CN113535991A - 一种多媒体资源推荐方法、装置、电子设备及存储介质 - Google Patents
一种多媒体资源推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113535991A CN113535991A CN202010290702.3A CN202010290702A CN113535991A CN 113535991 A CN113535991 A CN 113535991A CN 202010290702 A CN202010290702 A CN 202010290702A CN 113535991 A CN113535991 A CN 113535991A
- Authority
- CN
- China
- Prior art keywords
- multimedia
- multimedia resource
- screening
- resources
- resource
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012216 screening Methods 0.000 claims abstract description 104
- 230000006399 behavior Effects 0.000 claims description 31
- 238000010586 diagram Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
- 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
- G06F16/45—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本公开关于一种多媒体资源推荐方法、装置、电子设备及存储介质,用以解决目前推荐方法较为单一的问题。本公开实施例响应于展示页面的请求,根据目标账户的账户特征信息以及多媒体资源的属性信息,确定多媒体资源对应的筛选参数;至少根据多媒体资源对应的筛选参数,从候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,并生成展示页面。本公开实施例改变了当前单一基于账户对短视频本身执行操作的筛选条件的现状,提供了多种筛选条件,使得资源的筛选更加准确。同时,因增加了账户在接收到推荐的资源之后发布新资源的筛选维度,能够增加账户在接收到资源后发布的新资源的数量,从而丰富了数据库中的资源量。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种多媒体资源推荐方法、装置、电子设备及存储介质。
背景技术
在短视频应用程序中,应用程序在为用户推荐短视频作品,用户可以点击并观看短视频。
现有的短视频推荐方法,是将在推荐短视频后账户对短视频本身执行的操作作为短视频的筛选条件,筛选用于推荐的短视频的维度较为单一。
发明内容
本公开提供一种多媒体资源推荐方法、装置、电子设备及存储介质,用以解决目前推荐方法较为单一的问题。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推荐方法,包括:
响应于展示页面的请求,获取触发所述请求的目标账户的账户特征信息;
针对候选多媒体资源集合中的多媒体资源,根据所述目标账户的账户特征信息、所述多媒体资源的属性信息,确定所述多媒体资源对应的筛选参数;其中,所述筛选参数为表示所述目标账户对所述多媒体资源执行预设操作后是否发布多媒体资源的参数;
至少根据所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,并生成展示页面。
在一种可能的实现方式中,所述目标账户的账户特征信息包括账户的画像特征和/或账户的历史行为信息;
所述多媒体资源的属性信息包括资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种;
所述根据所述目标账户的账户特征信息、所述多媒体资源的属性信息,确定所述多媒体资源对应的筛选参数,包括:
根据所述目标账户的画像特征和/或历史行为信息,以及所述多媒体资源的资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种,确定所述目标账户与所述多媒体资源之间的匹配度;
将所述目标账户与所述多媒体资源之间的匹配度作为所述多媒体资源对应的筛选参数。
在一种可能的实现方式中,所述至少根据所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,包括:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源;
其中,所述操作参数包括用于表示所述目标账户是否对所述多媒体资源执行满足预设正向条件的操作的正向参数,和/或,用于表示所述目标账户是否对所述多媒体资源执行满足预设负向条件的操作的负向参数。
在一种可能的实现方式中,所述根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,包括:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,确定所述候选多媒体资源集合中的多媒体资源对应的排序参考值;
根据所述排序参考值对所述候选多媒体资源集合中的多媒体资源进行排序,从排序后的所述候选多媒体资源集合中的多媒体资源中筛选出所述目标多媒体资源。
在一种可能的实现方式中,所述正向参数包括表示所述目标账户是否对所述多媒体资源执行查看操作的查看参数;
所述根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,确定所述候选多媒体资源集合中的多媒体资源对应的排序参考值,包括:
将所述筛选参数、以及所述操作参数中除所述查看参数之外的其它参数进行加权求和运算;
根据加权求和运算得到的和值以及所述查看参数,确定所述排序参考值。
根据本公开实施例的第二方面,提供一种多媒体资源推荐装置,包括:
获取单元,被配置为执行响应于展示页面的请求,获取触发所述请求的目标账户的账户特征信息;
确定单元,被配置为执行针对候选多媒体资源集合中的多媒体资源,根据所述目标账户的账户特征信息、所述多媒体资源的属性信息,确定所述多媒体资源对应的筛选参数;其中,所述筛选参数为表示所述目标账户对所述多媒体资源执行预设操作后是否发布多媒体资源的参数;
排序单元,被配置为执行至少根据所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,并生成展示页面。
在一种可能的实现方式中,所述目标账户的账户特征信息包括账户的画像特征和/或账户的历史行为信息;
所述多媒体资源的属性信息包括资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种;
所述确定单元具体被配置为执行:
根据所述目标账户的画像特征和/或历史行为信息,以及所述多媒体资源的资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种,确定所述目标账户与所述多媒体资源之间的匹配度;
将所述目标账户与所述多媒体资源之间的匹配度作为所述多媒体资源对应的筛选参数。
在一种可能的实现方式中,所述排序单元具体被配置为执行:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源;
其中,所述操作参数包括用于表示所述目标账户是否对所述多媒体资源执行满足预设正向条件的操作的正向参数,和/或,用于表示所述目标账户是否对所述多媒体资源执行满足预设负向条件的操作的负向参数。
在一种可能的实现方式中,所述排序单元具体被配置为执行:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,确定所述候选多媒体资源集合中的多媒体资源对应的排序参考值;
根据所述排序参考值对所述候选多媒体资源集合中的多媒体资源进行排序,从排序后的所述候选多媒体资源集合中的多媒体资源中筛选出所述目标多媒体资源。
在一种可能的实现方式中,所述正向参数包括表示所述目标账户是否对所述多媒体资源执行查看操作的查看参数;
所述排序单元具体被配置为执行:
将所述筛选参数、以及所述操作参数中除所述查看参数之外的其它参数进行加权求和运算;
根据加权求和运算得到的和值以及所述查看参数,确定所述排序参考值。
根据本公开实施例的第三方面,提供一种电子设备,包括:存储器,用于存储可执行指令;
处理器,用于读取并执行所述存储器中存储的可执行指令,以实现如本公开实施例第一方面中任一项所述的多媒体资源推荐方法。
根据本公开实施例的第四方面,提供一种非易失性存储介质,当所述存储介质中的指令由多媒体资源推荐装置的处理器执行时,使得多媒体资源推荐装置能够执行本公开实施例第一方面中所述的多媒体资源推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本公开实施例提供的一种多媒体资源推荐方法,在接收到展示页面请求后,根据目标账户的账户特征信息以及多媒体资源的属性信息,确定多媒体资源对应的筛选参数;由于确定出的筛选参数为目标账户对多媒体资源执行预设操作后是否发布多媒体资源的参数,在根据筛选参数从候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源后推荐。也即,通过本方案在从数据库中筛选用于推荐的多媒体资源时,增加在向账户推荐该资源之后账户基于该资源发布新的资源的筛选参数,从而可以促进目标账户对多媒体资源执行预设操作后再次发布多媒体资源,改变了当前单一基于账户对短视频本身执行操作的筛选条件的现状,提供了多种筛选条件,使得资源的筛选更加准确。同时,因增加了账户在接收到推荐的资源之后发布新资源的筛选维度,能够增加账户在接收到资源后发布的新资源的数量,从而丰富了数据库中的资源量。
另外,如果目标账户对多媒体资源执行预设操作后也发布多媒体资源,可以反映出目标账户对该多媒体资源的内容感兴趣,因此,根据多媒体资源对应的筛选参数推荐多媒体资源,可以为目标账户推荐更为感兴趣的内容。
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短视频作品推荐页面示意图;
图2是根据一示例性实施例示出的一种多媒体资源推荐系统示意图;
图3是根据一示例性实施例示出的一种多媒体资源推荐方法流程图;
图4是根据一示例性实施例示出的一种执行查看操作的示意图;
图5是根据一示例性实施例示出的一种执行点赞操作的示意图;
图6a是根据一示例性实施例示出的第一种执行关注操作的示意图;
图6b是根据一示例性实施例示出的第二种执行关注操作的示意图;
图7是根据一示例性实施例示出的一种完整的多媒体资源推荐方法流程图;
图8是根据一示例性实施例示出的一种多媒体资源推荐装置框图;
图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,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。
以下,对本公开实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
(1)本公开实施例中术语“和/或”,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。字符“/”一般表示前后关联对象是一种“或”的关系。
(2)本公开实施例中术语“电子设备”可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
(3)本公开实施例中术语“短视频”是指在各种新媒体平台上播放的、适合在移动状态和短时休闲状态下观看的、高频推送的视频内容,几秒到几分钟不等。内容融合了技能分享、幽默搞怪、时尚潮流、社会热点、街头采访、公益教育、广告创意、商业定制等主题。由于内容较短,可以单独成片,也可以成为系列栏目。
(4)本公开实施例中术语“二分类模型”是指用于解决分类问题的一种深度学习模型,包括应用支持向量机、决策树等算法,是一种探索“响应变量的期望”与“自变量”的关系,以实现对非线性关系的某种拟合的模型。
(5)本公开实施例中术语“多媒体资源”,可以为数字传输的资源,例如视频、短视频、直播等。
(6)本公开实施例中术语“DNN”,为Deep Neural Networks,是深度学习的基础,按不同层的位置划分,DNN内部的神经网络层可以分为三类,输入层,隐藏层和输出层,层与层之间是全连接的。在使用DNN之前,需要对DNN进行训练,对DNN完成训练后,可以将输入数据输入到DNN中并获取其对应的输出数据。
(7)本公开实施例中术语“客户端”,或称为用户端,是指与服务器相对应的,为用户提供本地服务的程序。除了一些只在本地运行的应用程序之外,一般安装在普通的客户机上,需要与服务端互相配合运行。
多媒体资源推荐可以应用在展示多媒体资源的应用程序上,如短视频应用程序或播放器应用程序,用户触发页面展示请求后,应用程序对多媒体资源进行筛选后展示给用户。
例如,如图1所示,用户在触发展示短视频应用程序的首页时,短视频应用程序会向用户推荐多个短视频作品,一种可选的实施方式为,将预测用户更加感兴趣的短视频放在更靠前的位置,这样可以增加用户使用该应用程序的时长。
本公开实施例提供一种多媒体资源推荐方法,用以解决目前推荐方法较为单一的问题。
为了使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开作进一步地详细描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本公开保护的范围。
如图2所示,为本公开实施例一种多媒体资源推荐系统,包括客户端21、服务器22以及用户23。客户端21为安装在电子设备上的应用程序客户端,与服务器22配合为用户23提供服务,用户23可以查看客户端21展示的内容,或触发客户端21上支持的操作。
本公开实施例中,响应于用户23在客户端21上触发的展示页面的操作,客户端21向服务器22发送展示页面的请求,服务器22获取用户23对应账户的账户特征信息,以及对候选多媒体资源集合中的任意一个多媒体资源,获取对应的多媒体资源的属性信息,并根据用户23对应账户的账户特征信息以及多媒体资源的属性信息,确定多媒体资源对应的筛选参数。
服务器22将确定出的筛选参数以及候选多媒体资源发送给客户端21,客户端21根据候选多媒体资源对应的筛选参数,从候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,将筛选出的目标多媒体资源发送给客户端21,客户端21将筛选出的目标多媒体资源展示给用户23;
或者服务器22根据确定出的筛选参数,从候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,将筛选出的目标多媒体资源发送给客户端21,客户端21将筛选出的目标多媒体资源展示给用户23。
例如,用户23在客户端21上触发了展示短视频推荐页面的展示请求,客户端21将展示请求发送给服务器22,服务器22根据用户23对应的账户特征信息和候选短视频对应的属性信息,确定出短视频对应的筛选参数后,从候选短视频集合中筛选出目标短视频,并将筛选出的目标短视频发送给客户端21,客户端21将筛选出的目标短视频展示在短视频推荐页面上。
下面对本公开实施例提供的一种多媒体资源推荐方法进行说明。
如图3所示,为本公开实施例一种多媒体资源推荐方法流程图,包括以下步骤:
在步骤S301中、响应于展示页面的请求,获取触发请求的目标账户的账户特征信息;
在步骤S302中、针对候选多媒体资源集合中的多媒体资源,根据目标账户的账户特征信息、多媒体资源的属性信息,确定多媒体资源对应的筛选参数;其中,筛选参数为表示目标账户对多媒体资源执行预设操作后是否发布多媒体资源的参数;
在步骤S303中、至少根据多媒体资源对应的筛选参数,从候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,并生成展示页面。
本公开实施例提供的一种多媒体资源推荐方法,在接收到展示页面请求后,根据目标账户的账户特征信息以及多媒体资源的属性信息,确定多媒体资源对应的筛选参数;由于确定出的筛选参数为目标账户对多媒体资源执行预设操作后是否发布多媒体资源的参数,从数据库中根据筛选参数筛选用于推荐的多媒体资源展示给目标账户后,可以促进目标账户对多媒体资源执行预设操作后再次发布多媒体资源,改变了当前单一基于账户对短视频本身执行操作的筛选条件的现状,提供了多种筛选条件,使得资源的筛选更加准确。同时,因增加了账户在接收到推荐的资源之后发布新资源的筛选维度,能够增加账户在接收到资源后发布的新资源的数量,从而丰富了数据库中的资源量。
另外,如果目标账户对多媒体资源执行预设操作后也发布多媒体资源,可以反映出目标账户对该多媒体资源的内容感兴趣,因此,根据多媒体资源对应的筛选参数推荐多媒体资源,可以为目标账户推荐更为感兴趣的内容。
一种可能的实施方式,在步骤S301中,展示页面的请求可以为用户启动应用程序的多媒体资源展示页面,或用户刷新应用程序的多媒体资源展示页面时触发的。
本公开实施例中的账户特征信息包括账户的画像特征和/或账户的历史行为信息;
其中,账户的画像特征包括但不限于:
账户对应的用户在注册时填写的性别、年龄、省份等个人信息,以及注册天数;
账户的历史行为信息包括但不限于:
账户预设时长内上传作品的上传日期、账户预设时长内上传的作品量、账户上传的作品的属性信息、账户预设时长内的发布概率值、账户预设时长内在各个页面的停留时长、账户在预设时长内的点赞数、评论数。
需要说明的是,账户预设时长内的发布概率值为账户对应的用户在预设时长内上传的作品数量与查看媒体资源的数量的比值。
获取到目标账户的特征信息后,针对即将展示给目标账户的多媒体资源集合中的任意一个多媒体资源,获取多媒体资源的属性信息;
其中,多媒体资源的属性信息包括下列信息中的部分或全部:
资源内容信息、资源分类信息、其它账户对多媒体资源执行操作的历史行为信息中的至少一种。
具体的,资源内容信息可以包括多媒体资源是否包含魔法表情、原声标签和话题标签以及多媒体资源的时长;
资源分类信息可以包括资源上传类型、多媒体资源的类别标签、多媒体资源的发布位置;
其它账户对多媒体资源执行操作的历史行为信息可以包括多媒体资源在预设时长内被查看、被点赞的信息以及多媒体资源在预设时长内的发布概率值。
其中,资源分类信息中的资源上传类型可以为用户上传多媒体资源的具体方式,例如本地导入、直接拍摄等;多媒体资源的分类可以为多媒体资源所属的类型,例如搞笑、恐怖、悬疑等;多媒体资源的发布位置可以为用户发布该多媒体资源时所处的地理位置,例如国家、省、自治区、直辖市、城市等。
需要说明的是,多媒体资源在预设时长内的发布概率值为在预设时长内发生用户查看该多媒体资源后发布新作品的次数与预设时长内该多媒体资源被查看的次数的比值。
在获取到目标账户的账户特征信息以及多媒体资源的属性信息后,根据目标账户的账户特征信息以及多媒体资源的属性信息,确定多媒体资源对应的筛选参数。
其中,筛选参数为表示目标账户对多媒体资源执行预设操作后是否发布多媒体资源的参数,可选的,筛选参数可以为目标账户在查看该多媒体资源后在预设时长内发布新的多媒体资源的概率。
例如,假设预设时长为30分种,则筛选参数为用户在观看了视频A后,30分钟内发布一个视频B的概率。
本公开实施例可以根据下列方式确定多媒体资源对应的筛选参数:
根据目标账户的画像特征和/或历史行为信息,以及多媒体资源的资源内容信息、资源分类信息、其它账户对多媒体资源执行操作的历史行为信息中的至少一种,确定目标账户与多媒体资源之间的匹配度;将目标账户与多媒体资源之间的匹配度作为多媒体资源对应的筛选参数。
实施中,可以根据下列部分或全部方式确定目标账户与多媒体资源之间的匹配度:
方式1、将多媒体资源的属性信息与目标账户的画像特征进行比较,根据比较结果确定目标账户与多媒体资源之间的匹配度;
具体实施中,若根据比较结果,确定多媒体资源的属性信息与目标账户的画像特征的相似度较高,则该多媒体资源与目标账户的匹配度越高;
例如,假设多媒体资源的属性信息包括的多媒体资源的发布位置为北京市,目标账户的画像特征包括的账户使用者的注册时填写的所在地也为北京市,则确定多媒体资源与目标账户的匹配度较高,比如确定出的多媒体资源与目标账户的匹配度可以大于0.9。
方式2、将多媒体资源的属性信息与目标账户的历史行为信息中目标账户发布的作品的属性信息进行比较,根据比较结果确定目标账户与多媒体资源之间的匹配度;
具体实施中,若根据比较结果,确定多媒体资源的属性信息与目标账户的历史行为信息中目标账户发布的作品的属性信息的相似度较高,则该多媒体资源与目标账户的匹配度越高;
例如,假设多媒体资源的属性信息中多媒体资源包含魔法表情,若目标账户发布的作品的属性信息中目标账户发布的90%的作品均包含魔法表情,则确定多媒体资源与目标账户的匹配度较高,比如确定出的多媒体资源与目标账户的匹配度可以大于0.8。
方式3、将多媒体资源的属性信息与目标账户的历史行为信息中发生过查看后发布新作品对应的多媒体资源的属性信息进行比较,根据比较结果确定目标账户与多媒体资源之间的匹配度;
具体实施中,若根据比较结果,确定比较结果多媒体资源的属性信息与目标账户的历史行为信息中发生过查看后发布新作品对应的多媒体资源的属性信息的相似度较高,则该多媒体资源与目标账户的匹配度越高。
例如,假设多媒体资源的属性信息中多媒体资源在预设时长内的发布概率值为0.7,若目标账户的历史行为信息中发生过查看后发布新作品对应的多媒体资源的属性信息中在预设时长内的发布概率值为0.2,则确定多媒体资源与目标账户的匹配度较低,比如确定出的多媒体资源与目标账户的匹配度可以小于0.2。
需要说明的是,上述确定目标账户与多媒体资源之间的匹配度的方式仅仅是对本公开实施例的举例说明,并不是全部的确定方式。本公开实施例想要保护的确定目标账户与多媒体资源之间的匹配度的方式并不限于上述举例。
在上述实施方式中,通过目标账户与多媒体资源之间的匹配度,可以预测多媒体资源与目标账户感兴趣的内容是否一致,从而能够将用户更加感兴趣的内容筛选出来,目标账户对应的用户在观看感兴趣的内容之后,可能启发用户拍摄并上传类似的多媒体资源,从而增加用户发布新作品的数量。
另外,本公开实施例还可以根据下列方式确定目标账户与多媒体资源之间的匹配度:
将目标账户的账户特征信息以及多媒体资源的属性信息输入到已训练的二分类模型中,获取已训练的二分类模型输出的目标账户与多媒体资源之间的匹配度。
具体实施中,二分类模型可以为XGBoost模型,将目标账户的账户特征信息以及多媒体资源的属性信息输入到已训练的XGBoost模型中,获取已训练的XGBoost模型输出的目标账户与多媒体资源之间的匹配度。
其中,用于确定目标账户与多媒体资源之间的匹配度的XGBoost模型可以根据下列方式训练获得:
将样本账户的账户特征信息和样本多媒体资源的属性信息作为输入特征,将样本中目标账户与多媒体资源之间的匹配度作为输出特征,对XGBoost模型进行训练。
需要说明的是,在对XGBoost模型训练完成后,可以使用AUC(Area under curve)指标对已训练的XGBoost模型进行评估,若XGBoost模型的预测能力并不理想,则需要寻找更加适合的样本账户的账户特征信息和样本多媒体资源的属性信息再次对XGBoost模型进行训练,直至XGBoost模型的AUC指标符合技术人员的预期值。
在上述实施方式中,XGBoost模型能够分析账户特征信息与多媒体资源的属性信息之间的非线性关系,由于XGBoost模型是由大量的样本数据训练后得到的,将XGBoost模型确定的目标账户与多媒体资源之间的匹配度作为多媒体资源对应的筛选参数,能够更加准确的预测目标账户对多媒体资源执行预设操作后是否发布多媒体资源。
在获得多媒体资源对应的筛选参数后,根据下列方式确定多媒体资源对应的排序参考值:
方式1、将多媒体资源对应的筛选参数作为多媒体资源对应的排序参考值。
方式2、根据多媒体资源对应的筛选参数与操作参数,确定多媒体资源对应的排序参考值。
其中,操作参数包括用于表示目标账户是否对多媒体资源执行满足预设正向条件的操作的正向参数,以及用于表示目标账户是否对多媒体资源执行满足预设负向条件的操作的负向参数,例如,满足正向条件的操作可以为查看操作、点赞操作、关注操作以及长播放操作等;满足负向条件的操作可以为跳过操作。
需要说明的是,长播放操作是指播放多媒体资源的时长超过预设阈值的操作。
一种可选的实施方式为,目标账户的使用者可以点击展示页面上的多媒体资源,执行查看操作。例如,如图4所示的短视频推荐展示页面,展示页面中展示为目标账户推荐的短视频,目标账户的使用者可以点击短视频推荐展示页面中的短视频,执行查看操作。
一种可选的实施方式为,目标账户的使用者可以在点击展示页面上的多媒体资源后,通过点击多媒体资源播放页面上的点赞对应的图标,执行点赞操作;例如,目标账户的使用者在点击如图4所示的短视频推荐展示页面中的短视频后,展示如图5所示的短视频播放页面,目标账户的使用者可以在短视频播放页面点击点赞对应的图标,执行点赞短视频的点赞操作。
一种可选的实施方式为,目标账户的使用者可以在点击展示页面上的多媒体资源后,通过点击多媒体资源播放页面上的关注多媒体资源发布账户对应的关注图标,执行关注操作;例如,目标账户的使用者在点击如图4所示的短视频推荐展示页面中的短视频后,展示如图6a所示的短视频播放页面,目标账户的使用者点击关注对应的图标,执行关注多媒体资源发布账户的关注操作;
或者目标账户的使用者可以在点击展示页面上的多媒体资源后,通过点击多媒体资源播放页面上的多媒体资源发布账户的头像或用户名,进入多媒体资源发布账户的主页,点击多媒体资源发布账户主页上关注对应的图标,执行关注操作;例如,目标账户的使用者在点击如图5所示的短视频播放页面中短视频发布账户的头像后,展示如图6b所示的短视频发布账户的主页,目标账户的使用者可以点击短视频发布账户主页上关注对应的图标,执行关注短视频发布账户的关注操作。
一种可能的实施方式,根据下列方式确定多媒体资源对应的操作参数:
将目标账户的账户特征信息以及多媒体资源的属性信息输入到已训练的DNN(Deep Neural Networks)模型中,获取已训练的DNN模型输出的操作参数。
其中,用于确定操作参数的DNN模型可以根据下列方式训练获得:
将目标账户的账户特征信息以及多媒体资源的属性信息输入到DNN模型中,获取DNN模型输出的预测操作参数,将获取到的预测操作参数与样本数据中的实际操作参数输入到交叉熵损失函数中,获取预测操作参数与实际操作参数相比的损失值,判断损失值是否在预设的收敛范围中,若损失值不在预设的收敛范围中,则根据预设的学习率调整DNN模型中的参数,并再次进行训练过程,直至损失值在预设的收敛范围中;在损失值在预设的收敛范围中时,确定DNN模型训练完成。
在具体实施中,每一种预设操作对应的操作参数可以分别由一个DNN模型确定,或多种预设操作对应的操作参数可以由一个集成的DNN模型确定;例如,假设确定排序参考值时需要确定查看操作对应的查看参数和点赞操作对应的点赞参数,则可以使用第一DNN模型确定多媒体资源对应的查看参数,使用第二DNN模型确定多媒体资源对应的点赞参数;或使用集成DNN模型确定多媒体资源对应的查看参数和点赞参数。
在获取到多媒体资源对应的操作参数后,根据多媒体资源对应的筛选参数与操作参数进行,确定多媒体资源对应的排序参考值。
一种可选的实施方式为,将筛选参数、以及操作参数中除查看参数之外的其它参数进行加权求和运算;根据加权求和运算得到的和值以及查看参数,确定排序参考值。
例如,假设获取到的操作参数分别为多媒体资源对应的查看参数、点赞参数和关注参数,则可以根据下列公式确定多媒体资源对应的排序参考值:
score=pctr*(a+b*pltr+c*pwtr+d*putr)
其中,score为多媒体资源对应的排序参考值,pctr为多媒体资源对应的查看参数,pltr为多媒体资源对应的点赞参数,pwtr为多媒体资源对应的关注参数,putr多媒体资源对应的筛选参数,a、b、c、d均为正数,为公式中可以调整的参数和权重值。
在确定多媒体资源对应的排序参考值后,根据排序参考值对候选多媒体资源集合中的多媒体资源进行排序,从排序后的候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源。
一种可选的实施方式为,根据排序参考值从大到小的顺序候选多媒体资源集合中的多媒体资源进行排序,从排序后的候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源。
在上述实施方式中,根据排序参考值从大到小的顺序对多媒体资源进行排序,可以将预测用户会更感兴趣的内容放在靠前的位置,由于确定排序参考值时使用了筛选参数,可以提升使用户在对多媒体资源执行查看、点赞等操作后,再次发布多媒体资源的概率,从而增加用户发布的新作品数量,同时延长用户的使用时长。
如图7所示,为本公开实施例一种完整的多媒体资源推荐方法流程图,包括以下步骤:
在步骤S701中、响应于展示页面的请求,获取触发请求的目标账户的账户特征信息;
在步骤S702中、对候选多媒体资源集合中任意一个多媒体资源,获取多媒体资源的属性信息;
在步骤S703中、将目标账户的账户特征信息和多媒体资源的属性信息输入到已训练的二分类模型中,获取已训练的二分类模型输出的目标账户与多媒体资源之间的匹配度;
在步骤S704中、将目标账户与多媒体资源之间的匹配度作为多媒体资源对应的筛选参数;
在步骤S705中、确定目标账户对多媒体资源执行预设操作的操作参数;
在步骤S706中、根据多媒体资源对应的筛选参数与操作参数,确定多媒体资源对应的排序参考值;
在步骤S707中、根据排序参考值对候选多媒体资源集合中的多媒体资源进行排序,从排序后的候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源。
本公开实施例中还提供了一种多媒体资源推荐装置,由于该装置对应的是本公开实施例多媒体资源推荐方法对应的装置,并且该装置解决问题的原理与该方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
图8是根据一示例性实施例示出的一种多媒体资源推荐装置框图。参照图8,该装置包括获取单元801、确定单元802和排序单元803。
获取单元801,被配置为执行响应于展示页面的请求,获取触发所述请求的目标账户的账户特征信息;
确定单元802,被配置为执行针对候选多媒体资源集合中的多媒体资源,根据所述目标账户的账户特征信息、所述多媒体资源的属性信息,确定所述多媒体资源对应的筛选参数;其中,所述筛选参数为表示所述目标账户对所述多媒体资源执行预设操作后是否发布多媒体资源的参数;
排序单元803,被配置为执行至少根据所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,并生成展示页面。
在一种可能的实现方式中,所述目标账户的账户特征信息包括账户的画像特征和/或账户的历史行为信息;
所述多媒体资源的属性信息包括资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种;
所述确定单元802具体被配置为执行:
根据所述目标账户的画像特征和/或历史行为信息,以及所述多媒体资源的资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种,确定所述目标账户与所述多媒体资源之间的匹配度;
将所述目标账户与所述多媒体资源之间的匹配度作为所述多媒体资源对应的筛选参数。
在一种可能的实现方式中,所述排序单元803具体被配置为执行:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源;
其中,所述操作参数包括用于表示所述目标账户是否对所述多媒体资源执行满足预设正向条件的操作的正向参数,和/或,用于表示所述目标账户是否对所述多媒体资源执行满足预设负向条件的操作的负向参数。
在一种可能的实现方式中,所述排序单元803具体被配置为执行:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,确定所述候选多媒体资源集合中的多媒体资源对应的排序参考值;
根据所述排序参考值对所述候选多媒体资源集合中的多媒体资源进行排序,从排序后的所述候选多媒体资源集合中的多媒体资源中筛选出所述目标多媒体资源。
在一种可能的实现方式中,所述正向参数包括表示所述目标账户是否对所述多媒体资源执行查看操作的查看参数;
所述排序单元803具体被配置为执行:
将所述筛选参数、以及所述操作参数中除所述查看参数之外的其它参数进行加权求和运算;
根据加权求和运算得到的和值以及所述查看参数,确定所述排序参考值。
关于上述实施例中的装置,其中各个单元执行请求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9是根据一示例性实施例示出的一种电子设备900的框图,该电子设备包括:
处理器910;
用于存储所述处理器910可执行指令的存储器920;
其中,所述处理器910被配置为执行所述指令,以实现本公开实施例中的多媒体资源推荐方法。
在示例性实施例中,还提供了一种包括指令的非易失性存储介质,例如包括指令的存储器920,上述指令可由电子设备900的处理器910执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本公开实施例还提供一种计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行实现本公开实施例上述任意一项信息推荐方法或任意一项信息推荐方法任一可能涉及的方法。
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下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种多媒体资源推荐方法,其特征在于,该方法包括:
响应于展示页面的请求,获取触发所述请求的目标账户的账户特征信息;
针对候选多媒体资源集合中的多媒体资源,根据所述目标账户的账户特征信息、所述多媒体资源的属性信息,确定所述多媒体资源对应的筛选参数;其中,所述筛选参数为表示所述目标账户对所述多媒体资源执行预设操作后是否发布多媒体资源的参数;
至少根据所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,并生成展示页面。
2.如权利要求1所述的方法,其特征在于,所述目标账户的账户特征信息包括账户的画像特征和/或账户的历史行为信息;
所述多媒体资源的属性信息包括资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种;
所述根据所述目标账户的账户特征信息、所述多媒体资源的属性信息,确定所述多媒体资源对应的筛选参数,包括:
根据所述目标账户的画像特征和/或历史行为信息,以及所述多媒体资源的资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种,确定所述目标账户与所述多媒体资源之间的匹配度;
将所述目标账户与所述多媒体资源之间的匹配度作为所述多媒体资源对应的筛选参数。
3.如权利要求1所述的方法,其特征在于,所述至少根据所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,包括:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源;
其中,所述操作参数包括用于表示所述目标账户是否对所述多媒体资源执行满足预设正向条件的操作的正向参数,和/或,用于表示所述目标账户是否对所述多媒体资源执行满足预设负向条件的操作的负向参数。
4.如权利要求3所述的方法,其特征在于,所述根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,包括:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,确定所述候选多媒体资源集合中的多媒体资源对应的排序参考值;
根据所述排序参考值对所述候选多媒体资源集合中的多媒体资源进行排序,从排序后的所述候选多媒体资源集合中的多媒体资源中筛选出所述目标多媒体资源。
5.如权利要求4所述的方法,其特征在于,所述正向参数包括表示所述目标账户是否对所述多媒体资源执行查看操作的查看参数;
所述根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,确定所述候选多媒体资源集合中的多媒体资源对应的排序参考值,包括:
将所述筛选参数、以及所述操作参数中除所述查看参数之外的其它参数进行加权求和运算;
根据加权求和运算得到的和值以及所述查看参数,确定所述排序参考值。
6.一种多媒体资源推荐装置,其特征在于,包括:
获取单元,被配置为执行响应于展示页面的请求,获取触发所述请求的目标账户的账户特征信息;
确定单元,被配置为执行针对候选多媒体资源集合中的多媒体资源,根据所述目标账户的账户特征信息、所述多媒体资源的属性信息,确定所述多媒体资源对应的筛选参数;其中,所述筛选参数为表示所述目标账户对所述多媒体资源执行预设操作后是否发布多媒体资源的参数;
排序单元,被配置为执行至少根据所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源,并生成展示页面。
7.如权利要求6所述的装置,其特征在于,所述目标账户的账户特征信息包括账户的画像特征和/或账户的历史行为信息;
所述多媒体资源的属性信息包括资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种;
所述确定单元具体被配置为执行:
根据所述目标账户的画像特征和/或历史行为信息,以及所述多媒体资源的资源内容信息、资源分类信息、其它账户对所述多媒体资源执行操作的历史行为信息中的至少一种,确定所述目标账户与所述多媒体资源之间的匹配度;
将所述目标账户与所述多媒体资源之间的匹配度作为所述多媒体资源对应的筛选参数。
8.如权利要求6所述的装置,其特征在于,所述排序单元具体被配置为执行:
根据所述多媒体资源对应的操作参数以及所述多媒体资源对应的筛选参数,从所述候选多媒体资源集合中的多媒体资源中筛选出目标多媒体资源;
其中,所述操作参数包括用于表示所述目标账户是否对所述多媒体资源执行满足预设正向条件的操作的正向参数,和/或,用于表示所述目标账户是否对所述多媒体资源执行满足预设负向条件的操作的负向参数。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现根据权利要求1至权利要求5中任一项所述的多媒体资源推荐方法。
10.一种存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行根据权利要求1至权利要求5中任一项所述的多媒体资源推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010290702.3A CN113535991B (zh) | 2020-04-14 | 2020-04-14 | 一种多媒体资源推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010290702.3A CN113535991B (zh) | 2020-04-14 | 2020-04-14 | 一种多媒体资源推荐方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113535991A true CN113535991A (zh) | 2021-10-22 |
CN113535991B CN113535991B (zh) | 2024-01-26 |
Family
ID=78088029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010290702.3A Active CN113535991B (zh) | 2020-04-14 | 2020-04-14 | 一种多媒体资源推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113535991B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742600A (zh) * | 2021-11-05 | 2021-12-03 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、计算机设备及介质 |
CN114296598A (zh) * | 2021-12-01 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 信息显示方法、装置、设备、系统及计算机产品 |
CN114780828A (zh) * | 2022-02-28 | 2022-07-22 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、计算机设备及介质 |
CN116132716A (zh) * | 2023-02-22 | 2023-05-16 | 北京奇艺世纪科技有限公司 | 媒体信息发布方法、装置、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304441A (zh) * | 2017-11-14 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 网络资源推荐方法、装置、电子设备、服务器及存储介质 |
CN109522426A (zh) * | 2018-12-05 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 多媒体数据推荐方法、装置、设备及计算机可读存储介质 |
CN110110106A (zh) * | 2019-04-29 | 2019-08-09 | 上海连尚网络科技有限公司 | 多媒体资源推荐、展示方法、装置、电子设备及介质 |
CN110442790A (zh) * | 2019-08-07 | 2019-11-12 | 腾讯科技(深圳)有限公司 | 推荐多媒体数据的方法、装置、服务器和存储介质 |
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 |
-
2020
- 2020-04-14 CN CN202010290702.3A patent/CN113535991B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304441A (zh) * | 2017-11-14 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 网络资源推荐方法、装置、电子设备、服务器及存储介质 |
CN109522426A (zh) * | 2018-12-05 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 多媒体数据推荐方法、装置、设备及计算机可读存储介质 |
CN110110106A (zh) * | 2019-04-29 | 2019-08-09 | 上海连尚网络科技有限公司 | 多媒体资源推荐、展示方法、装置、电子设备及介质 |
CN110442790A (zh) * | 2019-08-07 | 2019-11-12 | 腾讯科技(深圳)有限公司 | 推荐多媒体数据的方法、装置、服务器和存储介质 |
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 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742600A (zh) * | 2021-11-05 | 2021-12-03 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、计算机设备及介质 |
CN114296598A (zh) * | 2021-12-01 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 信息显示方法、装置、设备、系统及计算机产品 |
CN114296598B (zh) * | 2021-12-01 | 2024-03-15 | 北京达佳互联信息技术有限公司 | 信息显示方法、装置、设备、系统及计算机产品 |
CN114780828A (zh) * | 2022-02-28 | 2022-07-22 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、计算机设备及介质 |
CN116132716A (zh) * | 2023-02-22 | 2023-05-16 | 北京奇艺世纪科技有限公司 | 媒体信息发布方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113535991B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451199B (zh) | 问题推荐方法及装置、设备 | |
CN109241425B (zh) | 一种资源推荐方法、装置、设备及存储介质 | |
CN113535991B (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN103718166B (zh) | 信息处理设备、信息处理方法 | |
CN108650524A (zh) | 视频封面生成方法、装置、计算机设备及存储介质 | |
US11166076B2 (en) | Intelligent viewer sentiment predictor for digital media content streams | |
CN113742567B (zh) | 一种多媒体资源的推荐方法、装置、电子设备及存储介质 | |
CN110162359B (zh) | 新手引导信息的推送方法、装置及系统 | |
US20210382609A1 (en) | Method and device for displaying multimedia resource | |
CN113316015B (zh) | 弹幕处理方法、装置及系统 | |
CN111708948B (zh) | 内容项推荐方法、装置、服务器及计算机可读存储介质 | |
US20200356781A1 (en) | Method and apparatus for performing categorised matching of videos, and selection engine | |
US20170214752A1 (en) | Systems and methods for providing geographically delineated content author information | |
US20170351769A1 (en) | System and Method for a Platform to Identify and Connect Like-Minded Individuals Based on Interaction | |
CN113422988B (zh) | 直播封面生成方法、装置、电子设备及存储介质 | |
CN108595493A (zh) | 媒体内容的推送方法和装置、存储介质、电子装置 | |
CN111294620A (zh) | 视频的推荐方法及装置 | |
KR20200133976A (ko) | 콘텐츠 큐레이션 방법 및 장치 | |
CN109376310A (zh) | 用户推荐方法、装置、电子设备和计算机可读存储介质 | |
CN111988642B (zh) | 推荐视频的方法、装置、服务器和存储介质 | |
US10924568B1 (en) | Machine learning system for networking | |
CN113536103B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN111581435A (zh) | 一种视频封面图像生成方法、装置、电子设备及存储介质 | |
KR101730340B1 (ko) | 평가 대상에 대한 평가 결과를 정량화하는 방법 | |
US20230269432A1 (en) | System, method and computer-readable medium for recommending streaming data |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |