JP2023512692A - 作品の推奨方法及びサーバー - Google Patents

作品の推奨方法及びサーバー Download PDF

Info

Publication number
JP2023512692A
JP2023512692A JP2022547740A JP2022547740A JP2023512692A JP 2023512692 A JP2023512692 A JP 2023512692A JP 2022547740 A JP2022547740 A JP 2022547740A JP 2022547740 A JP2022547740 A JP 2022547740A JP 2023512692 A JP2023512692 A JP 2023512692A
Authority
JP
Japan
Prior art keywords
account
multimedia
work
works
positive
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
JP2022547740A
Other languages
English (en)
Inventor
浩丞 文
▲鋼▼ 曾
彦▲賓▼ ▲趙▼
Original Assignee
北京達佳互▲れん▼信息技術有限公司
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 北京達佳互▲れん▼信息技術有限公司 filed Critical 北京達佳互▲れん▼信息技術有限公司
Publication of JP2023512692A publication Critical patent/JP2023512692A/ja
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
    • 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
    • G06F16/437—Administration of user profiles, e.g. generation, initialisation, adaptation, distribution
    • 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
    • G06F16/438—Presentation of query results
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

方法は、アプリケーションのログインアカウントから送信された推奨依頼を受信することと、前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品を含むことと、各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含むことと、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨することと、を含む、

Description

本開示は、２０２０年０２月２０日に提出された出願番号２０２０１０１０４３２２.６、発明名称「作品の推奨方法および装置、サーバー、記憶媒体」の中国特許出願の優先権を主張し、その全ての内容は参照により本開示に援用する。
本開示は、情報技術の分野に関し、特に作品の推奨方法及びサーバーに関するものである。
情報技術の発展に伴い、さまざまなタイプのコンテンツ（ｆｅｅｄ）が登場し、ｆｅｅｄは、ユーザーが能動的に購読しているいくつかのメッセージソースを組み合わせたコンテンツアグリゲーターであり、ユーザーが最新のフィードコンテンツを継続的に取得できるようにするものである。
異なるタイプのｆｅｅｄが同じ露出シーンで混合されてトラフィックを競うことは、製品を推奨または検索するための通常の需要である。現在、異なるタイプのｆｅｅｄを並べ替えする方法として、まず異なるタイプのｆｅｅｄをそれぞれ並べ替え、次に一定の散布ルールに従って異なるタイプのｆｅｅｄを混合して並べる。
本開示は、作品の推奨方法及びサーバーに関する。本開示の技術案は、以下の通りである。
本開示の実施例の一側面によれば、アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品であることと、前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含むことと、各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含むことと、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨することと、を含む作品の推奨方法に関する。
一実施例では、前記前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替えすることは、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替え、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含むことを含む。
一実施例では、前記参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替えすることは、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得て、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものであることを含む。
本開示の実施例の別の側面によれば、複数のタイプのサンプルセットを取得し、前記サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、前記ポジティブサンプルとは、表示後に前記アカウントによってクリック操作が実行された過去のマルチメディア作品を指し、前記ネガティブサンプルとは、表示後に前記アカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指すことと、参加度およびアプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定し、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含むことと、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、混合並べ替えモデルを訓練することと、を含む作品推奨混合並べ替えモデルの訓練方法に関する。
一実施例では、前記前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、混合並べ替えモデルを訓練することは、各前記ポジティブサンプルに対して、その並べ替えスコアと同じ数のターゲットポジティブサンプルを生成することと、前記サンプルセットとターゲットポジティブサンプルとに基づいて、ポジティブサンプル確率確定モデルを訓練し、前記ポジティブサンプル確率確定モデルは、前記ターゲットポジティブサンプルの確率を確定するために使用されることと、前記ターゲットポジティブサンプルの確率と、前記サンプルセット内の各サンプルが前記ポジティブサンプルである確率に基づいて、前記混合並べ替えモデルを訓練することと、を含む。
一実施例では、前記参加度およびアプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定することは、各前記ポジティブサンプルに対して各前記アカウントによって実行された正のフィードバック操作及びその重みを取得することと、各前記ポジティブサンプルに対して各前記アカウントによって実行された負のフィードバック操作及びその重みを取得することと、取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することと、各前記ポジティブサンプルに対して前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度の重みを確定することと、各前記ポジティブサンプルに対する各前記アカウントの参加度及びその重みに基づいて、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアを確定することと、を含む。
一実施例では、前記取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することは、各フィードバック操作に対して、現在のフィードバック操作が低周波化フィードバック操作に属すると確定したことに応答して、前記現在のフィードバック操作の前記重みを、ターゲット高周波化フィードバック操作の発生頻度と前記低周波化フィードバック操作の発生頻度との比に調整し、前記ターゲット高周波化フィードバック操作の発生頻度とは、現在取得したすべてのフィードバック操作におけるすべての高周波化フィードバック操作の平均発生頻度を指すことと、各フィードバック操作及びその調整後の重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することと、を含む。
本開示の実施例の別の側面によれば、アプリケーションのログインアカウントから送信された推奨依頼を受信するように構成され、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品である受信モジュールと、前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得するように構成され、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含む取得モジュールと、各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約するように構成され、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含む選別集約モジュールと、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨するように構成された並べ替えモジュールと、を含む作品の推奨装置に関する。
一実施例では、前記並べ替えモジュールは、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替えするように構成され、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む。
一実施例では、前記並べ替えモジュールは、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得るように配置され、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものである
一実施例では、前記並べ替えモジュールは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、混合並べ替えモデルを訓練するように構成され、前記混合並べ替えモデルは、前記参加度および前記推奨案内情報に基づいて、マルチメディア作品の並べ替えシーケンスを確定するために使用される訓練サブモジュールと、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を、前記訓練サブモジュールによって訓練された前記混合並べ替えモデルに入力することにより、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得るように構成された並べ替えサブモジュールと、を含む。
一実施例では、前記訓練サブモジュールは、複数のタイプのサンプルセットを取得するように構成され、前記サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、前記ポジティブサンプルとは、表示後に前記アカウントによってクリック操作が実行された過去のマルチメディア作品を指し、前記ネガティブサンプルとは、表示後に前記アカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指す取得ユニットと、参加度およびアプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定するように構成され、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む確定ユニットと、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、混合並べ替えモデルを訓練する訓練ユニットと、を含む。
一実施例では、前記訓練ユニットは、以下のように構成され、即ち、各前記ポジティブサンプルに対して、その並べ替えスコアと同じ数のターゲットポジティブサンプルを生成し、前記サンプルセットとターゲットポジティブサンプルとに基づいて、ポジティブサンプル確率確定モデルを訓練し、前記ポジティブサンプル確率確定モデルは、前記ターゲットポジティブサンプルの確率を確定するために使用され、前記ターゲットポジティブサンプルの確率と、前記サンプルセット内の各サンプルが前記ポジティブサンプルである確率に基づいて、前記混合並べ替えモデルを訓練する。
一実施例では、前記確定ユニットは、以下のように構成され、即ち、各前記ポジティブサンプルに対して各前記アカウントによって実行された正のフィードバック操作及びその重みを取得し、各前記ポジティブサンプルに対して各前記アカウントによって実行された負のフィードバック操作及びその重みを取得し、取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定し、各前記ポジティブサンプルに対して前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度の重みを確定し、各前記ポジティブサンプルに対する各前記アカウントの参加度及びその重みに基づいて、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアを確定する。
一実施例では、前記確定ユニットは、以下のように構成され、即ち、各フィードバック操作に対して、現在のフィードバック操作が低周波化フィードバック操作に属すると確定したことに応答して、前記現在のフィードバック操作の前記重みを、ターゲット高周波化フィードバック操作の発生頻度と前記低周波化フィードバック操作の発生頻度との比に調整し、前記ターゲット高周波化フィードバック操作の発生頻度とは、現在取得したすべてのフィードバック操作におけるすべての高周波化フィードバック操作の平均発生頻度を指し、各フィードバック操作及びその調整後の重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定する。
本開示の実施例の別の側面によれば、複数のタイプのサンプルセットを取得するように構成され、前記サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、前記ポジティブサンプルとは、表示後に前記アカウントによってクリック操作が実行された過去のマルチメディア作品を指し、前記ネガティブサンプルとは、表示後に前記アカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指す取得ユニットと、参加度およびアプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定するように構成され、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む確定ユニットと、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、混合並べ替えモデルを訓練する訓練ユニットと、を含む作品推奨混合並べ替えモデルの訓練装置に関する。
一実施例では、前記訓練ユニットは、以下のように構成され、即ち、各前記ポジティブサンプルに対して、その並べ替えスコアと同じ数のターゲットポジティブサンプルを生成し、前記サンプルセットとターゲットポジティブサンプルとに基づいて、ポジティブサンプル確率確定モデルを訓練し、前記ポジティブサンプル確率確定モデルは、前記ターゲットポジティブサンプルの確率を確定するために使用され、前記ターゲットポジティブサンプルの確率と、前記サンプルセット内の各サンプルが前記ポジティブサンプルである確率に基づいて、前記混合並べ替えモデルを訓練する。
一実施例では、前記確定ユニットは、以下のように構成され、即ち、各前記ポジティブサンプルに対して各前記アカウントによって実行された正のフィードバック操作及びその重みを取得し、各前記ポジティブサンプルに対して各前記アカウントによって実行された負のフィードバック操作及びその重みを取得し、取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定し、各前記ポジティブサンプルに対して前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度の重みを確定し、各前記ポジティブサンプルに対する各前記アカウントの参加度及びその重みに基づいて、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアを確定する。
一実施例では、前記確定ユニットは、以下のように構成され、即ち、各フィードバック操作に対して、現在のフィードバック操作が低周波化フィードバック操作に属すると確定したことに応答して、前記現在のフィードバック操作の前記重みを、ターゲット高周波化フィードバック操作の発生頻度と前記低周波化フィードバック操作の発生頻度との比に調整し、前記ターゲット高周波化フィードバック操作の発生頻度とは、現在取得したすべてのフィードバック操作におけるすべての高周波化フィードバック操作の平均発生頻度を指し、各フィードバック操作及びその調整後の重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定する。
本開示の実施例の別の側面によれば、プロセッサと、前記プロセッサによって実行可能な命令を記憶するためのメモリと、を含み、ここで、前記プロセッサは、前記命令を実行することにより次のような操作を実現するように構成され、即ち、アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品であり、前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含み、各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含み、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨する。
本開示の実施例の別の側面によれば、前記記憶媒体における命令がサーバーのプロセッサによって実行されることに応答して、サーバーが次のような操作を実行できるようにし、即ち、アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品であり、前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含み、各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含み、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨する記憶媒体に関する。
アプリケーションのログインアカウントから送信された推奨依頼を受信し、当該推奨依頼に応答して、関連アカウントによって発行された複数のタイプ第１作品候補セットを取得し、次に少なくともサーバー処理パラメータに基づいて各第１作品候補セットをそれぞれ選別した後、選別結果を第２作品候補セットとして集約し、最後に第２作品候補セット内のマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品をクライアントに推奨し、当該実施例が、複数のタイプを含む第１作品候補セットを選別した後に集約して得られた第２作品候補セット内の作品を並べ替えするものであるため、すなわち、当該実施例が、複数のタイプの作品を一括して並べ替えするものであるため、並べ替え結果の正確性の向上に有益であり、結果として、並べ替え結果に基づいてマルチメディア作品を推奨する正確性を向上させることができる。
本開示の一実施例による作品の推奨方法のフローチャートである。 本開示の一実施例による混合並べ替えモデルを訓練するフローチャートである。 本開示の一実施例によるサンプルセット内の各ポジティブサンプルの並べ替えスコアを確定するフローチャートである。 本開示の一実施例による作品の推奨装置のブロック図である。 本開示の一実施例による別の作品の推奨装置のブロック図である。 本開示の一実施例による別の作品の推奨装置のブロック図である。 本開示の一実施例によるサーバーのブロック図である。 本開示の一実施例による作品の推奨方法に適したデバイスのブロック図である。
本開示の明細書および請求の範囲並びに上述の図面における用語「第１」、「第２」などは、必ずしも特定の順序または前後の順序を説明するためのものではなく、類似のオブジェクトを区別するためのものである。
図１は、本開示の一実施例による作品の推奨方法のフローチャートであり、図１に示されたように、当該作品の推奨方法は、以下のコンテンツを含む。
Ｓ１０１において、アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、当該推奨依頼は、対象ページ上にマルチメディア作品を表示することを依頼するために使用され、対象ページは、アプリケーションを介してログインアカウントと社会的な関係を構築する関連アカウントによって発行されたマルチメディア作品を表示するために使用される。
前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品である。前記ログインアカウントと関連アカウントは、前記アプリケーションに基づいて社会的な関係を構築する。
ここで、対象ページには、フォローページが含まれるが、これに限定されず、同都市ページなどが含まれる場合がある。マルチメディア作品には、生放送、ショート動画などの作品が含まれるが、これらに限定されない。
ユーザーがアプリケーションにログインした場合、当該アプリケーションは、サーバーに当該ログインアカウントの推奨依頼を送信でき、当該アプリケーションは、マルチメディア作品を発行するためのＡＰＰを含むことができるが、これに限定されない。
本開示の実施例では、対象ページがフォローページであることに応答して、ログインアカウントと社会的な関係を構築する関連アカウントは、ログインアカウントのフォローアカウントを含み得る。対象ページが同都市ページであることに応答して、ログインアカウントと社会的な関係を構築する関連アカウントは、ログインアカウントと同じ都市にあるアカウントを含み得る。
Ｓ１０２において、当該推奨依頼に応答して、関連アカウントによって発行されたマルチメディア作品に属する各タイプの第１作品候補セットを作品ライブラリから取得する。
当該Ｓ１０２は、前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得する可能性のある実施形態であり、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含む。当該各タイプとは、複数のタイプの各タイプと指す。
サーバーは、当該推奨依頼を受信した後、当該推奨依頼に応答して、作品ライブラリから第１作品候補セットを取得でき、ここで、各タイプの第１作品候補セットには、生放送クラスの第１作品候補セット、ショート動画クラスの第１作品候補セットが含まれるが、これらに限定されない。当該第１作品候補セットは、他のアドレスに配置されてもよく、例えば、第１作品候補セットは、サーバーのローカルストレージに配置され、本開示の実施例では、これについて具体的に限定しない。
Ｓ１０３において、少なくともサーバー処理パラメータに基づいて各第１作品候補セットをそれぞれ選別した後、選別結果を第２作品候補セットとして集約する。
当該Ｓ１０３は、各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約する可能性のある実施形態であり、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含む。選別する場合、サーバー処理パラメータに基づいて選別してもよいし、他の選別ルールに基づいて選別してもよいし、本開示の実施例では、これについて具体的に限定しない。
各タイプの第１作品候補セットを取得した後、サーバーの性能、例えばサーバー処理パラメータに基づいて、各第１作品候補セットをそれぞれ選別し、選別結果を第２作品候補セットとして集約することができる。
Ｓ１０４において、第２作品候補セット内のマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品をクライアントに推奨する。
当該Ｓ１０４は、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨するプロセスである。当該プロセスにおいてマルチメディア作品をログインアカウントに推薦すると、マルチメディア作品を当該ログインアカウントでログインしたクライアントに送信することができる。当該推奨プロセスは、並べ替え結果に従ってクライアントにマルチメディア作品を表示することであってもよい。例えば、並べ替え結果が上位のマルチメディア作品が優先的に表示される。
本開示の実施例では、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、第２作品候補セット内のマルチメディア作品を並べ替えすることができ、即ち、第２作品候補セット内のマルチメディア作品を統一された基準で並べ替えすることは、並べ替え結果の正確性を高めるのに有利である。
ここで、参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用される。正のフィードバック操作には、視聴操作、「いいね」操作、フォロー操作、コメント操作などが含まれるが、これらに限定されず、負のフィードバック操作には、告発操作などが含まれるが、これらに限定されない。
ここで、推奨案内情報は、過去のマルチメディア作品に対するアプリケーションプラットフォームの推奨度を示すための推奨情報と過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含むことを含み得る。つまり、以下の３つのケースが含まれ、推奨案内情報は、過去のマルチメディア作品に対するアプリケーションプラットフォームの推奨度を示すための推奨情報を含んでもよく、推奨案内情報は、過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報を含んでもよく、推奨案内情報は、過去のマルチメディア作品に対するアプリケーションプラットフォームの推奨度を示すための推奨情報と過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報とを含んでもよい。
本開示の実施例では、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、第２作品候補セット内のマルチメディア作品を並べ替えすることは、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得て、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものであることを含み得る。
ここで、当該訓練プロセスは、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、混合並べ替えモデルを訓練し、混合並べ替えモデルが、参加度および推奨案内情報に基づいて、マルチメディア作品の並べ替えシーケンスを確定するために使用されることであってもよい。当該訓練プロセスについて、事前に完了することができ、第２作品候補セットを並べ替えする際に、訓練された混合並べ替えモデルを直接使用する。当該訓練プロセスは、第２作品候補セットを並べ替えする必要がある場合に実行されてもよい。
本開示の実施例では、アプリケーションのログインアカウントから送信された推奨依頼を受信し、当該推奨依頼に応答して、作品ライブラリから関連アカウントによって発行されたマルチメディア作品に属する各タイプの第１作品候補セットを取得し、次に少なくともサーバー処理パラメータに基づいて各第１作品候補セットをそれぞれ選別した後、選別結果を第２作品候補セットとして集約し、最後に第２作品候補セット内のマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品をクライアントに推奨し、本開示の実施例が、複数のタイプを含む第１作品候補セットを選別した後に集約して得られた第２作品候補セット内の作品を並べ替えするものであるため、すなわち、本開示の実施例が、各タイプの作品を一括して並べ替えするものであるため、並べ替え結果の正確性の向上に有益であり、結果として、並べ替え結果に基づいてマルチメディア作品を推奨する正確性を向上させることができる。
混合並べ替えモデルを使用して第２作品候補セット内のマルチメディア作品を並べ替えするために、本開示の実施例では、混合並べ替えモデルを事前に訓練する必要があり、図２は、本開示の一実施例による混合並べ替えモデルを訓練するフローチャートであり、図２に示されたように、当該混合並べ替えモデルを訓練するプロセスは、以下のことを含み得る。
Ｓ２０１において、複数のタイプのマルチメディア作品のサンプルセットを取得し、当該サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、ポジティブサンプルとは、対象ページに表示された後にアカウントによってクリック操作が実行された過去のマルチメディア作品を指し、ネガティブサンプルとは、対象ページに表示された後にアカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指す。
当該Ｓ２０１は、複数のタイプのサンプルセットを取得するプロセスであり、サンプルセットにはサンプルが含まれ、各サンプルは、複数のタイプのいずれかのタイプのマルチメディア作品であってもよい。前記ポジティブサンプルとは、表示後に前記アカウントによってクリック操作が実行された過去のマルチメディア作品を指し、前記ネガティブサンプルとは、表示後に前記アカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指す。当該表示プロセスは、対象ページに表示することであり、他のページに表示することであってもよく、本開示の実施例では、これについて限定しない。
ここで、複数のタイプのマルチメディア作品には、生放送、ショート動画などの作品が含まれるが、これらに限定されない。
本開示の実施例では、上記の表示ログには、ユーザーＩＤ（ｕｓｅｒＩＤ）と作品（Ｉｔｅｍ）が含まれ、あるアカウントのＩｔｅｍが表示される（ｓｈｏｗ）ことに応答して、当該アカウントのＩｔｅｍが１つのサンプルとなる。当該Ｉｔｅｍがアカウントによってクリック操作されたことに応答して、当該Ｉｔｅｍは１つのポジティブサンプルである。当該Ｉｔｅｍがアカウントによってクリック操作されなかったことに応答して、当該Ｉｔｅｍは１つのネガティブサンプルである。
本開示の実施例では、複数のタイプのマルチメディア作品の表示ログを取得することができ、表示ログに基づいて対応するマルチメディア作品について表示後に前記アカウントによってクリック操作が実行されたことに応答して、１つのポジティブサンプルが生成され、ラベル（ｌａｂｅｌ）は、１と表記される。表示ログに基づいて対応するマルチメディア作品について表示後に当該アカウントによってクリック操作が実行されないことに応答して、１つのネガティブサンプルが生成され、ラベル（ｌａｂｅｌ）は、０と表記される。
Ｓ２０２において、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、サンプルセット内の各ポジティブサンプルの並べ替えスコアを確定する。
ここで、アカウントの参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて確定されてもよく、アプリケーションプラットフォームによって設定された推奨案内情報は、生態的要因に基づいてアプリケーションプラットフォームによって設定されてもよく、例えば生態的要因は、トラフィックの分散の程度などを含むがこれに限定されず、他の要因に基づいて設定されてもよい。
例えば、図３に示されたように、サンプルセット内の各ポジティブサンプルの並べ替えスコアを確定することは、以下のことを含み得る。
Ｓ２０２１において、各ポジティブサンプルに対して各アカウントによって実行された正のフィードバック操作及びその重みと各ポジティブサンプルに対して各アカウントによって実行された負のフィードバック操作及びその重みを取得し、各ポジティブサンプルに対して各アカウントによって実行された正のフィードバック操作及びその重みと各ポジティブサンプルに対して各アカウントによって実行された負のフィードバック操作及びその重みに基づいて、各ポジティブサンプルに対する各アカウントの参加度を確定する。
当該Ｓ２０２１において参加度を確定するプロセスは、取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定するプロセスである。
ここで、正のフィードバック操作には、視聴操作、「いいね」操作、フォロー操作、コメント操作などが含まれるが、これらに限定されず、負のフィードバック操作には、告発操作などが含まれるが、これらに限定されない。
本開示の実施例では、残存帰属アルゴリズムによって、各ポジティブサンプルに対してアカウントによって実行された負のフィードバック操作の重みまたは負のフィードバック操作の重みを決定し、この後、各フィードバック操作およびその重みに基づいて重み付け演算を行うことにより、各ポジティブサンプルに対する各アカウントの参加度を得ることができる。
いくつかの実施例では、当該操作は、フィードバック操作であり、正のフィードバック操作であってもよいし、負のフィードバック操作であってもよい。各フィードバック操作に対して、現在のフィードバック操作が低周波化フィードバック操作に属すると確定したことに応答して、前記現在のフィードバック操作の前記重みを、ターゲット高周波化フィードバック操作の発生頻度と前記低周波化フィードバック操作の発生頻度との比に調整し、前記ターゲット高周波化フィードバック操作の発生頻度とは、現在取得したすべてのフィードバック操作におけるすべての高周波化フィードバック操作の平均発生頻度を指し、各フィードバック操作及びその調整後の重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定する。
つまり、各操作に対して、現在の操作が低周波化操作に属すると確定したことに応答して、現在の操作の重みを、ターゲット高周波化操作の発生頻度と低周波化操作の発生頻度との比に調整し、各操作及びその調整後の重みに基づいて、各ポジティブサンプルに対する各アカウントの参加度を確定する。ここで、ターゲット高周波化操作の発生頻度とは、現在取得したすべての操作におけるすべての高周波化操作の平均発生頻度を指す。
例えば、現在取得したすべての操作は、「いいね」及びコメントであり、ここで、「いいね」は、高周波化操作であり、コメントは、低周波化操作であり、事前に集計した「いいね」の発生頻度が０.１であり、事前に集計したコメントの発生頻度が０.００１である場合、コメントの重みを１００に調整することができる。なお、当該例に係る操作および値は一例に過ぎず、実際の用途では必要に応じて調整することができる。
Ｓ２０２２において、各ポジティブサンプルに対してアプリケーションプラットフォームによって設定された推奨案内情報を使用して、各ポジティブサンプルに対する各アカウントの参加度の重みを確定する。
当該Ｓ２０２２は、各前記ポジティブサンプルに対して前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度の重みを確定するプロセスである。
ここで、異なるタイプのマルチメディア作品に対するアカウントの受け入れ度合いは、異なり、例えば、ショート動画に対するアカウントの受け入れ度合いは、生放送に対する受け入れ度合いより高く、この場合、ショート動画に対するアカウントの参加度の重みを大きくすることができる。
Ｓ２０２３において、各ポジティブサンプルに対する各アカウントの参加度及びその重みに基づいて、サンプルセット内の各ポジティブサンプルの並べ替えスコアを得る。
当該Ｓ２０２３は、各前記ポジティブサンプルに対する各前記アカウントの参加度及びその重みに基づいて、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアを確定するプロセスである。
各ポジティブサンプルに対する各アカウントの参加度の重みを確定した後、各ポジティブサンプルに対する各アカウントの参加度及びその重みに基づいて、サンプルセット内の各ポジティブサンプルの並べ替えスコアを得ることができる。
本開示の実施例では、参加度およびアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、サンプルセット内の各ポジティブサンプルの並べ替えスコアを確定することにより、異なるタイプのマルチメディア作品が、統一された基準で並べ替え情報を測定することができ、訓練された混合並べ替えモデルの正確性の向上に有益である。
なお、参加度とプラットフォームによって設定された推奨度が複数の次元の情報を含むことができ、これらの情報が応用シーンの特徴をよく記述することができるので、訓練された混合並べ替えモデルの正確性をさらに高めることができ、すなわち当該混合並べ替えモデルによって確定された並べ替えシーケンスの正確性をさらに高めることができる。
Ｓ２０３において、サンプルセット内の各ポジティブサンプルの並べ替えスコアとサンプルセットに基づいて新たなサンプルセットを生成し、新たなサンプルセットに基づいて混合並べ替えモデルを訓練する。
当該Ｓ２０３は、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、前記混合並べ替えモデルを訓練するプロセスである。当該プロセスでは、新たなサンプルセットを生成せずに、サンプルセットおよび生成されたポジティブサンプルを直接使用してもよく、当該生成されたポジティブサンプルは、ターゲットポジティブサンプルと呼ばれてもよい。当該混合並べ替えモデルの訓練プロセスは、各前記ポジティブサンプルに対して、その並べ替えスコアと同じ数のターゲットポジティブサンプルを生成することと、前記サンプルセットとターゲットポジティブサンプルとに基づいて、ポジティブサンプル確率確定モデルを訓練し、前記ポジティブサンプル確率確定モデルは、前記ターゲットポジティブサンプルの確率を確定するために使用されることと、前記ターゲットポジティブサンプルの確率と、前記サンプルセット内の各サンプルが前記ポジティブサンプルである確率に基づいて、前記混合並べ替えモデルを訓練することと、を含んでもよい。
本開示の実施例では、各ポジティブサンプルに対して、その並べ替えスコアと同じ数のポジティブサンプルを生成し、サンプルセットおよび生成されたポジティブサンプルに基づいて、新たなサンプルセットを得ることができる。
ここで、ポジティブサンプルを生成する方法として、ポジティブサンプルを直接コピーすることができる。
例えば、あるポジティブサンプルの並べ替えスコアが５である場合、５つのポジティブサンプルを生成することができ、例えば、５つの当該ポジティブサンプルを直接コピーし、この後、前のサンプルセットとこの５つのポジティブサンプルから新たなサンプルセットを構成することができる。
本開示の実施例では、新たなサンプルセットを得た後、新たなサンプルセットに基づいて、ロジスティック回帰アルゴリズムを使用して、ポジティブサンプル確率確定モデルを訓練することができ、当該ポジティブサンプル確率確定モデルは、新たなサンプルセット内のポジティブサンプルの確率を確定するために使用される。この後、新たなサンプルセット内のポジティブサンプルの確率と、サンプルセット内の各サンプルがポジティブサンプルである確率とに基づいて、混合並べ替えモデルを生成する。ここで、サンプルセット内の各サンプルがポジティブサンプルである確率は、統計的に取得されることもできるし、事前に訓練されたモデルによって取得されることもできる。
ここで、ロジスティック回帰アルゴリズムを用いてポジティブサンプル確率確定モデルを訓練するプロセスは、
新たなサンプルセット内のサンプルをポジティブサンプル確率確定モデルに入力することにより、ポジティブサンプルの確率を得て、得られたポジティブサンプル確率に基づいて損失関数を計算し、当該損失関数を用いて、損失関数が十分に小さくなるまで、ポジティブサンプル確率確定モデルのパラメータを更新し、このとき得られたモデルは、訓練されたポジティブサンプル確率確定モデルである。
本開示の実施例では、ポジティブサンプル確率確定モデルは、
Figure 2023512692000002
 であり、
ここで、ｗとｂは、モデルパラメータであり、ｊは、新たなサンプルセット内の各サンプルの特徴番号であり、新たなサンプルセット内のサンプルは、サンプルの特徴とは、サンプルの各成分を指す。
本開示の実施例では、損失関数は、
Figure 2023512692000003
 であり、損失関数が十分に小さいということは、モデルが収束していることを示し、このとき得られたモデルは、訓練されたモデルである。
本開示の実施例では、新たなサンプルセットではポジティブサンプルの確率は以下の式（１１）で計算でき、
Figure 2023512692000004
 ここで、Ｎとｋは、それぞれサンプルの総数とポジティブサンプルの数であり、Siは、i番目のサンプルの並べ替えスコアを表す。
ロジスティック回帰の特性から、次の式（１２）が得られる。
Figure 2023512692000005
上記の式１１と式１２によれば、
Figure 2023512692000006
 が得られ、混合並べ替えモデルは次のようになる。
Figure 2023512692000007
ここで、Miは、異なるタイプのマルチメディア作品セットにおけるi番目のマルチメディア作品の並べ替えスコアを表し、
Figure 2023512692000008
 は、異なるタイプのマルチメディア作品セットにおけるマルチメディア作品がクリックされる確率であり、Piは、i番目のマルチメディア作品がクリックされる確率であり、Piは、統計的に取得されることもできるし、事前に訓練されたモデルによって取得されることもできる。
本開示の実施例では、ロジスティック回帰アルゴリズムを用いて異なるタイプのマルチメディア作品を並べ替えする混合並べ替えモデルを生成し、実現方法は簡単である。
本開示の実施例では、参加度およびアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、サンプルセット内の各ポジティブサンプルの並べ替え情報を確定することにより、異なるタイプのマルチメディア作品が、統一された測定基準で並べ替え情報を測定することができ、訓練された混合並べ替えモデルの正確性の向上に有益であり、この後、サンプルセット内の各ポジティブサンプルの並べ替え情報に基づいて新たなサンプルセットを生成し、新たなサンプルセットに基づいて混合並べ替えモデルを訓練し、実現方法は簡単である。
図４は、本開示の一実施例による作品の推奨装置のブロック図である。図４を参照すると、当該装置は、
アプリケーションのログインアカウントから送信された推奨依頼を受信するように構成され、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品である受信モジュール４１と、
受信モジュール４１によって受信された推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得するように構成され、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含む取得モジュール４２と、
取得モジュール４２によって取得された各第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約するように構成され、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含む選別集約モジュール４３と、
選別集約モジュール４３によって集約された第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨するように構成された並べ替えモジュール４４と、
を含む、
ここで、並べ替えモジュール４４は、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、第２作品候補セット内のマルチメディア作品を並べ替えするように構成されてもよく、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、推奨案内情報は、過去のマルチメディア作品に対するアプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む。
図５は、本開示の一実施例による別の作品の推奨装置のブロック図であり、図５に示されたように、図４に示された実施例のもとで、並べ替えモジュール４４は、
参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、混合並べ替えモデルを訓練するように構成され、混合並べ替えモデルは、参加度および推奨案内情報に基づいて、マルチメディア作品の並べ替えシーケンスを確定するために使用される訓練サブモジュール４４１と、
第２作品候補セット内のマルチメディア作品を、訓練サブモジュール４４１によって訓練された混合並べ替えモデルに入力することにより、第２作品候補セット内のマルチメディア作品の並べ替えシーケンスを得るように構成された並べ替えサブモジュール４４２と、を含んでもよい。
図４に示された実施例のもとで、並べ替えモジュール４４は、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得るように構成されてもよく、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものである。
図６は、本開示の一実施例による別の作品の推奨装置のブロック図であり、図６に示されたように、図５に示された実施例のもとで、訓練サブモジュール４４１は、
複数のタイプのマルチメディア作品のサンプルセットを取得するように構成され、サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、ポジティブサンプルとは、対象ページに表示された後にアカウントによってクリック操作が実行された過去のマルチメディア作品を指し、ネガティブサンプルとは、対象ページに表示された後にアカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指す取得ユニット４４１１と、
参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、取得ユニット４４１１によって取得されたサンプルセット内の各ポジティブサンプルの並べ替えスコアを確定するように構成される確定ユニット４４１２と、
確定ユニット４４１２によって確定されたサンプルセット内の各ポジティブサンプルの並べ替えスコアとサンプルセットに基づいて新たなサンプルセットを生成し、新たなサンプルセットに基づいて混合並べ替えモデルを訓練する訓練ユニット４４１３と、
を含んでもよい。
いくつかの実施例では、作品推奨混合並べ替えモデルの訓練装置も提供され、当該装置は、図６に示されるようなものであってもよく、当該装置は、複数のタイプのサンプルセットを取得するように構成され、前記サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、前記ポジティブサンプルとは、表示後に前記アカウントによってクリック操作が実行された過去のマルチメディア作品を指し、前記ネガティブサンプルとは、表示後に前記アカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指す取得ユニットと、参加度およびアプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定するように構成され、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む確定ユニットと、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、混合並べ替えモデルを訓練する訓練ユニットと、を含む。
一実施例では、前記訓練ユニットは、以下のように構成され、即ち、各前記ポジティブサンプルに対して、その並べ替えスコアと同じ数のターゲットポジティブサンプルを生成し、前記サンプルセットとターゲットポジティブサンプルとに基づいて、ポジティブサンプル確率確定モデルを訓練し、前記ポジティブサンプル確率確定モデルは、前記ターゲットポジティブサンプルの確率を確定するために使用され、前記ターゲットポジティブサンプルの確率と、前記サンプルセット内の各サンプルが前記ポジティブサンプルである確率に基づいて、前記混合並べ替えモデルを訓練する。
一実施例では、前記確定ユニットは、以下のように構成され、即ち、各前記ポジティブサンプルに対して各前記アカウントによって実行された正のフィードバック操作及びその重みを取得し、各前記ポジティブサンプルに対して各前記アカウントによって実行された負のフィードバック操作及びその重みを取得し、取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定し、各前記ポジティブサンプルに対して前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度の重みを確定し、各前記ポジティブサンプルに対する各前記アカウントの参加度及びその重みに基づいて、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアを確定する。
一実施例では、前記確定ユニットは、以下のように構成され、即ち、各フィードバック操作に対して、現在のフィードバック操作が低周波化フィードバック操作に属すると確定したことに応答して、前記現在のフィードバック操作の前記重みを、ターゲット高周波化フィードバック操作の発生頻度と前記低周波化フィードバック操作の発生頻度との比に調整し、前記ターゲット高周波化フィードバック操作の発生頻度とは、現在取得したすべてのフィードバック操作におけるすべての高周波化フィードバック操作の平均発生頻度を指し、各フィードバック操作及びその調整後の重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定する。
上記の実施例における装置について、各モジュールが操作を実行する具体的な形態は、当該方法に関連する実施例において詳細に説明され、ここでは説明を省略する。
図７は、本開示の一実施例によるサーバーのブロック図である。図７に示されたように、当該サーバーは、プロセッサ７１０と、プロセッサ７１０によって実行可能な命令を記憶するためのメモリ７２０と、を含み、ここで、プロセッサは、上記の作品の推奨方法を実現するように上記の命令を実行するように構成され、図７に示されたプロセッサ７１０およびメモリ７２０に加えて、当該サーバーは、通常、作品推奨の実際の機能に応じて、他のハードウェアを含んでもよく、これについて説明しない。
一実施例では、例えば命令を含むメモリ７２０などの命令を含む記憶媒体をさらに提供し、上記の命令は、上記の作品の推奨方法を完了するためにプロセッサ７１０によって実行可能である。いくつかの実施例では、記憶媒体は、非一時的なコンピュータ可読記憶媒体であってもよく、例えば、非一時的なコンピュータ可読記憶媒体は、ＲＯＭ、ランダムアクセスメモリ（ＲＡＭ）、ＣＤ-ＲＯＭ、磁気テープ、フロッピーディスク、および光データ記憶デバイスなどであってもよい。
一実施例では、コンピュータプログラム製品をさらに提供し、コンピュータプログラム製品が電子デバイス上で動作していることに応答して、上記の作品の推奨方法を電子デバイスに実行させる。
図８は、本開示の一実施例による作品の推奨方法に適したデバイスのブロック図であり、図８に示されたように、本開示の実施例は、無線周波数（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ、ＲＦ）回路８１０、電源８２０、プロセッサ８３０、メモリ８４０、入力ユニット８５０、表示ユニット８６０、カメラ８７０、通信インターフェース８８０、およびワイファイ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ、ＷｉＦｉ）モジュール８９０などの部品を含む作品の推奨方法に適したデバイス８００に関する。当業者であれば、図８に示すデバイスの構造は、デバイスを限定するものではなく、本開示の実施例によるデバイスは、図示よりも多くまたは少ない部品を含んでもよく、いくつかの部品を組み合わせたり、あるいは異なる構成要素を組み合わせたりすることができることを理解できる。
以下、図８を参照してデバイス８００の各構成要素を具体的に説明する。
ＲＦ回路８１０は、通信または通話プロセスにおけるデータの受信および送信のために利用されることができる。特に、ＲＦ回路８１０は、基地局のダウンリンクデータを受信した後、プロセッサ８３０に処理を任せることができる。なお、送信されるべきアップリンクデータを基地局に送信する。通常、ＲＦ回路８１０は、アンテナ、少なくとも１つの増幅器、トランシーバー、カプラー、低雑音増幅器（Ｌｏｗ Ｎｏｉｓｅ Ａｍｐｌｉｆｉｅｒ、ＬＮＡ）、ダイプレクサなどを含むが、これらに限定されない。
また、ＲＦ回路８１０は、無線通信を介してネットワークおよび他のデバイスと通信することができる。無線通信は、任意の通信規格またはプロトコルを使用でき、グローバル・システム・フォー・モバイル・コミュニケーションズ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｏｆ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ、ＧＳＭ）、汎用パケット無線サービス（Ｇｅｎｅｒａｌ Ｐａｃｋｅｔ Ｒａｄｉｏ Ｓｅｒｖｉｃｅ、ＧＰＲＳ）、符号分割多元接続（Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ、ＣＤＭＡ）、広帯域符号分割多元接続（Ｗｉｄｅｂａｎｄ Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ、ＷＣＤＭＡ(登録商標)）、ロング・ターム・エヴォリューション（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ、ＬＴＥ）、電子メール、ショートメッセージサービス（Ｓｈｏｔ Ｍｅｓｓａｇｉｎｇ Ｓｅｒｖｉｃｅ、ＳＭＳ）などを含むが、これらに限定されない。
ＷｉＦｉは、近距離無線転送技術に属し、デバイス８００は、ＷｉＦｉモジュール２１７０を介してアクセスポイント（Ａｃｃｅｓｓ Ｐｏｉｎｔ、ＡＰ）に接続し、データネットワークへのアクセスを可能にする。ＷｉＦｉモジュール８９０は、通信プロセスにおけるデータの受信および送信のために利用されることができる。
デバイス８００は、通信インターフェース８８０を介して他のデバイスと物理的に接続され得る。いくつかの実施例では、通信インターフェース８８０と他のデバイスの通信インターフェイスは、ケーブルにより接続され、デバイス８００と他のデバイスとの間のデータ伝送を実現する。
本開示の実施例では、デバイス８００が、通信サービスを実現し、他の連絡先に情報を送信することができるので、デバイス８００が、データ伝送機能を有する必要があり、すなわち、デバイス８００の内部は、通信モジュールを含む必要がある。図８は、ＲＦ回路８１０、ＷｉＦｉモジュール８９０、および通信インターフェース８８０などの通信モジュールを示したが、デバイス８００には、データ伝送のための上記構成要素のうちの少なくとも１つまたは他の通信を実現するための通信モジュール（例えばブルートゥース(登録商標)モジュール）が存在することが理解できる。
例えば、デバイス８００が携帯電話であることに応答して、デバイス８００は、ＲＦ回路８１０を含むことができ、ＷｉＦｉモジュール８９０も含むことができる。デバイス８００がコンピュータであることに応答して、デバイス８００は、通信インターフェース８８０を含むことができ、ＷｉＦｉモジュール８９０も含むことができる。デバイス８００がタブレットであることに応じて、デバイス８００は、ＷｉＦｉモジュールを含むことができる。
メモリ８４０は、ソフトウェアプログラムおよびモジュールを記憶できる。プロセッサ８３０は、メモリ８４０に記憶されたソフトウェアプログラムおよびモジュールを実行することにより、デバイス８００の様々な機能的アプリケーションおよびデータ処理を実行し、プロセッサ８３０は、メモリ８４０内のプログラムコードを実行した後、本開示の実施例における図１および図２のプロセスの一部または全部を実現することができる。
いくつかの実施例では、メモリ８４０は、主にプログラム記憶領域とデータ記憶領域を含む。ここで、プログラム記憶領域は、オペレーティングシステム、各種アプリケーション（例えば通信アプリケーション）、および顔認識モジュールなどを記憶することができ、データ記憶領域は、デバイスの使用に応じて作成されたデータ（例えば、各種グラフィック、動画ファイルなどのマルチメディアファイル、および顔情報テンプレート）などを記憶することができる。
また、メモリ８４０は、高速ランダムアクセスメモリを含んでもよく、例えば至少なくとも１つの磁気ディスク記憶装置、フラッシュメモリ装置などの不揮発性メモリ、または他の揮発性ソリッド記憶装置を含んでもよい。
入力ユニット８５０は、アカウントによって入力された数字や文字列情報を受信し、かつ、デバイス８００のアカウント設置や機能制御に関するキー信号入力を生成するものであってもよい。
いくつかの実施例では、入力ユニット８５０は、タッチパネル８５１および他の入力デバイス８５２を含み得る。
ここで、タッチパネル８５１は、タッチスクリーンとも呼ばれ、タッチパネル８５１上またはその近傍におけるアカウントのタッチ操作（例えば、アカウントが指、タッチペンなどの任意の適切なオブジェクトまたはアクセサリを使用することによるタッチパネル８５１上またはタッチパネル８５１の近傍における操作）を収集し、予め設定されたプログラムに従って対応する接続デバイスを駆動することができる。いくつかの実施例では、タッチパネル８５１は、タッチ検出装置とタッチコントローラの２つの部分を含むことができる。ここで、タッチ検出装置は、アカウントのタッチ位置を検出し、且つタッチ操作による信号を検出し、信号をタッチコントローラに送信する。タッチコントローラは、タッチ検出装置からタッチ情報を受信し、これを接点座標に変換し、さらにプロセッサ８３０に送信し、プロセッサ８３０からの命令を受信して実行することができる。また、タッチパネル８５１は、抵抗式、容量式、赤外線及び表面音波などの複数のタイプを用いて実現することができる。
いくつかの実施例では、他の入力デバイス８５２は、物理キーボード、機能キー（例えば、音量コントロールボタン、スイッチボタンなど）、トラックボール、マウス、操作レバーなどのうちの１つ以上を含み得るが、これらに限定されない。
表示ユニット８６０は、アカウントによって入力された情報、またはアカウントに提供された情報およびデバイス８００の様々なメニューを表示するために使用されてもよい。表示ユニット８６０は、インターフェースを提示し、インタラクションを実現するためのデバイス８００の表示システムである。
表示ユニット８６０は、表示パネル８６１を含むことができ、いくつかの実施例では、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）、有機発光ダイオード（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ-Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ、ＯＬＥＤ）などの形式で表示パネル８６１を構成することができる。
さらに、タッチパネル８５１は、表示パネル８６１を覆い、タッチパネル８５１は、その上または近傍におけるタッチ操作を検出した後、タッチイベントの種類を確定するためにプロセッサ８３０に送信し、この後、プロセッサ８３０は、タッチイベントの種類に応じて表示パネル８６１上に対応する視覚出力を提供する。
図８では、タッチパネル８５１と表示パネル８６１が、デバイス８００の入力と入力機能を実現する２つの別個のコンポーネントとして機能するが、いくつかの実施形態では、タッチパネル８５１と表示パネル８６１とを統合してデバイス８００の入力機能と出力機能を実現することができる。
プロセッサ８３０は、デバイス８００の制御センターであり、各種のインターフェースと回線を利用して各部品を接続し、メモリ８４０内に記憶されたソフトウェアプログラムおよび／またはモジュールを作動または実行し、かつ、メモリ８４０内に記憶されたデータを呼び出して、デバイス８００の各機能を実行しデータを処理することによって、デバイスに基づく様々なサービスを実現する。
いくつかの実施例では、プロセッサ８３０は、１つ以上の処理ユニットを含むことができる。いくつかの実施例では、プロセッサ８３０は、アプリケーションプロセッサとモデムプロセッサを統合でき、ここで、アプリケーションプロセッサは、主にオペレーティングシステム、アカウントインターフェイス、アプリケーションなどを処理し、モデムプロセッサは、主に無線通信を処理する。上述モデムプロセッサは、プロセッサ８３０に統合されなくてもよいことが理解できる。
カメラ８７０は、デバイス８００の撮影機能を実現し、写真や動画を撮影するために使用される。カメラ８７０は、デバイス８００のスキャン機能を実現するためにも使用されてもよく、スキャンオブジェクト（二次元コード／バーコード）をスキャンする。
デバイス８００は、各部品に電力を供給する電源８２０（例えばバッテリーなど）をさらに含む。いくつかの実施例では、電源８２０は、電源管理システムを介してプロセッサ８３０に論理的に接続することによって、電源管理システムにより充電、放電の管理、および電力消費の管理などの機能を実現することができる。
一実施例では、デバイス８００は、１つ以上の特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、デジタル信号処理デバイス（ＤＳＰＤ）、プログラマブルロジックデバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、コントローラ、マイクロコントローラ、マイクロプロセッサ、または他の電子部品によって実現され、次のような操作を実行し、即ち、アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品であり、前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含み、各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含み、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨する。
いくつかの実施例では、前記プロセッサは、具体的に、前記命令を実行することにより次のような操作を実現するように構成され、即ち、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替え、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む
いくつかの実施例では、前記プロセッサは、具体的に、前記命令を実行することにより次のような操作を実現するように構成され、即ち、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得て、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものである
いくつかの実施例では、前記混合並べ替えモデルの訓練プロセスは、複数のタイプのサンプルセットを取得し、前記サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、前記ポジティブサンプルとは、表示後に前記アカウントによってクリック操作が実行された過去のマルチメディア作品を指し、前記ネガティブサンプルとは、表示後に前記アカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指すことと、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定することと、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットとに基づいて、前記混合並べ替えモデルを訓練することと、を含む。
いくつかの実施例では、前記前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットとに基づいて、新たなサンプルセットを生成し、前記新たなサンプルセットに基づいて、混合並べ替えモデルを訓練することは、各前記ポジティブサンプルに対して、その並べ替えスコアと同じ数のターゲットポジティブサンプルを生成することと、前記サンプルセットとターゲットポジティブサンプルとに基づいて、ポジティブサンプル確率確定モデルを訓練し、前記ポジティブサンプル確率確定モデルは、前記ターゲットポジティブサンプルの確率を確定するために使用されることと、前記ターゲットポジティブサンプルの確率と、前記サンプルセット内の各サンプルが前記ポジティブサンプルである確率に基づいて、前記混合並べ替えモデルを訓練することと、を含む。
いくつかの実施例では、前記前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定することは、各前記ポジティブサンプルに対して各前記アカウントによって実行された正のフィードバック操作及びその重みを取得することと、各前記ポジティブサンプルに対して各前記アカウントによって実行された負のフィードバック操作及びその重みを取得することと、取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することと、各前記ポジティブサンプルに対して前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度の重みを確定することと、各前記ポジティブサンプルに対する各前記アカウントの参加度及びその重みに基づいて、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアを確定することと、を含む。
いくつかの実施例では、前記取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することは、各フィードバック操作に対して、現在のフィードバック操作が低周波化フィードバック操作に属すると確定したことに応答して、前記現在のフィードバック操作の前記重みを、ターゲット高周波化フィードバック操作の発生頻度と前記低周波化フィードバック操作の発生頻度との比に調整し、前記ターゲット高周波化フィードバック操作の発生頻度とは、現在取得したすべてのフィードバック操作におけるすべての高周波化フィードバック操作の平均発生頻度を指すことと、各フィードバック操作及びその調整後の重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することと、を含む。
上記のデバイス８００は、サーバーであってもよいし、端末デバイスのような他のデバイスであってもよい。いくつかの実施例では、当該デバイス８００がサーバーであることを例に挙げて説明し、当該サーバーは、作品推奨モジュールおよび作品推奨混合並べ替えモデル訓練モジュールを含み得て、当該作品推奨モジュールおよび作品推奨混合並べ替えモデル訓練モジュールは、互いにフィードバックを呼び出すことができる。例えば、作品推奨混合並べ替えモデル訓練モジュールは、サンプルに基づいて、混合並べ替えモデルを訓練することができ、作品推奨モジュールは、推奨依頼を受信し、当該推奨依頼に応答する場合、作品推奨混合並べ替えモデル訓練モジュールによって訓練された混合並べ替えモデルを呼び出して、当該混合並べ替えモデルに基づいて、第２作品候補セット内のマルチメディア作品を並べ替えすることにより、並べ替え結果を得る。また例えば、当該作品推奨モジュールは、推奨依頼を受信し、推奨依頼に応答して、いくつかのマルチメディア作品を並べ替えして推奨することができる。当該作品推奨混合並べ替えモデル訓練モジュールは、当該作品推奨モジュールを呼び出して、当該作品推奨モジュールの過去の処理データを抽出し、これをサンプルとして混合並べ替えモデルを訓練することができ、又は、当該過去の処理データに基づいて、訓練済み混合並べ替えモデルをさらに訓練して最適化し、最適化された混合並べ替えモデルは、マルチメディア作品を並べ替えするために、作品推奨モジュールによる呼び出しに提供される。
本開示の明細書および請求の範囲並びに上述の図面における用語「第１」、「第２」などは、必ずしも特定の順序または前後の順序を説明するためのものではなく、類似のオブジェクトを区別するためのものである。
本開示の実施例に記載された社会的な関係アイデンティティ情報などを含む、ユーザ情報およびユーザアカウント関連情報を取得することは、ユーザの許可を得ており、ユーザの許可を取得することを前提として、本開示に係る方法、装置、デバイス、および記憶媒体は、ユーザの関連情報を取得することができる。

本開示の実施例では、残存帰属アルゴリズムによって、各ポジティブサンプルに対してアカウントによって実行された正のフィードバック操作の重みまたは負のフィードバック操作の重みを決定し、この後、各フィードバック操作およびその重みに基づいて重み付け演算を行うことにより、各ポジティブサンプルに対する各アカウントの参加度を得ることができる。
図８では、タッチパネル８５１と表示パネル８６１が、デバイス８００の入力と出力機能を実現する２つの別個のコンポーネントとして機能するが、いくつかの実施形態では、タッチパネル８５１と表示パネル８６１とを統合してデバイス８００の入力機能と出力機能を実現することができる。

Claims (14)

  1. アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品であることと、
    前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含むことと、
    各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含むことと、
    前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨することと、
    を含む、
    作品の推奨方法。
  2. 前記前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替えすることは、
    参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替え、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含むことを含む、
    請求項１に記載の作品の推奨方法。
  3. 前記参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替えすることは、
    前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得て、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものであることを含む、
    請求項２に記載の作品の推奨方法。
  4. 複数のタイプのサンプルセットを取得し、前記サンプルセットにはポジティブサンプルとネガティブサンプルが含まれ、前記ポジティブサンプルとは、表示後に前記アカウントによってクリック操作が実行された過去のマルチメディア作品を指し、前記ネガティブサンプルとは、表示後に前記アカウントによってクリック操作が実行されなかった過去のマルチメディア作品を指すことと、
    参加度およびアプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定し、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含むことと、
    前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、混合並べ替えモデルを訓練することと、
    を含む、
    作品推奨混合並べ替えモデルの訓練方法。
  5. 前記前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアと前記サンプルセットに基づいて、混合並べ替えモデルを訓練することは、
    各前記ポジティブサンプルに対して、その並べ替えスコアと同じ数のターゲットポジティブサンプルを生成することと、
    前記サンプルセットとターゲットポジティブサンプルとに基づいて、ポジティブサンプル確率確定モデルを訓練し、前記ポジティブサンプル確率確定モデルは、前記ターゲットポジティブサンプルの確率を確定するために使用されることと、
    前記ターゲットポジティブサンプルの確率と、前記サンプルセット内の各サンプルが前記ポジティブサンプルである確率に基づいて、前記混合並べ替えモデルを訓練することと、
    を含む、
    請求項４に記載の作品推奨混合並べ替えモデルの訓練方法。
  6. 前記参加度およびアプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、前記サンプルセット内の各前記ポジティブサンプルの並べ替えスコアを確定することは、
    各前記ポジティブサンプルに対して各前記アカウントによって実行された正のフィードバック操作及びその重みを取得することと、
    各前記ポジティブサンプルに対して各前記アカウントによって実行された負のフィードバック操作及びその重みを取得することと、
    取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することと、
    各前記ポジティブサンプルに対して前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度の重みを確定することと、
    各前記ポジティブサンプルに対する各前記アカウントの参加度及びその重みに基づいて、前記サンプルセット内の各前記ポジティブサンプルの前記並べ替えスコアを確定することと、
    を含む、
    請求項４に記載の作品推奨混合並べ替えモデルの訓練方法。
  7. 前記取得した正のフィードバック操作及びその重みと負のフィードバック操作及びその重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することは、
    各フィードバック操作に対して、現在のフィードバック操作が低周波化フィードバック操作に属することに応答して、前記現在のフィードバック操作の前記重みを、ターゲット高周波化フィードバック操作の発生頻度と前記低周波化フィードバック操作の発生頻度との比に調整し、前記ターゲット高周波化フィードバック操作の発生頻度とは、現在取得したすべてのフィードバック操作におけるすべての高周波化フィードバック操作の平均発生頻度を指すことと、
    各フィードバック操作及びその調整後の重みに基づいて、各前記ポジティブサンプルに対する各前記アカウントの参加度を確定することと、
    を含む、
    請求項６に記載の作品推奨混合並べ替えモデルの訓練方法。
  8. アプリケーションのログインアカウントから送信された推奨依頼を受信するように構成され、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品である受信モジュールと、
    前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得するように構成され、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含む取得モジュールと、
    各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約するように構成され、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含む選別集約モジュールと、
    前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨するように構成された並べ替えモジュールと、
    を含む、
    作品の推奨装置。
  9. 前記並べ替えモジュールは、参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替えするように構成され、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む請求項８に記載の作品の推奨装置。
  10. 前記並べ替えモジュールは、前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得るように構成され、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものである請求項９に記載の作品の推奨装置。
  11. プロセッサと、
    前記プロセッサによって実行可能な命令を記憶するためのメモリと、
    を含み、
    ここで、前記プロセッサは、前記命令を実行することにより次のような操作を実現するように構成され、即ち、
    アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品であり、
    前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含み、
    各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含み、
    前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨する、
    サーバー。
  12. 前記プロセッサは、具体的に、前記命令を実行することにより次のような操作を実現するように構成され、即ち、
    参加度及びアプリケーションプラットフォームによって設定された推奨案内情報に基づいて、前記第２作品候補セット内のマルチメディア作品を並べ替え、前記参加度は、過去のマルチメディア作品に対してアカウントによって実行された正のフィードバック操作または負のフィードバック操作を表すために使用され、前記推奨案内情報は、過去のマルチメディア作品に対する前記アプリケーションプラットフォームの推奨度を示すための推奨情報または過去のマルチメディア作品に対して正のフィードバック操作を実行するようにアカウントに促すための案内情報のうちの少なくとも１つを含む、
    請求項１１に記載のサーバー。
  13. 前記プロセッサは、具体的に、前記命令を実行することにより次のような操作を実現するように構成され、即ち、
    前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を混合並べ替えモデルに入力することにより、前記複数のタイプのマルチメディア作品の並べ替えシーケンスを得て、前記混合並べ替えモデルは、前記参加度および前記アプリケーションプラットフォームによって設定された前記推奨案内情報に基づいて訓練されて得られるものである、
    請求項１２に記載のサーバー。
  14. 前記記憶媒体における命令がサーバーのプロセッサによって実行されることに応答して、サーバーが次のような操作を実行できるようにし、即ち、
    アプリケーションのログインアカウントから送信された推奨依頼を受信し、ここで、前記推奨依頼は、マルチメディア作品の表示を依頼するために使用され、前記マルチメディア作品は、前記アプリケーションの関連アカウントに基づいて前記ログインアカウントによって発行されたマルチメディア作品であり、
    前記推奨依頼に応答して、複数のタイプの各タイプの第１作品候補セットを取得し、前記第１作品候補セットは、前記関連アカウントによって発行されたマルチメディア作品を含み、
    各前記第１作品候補セットを選別し、選別結果を第２作品候補セットとして集約し、前記第２作品候補セットは、前記複数のタイプのマルチメディア作品を含み、
    前記第２作品候補セット内の前記複数のタイプのマルチメディア作品を並べ替え、並べ替え結果に基づいて、マルチメディア作品を前記ログインアカウントに推奨する、
    記憶媒体。
JP2022547740A 2020-02-20 2021-02-09 作品の推奨方法及びサーバー Pending JP2023512692A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010104322.6A CN111339327B (zh) 2020-02-20 2020-02-20 作品推荐方法及装置、服务器和存储介质
CN202010104322.6 2020-02-20
PCT/CN2021/076195 WO2021164643A1 (zh) 2020-02-20 2021-02-09 作品推荐方法及服务器

Publications (1)

Publication Number Publication Date
JP2023512692A true JP2023512692A (ja) 2023-03-28

Family

ID=71183554

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022547740A Pending JP2023512692A (ja) 2020-02-20 2021-02-09 作品の推奨方法及びサーバー

Country Status (4)

Country Link
US (1) US20220398277A1 (ja)
JP (1) JP2023512692A (ja)
CN (1) CN111339327B (ja)
WO (1) WO2021164643A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339327B (zh) * 2020-02-20 2024-05-07 北京达佳互联信息技术有限公司 作品推荐方法及装置、服务器和存储介质
CN111737579A (zh) * 2020-06-28 2020-10-02 北京达佳互联信息技术有限公司 对象推荐方法、装置及电子设备、存储介质
CN113886674A (zh) * 2020-07-01 2022-01-04 北京达佳互联信息技术有限公司 资源推荐方法、装置、电子设备及存储介质
CN113961792A (zh) * 2020-07-15 2022-01-21 北京达佳互联信息技术有限公司 一种资源推荐系统、方法、电子设备及存储介质
CN111859129B (zh) * 2020-07-20 2024-05-10 游艺星际(北京)科技有限公司 对象推荐方法、装置、电子设备和存储介质
CN111859141B (zh) * 2020-07-28 2023-09-26 北京达佳互联信息技术有限公司 内容推送方法、装置、服务器及存储介质
CN112000821B (zh) * 2020-08-21 2024-03-26 北京达佳互联信息技术有限公司 多媒体信息推送方法、装置、服务器及存储介质
CN112115354A (zh) * 2020-09-02 2020-12-22 北京达佳互联信息技术有限公司 信息处理方法、装置、服务器及存储介质
CN112272302A (zh) * 2020-09-17 2021-01-26 北京达佳互联信息技术有限公司 多媒体资源的展示方法、装置、系统及存储介质
CN112199586A (zh) * 2020-09-29 2021-01-08 北京字节跳动网络技术有限公司 一种作品分发方法、装置、计算机设备及存储介质
CN114329048A (zh) * 2020-09-30 2022-04-12 北京达佳互联信息技术有限公司 素材确定方法、装置及电子设备
CN112269917B (zh) * 2020-10-09 2023-10-31 北京达佳互联信息技术有限公司 一种媒体资源展示方法及装置、设备、系统、存储介质
CN117857884A (zh) * 2024-03-07 2024-04-09 北京字跳网络技术有限公司 多媒体内容的处理方法、装置及终端设备

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9230212B2 (en) * 2012-02-02 2016-01-05 Peel Technologies, Inc. Content based recommendation system
US8996530B2 (en) * 2012-04-27 2015-03-31 Yahoo! Inc. User modeling for personalized generalized content recommendations
WO2015168251A1 (en) * 2014-04-30 2015-11-05 Twitter, Inc. Software development kit platform
CN108460060A (zh) * 2017-02-22 2018-08-28 合网络技术（北京）有限公司 视频推荐方法及装置
US20180336645A1 (en) * 2017-05-22 2018-11-22 Google Inc. Using machine learning to recommend live-stream content
CN107609146B (zh) * 2017-09-21 2020-10-20 北京达佳互联信息技术有限公司 信息展示方法、装置、终端及服务器
CN108334536B (zh) * 2017-11-30 2023-10-24 中国电子科技集团公司电子科学研究院 一种信息推荐方法、设备和存储介质
US11347752B2 (en) * 2018-07-23 2022-05-31 Apple Inc. Personalized user feed based on monitored activities
CN109299370B (zh) * 2018-10-09 2022-03-01 中国科学技术大学 多对级个性化推荐方法
CN109614555A (zh) * 2018-12-27 2019-04-12 腾讯音乐娱乐科技（深圳）有限公司 生成排行榜的方法和装置
CN109902708B (zh) * 2018-12-29 2022-05-10 华为技术有限公司 一种推荐模型训练方法及相关装置
CN110598016B (zh) * 2019-09-11 2021-08-17 腾讯科技（深圳）有限公司 一种多媒体信息推荐的方法、装置、设备和介质
CN111339327B (zh) * 2020-02-20 2024-05-07 北京达佳互联信息技术有限公司 作品推荐方法及装置、服务器和存储介质

Also Published As

Publication number Publication date
CN111339327A (zh) 2020-06-26
CN111339327B (zh) 2024-05-07
WO2021164643A1 (zh) 2021-08-26
US20220398277A1 (en) 2022-12-15

Similar Documents

Publication Publication Date Title
JP2023512692A (ja) 作品の推奨方法及びサーバー
CN108334887B (zh) 一种用户选取方法和装置
CN108197224B (zh) 用户群分类方法、存储介质以及终端
WO2017202238A1 (zh) 一种推广信息的投放方法、装置、系统及存储介质
CN113609392B (zh) 一种内容推荐方法、待推荐内容确定方法和相关装置
CN108280692A (zh) 奖励发放方法、装置、计算机可读存储介质以及终端
US8977642B2 (en) Recommending relevant and personalized content accessing keywords for users of a text messaging service based global textsite platform
WO2016015471A1 (zh) 一种预测用户离网的方法及装置
CN110609957B (zh) 一种进行全局搜索的方法、终端和服务器
CN111125523B (zh) 搜索方法、装置、终端设备及存储介质
WO2014169661A1 (en) Method and system for processing report information
CN111143543A (zh) 一种对象推荐方法、装置、设备及介质
CN103455621A (zh) 一种物流运单号的解析方法、装置和系统
CN110019382A (zh) 用户亲密度指数确定方法、装置、存储介质及电子设备
CN103346921A (zh) 用户管理方法和相关设备及通信系统
CN104978353B (zh) 一种桌面应用的生成控制方法、装置及系统
CN110889036A (zh) 一种多维度信息的处理方法、装置及终端设备
CN113537685A (zh) 一种数据处理方法和装置
US8549086B2 (en) Data clustering
CN106294087B (zh) 一种对业务执行操作的操作频率的统计方法及装置
CN111797308B (zh) 一种资源推荐方法、装置、电子设备及介质
US8990318B2 (en) Message focusing
CN111191143B (zh) 应用推荐方法及装置
CN114430504B (zh) 一种媒体内容的推荐方法以及相关装置
CN105302826A (zh) 订阅界面显示方法、装置及展示端

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220804

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220804

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230719

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230724

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20240304