CN110263188B - 媒体数据评分方法、装置及设备 - Google Patents

Abstract

本申请提供媒体数据评分方法、装置及设备，其中，方法包括：获取第一用户在包含多个媒体数据的平台中的第一喜好标签，所述第一喜好标签为所述第一用户从多个标签中选择的喜欢的标签；获取与所述第一媒体数据关联的信息集合，所述信息集合包括至少一个第二用户对所述第一媒体数据的评价标签和所述至少一个第二用户对所述第一媒体数据的评分；根据所述第一喜好标签与所述评价标签的相似度，以及结合所述第一媒体数据的目标评分确定所述第一用户针对所述第一媒体数据的预测评分。该技术方案可以实现根据用户喜好生成具有针对性的媒体数据评分，使得该评分更能反映用户喜好。

Description

媒体数据评分方法、装置及设备

技术领域

本申请涉及计算机技术领域，尤其涉及媒体数据评分方法、装置及设备。

背景技术

目前每个用户登录媒体数据平台后看到的媒体数据评分都相同，媒体数据平台上显示的媒体数据评分不具有针对性。由于对媒体数据进行评分的用户的多样性以及用户的兴趣爱好差异较大，导致最后的媒体数据评分结果不够准确，一些用户由于喜欢某种类型的媒体数据，可能评分较高，另一些用户可能不喜欢某种类型的媒体数据，可能评分较低，这样简单的评分主观性较强，会影响最后的评分的准确性，且每个用户看到媒体数据的评分都相同，不具有针对性，不便于未观看该媒体数据的用户做出是否观看该媒体数据的选择。

发明内容

本申请实施例提供媒体数据评分方法、装置及设备，解决媒体数据评分不具有针对性的问题。

第一方面，提供媒体数据评分方法，包括：

获取第一用户在包含多个媒体数据的平台中的第一喜好标签，所述第一喜好标签为所述第一用户从多个标签中选择的喜欢的标签，所述多个标签包括所述多个媒体数据中各个媒体数据的标签；

获取与所述第一媒体数据关联的信息集合，所述信息集合包括至少一个第二用户对所述第一媒体数据的评价标签和所述至少一个第二用户对所述第一媒体数据的评分，所述第一媒体数据为未被所述第一用户评分过的媒体数据；

根据所述第一喜好标签与所述评价标签的相似度，以及结合所述第一媒体数据的目标评分确定所述第一用户针对所述第一媒体数据的预测评分，所述目标评分是根据所述信息集合中各个第二用户对所述第一媒体数据的评分确定的。

本申请实施例中，由于第一喜好标签是第一用户选择的喜欢的标签，根据第一用户选择的喜好标签与第二用户对媒体数据的评价标签的相似性确定媒体数据的评分，由于该评分结合了第一用户的喜好，因此该评分具有针对性，能更准确地反映第一用户对该媒体数据的喜好。

结合第一方面，在一种可能的实现方式中，所述获取与所述第一媒体数据关联的信息集合之前，还包括：获取所述第一用户的第一用户信息；从多个用户中筛选出用户信息与所述第一用户信息相匹配的多个第二用户。

结合第一方面，在一种可能的实现方式中，所述获取与所述第一媒体数据关联的信息集合之前，还包括：从多个用户中筛选出喜好标签与所述第一喜好标签相匹配的多个第二用户。

结合第一方面，在一种可能的实现方式中，所述方法还包括：接收所述第一用户对第二媒体数据的评分；在所述第一用户对第二媒体数据的评分高于预设分数阈值且所述第二媒体数据的标签不包含于所述第一喜好标签中，将所述第二媒体数据的标签添加至所述第一喜好标签中。

结合第一方面，在一种可能的实现方式中，所述方法还包括：获取所述第一用户观看过的N个多媒体数据，N为大于1的整数；若所述N个多媒体数据中每个多媒体数据的评价标签中存在目标评价标签，且所述目标评价标签不包含于所述第一喜好标签中，则将所述目标评价标签添加至所述第一喜好标签中。

结合第一方面，在一种可能的实现方式中，所述根据所述第一喜好标签与所述评价标签的相似度，以及结合所述目标评分确定所述第一用户针对所述第一媒体数据的预测评分，包括：在所述相似度大于或等于第一相似度阈值的情况下，确定所述预测评分，所述预测评分大于或等于所述目标评分；在所述相似度大于第二相似度阈值且小于所述第一相似度阈值的情况下，确定所述预测评分，所述预测评分小于所述目标评分，所述第一相似度阈值大于所述第二相似度阈值；在所述相似度小于所述第二相似度阈值的情况下，确定所述预测评分，所述预测评分为所述目标评分。

结合第一方面，在一种可能的实现方式中，所述多个标签包括所述多个媒体数据中各个媒体数据的属性和所述多个媒体数据中各个媒体数据中包含的信息中的至少一个标签。

第二方面，提供媒体数据评分装置，包括：

标签获取模块，用于获取第一用户在包含多个媒体数据的平台中的第一喜好标签，所述第一喜好标签为所述第一用户从多个标签中选择的喜欢的标签，所述多个标签包括所述多个媒体数据中各个媒体数据的标签；

信息集合获取模块，用于获取与所述第一媒体数据关联的信息集合，所述信息集合包括至少一个第二用户对所述第一媒体数据的评价标签和所述至少一个第二用户对所述第一媒体数据的评分，所述第一媒体数据为未被所述第一用户评分过的媒体数据；

评分预测模块，用于根据所述第一喜好标签与所述评价标签的相似度，以及结合所述第一媒体数据的目标评分确定所述第一用户针对所述第一媒体数据的预测评分，所述目标评分是根据所述信息集合中各个第二用户对所述第一媒体数据的评分确定的。

第三方面，提供媒体数据评分设备，包括处理器、存储器、以及输入输出接口，所述处理器、存储器和输入输出接口相互连接，其中，所述输入输出接口用于输入或输出数据，所述存储器用于存储媒体数据评分设备执行上述方法的应用程序代码，所述处理器被配置用于执行上述第一方面的方法。

第四方面，提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种媒体数据评分***结构示意图；

图2是发明实施例提供的一种媒体数据评分方法的流程示意图；

图3是发明实施例提供的另一种媒体数据评分方法的流程示意图；

图4是本申请实施例提供的一种媒体数据评分装置的结构示意图；

图5是本申请实施例提供的一种媒体数据评分设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

本申请实施例的方案适用于预测用户对媒体数据的评分的场景中，在用户未对媒体数据进行评分(以下称为未观看用户)的情况下，根据未观看用户设置的第一喜好标签与信息集合中已对该媒体数据进行评价和评分的用户(以下称为已观看用户)对该媒体数据的评价标签的相似度，以及结合信息集合中已观看用户对该媒体数据的评分，确定未观看用户对该媒体数据的预测评分，由于该预测评分结合了未观看用户的喜好，所以该预测评分能更准确地反映未观看用户对该媒体数据的喜欢程度。

参见图1，图1是本申请实施例提供的一种媒体数据评分***结构示意图，如图所示，媒体数据评分***包括第一用户终端101、媒体数据评分服务器102以及第二用户终端103。第一用户终端101可以用于用户交互，响应用户操作，获取第一用户对媒体数据的评价标签和评分并将评价标签和评分发送至媒体数据评分服务器102，等等。媒体数据评分服务器102可以用于接收第一用户终端101与第二用户终端103发送的用户对媒体数据的评价标签以及评分；还可以用于为第一用户确定出针对该第一用户未评分过的媒体数据的预测评分，并将该预测评分发送至第一用户终端101，等等。第二用户终端103可以用于用户交互，响应用户操作，获取第一用户对媒体数据的评价标签和评分并将评价标签和评分发送至媒体数据评分***102，等等。第一用户终端101和第二用户终端103例如可以为手机、电脑、平板电脑，等等。第一用户终端101的数量可以为多个；第二用户终端103的数量也可以为多个；媒体数据评分服务器102可以为一个，也可以为多个媒体数据评分服务器组成的媒体数据评分服务器组群，该媒体数据评分服务器组群中的多个媒体数据评分服务器可以协同合作完成对用户终端发送的用户对媒体数据的评价标签以及评分的处理。

首先，第一用户通过第一用户终端101在包含多个媒体数据的平台中选择第一喜好标签，第二用户通过第二用户终端103对第一媒体数据进行评价以得到评价标签以及评分，并将该评价标签以及评分发送至媒体数据评分服务器102；接着，媒体数据评分***102获取第一喜好标签以及与第一媒体数据关联的信息集合，根据第一喜好标签与第一媒体数据关联的信息集合中的第二用户的评价标签的相似度，以及结合根据信息集合中的各个第二用户对第一媒体数据的评分确定的目标评分，确定第一用户针对第一媒体数据的预测评分，并将该预测评分发送至第一用户终端101，得到针对第一用户对第一媒体数据的预测评分。

本申请实施例涉及的媒体数据评分装置可以是具备处理能力的设备，例如：平板电脑、手机、电子阅读器、个人计算机(Personal Computer，PC)、笔记本电脑、服务器等设备；或者可以为嵌入在媒体数据评分***中的媒体数据评分模块。本申请实施例对此不做限定。

参见图2，图2是本申请实施例提供的一种媒体数据评分方法的流程示意图，如图所示，该方法包括：

S101，获取第一用户在包含多个媒体数据的平台中的第一喜好标签，第一喜好标签为第一用户从多个标签中选择的喜欢的标签，多个标签包括多个媒体数据中各个媒体数据的标签。

在一种可能的场景中，媒体数据可以为视频，例如电影、电视剧、短视频、综艺节目等；媒体数据的平台可以为用于显示媒体数据以及媒体数据相关信息的平台，例如可以为媒体数据播放器，例如XX视频播放器，或者用于播放媒体数据的插件等。

多个标签可以包括媒体数据的属性(即媒体数据具有的特征)，例如媒体数据的产地(如国产、美剧、韩剧等)、媒体数据的题材(如励志、校园、历史等)、媒体数据的类型(如悬疑、惊悚、喜剧等)。例如，多个标签可以包括国产、美剧、韩剧、励志、校园、历史、悬疑、惊悚、喜剧等，第一喜好标签可以为国产、校园、喜剧等。

可选地，多个标签还可以包括媒体数据中包含的信息，例如媒体数据中包含的信息可以包括媒体数据中演员有哪些、剧情的类型、媒体数据中是否有反转、媒体数据的时长大于或小于某个时长等等。

第一用户为未对第一媒体数据进行评分的用户，第一用户可以在一开始使用该媒体数据的平台时从多个标签中预先选择至少一个标签，以及第一用户也可以随时变更在媒体数据的平台中选择的标签。第一用户的第一喜好标签包括最近一次第一用户选择的标签，可选的，第一喜好标签还包括根据其他方式添加的标签，例如在所述第一用户对某个媒体数据的评分高于预设分数阈值且所述第二媒体数据的标签不包含于所述第一喜好标签中，将所述第二媒体数据的标签添加至所述第一喜好标签中。又如若第一用户观看过的N个多媒体数据中每个多媒体数据的评价标签中存在目标评价标签，且所述目标评价标签不包含于所述第一喜好标签中，则将所述目标评价标签添加至所述第一喜好标签中。

S102，获取与第一媒体数据关联的信息集合，信息集合包括至少一个第二用户对第一媒体数据的评价标签和至少一个第二用户对第一媒体数据的评分，第一媒体数据为未被第一用户评分过的媒体数据。

这里，第二用户为已对第一媒体数据进行评价且评分的用户，通过第二用户对第一媒体数据的评价可以得到第二用户对第一媒体数据的评价标签。例如，第二用户可以对第一媒体数据进行一次或者多次评价以得到第二用户对第一媒体数据的至少一个评价标签。又如，第二用户对第一媒体数据的评分只能有一个评分。

可选地，第二用户对第一媒体数据的评价标签可以为第二用户在媒体数据的平台中选择的标签，该标签可以为预先设置的第一媒体数据的标签。信息集合为与第一媒体数据关联的各个第二用户对第一媒体数据的评价标签和各个第二用户对第一媒体数据的评分组成的集合。

S103，根据第一喜好标签与评价标签的相似度，以及结合第一媒体数据的目标评分确定第一用户针对第一媒体数据的预测评分，目标评分是根据信息集合中各个第二用户对第一媒体数据的评分确定的。

这里，由于每个第二用户对第一媒体数据有一个对应的评分，则多个第二用户对应多个对应的评分。

在一种可能的实现方式中，目标评分可以为多个第二用户中各个第二用户对第一媒体数据的评分的平均值。例如，有5个第二用户对第一媒体数据的评分分别为5.0、6.0、7.0、8.0、9.0，则目标评分为(5.0+6.0+7.0+8.0+9.0)/5＝7.0。

在另一种可能的实现方式中，目标评分可以为多个第二用户中的有效用户对第一媒体数据的评分的平均值。这里，有效用户为第二用户中对第一媒体数据的评价标签中与第一喜好标签有交集的用户。与第一喜好标签有交集即第二用户对第一媒体数据的评价标签中包括第一喜好标签中一个或者多个标签。例如，第一喜好标签包括国产、校园、喜剧，第二用户对第一媒体数据的评价标签包括校园、剧情丰富、好评等，则该第二用户为有效用户。例如有5个有效用户对第一媒体数据的评分分别为5.5、6.0、6.5、8.0、8.5，则目标评分为(5.5+6.0+6.5+8.0+8.5)/5＝6.9。

在另一种可能的实现方式中，目标评分可以为多个第二用户中的普通第二用户的评分、普通第二用户的评分权重、有效用户的评分和有效用户的评分权重的加权平均。可以理解的是，多个第二用户由普通第二用户和有效用户组成(即除了有效用户其他都为普通第二用户)。这里，有效用户为第二用户中对第一媒体数据的评价标签中与第一喜好标签有交集的用户，普通第二用户为除有效用户以外的用户(即普通第二用户对第一媒体数据的评价标签中与第一喜好标签无交集)。

例如，5个第二用户中包括2个普通第二用户对第一媒体数据的评分分别为5.0、6.0，3个有效用户对第一媒体数据的评分分别为7.0、8.0、9.0，普通第二用户的评分权重为0.2、有效用户的评分权重为0.8，则目标评分为(5.0*0.2+6.0*0.2)/2+(7.0*0.8+8.0*0.8+9.0*0.8)/3＝1.1+6.4＝7.5。

这里，相似度为第一喜好标签与评价标签的吻合度，即评价标签中包含第一喜好标签则表示第一喜好标签与评价标签相吻合。

一种可选的方案中，相似度根据第一喜好标签与评价标签中相同标签的数量来确定。举例来说，第一喜好标签为“国产、校园、喜剧、剧情不拖沓、无反转”，评价标签为“国产、校园、喜剧、剧情不拖沓、无反转”，则表示第一喜好标签与评价标签的相似度较高，则相似度可以为80％-100％之中的任一数值；若评价标签包括“国产、校园、喜剧、剧情不拖沓、无反转”中的至少一个，则相似度可以为20％-79％之中的任一数值；若评价标签不包括“国产、校园、喜剧、剧情不拖沓、无反转”中的任意一个，则相似度可以为0-19％之中的任一数值。

另一种可选的方案中，相似度根据第一喜好标签与评价标签中标签含义是否一致来确定。例如，第一喜好标签为“国产、校园、喜剧、剧情不拖沓、无反转”，若评价标签为“美剧、青春、悲剧、剧情拖沓、有反转”，则表示评价标签包含第一喜好标签，由于评价标签与第一喜好标签中标签含义不一致，例如第一喜好标签为“剧情不拖沓”，评价标签为“剧情拖沓”，则表示标签含义不一致，则评价标签与第一喜好标签相似度较低，可以为20％-79％之中的任一数值，例如，25％；若评价标签为“剧情丰富、人物关系复杂、情节精彩”，则表示评价标签不包含第一喜好标签，相似度可以为0-19％之中的任一数值，如0。

根据第一喜好标签与评价标签的相似度，以及结合第一媒体数据的目标评分确定第一用户针对第一媒体数据的预测评分可以有以下几种情况：

第一种情况，在相似度大于或等于第一相似度阈值的情况下，确定预测评分，预测评分大于或等于目标评分。在这种情况下，如第一相似度阈值为80％、目标评分为6.8、相似度为90％，则预测评分可以为8.0或者其他大于或等于6.8的数值。

第二种情况，在相似度大于第二相似度阈值且小于第一相似度阈值的情况下，确定预测评分，预测评分小于目标评分，第一相似度阈值大于第二相似度阈值。在这种情况下，如第一相似度阈值为80％、第二相似度阈值为20％、目标评分为6.8、相似度为50％，则预测评分可以为6.0或者其他小于6.8的正数。

第三种情况，在相似度小于第二相似度阈值的情况下，确定预测评分，预测评分为目标评分。在这种情况下，如第二相似度阈值为20％、目标评分为6.8、相似度为0％，则预测评分为目标评分，即6.8。

在一种可能的情况下，在第一用户未对第一媒体数据进行评分的情况下，第一媒体数据在第一用户的终端中的显示评分为预测评分，在第一用户已对第一媒体数据进行评分的情况下，第一媒体数据在第一用户的终端中的显示评分更新为第一用户对第一媒体数据的评分。

本申请实施例中，由于第一喜好标签是第一用户选择的喜欢的标签，根据第一用户选择的喜好标签与第二用户对媒体数据的评价标签的相似度确定媒体数据的评分，由于该评分结合了第一用户的喜好，因此该评分具有针对性，能更准确地反映第一用户对该媒体数据的喜欢程度。

参见图3，图3是发明实施例提供的另一种媒体数据评分方法的流程示意图，如图所示，该方法包括：

S201，获取第一用户在包含多个媒体数据的平台中的第一喜好标签，第一喜好标签为第一用户从多个标签中选择的喜欢的标签，多个标签包括多个媒体数据中各个媒体数据的标签。

这里，具体获取第一用户在包含多个媒体数据的平台中的第一喜好标签的方法可参考图2对应的实施例中步骤S101的描述，此处不再赘述。

S202，获取第一用户的第一用户信息。

这里，第一用户的第一用户信息可以包括第一用户的性别、年龄、职业、文化程度等。例如，第一用户的第一用户信息可以如表1所示：

第一用户性别	年龄	职业	文化程度
				女	25	教师	本科

表1：第一用户的第一用户信息表(示例)

S203，从多个用户中筛选出用户信息与第一用户信息相匹配的多个第二用户。

这里，可以从媒体数据的平台中获取预先保存的用户信息，用户信息可以包括第二用户的性别、年龄、职业、文化程度等。例如，用户信息可以如表2所示：

用户	用户性别	年龄	职业	文化程度
					用户1	女	28	教师	本科
用户2	男	25	软件工程师	本科
					用户3	女	22	教师	大学专科

表2：用户信息表(示例)

这里，表2中的用户信息与表1中的第一用户信息相匹配的用户为用户1与用户3。这里，由于用户1和用户3的年龄与第一用户的年龄相差较小，性别相同，且职业和学历相近，因此可以认为用户1的用户信息与用户3的用户信息与第一用户信息相匹配。因此可以认为用户1与用户3的喜好和第一用户相近，通过与第一用户喜好相近的用户的评价标签和评分，以及结合目标评分确定第一用户对第一媒体数据的预测评分可以使得该预测评分更能反映第一用户的喜好。

S204，从多个用户中筛选出喜好标签与第一喜好标签相匹配的多个第二用户。

这里，第一喜好标签可以如表3所示：

第一喜好标签

国产

励志

职场

胡歌参演

表3：第一喜好标签表(示例)

喜好标签可以如表4所示：

表4：喜好标签表(示例)

这里，由表3和表4可以看出，喜好标签3与第一喜好标签相同，则喜好标签3与第一喜好标签相匹配；喜好标签4与第一喜好标签相似，则可以认为喜好标签4与第一喜好标签也匹配。因此可以认为第二用户3与第二用户4的喜好和第一用户相近，通过与第一用户喜好相近的用户的评价标签和评分，以及结合目标评分确定第一用户对第一媒体数据的预测评分可以使得该预测评分更能反映第一用户的喜好。

其中，步骤S202和步骤S203是筛选多个第二用户的第一种方式；步骤S204是筛选多个第二用户的第二种方式，第一种方式和第二种方式是两种并列的方式，在图3所示实施例中可以选择其中一种方式进行执行。

S205，获取与第一媒体数据关联的信息集合，信息集合包括至少一个第二用户对第一媒体数据的评价标签和至少一个第二用户对第一媒体数据的评分，第一媒体数据为未被第一用户评分过的媒体数据。

S206，根据第一喜好标签与评价标签的相似度，以及结合第一媒体数据的目标评分确定第一用户针对第一媒体数据的预测评分，目标评分是根据信息集合中各个第二用户对第一媒体数据的评分确定的。

这里，步骤S205-S206的具体实现方式可参考图2对应的实施例中步骤S102-S103的描述，此处不再赘述。

S207，接收第一用户对第二媒体数据的评分。

这里，第二媒体数据为第一用户进行评价且评分后的媒体数据，第二媒体数据的数量可以为多个，每个第二媒体数据对应一个第一用户的评分。

S208，在第一用户对第二媒体数据的评分高于预设分数阈值且第二媒体数据的标签不包含于第一喜好标签中，将第二媒体数据的标签添加至第一喜好标签中。

其中，第二媒体数据的标签包括以下两种情况：

第一种情况，第二媒体数据的标签为媒体数据的平台中预先设定的第二媒体数据的标签。例如媒体数据的属性。

第二种情况，第二媒体数据的标签为第三用户对第二媒体数据进行评价得到的评价标签。

这里，第三用户可以包括以下三种方式确定出的用户：

第一种方式，第三用户为对第二媒体数据评价过的全部用户。

第二种方式，第三用户为步骤S203中确定出的多个用户中用户信息与第一用户信息相匹配的多个第二用户中对第二媒体数据评价过的用户。

第三种方式，第三用户为步骤S204中确定出的多个用户中喜好标签与第一喜好标签相匹配的多个第二用户中对第二媒体数据评价过的用户。

这里，第一喜好标签中包括第一用户选择的标签和媒体数据的平台获取到的第一用户可能喜欢的标签。第一用户选择的标签以第一用户最新选择的标签为准；媒体数据的平台获取到的第一用户可能喜欢的标签可以通过步骤S208得到。

例如，在第一用户进行评价及评分后的第二媒体数据中不包含第一喜好标签的情况下，可以获取媒体数据的平台中的第一用户评分较高的第二媒体数据，并将该第二媒体数据的标签添加至第一喜好标签中的媒体数据的平台获取到的第一用户可能喜欢的标签中。第二媒体数据的标签不包含于第一喜好标签中即第二媒体数据不具有第一喜好标签中的特征。例如，第一喜好标签为“喜剧、剧情丰富、烧脑、有反转”，第二媒体数据为“科幻、悬疑、美剧”，则认为第二媒体数据的标签不包含于第一喜好标签中。

这里，预设分数阈值可以为7.0、7.5、8.0等任意正数。例如有3个第二媒体数据分别为第二媒体数据1、第二媒体数据2、第二媒体数据3，且3个第二媒体数据的标签都不包含于第一喜好标签中，预设分数阈值为6.5，第一用户对第二媒体数据1、2、3的评分分别为5.0、7.0、8.0，则将第二媒体数据2与第二媒体数据3的标签添加至第一喜好标签中的媒体数据的平台获取到的第一用户可能喜欢的标签中。

可选的，在执行步骤S201之后，还可以执行获取所述第一用户观看过的N个多媒体数据，N为大于1的整数；若所述N个多媒体数据中每个多媒体数据的评价标签中存在目标评价标签，且所述目标评价标签不包含于所述第一喜好标签中，则将所述目标评价标签添加至所述第一喜好标签中。例如，获取所述第一用户观看的连续10部电影，如果评价标签均包含国外的标签，那将这个国外的标签添加至第一喜好标签中。

本申请实施例中，可以通过从多个用户中筛选出用户信息与第一用户信息相匹配的第二用户；或者从多个喜好标签中筛选出喜好标签与第一喜好标签相匹配的第二用户，根据第二用户的评价标签与第一喜好标签的相似度以及目标评分确定预测评分，由于第二用户与第一用户具有相同的特征，所以根据第二用户的评价标签以及评分确定的预测评分可以更准确，更能反映第一用户的喜好；在检测到第一用户进行评价以及评分的媒体数据中不包含第一喜好标签的情况下，获取第一用户对媒体数据的评分，在第一用户对媒体数据的评分较高的情况下，可以认为用户喜欢该媒体数据，则将该媒体数据的标签添加至第一喜好标签中，可以实现实时更新第一喜好标签，使得根据第一喜好标签和评价标签的相似度，以及结合目标评分得到的预测评分更准确。

上面介绍了发明实施例的方法，下面介绍发明实施例的装置。

参见图4，图4是本申请实施例提供的一种媒体数据评分装置的组成结构示意图，该装置40包括：

标签获取模块401，用于获取第一用户在包含多个媒体数据的平台中的第一喜好标签，所述第一喜好标签为所述第一用户从多个标签中选择的喜欢的标签，所述多个标签包括所述多个媒体数据中各个媒体数据的标签；

信息集合获取模块402，用于获取与所述第一媒体数据关联的信息集合，所述信息集合包括至少一个第二用户对所述第一媒体数据的评价标签和所述至少一个第二用户对所述第一媒体数据的评分，所述第一媒体数据为未被所述第一用户评分过的媒体数据；

评分预测模块403，用于根据所述第一喜好标签与所述评价标签的相似度，以及结合所述第一媒体数据的目标评分确定所述第一用户针对所述第一媒体数据的预测评分，所述目标评分是根据所述信息集合中各个第二用户对所述第一媒体数据的评分确定的。

在一种可能的设计中，所述装置40还包括：

用户信息匹配模块404，用于获取所述第一用户的第一用户信息；

所述用户信息匹配模块404，还用于从多个用户中筛选出用户信息与所述第一用户信息相匹配的多个第二用户。

在一种可能的设计中，所述装置40还包括：

喜好标签匹配模块405，用于从多个用户中筛选出喜好标签与所述第一喜好标签相匹配的多个第二用户。

在一种可能的设计中，所述装置40还包括：

标签添加模块406，用于接收所述第一用户对第二媒体数据的评分；在所述第一用户对第二媒体数据的评分高于预设分数阈值且所述第二媒体数据的标签不包含于所述第一喜好标签中，将所述第二媒体数据的标签添加至所述第一喜好标签中。

在一种可能的设计中，标签添加模块406，还用于获取所述第一用户观看过的N个多媒体数据，N为大于1的整数；若所述N个多媒体数据中每个多媒体数据的评价标签中存在目标评价标签，且所述目标评价标签不包含于所述第一喜好标签中，则将所述目标评价标签添加至所述第一喜好标签中。

在一种可能的设计中，所述评分预测模块403，具体用于：

在所述相似度大于或等于第一相似度阈值的情况下，确定所述预测评分，所述预测评分大于或等于所述目标评分；

在所述相似度大于第二相似度阈值且小于所述第一相似度阈值的情况下，确定所述预测评分，所述预测评分小于所述目标评分，所述第一相似度阈值大于所述第二相似度阈值；

在所述相似度小于所述第二相似度阈值的情况下，确定所述预测评分，所述预测评分为所述目标评分。

在一种可能的设计中，所述多个标签包括所述多个媒体数据中各个媒体数据的属性和所述多个媒体数据中各个媒体数据中包含的信息中的至少一个标签。

需要说明的是，图4对应的实施例中未提及的内容可参见方法实施例的描述，这里不再赘述。

本申请实施例中，由于第一喜好标签是第一用户选择的喜欢的标签，根据第一用户选择的喜好标签与第二用户对媒体数据的评价标签的相似度确定媒体数据的评分，由于该评分结合了第一用户的喜好，因此该评分具有针对性，能更准确地反映第一用户对该媒体数据的喜欢程度；还可以通过从多个用户中筛选出用户信息与第一用户信息相匹配的第二用户；或者从多个喜好标签中筛选出喜好标签与第一喜好标签相匹配的第二用户，根据第二用户的评价标签与第一喜好标签的相似度以及目标评分确定预测评分，由于第二用户与第一用户具有相同的特征，所以根据第二用户的评价标签以及评分确定的预测评分可以更准确，更能反映第一用户的喜好；在检测到第一用户进行评价以及评分的媒体数据中不包含第一喜好标签的情况下，获取第一用户对媒体数据的评分，在第一用户对媒体数据的评分较高的情况下，可以认为用户喜欢该媒体数据，则将该媒体数据的标签添加至第一喜好标签中，可以实现实时更新第一喜好标签，使得根据第一喜好标签和评价标签的相似度，以及结合目标评分得到的预测评分更准确。

参见图5，图5是本申请实施例提供的一种媒体数据评分设备的组成结构示意图，该设备50包括处理器501、存储器502以及输入输出接口503。处理器501连接到存储器502和输入输出接口503，例如处理器501可以通过总线连接到存储器502和输入输出接口503。

处理器501被配置为支持所述媒体数据评分设备执行图2-图3所述的媒体数据评分方法中相应的功能。该处理器501可以是中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(application specific integrated circuit，ASIC)，可编程逻辑器件(programmable logic device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gate array，FPGA)，通用阵列逻辑(generic array logic，GAL)或其任意组合。

存储器502存储器用于存储程序代码等。存储器502可以包括易失性存储器(volatile memory，VM)，例如随机存取存储器(random access memory，RAM)；存储器502也可以包括非易失性存储器(non-volatile memory，NVM)，例如只读存储器(read-onlymemory，ROM)，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；存储器502还可以包括上述种类的存储器的组合。

所述输入输出接口503用于输入或输出数据。

处理器501可以调用所述程序代码以执行以下操作：

获取第一用户在包含多个媒体数据的平台中的第一喜好标签，所述第一喜好标签为所述第一用户从多个标签中选择的喜欢的标签，所述多个标签包括所述多个媒体数据中各个媒体数据的标签；

获取与所述第一媒体数据关联的信息集合，所述信息集合包括至少一个第二用户对所述第一媒体数据的评价标签和所述至少一个第二用户对所述第一媒体数据的评分，所述第一媒体数据为未被所述第一用户评分过的媒体数据；

根据所述第一喜好标签与所述评价标签的相似度，以及结合所述第一媒体数据的目标评分确定所述第一用户针对所述第一媒体数据的预测评分，所述目标评分是根据所述信息集合中各个第二用户对所述第一媒体数据的评分确定的。

需要说明的是，各个操作的实现还可以对应参照上述方法实施例的相应描述；所述处理器501还可以与输入输出接口503配合执行上述方法实施例中的其他操作。

本申请实施例还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被计算机执行时使所述计算机执行如前述实施例所述的方法，所述计算机可以为上述提到的媒体数据评分设备的一部分。例如为上述的处理器501。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、ROM或RAM等。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (9)

1.一种媒体数据评分方法，其特征在于，包括：

获取第一用户在包含多个媒体数据的平台中的第一喜好标签，所述第一喜好标签为所述第一用户从多个标签中选择的喜欢的标签，所述多个标签包括所述多个媒体数据中各个媒体数据的标签；

获取与第一媒体数据关联的信息集合，所述信息集合包括至少一个第二用户对所述第一媒体数据的评价标签和所述至少一个第二用户对所述第一媒体数据的评分，所述第一媒体数据为未被所述第一用户评分过的媒体数据；

根据所述第一喜好标签与所述评价标签的相似度，以及结合所述第一媒体数据的目标评分确定所述第一用户针对所述第一媒体数据的预测评分，所述目标评分是根据所述信息集合中各个第二用户对所述第一媒体数据的评分确定的；

所述根据所述第一喜好标签与所述评价标签的相似度，以及结合所述目标评分确定所述第一用户针对所述第一媒体数据的预测评分，包括：在所述相似度大于或等于第一相似度阈值的情况下，确定所述预测评分，所述预测评分大于或等于所述目标评分；在所述相似度大于第二相似度阈值且小于所述第一相似度阈值的情况下，确定所述预测评分，所述预测评分小于所述目标评分，所述第一相似度阈值大于所述第二相似度阈值；在所述相似度小于所述第二相似度阈值的情况下，确定所述预测评分，所述预测评分为所述目标评分。

2.根据权利要求1所述的方法，其特征在于，所述获取与所述第一媒体数据关联的信息集合之前，还包括：

获取所述第一用户的第一用户信息；

从多个用户中筛选出用户信息与所述第一用户信息相匹配的多个第二用户。

3.根据权利要求1所述的方法，其特征在于，所述获取与所述第一媒体数据关联的信息集合之前，还包括：

从多个用户中筛选出喜好标签与所述第一喜好标签相匹配的多个第二用户。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

接收所述第一用户对第二媒体数据的评分；

在所述第一用户对第二媒体数据的评分高于预设分数阈值且所述第二媒体数据的标签不包含于所述第一喜好标签中，将所述第二媒体数据的标签添加至所述第一喜好标签中。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述第一用户观看过的N个多媒体数据，N为大于1的整数；

若所述N个多媒体数据中每个多媒体数据的评价标签中存在目标评价标签，且所述目标评价标签不包含于所述第一喜好标签中，则将所述目标评价标签添加至所述第一喜好标签中。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述多个标签包括所述多个媒体数据中各个媒体数据的属性和所述多个媒体数据中各个媒体数据中包含的信息中的至少一个标签。

7.一种媒体数据评分装置，其特征在于，包括：

标签获取模块，用于获取第一用户在包含多个媒体数据的平台中的第一喜好标签，所述第一喜好标签为所述第一用户从多个标签中选择的喜欢的标签，所述多个标签包括所述多个媒体数据中各个媒体数据的标签；

信息集合获取模块，用于获取与第一媒体数据关联的信息集合，所述信息集合包括至少一个第二用户对所述第一媒体数据的评价标签和所述至少一个第二用户对所述第一媒体数据的评分，所述第一媒体数据为未被所述第一用户评分过的媒体数据；

评分预测模块，用于根据所述第一喜好标签与所述评价标签的相似度，以及结合所述第一媒体数据的目标评分确定所述第一用户针对所述第一媒体数据的预测评分，所述目标评分是根据所述信息集合中各个第二用户对所述第一媒体数据的评分确定的；

所述根据所述第一喜好标签与所述评价标签的相似度，以及结合所述目标评分确定所述第一用户针对所述第一媒体数据的预测评分，包括：在所述相似度大于或等于第一相似度阈值的情况下，确定所述预测评分，所述预测评分大于或等于所述目标评分；在所述相似度大于第二相似度阈值且小于所述第一相似度阈值的情况下，确定所述预测评分，所述预测评分小于所述目标评分，所述第一相似度阈值大于所述第二相似度阈值；在所述相似度小于所述第二相似度阈值的情况下，确定所述预测评分，所述预测评分为所述目标评分。

8.一种媒体数据评分设备，包括处理器、存储器以及输入输出接口，所述处理器、存储器和输入输出接口相互连接，其中，所述输入输出接口用于输入或输出数据，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，执行如权利要求1-6任一项所述的方法。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-6任一项所述的方法。

Images