并根据云配置可实时调整推荐规则，以向用户进行内容推送。云配置可以大大增强了终端智能推荐组件的适用性，也为智能推荐提供了人为干预的入口。运营者可以通过不断改变云配置参数，来调优线上的推荐算法模型。

参考图8，图8为一个具体实施例中基于媒体对象的内容的推荐方法的流程示意图。如图8所示，该基于媒体对象的内容的推荐方法包括以下步骤：S802，采集用户操作数据和本地的媒体对象。S804，通过分类模型对各媒体对象进行分类处理，得到类别标签。S806，检测媒体对象是否发生变化。当发生变化时跳转至步骤S804，当未发生变化时跳转至步骤S808。步骤S808，根据用户操作数据记录用户行为轨迹。S810，对用户行为轨迹进行分析，得到用户标签。S812，根据用户标签和类别标签的匹配程度产生推荐内容。进而，终端可向用户推荐匹配的推荐内容。

具体地，终端可通过用户账号登录媒体应用，并通过媒体应用采集用户操作数据和本地的媒体对象。进而通过终端本地的或服务器端的分类模型对各媒体对象进行分类处理，得到对应的类别标签。终端可检测本地的媒体对象是否发生变化。当发生变化时对新增的媒体对象进行分类处理，得到对应的类别标签。当未发生变化时，终端可根据用户操作数据记录用户行为轨迹，并对用户行为轨迹进行分析，得到与用户账号对应的用户标签。终端可确定与用户标签相匹配的和类别标签，并根据相匹配的类别标签下的目标媒体对象生成推荐内容。进而，终端可在媒体应用中展示推荐的推荐内容。

参考图9，在一个具体的实施例中，该基于媒体对象的内容的推荐方法具体包括以下步骤：

S902，通过媒体应用导入本地的媒体对象。

S904，响应于数据同步指令，通过媒体应用将本地的媒体对象同步至服务器。

S906，通过媒体应用所整合的预先训练好的分类模型，和/或，通过服务器中的分类模型，对媒体对象进行分类处理得到各媒体对象分别对应的类别标签。

S908，确定本地运行的媒体应用中的预埋点。

S910，当通过媒体应用检测到与预埋点相应的触发操作时，采集用户操作数据；用户操作数据包括触发操作所作用的媒体对象和操作时间。

S912，将采集的用户操作数据上报至服务器；上报的用户操作数据用于指示服务器根据预设时间段内的用户操作数据进行用户行为分析，得到第一用户候选标签。

S914，接收服务器发送的第一用户候选标签。

S916，通过媒体应用对本地采集的用户操作数据进行用户行为分析，得到第二用户候选标签。

S918，整合第一用户候选标签和第二用户候选标签，得到至少一个用户标签。

S920，确定与各用户标签分别相匹配的类别标签所对应的目标媒体对象。

S922，当满足推荐条件时，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与各用户标签对应的推荐内容。

S924，获取本地的固化参数、以及服务器远程配置并发送的云参数。

S926，根据固化参数和云参数确定当次的内容推荐方式。

S928，按照确定的内容推荐方式，并按照各用户标签的优先级别的顺序，依次推荐与相应用户标签相对应的推荐内容。

S930，获取根据预设时间段内采集的用户操作数据所构建的用户画像。

S932，筛选与用户画像匹配的业务内容。

S934，按照业务内容生成对应的个性化页面并展示。

上述基于媒体对象的内容的推荐方法，对本地的媒体对象进行标签化处理得到对应的类别标签，并对用户操作数据进行采集分析，得到可以反映用户操作习惯和喜好的至少一个用户标签。从而可根据与用户标签相匹配的类别标签，从媒体对象中筛选出与用户标签相贴合的目标媒体数据，进而对用户的下一步操作进行预测，以推荐基于目标媒体对象所生成的推荐内容。这样，可大大提高对媒体对象管理的智能程度，为用户提供与用户标签相匹配的个性化服务，大大提高了用户的操作效率和操作便利性。

应该理解的是，虽然图2、图8和图9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图8和图9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图10所示，提供了一种基于媒体对象的内容的推荐装置1000，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：获取模块1001、确定模块1002和推荐模块1003，其中：

获取模块1001，用于获取本地的媒体对象，并确定各媒体对象分别对应的类别标签。

确定模块1002，用于采集本地产生的与媒体对象相关的用户操作数据，并根据用户操作数据确定至少一个的用户标签。

确定模块1002还用于确定与各用户标签分别相匹配的类别标签所对应的目标媒体对象。

推荐模块1003，用于当满足推荐条件时，推荐基于目标媒体对象所生成的推荐内容。

在一个实施例中，获取模块1001还用于通过媒体应用导入本地的媒体对象；通过媒体应用所整合的预先训练好的分类模型，对媒体对象进行分类处理，得到各媒体对象分别对应的类别标签。

在一个实施例中，该基于媒体对象的内容的推荐装置1000还包括同步模块1004，用于响应于数据同步指令，通过媒体应用将本地的媒体对象同步至服务器。获取模块1001还用于通过媒体应用所整合的预先训练好的分类模型，和/或，通过服务器中的分类模型，对媒体对象进行分类处理，得到各媒体对象分别对应的类别标签。

在一个实施例中，该基于媒体对象的内容的推荐装置1000还包括更新模块1005，其中，同步模块1004还用于响应于数据同步指令，通过媒体应用将本地的媒体对象同步至服务器；同步的媒体对象用于指示服务器基于各媒体应用上报的媒体对象重训练分类模型，以对分类模型的模型参数进行更新。更新模块1005，用于接收服务器下发的分类模型的模型更新参数，并根据模型更新参数更新媒体应用中整合的分类模型。

在一个实施例中，确定模块1002还用于确定本地运行的媒体应用中的预埋点；当通过媒体应用检测到与预埋点相应的触发操作时，采集用户操作数据；用户操作数据包括触发操作所作用的媒体对象和操作时间；基于预设时间段内采集的用户操作数据，确定至少一个的用户标签。

在一个实施例中，确定模块1002还用于将采集的用户操作数据上报至服务器；上报的用户操作数据用于指示服务器根据预设时间段内的用户操作数据进行用户行为分析，得到第一用户候选标签；接收服务器发送的第一用户候选标签；通过媒体应用对本地采集的用户操作数据进行用户行为分析，得到第二用户候选标签；整合第一用户候选标签和第二用户候选标签，得到至少一个用户标签。

在一个实施例中，获取模块1001还用于获取本地的固化参数、以及服务器远程配置并发送的云参数。确定模块1002还用于根据固化参数和云参数确定当次的内容推荐方式；按照确定的内容推荐方式，推荐基于目标媒体对象所生成的推荐内容。

在一个实施例中，推荐模块1003还用于当满足推荐条件时，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与用户标签对应的推荐内容；按照各用户标签的优先级别的顺序，依次推荐与相应用户标签相对应的推荐内容。

在一个实施例中，推荐内容包括推荐词；推荐模块1003还用于当发生搜索操作时，根据搜索操作生成对应的推荐指令；响应于推荐指令，根据与各用户标签分别相匹配的类别标签所对应的目标媒体对象，确定与各用户标签对应的、且用于进行搜索提示的推荐词。

在一个实施例中，推荐内容包括媒体对象集；推荐模块1003还用于当满足推荐条件时，确定与各用户标签分别相匹配的类别标签；将与相同用户标签匹配的类别标签下的目标媒体对象，聚合成媒体对象集；将各用户标签分别对应的媒体对象集，作为相应用户标签对应的推荐内容。

参考图11，在一个实施例中，该基于媒体对象的内容的推荐装置1000还包括筛选模块1006和展示模块1007，其中，获取模块1001还用于获取根据预设时间段内采集的用户操作数据所构建的用户画像。筛选模块1006，用于筛选与用户画像匹配的业务内容。展示模块1007，用于按照业务内容生成对应的个性化页面并展示。

上述基于媒体对象的内容的推荐装置，对本地的媒体对象进行标签化处理得到对应的类别标签，并对用户操作数据进行采集分析，得到可以反映用户操作习惯和喜好的至少一个用户标签。从而可根据与用户标签相匹配的类别标签，从媒体对象中筛选出与用户标签相贴合的目标媒体数据，进而对用户的下一步操作进行预测，以推荐基于目标媒体对象所生成的推荐内容。这样，可大大提高对媒体对象管理的智能程度，为用户提供与用户标签相匹配的个性化服务，大大提高了用户的操作效率和操作便利性。

关于基于媒体对象的内容的推荐装置的具体限定可以参见上文中对于基于媒体对象的内容的推荐方法的限定，在此不再赘述。上述基于媒体对象的内容的推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于媒体对象的内容的推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种基于媒体对象的内容的推荐方法，所述方法包括：

获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签；

采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签；

确定与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象；

当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容。

2.根据权利要求1所述的方法，其特征在于，所述获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签，包括：

通过媒体应用导入本地的媒体对象；

通过所述媒体应用所整合的预先训练好的分类模型，对所述媒体对象进行分类处理，得到各所述媒体对象分别对应的类别标签。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

响应于数据同步指令，通过所述媒体应用将本地的媒体对象同步至服务器；

所述通过所述媒体应用所整合的预先训练好的分类模型，对所述媒体对象进行分类处理，得到各所述媒体对象分别对应的类别标签，包括：

通过所述媒体应用所整合的预先训练好的分类模型，和/或，通过所述服务器中的分类模型，对所述媒体对象进行分类处理，得到各所述媒体对象分别对应的类别标签。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

响应于数据同步指令，通过所述媒体应用将本地的媒体对象同步至服务器；同步的媒体对象用于指示所述服务器基于各媒体应用上报的媒体对象重训练分类模型，以对所述分类模型的模型参数进行更新；

接收所述服务器下发的所述分类模型的模型更新参数，并根据所述模型更新参数更新所述媒体应用中整合的分类模型。

5.根据权利要求1所述的方法，其特征在于，所述采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签，包括：

确定本地运行的媒体应用中的预埋点；

当通过所述媒体应用检测到与所述预埋点相应的触发操作时，采集用户操作数据；所述用户操作数据包括所述触发操作所作用的媒体对象和操作时间；

基于预设时间段内采集的用户操作数据，确定至少一个的用户标签。

6.根据权利要求5所述的方法，其特征在于，所述基于预设时间段内采集的用户操作数据，确定至少一个的用户标签，包括：

将采集的所述用户操作数据上报至服务器；上报的所述用户操作数据用于指示所述服务器根据预设时间段内的用户操作数据进行用户行为分析，得到第一用户候选标签；

接收所述服务器发送的第一用户候选标签；

通过所述媒体应用对本地采集的用户操作数据进行用户行为分析，得到第二用户候选标签；

整合所述第一用户候选标签和第二用户候选标签，得到至少一个用户标签。

7.根据权利要求1所述的方法，其特征在于，所述当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容，包括：

获取本地的固化参数、以及服务器远程配置并发送的云参数；

根据所述固化参数和所述云参数确定当次的内容推荐方式；

按照确定的内容推荐方式，推荐基于所述目标媒体对象所生成的推荐内容。

8.根据权利要求1所述的方法，其特征在于，所述当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容，包括：

当满足推荐条件时，根据与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与所述用户标签对应的推荐内容；

按照各所述用户标签的优先级别的顺序，依次推荐与相应用户标签相对应的推荐内容。

9.根据权利要求8所述的方法，其特征在于，所述推荐内容包括推荐词；所述当满足推荐条件时，根据与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与所述用户标签对应的推荐内容，包括：

当发生搜索操作时，根据所述搜索操作生成对应的推荐指令；

响应于所述推荐指令，根据与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象，确定与各用户标签对应的、且用于进行搜索提示的推荐词。

10.根据权利要求8所述的方法，其特征在于，所述推荐内容包括媒体对象集；所述当满足推荐条件时，根据与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象，生成与所述用户标签对应的推荐内容，包括：

当满足推荐条件时，确定与各所述用户标签分别相匹配的类别标签；

将与相同用户标签匹配的类别标签下的目标媒体对象，聚合成媒体对象集；

将各用户标签分别对应的媒体对象集，作为相应用户标签对应的推荐内容。

11.根据权利要求1至10中任一项所述的方法，其特征在于，所述方法还包括：

获取根据预设时间段内采集的用户操作数据所构建的用户画像；

筛选与所述用户画像匹配的业务内容；

按照所述业务内容生成对应的个性化页面并展示。

12.一种基于媒体对象的内容的推荐装置，其特征在于，所述装置包括：

获取模块，用于获取本地的媒体对象，并确定各所述媒体对象分别对应的类别标签；

确定模块，用于采集本地产生的与所述媒体对象相关的用户操作数据，并根据所述用户操作数据确定至少一个的用户标签；

所述确定模块还用于确定与各所述用户标签分别相匹配的类别标签所对应的目标媒体对象；

推荐模块，用于当满足推荐条件时，推荐基于所述目标媒体对象所生成的推荐内容。

13.根据权利要求12所述的装置，其特征在于，所述获取模块包括：

导入模块，用于通过媒体应用导入本地的媒体对象；

分类模块，用于通过所述媒体应用所整合的预先训练好的分类模型，对所述媒体对象进行分类处理，得到各所述媒体对象分别对应的类别标签。

14.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述方法的步骤。

15.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。

Images