CN106227834B - 多媒体资源的推荐方法及装置 - Google Patents

Abstract

本发明涉及多媒体资源的推荐方法及装置。该方法包括：将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源；根据第一类多媒体资源的历史点击数据确定第一类多媒体资源的点击量预估值；查找与第二类多媒体资源匹配的第一类多媒体资源，计算第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，并根据匹配度与所匹配的第一类多媒体资源的点击量预估值计算第二类多媒体资源的点击量预估值；根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐。根据本发明的多媒体资源的推荐方法及装置能够使新上传的多媒体资源也有机会被推荐，由此提高了多媒体资源的推荐准确度，从而提高了多媒体资源的推荐效果。

Description

多媒体资源的推荐方法及装置

技术领域

本发明涉及信息技术领域，尤其涉及一种多媒体资源的推荐方法及装置。

背景技术

现有的视频推荐技术主要包括基于点击量的视频推荐技术、基于上传时间的视频推荐技术和基于文本信息的视频推荐技术。其中，文本信息指的是视频的标题和/或上传者为视频添加的描述信息。在现有的基于点击量的视频推荐技术中，一些新上传的、点击量较少的视频难以被推荐。现有的基于上传时间的视频推荐技术没有考虑视频的热度，推荐效果较差。在现有的基于文本信息的视频推荐技术中，由于一些视频的文本信息与视频内容的相关性较低，导致视频推荐的准确度较低。

发明内容

技术问题

有鉴于此，本发明要解决的技术问题是，现有的多媒体资源的推荐技术的推荐效果较差的问题。

解决方案

为了解决上述技术问题，根据本发明的一实施例，提供了一种多媒体资源的推荐方法，包括：

将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源；

对于每个所述第一类多媒体资源，根据所述第一类多媒体资源的历史点击数据确定所述第一类多媒体资源的点击量预估值；

对于每个所述第二类多媒体资源，查找与所述第二类多媒体资源匹配的第一类多媒体资源，计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，并根据所述匹配度与所匹配的第一类多媒体资源的点击量预估值计算所述第二类多媒体资源的点击量预估值；

根据所述待推荐的多媒体资源的点击量预估值对所述待推荐的多媒体资源进行推荐。

对于上述方法，在一种可能的实现方式中，将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，包括：

分别获取每个待推荐的多媒体资源的历史点击数据；

对于每个所述待推荐的多媒体资源，根据所述待推荐的多媒体资源的历史点击数据判断所述待推荐的多媒体资源的当前点击量是否处于下降期，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

对于上述方法，在一种可能的实现方式中，将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，包括：

分别获取每个待推荐的多媒体资源的上传时间；

对于每个所述待推荐的多媒体资源，判断所述待推荐的多媒体资源的上传时间距离当前***时间的时间长度是否大于第一预设值，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

对于上述方法，在一种可能的实现方式中，对于每个所述第一类多媒体资源，根据所述第一类多媒体资源的历史点击数据确定所述第一类多媒体资源的点击量预估值，包括：

对于每个所述第一类多媒体资源，获取所述第一类多媒体资源的历史点击数据；

根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数；

根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值。

对于上述方法，在一种可能的实现方式中，根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数，包括：

根据第一类多媒体资源i的历史点击数据，采用式1训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

f(t)＝V_i0×e^θt 式1；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，f(0)＝V_i0；当t＞0时，t表示在所述指定日期前的第t天，f(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量；当t＜0时，t表示在所述指定日期后的第-t天，f(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值；

根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值，包括：

采用训练后的式1计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值。

对于上述方法，在一种可能的实现方式中，根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数，包括：

根据第一类多媒体资源i的历史点击数据，采用式2训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

g(t)＝lg(V_i0×e^θt) 式2；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，g(0)＝lgV_i0；当t＞0时，t表示在所述指定日期前的第t天，g(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量的对数值；当t＜0时，t表示在所述指定日期后的第-t天，g(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值；

根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值，包括：

采用训练后的式2计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值。

对于上述方法，在一种可能的实现方式中，对于每个所述第二类多媒体资源，查找与所述第二类多媒体资源匹配的第一类多媒体资源，计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，包括：

对于每个所述第二类多媒体资源，根据所述第二类多媒体资源的指定信息查找与所述第二类多媒体资源匹配的第一类多媒体资源；所述指定信息包括以下至少一项：上传时间、时间长度和上传者信息；

根据所述第二类多媒体资源的指定信息和所匹配的第一类多媒体资源的指定信息计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度。

对于上述方法，在一种可能的实现方式中，根据所述匹配度与所匹配的第一类多媒体资源的点击量预估值计算所述第二类多媒体资源的点击量预估值，具体为：

将所述匹配度与所匹配的第一类多媒体资源的点击量预估值的乘积作为所述第二类多媒体资源的点击量预估值。

对于上述方法，在一种可能的实现方式中，根据所述待推荐的多媒体资源的点击量预估值对所述待推荐的多媒体资源进行推荐，包括：

根据所述待推荐的多媒体资源的点击量预估值从高到低的顺序对所有所述待推荐的多媒体资源进行排序；

从排序后的所有所述待推荐的多媒体资源中取出排序在前的M个所述待推荐的多媒体资源进行推荐，其中，M的大小预先设置。

为了解决上述技术问题，根据本发明的另一实施例，提供了一种多媒体资源的推荐装置，包括：

划分模块，用于将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源；

第一点击量预估值确定模块，用于对于每个所述第一类多媒体资源，根据所述第一类多媒体资源的历史点击数据确定所述第一类多媒体资源的点击量预估值；

第二点击量预估值确定模块，用于对于每个所述第二类多媒体资源，查找与所述第二类多媒体资源匹配的第一类多媒体资源，计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，并根据所述匹配度与所匹配的第一类多媒体资源的点击量预估值计算所述第二类多媒体资源的点击量预估值；

推荐模块，用于根据所述待推荐的多媒体资源的点击量预估值对所述待推荐的多媒体资源进行推荐。

对于上述装置，在一种可能的实现方式中，所述划分模块包括：

历史点击数据获取子模块，用于分别获取每个待推荐的多媒体资源的历史点击数据；

第一划分子模块，用于对于每个所述待推荐的多媒体资源，根据所述待推荐的多媒体资源的历史点击数据判断所述待推荐的多媒体资源的当前点击量是否处于下降期，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

对于上述装置，在一种可能的实现方式中，所述划分模块包括：

上传时间获取子模块，用于分别获取每个待推荐的多媒体资源的上传时间；

第二划分子模块，用于对于每个所述待推荐的多媒体资源，判断所述待推荐的多媒体资源的上传时间距离当前***时间的时间长度是否大于第一预设值，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

对于上述装置，在一种可能的实现方式中，所述第一点击量预估值确定模块包括：

历史点击数据获取子模块，用于对于每个所述第一类多媒体资源，获取所述第一类多媒体资源的历史点击数据；

时间衰减系数训练子模块，用于根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数；

第一点击量预估值计算子模块，用于根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值。

对于上述装置，在一种可能的实现方式中，所述时间衰减系数训练子模块具体用于：

根据第一类多媒体资源i的历史点击数据，采用式1训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

f(t)＝V_i0×e^θt 式1；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，f(0)＝V_i0；当t＞0时，t表示在所述指定日期前的第t天，f(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量；当t＜0时，t表示在所述指定日期后的第-t天，f(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值；

所述第一点击量预估值计算子模块具体用于：

采用训练后的式1计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值。

对于上述装置，在一种可能的实现方式中，所述时间衰减系数训练子模块具体用于：

根据第一类多媒体资源i的历史点击数据，采用式2训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

g(t)＝lg(V_i0×e^θt) 式2；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，g(0)＝lgV_i0；当t＞0时，t表示在所述指定日期前的第t天，g(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量的对数值；当t＜0时，t表示在所述指定日期后的第-t天，g(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值；

所述第一点击量预估值计算子模块具体用于：

采用训练后的式2计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值。

对于上述装置，在一种可能的实现方式中，所述第二点击量预估值确定模块包括：

匹配子模块，用于对于每个所述第二类多媒体资源，根据所述第二类多媒体资源的指定信息查找与所述第二类多媒体资源匹配的第一类多媒体资源；所述指定信息包括以下至少一项：上传时间、时间长度和上传者信息；

匹配度计算子模块，用于根据所述第二类多媒体资源的指定信息和所匹配的第一类多媒体资源的指定信息计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度。

对于上述装置，在一种可能的实现方式中，所述第二点击量预估值确定模块包括：

第二点击量预估值计算子模块，用于将所述匹配度与所匹配的第一类多媒体资源的点击量预估值的乘积作为所述第二类多媒体资源的点击量预估值。

对于上述装置，在一种可能的实现方式中，所述推荐模块包括：

排序子模块，用于根据所述待推荐的多媒体资源的点击量预估值从高到低的顺序对所有所述待推荐的多媒体资源进行排序；

推荐子模块，用于从排序后的所有所述待推荐的多媒体资源中取出排序在前的M个所述待推荐的多媒体资源进行推荐，其中，M的大小预先设置。

有益效果

通过将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，根据第一类多媒体资源的历史点击数据确定第一类多媒体资源的点击量预估值，根据与第二类多媒体资源匹配的第一类多媒体资源的点击量预估值以及两者之间的匹配度计算第二类多媒体资源的点击量预估值，再根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐，根据本发明实施例的多媒体资源的推荐方法及装置能够使新上传的多媒体资源也有机会被推荐，由此提高了多媒体资源的推荐准确度，从而提高了多媒体资源的推荐效果。

根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。

图1示出根据本发明一实施例的多媒体资源的推荐方法的实现流程图；

图2示出根据本发明一实施例的多媒体资源的推荐方法步骤S101的一示例性的具体实现流程图；

图3示出根据本发明一实施例的多媒体资源的推荐方法步骤S101的另一示例性的具体实现流程图；

图4示出根据本发明一实施例的多媒体资源的推荐方法步骤S102的一示例性的具体实现流程图；

图5示出根据本发明一实施例的多媒体资源的推荐方法步骤S103中对于每个第二类多媒体资源，查找与该第二类多媒体资源匹配的第一类多媒体资源，计算该第二类多媒体资源与所匹配的第一类多媒体资源的匹配度的一示例性的具体实现流程图；

图6示出根据本发明一实施例的多媒体资源的推荐方法步骤S104的一示例性的具体实现流程图；

图7示出根据本发明另一实施例的多媒体资源的推荐装置的结构框图；

图8示出根据本发明另一实施例的多媒体资源的推荐装置的一示例性的结构框图；

图9示出了本发明的另一个实施例的一种多媒体资源的推荐设备的结构框图。

具体实施方式

以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。

实施例1

图1示出根据本发明一实施例的多媒体资源的推荐方法的实现流程图。如图1所示，该方法主要包括：

在步骤S101中，将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源。

在本发明实施例中，多媒体可以为多种媒体的综合，例如包括文本、声音和图像。例如，本发明实施例的多媒体资源可以为视频，在此不作限定。

作为本发明实施例的一个示例，在步骤S101之前，该方法还包括：从多媒体资源库中筛选出待推荐的多媒体资源。例如，待推荐的多媒体资源可以为多媒体资源库中不包含敏感信息的多媒体资源。待推荐的多媒体资源也可以根据其他筛选需求从多媒体资源库中筛选，在此不作限定。

在本发明实施例中，可以将所有待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，并对于第一类多媒体资源和第二类多媒体资源分别采用不同的方法计算其点击量预估值。

在步骤S102中，对于每个第一类多媒体资源，根据该第一类多媒体资源的历史点击数据确定该第一类多媒体资源的点击量预估值。

在步骤S103中，对于每个第二类多媒体资源，查找与该第二类多媒体资源匹配的第一类多媒体资源，计算该第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，并根据匹配度与所匹配的第一类多媒体资源的点击量预估值计算该第二类多媒体资源的点击量预估值。

在本发明实施例中，对于每个第一类多媒体资源，分别根据该第一类多媒体资源的历史点击数据确定该第一类多媒体资源的点击量预估值。对于每个第二类多媒体资源，分别查找与该第二类多媒体资源匹配的第一类多媒体资源。例如，对于第二类多媒体资源v₁，若查找到与该第二类多媒体资源v₁匹配的第一类多媒体资源v₂，则计算第二类多媒体资源v₁与第一类多媒体资源v₂的匹配度，再根据匹配度以及第一类多媒体资源v₂的点击量预估值计算第二类多媒体资源v₁的点击量预估值。

在步骤S104中，根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐。

其中，待推荐的多媒体资源包括第一类多媒体资源和第二类多媒体资源。

在一种可能的实现方式中，可以结合待推荐的多媒体资源的点击量预估值和应用场景对待推荐的多媒体资源进行推荐。其中，应用场景可以包括应用平台信息和频道信息。例如，应用平台可以包括网页端和APP(Application，应用)端。根据应用平台的不同，用于进行推荐的待推荐的多媒体资源的个数可能不同。频道可以包括新闻频道、综艺频道和体育频道等。根据频道的不同，用于进行推荐的待推荐的多媒体资源也可能不同。

图2示出根据本发明一实施例的多媒体资源的推荐方法步骤S101的一示例性的具体实现流程图。如图2所示，将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，包括：

在步骤S201中，分别获取每个待推荐的多媒体资源的历史点击数据。

在步骤S202中，对于每个待推荐的多媒体资源，根据该待推荐的多媒体资源的历史点击数据判断该待推荐的多媒体资源的当前点击量是否处于下降期，若是，则将该待推荐的多媒体资源确定为第一类多媒体资源，否则将该待推荐的多媒体资源确定为第二类多媒体资源。

其中，待推荐的的多媒体资源的当前点击量处于下降期可以指该待推荐的多媒体资源随着时间的推后其点击量呈现下降的趋势。

图3示出根据本发明一实施例的多媒体资源的推荐方法步骤S101的另一示例性的具体实现流程图。如图3所示，将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，包括：

在步骤S301中，分别获取每个待推荐的多媒体资源的上传时间。

在步骤S302中，对于每个待推荐的多媒体资源，判断该待推荐的多媒体资源的上传时间距离当前***时间的时间长度是否大于第一预设值，若是，则将该待推荐的多媒体资源确定为第一类多媒体资源，否则将该待推荐的多媒体资源确定为第二类多媒体资源。

例如，第一预设值可以为48小时，在此不作限定。

图4示出根据本发明一实施例的多媒体资源的推荐方法步骤S102的一示例性的具体实现流程图。如图4所示，对于每个第一类多媒体资源，根据该第一类多媒体资源的历史点击数据确定该第一类多媒体资源的点击量预估值，包括：

在步骤S401中，对于每个第一类多媒体资源，获取该第一类多媒体资源的历史点击数据。

在步骤S402中，根据该第一类多媒体资源的历史点击数据训练该第一类多媒体资源的时间衰减系数。

在步骤S403中，根据该第一类多媒体资源的历史点击数据和时间衰减系数计算该第一类多媒体资源的点击量预估值。

在一种可能的实现方式中，根据该第一类多媒体资源的历史点击数据训练该第一类多媒体资源的时间衰减系数，包括：根据第一类多媒体资源i的历史点击数据，采用式1训练第一类多媒体资源i的时间衰减系数θ，其中，第一类多媒体资源i的历史点击数据包括第一类多媒体资源i在指定日期之前的点击量；

f(t)＝V_i0×e^θt 式1；

其中，V_i0表示第一类多媒体资源i在指定日期的点击量；t＝0表示指定日期，f(0)＝V_i0；当t＞0时，t表示在指定日期前的第t天，f(t)表示第一类多媒体资源i在指定日期前的第t天的点击量；当t＜0时，t表示在指定日期后的第-t天，f(t)表示第一类多媒体资源i在指定日期后的第-t天的点击量预估值。

例如，第一类多媒体资源i的历史点击数据包括第一类多媒体资源i在指定日期的点击量以及第一类多媒体资源i在指定日期之前15天的点击量。t＝1表示指定日期的前一天，f(1)表示第一类多媒体资源i在指定日期的前一天的点击量，t＝2表示指定日期的前两天，f(2)表示第一类多媒体资源i在指定日期的前两天的点击量，以此类推，t＝15表示指定日期的前15天，f(15)表示第一类多媒体资源i在指定日期的前15天的点击量。在采用式1训练第一类多媒体资源i的时间衰减系数θ时，对于t＞0，式1中的f(t)、V_i0和t是已知的，根据f(t)、V_i0和t可以训练得到第一类多媒体资源i的时间衰减系数θ。根据第一类多媒体资源i的历史点击数据还可以对时间衰减系数θ进行校正。

根据该第一类多媒体资源的历史点击数据和时间衰减系数计算该第一类多媒体资源的点击量预估值，包括：采用训练后的式1计算第一类多媒体资源i在指定日期后的第-t天的点击量预估值。

t＝-1表示指定日期的前一天，f(-1)表示第一类多媒体资源i在指定日期的前一天的点击量。在训练得到第一类多媒体资源i的时间衰减系数θ后，对于t＜0，式1中的V_i0、θ和t是已知的，从而能计算出在指定日期后的某天的点击量预估值。例如，采用训练后的式1计算第一类多媒体资源i在指定日期后的第-t天的点击量预估值，可以为：采用训练后的式1计算f(-1)，将f(-1)确定为第一类多媒体资源i的点击量预估值。

在一种可能的实现方式中，根据该第一类多媒体资源的历史点击数据训练该第一类多媒体资源的时间衰减系数，包括：根据第一类多媒体资源i的历史点击数据，采用式2训练第一类多媒体资源i的时间衰减系数θ，其中，第一类多媒体资源i的历史点击数据包括第一类多媒体资源i在指定日期之前的点击量；

g(t)＝lg(V_i0×e^θt) 式2；

其中，V_i0表示第一类多媒体资源i在指定日期的点击量；t＝0表示指定日期，g(0)＝lgV_i0；当t＞0时，t表示在指定日期前的第t天，g(t)表示第一类多媒体资源i在指定日期前的第t天的点击量的对数值；当t＜0时，t表示在指定日期后的第-t天，g(t)表示第一类多媒体资源i在指定日期后的第-t天的点击量预估值的对数值。

根据该第一类多媒体资源的历史点击数据和时间衰减系数计算该第一类多媒体资源的点击量预估值，包括：采用训练后的式2计算第一类多媒体资源i在指定日期后的第-t天的点击量预估值的对数值。

在该示例中，对点击量取对数，从而降低数值，便于计算和存储。在该示例中，根据式2计算得到的第一类多媒体资源i在指定日期后的第-t天的点击量预估值的对数值可以作为第一类多媒体资源i的rank(排序)值。通过计算新上传的多媒体资源的rank值，能够让更多新上传的优质的多媒体资源得到曝光。

图5示出根据本发明一实施例的多媒体资源的推荐方法步骤S103中对于每个第二类多媒体资源，查找与该第二类多媒体资源匹配的第一类多媒体资源，计算该第二类多媒体资源与所匹配的第一类多媒体资源的匹配度的一示例性的具体实现流程图。如图5所示，对于每个第二类多媒体资源，查找与该第二类多媒体资源匹配的第一类多媒体资源，计算该第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，包括：

在步骤S501中，对于每个第二类多媒体资源，根据该第二类多媒体资源的指定信息查找与该第二类多媒体资源匹配的第一类多媒体资源；指定信息包括以下至少一项：上传时间、时间长度和上传者信息。

在步骤S502中，根据该第二类多媒体资源的指定信息和所匹配的第一类多媒体资源的指定信息计算该第二类多媒体资源与所匹配的第一类多媒体资源的匹配度。

其中，第二类多媒体资源与所匹配的第一类多媒体资源的匹配度大于0且小于或等于1。

作为本发明实施例的一个示例，第二类多媒体资源与第一类多媒体资源的上传时间越接近，则两者之间的匹配度越高。

作为本发明实施例的一个示例，第二类多媒体资源与第一类多媒体资源的时间长度越接近，则两者之间的匹配度越高。时间长度指的是待推荐的多媒体资源的时间长度，例如，若该待推荐的多媒体资源为视频，则该待推荐的多媒体资源的时间长度可以指的是视频长度。

作为本发明实施例的一个示例，若第二类多媒体资源与第一类多媒体资源的上传者相同，则第二类多媒体资源与第一类多媒体资源的匹配度较高。

作为本发明实施例的一个示例，第二类多媒体资源与所匹配的第一类多媒体资源的匹配度根据上传时间、时间长度和上传者信息确定，其中，上传时间对于匹配度的权重为λ₁，时间长度对于匹配度的权重为λ₂，上传者信息对于匹配度的权重为λ₃。

在一种可能的实现方式中，根据匹配度与所匹配的第一类多媒体资源的点击量预估值计算该第二类多媒体资源的点击量预估值，具体为：将匹配度与所匹配的第一类多媒体资源的点击量预估值的乘积作为该第二类多媒体资源的点击量预估值。

图6示出根据本发明一实施例的多媒体资源的推荐方法步骤S104的一示例性的具体实现流程图。如图6所示，根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐，包括：

在步骤S601中，根据待推荐的多媒体资源的点击量预估值从高到低的顺序对所有待推荐的多媒体资源进行排序。

在步骤S602中，从排序后的所有待推荐的多媒体资源中取出排序在前的M个待推荐的多媒体资源进行推荐，其中，M的大小预先设置。

作为本发明实施例的一个示例，根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐，包括：由式1计算得到待推荐的多媒体资源的点击量预估值，根据待推荐的多媒体资源的点击量预估值从高到低的顺序对所有待推荐的多媒体资源进行排序，再从排序后的所有待推荐的多媒体资源中取出排序在前的M个待推荐的多媒体资源进行推荐。

作为本发明实施例的另一个示例，根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐，包括：由式2计算得到待推荐的多媒体资源的点击量预估值的对数值，根据待推荐的多媒体资源的点击量预估值的对数值从高到低的顺序对所有待推荐的多媒体资源进行排序，再从排序后的所有待推荐的多媒体资源中取出排序在前的M个待推荐的多媒体资源进行推荐。

这样，通过将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，根据第一类多媒体资源的历史点击数据确定第一类多媒体资源的点击量预估值，根据与第二类多媒体资源匹配的第一类多媒体资源的点击量预估值以及两者之间的匹配度计算第二类多媒体资源的点击量预估值，再根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐，根据本发明实施例的多媒体资源的推荐方法能够使新上传的多媒体资源也有机会被推荐，由此提高了多媒体资源的推荐准确度，从而提高了多媒体资源的推荐效果。

实施例2

图7示出根据本发明另一实施例的多媒体资源的推荐装置的结构框图。该装置可以用于运行图1所示的多媒体资源的推荐方法。为了便于说明，在图7中仅示出了与本发明实施例相关的部分。

如图7所示，该装置包括：划分模块71，用于将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源；第一点击量预估值确定模块72，用于对于每个所述第一类多媒体资源，根据所述第一类多媒体资源的历史点击数据确定所述第一类多媒体资源的点击量预估值；第二点击量预估值确定模块73，用于对于每个所述第二类多媒体资源，查找与所述第二类多媒体资源匹配的第一类多媒体资源，计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，并根据所述匹配度与所匹配的第一类多媒体资源的点击量预估值计算所述第二类多媒体资源的点击量预估值；推荐模块74，用于根据所述待推荐的多媒体资源的点击量预估值对所述待推荐的多媒体资源进行推荐。

图8示出根据本发明另一实施例的多媒体资源的推荐装置的一示例性的结构框图。该装置可以用于运行图1至图6所示的多媒体资源的推荐方法。为了便于说明，在图8中仅示出了与本示例相关的部分。图8中标号与图7相同的组件具有相同的功能，为简明起见，省略对这些组件的详细说明。如图8所示：

在一种可能的实现方式中，所述划分模块71包括：历史点击数据获取子模块711，用于分别获取每个待推荐的多媒体资源的历史点击数据；第一划分子模块712，用于对于每个所述待推荐的多媒体资源，根据所述待推荐的多媒体资源的历史点击数据判断所述待推荐的多媒体资源的当前点击量是否处于下降期，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

在一种可能的实现方式中，所述划分模块71包括：上传时间获取子模块713，用于分别获取每个待推荐的多媒体资源的上传时间；第二划分子模块714，用于对于每个所述待推荐的多媒体资源，判断所述待推荐的多媒体资源的上传时间距离当前***时间的时间长度是否大于第一预设值，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

在一种可能的实现方式中，所述第一点击量预估值确定模块72包括：历史点击数据获取子模块721，用于对于每个所述第一类多媒体资源，获取所述第一类多媒体资源的历史点击数据；时间衰减系数训练子模块722，用于根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数；第一点击量预估值计算子模块723，用于根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值。

在一种可能的实现方式中，所述时间衰减系数训练子模块722具体用于：

根据第一类多媒体资源i的历史点击数据，采用式1训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

f(t)＝V_i0×e^θt 式1；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，f(0)＝V_i0；当t＞0时，t表示在所述指定日期前的第t天，f(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量；当t＜0时，t表示在所述指定日期后的第-t天，f(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值；

所述第一点击量预估值计算子模块723具体用于：

采用训练后的式1计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值。

在一种可能的实现方式中，所述时间衰减系数训练子模块722具体用于：

根据第一类多媒体资源i的历史点击数据，采用式2训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

g(t)＝lg(V_i0×e^θt) 式2；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，g(0)＝lgV_i0；当t＞0时，t表示在所述指定日期前的第t天，g(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量的对数值；当t＜0时，t表示在所述指定日期后的第-t天，g(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值；

所述第一点击量预估值计算子模块723具体用于：

采用训练后的式2计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值。

在一种可能的实现方式中，所述第二点击量预估值确定模块73包括：匹配子模块731，用于对于每个所述第二类多媒体资源，根据所述第二类多媒体资源的指定信息查找与所述第二类多媒体资源匹配的第一类多媒体资源；所述指定信息包括以下至少一项：上传时间、时间长度和上传者信息；匹配度计算子模块732，用于根据所述第二类多媒体资源的指定信息和所匹配的第一类多媒体资源的指定信息计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度。

在一种可能的实现方式中，所述第二点击量预估值确定模块73包括：

第二点击量预估值计算子模块733，用于将所述匹配度与所匹配的第一类多媒体资源的点击量预估值的乘积作为所述第二类多媒体资源的点击量预估值。

在一种可能的实现方式中，所述推荐模块74包括：排序子模块741，用于根据所述待推荐的多媒体资源的点击量预估值从高到低的顺序对所有所述待推荐的多媒体资源进行排序；推荐子模块742，用于从排序后的所有所述待推荐的多媒体资源中取出排序在前的M个所述待推荐的多媒体资源进行推荐，其中，M的大小预先设置。

需要说明的是，这样，通过将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，根据第一类多媒体资源的历史点击数据确定第一类多媒体资源的点击量预估值，根据与第二类多媒体资源匹配的第一类多媒体资源的点击量预估值以及两者之间的匹配度计算第二类多媒体资源的点击量预估值，再根据待推荐的多媒体资源的点击量预估值对待推荐的多媒体资源进行推荐，根据本发明实施例的多媒体资源的推荐装置能够使新上传的多媒体资源也有机会被推荐，由此提高了多媒体资源的推荐准确度，从而提高了多媒体资源的推荐效果。

实施例3

图9示出了本发明的另一个实施例的一种多媒体资源的推荐设备的结构框图。所述多媒体资源的推荐设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对计算节点的具体实现做限定。

所述多媒体资源的推荐设备1100包括处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和总线1140。其中，处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。

通信接口1120用于与网络设备通信，其中网络设备包括例如虚拟机管理中心、共享存储等。

处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU，或者是专用集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器1130用于存放文件。存储器1130可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可按一定的规则组合成虚拟卷。

在一种可能的实施方式中，上述程序可为包括计算机操作指令的程序代码。该程序具体可用于：实现实施例1中各步骤的操作。

本领域普通技术人员可以意识到，本文所描述的实施例中的各示例性单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件形式来实现，取决于技术方案的特定应用和设计约束条件。专业技术人员可以针对特定的应用选择不同的方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

如果以计算机软件的形式来实现所述功能并作为独立的产品销售或使用时，则在一定程度上可认为本发明的技术方案的全部或部分(例如对现有技术做出贡献的部分)是以计算机软件产品的形式体现的。该计算机软件产品通常存储在计算机可读取的非易失性存储介质中，包括若干指令用以使得计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各实施例方法的全部或部分步骤。而前述的存储介质包括U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种多媒体资源的推荐方法，其特征在于，包括：

将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源；

对于每个所述第一类多媒体资源，根据所述第一类多媒体资源的历史点击数据确定所述第一类多媒体资源的点击量预估值；

对于每个所述第二类多媒体资源，查找与所述第二类多媒体资源匹配的第一类多媒体资源，计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，并根据所述匹配度与所匹配的第一类多媒体资源的点击量预估值计算所述第二类多媒体资源的点击量预估值；

根据所述待推荐的多媒体资源的点击量预估值对所述待推荐的多媒体资源进行推荐；

其中，将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源，包括：

分别获取每个待推荐的多媒体资源的历史点击数据；对于每个所述待推荐的多媒体资源，根据所述待推荐的多媒体资源的历史点击数据判断所述待推荐的多媒体资源的当前点击量是否处于下降期，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源；

或者，

分别获取每个待推荐的多媒体资源的上传时间；对于每个所述待推荐的多媒体资源，判断所述待推荐的多媒体资源的上传时间距离当前***时间的时间长度是否大于第一预设值，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

2.根据权利要求1所述的方法，其特征在于，对于每个所述第一类多媒体资源，根据所述第一类多媒体资源的历史点击数据确定所述第一类多媒体资源的点击量预估值，包括：

对于每个所述第一类多媒体资源，获取所述第一类多媒体资源的历史点击数据；

根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数；

根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值。

3.根据权利要求2所述的方法，其特征在于，根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数，包括：

根据第一类多媒体资源i的历史点击数据，采用式1训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

f(t)＝V_i0×e^θt 式1；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，f(0)＝V_i0；当t＞0时，t表示在所述指定日期前的第t天，f(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量；当t＜0时，t表示在所述指定日期后的第-t天，f(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值；

根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值，包括：

采用训练后的式1计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值。

4.根据权利要求2所述的方法，其特征在于，根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数，包括：

根据第一类多媒体资源i的历史点击数据，采用式2训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

g(t)＝lg(V_i0×e^θt) 式2；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，g(0)＝lg V_i0；当t＞0时，t表示在所述指定日期前的第t天，g(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量的对数值；当t＜0时，t表示在所述指定日期后的第-t天，g(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值；

根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值，包括：

采用训练后的式2计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值。

5.根据权利要求1所述的方法，其特征在于，对于每个所述第二类多媒体资源，查找与所述第二类多媒体资源匹配的第一类多媒体资源，计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，包括：

对于每个所述第二类多媒体资源，根据所述第二类多媒体资源的指定信息查找与所述第二类多媒体资源匹配的第一类多媒体资源；所述指定信息包括以下至少一项：上传时间、时间长度和上传者信息；

根据所述第二类多媒体资源的指定信息和所匹配的第一类多媒体资源的指定信息计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度。

6.根据权利要求1至5任意一项所述的方法，其特征在于，根据所述匹配度与所匹配的第一类多媒体资源的点击量预估值计算所述第二类多媒体资源的点击量预估值，具体为：

将所述匹配度与所匹配的第一类多媒体资源的点击量预估值的乘积作为所述第二类多媒体资源的点击量预估值。

7.根据权利要求1至5任意一项所述的方法，其特征在于，根据所述待推荐的多媒体资源的点击量预估值对所述待推荐的多媒体资源进行推荐，包括：

根据所述待推荐的多媒体资源的点击量预估值从高到低的顺序对所有所述待推荐的多媒体资源进行排序；

从排序后的所有所述待推荐的多媒体资源中取出排序在前的M个所述待推荐的多媒体资源进行推荐，其中，M的大小预先设置。

8.一种多媒体资源的推荐装置，其特征在于，包括：

划分模块，用于将待推荐的多媒体资源划分为第一类多媒体资源和第二类多媒体资源；

第一点击量预估值确定模块，用于对于每个所述第一类多媒体资源，根据所述第一类多媒体资源的历史点击数据确定所述第一类多媒体资源的点击量预估值；

第二点击量预估值确定模块，用于对于每个所述第二类多媒体资源，查找与所述第二类多媒体资源匹配的第一类多媒体资源，计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度，并根据所述匹配度与所匹配的第一类多媒体资源的点击量预估值计算所述第二类多媒体资源的点击量预估值；

推荐模块，用于根据所述待推荐的多媒体资源的点击量预估值对所述待推荐的多媒体资源进行推荐；

其中，所述划分模块包括历史点击数据获取子模块和第一划分子模块，或者，所述划分模块包括上传时间获取子模块和第二划分子模块；

所述历史点击数据获取子模块，用于分别获取每个待推荐的多媒体资源的历史点击数据；

所述第一划分子模块，用于对于每个所述待推荐的多媒体资源，根据所述待推荐的多媒体资源的历史点击数据判断所述待推荐的多媒体资源的当前点击量是否处于下降期，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源；

所述上传时间获取子模块，用于分别获取每个待推荐的多媒体资源的上传时间；

所述第二划分子模块，用于对于每个所述待推荐的多媒体资源，判断所述待推荐的多媒体资源的上传时间距离当前***时间的时间长度是否大于第一预设值，若是，则将所述待推荐的多媒体资源确定为第一类多媒体资源，否则将所述待推荐的多媒体资源确定为第二类多媒体资源。

9.根据权利要求8所述的装置，其特征在于，所述第一点击量预估值确定模块包括：

历史点击数据获取子模块，用于对于每个所述第一类多媒体资源，获取所述第一类多媒体资源的历史点击数据；

时间衰减系数训练子模块，用于根据所述第一类多媒体资源的历史点击数据训练所述第一类多媒体资源的时间衰减系数；

第一点击量预估值计算子模块，用于根据所述第一类多媒体资源的历史点击数据和所述时间衰减系数计算所述第一类多媒体资源的点击量预估值。

10.根据权利要求9所述的装置，其特征在于，所述时间衰减系数训练子模块具体用于：

根据第一类多媒体资源i的历史点击数据，采用式1训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

f(t)＝V_i0×e^θt 式1；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，f(0)＝V_i0；当t＞0时，t表示在所述指定日期前的第t天，f(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量；当t＜0时，t表示在所述指定日期后的第-t天，f(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值；

所述第一点击量预估值计算子模块具体用于：

采用训练后的式1计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值。

11.根据权利要求9所述的装置，其特征在于，所述时间衰减系数训练子模块具体用于：

根据第一类多媒体资源i的历史点击数据，采用式2训练所述第一类多媒体资源i的时间衰减系数θ，其中，所述第一类多媒体资源i的历史点击数据包括所述第一类多媒体资源i在指定日期之前的点击量；

g(t)＝lg(V_i0×e^θt) 式2；

其中，V_i0表示所述第一类多媒体资源i在所述指定日期的点击量；t＝0表示所述指定日期，g(0)＝lg V_i0；当t＞0时，t表示在所述指定日期前的第t天，g(t)表示所述第一类多媒体资源i在所述指定日期前的第t天的点击量的对数值；当t＜0时，t表示在所述指定日期后的第-t天，g(t)表示所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值；

所述第一点击量预估值计算子模块具体用于：

采用训练后的式2计算所述第一类多媒体资源i在所述指定日期后的第-t天的点击量预估值的对数值。

12.根据权利要求8所述的装置，其特征在于，所述第二点击量预估值确定模块包括：

匹配子模块，用于对于每个所述第二类多媒体资源，根据所述第二类多媒体资源的指定信息查找与所述第二类多媒体资源匹配的第一类多媒体资源；所述指定信息包括以下至少一项：上传时间、时间长度和上传者信息；

匹配度计算子模块，用于根据所述第二类多媒体资源的指定信息和所匹配的第一类多媒体资源的指定信息计算所述第二类多媒体资源与所匹配的第一类多媒体资源的匹配度。

13.根据权利要求8至12任意一项所述的装置，其特征在于，所述第二点击量预估值确定模块包括：

第二点击量预估值计算子模块，用于将所述匹配度与所匹配的第一类多媒体资源的点击量预估值的乘积作为所述第二类多媒体资源的点击量预估值。

14.根据权利要求8至12任意一项所述的装置，其特征在于，所述推荐模块包括：

排序子模块，用于根据所述待推荐的多媒体资源的点击量预估值从高到低的顺序对所有所述待推荐的多媒体资源进行排序；

推荐子模块，用于从排序后的所有所述待推荐的多媒体资源中取出排序在前的M个所述待推荐的多媒体资源进行推荐，其中，M的大小预先设置。

Images