CN111414493B - 多媒体推荐方法及装置 - Google Patents

Abstract

本说明书提供多媒体推荐方法及装置，其中所述多媒体推荐方法包括：获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量；将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

Description

多媒体推荐方法及装置

技术领域

本说明书涉及数据处理技术领域，特别涉及一种多媒体推荐方法。本说明书同时涉及一种多媒体推荐装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着互联网技术的发展，信息的推荐方式变得越来越多样化以及个性化，而信息所属的推荐方为了能够达到推荐效果增加，通常会在用户经常出现的场所中投放大量的业务信息，例如在地铁、火车或者飞机上都会通过播放终端向用户播放广告，以使得能够吸引更多的用户参与相关的业务项目，然而，该种方式前期耗费的资源较大，达到的效果有限，并不能够很好的触达用户，并且在某些场景中考虑到用户的流动性，信息的投放时间只能够按照时段进行，没有很好的结合用户的个性化数据对用户作到个性化的推荐，使得信息的推荐效果更差，故亟需一种效率高、效果好的方案以解决推荐效果差的问题。

发明内容

有鉴于此，本说明书实施例提供了一种多媒体推荐方法。本说明书同时涉及一种多媒体推荐装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种多媒体推荐方法，包括：

获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量；

将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

可选的，所述获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据，包括：

通过所述播放终端配置的图像采集设备在预设的时间节点针对所述可视区域进行图像采集获得目标图像；

将所述目标图像输入至判别模型对所述可视区域内的观看用户的观看行为进行判别，获得所述观看用户的观看行为结果；

基于所述观看行为结果确定所述观看用户针对所述多媒体信息进行观看的观看行为数据。

可选的，所述基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据，包括：

基于所述观看行为数据对所述观看用户进行划分，根据划分结果获得至少一个用户集；

基于所述用户集中观看用户的购票信息确定所述观看用户对应的身份标识；

在预先建立的特征数据库中提取与所述身份标识对应的特征数据作为所述用户集对应的所述特征数据。

可选的，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合，包括：

提取所述多媒体集合中包含的待选择多媒体信息，并确定所述多媒体信息对应的多媒体标识；

基于所述多媒体标识计算各个待选择多媒体信息的频次；

按照所述频次选择设定数目的待选择多媒体信息确定为向所述观看用户推荐的所述目标多媒体信息组成的所述目标多媒体集合；

通过所述播放终端将所述目标多媒体集合中包含的目标多媒体信息按照所述频次从大到小的排列顺序进行播放。

可选的，所述基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据，包括：

按照所述观看行为数据对所述观看用户进行划分，根据划分结果获得观看用户集和未观看用户集；

基于所述观看用户集和所述未观看用户集中包含的观看用户的购票信息，提取所述观看用户集中观看用户的第一特征数据，以及所述未观看用户集中观看用户的第二特征数据；

将所述第一特征数据作为所述观看用户集对应的特征数据，以及将所述第二特征数据作为所述未观看用户集对应的特征数据。

可选的，所述根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量，包括：

根据所述第一特征数据和所述多媒体特征数据构建所述观看用户集中观看用户对应的观看目标向量，以及根据所述第二特征数据和所述多媒体特征数据构建所述未观看用户集中观看用户对应的未观看目标向量。

可选的，所述将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合，包括：

将所述观看目标向量以及所述未观看目标向量分别输入至所述多媒体预测模型，对所述观看用户集中观看用户触达的多媒体信息和所述未观看用户集中观看用户触达的多媒体信息进行预测，获得所述观看用户集中观看用户对应的第一多媒体集合以及所述未观看用户集中观看用户对应的第二多媒体集合。

可选的，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合，包括：

将所述第一多媒体集合以及所述第二多媒体集合进行整合，根据整合结果选择所述目标多媒体信息组成向所述观看用户推荐的所述目标多媒体集合；

通过所述播放终端向所述观看播放所述目标多媒体集合中包含的所述目标多媒体信息。

可选的，所述获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据步骤执行之前，还包括：

确定所述可视区域内包含的座位号，并基于所述座位号构建与所述播放终端之间的第一映射关系；

获取用户的购票信息，并根据所述购票信息确定所述座位号与所述观看用户之间的第二映射关系；

基于所述第一映射关系以及所述第二映射关系确定所述可视区域内的所述观看用户。

可选的，所述基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据，包括：

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集中包含的观看用户对应的所述特征数据。

可选的，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合，包括：

基于所述观看用户的购票信息在所述多媒体集合中选择所述目标多媒体信息组成所述目标多媒体集合并向所述观看用户进行推荐；

按照所述购票信息将所述目标多媒体集合中包含的所述目标多媒体信息进行排序并通过所述播放终端进行顺序播放。

可选的，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合步骤执行之后，还包括：

在预设的时间周期内通过所述判别模型检测所述目标多媒体集合中包含的所述目标多媒体信息的观看率；

在所述观看率小于预设观看率阈值的情况下，基于所述多媒体集合对所述目标多媒体集合进行更新；

向所述观看用户推荐更新后的目标多媒体集合并通过所述播放终端进行播放更新后的目标多媒体集合中包含的多媒体信息。

根据本说明书实施例的第二方面，提供了一种多媒体推荐装置，包括：

获取数据模块，被配置为获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

提取数据模块，被配置为基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

构建向量模块，被配置为根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量；

模型预测模块，被配置为将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

推荐信息模块，被配置为基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

根据本说明书实施例的第三方面，提供了一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量；

将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述多媒体推荐方法的步骤。

本说明书一实施例提供的多媒体推荐方法，通过获取播放终端的可视区域内的观看用户针对多媒体信息进行观看的观看行为数据对所述观看用户进行划分，并提取划分后获得的各个用户集对应的特征数据，再基于特征数据和多媒体特征数据构建各用户集的目标向量，之后输入到所述多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述多媒体集合，最后基于所述多媒体集合构建向所述观看用户推荐的并通过所述播放终端播放的目标多媒体集合，实现了在向观看用户推荐多媒体信息的过程中，结合了可视区域内各个观看用户的特征数据进行筛选多媒体信息，使得筛选出的多媒体信息更加容易触达观看用户，从而在通过播放终端进行播放多媒体信息的过程中能够吸引更多的用户进行观看，使得多媒体信息的推荐效果提高的同时更进一步的提高了用户的体验效果。

附图说明

图1是本说明书一实施例提供的一种多媒体推荐方法的流程图；

图2是本说明书一实施例提供的一种应用于广告播放场景中的多媒体推荐方法的处理流程图；

图3是本说明书一实施例提供的一种多媒体推荐装置的结构示意图；

图4是本说明书一实施例提供的一种计算设备的结构框图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。

在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

在本说明书中，提供了一种多媒体推荐方法，本说明书同时涉及一种多媒体推荐装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。

图1示出了根据本说明书一实施例提供的一种多媒体推荐方法的流程图，具体包括以下步骤：

步骤102：获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据。

实际应用中，在用户乘坐地铁或者火车等交通工具的时，通常在交通工具上都配置有播放设备，如电视机或者投影屏幕等，并且会在播放设备上播放广告等内容向用户推荐，而通过该方式进行广告播放的目的是为了能够吸引更多的用户参与到相关的业务项目中，并且实现广告推广的效果，然而，由于不同的用户所需求的信息或者物质是不同的，通过播放设备播放的广告内容可能并不能很好的触达用户，从而造成资源的浪费以及推荐效果达不到预期效果的情况发生。

本说明书提供的多媒体推荐方法，为了能够更好的触达用户，以及实现较好的推荐效果，通过获取播放终端的可视区域内的观看用户针对多媒体信息进行观看的观看行为数据对所述观看用户进行划分，并提取划分后获得的各个用户集对应的特征数据，再基于特征数据和多媒体特征数据构建各用户集的目标向量，之后输入到所述多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述多媒体集合，最后基于所述多媒体集合构建向所述观看用户推荐的并通过所述播放终端播放的目标多媒体集合，实现了在向观看用户推荐多媒体信息的过程中，结合了可视区域内各个观看用户的特征数据进行筛选多媒体信息，使得筛选出的多媒体信息更加容易触达观看用户，从而在通过播放终端进行播放多媒体信息的过程中能够吸引更多的用户进行观看，使得多媒体信息的推荐效果提高的同时更进一步的提高了用户的体验效果。

具体的，所述观看用户具体是指所述播放设备的可视区域内包含的用户，所述播放终端具体是指向用户播放多媒体信息的终端设备，可以是电视机或者电脑等设备，所述多媒体信息具体是指向观看用户播放的内容，可以是视频、文字或者图片，所述可视区域具体是指所述播放终端在播放多媒体信息的过程中能够观看到该播放终端的区域范围；例如，在火车的某一节车厢中配置有两台电视机，其中座位号1-50在第一台电视机的可视区域内，座位号51-100在第二台电视机的可视区域内，则第一台电视机的可视区域即为座位号1-50所对应的区域，相应的，第二台电视机的可视区域即为座位号51-100所对应的区域。

其中，所述观看行为数据具体是指每个观看用户在针对所述多媒体信息进行观看的行为，在观看用户观看多媒体信息的情况下，所述观看行为数据即为该观看用户正在观看所述播放终端，在观看用户未观看多媒体信息的情况下，所述观看行为数据即为该观看用户未观看所述播放终端。

进一步的，在获取所述可视区域内各个观看用户的观看行为数据的过程中，为了能够在后续准确的确定每个观看用户所感兴趣的多媒体信息，可以通过判别模型进行确定，之后在后续确定多媒体信息的过程中，可以向正在观看所述多媒体信息的观看用户推荐一些和所述多媒体信息相关且与其特征数据相关的多媒体信息，可以向未观看所述多媒体信息的观看用户推荐一些和所述多媒体信息不相关且与其特征数据相关的多媒体信息，本实施例的一个或多个实施方式中，具体获取所述观看行为数据的过程如下所述：

通过所述播放终端配置的图像采集设备在预设的时间节点针对所述可视区域进行图像采集获得目标图像；

将所述目标图像输入至判别模型对所述可视区域内的观看用户的观看行为进行判别，获得所述观看用户的观看行为结果；

基于所述观看行为结果确定所述观看用户针对所述多媒体信息进行观看的观看行为数据。

具体的，所述图像采集设备具体是指配置在所述播放终端进行图像采集的设备，可以是摄像机等设备，基于此，通过所述图像采集设备在预设的时间节点针对所述可视区域进行图像采集获得所述目标图像，所述目标图像即为所述可视区域内观看用户是否在观看多媒体信息时的图像，再将所述目标图像输入至所述判别模型对所述可视区域内的观看用户的观看行为进行判别，获得所述可视区域内各个观看用户的观看行为结果，最后基于所述观看行为结果确定所述各个观看用户针对所述多媒体信息进行观看的观看行为数据。

具体实施时，所述判别模型是通过预先训练完成的，所述判别模型的训练过程具体是指：通过选择大量的图像并确定图像中包含的各个用户的观看行为结果，将图像以及图像中包含的各个用户的观看行为结果作为训练样本输入至基于图像和图像中包含的各个用户的观看行为结果构建的判别模型进行训练，即可获得所述判别模型进行使用。

例如，某火车从A地通往B地，在该火车的第三节车厢中配置有两台电视机，第一台电视机对应的可视区域内包含1-50号座位，并且通过该电视机进行循环播放视频1至视频20个不同的视频片段，在该火车出发的一小时的时间节点处此时该电视机正在播放视频13，此时为了能够向该节车厢中1-50号座位对应的用户推荐更优质的视频片段，需要根据用户的观看行为以及各个用户的特征数据进行选择优质的视频片段；

在此之前，首先需要采集用户的观看行为数据，通过电视机配置的摄像机针对1-50号座位进行图像采集获得目标图像，将该目标图像输入至判别模型对1-50号座位上的用户的观看行为进行判别，获得各个用户的观看行为结果，其中观看当前视频13的用户有座位号1对应的用户，座位号2对应的用户，座位号5对应的用户……，共10人，未观看视频13的用户有座位号3对应的用户，座位号4对应的用户，座位号6对应的用户……，共40人，基于各个用户的观看行为结果即可确定各个用户针对视频13的观看行为数据。

实际应用中，在通过所述图像采集设备针对可视区域内的观念看用户进行图像采集的过程中，可以直接采集一张图像，该图像包含可视区域内的全部观看用户，也可以针对各个观看用户逐一进行采集图像，本说明书在此不作任何限定；其中，所述预设的时间节点也可以根据实际应用场景进行设定，本说明书在此也不作任何限定。

通过所述判别模型对所述可视区域内的观看用户的观看行为进行判别，使得能够精准的确定所述观看用户的观看行为数据，有效的提高了后续针对观看用户确定目多媒体信息的准确率。

此外，在获取所述观看用户的观看行为数据之前，需要根据所述观看用户与播放终端的对应关系才能够在后续确定观看用户的观看行为数据之后，精准的提取各个观看用户的特征数据，本实施例的一个或多个实施方式中，确定可视区域内的观看用户的过程如下所述：

确定所述可视区域内包含的座位号，并基于所述座位号构建与所述播放终端之间的第一映射关系；

获取用户的购票信息，并根据所述购票信息确定所述座位号与所述观看用户之间的第二映射关系；

基于所述第一映射关系以及所述第二映射关系确定所述可视区域内的所述观看用户。

具体的，为了能够精准的向观看用户推荐多媒体信息，故需要确定用户的信息，即首先确定可视区域内包含的座位号，并基于座位号构建与所述播放终端之间的第一映射关系，再获取用户的购票信息，并根据所述购票信息确定所述座位号与所述观看用户之间的第二映射关系，最后基于所述第一映射关系以及所述第二映射关系即可确定所述可视区域内的所述观看用户。

沿用上例，确定该节车厢的电视机对应座位号1-50，此时确定电视机与1-50号座位的映射关系，再获取购买该节车厢的车票信息，确定1-50号座位对应的50个用户，此时确定1-50号座位与50个用户的映射关系，最后基于电视机与1-50号座位的映射关系以及1-50号座位与50个用户的映射关系即可确定电视机的可视区域内包含的50个观看用户的相关信息，后续即可获得这50个观看用户的特征数据用于进行多媒体信息的推荐。

通过第一映射关系以及第二映射关系确定所述播放终端的可视区域内包含的观看用户，实现了在后续可以精准的提取各个观看用户的特征数据，从而更进一步的提高了多媒体预测模型的输出准确率。

除此之外，所述可视区域内可以包含一个观看用户也可以包含多个观看用户，在可视区域内包含一个观看用户的情况下，此时说明一个观看用户对应一个播放终端；在可视区域内包含多个观看用户的情况下，此时说明多个观看用户对应一个播放终端；所述可视区域内包含一个观看用户的多媒体推荐方法的描述内容可以参见所述可视区域内包含多个观看用户的多媒体推荐方法的描述内容，本说明书在此不作过多赘述。

步骤104：基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据。

具体的，在上述获取观看用户的观看行为数据的基础上，进一步的，将按照所述观看行为数据对所述可视区域内的观看用户进行划分，并提取划分后获得的各个用户集对应的特征数据。

实际应用中，在对所述观看用户进行划分的过程中，可以是将观看用户划分为观看用户集和未观看用户集，也可以是将每个观看用户划分为一个单独的用户集，以使得可以在后续精准的提取各个观看用户的特征数据；进一步的，提取划分后获得的各用户集对应的特征数据可以是提取用户集中各个观看用户的特征数据，或者提取用户集中各个观看用户的特征数据组成所述用户集对应的特征数据。

其中，所述特征数据具体是指各个观看用户的特征相关数据，可以是用户的性别、职业、消费水平、购物习惯或者家庭成员组成等相关的数据。

进一步的，在提取所述用户集对应的特征数据的过程中，为了能够精准的提取各个观看用户的特征数据用于后续构建目标向量，本实施例的一个或多个实施方式中，提取特征数据的具体实现方式如下所述：

基于所述观看行为数据对所述观看用户进行划分，根据划分结果获得至少一个用户集；

基于所述用户集中观看用户的购票信息确定所述观看用户对应的身份标识；

在预先建立的特征数据库中提取与所述身份标识对应的特征数据作为所述用户集对应的所述特征数据。

具体的，所述购票信息具体是指用户集中各个观看用户的购票信息，在基于所述各个观看用户的观看行为数据进行划分后，获得所述至少一个用户集，再基于所述用户集中各个观看用户的购票信息确定所述各个观看用户的身份标识，所述身份标识可以是由各个观看用户的身份证号码或者手机号构建的唯一标识，最后在所述特征数据库中基于所述身份标识提取对应的特征数据确定为所述观看用户的特征数据，即为所述用户集对应的所述特征数据。

实际应用中，根据所述观看行为数据对所述观看用户进行划分的过程中，可以划分为一个用户集或多个用户集，并且每个用户集中可以包含一个观看用户或者多个观看用户，本说明书对观看用户的划分方式不作过多限定；并且，所述预先建立的特征数据库是用于存储用户的特征数据的数据库。

沿用上例，确定观看视频13的用户以及未观看视频13的用户后，此时将基于各个用户的观看行为数据将用户划分为两个用户集，分别是观看用户集和未观看用户集，再确定两个用户集中各个用户的购票信息，从而确定各个用户的身份证号码，通过身份证号码在管理平台的特征数据库中提取各个用户对应的特征数据，确定观看用户集中各个用户的特征数据以及未观看用户集中各个用户的特征数据。

通过身份标识在预先建立的特征数据库中提取各个观看用户的特征数据从而确定所述用户集对应的特征数据，实现了在后续通过多媒体预测模型进行多媒体信息预测的过程中，可以更加精准的预测出用户集中各观看用户所对应的多媒体信息集合，从而实现确定的多媒体信息更加容易触达各个观看用户。

更进一步的，所述特征数据还可以是与用户集所对应，使得后续多媒体预测模型输出的多媒体集合也与所述用户集相对应，本实施例的一个或多个实施方式中，具体实现方式如下所述：

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集中包含的观看用户对应的所述特征数据。

举例说明，在某次春游活动中50名学生乘坐火车去B城进行春游，此时该节车厢中的乘客均为学生，在确定各个学生的观看行为数据之后进行划分的结果是构建出一个用户集，该用户集由这50名学生构成，此时提取各个学生的特征数据确定50名乘客均为在校学生，年龄在12-15岁之间，由于各个学生的特征数据差异不大，则确定用户集对应的特征数据即为一组数据即可。

通过提取所述用户集对应的特征数据，实现了在多个观看用户场景中，可以针对多个用户组成的用户集提取一组特征数据作为所述用户集对应的特征数据，使得后续可以通过用户集对应的特征数据即可确定触达多个观看用户的多媒体信息，从而很大程度上提高了确定多媒体信息的效率。

此外，在基于观看行为数据按照观看行为和未观看行为将所述观看用户划分为观看用户集和未观看用户集的情况下，此时将提取观看用户集中观看用户的特征数据确定为所述观看用户集对应的特征数据，将提取未观看用户集中观看用户的特征数据确定为所述未观看用户集对应的特征数据，本实施例的一个或多个实施方式中，具体提取特征数据的过程如下所述：

按照所述观看行为数据对所述观看用户进行划分，根据划分结果获得观看用户集和未观看用户集；

基于所述观看用户集和所述未观看用户集中包含的观看用户的购票信息，提取所述观看用户集中观看用户的第一特征数据，以及所述未观看用户集中观看用户的第二特征数据；

将所述第一特征数据作为所述观看用户集对应的特征数据，以及将所述第二特征数据作为所述未观看用户集对应的特征数据。

具体的，首先按照所述观看行为数据将所述观看用户划分为所述观看用户集和所述未观看用户集，其中，所述观看用户集中包含的观看用户为在预设的时间节点观看了所述多媒体信息的用户，所述未观看用户集中包含的观看用户为在预设的时间节点未观看所述多媒体信息的用户；再基于所述观看用户集和所述未观看用户集中包含的观看用户的购票信息，分别提取所述观看用户集中各个观看用户的第一特征数据，以及所述未观看用户集中各个观看用户的第二特征数据；最后将所述第一特征数据作为所述观看用户集对应的特征数据，以及将所述第二特征数据作为所述未观看用户集对应的特征数据。

例如，观看视频1的用户有3人分别是用户1，2，5，未观看视频1的用户有3人分别是用户3，4，6，按照各个观看用户的观看行为数据将用户1，2，5构建为观看用户集，将用户3，4，6构建为未观看用户集，再根据观看用户集和未观看用户集中各个用户的购票信息提取观看用户集中用户1，2，5分别对应的第一特征数据，以及未观看用户集用户3，4，6分别对应的第二特征数据，此时将用户1，2，5分别对应的第一特征数据确定为观看用户集对应的特征数据，将用户3，4，6分别对应的第二特征数据确定为未观看用户集对应的特征数据，再用于后续构建目标向量进行多媒体预测模型的预测过程。

综上，通过按照所述观看行为数据将所述观看用户划分为多个用户集，实现了在后续构建目标向量的过程中，可以对多媒体预测模型的输入添加标签，从而使得模型可以更精准的预测出观看用户对应的多媒体信息集合。

步骤106：根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量。

具体的，在上述提取所述用户集对应的特征数据的基础上，进一步的，将基于所述用户集对应的特征数据以及所述多媒体信息对应的多媒体特征数据构建所述目标向量用于后续输入所述多媒体预测模型。

进一步的，在针对用户集中的观看用户构建目标向量的过程中，为了能够通过所述多媒体预测模型可以精准的针对观看用户集中的观看用户预测出与所述多媒体信息相近且能够有效触达所述观看用户的多媒体信息，以及针对未观看用户集中的观看用户预测出与所述多媒体信息具有区别且能够有效触达所述观看用户的多媒体信息，需要针对不同用户集中的观看用户分别构建目标向量，此时针对不同用户集中的观看用户分别构建目标向量，可以理解为针对不同的观看用户添加观看标签和未观看标签，从而使得模型可以更精准的预测出多媒体信息集合，本实施例的一个或多个实施方式中，具体实现方式如下所述：

根据所述第一特征数据和所述多媒体特征数据构建所述观看用户集中观看用户对应的观看目标向量，以及根据所述第二特征数据和所述多媒体特征数据构建所述未观看用户集中观看用户对应的未观看目标向量。

实际应用中，所述观看目标向量即为针对所述观看用户集中的各个观看用户构建的相应的目标向量，所述未观看目标向量即为针对所述未观看用户集中的各个观看用户构建的相应的目标向量。

沿用上例，分别确定观看用户集中用户1，2，5的第一特征数据，以及未观看用户集中用户3，4，6的第二特征数据后，将结合视频1的视频特征数据分别构建用户1，2，5的观看目标向量，以及分别构建用户3，4，6的未观看目标向量，用户后续输入至所述多媒体预测模型。

通过针对不同用户集中的观看用户分别构建目标向量，可以使得后续模型的输出的准确率得到有效的提高。

步骤108：将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合。

具体的，在上述构建所述目标向量的基础上，进一步的，需要将所述目标向量输入至所述多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述多媒体预测模型输出的所述用户集对应的所述多媒体集合。

实际应用中，所述多媒体预测模型输出的多媒体集合可以是针对所述用户集输出的至少一个多媒体集合，也可以是针对用户集中各个观看用户输出的多个多媒体集合，在通过后续确定目标多媒体集合向观看用户进行推荐。

进一步的，在所述用户集分别是观看用户集和未观看用户集的情况下，此时多媒体预测模型针对观看用户集中的观看用户进行预测触达的多媒体具体是指预测出与所述多媒体信息相近且能够有效触达所述观看用户的多媒体信息，针对未观看用户集中的观看用户进行预测触达的多媒体具体是指预测出与所述多媒体信息具有区别且能够有效触达所述观看用户的多媒体信息，本实施例的一个或多个实施方式中，具体实现方式如下所述：

将所述观看目标向量以及所述未观看目标向量分别输入至所述多媒体预测模型，对所述观看用户集中观看用户触达的多媒体信息和所述未观看用户集中观看用户触达的多媒体信息进行预测，获得所述观看用户集中观看用户对应的第一多媒体集合以及所述未观看用户集中观看用户对应的第二多媒体集合。

具体的，将所述观看目标向量输入至所述多媒体预测模型，对所述观看用户集中包含的各个观看用户触达的多媒体信息进行预测，以及将所述未观看目标向量输入至所述多媒体预测模型，对所述未观看用户集中包含的各个观看用户触达的多媒体信息进行预测，获得所述多媒体预测模型输出的所述观看用户集中各个观看用户对应的第一多媒体集合，以及所述未观看用户集中各个观看用户对应的第二多媒体集合。

沿用上例，将用户1，2，5分别对应的观看目标向量输入至多媒体预测模型，分别对用户1，2，5对应的视频进行预测，之后获得多媒体预测模型输出的用户1对应的视频集合1，用户2对应的视频集合2，以及用户5对应的视频集合5，相应的，将用户3，4，6分别对应的未观看目标向量输入至多媒体预测模型，将获得用户3对应的视频集合3，用户4对应的视频集合4，用户6对应的视频集合6，并且视频集合1、视频集合2和视频集合5中包含的视频片段是与视频1相近的视频，视频集合3、视频集合4和视频集合6中包含的视频片段是与视频1具有一定区别的视频；其中每个视频集合中将包含5个视频片段。

通过针对各个观看用户集中的各个观看用户分别通过所述多媒体预测模型进行多媒体信息的预测，能够可以有效的确定每个观看用户触达的多媒体信息，在进行进一步的筛选，从而更加容易确定有效触达观看用户的多媒体信息，有效的提高了用户的体验效果。

步骤110：基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

具体的，在上述获得所述多媒体预测模型输出的用户集对应的多媒体集合的基础上，进一步的，将基于所述多媒体集合确定向所述观看用户推荐的且需要通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

进一步的，在确定向所述观看用户推荐的目标多媒体集合的过程中，考虑到所述播放终端对应的观看用户的数目，在所述可视区域内的观看用户大于1时，此时需要选择效果较好的目标多媒体集合向多个观看用户进行推荐以及播放，本实施例的一个或多个实施方式中，在此情况下确定所述目标多媒体集合的过程如下所述：

提取所述多媒体集合中包含的待选择多媒体信息，并确定所述多媒体信息对应的多媒体标识；

基于所述多媒体标识计算各个待选择多媒体信息的频次；

按照所述频次选择设定数目的待选择多媒体信息确定为向所述观看用户推荐的所述目标多媒体信息组成的所述目标多媒体集合；

通过所述播放终端将所述目标多媒体集合中包含的目标多媒体信息按照所述频次从大到小的排列顺序进行播放。

具体的，此时所述用户集中的各个观看用户将对应一个多媒体集合，提取所述多媒体集合中包含的待选择多媒体信息，并确定每个待选择多媒体信息对应的多媒体标识，之后基于所述多媒体标识计算各个待选择多媒体信息的频次，所述频次具体是指各个待选择多媒体信息出现的频次，再按照所述频次选择设定数目的待选择多媒体信息确定为向所述观看用户推荐的所述目标多媒体信息组成的所述目标多媒体集合，最后通过所述播放终端将所述目标多媒体集合中包含的目标多媒体信息按照所述频次从大到小的排列顺序进行播放即可；实际应用中，所述设定数目可以按照实际需求进行设定，本说明书在此不作任何限定。

沿用上例，确定观看用户集中的用户1，2，5对应视频集合1，2，5，确定未观看用户集中的用户3，4，6对应视频集合3，4，6，并且每个视频集合中包含5个视频片段，基于此，确定视频集合1中包含视频片段(a，b，c，d，e)视频集合2中包含视频片段(a，b，c，d，f)，视频集合5中包含视频片段(a，b，c，d，g)，视频集合3中包含视频片段(h，i，j，k，l)，视频集合4中包含视频片段(h，i，j，k，m)，视频集合6中包含视频片段(h，i，j，k，n)，通过计算确定视频片段(a，b，c，d，h，i，j，k)的频次均为3，视频片段(e，f，g，l，m，n)的频次均为1，按照频次选择5个视频片段确定为向用户1至用户6推荐的目标视频片段，可以随机在视频片段(a，b，c，d，h，i，j，k)中选择5个视频片段组成目标视频集合，用于后续向用户推荐并且通过车厢上的电视机进行循环播放，播放的方式可以是按照频次从大到小的顺序进行播放。

通过按照频次选择目标多媒体信息组成所述目标多媒体集合向用户进行推荐，并且按照频次通过所述播放终端播放所述目标多媒体信息，实现了在选择出更能够有效触达观看用户的多媒体信息的同时，使得所述目标多媒体信息更加符合大众审视标准，有效的提高了用户的体验效果。

除此之外，在所述播放终端对应一个观看用户的情况下，此时可以将多媒体预测模型输出的多媒体信息集合作为所述目标多媒体集合向所述观看用户进行推荐即可，并通过所述播放终端进行播放。

具体实施时，在向所述观看用户推荐所述目标多媒体信息并通过播放终端进行播放的过程中，可以按照一定的播放规则进行播放，本实施例的一个或多个实施方式中，具体实现方式如下所述：

基于所述观看用户的购票信息在所述多媒体集合中选择所述目标多媒体信息组成所述目标多媒体集合并向所述观看用户进行推荐；

按照所述购票信息将所述目标多媒体集合中包含的所述目标多媒体信息进行排序并通过所述播放终端进行顺序播放。

实际应用中，可以通过所述购票信息确定各个观看用户的离开播放终端对应的可视区域的时间，此时可以根据时间在所述多媒体集合中选择所述目标多媒体信息组成所述目标多媒体集合并向所述观看用户进行推荐；并按照所述购票信息将所述目标多媒体集合中包含的所述目标多媒体信息进行排序并通过所述播放终端进行顺序播放即可。

例如，在某班次火车上，该火车从A地发往D地，中间经过城市B和城市C，基于该班次火车的购票信息确定有1000名用户在B城市下车，有500名用户在C城市下车，有2000名用户在D城市下车，此时将根据各个用户的视频集合选择出3个视频(城市B对应的简介视频，城市C对应的简介视频以及城市D的简介视频)，将按照火车的停靠时间通过火车上配置的显示设备进行播放这三个视频。

通过按照购票信息确定向所述观看用户推荐的目标多媒体信息，以及按照所述目标多媒体信息的排列顺序进行播放，实现了更进一步的提高了用户的体验效果。

更进一步的，在确定所述观看用户集对应的第一多媒体集合，以及所述未观看用户集对应的第二多媒体集合的基础上，此时需要选择出目标多媒体信息构建所述目标多媒体集合，本实施例的一个或多个实施方式中，确定所述目标多媒体集合的过程如下所述：

将所述第一多媒体集合以及所述第二多媒体集合进行整合，根据整合结果选择所述目标多媒体信息组成向所述观看用户推荐的所述目标多媒体集合；

通过所述播放终端向所述观看播放所述目标多媒体集合中包含的所述目标多媒体信息。

实际应用中，将所述第一多媒体集合以及所述第二多媒体集合进行整合的过程具体是指，在所述第一多媒体集合中选择一定数目的多媒体信息以及所述第二多媒体集合中选择一定数目的多媒体信息确定为所述目标多媒体信息，再组成所述目标多媒体集合向所述观看用户进行推荐，同时通过所述播放终端向所述观看播放所述目标多媒体集合中包含的所述目标多媒体信息即可。

此外，在通过所述播放终端向所述观看用户播放所述目标多媒体集合中包含的目标多媒体信息的过程中，若在预设的时间周期通过判别模型检测出观看用户的观看率不高的情况下，此时可以动态的对所述目标多媒体集合进行更新，本实施例的一个或多个实施方式中，具体实现方式如下所述：

在预设的时间周期内通过所述判别模型检测所述目标多媒体集合中包含的所述目标多媒体信息的观看率；

在所述观看率小于预设观看率阈值的情况下，基于所述多媒体集合对所述目标多媒体集合进行更新；

向所述观看用户推荐更新后的目标多媒体集合并通过所述播放终端进行播放更新后的目标多媒体集合中包含的多媒体信息。

具体的，为了能够检测出所述目标多媒体集合中包含的目标多媒体信息相对于观看用户的触达效果，可以在预设的时间周期内通过所述判别模型检测所述目标多媒体集合中包含的所述目标多媒体信息的观看率，具体检测过程是在所述预设的时间周期内的某一时间节点重新采集图像，将该图像输入至判别模型，通过判别模型确定各个观看用户的观看行为结果，从而确定有多少用户在观看目标多媒体信息以及多少用户未观看目标多媒体信息，从而确定观看率；

基于此，在所述观看率小于预设观看率阈值的情况下，说明此时观看效果不是特别好，则可以基于所述多媒体集合对所述目标多媒体集合进行更新，更新过程具体是指重新在所述多媒体集合中选择设定数目的多媒体信息添加至目标多媒体集合，将目标多媒体集合中原有的目标多媒体信息可以删除或者保留，最后向所述观看用户推荐更新后的目标多媒体集合并通过所述播放终端进行播放更新后的目标多媒体集合中包含的多媒体信息即可。

本说明书提供的多媒体推荐方法，通过获取播放终端的可视区域内的观看用户针对多媒体信息进行观看的观看行为数据对所述观看用户进行划分，并提取划分后获得的各个用户集对应的特征数据，再基于特征数据和多媒体特征数据构建各用户集的目标向量，之后输入到所述多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述多媒体集合，最后基于所述多媒体集合构建向所述观看用户推荐的并通过所述播放终端播放的目标多媒体集合，实现了在向观看用户推荐多媒体信息的过程中，结合了可视区域内各个观看用户的特征数据进行筛选多媒体信息，使得筛选出的多媒体信息更加容易触达观看用户，从而在通过播放终端进行播放多媒体信息的过程中能够吸引更多的用户进行观看，使得多媒体信息的推荐效果提高的同时更进一步的提高了用户的体验效果。

下述结合附图2，以本说明书提供的多媒体推荐方法在广告播放场景中的应用为例，对所述多媒体推荐方法进行进一步说明。其中，图2示出了本说明书一实施例提供的一种应用于广告播放场景中的多媒体推荐方法的处理流程图，具体包括以下步骤：

步骤202：确定播放终端的可视区域内的座位号，并构建座位号和播放设备的第一映射关系。

具体的，在某班次火车上的某节车厢配置有一台电视机(播放终端)，在火车发车之后会通过该电视机向该节车厢中的用户进行播放广告和视频，而为了能够更好的通过播放的广告触达更多的用户参与到广告相关的项目中，以实现能够为用户提供更便捷和更方便的服务，此时需要针对该节车厢中的用户进行筛选优质的广告内容。

步骤204：获取用户的购票信息，并根据购票信息确定座位号与用户之间的第二映射关系。

具体的，此时确定各个用户在该节车厢中所对应的座位号。

步骤206：基于第一映射关系和第二映射关系确定可视区域内包含的用户。

具体的，此时将基于第一映射关系和第二映射关系确定播放终端的可视区域内包含的各个用户对应的身份信息等。

步骤208：通过播放终端配置的图像采集设备在预设的时间节点针对可视区域采集目标图像。

步骤210：将目标图像输入至判别模型对各个用户的观看行为进行判别，获得各个用户的观看行为数据。

具体的，通过观看行为数据即可确定在该节车厢中各个用户针对播放终端播放的广告的观看行为。

步骤212：按照观看行为数据将用户划分为观看用户集和未观看用户集。

步骤214：基于购票信息提取观看用户集中各个用户的第一特征数据。

步骤216：基于购票信息提取未观看用户集中各个用户的第二特征数据。

具体的，步骤214和步骤216无先后执行顺序，也可以同时执行，本实施例在此不作任何限定；

基于此，第一特征数据具体是指观看用户集中各个用户对应的特征数据，第二特征数据具体是指未观看用户集中各个用户对应的特征数据，其中，提取特征数据的方式可参见上述实施例中描述内容，本实施例在此不作过多赘述。

步骤218：根据第一特征数据以及播放终端播放的广告对应的广告特征数据构建观看用户集中用户的观看目标向量。

步骤220：根据第二特征数据以及播放终端播放的广告对应的广告特征数据构建未观看用户集中用户的未观看目标向量。

具体的，步骤218和步骤220无先后执行顺序，也可以同时执行，本实施例在此不作任何限定。

步骤222：将观看目标向量和未观看目标向量分别输入至多媒体预测模型对观看用户集中的用户以及未观看用户集中的用户触达的广告进行预测，获得各个用户对应的广告集合。

步骤224：计算广告集合中各个广告出现的频次，并按照频次选择设定数目的广告确定为向用户推荐的广告组成的目标广告集合。

步骤226：通过播放终端对目标广告集合中包含的目标广告按照频次从大到小的顺序进行播放。

具体的，针对车厢中包含的各个用户对应的广告集合，通过计算各个广告集合中各个广告出现的频次，选择一定数目的广告组成向用户推荐的目标广告集合，并按照频次进行播放。

本说明书提供的多媒体推荐方法，实现了在向观看用户推荐多媒体信息的过程中，结合了可视区域内各个观看用户的特征数据进行筛选多媒体信息，使得筛选出的多媒体信息更加容易触达观看用户，从而在通过播放终端进行播放多媒体信息的过程中能够吸引更多的用户进行观看，使得多媒体信息的推荐效果提高的同时更进一步的提高了用户的体验效果。

与上述方法实施例相对应，本说明书还提供了多媒体推荐装置实施例，图3示出了本说明书一实施例提供的一种多媒体推荐装置的结构示意图。如图3所示，该装置包括：

获取数据模块302，被配置为获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

提取数据模块304，被配置为基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

构建向量模块306，被配置为根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量；

模型预测模块308，被配置为将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

推荐信息模块310，被配置为基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

一个可选的实施例中，所述获取数据模块302，包括：

采集目标图像单元，被配置为通过所述播放终端配置的图像采集设备在预设的时间节点针对所述可视区域进行图像采集获得目标图像；

模型判别单元，被配置为将所述目标图像输入至判别模型对所述可视区域内的观看用户的观看行为进行判别，获得所述观看用户的观看行为结果；

确定行为数据单元，被配置为基于所述观看行为结果确定所述观看用户针对所述多媒体信息进行观看的观看行为数据。

一个可选的实施例中，所述提取数据模块304，包括：

划分用户单元，被配置为基于所述观看行为数据对所述观看用户进行划分，根据划分结果获得至少一个用户集；

确定身份标识单元，被配置为基于所述用户集中观看用户的购票信息确定所述观看用户对应的身份标识；

提取特征数据单元，被配置为在预先建立的特征数据库中提取与所述身份标识对应的特征数据作为所述用户集对应的所述特征数据。

一个可选的实施例中，所述推荐信息模块310，包括：

确定多媒体标识单元，被配置为提取所述多媒体集合中包含的待选择多媒体信息，并确定所述多媒体信息对应的多媒体标识；

计算频次单元，被配置为基于所述多媒体标识计算各个待选择多媒体信息的频次；

确定目标多媒体集合单元，被配置为按照所述频次选择设定数目的待选择多媒体信息确定为向所述观看用户推荐的所述目标多媒体信息组成的所述目标多媒体集合；

第一播放单元，被配置为通过所述播放终端将所述目标多媒体集合中包含的目标多媒体信息按照所述频次从大到小的排列顺序进行播放。

一个可选的实施例中，所述提取数据模块304，包括：

划分单元，被配置为按照所述观看行为数据对所述观看用户进行划分，根据划分结果获得观看用户集和未观看用户集；

提取单元，被配置为基于所述观看用户集和所述未观看用户集中包含的观看用户的购票信息，提取所述观看用户集中观看用户的第一特征数据，以及所述未观看用户集中观看用户的第二特征数据；

确定单元，被配置为将所述第一特征数据作为所述观看用户集对应的特征数据，以及将所述第二特征数据作为所述未观看用户集对应的特征数据。

一个可选的实施例中，所述构建向量模块306进一步被配置为：

根据所述第一特征数据和所述多媒体特征数据构建所述观看用户集中观看用户对应的观看目标向量，以及根据所述第二特征数据和所述多媒体特征数据构建所述未观看用户集中观看用户对应的未观看目标向量。

一个可选的实施例中，所述模型预测模块308进一步被配置为：

将所述观看目标向量以及所述未观看目标向量分别输入至所述多媒体预测模型，对所述观看用户集中观看用户触达的多媒体信息和所述未观看用户集中观看用户触达的多媒体信息进行预测，获得所述观看用户集中观看用户对应的第一多媒体集合以及所述未观看用户集中观看用户对应的第二多媒体集合。

一个可选的实施例中，所述推荐信息模块310，包括：

整合单元，被配置为将所述第一多媒体集合以及所述第二多媒体集合进行整合，根据整合结果选择所述目标多媒体信息组成向所述观看用户推荐的所述目标多媒体集合；

第二播放单元，被配置为通过所述播放终端向所述观看播放所述目标多媒体集合中包含的所述目标多媒体信息。

一个可选的实施例中，所述多媒体推荐装置，还包括：

确定第一映射关系模块，被配置为确定所述可视区域内包含的座位号，并基于所述座位号构建与所述播放终端之间的第一映射关系；

确定第二映射关系模块，被配置为获取用户的购票信息，并根据所述购票信息确定所述座位号与所述观看用户之间的第二映射关系；

确定用户模块，被配置为基于所述第一映射关系以及所述第二映射关系确定所述可视区域内的所述观看用户。

一个可选的实施例中，所述提取数据模块304进一步被配置为：

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集中包含的观看用户对应的所述特征数据。

一个可选的实施例中，所述推荐信息模块310，包括：

选择单元，被配置为基于所述观看用户的购票信息在所述多媒体集合中选择所述目标多媒体信息组成所述目标多媒体集合并向所述观看用户进行推荐；

第三播放单元，被配置为按照所述购票信息将所述目标多媒体集合中包含的所述目标多媒体信息进行排序并通过所述播放终端进行顺序播放。

一个可选的实施例中，所述多媒体推荐装置，还包括：

检测模块，被配置为在预设的时间周期内通过所述判别模型检测所述目标多媒体集合中包含的所述目标多媒体信息的观看率；

更新模块，被配置为在所述观看率小于预设观看率阈值的情况下，基于所述多媒体集合对所述目标多媒体集合进行更新；

播放模块，被配置为向所述观看用户推荐更新后的目标多媒体集合并通过所述播放终端进行播放更新后的目标多媒体集合中包含的多媒体信息。

本说明书提供的多媒体推荐装置，通过获取播放终端的可视区域内的观看用户针对多媒体信息进行观看的观看行为数据对所述观看用户进行划分，并提取划分后获得的各个用户集对应的特征数据，再基于特征数据和多媒体特征数据构建各用户集的目标向量，之后输入到所述多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述多媒体集合，最后基于所述多媒体集合构建向所述观看用户推荐的并通过所述播放终端播放的目标多媒体集合，实现了在向观看用户推荐多媒体信息的过程中，结合了可视区域内各个观看用户的特征数据进行筛选多媒体信息，使得筛选出的多媒体信息更加容易触达观看用户，从而在通过播放终端进行播放多媒体信息的过程中能够吸引更多的用户进行观看，使得多媒体信息的推荐效果提高的同时更进一步的提高了用户的体验效果。

上述为本实施例的一种多媒体推荐装置的示意性方案。需要说明的是，该多媒体推荐装置的技术方案与上述的多媒体推荐方法的技术方案属于同一构思，多媒体推荐装置的技术方案未详细描述的细节内容，均可以参见上述多媒体推荐方法的技术方案的描述。

图4示出了根据本说明书一实施例提供的一种计算设备400的结构框图。该计算设备400的部件包括但不限于存储器410和处理器420。处理器420与存储器410通过总线430相连接，数据库450用于保存数据。

计算设备400还包括接入设备440，接入设备440使得计算设备400能够经由一个或多个网络460通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备440可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。

在本说明书的一个实施例中，计算设备400的上述部件以及图4中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图4所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备400可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备400还可以是移动式或静止式的服务器。

其中，处理器420用于执行如下计算机可执行指令：

获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量；

将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的多媒体推荐方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述多媒体推荐方法的技术方案的描述。

本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于：

获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量；

将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的多媒体推荐方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述多媒体推荐方法的技术方案的描述。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书并不受所描述的动作顺序的限制，因为依据本说明书，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

Claims (15)

1.一种多媒体推荐方法，包括：

获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量，其中，所述目标向量包括观看用户集中观看用户对应的观看目标向量和未观看用户集中观看用户对应的未观看目标向量；

将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

2.根据权利要求1所述的多媒体推荐方法，所述获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据，包括：

通过所述播放终端配置的图像采集设备在预设的时间节点针对所述可视区域进行图像采集获得目标图像；

将所述目标图像输入至判别模型对所述可视区域内的观看用户的观看行为进行判别，获得所述观看用户的观看行为结果；

基于所述观看行为结果确定所述观看用户针对所述多媒体信息进行观看的观看行为数据。

3.根据权利要求1所述的多媒体推荐方法，所述基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据，包括：

基于所述观看行为数据对所述观看用户进行划分，根据划分结果获得至少一个用户集；

基于所述用户集中观看用户的购票信息确定所述观看用户对应的身份标识；

在预先建立的特征数据库中提取与所述身份标识对应的特征数据作为所述用户集对应的所述特征数据。

4.根据权利要求1所述的多媒体推荐方法，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合，包括：

提取所述多媒体集合中包含的待选择多媒体信息，并确定所述待选择多媒体信息对应的多媒体标识；

基于所述多媒体标识计算各个待选择多媒体信息的频次；

按照所述频次选择设定数目的待选择多媒体信息确定为向所述观看用户推荐的所述目标多媒体信息组成的所述目标多媒体集合；

通过所述播放终端将所述目标多媒体集合中包含的目标多媒体信息按照所述频次从大到小的排列顺序进行播放。

5.根据权利要求1所述的多媒体推荐方法，所述基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据，包括：

按照所述观看行为数据对所述观看用户进行划分，根据划分结果获得观看用户集和未观看用户集；

基于所述观看用户集和所述未观看用户集中包含的观看用户的购票信息，提取所述观看用户集中观看用户的第一特征数据，以及所述未观看用户集中观看用户的第二特征数据；

将所述第一特征数据作为所述观看用户集对应的特征数据，以及将所述第二特征数据作为所述未观看用户集对应的特征数据。

6.根据权利要求5所述的多媒体推荐方法，所述根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量，包括：

根据所述第一特征数据和所述多媒体特征数据构建所述观看用户集中观看用户对应的观看目标向量，以及根据所述第二特征数据和所述多媒体特征数据构建所述未观看用户集中观看用户对应的未观看目标向量。

7.根据权利要求6所述的多媒体推荐方法，所述将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合，包括：

将所述观看目标向量以及所述未观看目标向量分别输入至所述多媒体预测模型，对所述观看用户集中观看用户触达的多媒体信息和所述未观看用户集中观看用户触达的多媒体信息进行预测，获得所述观看用户集中观看用户对应的第一多媒体集合以及所述未观看用户集中观看用户对应的第二多媒体集合。

8.根据权利要求7所述的多媒体推荐方法，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合，包括：

将所述第一多媒体集合以及所述第二多媒体集合进行整合，根据整合结果选择所述目标多媒体信息组成向所述观看用户推荐的所述目标多媒体集合；

通过所述播放终端向所述观看用户播放所述目标多媒体集合中包含的所述目标多媒体信息。

9.根据权利要求1所述的多媒体推荐方法，所述获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据步骤执行之前，还包括：

确定所述可视区域内包含的座位号，并基于所述座位号构建与所述播放终端之间的第一映射关系；

获取用户的购票信息，并根据所述购票信息确定所述座位号与所述观看用户之间的第二映射关系；

基于所述第一映射关系以及所述第二映射关系确定所述可视区域内的所述观看用户。

10.根据权利要求1所述的多媒体推荐方法，所述基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据，包括：

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集中包含的观看用户对应的所述特征数据。

11.根据权利要求1所述的多媒体推荐方法，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合，包括：

基于所述观看用户的购票信息在所述多媒体集合中选择所述目标多媒体信息组成所述目标多媒体集合并向所述观看用户进行推荐；

按照所述购票信息将所述目标多媒体集合中包含的所述目标多媒体信息进行排序并通过所述播放终端进行顺序播放。

12.根据权利要求2所述的多媒体推荐方法，所述基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合步骤执行之后，还包括：

在预设的时间周期内通过所述判别模型检测所述目标多媒体集合中包含的所述目标多媒体信息的观看率；

在所述观看率小于预设观看率阈值的情况下，基于所述多媒体集合对所述目标多媒体集合进行更新；

向所述观看用户推荐更新后的目标多媒体集合并通过所述播放终端进行播放更新后的目标多媒体集合中包含的多媒体信息。

13.一种多媒体推荐装置，包括：

获取数据模块，被配置为获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

提取数据模块，被配置为基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

构建向量模块，被配置为根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量，其中，所述目标向量包括观看用户集中观看用户对应的观看目标向量和未观看用户集中观看用户对应的未观看目标向量；

模型预测模块，被配置为将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

推荐信息模块，被配置为基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

14.一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：

获取播放终端的可视区域内观看用户针对播放的多媒体信息进行观看的观看行为数据；

基于所述观看行为数据对所述观看用户进行划分，并提取划分后获得的各用户集对应的特征数据；

根据所述特征数据以及所述多媒体信息的多媒体特征数据构建所述用户集对应的目标向量，其中，所述目标向量包括观看用户集中观看用户对应的观看目标向量和未观看用户集中观看用户对应的未观看目标向量；

将所述目标向量输入至多媒体预测模型对所述用户集触达的多媒体信息进行预测，获得所述用户集对应的多媒体集合；

基于所述多媒体集合确定向所述观看用户推荐的并通过所述播放终端进行播放的目标多媒体信息组成的目标多媒体集合。

15.一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现权利要求1至12任意一项所述多媒体推荐方法的步骤。