CN111754272A - 广告推荐方法、推荐广告显示方法、装置及设备 - Google Patents

广告推荐方法、推荐广告显示方法、装置及设备 Download PDF

Info

Publication number
CN111754272A
CN111754272A CN202010627582.1A CN202010627582A CN111754272A CN 111754272 A CN111754272 A CN 111754272A CN 202010627582 A CN202010627582 A CN 202010627582A CN 111754272 A CN111754272 A CN 111754272A
Authority
CN
China
Prior art keywords
clothing
advertisement
video
candidate
tag
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.)
Pending
Application number
CN202010627582.1A
Other languages
English (en)
Inventor
卢建东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Beijing Co Ltd
Original Assignee
Tencent Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Beijing Co Ltd filed Critical Tencent Technology Beijing Co Ltd
Priority to CN202010627582.1A priority Critical patent/CN111754272A/zh
Publication of CN111754272A publication Critical patent/CN111754272A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data

Abstract

本申请公开了一种广告推荐方法、推荐广告显示方法、装置及设备，属于计算机技术领域。所述方法包括：获取视频内容服饰标签以及候选广告服饰标签，视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型，候选广告服饰标签用于反映候选广告中的第二服饰对象的类型。根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算视频内容服饰标签与候选广告服饰标签的第一相似度。根据第一相似度在候选广告中，确定出与视频对应的推荐广告。第一相似度反映了视频内容中的服饰内容与广告内容中的服饰内容的相似程度。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配。提升了推荐广告的准确性。

Description

广告推荐方法、推荐广告显示方法、装置及设备
技术领域
本申请涉及计算机技术领域，特别涉及一种广告推荐方法、推荐广告显示方法、装置及设备。
背景技术
随着互联网技术的发展，越来越多的商家通过互联网投放广告。例如短视频客户端在播放短视频时，还会显示向用户推荐的广告。
为了提高广告投放的有效性，服务器会根据用户与广告之间的匹配度，向用户推荐匹配度较高的广告。目前，通常通过计算用户特征与广告特征的匹配度，确定该广告的点击概率。之后根据该广告的单次点击收益与点击概率的乘积，确定该广告的预期收益。服务器根据广告的预期收益，向用户推荐预期收益最高的广告。
通过用户特征与广告特征的匹配度，以及广告的单次点击收益确定出的推荐广告，与用户的行为之间不具有关联，推荐广告的准确性较低。
发明内容
本申请提供了一种广告推荐方法、推荐广告显示方法、装置及设备，提升了向用户推荐广告时，广告中的服饰内容与用户观看的视频中的服饰内容的匹配度。所述技术方案如下：
根据本申请的一方面，提供了一种广告推荐方法，所述方法包括：
获取视频内容服饰标签以及候选广告服饰标签，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型；
根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算所述视频内容服饰标签与所述候选广告服饰标签的第一相似度，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值；
根据所述第一相似度在所述候选广告中，确定出与所述视频对应的推荐广告。
根据本申请的另一方面，提供了一种推荐广告显示方法，所述方法包括：
向服务器发送广告请求，所述广告请求携带有视频内容服饰标签和视频标识中的至少一种，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型；
接收所述服务器反馈的推荐广告，所述推荐广告是所述服务器根据所述视频内容服饰标签和候选广告服饰标签的第一相似度确定的，所述第一相似度是所述服务器根据第一预测概率、第二预测概率以及标签价值中的至少一种计算得到的，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度；
显示所述视频的播放界面，所述播放界面上显示有所述推荐广告。
根据本申请的另一方面，提供了一种广告推荐装置，所述装置包括：
获取模块，用于获取视频内容服饰标签以及候选广告服饰标签，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型；
计算模块，用于根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算所述视频内容服饰标签与所述候选广告服饰标签的第一相似度，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值；
第一确定模块，用于根据所述第一相似度在所述候选广告中，确定出与所述视频对应的推荐广告。
可选地，所述计算模块，用于：
通过文本嵌入技术计算所述视频内容服饰标签与所述候选广告服饰标签的第二相似度；
根据所述第二相似度、第一权重和第二权重的乘积计算所述第一相似度，所述第一权重根据所述第一预测概率确定，所述第二权重根据所述第二预测概率以及所述标签价值确定。
可选地，所述计算模块，用于：
通过文本嵌入技术计算所述视频内容服饰标签与所述候选广告服饰标签的第二相似度；
根据所述第二相似度、第一权重和第三权重的乘积计算所述第一相似度，所述第一权重根据所述第一预测概率确定，所述第三权重根据所述第二预测概率确定。
可选地，所述计算模块，用于：
通过文本嵌入技术计算所述视频内容服饰标签与所述候选广告服饰标签的第二相似度；
根据所述第二相似度以及第四权重的乘积计算所述第一相似度，所述第四权重根据所述标签价值确定。
可选地，所述计算模块，用于：
将所述视频内容服饰标签映射到第一向量，得到第一目标向量；将所述广告服饰标签映射到第二向量，得到第二目标向量；
计算所述第一目标向量与所述第二目标向量的余弦相似度，得到所述第二相似度。
可选地，所述获取模块，用于：
获取所述视频的p个视频帧，p为正整数；
通过图像分割模型从所述p个视频帧中截取第一服饰区域，所述第一服饰区域中包括所述第一服饰对象；
通过图像分类模型对所述第一服饰对象的类型进行预测，得到所述视频内容服饰标签；
获取所述视频内容服饰标签。
可选地，所述获取模块，用于：
通过所述图像分类模型对所述第一服饰区域中的所述第一服饰对象的类型进行预测，得到n个候选视频内容服饰标签，n为正整数；
响应于所述n个候选视频内容服饰标签中存在重复视频标签，将所述重复视频标签合并为去重后的视频标签，得到所述视频内容服饰标签。
可选地，所述装置还包括：
第二确定模块，用于将所述重复视频标签对应的全部视频服饰预测概率的平均值，确定为所述去重后的视频标签对应的所述视频服饰预测概率。
可选地，所述获取模块，用于：
获取所述候选广告的q张图片，q为正整数；
通过图像分割模型从所述q张图片中截取第二服饰区域，所述第二服饰区域中包括所述第二服饰对象；
通过图像分类模型对所述第二服饰对象的类型进行预测，得到所述候选广告服饰标签；
获取所述候选广告服饰标签。
可选地，所述获取模块，用于：
通过所述图像分类模型对所述第二服饰区域中的所述第二服饰对象的类型进行预测，得到m个待定的候选广告服饰标签，m为正整数；
响应于所述m个待定的候选广告服饰标签中存在重复广告标签，将所述重复广告标签合并为去重后的广告标签，得到所述候选广告服饰标签。
可选地，所述第二确定模块，还用于：
将所述重复广告标签对应的全部广告服饰预测概率的平均值，确定为所述去重后的广告标签对应的所述广告服饰预测概率。
可选地，所述获取模块，用于：
将所述视频内容服饰标签映射至映射表，得到与所述视频内容服饰标签对应的行业特征；
将具有相同所述行业特征的所述候选广告确定为候选广告集合；
根据所述候选广告集合中的所述候选广告获取所述候选广告服饰标签。
可选地，所述第一确定模块，用于：
根据所述第一相似度以及第三相似度，计算所述候选广告的推荐得分，所述第三相似度用于反映接收所述推荐广告的用户帐号的第一特征与所述候选广告的第二特征的相似程度；
将所述推荐得分最高的所述候选广告确定为所述推荐广告。
根据本申请的另一方面，提供了一种推荐广告显示装置，所述装置包括：
发送模块，用于向服务器发送广告请求，所述广告请求携带有视频内容服饰标签和视频标识中的至少一种，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型；
接收模块，用于接收所述服务器反馈的推荐广告，所述推荐广告是所述服务器根据所述视频内容服饰标签和候选广告服饰标签的第一相似度确定的，所述第一相似度是所述服务器根据第一预测概率、第二预测概率以及标签价值中的至少一种计算得到的，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度；
显示模块，用于显示所述视频的播放界面，所述播放界面上显示有所述推荐广告。
根据本申请的另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现上述方面所述的广告推荐方法或推荐广告显示方法。
根据本申请的另一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，当所述至少一条指令、所述至少一段程序、所述代码集或指令集由计算机设备的处理器加载并执行时，实现上述方面所述的广告推荐方法或推荐广告显示方法。
根据本申请的另一方面，提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的广告推荐方法或推荐广告显示方法。
本申请提供的技术方案带来的有益效果至少包括：
通过计算视频内容服饰标签与候选广告服饰标签的第一相似度，并根据第一相似度确定视频对应的推荐广告。第一相似度反映了第一服饰对象与第二服饰对象的类型的相似程度，即视频内容中的服饰内容与广告内容中的服饰内容的相似程度。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的向用户推荐广告的流程示意图；
图2是本申请一个示意性实施例提供的广告推荐系统的结构示意图；
图3是本申请实施例提供的一种广告推荐方法的流程示意图；
图4是本申请实施例提供的一种推荐广告显示方法的流程示意图；
图5是本申请实施例提供的另一种广告推荐方法的流程示意图；
图6是本申请实施例提供的检测视频的视频内容服饰标签的流程示意图；
图7是本申请实施例提供的对第一服饰对象的类型进行预测的流程示意图；
图8是本申请实施例提供的确定候选广告的候选广告服饰标签的流程示意图；
图9是本申请实施例提供的对第二服饰对象的类型进行预测的流程示意图；
图10是本申请实施例提供的获取候选广告服饰标签的流程示意图；
图11是本申请实施例提供的一种计算第一相似度的流程示意图；
图12是本申请实施例提供的另一种计算第一相似度的流程示意图；
图13是本申请实施例提供的又一种计算第一相似度的流程示意图；
图14是本申请实施例提供的一种广告推荐装置的结构示意图；
图15是本申请实施例提供的另一种广告推荐装置的结构示意图；
图16是本申请实施例提供的一种推荐广告显示装置的结构示意图；
图17是本申请实施例提供的一种服务器的结构示意图；
图18是本申请实施例提供的一种终端的结构示意图。
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的向用户推荐广告的流程示意图。如图1所示，在步骤S1中，服务器提取视频的视频内容服饰标签。视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型。可选地，当服务器为短视频服务器时，该视频指短视频服务器中的任一短视频。第一服饰对象包括该视频的视频帧中出现的T恤、长裤、衬衫和外套等服饰。示例地，当第一服饰对象包括T恤和长裤时，视频内容服饰标签包括t-shirt以及trousers。
在步骤S2中，服务器提取候选广告的候选广告服饰标签。候选广告服饰标签用于反映候选广告中的第二服饰对象的类型。可选地，该候选广告指服务器中的任一图片广告，该候选广告中包括至少一张图片。服务器对应的客户端在用户界面中显示该候选广告时，显示该候选广告的图片。
在步骤S3中，服务器基于视频内容服饰标签，检索相同类型的候选广告。可选地，服务器将视频内容服饰标签映射至映射表，得到与视频内容服饰标签对应的行业特征。之后将具有相同行业特征的候选广告确定为候选广告集合。示例地，当视频内容服饰标签包括t-shirt时，视频内容服饰标签对应的行业特征为上衣。此时确定的候选广告集合中的候选广告为上衣的广告。
在步骤S4中，服务器获取视频内容服饰标签以及候选广告服饰标签。可选地，服务器获取客户端中正在播放的视频的视频标识，根据该视频标识获取该视频的视频内容服饰标签。服务器从该视频内容服饰标签对应的候选广告集合中，获取候选广告的候选广告服饰标签。
在步骤S5中，服务器计算视频内容服饰标签与候选广告服饰标签的第一相似度。该第一相似度用于反映第一服饰对象的类型与第二服饰对象的类型的相似程度。可选地，服务器通过文本嵌入技术，计算视频内容服饰标签与候选广告服饰标签的第二相似度。并根据第二相似度、第一权重以及第三权重的乘积，计算第一相似度。第一权重根据第一服饰对象属于视频内容服饰标签的概率确定，第三权重根据第二服饰对象属于候选广告服饰标签的概率确定。
在步骤S6中，服务器根据第一相似度与第三相似度，确定推荐广告。该第三相似度用于反映接收推荐广告的用户帐号的第一特征与候选广告的第二特征的相似程度。第一特征包括登录该用户帐号的用户的年龄、学历以及兴趣等，第二特征包括候选广告所属的行业、候选广告中的商品的类别以及候选广告中的文案等。可选地，将第一相似度与第一相似度的权重的乘积和第三相似度求和，得到候选广告的推荐得分。将推荐得分最高的候选广告确定为推荐广告。可选地，根据视频内容和候选广告内容相关的重要性，通过服务器确定该第一相似度的权重。
通过计算视频内容服饰标签与候选广告服饰标签的第一相似度，再根据第一相似度与第二相似度确定推荐广告。第一相似度反映了第一服饰对象的类型与第二服饰对象的类型的相似程度，即视频内容中的服饰内容与广告内容中的服饰内容的相似程度。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
图2是本申请一个示意性实施例提供的广告推荐系统的结构示意图，如图2所示，该系统中包括：服务器210和终端220。
可选地，服务器210是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心中的虚拟服务器等等，在此不做限定。终端220是一个包含显示屏的终端设备，比如智能手机、平板电脑、台式电脑和笔记本电脑等。服务器210和终端220之间通过有线网络或无线网络建立连接。图2中与服务器210建立连接的终端的数量仅用作示意，不作为对本申请实施例提供的广告推荐系统的限制。
需要说明的是，终端220上安装有客户端，终端220通过该客户端与服务器210连接，该服务器210为客户端对应的服务器。可选地，当服务器210为短视频服务器时，终端220上安装的客户端为短视频客户端。
图3是本申请实施例提供的一种广告推荐方法的流程示意图。该方法可以用于如图2所示的系统中的服务器。如图3所示，该方法包括：
步骤301、获取视频内容服饰标签以及候选广告服饰标签。
该视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型。可选地，该视频指服务器中的任一视频。例如短视频服务器中的任一短视频。第一服饰对象包括视频的视频帧中出现的T恤、长裤、衬衫和外套等服饰。视频内容服饰标签能够将第一服饰对象进行精细分类，例如条纹T恤、迷彩短裤以及连帽运动外套等。视频内容服饰标签对应有视频的视频标识，该视频标识用于指示该视频内容服饰标签对应的视频。该视频标识包括视频的名称、视频在服务器中的编号等能够唯一标识该视频的信息。
候选广告服饰标签用于反映候选广告的图片中的第二服饰对象的类型。可选地，该候选广告指服务器中的任一广告，该候选广告中包括至少一张图片。候选广告服饰标签对应有候选广告的广告标识，该广告标识用于指示该候选广告服饰标签对应的候选广告。该广告标识包括候选广告的名称、候选广告在服务器中的编号等能够唯一标识该候选广告的信息。
可选地，当服务器接收到服务器对应的客户端发送的播放视频请求或广告请求时。获取该请求中的视频标识，并根据该视频标识获取该视频对应的视频内容服饰标签，之后获取候选广告服饰标签。可选地，服务器获取的候选广告服饰标签，指与该视频的视频内容服饰标签对应相同行业特征的候选广告服饰标签。示例地，该行业特征包括上衣、鞋子和裤子等。
可选地，服务器检测视频的视频帧中包括第一服饰对象的第一服饰区域，并识别第一服饰区域中的第一服饰对象的类型，得到视频的视频内容服饰标签。服务器检测检测候选广告的图片中包括第二服饰对象的第二服饰区域，并识别第二服饰区域中的第二服饰对象的类型，得到候选广告的候选广告服饰标签。
步骤302、根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算视频内容服饰标签与候选广告服饰标签的第一相似度。
第一相似度用于反映第一服饰对象的类型与第二服饰对象的类型的相似程度。第一相似度越高，第一服饰对象的类型与第二服饰对象的类型的相似程度越高，即第一服饰对象与第二服饰对象的匹配程度越高。第一预测概率用于反映第一服饰对象属于视频内容服饰标签的概率。第二预测概率用于反映第二服饰对象属于候选广告服饰标签的概率。标签价值用于反映候选广告服饰标签的价值。
可选地，服务器通过文本嵌入(word embedding)的方式计算视频内容服饰标签与候选广告服饰标签的文本的相似度，从而得到第一相似度。服务器在获取视频内容服饰标签以及候选广告服饰标签后，在设定的时间内计算视频内容服饰标签与候选广告服饰标签的第一相似度。
步骤303、根据第一相似度在候选广告中，确定出与视频对应的推荐广告。
可选地，服务器将与视频的第一相似度最高的候选广告，确定为视频对应的推荐广告。即根据视频内容中的服饰内容与广告内容中的服饰内容的相似程度，确定视频对应的推荐广告。或者，服务器根据第一相似度与第三相似度，确定推荐广告。该第三相似度用于反映接收推荐广告的用户帐号的第一特征与广告的第二特征的相似程度。第一特征包括登录该用户帐号的用户的年龄、学历以及兴趣等，第二特征包括候选广告所属的行业、候选广告中的商品的类别以及候选广告中的文案等。即服务器根据视频内容中的服饰内容与广告内容中的服饰内容的相似程度，以及视频特征与用户的特征的匹配程度，共同确定推荐广告。
可选地，服务器在确定推荐广告后，将该推荐广告发送至客户端。该客户端用于在播放视频的用户界面中，叠加显示该推荐广告。
综上所述，本申请实施例提供的广告推荐方法，计算视频内容服饰标签与候选广告服饰标签的第一相似度，根据第一相似度确定视频对应的推荐广告。第一相似度反映了第一服饰对象与第二服饰对象的类型的相似程度，即视频内容中的服饰内容与广告内容中的服饰内容的相似程度。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
图4是本申请实施例提供的一种推荐广告显示方法的流程示意图。该方法可以用于如图2所示的终端或终端上的客户端。如图4所示，该方法包括：
步骤401、向服务器发送广告请求，广告请求携带有视频内容服饰标签和视频标识中的至少一种。
视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型。客户端向服务器发送广告请求，服务器根据客户端发送的视频标识，在数据库中获取视频的视频内容服饰标签。或者，服务器根据广告请求直接获取视频内容服饰标签。
可选地，客户端接收到播放视频的请求时，向服务器发送该广告请求。该广告请求携带有该视频的视频内容服饰标签和/或该视频的视频标识。
步骤402、接收服务器反馈的推荐广告，推荐广告是服务器根据视频内容服饰标签和候选广告服饰标签的第一相似度确定的。
候选广告服饰标签用于反映候选广告中的第二服饰对象的类型。第一相似度用于反映第一服饰对象的类型与第二服饰对象的类型的相似程度。即该推荐广告是服务器根据视频内容中的服饰内容与广告内容中的服饰内容的相似程度，确定出的推荐广告。
第一相似度是服务器根据第一预测概率、第二预测概率以及标签价值中的至少一种计算得到的。第一预测概率用于反映第一服饰对象属于视频内容服饰标签的概率。第二预测概率用于反映第二服饰对象属于候选广告服饰标签的概率，标签价值用于反映候选广告服饰标签的价值。
步骤403、显示视频的播放界面，播放界面上显示有推荐广告。
可选地，客户端在接收到推荐广告时，立即显示该推荐广告。或者，在设定的时间显示该推荐广告。客户端将该推荐广告的图片，叠加显示在视频的播放界面上。
可选地，当客户端检测到针对显示的推荐广告的图片的点击操作时，将视频的播放界面跳转至推荐广告对应的广告详情界面。
综上所述，本申请实施例提供的推荐广告显示方法，向服务器发送广告请求，接收服务器反馈的推荐广告并显示该推荐广告。该推荐广告为根据视频内容中的服饰内容与广告内容中的服饰内容的相似程度，确定出的推荐广告。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
图5是本申请实施例提供的另一种广告推荐方法的流程示意图。该方法可以用于如图2所示的系统。如图5所示，该方法包括：
步骤501、服务器确定视频的视频内容服饰标签以及候选广告的候选广告服饰标签。
可选地，该视频为服务器中的任一视频。该候选广告为服务器中的任一包括图片的广告。服务器在设定的时间确定视频的视频内容服饰标签以及候选广告的候选广告服饰标签。或者，服务器在设定的时间确定候选广告的候选广告服饰标签，当服务器接收到客户端的广告请求时，服务器确定该广告请求对应的视频的视频内容服饰标签。
可选地，如图6所示，服务器确定视频的视频内容服饰标签的实现过程包括以下步骤5011a至5011c：
在步骤5011a中，获取视频的p个视频帧。
其中，p为正整数。可选地，服务器获取的视频帧，为视频中的任一视频帧。或者，服务器根据视频的关键帧信息，获取视频的关键帧。
示例地，视频的关键帧信息中包括10个关键帧的时间戳，服务器根据该关键帧信息，获取该视频的10个视频帧。
在步骤5011b中，通过图像分割模型从p个视频帧中截取第一服饰区域，第一服饰区域中包括第一服饰对象。
可选地，该图像分割模型采用目标检测算法(Single Shot MultiBox Detector，SSD)训练得到。例如采用SSD300训练得到该图像分割模型。服务器通过图像分割模型，在p个视频帧中检测出可能包括第一服饰对象的一个或多个服饰区域作为第一服饰区域，并从p个视频帧中截取该第一服饰区域。
在步骤5011c中，通过图像分类模型对第一服饰对象的类型进行预测，得到视频内容服饰标签。
可选地，该图像分类模型为卷积神经网络(Convolutional Neural Networks,CNN)模型，例如ResNet18模型。服务器对第一服饰对象的类型进行预测，还能够得到视频内容服饰标签对应的第一预测概率。第一预测概率用于反映第一服饰对象属于视频内容服饰标签的概率。
可选地，如图7所示，步骤5011c的实现过程包括以下步骤5011c1至5011c2：
在步骤5011c1中，通过图像分类模型对第一服饰区域中的第一服饰对象的类型进行预测，得到n个候选视频内容服饰标签。
其中，n为正整数。可选地，第一服饰区域中的每一个包括的第一服饰对象相同或者不相同。示例地，第一服饰区域中的一个包括第一服饰对象中的T恤，第一服饰区域中的另一个也包括第一服饰对象中的该T恤。此时n个候选视频内容服饰标签中包括至少两个该T恤对应的候选视频内容服饰标签。
可选地，服务器在对第一服饰对象的类型进行预测时，还能够得到每个候选视频内容服饰标签对应的视频服饰预测概率。该视频服饰预测概率用于反映该候选视频内容服饰标签对应的第一服饰对象属于该候选视频内容服饰标签的概率。
在步骤5011c2中，响应于n个候选视频内容服饰标签中存在重复视频标签，将重复视频标签合并为去重后的视频标签，得到视频内容服饰标签。
服务器将重复视频标签合并为去重后的视频标签，指服务器只保留n个候选视频内容服饰标签中，每一组重复视频标签中的一个视频标签，从而根据去重后的视频标签得到视频内容服饰标签。
示例地，候选视频内容服饰标签为t-shirt、trousers、sweater、t-shirt以及t-shirt。服务器将重复视频标签合并为去重后的视频标签，得到的视频内容服饰标签为{t-shirt、trousers、sweater}。
可选地，当n个候选视频内容服饰标签中存在重复视频标签时，服务器还能够将重复视频标签对应的全部视频服饰预测概率的平均值，确定为去重后的视频标签对应的视频服饰预测概率。
每个候选视频内容服饰标签对应有视频服饰预测概率。示例地，候选视频内容服饰标签为t-shirt：80、trousers：75、sweater：92、t-shirt:78以及t-shirt:79。服务器将重复视频标签合并为去重后的视频标签，得到的视频内容服饰标签为{t-shirt：79、trousers：75、sweater：92}。其中，t-shirt：79表示该视频标签对应的视频服饰预测概率为79％。
可选地，如图8所示，服务器确定候选广告的候选广告服饰标签的实现过程包括以下步骤5012a至5012c：
在步骤5012a中，获取候选广告的q张图片。
其中，q为正整数。可选地，服务器获取的图片，为候选广告中的任一图片。
在步骤5012b中，通过图像分割模型从q张图片中截取第二服饰区域，第二服饰区域中包括第二服饰对象。
可选地，该图像分割模型与步骤5011b中的相同。服务器通过图像分割模型，在q张图片中检测出可能包括第二服饰对象的一个或多个服饰区域作为第二服饰区域，并从q张图片中截取该第二服饰区域。
在步骤5012c中，通过图像分类模型对第二服饰对象的类型进行预测，得到候选广告服饰标签。
可选地，该图像分类模型与步骤5011c中的相同。服务器对第二服饰对象的类型进行预测，还能够得到候选广告服饰标签对应的第二预测概率。第二预测概率用于反映第二服饰对象属于候选广告服饰标签的概率。
可选地，如图9所示，步骤5012c的实现过程包括以下步骤5012c1至5012c2：
在步骤5012c1中，通过图像分类模型对第二服饰区域中的第二服饰对象的类型进行预测，得到m个待定的候选广告服饰标签。
其中，m为正整数。可选地，第二服饰区域中的每一个包括的第二服饰对象相同或者不相同。
可选地，服务器在对第二服饰对象的类型进行预测时，还能够得到每个待定的候选广告服饰标签对应的广告服饰预测概率。该广告服饰预测概率用于反映该待定的候选广告服饰标签对应的第二服饰对象属于该待定的候选广告服饰标签的概率。
在步骤5012c2中，响应于m个待定的候选广告服饰标签中存在重复广告标签，将重复广告标签合并为去重后的广告标签，得到候选广告服饰标签。
服务器将重复广告标签合并为去重后的广告标签，指服务器只保留m个待定的候选广告服饰标签中，每一组重复广告标签中的一个广告标签，从而根据去重后的广告标签得到候选广告服饰标签。
可选地，当m个待定的候选广告服饰标签中存在重复视频标签时，服务器还能够将重复广告标签对应的全部广告服饰预测概率的平均值，确定为去重后的广告标签对应的广告服饰预测概率。
每个待定的候选广告服饰标签对应有视频服饰预测概率。
步骤502、客户端向服务器发送广告请求，广告请求携带有视频内容服饰标签和视频标识中的至少一种。
可选地，当客户端接收到视频播放请求时，向服务器发送广告请求。或者，响应于客户端中播放的视频在设定时长后播放结束，客户端向服务器发送广告请求。
步骤503、服务器获取视频内容服饰标签以及候选广告服饰标签。
可选地，服务器根据客户端发送的视频标识，在数据库中获取视频的视频内容服饰标签。或者，服务器获取客户端的广告请求中的视频内容服饰标签。或者，服务器根据客户端发送的视频标识，检测该视频标识对应的视频的视频内容服饰标签，并获取该视频内容服饰标签。服务器同时获取视频内容服饰标签以及候选广告服饰标签，或者在不同时刻分别获取视频内容服饰标签以及候选广告服饰标签。
可选地，如图10所示，服务器获取候选广告服饰标签的实现过程包括以下步骤5031a至5031c：
在步骤5031a中，将视频内容服饰标签映射至映射表，得到与视频内容服饰标签对应的行业特征。
该视频内容服饰标签为服务器获取的视频内容服饰标签。该映射表用于反映视频内容服饰标签与行业特征之间的对应关系。示例地，当视频内容服饰标签包括t-shirt、dress以及hat时，视频内容服饰标签对应的行业特征包括服饰行业以及配饰行业。其中，t-shirt以及dress对应服饰行业，hat对应配饰行业。
在步骤5031b中，将具有相同行业特征的候选广告确定为候选广告集合。
可选地，候选广告对应有行业特征。服务器根据获取的视频内容服饰标签对应的行业特征，对服务器中的候选广告进行筛选。将与视频内容服饰标签对应相同的行业特征的候选广告确定为候选广告集合。
在步骤5031c中，根据候选广告集合中的候选广告获取候选广告服饰标签。
可选地，服务器在候选广告集合中，获取全部候选广告的候选广告服饰标签。或者服务器在候选广告集合中，按照设定的数量随机获取候选广告的候选广告服饰标签。
步骤504、服务器根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算视频内容服饰标签与候选广告服饰标签的第一相似度。
在一种可能的实现方式中，视频内容服饰标签对应有第一预测概率，候选广告服饰标签对应有第二预测概率以及标签价值。第一预测概率用于反映第一服饰对象属于视频内容服饰标签的概率。该第一预测概率在服务器对第一服饰对象的类型进行预测时得到。第二预测概率用于反映第二服饰对象属于候选广告服饰标签的概率。该第二预测概率在服务器对第二服饰对象的类型进行预测时得到。标签价值用于反映候选广告服饰标签的价值。示例地，服务器根据候选广告服饰标签对应的服饰类型的平均售价，确定候选广告服饰标签的价值。
如图11所示，步骤504的实现过程包括以下步骤5041a以及5041b：
在步骤5041a中，通过文本嵌入技术计算视频内容服饰标签与候选广告服饰标签的第二相似度。
可选地，服务器通过文本嵌入技术将视频内容服饰标签映射到第一向量，得到第一目标向量。服务器通过文本嵌入技术将广告服饰标签映射到第二向量，得到第二目标向量。之后服务器计算第一目标向量与第二目标向量的余弦相似度，得到第二相似度。
在步骤5041b中，根据第二相似度、第一权重和第二权重的乘积计算第一相似度，第一权重根据第一预测概率确定，第二权重根据第二预测概率以及标签价值确定。
可选地，第一权重与第一预测概率正相关。第二权重与第二预测概率和标签价值的乘积正相关。例如服务器将第一预测概率确定为第一权重，将第二预测概率和标签价值的乘积确定为第二权重。
可选地，第一相似度sim满足：sim＝∑<aj，ck>*w1(aj)*w2(ck)。
其中，<aj，ck>为服务器通过文本嵌入技术计算的，视频内容服饰标签中第j个标签与候选广告服饰标签中第k个标签的第二相似度。w1(aj)为服务器根据视频内容服饰标签中第j个标签对应的第一预测概率确定的第一权重。w2(ck)为服务器根据候选广告服饰标签中第k个标签对应的第二预测概率以及标签价值确定的第二权重。其中，m和n为正整数。
在另一种可能的实现方式中，视频内容服饰标签对应有第一预测概率，候选广告服饰标签对应有第二预测概率。
如图12所示，步骤504的实现过程包括以下步骤5042a以及5042b：
在步骤5042a中，通过文本嵌入技术计算视频内容服饰标签与候选广告服饰标签的第二相似度。
服务器计算第二相似度的实现过程请参照步骤5041a，本申请在此不作赘述。
在步骤5042b中，根据第二相似度、第一权重和第三权重的乘积计算第一相似度，第一权重根据第一预测概率确定，第三权重根据第二预测概率确定。
可选地，第三权重与第二预测概率正相关。例如服务器将第二预测概率确定为第三权重。
可选地，第一相似度sim满足：sim＝∑<aj，ck>*w1(aj)*w3(ck)。
其中，<aj，ck>为服务器通过文本嵌入技术计算的，视频内容服饰标签中第j个标签与候选广告服饰标签中第k个标签的第二相似度。w1(aj)为服务器根据视频内容服饰标签中第j个标签对应的第一预测概率确定的第一权重。w3(ck)为服务器根据候选广告服饰标签中第k个标签对应的第二预测概率确定的第三权重。其中，m和n为正整数。
在再一种可能的实现方式中，候选广告服饰标签对应有标签价值。
如图13所示，步骤504的实现过程包括以下步骤5043a以及5043b：
在步骤5043a中，通过文本嵌入技术计算视频内容服饰标签与候选广告服饰标签的第二相似度。
服务器计算第二相似度的实现过程请参照步骤5041a，本申请在此不作赘述。
在步骤5043b中，根据第二相似度以及第四权重的乘积计算第一相似度，第四权重根据标签价值确定。
可选地，第四权重与标签价值正相关。例如服务器将标签价值确定为第四权重。
可选地，第一相似度sim满足：sim＝∑<aj，ck>*w4(ck)。
其中，<aj，ck>为服务器通过文本嵌入技术计算的，视频内容服饰标签中第j个标签与候选广告服饰标签中第k个标签的第二相似度。w4(ck)为服务器根据候选广告服饰标签中第k个标签对应的标签价值确定的第四权重。其中，m和n为正整数。
可选地，服务器还能够根据候选广告的点击数据，计算视频内容服饰标签与候选广告服饰标签的第一相似度。示例地，视频对应的推荐广告被用户点击后，服务器将该视频的视频内容服饰标签映射到第三向量，得到第三目标向量。将该推荐广告的候选广告服饰标签映射到第四向量，得到第四目标向量。服务器将第三目标向量与第四目标向量叉乘，得到该视频内容服饰标签与该候选广告服饰标签的组合特征。通过逻辑回归(logisticregression，LR)模型能够得到该组合特征的系数，并根据该系数得到该视频内容服饰标签与候选广告服饰标签的第一相似度。
服务器计算视频内容服饰标签与候选广告服饰标签的第一相似度，第一相似度用于反映第一服饰对象的类型与第二服饰对象的类型的相似程度。
步骤505、服务器根据第一相似度在候选广告中，确定出与视频对应的推荐广告。
可选地，服务器将与视频的第一相似度最高的候选广告，确定为视频对应的推荐广告。即根据视频内容中的服饰内容与广告内容中的服饰内容的相似程度，确定视频对应的推荐广告。
或者，服务器根据第一相似度以及第三相似度，计算候选广告的推荐得分。并将推荐得分最高的候选广告确定为推荐广告。第三相似度用于反映接收推荐广告的用户帐号的第一特征与候选广告的第二特征的相似程度。
步骤506、服务器向客户端发送推荐广告。
该推荐广告是服务器根据视频内容服饰标签和候选广告服饰标签的第一相似度确定的。可选地，服务器在确定出推荐广告后，立即向客户端发送该推荐广告。
步骤507、客户端显示视频的播放界面，播放界面上显示有推荐广告。
上述由服务器执行的步骤，可以单独实现成为服务器侧的广告推荐方法；上述由客户端执行的步骤，可以单独实现成为客户端侧的推荐广告显示方法。
综上所述，本申请实施例提供的广告推荐方法，服务器确定视频的视频内容服饰标签以及候选广告服饰标签。服务器根据客户端发送的广告请求，计算视频内容服饰标签与候选广告服饰标签的第一相似度，并根据第一相似度确定视频对应的推荐广告。第一相似度反映了第一服饰对象与第二服饰对象的类型的相似程度，即视频内容中的服饰内容与广告内容中的服饰内容的相似程度。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
可选地，根据第二相似度、第一权重和第二权重的乘积计算第一相似度。能够参照预测第一服饰对象以及第二服饰对象的类型时的准确度，以及推荐广告的价值确定推荐广告。实现更灵活地向用户推荐广告。
可选地，根据第二相似度、第一权重和第三权重的乘积计算第一相似度。减少了在预测第一服饰对象以及第二服饰对象的类型时存在的偏差，对确定的推荐广告的准确度的影响，实现更准确的向用户推荐广告。
可选地，根据第二相似度以及第四权重的乘积计算第一相似度。实现参照推荐广告的价值向用户推荐广告，提高了广告提供方的收益。
另外，根据视频内容服饰标签对应的行业特征，从具有相同行业特征的推荐广告集合中确定出推荐广告，提升了确定推荐广告的效率，减少了计算资源的消耗。当视频内容服饰标签中存在重复视频标签时或候选广告服饰标签中存在重复广告标签时，对重复视频标签以及重复广告标签进行去重，在保证视频内容服饰标签和候选广告服饰标签准确的同时减少了标签的数量，提升了计算第一相似度时的效率。
需要说明的是，本申请实施例提供的广告推荐方法步骤的先后顺序可以进行适当调整，步骤也可以根据情况进行相应增减，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本申请的保护范围之内，因此不再赘述。
在一个具体的例子中，用户在短视频客户端中观看短视频，该短视频中出现了短裤，并且该用户的特征为具备一定购买力。用户针对该短视频发起了感兴趣行为，例如点赞或评论。短视频服务器根据短视频客户端的广告请求，从裤装行业中确定出价格较高的品牌短裤的推荐广告，发送至短视频客户端。短视频客户端在播放该短视频时，显示该推荐广告。该推荐广告中的服饰内容与该短视频中的服饰内容相同，使得用户在观看时，能够引起用户的兴趣，并且该推荐广告符合用户的特征。实现向用户推荐与用户特征以及观看的视频内容都相关的广告。能够提升广告商品的购买转化率。
图14是本申请实施例提供的一种广告推荐装置的结构示意图。该装置可以用于如图2所示的系统中的服务器。如图14所示，该装置140包括：
获取模块1401，用于获取视频内容服饰标签以及候选广告服饰标签。视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型，候选广告服饰标签用于反映候选广告中的第二服饰对象的类型。
计算模块1402，用于根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算视频内容服饰标签与候选广告服饰标签的第一相似度。第一相似度用于反映第一服饰对象的类型与第二服饰对象的类型的相似程度，第一预测概率用于反映第一服饰对象属于视频内容服饰标签的概率，第二预测概率用于反映第二服饰对象属于候选广告服饰标签的概率，标签价值用于反映候选广告服饰标签的价值。
第一确定模块1403，用于根据第一相似度在候选广告中，确定出与视频对应的推荐广告。
综上所述，本申请实施例提供的广告推荐装置，通过计算模块计算视频内容服饰标签与候选广告服饰标签的第一相似度，根据第一相似度通过确定模块确定视频对应的推荐广告。第一相似度反映了第一服饰对象与第二服饰对象的类型的相似程度，即视频内容中的服饰内容与广告内容中的服饰内容的相似程度。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
可选地，计算模块1402，用于：
通过文本嵌入技术计算视频内容服饰标签与候选广告服饰标签的第二相似度。根据第二相似度、第一权重和第二权重的乘积计算第一相似度，第一权重根据第一预测概率确定，第二权重根据第二预测概率以及标签价值确定。
可选地，计算模块1402，用于：
通过文本嵌入技术计算视频内容服饰标签与候选广告服饰标签的第二相似度。根据第二相似度、第一权重和第三权重的乘积计算第一相似度，第一权重根据第一预测概率确定，第三权重根据第二预测概率确定。
可选地，计算模块1402，用于：
通过文本嵌入技术计算视频内容服饰标签与候选广告服饰标签的第二相似度。根据第二相似度以及第四权重的乘积计算第一相似度，第四权重根据标签价值确定。
可选地，计算模块1402，用于：
将视频内容服饰标签映射到第一向量，得到第一目标向量；将广告服饰标签映射到第二向量，得到第二目标向量。计算第一目标向量与第二目标向量的余弦相似度，得到第二相似度。
可选地，获取模块1401，用于：
获取视频的p个视频帧，p为正整数。
通过图像分割模型从p个视频帧中截取第一服饰区域，第一服饰区域中包括第一服饰对象。
通过图像分类模型对第一服饰对象的类型进行预测，得到视频内容服饰标签。
获取视频内容服饰标签。
可选地，获取模块1401，用于：
通过图像分类模型对第一服饰区域中的第一服饰对象的类型进行预测，得到n个候选视频内容服饰标签，n为正整数。
响应于n个候选视频内容服饰标签中存在重复视频标签，将重复视频标签合并为去重后的视频标签，得到视频内容服饰标签。
可选地，如图15所示，装置140还包括：
第二确定模块1404，用于将重复视频标签对应的全部视频服饰预测概率的平均值，确定为去重后的视频标签对应的视频服饰预测概率。
可选地，获取模块1401，用于：
获取候选广告的q张图片，q为正整数。
通过图像分割模型从q张图片中截取第二服饰区域，第二服饰区域中包括第二服饰对象。
通过图像分类模型对第二服饰对象的类型进行预测，得到候选广告服饰标签。
获取候选广告服饰标签。
可选地，获取模块1401，用于：
通过图像分类模型对第二服饰区域中的第二服饰对象的类型进行预测，得到m个待定的候选广告服饰标签，m为正整数。
响应于m个待定的候选广告服饰标签中存在重复广告标签，将重复广告标签合并为去重后的广告标签，得到候选广告服饰标签。
可选地，第二确定模块1404，还用于将重复广告标签对应的全部广告服饰预测概率的平均值，确定为去重后的广告标签对应的广告服饰预测概率。
可选地，获取模块1401，用于：
将视频内容服饰标签映射至映射表，得到与视频内容服饰标签对应的行业特征。
将具有相同行业特征的候选广告确定为候选广告集合。
根据候选广告集合中的候选广告获取候选广告服饰标签。
可选地，第一确定模块1403，用于：
根据第一相似度以及第三相似度，计算候选广告的推荐得分。第三相似度用于反映接收推荐广告的用户帐号的第一特征与候选广告的第二特征的相似程度。将推荐得分最高的候选广告确定为推荐广告。
综上所述，本申请实施例提供的广告推荐装置，通过计算模块计算视频内容服饰标签与候选广告服饰标签的第一相似度，根据第一相似度通过确定模块确定视频对应的推荐广告。第一相似度反映了第一服饰对象与第二服饰对象的类型的相似程度，即视频内容中的服饰内容与广告内容中的服饰内容的相似程度。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
可选地，根据第二相似度、第一权重和第二权重的乘积计算第一相似度。能够参照预测第一服饰对象以及第二服饰对象的类型时的准确度，以及推荐广告的价值确定推荐广告。实现更灵活地向用户推荐广告。
可选地，根据第二相似度、第一权重和第三权重的乘积计算第一相似度。减少了在预测第一服饰对象以及第二服饰对象的类型时存在的偏差，对确定的推荐广告的准确度的影响，实现更准确的向用户推荐广告。
可选地，根据第二相似度以及第四权重的乘积计算第一相似度。实现参照推荐广告的价值向用户推荐广告，提高了广告提供方的收益。
另外，根据视频内容服饰标签对应的行业特征，从具有相同行业特征的推荐广告集合中确定出推荐广告，提升了确定推荐广告的效率，减少了计算资源的消耗。当视频内容服饰标签中存在重复视频标签时或候选广告服饰标签中存在重复广告标签时，对重复视频标签以及重复广告标签进行去重，在保证视频内容服饰标签和候选广告服饰标签准确的同时减少了标签的数量，提升了计算第一相似度时的效率。
图16是本申请实施例提供的一种推荐广告显示装置的结构示意图。该装置可以用于如图2所示的终端或终端上的客户端。如图16所示，该装置160包括：
发送模块1601，用于向服务器发送广告请求。广告请求携带有视频内容服饰标签和视频标识中的至少一种。视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型。
接收模块1602，用于接收服务器反馈的推荐广告。推荐广告是服务器根据视频内容服饰标签和候选广告服饰标签的第一相似度确定的。第一相似度是服务器根据第一预测概率、第二预测概率以及标签价值中的至少一种计算得到的。第一预测概率用于反映第一服饰对象属于视频内容服饰标签的概率。第二预测概率用于反映第二服饰对象属于候选广告服饰标签的概率。标签价值用于反映候选广告服饰标签的价值。候选广告服饰标签用于反映候选广告中的第二服饰对象的类型，第一相似度用于反映第一服饰对象的类型与第二服饰对象的类型的相似程度。可选地，该推荐广告为图14中的广告推荐装置确定的。
显示模块1603，用于显示视频的播放界面，播放界面上显示有推荐广告。
综上所述，本申请实施例提供的推荐广告显示装置，通过发送模块向服务器发送广告请求，通过接收模块接收服务器反馈的推荐广告并显示该推荐广告。该推荐广告为根据视频内容中的服饰内容与广告内容中的服饰内容的相似程度，确定出的推荐广告。能够实现推荐的广告与用户观看的视频中的服饰内容相匹配，提升用户对推荐的广告感兴趣的可能性。提升了推荐广告的准确性。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和各模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的实施例还提供了一种计算机设备，该计算机设备包括：处理器和存储器，该装置存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的广告推荐方法或推荐广告显示方法。
可选地，该计算机设备为服务器。示例地，图17是本申请实施例提供的一种服务器的结构示意图。
所述服务器1700包括中央处理单元(Central Processing Unit，CPU)1701、包括随机存取存储器(Random Access Memory，RAM)1702和只读存储器(Read-Only Memory，ROM)1703的系统存储器1704，以及连接系统存储器1704和中央处理单元1701的系统总线1705。所述计算机设备1700还包括帮助计算机设备内的各个器件之间传输信息的基本输入/输出系统(Input/Output系统，I/O系统)1706，和用于存储操作系统1713、应用程序1714和其他程序模块1715的大容量存储设备1707。
所述基本输入/输出系统1706包括有用于显示信息的显示器1708和用于用户输入信息的诸如鼠标、键盘之类的输入设备1709。其中所述显示器1708和输入设备1709都通过连接到系统总线1705的输入输出控制器1710连接到中央处理单元1701。所述基本输入/输出系统1706还可以包括输入输出控制器1710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器1710还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1707通过连接到系统总线1705的大容量存储控制器(未示出)连接到中央处理单元1701。所述大容量存储设备1707及其相关联的计算机可读存储介质为服务器1700提供非易失性存储。也就是说，所述大容量存储设备1707可以包括诸如硬盘或者只读光盘(Compact Disc Read-Only Memory，CD-ROM)驱动器之类的计算机可读存储介质(未示出)。
不失一般性，所述计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读存储指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读寄存器(Erasable Programmable Read OnlyMemory，EPROM)、电子抹除式可复写只读存储器(Electrically-Erasable ProgrammableRead-Only Memory，EEPROM)、闪存或其他固态存储其技术，CD-ROM、数字多功能光盘(Digital Versatile Disc，DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器1704和大容量存储设备1707可以统称为存储器。
存储器存储有一个或多个程序，一个或多个程序被配置成由一个或多个中央处理单元1701执行，一个或多个程序包含用于实现上述方法实施例的指令，中央处理单元1701执行该一个或多个程序实现上述各个方法实施例提供的方法。
根据本申请的各种实施例，所述服务器1700还可以通过诸如因特网等网络连接到网络上的远程服务器运行。也即服务器1700可以通过连接在所述系统总线1705上的网络接口单1711连接到网络1712，或者说，也可以使用网络接口单元1711来连接到其他类型的网络或远程服务器系统(未示出)。
所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，所述一个或者一个以上程序包含用于进行本申请实施例提供的方法中由服务器所执行的步骤。
可选地，该计算机设备上安装有客户端，该计算机设备为终端。示例地，图18是本申请实施例提供的一种终端的结构示意图。
通常，终端1800包括有：处理器1801和存储器1802。
处理器1801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1801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1801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1801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1801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1802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1802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1802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1801所执行以实现本申请中方法实施例提供的推荐广告显示方法。
在一些实施例中，终端1800还可选包括有：外围设备接口1803和至少一个外围设备。处理器1801、存储器1802和外围设备接口1803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1803相连。具体地，外围设备包括：射频电路1804、显示屏1805、摄像头组件1806、音频电路1807、定位组件1808和电源1809中的至少一种。
外围设备接口1803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1801和存储器1802。在一些实施例中，处理器1801、存储器1802和外围设备接口1803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1801、存储器1802和外围设备接口1803中的任意一个或两个可以在单独的芯片或电路板上实现，本申请实施例对此不加以限定。
射频电路1804用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1804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1804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1804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1804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：万维网、城域网、内联网、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1804还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏1805用于显示UI(User Interface，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1805是触摸显示屏时，显示屏1805还具有采集在显示屏1805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1801进行处理。此时，显示屏1805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1805可以为一个，设置终端1800的前面板；在另一些实施例中，显示屏1805可以为至少两个，分别设置在终端1800的不同表面或呈折叠设计；在再一些实施例中，显示屏1805可以是柔性显示屏，设置在终端1800的弯曲表面上或折叠面上。甚至，显示屏1805还可以设置成非矩形的不规则图形，也即异形屏。显示屏1805可以采用LCD(Liquid Crystal 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1806用于采集图像或视频。可选地，摄像头组件1806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1800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1806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1807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1801进行处理，或者输入至射频电路1804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1800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1801或射频电路1804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1807还可以包括耳机插孔。
定位组件1808用于定位终端1800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1808可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源1809用于为终端1800中的各个组件进行供电。电源1809可以是交流电、直流电、一次性电池或可充电电池。当电源1809包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。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1800还包括有一个或多个传感器1810。该一个或多个传感器1810包括但不限于：加速度传感器1811、陀螺仪传感器1812、压力传感器1813、指纹传感器1814、光学传感器1815以及接近传感器1816。
加速度传感器1811可以检测以终端1800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1811可以用于检测重力加速度在三个坐标轴上的分量。处理器1801可以根据加速度传感器1811采集的重力加速度信号，控制触摸显示屏1805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1811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1812可以检测终端1800的机体方向及转动角度，陀螺仪传感器1812可以与加速度传感器1811协同采集用户对终端1800的3D动作。处理器1801根据陀螺仪传感器1812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1813可以设置在终端1800的侧边框和/或触摸显示屏1805的下层。当压力传感器1813设置在终端1800的侧边框时，可以检测用户对终端1800的握持信号，由处理器1801根据压力传感器1813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1813设置在触摸显示屏1805的下层时，由处理器1801根据用户对触摸显示屏1805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1814用于采集用户的指纹，由处理器1801根据指纹传感器1814采集到的指纹识别用户的身份，或者，由指纹传感器1814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1801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1814可以被设置终端1800的正面、背面或侧面。当终端1800上设置有物理按键或厂商Logo时，指纹传感器1814可以与物理按键或厂商Logo集成在一起。
光学传感器1815用于采集环境光强度。在一个实施例中，处理器1801可以根据光学传感器1815采集的环境光强度，控制触摸显示屏1805的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1805的显示亮度；当环境光强度较低时，调低触摸显示屏1805的显示亮度。在另一个实施例中，处理器1801还可以根据光学传感器1815采集的环境光强度，动态调整摄像头组件1806的拍摄参数。
接近传感器1816，也称距离传感器，通常设置在终端1800的前面板。接近传感器1816用于采集用户与终端1800的正面之间的距离。在一个实施例中，当接近传感器1816检测到用户与终端1800的正面之间的距离逐渐变小时，由处理器1801控制触摸显示屏1805从亮屏状态切换为息屏状态；当接近传感器1816检测到用户与终端1800的正面之间的距离逐渐变大时，由处理器1801控制触摸显示屏1805从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图18中示出的结构并不构成对终端1800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。
本申请实施例中还提供了一种计算机存储介质，该存储介质中可以存储有至少一条指令、至少一段程序、代码集或指令集，当该至少一条指令、至少一段程序、代码集或指令集由计算机设备的处理器加载并执行时，实现上述各方法实施例提供的广告推荐方法或推荐广告显示方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同切换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种广告推荐方法，其特征在于，所述方法包括：
获取视频内容服饰标签以及候选广告服饰标签，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型；
根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算所述视频内容服饰标签与所述候选广告服饰标签的第一相似度，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值；
根据所述第一相似度在所述候选广告中，确定出与所述视频对应的推荐广告。
2.根据权利要求1所述的方法，其特征在于，所述根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算所述视频内容服饰标签与所述候选广告服饰标签的第一相似度，包括：
通过文本嵌入技术计算所述视频内容服饰标签与所述候选广告服饰标签的第二相似度；
根据所述第二相似度、第一权重和第二权重的乘积计算所述第一相似度，所述第一权重根据所述第一预测概率确定，所述第二权重根据所述第二预测概率以及所述标签价值确定。
3.根据权利要求1或2所述的方法，其特征在于，所述获取视频内容服饰标签，包括：
获取所述视频的p个视频帧，p为正整数；
通过图像分割模型从所述p个视频帧中截取第一服饰区域，所述第一服饰区域中包括所述第一服饰对象；
通过图像分类模型对所述第一服饰对象的类型进行预测，得到所述视频内容服饰标签；
获取所述视频内容服饰标签。
4.根据权利要求3所述的方法，其特征在于，所述通过图像分类模型对所述第一服饰对象的类型进行预测，得到所述视频内容服饰标签，包括：
通过所述图像分类模型对所述第一服饰区域中的所述第一服饰对象的类型进行预测，得到n个候选视频内容服饰标签，n为正整数；
响应于所述n个候选视频内容服饰标签中存在重复视频标签，将所述重复视频标签合并为去重后的视频标签，得到所述视频内容服饰标签。
5.根据权利要求1或2所述的方法，其特征在于，所述获取视频内容服饰标签以及候选广告服饰标签，包括：
将所述视频内容服饰标签映射至映射表，得到与所述视频内容服饰标签对应的行业特征；
将具有相同所述行业特征的所述候选广告确定为候选广告集合；
根据所述候选广告集合中的所述候选广告获取所述候选广告服饰标签。
6.一种推荐广告显示方法，其特征在于，所述方法包括：
向服务器发送广告请求，所述广告请求携带有视频内容服饰标签和视频标识中的至少一种，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型；
接收所述服务器反馈的推荐广告，所述推荐广告是所述服务器根据所述视频内容服饰标签和候选广告服饰标签的第一相似度确定的，所述第一相似度是所述服务器根据第一预测概率、第二预测概率以及标签价值中的至少一种计算得到的，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度；
显示所述视频的播放界面，所述播放界面上显示有所述推荐广告。
7.一种广告推荐装置，其特征在于，所述装置包括：
获取模块，用于获取视频内容服饰标签以及候选广告服饰标签，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型；
计算模块，用于根据第一预测概率、第二预测概率以及标签价值中的至少一种，计算所述视频内容服饰标签与所述候选广告服饰标签的第一相似度，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值；
确定模块，用于根据所述第一相似度在所述候选广告中，确定出与所述视频对应的推荐广告。
8.一种推荐广告显示装置，其特征在于，所述装置包括：
发送模块，用于向服务器发送广告请求，所述广告请求携带有视频内容服饰标签和视频标识中的至少一种，所述视频内容服饰标签用于反映视频的视频帧中的第一服饰对象的类型；
接收模块，用于接收所述服务器反馈的推荐广告，所述推荐广告是所述服务器根据所述视频内容服饰标签和候选广告服饰标签的第一相似度确定的，所述第一相似度是所述服务器根据第一预测概率、第二预测概率以及标签价值中的至少一种计算得到的，所述第一预测概率用于反映所述第一服饰对象属于所述视频内容服饰标签的概率，所述第二预测概率用于反映所述第二服饰对象属于所述候选广告服饰标签的概率，所述标签价值用于反映所述候选广告服饰标签的价值，所述候选广告服饰标签用于反映候选广告中的第二服饰对象的类型，所述第一相似度用于反映所述第一服饰对象的类型与所述第二服饰对象的类型的相似程度；
显示模块，用于显示所述视频的播放界面，所述播放界面上显示有所述推荐广告。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现权利要求1至5任一所述的广告推荐方法或权利要求6所述的推荐广告显示方法。
10.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，当所述至少一条指令、所述至少一段程序、所述代码集或指令集由计算机设备的处理器加载并执行时，实现权利要求1至5任一所述的广告推荐方法或权利要求6所述的推荐广告显示方法。
CN202010627582.1A 2020-07-02 2020-07-02 广告推荐方法、推荐广告显示方法、装置及设备 Pending CN111754272A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010627582.1A CN111754272A (zh) 2020-07-02 2020-07-02 广告推荐方法、推荐广告显示方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010627582.1A CN111754272A (zh) 2020-07-02 2020-07-02 广告推荐方法、推荐广告显示方法、装置及设备

Publications (1)

Publication Number Publication Date
CN111754272A true CN111754272A (zh) 2020-10-09

Family

ID=72678777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010627582.1A Pending CN111754272A (zh) 2020-07-02 2020-07-02 广告推荐方法、推荐广告显示方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111754272A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990984A (zh) * 2021-04-19 2021-06-18 广州欢网科技有限责任公司 一种广告视频推荐方法、装置、设备及存储介质
CN113449146A (zh) * 2021-07-06 2021-09-28 武汉丰华裕商务有限公司 一种基于数据分析的短视频浏览推荐方法、设备及计算机存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990984A (zh) * 2021-04-19 2021-06-18 广州欢网科技有限责任公司 一种广告视频推荐方法、装置、设备及存储介质
CN113449146A (zh) * 2021-07-06 2021-09-28 武汉丰华裕商务有限公司 一种基于数据分析的短视频浏览推荐方法、设备及计算机存储介质

Similar Documents

Publication Publication Date Title
CN111652678B (zh) 物品信息显示方法、装置、终端、服务器及可读存储介质
CN110163066B (zh) 多媒体数据推荐方法、装置及存储介质
CN111737573A (zh) 资源推荐方法、装置、设备及存储介质
CN111897996A (zh) 话题标签推荐方法、装置、设备及存储介质
CN111970523A (zh) 信息显示方法、装置、终端、服务器及存储介质
CN111949879A (zh) 推送消息的方法、装置、电子设备及可读存储介质
CN111339938A (zh) 信息交互方法、装置、设备及存储介质
CN111311155A (zh) 修改配送位置的方法、装置、系统、设备以及存储介质
CN111708944A (zh) 多媒体资源识别方法、装置、设备及存储介质
CN113613028A (zh) 直播数据处理方法、装置、终端、服务器及存储介质
CN111754272A (zh) 广告推荐方法、推荐广告显示方法、装置及设备
CN110659895A (zh) 支付方法、装置、电子设备及介质
CN113609358A (zh) 内容分享方法、装置、电子设备以及存储介质
CN113891166A (zh) 数据处理方法、装置、计算机设备及介质
CN113469779A (zh) 信息显示方法及装置
CN111028071B (zh) 账单处理方法、装置、电子设备及存储介质
CN112766406A (zh) 物品图像的处理方法、装置、计算机设备及存储介质
CN110213307B (zh) 多媒体数据推送方法、装置、存储介质及设备
CN111353513B (zh) 一种目标人群筛选的方法、装置、终端和存储介质
CN112000264A (zh) 菜品信息展示方法、装置、计算机设备及存储介质
CN111563201A (zh) 内容推送方法、装置、服务器及存储介质
CN113987326B (zh) 资源推荐方法、装置、计算机设备及介质
CN112235609A (zh) 内容项数据播放方法、装置、计算机设备及存储介质
CN113051485A (zh) 群组搜索方法、装置、终端及存储介质
CN111967420A (zh) 详情信息的获取方法、装置、终端及存储介质

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