CN114637906A - 一种物品推荐方法、装置、设备及可读存储介质 - Google Patents
一种物品推荐方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114637906A CN114637906A CN202011480845.7A CN202011480845A CN114637906A CN 114637906 A CN114637906 A CN 114637906A CN 202011480845 A CN202011480845 A CN 202011480845A CN 114637906 A CN114637906 A CN 114637906A
- Authority
- CN
- China
- Prior art keywords
- score
- item
- recommended
- article
- user
- 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
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
- G06F16/90—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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种物品推荐方法、装置、设备及可读存储介质，涉及物联网信息技术领域，该物品推荐方法包括将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；基于历史播放记录生成第一推荐物品集以及与第一推荐物品集中每个物品对应的第二分值；基于热度值生成用于对第二分值进行衰减的衰减信息；基于衰减信息对第二分值进行衰减，得到第一推荐物品集中每个物品对应的第三分值；根据第三分值和第一分值对第一推荐物品集重新排序得到第二推荐物品集；基于第二推荐物品集确定目标推荐物品。可以解决现有的推荐方法的推荐效果较差的问题。
Description
技术领域
本发明涉及物联网信息技术领域，尤其涉及一种物品推荐方法、装置、设备及可读存储介质。
背景技术
随着科技的进步，个性化视频推荐技术越来越受大众的欢迎，目前的推荐方法中，在生成推荐结果时，倾向于推荐热度较高的物品，由于热度较高的物品大多相似，因此，这种推荐方法使得推荐结果较为集中，甚至会出现重复推荐的情况，这样，影响了用户的体验，并不能推荐适合用户的结果。可见，现有的推荐方法的推荐效果较差。
发明内容
本发明实施例提供一种物品推荐方法、装置、设备及可读存储介质，以解决现有的推荐方法的推荐效果较差的问题。
为解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种物品推荐方法，包括：
将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；
基于所述历史播放记录生成第一推荐物品集以及与所述第一推荐物品集中每个物品对应的第二分值；
基于所述热度值生成用于对所述第二分值进行衰减的衰减信息；
基于所述衰减信息对所述第二分值进行衰减，得到所述第一推荐物品集中每个物品对应的第三分值；
根据所述第三分值和所述第一分值对所述第一推荐物品集重新排序得到第二推荐物品集；
基于所述第二推荐物品集确定目标推荐物品。
第二方面，本发明实施例提供了一种物品推荐装置，包括：
第一处理单元，用于将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；
第一生成单元，用于基于所述历史播放记录生成第一推荐物品集以及与所述第一推荐物品集中每个物品对应的第二分值；
第二生成单元，用于基于所述热度值生成用于对所述第二分值进行衰减的衰减信息；
第二处理单元，用于基于所述衰减信息对所述第二分值进行衰减，得到所述第一推荐物品集中每个物品对应的第三分值；
排序单元，用于根据所述第三分值和所述第一分值对所述第一推荐物品集重新排序得到第二推荐物品集；
确定单元，用于基于所述第二推荐物品集确定目标推荐物品。
第三方面，本发明实施例提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的物品推荐方法的步骤。
第四方面，本发明实施例提供一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的物品推荐方法的步骤。
本发明实施例中，将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；基于历史播放记录生成第一推荐物品集以及与第一推荐物品集中每个物品对应的第二分值；基于热度值生成用于对第二分值进行衰减的衰减信息；基于衰减信息对第二分值进行衰减，得到第一推荐物品集中每个物品对应的第三分值；根据第三分值和第一分值对第一推荐物品集重新排序得到第二推荐物品集；基于第二推荐物品集确定目标推荐物品。这样，通过生成衰减信息，并进一步基于衰减信息对每个物品进行衰减处理，可以去除推荐的物品中的存在用户偏见的物品，为每个用户推荐合适的物品，提升推荐效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的物品推荐方法流程图；
图2是本发明实施例提供的物品推荐装置的模块图；
图3是本发明实施例提供的一种电子设备的模块结构示意图；
图4是本发明实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，图1是本发明实施例提供的物品推荐方法流程图，如图1所示，所述方法包括以下步骤：
步骤101、将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值。
在该实施方式中，物品可以是指视频或者商品，以视频为例，推荐的结果可以是不同类型的动漫视频或者电视剧。
此外，用户的历史播放记录可以是，曾经给用户推荐过且被用户播放过，从而与用户产生交互行为的物品的相应记录情况，用户的历史负反馈记录可以是曾经给用户推荐过但是没有被用户选取，从而没有被用户播放，没有与用户产生交互行为的物品的相应记录情况。
具体地，将用户的历史播放记录分为若干个类别可以是指，根据物品的类别进行分类，例如，动漫类、电影类或者家庭剧场类等。由于不同的用户对不同类别的喜好程度不同。每一个类别中的物品的热度值是指该类别的物品面向所有用户时的受欢迎程度，例如，科幻电影类受欢迎程度高，则该类别中的物品的热度值高。用户的历史负反馈记录中每个物品的第一分值体现该物品不被用户欢迎的程度，也即，不被用户播放的概率大小。
步骤102、基于历史播放记录生成第一推荐物品集以及与第一推荐物品集中每个物品对应的第二分值。
在该实施方式中，第一推荐物品集中每个物品对应的第二分值体现该物品受用户欢迎的程度，也即，被用户播放的概率大小。
步骤103、基于热度值生成用于对第二分值进行衰减的衰减信息。
其中，衰减是指去除第二分值对应的物品中存在的偏见，该偏见是由于物品类别或者本身特性而使得物品受欢迎程度高，系统根据受欢迎程度优先推荐该物品的可能性大小。
步骤104、基于衰减信息对第二分值进行衰减，得到第一推荐物品集中每个物品对应的第三分值。
其中，第三分值是经过衰减去偏见之后，第一推荐物品集中的物品受用户欢迎的程度。
步骤105、根据第三分值和第一分值对第一推荐物品集重新排序得到第二推荐物品集。
可以按照分值由大到小的顺序进行重新排序得到第二推荐物品集，也可以按照分值由小到大的顺序进行重新排序得到第二推荐物品集。
步骤106、基于第二推荐物品集确定目标推荐物品。
上述的物品推荐方法，通过生成衰减信息，并进一步基于衰减信息对每个物品进行衰减处理，可以去除推荐的物品中的存在用户偏见的物品，为每个用户推荐合适的物品，提升推荐效果。
可选地，将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，确定历史负反馈记录中每个物品的第一分值，包括：
获取用户的历史播放记录、负反馈记录、以及历史播放记录中的物品对应的特征数据；
根据历史播放记录中的物品对应的特征数据将用户的历史播放记录中的物品分为若干个类别；
生成每一个物品在对应的类别中的热度值，热度值用于指示与物品存在交互行为的用户的数量；
根据历史负反馈记录生成负反馈物品集，并确定负反馈物品集中每个负反馈物品的第一分值，第一分值用于指示负反馈物品在推荐过程中未被用户选取的次数。
在该实施方式中，特征数据可以是物品关联的信息，该信息可以是物品的原始类别，也可以是用于描述物体的主题类型的文字，或者是表示物品情节的文字，此处仅作示例，不做限定。
具体地，在将物品分为若干个类别时，可以通过物品对应的特征数据中的原始类别进行分类，还可以使用物品的聚类方式进行分类，此处，仅做示例，不做限定。
进一步地，根据用户的历史播放记录计算每个物品的热度值，在该实施方式中，热度值用Hj表示。物品的类类别用Cj表示。
可选地，基于历史播放记录生成第一推荐物品集以及与第一推荐物品集中每个物品对应的第二分值，包括：
根据历史播放记录中的物品对应的特征数据确定用户的兴趣物品；
根据超过相似度阈值的相似度对应的待候选物品生成第一推荐物品集，相似度用于指示待候选物品与兴趣物品之间的相似度；
基于相似度的大小生成第一推荐物品集中每个物品的第二分值。
在该实施方式中，兴趣物品可以是历史播放记录中，用户播放次数较多的物品。基于用户的兴趣物品生成第一推荐物品集，可以使得生成的第一推荐物品集贴近用户的兴趣。进一步地，根据相似度的大小确定第一推荐物品集中每个物品的第二分值，例如，物品A与兴趣物品的相似度为70％，物品B与兴趣物品的相似度为30％，则物品A的第二分值大于物品B的第二分值。
此外，还可以采用基于物品的协同过滤的方式生成第一推荐物品集，此处仅做示例，不做限定。
具体地，在该实施方式中，对于用户u，其推荐结果为Su，每个推荐结果的打分为Ri。
可选地，基于热度值生成用于对第二分值进行衰减的衰减信息，包括：
确定每一个类别对应的热度衰减权重；
基于热度值和热度衰减权重，生成用于对第二分值进行衰减的衰减函数。
在该实施方式中，确定热度衰减权重为
建立衰减函数满足如下公式。
式中，Fi表示经过衰减函数衰减后的第三分值，Ri表示第二分值，
表示衰减函数。
在该实施方式中，确定了热度衰减权重，可根据不同物品类别设置不同的热度衰减权重，从而提高该物品推荐方法针对不同场景适应性与灵活性。可选地，根据第三分值和第一分值对第一推荐物品集重新排序得到第二推荐物品集，包括：
对第一分值进行归一化处理，得到归一化值；
根据第三分值和归一化值计算第一推荐物品集中每个物品的第四分值，并根据第四分值对第一推荐物品集重新排序得到第二推荐物品集。
在该实施方式中，可以将第一分值记为Ni，由于负反馈记录中的物品是曾经推荐给用户，但是用户没有选取点击，因此，可以将第一分值归一化至0-1，具体地，可以采用最大最小归一化的方式，此处，仅做示例，不做限定，可变换地，在其他可行的实施方式中，还可以采用其他方式进行归一化。但不论其作何变换，都在本申请实施例保护的范围之内。
具体地，计算第四分值的方式可以满足如下公式：
式中，Qi表示第四分值，
表示归一值指数。
进一步地，在该实施方式中，根据第四分值从大到小的顺序对第一推荐物品集重新排序得到第二推荐物品集。可选地，基于第二推荐物品集确定目标推荐物品，包括：
选取第二推荐物品集中物品的分值超过预设分值阈值的物品作为目标推荐物品。
这样，通过生成衰减信息，并进一步基于衰减信息对每个物品进行衰减处理，可以去除推荐的物品中的存在用户偏见的物品，为每个用户推荐合适的物品，提升推荐效果。
参见图2。图2是本实施例提供的一种物品推荐装置200，包括：
第一处理单元201，用于将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；
第一生成单元202，用于基于所述历史播放记录生成第一推荐物品集以及与所述第一推荐物品集中每个物品对应的第二分值；
第二生成单元203，用于基于所述热度值生成用于对所述第二分值进行衰减的衰减信息；
第二处理单元204，用于基于所述衰减信息对所述第二分值进行衰减，得到所述第一推荐物品集中每个物品对应的第三分值；
排序单元205，用于根据所述第三分值和所述第一分值对所述第一推荐物品集重新排序得到第二推荐物品集；
确定单元206，用于基于所述第二推荐物品集确定目标推荐物品。
其中，第一处理单元201具体用于：
获取用户的历史播放记录、负反馈记录、以及所述历史播放记录中的物品对应的特征数据；
根据所述历史播放记录中的物品对应的特征数据将用户的历史播放记录中的物品分为若干个类别；
生成每一个物品在对应的类别中的热度值，所述热度值用于指示与所述物品存在交互行为的用户的数量；
根据所述历史负反馈记录生成负反馈物品集，并确定所述负反馈物品集中每个负反馈物品的第一分值，所述第一分值用于指示所述负反馈物品在推荐过程中未被用户选取的次数。
可选地，第一生成单元具体202用于：
根据所述历史播放记录中的物品对应的特征数据确定所述用户的兴趣物品；
根据超过相似度阈值的相似度对应的待候选物品生成第一推荐物品集，所述相似度用于指示所述待候选物品与所述兴趣物品之间的相似度；
基于所述相似度的大小生成所述第一推荐物品集中每个物品的第二分值。
可选地，第二生成单元203具体用于：
确定每一个类别对应的热度衰减权重；
基于所述热度值和所述热度衰减权重，生成用于对所述第二分值进行衰减的衰减函数。
可选地，排序单元205具体用于：
对所述第一分值进行归一化处理，得到归一化值；
根据所述第三分值和所述归一化值计算第一推荐物品集中每个物品的第四分值，并根据所述第四分值对所述第一推荐物品集重新排序得到第二推荐物品集。
可选地，确定单元206具体用于：
选取所述第二推荐物品集中物品的分值超过预设分值阈值的物品作为目标推荐物品。
本申请实施例中的物品推荐装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的物品推荐装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的物品推荐装置能够实现图1的方法实施例实现的各个过程，为避免重复，这里不再赘述。
可选的，如图3所示，本申请实施例还提供一种电子设备300，包括处理器301，存储器302，存储在存储器302上并可在所述处理器301上运行的程序或指令，该程序或指令被处理器301执行时实现上述方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图4为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备400包括但不限于：射频单元401、网络模块402、音频输出单元403、输入单元404、传感器405、显示单元406、用户输入单元407、接口单元404、存储器409、以及处理器410等部件。
本领域技术人员可以理解，电子设备400还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器410逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
图4中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
其中，处理器410用于：
将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；
基于所述历史播放记录生成第一推荐物品集以及与所述第一推荐物品集中每个物品对应的第二分值；
基于所述热度值生成用于对所述第二分值进行衰减的衰减信息；
基于所述衰减信息对所述第二分值进行衰减，得到所述第一推荐物品集中每个物品对应的第三分值；
根据所述第三分值和所述第一分值对所述第一推荐物品集重新排序得到第二推荐物品集；
基于所述第二推荐物品集确定目标推荐物品。
可选地，处理器410还用于：
获取用户的历史播放记录、负反馈记录、以及所述历史播放记录中的物品对应的特征数据；
根据所述历史播放记录中的物品对应的特征数据将用户的历史播放记录中的物品分为若干个类别；
生成每一个物品在对应的类别中的热度值，所述热度值用于指示与所述物品存在交互行为的用户的数量；
根据所述历史负反馈记录生成负反馈物品集，并确定所述负反馈物品集中每个负反馈物品的第一分值，所述第一分值用于指示所述负反馈物品在推荐过程中未被用户选取的次数。
可选地，处理器410还用于：
根据所述历史播放记录中的物品对应的特征数据确定所述用户的兴趣物品；
根据超过相似度阈值的相似度对应的待候选物品生成第一推荐物品集，所述相似度用于指示所述待候选物品与所述兴趣物品之间的相似度；
基于所述相似度的大小生成所述第一推荐物品集中每个物品的第二分值。
可选地，处理器410还用于：
确定每一个类别对应的热度衰减权重；
基于所述热度值和所述热度衰减权重，生成用于对所述第二分值进行衰减的衰减函数。
可选地，处理器410还用于：
对所述第一分值进行归一化处理，得到归一化值；
根据所述第三分值和所述归一化值计算第一推荐物品集中每个物品的第四分值，并根据所述第四分值对所述第一推荐物品集重新排序得到第二推荐物品集。
可选地，处理器410还用于：
选取所述第二推荐物品集中物品的分值超过预设分值阈值的物品作为目标推荐物品。
在本申请实施例中，电子设备400，通过生成衰减信息，并进一步基于衰减信息对每个物品进行衰减处理，可以去除推荐的物品中的存在用户偏见的物品，为每个用户推荐合适的物品，提升推荐效果。
应理解的是，本申请实施例中，输入单元404可以包括图形处理器(GraphicsProcessing Unit，GPU)4041和麦克风4042，图形处理器4041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元406可包括显示面板4061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板4061。用户输入单元407包括触控面板4071以及其他输入设备4072。触控面板4071，也称为触摸屏。触控面板4071可包括触摸检测装置和触摸控制器两个部分。其他输入设备4072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器409可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器410可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器410中。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图1的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
Claims (9)
1.一种物品推荐方法，其特征在于，包括：
将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；
基于所述历史播放记录生成第一推荐物品集以及与所述第一推荐物品集中每个物品对应的第二分值；
基于所述热度值生成用于对所述第二分值进行衰减的衰减信息；
基于所述衰减信息对所述第二分值进行衰减，得到所述第一推荐物品集中每个物品对应的第三分值；
根据所述第三分值和所述第一分值对所述第一推荐物品集重新排序得到第二推荐物品集；
基于所述第二推荐物品集确定目标推荐物品。
2.根据权利要求1所述的物品推荐方法，其特征在于，所述将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，确定历史负反馈记录中每个物品的第一分值，包括：
获取用户的历史播放记录、负反馈记录、以及所述历史播放记录中的物品对应的特征数据；
根据所述历史播放记录中的物品对应的特征数据将用户的历史播放记录中的物品分为若干个类别；
生成每一个物品在对应的类别中的热度值，所述热度值用于指示与所述物品存在交互行为的用户的数量；
根据所述历史负反馈记录生成负反馈物品集，并确定所述负反馈物品集中每个负反馈物品的第一分值，所述第一分值用于指示所述负反馈物品在推荐过程中未被用户选取的次数。
3.根据权利要求2所述的物品推荐方法，其特征在于，所述基于所述历史播放记录生成第一推荐物品集以及与所述第一推荐物品集中每个物品对应的第二分值，包括：
根据所述历史播放记录中的物品对应的特征数据确定所述用户的兴趣物品；
根据超过相似度阈值的相似度对应的待候选物品生成第一推荐物品集，所述相似度用于指示所述待候选物品与所述兴趣物品之间的相似度；
基于所述相似度的大小生成所述第一推荐物品集中每个物品的第二分值。
4.根据权利要求1所述的物品推荐方法，其特征在于，所述基于所述热度值生成用于对所述第二分值进行衰减的衰减信息，包括：
确定每一个类别对应的热度衰减权重；
基于所述热度值和所述热度衰减权重，生成用于对所述第二分值进行衰减的衰减函数。
5.根据权利要求1所述的物品推荐方法，其特征在于，所述根据所述第三分值和所述第一分值对所述第一推荐物品集重新排序得到第二推荐物品集，包括：
对所述第一分值进行归一化处理，得到归一化值；
根据所述第三分值和所述归一化值计算第一推荐物品集中每个物品的第四分值，并根据所述第四分值对所述第一推荐物品集重新排序得到第二推荐物品集。
6.根据权利要求1所述的物品推荐方法，其特征在于，所述基于所述第二推荐物品集确定目标推荐物品，包括：
选取所述第二推荐物品集中物品的分值超过预设分值阈值的物品作为目标推荐物品。
7.一种物品推荐装置，其特征在于，包括：
第一处理单元，用于将用户的历史播放记录分为若干个类别，并确定每一个类别中的物品的热度值，以及确定用户的历史负反馈记录中每个物品的第一分值；
第一生成单元，用于基于所述历史播放记录生成第一推荐物品集以及与所述第一推荐物品集中每个物品对应的第二分值；
第二生成单元，用于基于所述热度值生成用于对所述第二分值进行衰减的衰减信息；
第二处理单元，用于基于所述衰减信息对所述第二分值进行衰减，得到所述第一推荐物品集中每个物品对应的第三分值；
排序单元，用于根据所述第三分值和所述第一分值对所述第一推荐物品集重新排序得到第二推荐物品集；
确定单元，用于基于所述第二推荐物品集确定目标推荐物品。
8.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-6中任一所述的物品推荐方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-6中任一所述的物品推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011480845.7A CN114637906A (zh) | 2020-12-15 | 2020-12-15 | 一种物品推荐方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011480845.7A CN114637906A (zh) | 2020-12-15 | 2020-12-15 | 一种物品推荐方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114637906A true CN114637906A (zh) | 2022-06-17 |
Family
ID=81944965
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011480845.7A Pending CN114637906A (zh) | 2020-12-15 | 2020-12-15 | 一种物品推荐方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114637906A (zh) |
-
2020
- 2020-12-15 CN CN202011480845.7A patent/CN114637906A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110381371B (zh) | 一种视频剪辑方法及电子设备 | |
| US20230359663A1 (en) | Dynamic feedback in a recommendation system | |
| CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
| WO2017181612A1 (zh) | 个性化视频推荐方法及装置 | |
| CN108776676B (zh) | 信息推荐方法、装置、计算机可读介质及电子设备 | |
| US10939165B2 (en) | Facilitating television based interaction with social networking tools | |
| US8869211B2 (en) | Zoomable content recommendation system | |
| CN111259192B (zh) | 音频推荐方法和装置 | |
| CN106897428A (zh) | 文本分类特征提取方法、文本分类方法及装置 | |
| US20170169040A1 (en) | Method and electronic device for recommending video | |
| US9922110B2 (en) | Information processing apparatus, information processing method, and program | |
| CN112004117B (zh) | 视频播放方法及装置 | |
| WO2021155691A1 (zh) | 用户画像生成方法、装置、存储介质及设备 | |
| CN109509010B (zh) | 一种多媒体信息处理方法、终端及存储介质 | |
| CN106445997B (zh) | 一种信息处理方法和服务器 | |
| US20130212105A1 (en) | Information processing apparatus, information processing method, and program | |
| CN111966909B (zh) | 视频推荐方法、装置、电子设备及计算机可读存储介质 | |
| CN108717403B (zh) | 一种处理方法、装置和用于处理的装置 | |
| CN112612949B (zh) | 推荐数据集合的建立方法及装置 | |
| CN113869063A (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
| CN112416212A (zh) | 程序访问方法、装置、电子设备和可读存储介质 | |
| CN107729439A (zh) | 获取多媒体数据的方法、装置和系统 | |
| CN116187341A (zh) | 语义识别方法及其装置 | |
| CN114398514B (zh) | 一种视频展示方法、装置及电子设备 | |
| CN114637906A (zh) | 一种物品推荐方法、装置、设备及可读存储介质 |
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 |