CN113157951A - 一种多媒体资源的处理方法、装置、服务器及存储介质 - Google Patents

一种多媒体资源的处理方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN113157951A
CN113157951A CN202110328401.XA CN202110328401A CN113157951A CN 113157951 A CN113157951 A CN 113157951A CN 202110328401 A CN202110328401 A CN 202110328401A CN 113157951 A CN113157951 A CN 113157951A
Authority
CN
China
Prior art keywords
multimedia
account
resource
multimedia resources
feature
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
CN202110328401.XA
Other languages
English (en)
Inventor
余舜哲
李鑫
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.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology 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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202110328401.XA priority Critical patent/CN113157951A/zh
Publication of CN113157951A publication Critical patent/CN113157951A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开关于一种多媒体资源的处理方法、装置、服务器及存储介质，涉及计算机领域。本公开实施例至少解决相关技术中，确定待推荐多媒体资源不准确的问题。该方法包括：获取请求推荐多媒体资源的帐户的历史信息，其中，历史信息包括帐户在历史时长内执行过交互操作的多媒体资源的信息；根据多媒体资源的信息，确定多媒体资源的交互特征，多媒体资源的交互特征用于表征多媒体资源在历史时长内的交互顺序以及多媒体资源的资源信息；基于多媒体资源的交互特征，确定帐户的帐户特征；帐户特征用于表征帐户在历史时长内对不同类目的多媒体资源的喜好程度；确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度，并将相似度大于第一阈值的候选多媒体资源确定为待推荐多媒体资源。

Description

一种多媒体资源的处理方法、装置、服务器及存储介质
技术领域
本公开涉及计算机领域，尤其涉及一种多媒体资源的处理方法、装置、服务器及存储介质。
背景技术
目前，多媒体资源推荐系统中通常包括召回模块以及排序模块。其中，召回模块用于根据账户的个人信息(例如年龄、性别、所在区域等信息)，从多个候选多媒体资源中确定待召回多媒体资源，并将确定得到的待召回多媒体资源发送至排序模块，以使得排序模块对待召回多媒体资源排序并向账户展示排序后的结果。
但是，在上述召回模块所执行的召回方法中，由于召回模块确定待召回多媒体资源所采用的依据大多为账户的个人静态信息，这就使得召回模块无法确定账户在一定时间段内的动态兴趣爱好，从而导致召回模块确定待召回多媒体资源的结果不够准确。
发明内容
本公开提供一种多媒体资源的处理方法、装置、服务器及存储介质，以至少解决相关技术中，确定待推荐多媒体资源不准确的问题。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的处理方法，包括：获取请求推荐多媒体资源的帐户的历史信息，其中，历史信息包括帐户在历史时长内执行过交互操作的多媒体资源的信息；根据多媒体资源的信息，确定多媒体资源的交互特征，多媒体资源的交互特征用于表征多媒体资源在历史时长内的交互顺序以及多媒体资源的资源信息；基于多媒体资源的交互特征，确定帐户的帐户特征；帐户的帐户特征用于表征帐户在历史时长内对不同类目的多媒体资源的喜好程度；确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度，并将相似度大于第一阈值的候选多媒体资源确定为待推荐多媒体资源。
可选的，上述多媒体资源的信息包括多媒体资源的资源信息以及多媒体资源的交互信息，上述“根据多媒体资源的信息，确定多媒体资源的交互特征”，包括：基于多媒体资源的资源信息，生成多媒体资源的资源特征；基于多媒体资源的交互信息，生成多媒体资源的位置特征；多媒体资源的位置特征用于表征帐户在历史时长内对多媒体资源执行交互操作的交互顺序；合并多媒体资源的资源特征与多媒体资源的位置特征，以生成多媒体资源的交互特征。
可选的，上述“基于多媒体资源的资源信息，生成多媒体资源的资源特征”，包括：确定多媒体资源的资源信息中每个资源属性的属性特征；利用预设的深度网络模型，确定每个属性特征的特征权值，并根据确定出的每个属性特征的特征权值，对确定到得属性特征进行加权处理，以确定多媒体资源的资源特征。
可选的，上述“基于多媒体资源的交互特征，确定帐户的帐户特征”，包括：将多媒体资源的交互特征进行合并，以生成帐户的第一历史交互特征；确定第一历史交互特征中每个交互特征的特征权值，并基于每个交互特征的特征权值，将第一历史交互特征转换为帐户的帐户特征。
可选的，上述“将多媒体资源的交互特征进行合并，以生成帐户的第一历史交互特征”，包括：将多媒体资源的交互特征进行合并，以生成帐户的第二历史交互特征；对第二历史交互特征进行降维处理，以得到第一历史交互特征。
可选的，在上述帐户的帐户特征以及资源特征均为特征向量的情况下，上述方法还包括：获取帐户的帐户特征中元素的个数；基于帐户的帐户特征中元素的个数，确定候选多媒体资源的资源特征中元素的个数，并基于候选多媒体资源的资源特征中元素的个数，确定候选多媒体资源的资源特征；候选多媒体资源的资源特征中元素的个数与帐户特征中元素的个数相同。
可选的，上述“确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度”，包括：确定帐户的帐户特征与候选多媒体资源的资源特征的内积，并基于确定到的内积，确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度。
根据本公开实施例的第二方面，提供一种多媒体资源的处理方法，包括：响应于帐户的多媒体资源推荐请求，获取多个待推荐多媒体资源；多个待推荐多媒体资源为基于第一方面的多媒体资源的处理方法确定得到的；确定预设数量个待推荐多媒体资源为向帐户推荐的多媒体资源。
根据本公开实施例的第三方面，提供一种多媒体资源的处理装置，包括获取单元以及确定单元；获取单元，用于获取请求推荐多媒体资源的帐户的历史信息，其中，历史信息包括帐户在历史时长内执行过交互操作的多媒体资源的信息；确定单元，用于根据获取单元获取到的多媒体资源的信息，确定多媒体资源的交互特征，多媒体资源的交互特征用于表征多媒体资源在历史时长内的交互顺序以及多媒体资源的资源信息；确定单元，还用于基于多媒体资源的交互特征，确定帐户的帐户特征；帐户的帐户特征用于表征帐户在历史时长内对不同类目的多媒体资源的喜好程度；确定单元，还用于确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度确定单元，还用于将相似度大于第一阈值的候选多媒体资源确定为待推荐多媒体资源。
可选的，上述多媒体资源的信息包括多媒体资源的资源信息以及多媒体资源的交互信息，上述确定单元，具体用于：基于多媒体资源的资源信息，生成多媒体资源的资源特征；基于多媒体资源的交互信息，生成多媒体资源的位置特征；多媒体资源的位置特征用于表征帐户在历史时长内对多媒体资源执行交互操作的交互顺序；合并多媒体资源的资源特征与多媒体资源的位置特征，以生成多媒体资源的交互特征。
可选的，上述确定单元，具体还用于：确定多媒体资源的资源信息中每个资源属性的属性特征；利用预设的深度网络模型，确定每个属性特征的特征权值，并根据确定出的每个属性特征的特征权值，对确定到得属性特征进行加权处理，以确定多媒体资源的资源特征。
可选的，上述确定单元，具体用于：将多媒体资源的交互特征进行合并，以生成帐户的第一历史交互特征；确定第一历史交互特征中每个交互特征的特征权值，并基于每个交互特征的特征权值，将第一历史交互特征转换为帐户的帐户特征。
可选的，上述确定单元，具体还用于：将多媒体资源的交互特征进行合并，以生成帐户的第二历史交互特征；对第二历史交互特征进行降维处理，以得到第一历史交互特征。
可选的，上述在帐户的帐户特征以及资源特征均为特征向量的情况下，获取单元，还用于获取帐户的帐户特征中元素的个数；确定单元，还用于基于获取单元获取到的帐户的帐户特征中元素的个数，确定候选多媒体资源的资源特征中元素的个数；确定单元，还用于基于候选多媒体资源的资源特征中元素的个数，确定候选多媒体资源的资源特征；候选多媒体资源的资源特征中元素的个数与帐户特征中元素的个数相同。
可选的，上述确定单元，具体用于：确定帐户的帐户特征与候选多媒体资源的资源特征的内积，并基于确定到的内积，确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度。
根据本公开实施例的第四方面，提供一种多媒体资源的处理装置，包括获取单元以及确定单元；获取单元，用于响应于帐户的多媒体资源推荐请求，获取多个待推荐多媒体资源；多个待推荐多媒体资源为第三方面的多媒体资源的处理装置确定得到的；
确定单元，用于确定预设数量个待推荐多媒体资源为向帐户推荐的多媒体资源。
根据本公开实施例的第五方面，提供一种服务器，包括：处理器、用于存储处理器可执行的指令的存储器；其中，处理器被配置为执行指令，以实现如第一方面以及第二方面中任一方面所提供的多媒体资源的处理方法。
根据本公开实施例的第六方面，提供一种计算机可读存储介质，包括指令，当指令由处理器执行时，使得处理器执行如第一方面以及第二方面中任一方面提供的多媒体资源的处理方法。
根据本公开实施例的第七方面，提供一种计算机程序产品，包括指令，当指令由处理器执行时，使得处理器执行如第一方面以及第二方面中任一方面提供的多媒体资源的处理方法。
本公开提供的技术方案至少带来以下有益效果：由于多媒体资源的处理装置在确定待推荐多媒体资源时，采用账户在历史时长内执行过交互操作的多个多媒体资源的信息，能够确定用于表征账户对多个目标多媒体资源中不同类目的多媒体资源的喜好程度的账户特征。进一步的，处理装置基于账户特征与候选多媒体资源的资源特征之间的相似度，可以从多个候选多媒体资源中准确得到账户感兴趣的待推荐多媒体资源，进而提高了推荐多媒体资源的准确性。
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推荐系统结构示意图；
图2是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之一；
图3是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之二；
图4是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之三；
图5是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之四；
图6是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之五；
图7是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之六；
图8是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之七；
图9是根据一示例性实施例示出的一种多媒体资源的处理方法的流程示意图之八；
图10是根据一示例性实施例示出的一种多媒体资源的处理装置的结构示意图之一；
图11是根据一示例性实施例示出的一种多媒体资源的处理装置的结构示意图之二；
图12是根据一示例性实施例示出的一种多媒体资源的处理装置的结构示意图之三。
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情况下可以互换，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。
另外，在本公开实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，在本公开实施例的描述中，“多个”是指两个或多于两个。
本公开实施例提供的多媒体资源的处理方法(以下简称处理方法)可以适用于多媒体资源推荐系统。图1示出了该多媒体资源推荐系统的一种结构示意图。如图1所示，多媒体资源推荐系统10用于向账户推荐多媒体资源，多媒体资源推荐系统10包括多媒体资源的处理装置(以下简称处理装置)11以及服务器12。处理装置11与服务器12连接。处理装置11与服务器12之间可以采用有线方式连接，也可以采用无线方式连接，本公开实施例对此不作限定。
需要说明的，本公开实施例所涉及的多媒体资源，可以包括视频、音频、图文等资源，本公开实施例此处不作具体限定。同时，在本公开实施例的后续描述中，以视频作为多媒体资源为例进行后续描述，音频以及图文等其他资源，可以参照后续描述。
处理装置11可以用于与服务器12进行数据交互，例如，处理装置11可以从服务器12中获取账户在历史时长内执行过交互操作的多个多媒体资源的资源信息以及交互信息。处理装置11还可以从服务器12总获取多个候选多媒体资源的资源信息，并向服务器12发送多待召回多媒体资源的标识。
处理装置11还可以用于根据获取到的多个多媒体资源的资源信息以及交互信息进行运算处理，例如，确定每个多媒体资源的资源特征，以及从多个候选多媒体资源中确定待召回多媒体资源。
服务器12可以用于与账户的终端进行数据交互，例如，接收账户的终端发送的多媒体资源推荐请求，以及向账户的终端发送推荐的多媒体资源。
服务器12可以为一个离线的服务器，包括召回模块、排序模块以及多媒体资源库，多媒体资源库中存储有多个候选多媒体资源，以及存储多个多媒体资源的资源信息。
服务器12可以为一个单独的服务器，也可以为多个服务器组成的服务器集群。
需要说明的，处理装置11和服务器12可以为相互独立的设备，也可以集成于同一设备中，本公开对此不作具体限定。
当处理装置11和服务器12集成于同一设备时，处理装置11和服务器12之间的通信方式为该设备内部模块之间的通信。这种情况下，二者之间的通信流程与“处理装置11和服务器12之间相互独立的情况下，二者之间的通信流程”相同。
在本公开提供的以下实施例中，本公开以处理装置11和服务器12相互独立设置为例进行说明。
下面结合附图对本发明实施例提供的处理方法进行描述，本发明实施例中提供的处理方法可以应用于上述处理装置中，也可以应用于上述服务器中，本发明实施例以处理方法应用于处理装置为例进行说明。
如图2所示，本公开实施例提供的处理方法包括：
S201、处理装置获取请求推荐多媒体资源的帐户的历史信息。
其中，历史信息包括帐户在历史时长内执行过交互操作的多媒体资源的信息。多媒体资源的信息包括多媒体资源的资源信息以及多媒体资源的交互信息。账户为发起多媒体资源推荐请求的任意一个账户。
作为一种可能的实现方式，处理装置基于账户的标识，从服务器中获取账户在历史时长内请求的预设数量个多媒体资源的信息。
需要说明的，历史时长为预设的时间段，可以由多媒体资源推荐系统的运维人员预先在处理装置中设置。预设数量也可以由运维人员预先在处理装置中设置。
示例性的，历史时长为24小时(h)，预设数量为20。
S202、处理装置根据多媒体资源的信息，确定多媒体资源的交互特征。
其中，多媒体资源的交互特征用于表征多媒体资源在历史时长内的交互顺序以及多媒体资源的资源信息。
作为一种可能的实现方式，处理装置将多媒体资源的资源信息转换为多媒体资源的资源特征，并将多媒体资源的交互信息转换为用于表征多媒体资源在历史时长内的交互顺序的位置特征，并进一步的根据转换得到的资源特征以及位置特征，生成多媒体资源的交互特征。
其中，多媒体资源的位置特征用于表征多媒体资源在时间上的交互顺序。
此步骤中更为具体的实现方式，可以参照本公开实施例的下述具体描述，此处不再赘述。
可选的，多媒体资源的资源特征可以为根据多媒体资源的资源信息生成的特征向量。多媒体资源的位置特征可以为根据多媒体的交互信息生成的特征矩阵。
需要说明的，在多媒体资源的资源特征为向量，以及多媒体资源的位置特征为矩阵的情况下，多媒体资源的交互特征为多媒体资源的资源特征与位置特征的乘积。多媒体资源的资源特征的维度以及多媒体资源的位置特征的维度都为上述预设数量。
为便于表述，本公开实施例的后续描述中均以特征向量为例对本公开实施例中的资源特征、位置特征、交互特征、账户特征进行描述。
S203、处理装置基于多媒体资源的交互特征，确定帐户的帐户特征。
其中，帐户的帐户特征用于表征帐户在历史时长内对不同类目的多媒体资源的喜好程度。
作为一种可能的实现方式，处理装置将账户在历史时长内执行过交互操作的预设数量个多媒体资源的交互特征进行合并，并预设的自注意力机制，对合并得到的结果进行处理，以进一步确定账户的账户特征。
此步骤中确定账户的账户特征的具体实施方式可以参照本公开实施例的后续描述，此处不再赘述。
S204、处理装置确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度。
作为一种可能的实现方式，处理装置11确定每个候选多媒体资源的资源特征，并确定账户的账户特征与每个候选多媒体资源的资源特征之间的相似度。
此步骤中确定相似度的实现方式，可以参照本公开实施例的后续描述，此处不再进行赘述。
S205、处理装置将相似度大于第一阈值的候选多媒体资源确定为待推荐多媒体资源。
需要说明的，第一阈值可以由运维人员预先在处理装置中设置，也可以根据待推荐多媒体资源的要求数量，对相似度从大到小进行排序得到。
可以理解的，处理装置在确定待推荐多媒体资源之后，将待推荐多媒体资源的标识发送至服务器。
本公开提供的技术方案至少带来以下有益效果：由于多媒体资源的处理装置在确定待推荐多媒体资源时，采用账户在历史时长内执行过交互操作的多个多媒体资源的信息，能够确定用于表征账户对多个目标多媒体资源中不同类目的多媒体资源的喜好程度的账户特征。进一步的，处理装置基于账户特征与候选多媒体资源的资源特征之间的相似度，可以从多个候选多媒体资源中准确得到账户感兴趣的待推荐多媒体资源，进而提高了推荐多媒体资源的准确性。
在一种设计中，为了能够确定多媒体账户的交互特征，结合图2，如图3所示，本公开实施例提供的S202，具体包括下述S2021-S2023。
S2021、处理装置基于多媒体资源的资源信息，生成多媒体资源的资源特征。
其中，多媒体资源的资源特征用于唯一标识对应多媒体资源。
作为一种可能的实现方式，处理装置采用预设的编码方式或者神经网络模型，对多媒体的资源信息编码，以生成多媒体资源的资源特征。
需要说明的，多媒体资源的资源特征可以为多媒体资源的资源特征向量。
S2022、处理装置基于多媒体资源的交互信息，生成多媒体资源的位置特征。
其中，多媒体资源的位置特征用于表征帐户在历史时长内对多媒体资源执行交互操作的交互顺序。
作为一种可能的实现方式，处理装置采用预设的编码方式或者神经网络模型，对多媒体的交互顺序编码，以生成多媒体资源的位置特征。
需要说明的，位置特征可以为一个预设的矩阵，其中包含有预设数量个元素，在上述预设数量个元素中包含有多媒体资源的交互顺序，其他元素都为0。
本公开实施例对上述S2021以及S2022的执行顺序不做限定。在实际应用中，处理装置可以先执行S2021，后执行S2022，也可以先执行S2022，后执行S2021，还可以同时执行S2021以及S2022。
S2023、处理装置合并多媒体资源的资源特征与多媒体资源的位置特征，以生成多媒体资源的交互特征。
作为一种可能的实现方式，处理装置确定多媒体资源的资源特征与多媒体资源的位置特征的乘积，为多媒体资源的交互特征。
需要说明的，在资源特征为向量，以及交互特征为矩阵的情况下，资源特征与交互特征的乘积为一个特征向量。
示例性的，多媒体资源的交互特征可以为一个64位的特征向量。
本公开提供的技术方案至少带来以下有益效果：处理装置能够将资源信息转换为资源特征，以及将交互信息转换为位置特征，进而能够根据资源特征以及位置特征，准确的确定多媒体资源的交互特征。
在一种设计中，为了能够确定多媒体资源的资源特征，如图4所示，本公开实施例提供的S2021，具体包括下述S301-S303。
S301、处理装置确定多媒体资源的资源信息中每个资源属性的属性特征。
其中，资源属性包括多媒体资源的封面标识、发布者标识以及类目标识。属性特征包括多媒体资源的封面特征、发布者特征以及类目特征。多媒体资源的封面特征用于唯一标识对应多媒体资源的封面标识，多媒体资源的发布者特征用于唯一标识对应多媒体资源的发布者标识，多媒体资源的类目特征用于唯一标识对应多媒体资源所在的类目标识。
作为一种可能的实现方式，处理装置对多媒体资源的封面标识、发布者标识以及类目标识分别编码，以得到多媒体资源的封面特征、发布者特征以及类目特征。
示例性的，封面特征、发布者特征以及类目特征均为一个64位的特征向量。
S302、处理装置利用预设的深度网络模型，确定每个属性特征的特征权值。
作为一种可能的实现方式，处理装置可以利用预设的神经网络模型为封面特征、发布者特征以及类目特征分配不同的特征权值。
示例性的，预设的神经网络模型可以为深度网络模型(Deep Neural Networks，DNN)。
此步骤的具体实现方式，具体可以参照现有技术中的描述，此处不再进行赘述。
S303、处理装置根据确定出的每个属性特征的特征权值，对确定到得属性特征进行加权处理，以确定多媒体资源的资源特征。
作为一种可能的实现方式，处理装置按照分配的特征权值，对多媒体资源的封面特征、发布者特征以及类目特征进行加权处理，以得到第一多媒体资源的资源特征。
需要说明的，在采用加权处理的情况下，第一多媒体资源的资源特征为一个64位的特征向量。
本公开提供的技术方案至少带来以下有益效果：通过资源信息中包括的封面特征、发布者特征以及类目特征，可以根据全面的资源信息反映出资源特征，进一步提高确定待推荐多媒体资源的准确性。
在一种设计中，为了能够确定账户的账户特征，结合图2，如图5所示，本公开实施例提供的S203，具体包括下述S2031-S2032。
S2031、处理装置将多媒体资源的交互特征进行合并，以生成帐户的第一历史交互特征。
作为一种可能的实现方式，处理装置可以按照多媒体资源的交互顺序，将历史时长内预设数量的多媒体资源的交互特征进行合并，以生成第一历史交互特征。
示例性的，在多媒体资源的交互特征为64位特征向量的情况下，第一历史交互特征为一个d*64位的特征向量，d为多个多媒体资源的个数。
在一种情况下，d值可以为一个由运维人员预先在处理装置中设置的预设数值。若账户在历史时长内执行交互操作的多媒体资源的数量小于d，则处理装置11在生成第一历史交互特征时，用0填充第一历史交互特征，以得到一个d*64位的特征向量。
S2032、处理装置确定第一历史交互特征中每个交互特征的特征权值,并基于每个交互特征的特征权值，将第一历史交互特征转换为帐户的帐户特征。
作为一种可能的实现方式，处理装置11将第一历史交互特征输入到预设的自注意力机制中，并将自注意力机制输出的结果作为账户的账户特征，在这种情况下，账户的账户特征满足以下公式一：
Figure BDA0002995449180000101
其中，S为账户的账户特征，Q为第一历史交互特征的query转换向量，KT为第一历史交互特征的key转换向量的转置，V为第二账户特征的value转换向量，d为预设的多个多媒体资源的个数。
需要说明的，自主力机制能够对输入的第一历史交互特征进行处理，确定其中的每个交互特征的特征权值，并基于每个交互特征的特征权值，对输入的第一历史交互特征进行转换，以得到账户的账户特征。处理装置对第一历史交互特征进行query转换、key转换以及value转换的过程，具体可以参照现有技术，此处不再进行赘述。
上述实施例提供的技术方案至少具有以下有益效果：处理装置采用预设的自注意力机制，能够确定账户对不同多媒体资源类目的多媒体资源的喜好程度，能够提高召回多媒体资源的准确性。
在一种设计中，由于第一历史交互特征为一个d*64位的特征向量，为了减轻服务器或装置在执行数据处理过程中的硬件资源消耗，如图6所示，本公开实施例提供的S2031，还可以包括下述S401-S402。
S401、处理装置将多媒体资源的交互特征进行合并，以生成帐户的第二历史交互特征。
作为一种可能的实现方式，处理装置可以按照多媒体资源的交互顺序，将历史时长内预设数量的多媒体资源的交互特征进行合并，生成第二历史交互特征。
S402、处理装置对第二历史交互特征进行降维处理，以得到第一历史交互特征。
处理装置11在对第二历史交互特征进行query转换、key转换以及value转换的过程中，分别采用预设的降维矩阵与第二历史交互特征相乘，以生成降维处理后得到的第一历史交互特征。
示例性的，在多媒体资源的交互特征为64位特征向量的情况下，第二历史交互特征为一个d*64位的特征向量，d为多个多媒体资源的个数，第一历史交互特征为一个64位的特征向量。
在对交互特征进行降维处理的情况下，本公开上述实施例中涉及的S2032中自注意力机制输出的账户的账户特征满足以下公式二：
Figure BDA0002995449180000111
其中，S为账户的账户特征，E为第二历史交互特征，WQ为第一降维矩阵，WK为第二降维矩阵，WV为第三降维矩阵，d为预设的多个多媒体资源的个数。
需要说明的，第一降维矩阵用于与第二历史交互特征相乘，以得到对query转换向量降维后的降维结果。第二降维矩阵用于与第二历史交互特征相乘，以得到对key转换向量降维后的降维结果。第三降维矩阵用于与第二历史交互特征相乘，以得到对value转换向量降维后的降维结果。
上述实施例提供的技术方案至少具有以下有益效果：处理装置在将获取第一历史交互特征之前，先将第二历史交互特征进行降维处理，能够减少自注意力机制的运算，优化资源，以提高确定待处理多媒体资源的效率。
在一种设计中，本公开实施例提供的S2032中，在处理装置获取自注意力机制输出的结果之后，还包括下述S501-S502。
S501、处理装置11获取自注意力机制输出的账户的中间特征。
S502、处理装置11对账户的中间特征进行标准化处理，以生成账户的账户特征。
其中，标准化处理包括去除无用数据以及正则化处理。
此步骤的具体实施方式，具体可以参照现有技术，此处不再赘述。
上述实施例提供的技术方案至少具有以下有益效果：处理装置对自注意力机制输出的账户的中间特征进行去除无用数据以及正则化的处理，能够保证账户的账户特征的准确性，可以进一步提高确定待推荐多媒体资源的准确性。
可选的，为了对中间特征进行标准化处理的结果准确，本公开实施例提供的S502，具体可以包括S5021。
S5021、处理装置11利用预设的前馈神经网络，对中间特征进行标准化处理，以输出账户的账户特征。
其中，预设的前馈神经网络包括dropout方法以及layer norm方法，dropout方法用于去除中间特征中的无用数据，layer norm用于对中间特征进行正则化处理。
作为一种可能的实现方式，账户的账户特征还满足以下公式三：
F＝ReLU(SW(1)+b(1))W(2)+b(2) 公式三
其中，F为第账户的账户特征，S为中间特征，W(1)为第一矩阵参数，b(1)为第一线性参数，W(2)为第二矩阵参数，b(2)为第二线性参数。
需要说明的，第一矩阵参数、第一线性参数、第二矩阵参数以及第二线性参数可以由运维人员预先在处理装置中设置。
上述实施例提供的技术方案至少具有以下有益效果：处理装置采用预设的前馈神经网络对自注意力机制输出的中间特征进行标准化处理，能够实现自动、高效的获取账户的账户特征。
在一种设计中，在账户的账户特征以及资源特征均为特征向量的情况下，为了能够确定候选多媒体资源的资源特征，如图7，本公开实施例提供的处理方法，还包括下述S601-S603。
S601、处理装置获取帐户的帐户特征中元素的个数。
作为一种可能的实现方式，处理装置在确定账户的账户特征之后，确定账户的账户特征中元素的个数。
S602、处理装置基于帐户的帐户特征中元素的个数，确定候选多媒体资源的资源特征中元素的个数。
其中，候选多媒体资源的资源特征中元素的个数与帐户特征中元素的个数相同。
S603、处理装置基于候选多媒体资源的资源特征中元素的个数，确定候选多媒体资源的资源特征。
作为一种可能的实现方式，处理装置在对候选多媒体资源的资源信息进行编码或者采用DNN进行处理时，基于候选多媒体资源的资源特征中元素的个数，确定候选多媒体资源的资源特征。
上述实施例提供的技术方案至少具有以下有益效果：在生成候选多媒体资源的资源特征时，资源特征的元素数量与账户特征的元素数量相同，能够保证在计算相似度时，节约计算资源，以提高确定推荐多媒体资源的效率。
在一种设计中，在账户特征以及资源特征均为特征向量的情况下，为了能够确定账户特征与候选多媒体资源的资源特征之间的相似度度，如图8所示，本公开实施例提供的S204，具体包括下述S2041-S2042。
S2041、处理装置确定帐户的帐户特征与候选多媒体资源的资源特征的内积。
作为一种可能的实现方式，处理装置计算账户的账户特征与候选多媒体资源的资源特征的向量内积。
S2042、处理装置基于确定到的内积，确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度。
作为一种可能的实现方式，处理装置可以将确定到的内积作为账户特征与候选多媒体资源的资源特征之间的相似度。
需要说明的，账户的账户特征与候选多媒体资源的资源特征之间的相似度与其向量内积成正比，即向量内积越大，相似度越高。
上述实施例提供的技术方案至少具有以下有益效果：处理装置在确定相似度时，采用特征向量之间的乘积，能够快速、有效的确定账户特征与资源特征之间的相似度，能够提高确定待推荐多媒体资源的效率。
在一种设计中，为了能够确定待推荐多媒体资源，本公开实施例提供的S205，具体可以包括下述S2051。
S2051、处理装置利用预设的检索算法，从多个候选多媒体资源中确定待推荐多媒体资源。
示例性的，预设的检索算法可以为Faiss检索算法，也可以为人工神经网络(Artificial Neural Network，ANN)，还可以为Scann检索方法。
此步骤的具体实现方式，可以参照现有技术，此处不再进行赘述。
上述实施例提供的技术方案至少具有以下有益效果：利用预设的检索算法从多个候选多媒体资源中确定待推荐多媒体资源，能够高效、准确的从多个候选多媒体资源中确定待待推荐多媒体资源，能够提高确定待推荐多媒体资源的准确性。
如图9所示，本公开实施例还提供了一种多媒体资源的处理方法，该处理方法包括下述S701-S702。
S701、处理装置响应于帐户的多媒体资源推荐请求，获取多个待推荐多媒体资源。
其中，多个待推荐多媒体资源为基于本公开实施例上述多媒体资源的处理方法确定得到的。
作为一种可能的实现方式，处理装置接收服务器发送的多媒体资源推荐请求，按照上述多媒体资源的处理方法确定多个待推荐多媒体资源。
S702、处理装置确定预设数量个待推荐多媒体资源为向帐户推荐的多媒体资源。
上述实施例提供的技术方案至少具有以下有益效果：处理装置在确定多个待推荐多媒体资源之后，确定预设数量个待推荐多媒体资源为向账户推荐的多媒体资源，能够提高向账户推荐多媒体资源的准确性。
另外，本公开还提供一种多媒体资源的处理装置，参照图10所示，该处理装置11包括获取单元111以及确定单元112。
获取单元111，用于获取请求推荐多媒体资源的帐户的历史信息，其中，历史信息包括帐户在历史时长内执行过交互操作的多媒体资源的信息。例如，如图2所示，获取单元111可以用于执行S201。
确定单元112，用于根据获取单元111获取到的多媒体资源的信息，确定多媒体资源的交互特征，多媒体资源的交互特征用于表征多媒体资源在历史时长内的交互顺序以及多媒体资源的资源信息。例如，如图2所示，确定单元112可以用于执行S202。
确定单元112，还用于基于多媒体资源的交互特征，确定帐户的帐户特征。帐户的帐户特征用于表征帐户在历史时长内对不同类目的多媒体资源的喜好程度。例如，如图2所示，确定单元112可以用于执行S203。
确定单元112，还用于确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度。例如，如图2所示，确定单元112可以用于执行S204。
确定单元112，还用于将相似度大于第一阈值的候选多媒体资源确定为待推荐多媒体资源。例如，如图2所示，确定单元112可以用于执行S205。
可选的，如图10所示，多媒体资源的信息包括多媒体资源的资源信息以及多媒体资源的交互信息，确定单元112，具体用于：
基于多媒体资源的资源信息，生成多媒体资源的资源特征。例如，如图3所示，确定单元112可以用于执行S2021。
基于多媒体资源的交互信息，生成多媒体资源的位置特征。多媒体资源的位置特征用于表征帐户在历史时长内对多媒体资源执行交互操作的交互顺序。例如，如图3所示，确定单元112可以用于执行S2022。
合并多媒体资源的资源特征与多媒体资源的位置特征，以生成多媒体资源的交互特征。例如，如图3所示，确定单元112可以用于执行S2023。
可选的，如图10所示，确定单元112，具体还用于：
确定多媒体资源的资源信息中每个资源属性的属性特征。例如，如图4所示，确定单元112可以用于执行S301。
利用预设的深度网络模型，确定每个属性特征的特征权值，并根据确定出的每个属性特征的特征权值，对确定到得属性特征进行加权处理，以确定多媒体资源的资源特征。例如，如图4所示，确定单元112可以用于执行S302以及S303。
可选的，如图10所示，确定单元112，具体用于：
将多媒体资源的交互特征进行合并，以生成帐户的第一历史交互特征。例如，如图5所示，确定单元112可以用于执行S2031。
确定第一历史交互特征中每个交互特征的特征权值，并基于每个交互特征的特征权值，将第一历史交互特征转换为帐户的帐户特征。例如，如图5所示，确定单元112可以用于执行S2032。
可选的，如图10所示，确定单元112，具体还用于：
将多媒体资源的交互特征进行合并，以生成帐户的第二历史交互特征。例如，如图6所示，确定单元112可以用于执行S401。
对第二历史交互特征进行降维处理，以得到第一历史交互特征。例如，如图6所示，确定单元112可以用于执行S402。
可选的，如图10所示，在帐户的帐户特征以及资源特征均为特征向量的情况下，获取单元111，还用于获取帐户的帐户特征中元素的个数。例如，如图7所示，确定单元112可以用于执行S601。
确定单元112，还用于基于获取单元111获取到的帐户的帐户特征中元素的个数，确定候选多媒体资源的资源特征中元素的个数。例如，如图7所示，确定单元112可以用于执行S602。
确定单元112，还用于基于候选多媒体资源的资源特征中元素的个数，确定候选多媒体资源的资源特征。候选多媒体资源的资源特征中元素的个数与帐户特征中元素的个数相同。例如，如图7所示，确定单元112可以用于执行S603。
可选的，如图10所示，确定单元112，具体用于：
确定帐户的帐户特征与候选多媒体资源的资源特征的内积。例如，如图8所示，确定单元112可以用于执行S2041。
基于确定到的内积，确定帐户的帐户特征与候选多媒体资源的资源特征之间的相似度。例如，如图8所示，确定单元112可以用于执行S2042。
另外，本公开还提供一种多媒体资源的处理装置，参照图11所示，该处理装置80包括获取单元801以及确定单元802。
获取单元801，用于响应于帐户的多媒体资源推荐请求，获取多个待推荐多媒体资源。多个待推荐多媒体资源为上述多媒体资源的处理装置11确定得到的。例如，如图9所示，获取单元801可以用于执行S701。
确定单元，用于确定预设数量个待推荐多媒体资源为向帐户推荐的多媒体资源。例如，如图9所示，确定单元802可以用于执行S702。
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。
图12是本公开提供的一种服务器的结构示意图。如图12，该服务器90用于执行本公开上述实施例提供的多媒体资源的处理方法，该服务器90可以包括至少一个处理器901以及用于存储处理器可执行指令的存储器903。其中，处理器901被配置为执行存储器903中的指令，以实现上述实施例中的处理方法。
另外，服务器90还可以包括通信总线902以及至少一个通信接口904。
处理器901可以是一个处理器(central processing units，CPU)，微处理单元，ASIC，或一个或多个用于控制本公开方案程序执行的集成电路。
通信总线902可包括一通路，在上述组件之间传送信息。
通信接口904，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。
存储器903可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理单元相连接。存储器也可以和处理单元集成在一起。
其中，存储器903用于存储执行本公开方案的指令，并由处理器901来控制执行。处理器901用于执行存储器903中存储的指令，从而实现本公开方法中的功能。
在具体实现中，作为一种实施例，处理器901可以包括一个或多个CPU，例如图12中的CPU0和CPU1。
在具体实现中，作为一种实施例，服务器90可以包括多个处理器，例如图12中的处理器901和处理器907。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在具体实现中，作为一种实施例，服务器90还可以包括输出设备905和输入设备906。输出设备905和处理器901通信，可以以多种方式来显示信息。例如，输出设备905可以是液晶显示器(liquid crystal display，LCD)，发光二级管(light emitting diode，LED)显示设备，阴极射线管(cathode ray tube，CRT)显示设备，或投影仪(projector)等。输入设备906和处理器901通信，可以以多种方式接受用户的输入。例如，输入设备906可以是鼠标、键盘、触摸屏设备或传感设备等。
本领域技术人员可以理解，图12中示出的结构并不构成对服务器90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。
另外，本公开还提供一种计算机可读存储介质，包括指令，当指令由处理器执行时，使得处理器执行如上述实施例所提供的多媒体资源的处理方法。
另外，本公开还提供一种计算机程序产品，包括指令，当指令由处理器执行时，使得处理器执行如上述实施例所提供的多媒体资源的处理方法。
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权利要求指出。

Claims (10)

1.一种多媒体资源的处理方法，其特征在于，包括：
获取请求推荐多媒体资源的帐户的历史信息，其中，所述历史信息包括所述帐户在历史时长内执行过交互操作的多媒体资源的信息；
根据所述多媒体资源的信息，确定所述多媒体资源的交互特征，所述多媒体资源的交互特征用于表征所述多媒体资源在所述历史时长内的交互顺序以及所述多媒体资源的资源信息；
基于所述多媒体资源的交互特征，确定所述帐户的帐户特征；所述帐户的帐户特征用于表征所述帐户在所述历史时长内对不同类目的多媒体资源的喜好程度；
确定所述帐户的帐户特征与候选多媒体资源的资源特征之间的相似度，并将相似度大于第一阈值的候选多媒体资源确定为待推荐多媒体资源。
2.根据权利要求1所述的多媒体资源的处理方法，其特征在于，所述多媒体资源的信息包括所述多媒体资源的资源信息以及所述多媒体资源的交互信息，所述根据所述多媒体资源的信息，确定所述多媒体资源的交互特征，包括：
基于所述多媒体资源的资源信息，生成所述多媒体资源的资源特征；
基于所述多媒体资源的交互信息，生成所述多媒体资源的位置特征；所述多媒体资源的位置特征用于表征所述帐户在所述历史时长内对所述多媒体资源执行所述交互操作的交互顺序；
合并所述多媒体资源的资源特征与所述多媒体资源的位置特征，以生成所述多媒体资源的交互特征。
3.根据权利要求2所述的多媒体资源的处理方法，其特征在于，所述基于所述多媒体资源的资源信息，生成所述多媒体资源的资源特征，包括：
确定所述多媒体资源的资源信息中每个资源属性的属性特征；
利用预设的深度网络模型，确定每个属性特征的特征权值，并根据确定出的所述每个属性特征的特征权值，对确定到得属性特征进行加权处理，以确定所述多媒体资源的资源特征。
4.根据权利要求1所述的多媒体资源的处理方法，其特征在于，所述基于所述多媒体资源的交互特征，确定所述帐户的帐户特征，包括：
将所述多媒体资源的交互特征进行合并，以生成所述帐户的第一历史交互特征；
确定所述第一历史交互特征中每个交互特征的特征权值，并基于所述每个交互特征的特征权值，将所述第一历史交互特征转换为所述帐户的帐户特征。
5.一种多媒体资源的处理方法，其特征在于，包括：
响应于帐户的多媒体资源推荐请求，获取多个待推荐多媒体资源；所述多个待推荐多媒体资源为基于权利要求1-4任一项所述的多媒体资源的处理方法确定得到的；
确定预设数量个所述待推荐多媒体资源为向所述帐户推荐的多媒体资源。
6.一种多媒体资源的处理装置，其特征在于，包括获取单元以及确定单元；
所述获取单元，用于获取请求推荐多媒体资源的帐户的历史信息，其中，所述历史信息包括所述帐户在历史时长内执行过交互操作的多媒体资源的信息；
所述确定单元，用于根据所述获取单元获取到的所述多媒体资源的信息，确定所述多媒体资源的交互特征，所述多媒体资源的交互特征用于表征所述多媒体资源在所述历史时长内的交互顺序以及所述多媒体资源的资源信息；
所述确定单元，还用于基于所述多媒体资源的交互特征，确定所述帐户的帐户特征；所述帐户的帐户特征用于表征所述帐户在所述历史时长内对不同类目的多媒体资源的喜好程度；
所述确定单元，还用于确定所述帐户的帐户特征与候选多媒体资源的资源特征之间的相似度
所述确定单元，还用于将相似度大于第一阈值的候选多媒体资源确定为待推荐多媒体资源。
7.一种多媒体资源的处理装置，其特征在于，包括获取单元以及确定单元；
所述获取单元，用于响应于帐户的多媒体资源推荐请求，获取多个待推荐多媒体资源；所述多个待推荐多媒体资源为权利要求6所述的多媒体资源的处理装置确定得到的；
所述确定单元，用于确定预设数量个所述待推荐多媒体资源为向所述帐户推荐的多媒体资源。
8.一种服务器，其特征在于，包括：处理器、用于存储所述处理器可执行的指令的存储器；其中，所述处理器被配置为执行指令，以实现如权利要求1-4以及5中任一项所提供的多媒体资源的处理方法。
9.一种计算机可读存储介质，其特征在于，包括指令，当所述指令由处理器执行时，使得所述处理器执行如权利要求1-4以及5中任一项提供的多媒体资源的处理方法。
10.一种计算机程序产品，包括指令，其特征在于，所述指令被处理器执行时实现权利要求1-4以及5中任一项所述的多媒体资源的处理方法。
CN202110328401.XA 2021-03-26 2021-03-26 一种多媒体资源的处理方法、装置、服务器及存储介质 Pending CN113157951A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110328401.XA CN113157951A (zh) 2021-03-26 2021-03-26 一种多媒体资源的处理方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110328401.XA CN113157951A (zh) 2021-03-26 2021-03-26 一种多媒体资源的处理方法、装置、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN113157951A true CN113157951A (zh) 2021-07-23

Family

ID=76885640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110328401.XA Pending CN113157951A (zh) 2021-03-26 2021-03-26 一种多媒体资源的处理方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN113157951A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113342998A (zh) * 2021-08-05 2021-09-03 北京达佳互联信息技术有限公司 一种多媒体资源推荐方法、装置、电子设备及存储介质
CN113704509A (zh) * 2021-07-30 2021-11-26 北京达佳互联信息技术有限公司 多媒体推荐方法、装置、电子设备及存储介质
CN114201626A (zh) * 2021-11-18 2022-03-18 北京达佳互联信息技术有限公司 多媒体推荐方法、装置、电子设备及存储介质
CN116955835A (zh) * 2023-09-21 2023-10-27 腾讯科技（深圳）有限公司 资源筛选方法、装置、计算机设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170169018A1 (en) * 2015-12-09 2017-06-15 Le Holdings (Beijing) Co., Ltd. Method and Electronic Device for Recommending Media Data
CN110929052A (zh) * 2019-12-03 2020-03-27 北京奇艺世纪科技有限公司 多媒体资源推荐方法、装置、电子设备及存储介质
CN111046286A (zh) * 2019-12-12 2020-04-21 腾讯科技（深圳）有限公司 一种对象推荐方法、装置、以及计算机存储介质
CN111340522A (zh) * 2019-12-30 2020-06-26 支付宝实验室(新加坡)有限公司 资源推荐方法、装置、服务器及存储介质
CN111400615A (zh) * 2020-03-19 2020-07-10 腾讯科技（深圳）有限公司 一种资源推荐方法、装置、设备及存储介质
CN111538912A (zh) * 2020-07-07 2020-08-14 腾讯科技（深圳）有限公司 内容推荐方法、装置、设备及可读存储介质
CN111556366A (zh) * 2020-04-02 2020-08-18 北京达佳互联信息技术有限公司 一种多媒体资源的展示方法、装置、终端、服务器及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170169018A1 (en) * 2015-12-09 2017-06-15 Le Holdings (Beijing) Co., Ltd. Method and Electronic Device for Recommending Media Data
CN110929052A (zh) * 2019-12-03 2020-03-27 北京奇艺世纪科技有限公司 多媒体资源推荐方法、装置、电子设备及存储介质
CN111046286A (zh) * 2019-12-12 2020-04-21 腾讯科技（深圳）有限公司 一种对象推荐方法、装置、以及计算机存储介质
CN111340522A (zh) * 2019-12-30 2020-06-26 支付宝实验室(新加坡)有限公司 资源推荐方法、装置、服务器及存储介质
CN111400615A (zh) * 2020-03-19 2020-07-10 腾讯科技（深圳）有限公司 一种资源推荐方法、装置、设备及存储介质
CN111556366A (zh) * 2020-04-02 2020-08-18 北京达佳互联信息技术有限公司 一种多媒体资源的展示方法、装置、终端、服务器及系统
CN111538912A (zh) * 2020-07-07 2020-08-14 腾讯科技（深圳）有限公司 内容推荐方法、装置、设备及可读存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113704509A (zh) * 2021-07-30 2021-11-26 北京达佳互联信息技术有限公司 多媒体推荐方法、装置、电子设备及存储介质
CN113704509B (zh) * 2021-07-30 2024-01-09 北京达佳互联信息技术有限公司 多媒体推荐方法、装置、电子设备及存储介质
CN113342998A (zh) * 2021-08-05 2021-09-03 北京达佳互联信息技术有限公司 一种多媒体资源推荐方法、装置、电子设备及存储介质
CN114201626A (zh) * 2021-11-18 2022-03-18 北京达佳互联信息技术有限公司 多媒体推荐方法、装置、电子设备及存储介质
CN116955835A (zh) * 2023-09-21 2023-10-27 腾讯科技（深圳）有限公司 资源筛选方法、装置、计算机设备及存储介质
CN116955835B (zh) * 2023-09-21 2023-12-22 腾讯科技（深圳）有限公司 资源筛选方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
US20210027160A1 (en) End-to-end deep collaborative filtering
CN113157951A (zh) 一种多媒体资源的处理方法、装置、服务器及存储介质
CN109074607B (zh) 学得模型提供方法和学得模型提供装置
CN108182389B (zh) 基于大数据与深度学习的用户数据处理方法、机器人系统
WO2020034849A1 (zh) 音乐推荐的方法、装置、计算设备和介质
CN112822526B (zh) 视频推荐方法、服务器和可读存储介质
US20230162091A1 (en) Generating, using a machine learning model, request agnostic interaction scores for electronic communications, and utilization of same
CN111639247B (zh) 用于评估评论的质量的方法、装置、设备以及计算机可读存储介质
CN110020022B (zh) 数据处理方法、装置、设备及可读存储介质
CN109389424B (zh) 流量分配方法、装置、电子设备及存储介质
CN112269918B (zh) 信息推荐方法、装置、设备及存储介质
CN110737824A (zh) 内容查询方法和装置
CN113641835A (zh) 多媒体资源推荐方法、装置、电子设备及介质
CN114169418B (zh) 标签推荐模型训练方法及装置、标签获取方法及装置
CN116225848A (zh) 日志监测方法、装置、设备和介质
CN115631006A (zh) 智能推荐银行产品的方法、装置、存储介质及计算机设备
CN116030375A (zh) 视频特征提取、模型训练方法、装置、设备及存储介质
CN113254513B (zh) 排序模型生成方法、排序方法、装置、电子设备
CN114639044A (zh) 标签确定方法、装置、电子设备及存储介质
Liu Survey of Intelligent Recommendation of Academic Information in University Libraries Based on Situational Perception Method.
CN114139059A (zh) 资源推荐模型的训练方法、资源推荐方法及装置
CN109299351B (zh) 内容推荐方法和装置、电子设备及计算机可读介质
CN112148902A (zh) 数据处理方法、装置、服务器及存储介质
CN114385906A (zh) 一种预测方法、推荐方法、装置、设备以及存储介质
CN111177547A (zh) 一种基于大数据的科技成果搜索方法及装置

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