CN110472151A

CN110472151A - 媒体数据推送方法、装置和计算机可读存储介质

Info

Publication number: CN110472151A
Application number: CN201910749535.1A
Authority: CN
Inventors: 杨文强
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2019-08-14
Filing date: 2019-08-14
Publication date: 2019-11-19
Anticipated expiration: 2039-08-14
Also published as: CN110472151B

Abstract

本申请涉及一种媒体数据推送方法、装置和计算机可读存储介质，方法包括：获取第一媒体偏好矩阵；第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建；获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵；根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵；媒体主题矩阵包括第一媒体数据对应的第一媒体主题矩阵和第二媒体数据对应的第二媒体主题矩阵中至少一种；根据媒体主题矩阵和用户偏好主题矩阵，从媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送；媒体数据包括第一媒体数据和第二媒体数据中的至少一种。本申请提供的方案可以提高媒体数据推送准确性。

Description

媒体数据推送方法、装置和计算机可读存储介质

技术领域

本申请涉及信息处理技术领域，特别是涉及一种媒体数据推送方法、装置和计算机可读存储介质。

背景技术

计算机技术的发展，给人们的工作和生活都带来了极大的便利。比如现在发展良好的多媒体平台，为人们提供了多样化的媒体数据。在视频播放领域，当前各大视频平台，长视频平台想去攻占短视频市场，短视频平台想去攻占长视频市场，那么如何利用当前已有的平台数据优势，协助攻克另外一方市场将变的越来越重要。其中，长视频和短视频分别是不同类型的视频。

然而，传统的视频推送方式，主要是通过长视频的主题来推荐长视频，或者通过短视频的主题来推荐短视频，当需要跨类型推荐视频时则会产生数据推送不准确的问题。

发明内容

基于此，有必要针对跨类型推荐视频时则会产生数据推送不准确的技术问题，提供一种媒体数据推送方法、装置、计算机可读存储介质和计算机设备。

一种媒体数据推送方法，包括：

获取第一媒体偏好矩阵；所述第一媒体偏好矩阵，是基于不同用户标识所触发的对不同第一媒体数据的第一用户行为数据所构建；

获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵；

根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵；所述媒体主题矩阵包括第一媒体数据对应的第一媒体主题矩阵和第二媒体数据对应的第二媒体主题矩阵中至少一种；

根据所述媒体主题矩阵和用户偏好主题矩阵，从所述媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送；所述媒体数据包括所述第一媒体数据和所述第二媒体数据中的至少一种。

一种媒体数据推送装置，所述装置包括：

获取模块，用于获取第一媒体偏好矩阵；所述第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建；

所述获取模块还用于获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵；

确定模块，用于根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵；所述媒体主题矩阵包括第一媒体数据对应的第一媒体主题矩阵和第二媒体数据对应的第二媒体主题矩阵中至少一种；

推送模块，用于根据所述媒体主题矩阵和用户偏好主题矩阵，从所述媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送；所述媒体数据包括所述第一媒体数据和所述第二媒体数据中的至少一种。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

上述媒体数据推送方法、装置、计算机可读存储介质和计算机设备，获取第一媒体偏好矩阵和媒体关联矩阵，其中，第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建，媒体关联矩阵用于表示第一媒体数据和第二媒体数据间关联关系。再基于第一媒体数据和媒体关联矩阵进行处理，可以融合用户行为数据及媒体数据间的关联关系，打通了不同的媒体数据，从而得到可以表示媒体数据所属主题类别的媒体主题矩阵、以及可以表示用户对不同主题的偏好程度的用户偏好主题矩阵。进而可根据媒体主题矩阵和用户偏好主题矩阵，从媒体数据中选择用户感兴趣的目标媒体数据进行推送。这样，在进行媒体数据联合推荐时，除了考虑到用户对不同媒体数据的偏好程度，还挖掘出不同媒体数据间的内在联系，打通了不同的媒体数据，从而可向用户推荐感兴趣的资源，大大提升了媒体数据推送的准确率。

附图说明

图1为一个实施例中媒体数据推送方法的应用环境图；

图2为一个实施例中媒体数据推送方法的流程示意图；

图3为一个实施例中获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵的步骤的流程示意图；

图4为一个实施例中根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵的步骤的流程示意图；

图5为一个实施例中根据媒体主题矩阵和用户偏好主题矩阵，从媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送的步骤的流程示意图；

图6为一个实施例中根据媒体主题矩阵和用户偏好主题矩阵，从媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送的步骤的流程示意图；

图7为一个实施例中媒体数据推送方法的流程示意图；

图8为一个实施例中媒体数据推送装置的结构框图；

图9为另一个实施例中媒体数据推送装置的结构框图；

图10为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为一个实施例中媒体数据推送方法的应用环境图。参照图1，该媒体数据推送方法应用于媒体数据推送***。该媒体数据推送***包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

如图2所示，在一个实施例中，提供了一种媒体数据推送方法。本实施例主要以该方法由计算机设备执行来举例说明，该计算机设备具体可以是上述图1中的终端110或服务器120。参照图2，该媒体数据推送方法具体包括如下步骤：

S202，获取第一媒体偏好矩阵；第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建。

其中，媒体偏好矩阵是用户对媒体数据的兴趣矩阵，该矩阵中的各元素对应的值可用于衡量不同用户对不同媒体数据的偏好程度。第一媒体偏好矩阵是用户对第一媒体数据的兴趣矩阵；第二媒体偏好矩阵是用户对第一媒体数据的兴趣矩阵。

媒体数据是用于存储和传递信息的一种媒介，具体可以包括视频数据、音频数据或者音视频数据的结合。在本申请实施例中，媒体数据包括第一媒体数据和第二媒体数据。其中，第一媒体数据和第二媒体数据是不同类型的媒体数据，该“第一”及“第二”仅用于区分不同的媒体数据，并不用于对该媒体数据进行限定。比如，当媒体数据为视频数据时，第一媒体数据具体可以是长视频，第二媒体数据具体可以是短视频；或者，第一媒体数据具体可以是短视频，第二媒体数据具体可以是长视频。其中，长视频是视频总时长大于预设时长的视频数据；短视频是视频总时长小于或等于预设时长的视频数据。该预设时长可以是固定时长或者变动时长，该预设时长具体可以是人为设置的时长，也可以是根据平台上所存储的视频数据进行综合统计所得出的时长，本申请实施例在此不做限定。

用户标识用于唯一标识一个用户，具体可以是包括数字、字母和符号中至少一种字符的字符串。用户行为数据是不同用户标识所触发的对不同媒体数据的行为数据，比如，不同用户标识触发的对不同媒体数据的播放行为，或者不同用户触发的对不同第一媒体数据进行播放的媒体播放时长等。用户行为数据包括第一用户行为数据和第二用户行为数据，其中，第一用户行为数据是不同用户标识触发的对不同第一媒体数据的用户行为数据；第二用户行为数据是不同用户标识触发的对不同第二媒体数据的用户行为数据。

具体的，计算机设备可获取本地存储的、或其他计算机设备所传递的第一媒体偏好矩阵。该第一媒体偏好矩阵是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建。

在一个实施例中，计算机设备可获取不同终端采集的、关于不同用户标识触发的对不同第一媒体数据的第一用户行为数据，并根据该第一用户行为数据来构建关于用户标识和第一媒体标识间的第一媒体偏好矩阵。该第一媒体偏好矩阵具体可以是以不同的用户标识为行，以不同的第一媒体标识为列而构建；或者以不同的用户标识为列，以不同的第一媒体标识为行而构建。其中，媒体标识用于唯一标识一个媒体数据，具体可以是包括数字、字母和符号中至少一种字符的字符串。媒体标识包括第一媒体标识和第二媒体标识，第一媒体标识用于唯一标识一个第一媒体数据；第二媒体标识用于唯一标识一个第二媒体数据。

在一个实施例中，第一用户行为数据包括不同用户标识触发的对不同第一媒体数据的播放行为。步骤S202，也就是获取第一媒体偏好矩阵的步骤包括：对于每个用户标识，将待构建的第一媒体偏好矩阵中与用户标识对应、且与用户标识触发播放行为的第一媒体数据对应的元素的值置为第一值；对于每个用户标识，将待构建的第一媒体偏好矩阵中与用户标识对应、且与用户标识未触发播放行为的第一视频对应的元素的值置为第二值；基于与不同用户标识对应、且与不同第一媒体数据对应的各元素的值，构建第一媒体偏好矩阵。

具体地，计算机设备可预先获取不同终端采集的第一用户行为数据，该第一用户行为数据包括不同用户标识触发的对不同第一媒体数据的播放行为。比如，用户A点击播放了第一媒体数据1；用户B点击播放了第一媒体数据2等。计算机设备可根据用户标识的数量、以及第一媒体标识的数量确定待构建的第一媒体偏好矩阵的结构。

进而，对于每个用户标识，计算机设备可将待构建的第一媒体偏好矩阵中与该用户标识对应、且与该用户标识触发播放行为的第一媒体数据对应的元素的值置为第一值。对于每个用户标识，将待构建的第一媒体偏好矩阵中与该用户标识对应、且与该用户标识未触发播放行为的第一视频对应的元素的值置为第二值。从而计算机设备可基于与不同用户标识对应、且与不同第一媒体数据对应的各元素的值，构建第一媒体偏好矩阵。其中，第一值比如数值1；第二值比如数值0。

举例说明，设待构建的第一媒体偏好矩阵为矩阵P，矩阵P中的元素P_ij表示用户i喜欢第一媒体数据j的程度，P_ij＝1表示用户i播放过第一媒体数据j，否则P_ij＝0。

可以理解，当需要基于不同用户标识触发的对不同第二媒体数据的第二用户行为数据，构建第二媒体偏好矩阵时，也可采用与构建第一媒体偏好矩阵相应的方式，构建第二媒体偏好矩阵。

上述实施例中，可根据用户是否播放过第一媒体数据，可方便快捷地来构建用于衡量用户对第一媒体数据的喜好程度的第一媒体偏好矩阵。

在一个实施例中，第一用户行为数据包括不同用户触发的对不同第一媒体数据进行播放的媒体播放时长。步骤S202，也就是获取第一媒体偏好矩阵等步骤包括：对于每个用户标识，根据相应用户标识所触发的对不同第一媒体数据进行播放的媒体播放时长、及第一媒体数据的总时长，确定相应用户标识与不同第一媒体数据间的用户偏好得分；基于不同用户标识各自分别与不同第一媒体数据间的用户偏好得分，构建第一媒体偏好矩阵。

具体地，计算机设备可预先获取不同终端采集的第一用户行为数据，该第一用户行为数据包括不同用户标识触发的对不同第一媒体数据进行播放的媒体播放时长。比如，用户A点击播放了第一媒体数据1，播放了50分钟；用户B点击播放了第一媒体数据2，播放了3分钟等。计算机设备可根据用户标识的数量、以及第一媒体标识的数量确定待构建等第一媒体偏好矩阵的结构。

进而，对于每个用户标识，计算机设备可根据相应用户标识所触发的对不同第一媒体数据进行播放的媒体播放时长、及第一媒体数据的总时长，确定相应用户标识与不同第一媒体数据间的用户偏好得分。从而，计算机设备可根据用户偏好得分，确定待构建的第一媒体偏好矩阵中相应用户标识和相应第一媒体数据对应的元素的值。在一个实施例中，计算机设备可将该第一媒体数据的媒体播放时长、与该第一媒体数据的总时长的比值，作为相应的用户偏好得分。

举例说明，当用户A点击播放了第一媒体数据1，播放了50分钟，该第一媒体数据的总时长为100分钟，则用户A与第一媒体数据1之间等第一用户偏好得分为0.5。相应的，可将待构建的第一媒体偏好矩阵中与用户A和第一媒体数据1均对应的元素的值置为0.5。进而，基于不同用户标识各自分别与不同第一媒体数据间的第一用户偏好得分，构建第一媒体偏好矩阵。

上述实施例中，可根据用户播放第一媒体数据的媒体播放时长、及该第一媒体数据的总时长，来计算不同用户对不同第一媒体数据的第一用户偏好得分。从而可基于不同用户标识各自分别与不同第一媒体数据间的第一用户偏好得分，方便快捷地构建用于衡量用户对第一媒体数据的喜好程度的第一媒体偏好矩阵。

S204，获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵。

其中，媒体关联矩阵是表示第一媒体数据和第二媒体数据间关联程度的矩阵。该媒体关联矩阵具体可以是以不同的第一媒体标识为行，以不同的第二媒体标识为列而构建；或者以不同的第二媒体标识为行，以不同的第一媒体标识为列而构建。在该媒体关联矩阵中，某个元素的值，可以表示与该元素对应的第一媒体数据和第二媒体数据间的关联程度。

具体地，计算机设备可获取本地存储的、或其他计算机设备所传递的、分别与第一媒体数据和第二媒体数据相关的数据，并基于此确定不同第一媒体数据和不同第二媒体数据各自对应的关联信息，从而依据关联信息构建媒体关联矩阵。其中，关联信息具体可以是第一媒体数据和第二媒体数据间的相关性。

在一个实施例中，步骤S204，也就是获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵的步骤具体包括：

S302，获取不同用户标识触发的对不同第一媒体数据的第一用户行为数据。

具体地，用户可通过用户标识登录提供第一媒体数据的***，并可在登录终端上对第一媒体数据进行相关操作，比如播放第一媒体数据。终端可记录用户的相关操作并反馈至相应的服务器。服务器统计不同用户所对应的登录终端上传的第一用户行为数据，并将相应的第一用户行为数据传递至本申请实施例中媒体数据推送方法的执行主体，也就是该计算机设备。计算机设备可获取不同用户标识触发的对不同第一媒体数据的第一用户行为数据。

S304，获取不同用户标识触发的对不同第二媒体数据的第二用户行为数据；第二媒体数据不同于第一媒体数据。

具体地，用户可通过用户标识登录提供第二媒体数据的***，并可在登录终端上对第二媒体数据进行相关操作，比如播放第二媒体数据。终端可记录用户的相关操作并反馈至相应的服务器。服务器统计不同用户所对应的登录终端上传的第二用户行为数据，并将相应的第二用户行为数据传递至本申请实施例中媒体数据推送方法的执行主体，也就是计算机设备。计算机设备可获取不同用户标识触发的对不同第二媒体数据的第二用户行为数据。其中，第二媒体数据和第二媒体数据是不同的媒体数据。可以理解，提供第一媒体数据的***和提供第二媒体数据的***具体可以是相同的***，也可以是不同的***，本申请实施例在此不做限定。

S306，根据第一用户行为数据和第二用户行为数据，确定表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵。

具体地，计算机设备可根据第一用户行为数据和第二用户行为数据，确定待构建的媒体关联矩阵中与不同第一媒体数据和不同第二媒体数据对应的各元素的值，并依据各个元素的值构建表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵。

在一个实施例中，第一用户行为数据包括不同用户标识触发的对不同第一媒体数据的播放行为；第二用户行为数据包括不同用户标识触发的对不同第二媒体数据的播放行为。步骤S306具体包括：对于每个第一媒体数据，确定触发对第一媒体数据的播放行为的第一用户标识；从第一用户标识中，确定与各第二媒体数据对应、且触发对各第二媒体数据的播放行为的第二用户标识，并统计第二用户标识的数量；根据统计的数量，确定待构建的媒体关联矩阵中与相应第一媒体数据和第二媒体数据对应的元素的值；根据各第一媒体数据分别与各第二媒体数据对应的各元素的值，构建媒体关联矩阵。

具体地，对于每个第一媒体数据，比如第一媒体数据j，计算机设备可确定触发对该第一媒体数据j的播放行为的第一用户标识。从确定的第一用户标识中，确定与第二媒体数据k对应、且触发对第二媒体数据k的播放行为的第二用户标识，并统计第二用户标识的数量。也就是说，第二用户标识所对应的用户，既播放了该第一媒体数据j，又播放了该第二媒体数据k。对于每个第一媒体数据和每个第二媒体数据，计算机设备均可根据上述方式确定相对应的、既触发了播放第一媒体数据又触发播放第二媒体数据的用户标识的数量。计算机设备可根据统计的数量，确定待构建的媒体关联矩阵中与相应第一媒体数据和第二媒体数据对应的元素的值。计算机设备可根据各第一媒体数据分别与各第二媒体数据对应的各元素的值，构建媒体关联矩阵。

在一个实施例中，计算机设备可对统计的各个数量进行归一化处理，得到待构建的媒体关联矩阵中相对应的元素的值。其中，归一化处理，具体可以是将各个数量分别除以一个预设的值，该预设的值具体可以是计算机设备统计出的所有数量的总和。或者，计算机设备可对待构建的媒体关联矩阵中各个元素所对应的数量，除以同一行或同一列所有元素对应数量的和，得到待构建的媒体关联矩阵中相对应的元素的值。

举例说明，设待构建的媒体关联矩阵为矩阵R，其中矩阵R中的元素P_jk可通过以下公式计算得到：P_jk＝f(C)；C表示既触发播放了第一媒体数据j，又触发播放了第二媒体数据k的用户的数量；f表示对C进行归一化处理，使其值范围在[0,1]。

上述实施例中，通过不同用户标识触发的分别对不同第一媒体数据的第一用户行为数据、及对不同第二媒体数据的第二用户行为数据，可从用户的行为方面准确地挖掘出第一媒体数据和第二媒体数据间的关联关系，从而构建媒体关联矩阵。

S206，根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵；媒体主题矩阵包括第一媒体数据对应的第一媒体主题矩阵和第二媒体数据对应的第二媒体主题矩阵中至少一种。

其中，媒体主题矩阵是表示各媒体数据分别所属的主题类别的矩阵，该矩阵中的各元素对应的值可用于衡量不同媒体数据属于不同主题类别的程度。媒体主题矩阵包括第一媒体数据对应的第一媒体主题矩阵和第二媒体数据对应的第二媒体主题矩阵中至少一种。

举例说明，假设媒体数据对应的主题类别有T个，其中T为大于数值一的正整数，可用V表示第一媒体数据对应的第一媒体主题矩阵，其中，矩阵V中的元素V_jt表示第一媒体数据j属于某个主题类别t的概率值，V_j表示第一媒体数据j对应的主题向量。相应地，可用A表示第一媒体数据对应的第一媒体主题矩阵，其中，矩阵A中的元素A_kt表示第二媒体数据k属于主题类别t的概率值，A_k表示第二媒体数据k对应的主题向量。

用户偏好主题矩阵是用户对媒体主题类别的偏好矩阵，该矩阵中的各元素对应的值可用于衡量不同用户对不同主题类别的偏好程度。比如，假设媒体数据对应的主题类别有T个(其中，T为大于数值一的正整数)，可用U表示不同用户对不同主题类别的用户偏好主题矩阵，其中，矩阵U中的元素U_it表示用户i对主题类别t的偏好程度，U_i表示用户i对媒体数据喜好的主题向量。

具体地，计算机设备可通过第一媒体主题矩阵与用户偏好主题矩阵的倒置矩阵的乘积，来表示预测的用户对第一媒体数据的兴趣矩阵，也就是第一预测偏好矩阵。计算机设备可通过第一媒体主题矩阵的倒置矩阵与第二媒体主题矩阵的乘积，来表示预测的第一媒体数据和第二媒体数据间关联关系的预测关联矩阵。当第一媒体主题矩阵与第二媒体主题矩阵越相似，则可认为第一媒体数据和第二媒体数据间的关联性越高。

进而，计算机设备可确定第一媒体偏好矩阵和第一预测偏好矩阵间的第一差异、以及媒体关联矩阵与预测关联矩阵间的第三差异。使第一差异和第三差异满足最小化条件时的第一媒体主题矩阵、第二媒体主题矩阵、及用户偏好主题矩阵，则可认为是贴近预测目标的第一媒体主题矩阵、第二媒体主题矩阵、及用户偏好主题矩阵。进而，计算机设备可根据计算得到的第一媒体主题矩阵、第二媒体主题矩阵、及用户偏好主题矩阵，从媒体数据中筛选符合推送条件的目标媒体数据进行推送。

在一个实施例中，第一媒体数据包括第一视频数据；第一视频数据是视频总时长大于预设时长的视频数据；第二媒体数据包括第二视频数据；第二视频数据是视频总时长小于或等于预设时长的视频数据。

参考下表1，表1为一个实施例中计算得到的用户偏好主题矩阵U。其中，媒体主题包括“青春”、“武侠”、“动作”、“仙侠”、“魔幻”、“爱情”和“宫斗”；用户标识包括“小明”、“小红”和“老李”。表格中矩阵U中各个元素的值表示不同用户对不同媒体主题的偏好程度，从表1可以看出小明比较喜欢“武侠”、“仙侠”、“魔幻”和“动作”主题的视频，小红喜欢“青春”、“宫斗”和“爱情”主题的视频，老李喜欢“武侠”、“动作”、“仙侠”和“魔幻”主题的视频。

表1

参考表2，表2为一个实施例中计算得到的第一媒体主题参数V。其中，媒体主题包括“青春”、“武侠”、“动作”、“仙侠”、“魔幻”、“爱情”和“宫斗”；第一媒体标识包括“长视频1”、“长视频2”和“长视频3”。表格中矩阵V中各个元素的值表示长视频属于不同媒体主题的程度。

表2

参考表3，表3为一个实施例中计算得到的第二媒体主题参数A。其中，媒体主题包括“青春”、“武侠”、“动作”、“仙侠”、“魔幻”、“爱情”和“宫斗”；第一媒体标识包括“短视频1”、“短视频2”和“短视频3”。表格中矩阵A中各个元素的值表示短视频属于不同媒体主题的程度。

表3

根据上述表1表2和表3，可分析得出小明比较喜欢长视频1和短视频1，小红比较喜欢长视频2和短视频2，老李也喜欢长视频1和短视频1。可以理解，上述表格中的矩阵U、V和A仅为示例性的例子，实际中矩阵U、V和A的维度和数值会根据实际情况而发生变化，本申请实施例并不做限定。

在一个实施例中，步骤S206，也就是根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵的步骤，具体包括以下步骤：

S402，根据第一媒体数据对应的第一媒体主题参数、及用户偏好主题参数，构建第一预测偏好矩阵。

可以理解，计算机设备可构建目标函数，也可称作联合模型，通过调整联合模型的参数的值使得联合模型满足预设条件，此时各个参数的值就是后续进行媒体数据推送所需的矩阵。计算机设备可设置联合模型中待调整的参数具体包括与第一媒体数据对应的第一媒体主题参数、与第二媒体数据对应的第二媒体主题参数、及用户偏好主题参数。通过调整这些参数，使得联合模型满足预设条件，此时这些参数的目标值也就是后续进行媒体数据推送时需要用到的第一媒体主题矩阵、第二媒体主题矩阵、及用户偏好主题矩阵。

具体地，计算机设备可将第一媒体主题参数、及用户偏好主题参数，构建第一预测偏好矩阵。比如，计算机设备可将第一媒体主题参数与用户偏好主题参数进行倒置相乘，得到第一预测偏好矩阵。比如，用V表示第一媒体主题参数，用U表示用户偏好主题参数，那么第一预测偏好矩阵可通过U^TV来表示。

S404，根据第一媒体主题参数、及第二媒体数据对应的第二媒体主题参数，构建预测关联矩阵。

具体地，计算机设备可将第一媒体主题参数、及第二媒体主题参数，构建预测关联矩阵。比如，计算机设备可将第一媒体主题参数与第二媒体主题参数进行倒置相乘，得到预测关联矩阵。比如，用V表示第一媒体主题参数，用A表示第二媒体主题参数，那么预测关联矩阵可通过V^TA来表示。

S406，根据第一媒体偏好矩阵与第一预测偏好矩阵的差异、及媒体关联矩阵与预测关联矩阵的差异，构建目标函数。

具体地，计算机设备可确定第一媒体偏好矩阵与第一预测偏好矩阵间的第一差异、及媒体关联矩阵与预测关联矩阵间的第三差异。并对第一差异和第三差异进行加权求和得到目标函数。可以理解，此处的目标函数也可以认为是前述实施例中计算机设备需构建的联合模型，该目标函数中所包括的第一媒体主题参数、第二媒体主题参数、及用户偏好主题参数就是联合模型中的待求解的参数。

在一个实施例中，计算机设备可将第一媒体偏好矩阵与第一预测偏好矩阵的二范数，也就是第一媒体偏好矩阵与第一预测偏好矩阵在空间上的直线距离作为第一差异；将媒体关联矩阵与预测关联矩阵的二范数，也就是媒体关联矩阵与预测关联矩阵在空间上的距离作为第三差异。进而根据第一差异和第三差异构建目标函数。举例说明，计算机设备可采用如下公式构建目标函数J：J＝α||P-U^TV||₂+φ||R-V^TA||₂；其中，α和φ分别为加权系数；P表示第一媒体偏好矩阵；U^TV表示第一预测偏好矩阵；R表示媒体关联矩阵；V^TA表示预测关联矩阵。

S408，通过使目标函数最小化来调整第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

具体地，计算机设备可通过使目标函数最小化来不断、多次地调整第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，当目标函数满足预设条件时停止，从而得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。其中，预设条件具体可以是相邻两次参数调整中目标函数的差异小于预设差异、调整参数后目标函数的值小于预设值、或者到达预设调整次数等。

在一个实施例中，步骤S408，也就是通过使目标函数最小化来调整第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵的步骤具体包括：获取第一媒体主题参数、第二媒体主题参数、以及用户偏好主题参数各自的初始的值；固定第一媒体主题参数和第二媒体主题参数的值，通过使目标函数最小化来调整用户偏好主题参数的值；固定第二媒体主题参数和用户偏好主题参数的值，通过使目标函数最小化来调整第一媒体主题参数的值；固定第一媒体主题参数和用户偏好主题参数的值，通过使目标函数最小化来调整第二媒体主题参数的值；返回固定第一媒体主题参数和第二媒体主题参数的值，通过使目标函数最小化来调整用户偏好主题参数的值的步骤并循环，直到满足预设条件时停止，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

具体地，计算机设备可随机初始化第一媒体主题参数V、第二媒体主题参数A、以及用户偏好主题参数U各自的值。接着进入一下循环步骤来调整各个参数的值。计算机设备可固定第一媒体主题参数V和第二媒体主题参数A的值，通过使目标函数最小化来调整用户偏好主题参数U的值。接着计算机设备可固定第二媒体主题参数A和用户偏好主题参数U的值，通过使目标函数最小化来调整第一媒体主题参数V的值。接着计算机设备可固定第一媒体主题参数V和用户偏好主题参数U的值，通过使目标函数最小化来调整第二媒体主题参数A的值。不断循环上述参数调整的步骤，直到满足预设条件时停止，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

在一个实施中，计算机设备固定部分参数来调整另一个参数的方式，具体可采用随机梯度算法求解另一个参数。可以理解，上述固定部分参数求解另一个参数的顺序也可以是其他的顺序，比如固定V和A，计算U；固定U和V，计算A；再固定U和A，计算V等，本申请实施例在此不做限定。这样，通过固定部分参数求解另一个参数，并不断循环调整的方式，可快速准确地求解得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

可以理解，计算机设备也可采用其他的方式来求解第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。比如，三个参数采用各自预设的学习率，在每次调整时均按相应的学习率进行调整等，本申请实施例在此不做限定。

上述实施例中，根据第一媒体偏好矩阵与第一预测偏好矩阵的差异、及媒体关联矩阵与预测关联矩阵的差异，构建目标函数，通过使目标函数最小化来调整第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，从而可以得到融合了用户行为数据和媒体关联关系的第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

S208，根据媒体主题矩阵和用户偏好主题矩阵，从媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送；媒体数据包括第一媒体数据和第二媒体数据中的至少一种。

具体地，计算机设备可根据第一媒体主题矩阵和用户偏好主题矩阵，从第一媒体主题矩阵对应的第一媒体数据中选择目标媒体数据进行推送。计算机设备还可根据第二媒体主题矩阵和用户偏好主题矩阵，从第二媒体主题矩阵对应的第二媒体数据中选择目标媒体数据进行推送。

在一个实施例中，步骤S208，也就是根据媒体主题矩阵和用户偏好主题矩阵，从媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送的步骤具体包括：

S502，依据第一媒体主题矩阵和用户偏好主题矩阵，确定第一预测偏好矩阵。

具体地，计算机设备可将第一媒体主题矩阵和用户偏好主题矩阵进行倒置相乘，得到第一预测偏好矩阵。比如，计算机设备可将第一媒体主题矩阵的倒置矩阵和用户偏好主题矩阵进行相乘，得到第一预测偏好矩阵。比如，用户i对第一媒体数据j的偏好程度可以表示成U_i ^T·V_j。

S504，对于每个用户标识，从第一预测偏好矩阵所包括的元素中，筛选出与用户标识对应、且元素的值满足推送条件的第一目标元素。

具体地，对于每个用户标识，计算机设备可从第一预测偏好矩阵所包括的元素中，筛选出与该用户标识对应、且元素的值满足推送条件的第一目标元素。其中，满足推送条件的第一目标元素具体可以是值大于或等于预设阈值的元素，或者将与同一个用户标识对应的所有元素按其值进行从大至小排序，排名名次小于预设名次的元素。进一步地，计算机设备可确定与每个用户标识分别对应的第一目标元素。可以理解，在第一预测偏好矩阵中，元素的值越大，表示与该元素对应的用户越喜爱对应的第一媒体数据。

S506，对于每个用户标识，确定与第一目标元素对应的第一目标媒体数据。

具体地，计算机设备可依据第一预测偏好矩阵中各元素各自的对应维度，确定与第一目标元素对应的第一目标媒体数据。

在一个实施例中，对于每个用户标识，计算机设备还可将与第一目标元素对应的第一媒体数据作为候选媒体数据。从该候选媒体数据所构成的集合中筛选出该用户标识未触发播放行为的第一媒体数据作为第一目标媒体数据。相应的，计算机设备可确定与每个用户标识各自对应的第一目标媒体数据。

S508，将确定的第一目标媒体数据推送至相应用户标识对应的终端。

具体地，计算机设备可将与各个用户标识对应的第一目标媒体数据，推送至相应用户标识对应的终端。

上述实施例中，可依据第一媒体主题矩阵和用户偏好主题矩阵，确定不同用户对不同第一媒体数据的预测偏好程度，从而可方便、准确、快捷地筛选出用户感兴趣的第一目标媒体数据推送给用户。

在一个实施例中，步骤S208，也就是根据媒体主题矩阵和用户偏好主题矩阵，从媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送的步骤，包括：

S602，依据第二媒体主题矩阵和用户偏好主题矩阵，确定第二预测偏好矩阵。

具体地，计算机设备可将第二媒体主题矩阵和用户偏好主题矩阵进行倒置相乘，得到第二预测偏好矩阵。比如，计算机设备可将第二媒体主题矩阵的倒置矩阵和用户偏好主题矩阵进行相乘，得到第二预测偏好矩阵。比如，用户i对第二媒体数据k的偏好程度可以表示成U_i ^T·A_k。

S604，对于每个用户标识，从第二预测偏好矩阵所包括的元素中，筛选出与用户标识对应、且元素的值满足推送条件的第二目标元素。

具体地，对于每个用户标识，计算机设备可从第二预测偏好矩阵所包括的元素中，筛选出与该用户标识对应、且元素的值满足推送条件的第二目标元素。其中，满足推送条件的第二目标元素具体可以是值大于或等于预设阈值的元素，或者将与同一个用户标识对应的所有元素按其值进行从大至小排序，排名名次小于预设名次的元素。进一步地，计算机设备可确定与每个用户标识分别对应的第二目标元素。可以理解，在第二预测偏好矩阵中，元素的值越大，表示与该元素对应的用户越喜爱对应的第二媒体数据。

S606，对于每个用户标识，确定与第二目标元素对应的第二目标媒体数据。

具体地，计算机设备可依据第二预测偏好矩阵中各元素各自的对应维度，确定与第二目标元素对应的第二目标媒体数据。

在一个实施例中，对于每个用户标识，计算机设备还可将与第二目标元素对应的第二媒体数据作为候选媒体数据。从该候选媒体数据所构成的集合中筛选出该用户标识未触发播放行为的第二媒体数据作为第二目标媒体数据。相应的，计算机设备可确定与每个用户标识各自对应的第二目标媒体数据。

S608，将确定的第二目标媒体数据推送至相应用户标识对应的终端。

具体地，计算机设备可将与各个用户标识对应的第二目标媒体数据，推送至相应用户标识对应的终端。

上述实施例中，可依据第二媒体主题矩阵和用户偏好主题矩阵，确定不同用户对不同第二媒体数据的预测偏好程度，从而可方便、准确、快捷地筛选出用户感兴趣的第二目标媒体数据推送给用户。

可以理解，计算机设备可根据实际业务需求，当需要向用户推送第一媒体数据时，则可依据第一媒体主题矩阵和用户偏好主题矩阵，从第一媒体数据中筛选出第一目标媒体数据推送给用户。当需要向用户推送第二媒体数据时，则可依据第二媒体主题矩阵和用户偏好主题矩阵，从第二媒体数据中筛选出第二目标媒体数据推送给用户。当都需要时，则可向用户同时推送第一目标媒体数据和第二目标媒体数据。

上述媒体数据推送方法，获取第一媒体偏好矩阵和媒体关联矩阵，其中，第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建，媒体关联矩阵用于表示第一媒体数据和第二媒体数据间关联关系。再基于第一媒体数据和媒体关联矩阵进行处理，可以融合用户行为数据及媒体数据间的关联关系，打通了不同的媒体数据，从而得到可以表示媒体数据所属主题类别的媒体主题矩阵、以及可以表示用户对不同主题的偏好程度的用户偏好主题矩阵。进而可根据媒体主题矩阵和用户偏好主题矩阵，从媒体数据中选择用户感兴趣的目标媒体数据进行推送。这样，在进行媒体数据联合推荐时，除了考虑到用户对不同媒体数据的偏好程度，还挖掘出不同媒体数据间的内在联系，打通了不同的媒体数据，从而可向用户推荐感兴趣的资源，大大提升了媒体数据推送的准确率。

在一个实施例中，步骤S204，也就是获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵的步骤，包括：获取多于一个的第一媒体数据和多于一个的第二媒体数据；对于每个第一媒体数据，当第一媒体数据所属的第一类别标签、与第二媒体数据所属的第二类别标签相匹配时，将待构建的媒体关联矩阵中与第一媒体数据和第二媒体数据均对应的元素的值置为第一值；对于每个第一媒体数据，当第一媒体数据所属的第一类别标签、与第二媒体数据所属的第二类别标签不匹配时，将待构建的媒体关联矩阵中与第一媒体数据和第二媒体数据均对应的元素的值置为第二值；根据各个元素的值构建媒体关联矩阵。

具体地，计算机设备可对第一媒体数据和第二媒体数据分别进行分类处理，得到各个第一媒体数据和各个第二媒体数据各自所属的类别标签。其中，类别标识包括第一类别标签和第二类别标签。当第一媒体数据j所属的第一类别标签、与第二媒体数据k所属的第二类别标签相匹配时，计算机设备可将待构建的媒体关联矩阵中与该第一媒体数据j和该第二媒体数据k均对应的元素的值置为第一值，第一值比如数值1。当第一媒体数据j所属的第一类别标签、与第二媒体数据k所属的第二类别标签不匹配时，计算机设备可将待构建的媒体关联矩阵中与该第一媒体数据j和该第二媒体数据k均对应的元素的值置为第二值，第二值比如数值0。进而计算机设备可根据各个元素的值构建媒体关联矩阵。

在一个实施例中，计算机设备可预先确定第一类别标签和第二类别标签，再根据第一媒体数据所包括的内容对第一媒体数据进行分类，得到第一媒体数据所属的第一类别标签；根据第二媒体数据所包括的内容对第二媒体数据进行分类，得到第一媒体数据所属的第一类别标签。在一个实施例中，计算机设备对媒体数据进行分类的方式具体可通过预训练的机器分类器来实现，该机器分类器可依据媒体数据样本和样本标签训练得到。计算机设备对媒体数据进行分类的方式也可以是其他的分类方式，比如人工分类或依据关键词分类等，本申请实施例在此不做限定。

在一个实施例中，第一类别标签和第二类别标签匹配具体可以是第一类别标签和第二类别标签相同，或者，第一类别标签和第二类别标签的相似度大于或等于预设阈值等。第一类别标签和第二类别标签不匹配具体可以是第一类别标签和第二类别标签不同，或者，第一类别标签和第二类别标签的相似度小于预设阈值等。其中，第一类别标签和第二类别标签的相似度的计算方式有多种，比如将第一类别标签和第二类别标签分别转换成向量，将这两个向量间的距离作为相似度等，本申请实施例在此不做限定。

上述实施例中，根据第一媒体数据和第二媒体数据各自对应的类别标签间的匹配情况，可充分挖掘出第一媒体数据和第二媒体数据的媒体关联模型。

在一个实施例中，步骤S204具体包括以下步骤：获取多于一个的第一媒体数据和多于一个的第二媒体数据；分别确定各第一媒体数据各自所属的第一类别标签、各第二媒体数据各自所属的第二类别标签；计算各第一媒体数据所属的第一类别标签、与各第二媒体数据所属的第二类别标签间的相似度；根据计算得到的各个相似度构建建媒体关联矩阵。

具体地，对于每个第一媒体数据，比如第一媒体数据j、及每个第二媒体数据，比如第二媒体数据k，计算机设备分别确定第一媒体数据j所属的第一类别标签、第二媒体数据k所属的第二类别标签。计算该第一媒体数据j所属的第一类别标签、与该第二媒体数据k所属的第二类别标签间的相似度s。将相似度s作为待构建的媒体关联矩阵中与第一媒体数据j和第二媒体数据k对应的元素的值，从而根据各个元素的值构建媒体关联矩阵。

上述实施例中，根据第一媒体数据和第二媒体数据各自对应的类别标签间的相似性，可充分挖掘出第一媒体数据和第二媒体数据的媒体关联模型。

在一个实施例中，该媒体数据推送方法还包括第二预测偏好矩阵的构建步骤，该步骤包括：获取第二媒体偏好矩阵；第二媒体偏好矩阵，是基于不同用户标识触发的对不同第二媒体数据的第二用户行为数据所构建；根据第二媒体主题参数和用户偏好主题参数，构建第二预测偏好矩阵。步骤S406，也就是根据第一媒体偏好矩阵与第一预测偏好矩阵的差异、及媒体关联矩阵与预测关联矩阵的差异，构建目标函数的步骤，包括：根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异、及媒体关联矩阵与预测关联矩阵的第三差异，构建目标函数。

具体地，计算机设备可获取本地存储的、或其他计算机设备所传递的第二媒体偏好矩阵。该第二媒体偏好矩阵是基于不同用户标识触发的对不同第二媒体数据的第二用户行为数据所构建。计算机设备还可根据第二媒体主题参数和用户偏好主题参数，构建第二预测偏好矩阵。比如，计算机设备可将第二媒体主题参数与用户偏好主题参数进行倒置相乘，得到第二预测偏好矩阵。比如，用A表示第二媒体主题参数，用U表示用户偏好主题参数，那么第二预测偏好矩阵可通过U^TA来表示。

在一个实施例中，计算机设备可获取不同终端采集的、关于不同用户标识触发的对不同第二媒体数据的第二用户行为数据，并根据该第二用户行为数据来构建关于用户标识和第二媒体标识间的第二媒体偏好矩阵。该第二媒体偏好矩阵具体可以是以不同的用户标识为行，以不同的第二媒体标识为列而构建；或者以不同的用户标识为列，以不同的第二媒体标识为行而构建。其中，计算机设备基于第二用户行为数据构建第二媒体偏好矩阵的方式，可以参考前述实施例中计算机设备基于第一用户行为数据构建第一媒体偏好矩阵的方式，在此不在赘述。

进一步地，计算机设备可根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异、及媒体关联矩阵与预测关联矩阵的第三差异，构建目标函数。

在一个实施例中，计算机设备可将第一媒体偏好矩阵与第一预测偏好矩阵的二范数，也就是第一媒体偏好矩阵与第一预测偏好矩阵在空间上的直线距离作为第一差异。计算机设备可将第二媒体偏好矩阵与第二预测偏好矩阵的二范数，也就是第二媒体偏好矩阵与第二预测偏好矩阵在空间上的直线距离作为第二差异。计算机设备可将媒体关联矩阵与预测关联矩阵的二范数，也就是媒体关联矩阵与预测关联矩阵在空间上的距离作为第三差异。进而根据第一差异、第二差异和第三差异构建目标函数。

在一个实施例中，在防止参数的过拟合，计算机设备可根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异、媒体关联矩阵与预测关联矩阵的第三差异、及正则化参数，构建目标函数。具体可将第一差异、第二差异、第三差异和正则化参数进行加权求和，得到目标函数。其中，正则化参数具体可以是第一媒体主题参数、第二媒体主题参数、及用户偏好主题参数各自的二范数的和。

举例说明，计算机设备可采用如下公式构建目标函数J：

J＝α||P-U^TV||₂+β||Q-U^TA||₂+φ||R-V^TA||₂+δ(||U||₂+||V||₂+||A||₂)

其中，α、β、φ和δ分别为加权系数；P表示第一媒体偏好矩阵；U^TV表示第一预测偏好矩阵；Q表示第二媒体偏好矩阵；U^TA表示第二预测偏好矩阵；R表示媒体关联矩阵；V^TA表示预测关联矩阵；U表示用户偏好主题矩阵；V表示第一媒体主题矩阵；A表示第二媒体主题矩阵。

在一个实施例中，根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异、及媒体关联矩阵与预测关联矩阵的第三差异，构建目标函数，包括：根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异，构建用户偏好函数；根据媒体关联矩阵与预测关联矩阵的第三差异，构建关联函数；将关联函数和用户偏好函数进行加权求和处理，得到目标函数。

具体地，计算机设备可根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异，构建用户偏好函数J₁。该用户偏好函数包括了用户对第一媒体数据和第二媒体数据分别的偏好情况。计算机设备可根据媒体关联矩阵与预测关联矩阵的第三差异，构建关联函数J₂。计算机设备可将关联函数和用户偏好函数进行加权求和处理，得到目标函数，比如J＝J₁+J₂。这样可以结合用户分别对第一媒体数据和第二媒体数据的用户行为数据，以及第一媒体数据和第二媒体数据间的关联关系，构造出媒体数据的主题关联模型，也就是目标函数，从而可以提高根据该目标函数所确定参数，进而提高了媒体数据的推送准确性。

上述实施例中，充分利用用户对第一媒体数据的偏好情况和用户对第二媒体数据的偏好情况，同时挖掘第一媒体数据和第二媒体数据间的内在联系，来构造目标函数。从而根据该目标函数所确定的参数来向用户推荐用户感兴趣的媒体数据，大大提高了媒体数据的推送准确性。

在具体应用场景中，第一媒体数据包括第一视频数据；第一视频数据是视频总时长大于预设时长的视频数据；第二媒体数据包括第二视频数据；第二视频数据是视频总时长小于或等于预设时长的视频数据。计算机设备可通过本申请实施例中所提及的媒体数据推送方法，依据用户观看长视频的记录和/或用户观看短视频的记录、及长视频和短视频间的关联关系，来向用户推荐短视频和/或长视频。本方案将打通长短视频的数据，联合长短视频进行推荐，提升用户推荐准确率，提升用户体验。

参考图7，在一个具体地实施例中，提供了一种媒体数据推送方法，本实施例主要以该方法由计算机设备执行来举例说明，该计算机设备具体可以是上述图1中的终端110或服务器120。该媒体数据推送方法包括以下步骤：

S702，对于每个用户标识，将待构建的第一媒体偏好矩阵中与用户标识对应、且与用户标识触发播放行为的第一媒体数据对应的元素的值置为第一值。

S704，对于每个用户标识，将待构建的第一媒体偏好矩阵中与用户标识对应、且与用户标识未触发播放行为的第一视频对应的元素的值置为第二值。

S706，基于与不同用户标识对应、且与不同第一媒体数据对应的各元素的值，构建第一媒体偏好矩阵。

S708，对于每个第一媒体数据，确定触发对第一媒体数据的播放行为的第一用户标识。

S710，从第一用户标识中，确定与各第二媒体数据对应、且触发对各第二媒体数据的播放行为的第二用户标识，并统计第二用户标识的数量。

S712，根据统计的数量，确定待构建的媒体关联矩阵中与相应第一媒体数据和第二媒体数据对应的元素的值。

S714，根据各第一媒体数据分别与各第二媒体数据对应的各元素的值，构建媒体关联矩阵。

S716，根据第一媒体数据对应的第一媒体主题参数、及用户偏好主题参数，构建第一预测偏好矩阵。

S718，根据第一媒体主题参数、及第二媒体数据对应的第二媒体主题参数，构建预测关联矩阵。

S720，获取第二媒体偏好矩阵；第二媒体偏好矩阵，是基于不同用户标识触发的对不同第二媒体数据的第二用户行为数据所构建。

S722，根据第二媒体主题参数和用户偏好主题参数，构建第二预测偏好矩阵。

S724，根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异，构建用户偏好函数。

S726，根据媒体关联矩阵与预测关联矩阵的第三差异，构建关联函数。

S728，将关联函数和用户偏好函数进行加权求和处理，得到目标函数。

S730，通过使目标函数最小化来调整第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

S732，依据第一媒体主题矩阵和用户偏好主题矩阵，确定第一预测偏好矩阵。

S734，对于每个用户标识，从第一预测偏好矩阵所包括的元素中，筛选出与用户标识对应、且元素的值满足推送条件的第一目标元素。

S736，对于每个用户标识，确定与第一目标元素对应的第一目标媒体数据。

S738，将确定的第一目标媒体数据推送至相应用户标识对应的终端。

S740，依据第二媒体主题矩阵和用户偏好主题矩阵，确定第二预测偏好矩阵。

S742，对于每个用户标识，从第二预测偏好矩阵所包括的元素中，筛选出与用户标识对应、且元素的值满足推送条件的第二目标元素。

S744，对于每个用户标识，确定与第二目标元素对应的第二目标媒体数据。

S746，将确定的第二目标媒体数据推送至相应用户标识对应的终端。

图7为一个实施例中媒体数据推送方法的流程示意图。应该理解的是，虽然图7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

如图8所示，在一个实施例中，提供了媒体数据推送装置800，包括获取模块801、确定模块802和推送模块803。

获取模块801，用于获取第一媒体偏好矩阵；第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建。

获取模块801还用于获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵。

确定模块802，用于根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵；媒体主题矩阵包括第一媒体数据对应的第一媒体主题矩阵和第二媒体数据对应的第二媒体主题矩阵中至少一种。

推送模块803，用于根据媒体主题矩阵和用户偏好主题矩阵，从媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送；媒体数据包括第一媒体数据和第二媒体数据中的至少一种。

在一个实施例中，第一用户行为数据包括不同用户标识触发的对不同第一媒体数据的播放行为；获取模块801还用于对于每个用户标识，将待构建的第一媒体偏好矩阵中与用户标识对应、且与用户标识触发播放行为的第一媒体数据对应的元素的值置为第一值；对于每个用户标识，将待构建的第一媒体偏好矩阵中与用户标识对应、且与用户标识未触发播放行为的第一视频对应的元素的值置为第二值；基于与不同用户标识对应、且与不同第一媒体数据对应的各元素的值，构建第一媒体偏好矩阵。

在一个实施例中，第一用户行为数据包括不同用户触发的对不同第一媒体数据进行播放的媒体播放时长；获取模块801还用于对于每个用户标识，根据相应用户标识所触发的对不同第一媒体数据进行播放的媒体播放时长、及第一媒体数据的总时长，确定相应用户标识与不同第一媒体数据间的用户偏好得分；基于不同用户标识各自分别与不同第一媒体数据间的用户偏好得分，构建第一媒体偏好矩阵。

在一个实施例中，获取模块801还用于获取不同用户标识触发的对不同第一媒体数据的第一用户行为数据；获取不同用户标识触发的对不同第二媒体数据的第二用户行为数据；第二媒体数据不同于第一媒体数据；根据第一用户行为数据和第二用户行为数据，确定表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵。

在一个实施例中，第一用户行为数据包括不同用户标识触发的对不同第一媒体数据的播放行为；第二用户行为数据包括不同用户标识触发的对不同第二媒体数据的播放行为；获取模块801还用于对于每个第一媒体数据，确定触发对第一媒体数据的播放行为的第一用户标识；从第一用户标识中，确定与各第二媒体数据对应、且触发对各第二媒体数据的播放行为的第二用户标识，并统计第二用户标识的数量；根据统计的数量，确定待构建的媒体关联矩阵中与相应第一媒体数据和第二媒体数据对应的元素的值；根据各第一媒体数据分别与各第二媒体数据对应的各元素的值，构建媒体关联矩阵。

在一个实施例中，获取模块801还用于获取多于一个的第一媒体数据和多于一个的第二媒体数据；对于每个第一媒体数据，当第一媒体数据所属的第一类别标签、与第二媒体数据所属的第二类别标签相匹配时，将待构建的媒体关联矩阵中与第一媒体数据和第二媒体数据均对应的元素的值置为第一值；对于每个第一媒体数据，当第一媒体数据所属的第一类别标签、与第二媒体数据所属的第二类别标签不匹配时，将待构建的媒体关联矩阵中与第一媒体数据和第二媒体数据均对应的元素的值置为第二值；根据各个元素的值构建媒体关联矩阵。

参考图9，在一个实施例中，确定模块802包括构建单元8021和调整单元8022，其中：

构建单元8021，用于根据第一媒体数据对应的第一媒体主题参数、及用户偏好主题参数，构建第一预测偏好矩阵。

构建单元8021还用于根据第一媒体主题参数、及第二媒体数据对应的第二媒体主题参数，构建预测关联矩阵。

根据第一媒体偏好矩阵与第一预测偏好矩阵的差异、及媒体关联矩阵与预测关联矩阵的差异，构建目标函数。

调整单元8022，用于通过使目标函数最小化来调整第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

在一个实施例中，获取模块801还用于获取第二媒体偏好矩阵；第二媒体偏好矩阵，是基于不同用户标识触发的对不同第二媒体数据的第二用户行为数据所构建。构建单元8021还用于根据第二媒体主题参数和用户偏好主题参数，构建第二预测偏好矩阵；根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异、及媒体关联矩阵与预测关联矩阵的第三差异，构建目标函数。

在一个实施例中，构建单元8021还用于根据第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、第二媒体偏好矩阵与第二预测偏好矩阵的第二差异，构建用户偏好函数；根据媒体关联矩阵与预测关联矩阵的第三差异，构建关联函数；将关联函数和用户偏好函数进行加权求和处理，得到目标函数。

在一个实施例中，调整单元8022还用于获取第一媒体主题参数、第二媒体主题参数、以及用户偏好主题参数各自的初始的值；固定第一媒体主题参数和第二媒体主题参数的值，通过使目标函数最小化来调整用户偏好主题参数的值；固定第二媒体主题参数和用户偏好主题参数的值，通过使目标函数最小化来调整第一媒体主题参数的值；固定第一媒体主题参数和用户偏好主题参数的值，通过使目标函数最小化来调整第二媒体主题参数的值；返回固定第一媒体主题参数和第二媒体主题参数的值，通过使目标函数最小化来调整用户偏好主题参数的值的步骤并循环，直到满足预设条件时停止，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

在一个实施例中，推送模块803还用于依据第一媒体主题矩阵和用户偏好主题矩阵，确定第一预测偏好矩阵；对于每个用户标识，从第一预测偏好矩阵所包括的元素中，筛选出与用户标识对应、且元素的值满足推送条件的第一目标元素；对于每个用户标识，确定与第一目标元素对应的第一目标媒体数据；将确定的第一目标媒体数据推送至相应用户标识对应的终端。

在一个实施例中，推送模块803还用于依据第二媒体主题矩阵和用户偏好主题矩阵，确定第二预测偏好矩阵；对于每个用户标识，从第二预测偏好矩阵所包括的元素中，筛选出与用户标识对应、且元素的值满足推送条件的第二目标元素；对于每个用户标识，确定与第二目标元素对应的第二目标媒体数据；将确定的第二目标媒体数据推送至相应用户标识对应的终端。

上述媒体数据推送装置，获取第一媒体偏好矩阵和媒体关联矩阵，其中，第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建，媒体关联矩阵用于表示第一媒体数据和第二媒体数据间关联关系。再基于第一媒体数据和媒体关联矩阵进行处理，可以融合用户行为数据及媒体数据间的关联关系，打通了不同的媒体数据，从而得到可以表示媒体数据所属主题类别的媒体主题矩阵、以及可以表示用户对不同主题的偏好程度的用户偏好主题矩阵。进而可根据媒体主题矩阵和用户偏好主题矩阵，从媒体数据中选择用户感兴趣的目标媒体数据进行推送。这样，在进行媒体数据联合推荐时，除了考虑到用户对不同媒体数据的偏好程度，还挖掘出不同媒体数据间的内在联系，打通了不同的媒体数据，从而可向用户推荐感兴趣的资源，大大提升了媒体数据推送的准确率。

图10示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110或服务器120。如图10所示，该计算机设备包括该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现媒体数据推送方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行媒体数据推送方法。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的媒体数据推送装置可以实现为一种计算机程序的形式，计算机程序可在如图10所示的计算机设备上运行。计算机设备的存储器中可存储组成该媒体数据推送装置的各个程序模块，比如，图8所示的获取模块、确定模块和推送模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的媒体数据推送方法中的步骤。

例如，图10所示的计算机设备可以通过如图8所示的媒体数据推送装置中的获取模块执行步骤S202和S204。计算机设备可通过确定模块执行步骤S206。计算机设备可通过推送模块执行步骤S208。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述媒体数据推送方法的步骤。此处媒体数据推送方法的步骤可以是上述各个实施例的媒体数据推送方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述媒体数据推送方法的步骤。此处媒体数据推送方法的步骤可以是上述各个实施例的媒体数据推送方法中的步骤。

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一非易失性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，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims

1.一种媒体数据推送方法，包括：

获取第一媒体偏好矩阵；所述第一媒体偏好矩阵，是基于不同用户标识触发的对不同第一媒体数据的第一用户行为数据所构建；

2.根据权利要求1所述的方法，其特征在于，所述第一用户行为数据包括不同用户标识触发的对不同第一媒体数据的播放行为；所述获取第一媒体偏好矩阵包括：

对于每个用户标识，将待构建的第一媒体偏好矩阵中与所述用户标识对应、且与所述用户标识触发播放行为的第一媒体数据对应的元素的值置为第一值；

对于每个用户标识，将待构建的第一媒体偏好矩阵中与所述用户标识对应、且与所述用户标识未触发播放行为的第一视频对应的元素的值置为第二值；

基于与不同用户标识对应、且与不同第一媒体数据对应的各元素的值，构建第一媒体偏好矩阵。

3.根据权利要求1所述的方法，其特征在于，所述第一用户行为数据包括不同用户触发的对不同第一媒体数据进行播放的媒体播放时长；所述获取第一媒体偏好矩阵，包括：

对于每个用户标识，根据相应用户标识所触发的对不同第一媒体数据进行播放的媒体播放时长、及所述第一媒体数据的总时长，确定相应用户标识与不同第一媒体数据间的用户偏好得分；

基于不同用户标识各自分别与不同第一媒体数据间的用户偏好得分，构建第一媒体偏好矩阵。

4.根据权利要求1所述的方法，其特征在于，所述获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵，包括：

获取不同用户标识触发的对不同第一媒体数据的第一用户行为数据；

获取不同用户标识触发的对不同第二媒体数据的第二用户行为数据；所述第二媒体数据不同于所述第一媒体数据；

根据所述第一用户行为数据和所述第二用户行为数据，确定表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵。

5.根据权利要求4所述的方法，其特征在于，所述第一用户行为数据包括不同用户标识触发的对不同第一媒体数据的播放行为；所述第二用户行为数据包括不同用户标识触发的对不同第二媒体数据的播放行为；

所述根据所述第一用户行为数据和所述第二用户行为数据，确定表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵，包括：

对于每个第一媒体数据，确定触发对所述第一媒体数据的播放行为的第一用户标识；

从所述第一用户标识中，确定与各第二媒体数据对应、且触发对各第二媒体数据的播放行为的第二用户标识，并统计所述第二用户标识的数量；

根据统计的所述数量，确定待构建的媒体关联矩阵中与相应第一媒体数据和第二媒体数据对应的元素的值；

根据各第一媒体数据分别与各第二媒体数据对应的各元素的值，构建媒体关联矩阵。

6.根据权利要求1所述的方法，其特征在于，所述获取表示第一媒体数据和第二媒体数据间关联关系的媒体关联矩阵，包括：

获取多于一个的第一媒体数据和多于一个的第二媒体数据；

对于每个第一媒体数据，当所述第一媒体数据所属的第一类别标签、与第二媒体数据所属的第二类别标签相匹配时，将待构建的媒体关联矩阵中与所述第一媒体数据和所述第二媒体数据均对应的元素的值置为第一值；

对于每个第一媒体数据，当所述第一媒体数据所属的第一类别标签、与第二媒体数据所属的第二类别标签不匹配时，将待构建的媒体关联矩阵中与所述第一媒体数据和所述第二媒体数据均对应的元素的值置为第二值；

根据各个元素的值构建媒体关联矩阵。

7.根据权利要求1所述的方法，其特征在于，所述根据第一媒体偏好矩阵和媒体关联矩阵，确定媒体主题矩阵和用户偏好主题矩阵，包括：

根据所述第一媒体数据对应的第一媒体主题参数、及用户偏好主题参数，构建第一预测偏好矩阵；

根据所述第一媒体主题参数、及所述第二媒体数据对应的第二媒体主题参数，构建预测关联矩阵；

根据所述第一媒体偏好矩阵与第一预测偏好矩阵的差异、及所述媒体关联矩阵与预测关联矩阵的差异，构建目标函数；

通过使所述目标函数最小化来调整所述第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

获取第二媒体偏好矩阵；所述第二媒体偏好矩阵，是基于不同用户标识触发的对不同第二媒体数据的第二用户行为数据所构建；

根据所述第二媒体主题参数和用户偏好主题参数，构建第二预测偏好矩阵；

所述根据所述第一媒体偏好矩阵与第一预测偏好矩阵的差异、及所述媒体关联矩阵与预测关联矩阵的差异，构建目标函数，包括：

根据所述第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、所述第二媒体偏好矩阵与第二预测偏好矩阵的第二差异、及所述媒体关联矩阵与预测关联矩阵的第三差异，构建目标函数。

9.根据权利要求8所述的方法，其特征在于，所述根据所述第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、所述第二媒体偏好矩阵与第二预测偏好矩阵的第二差异、及所述媒体关联矩阵与预测关联矩阵的第三差异，构建目标函数，包括：

根据所述第一媒体偏好矩阵与第一预测偏好矩阵的第一差异、所述第二媒体偏好矩阵与第二预测偏好矩阵的第二差异，构建用户偏好函数；

根据所述媒体关联矩阵与预测关联矩阵的第三差异，构建关联函数；

将所述关联函数和所述用户偏好函数进行加权求和处理，得到目标函数。

10.根据权利要求7所述的方法，其特征在于，所述通过使所述目标函数最小化来调整所述第一媒体主题参数、第二媒体主题参数和用户偏好主题参数的值，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵，包括：

获取所述第一媒体主题参数、第二媒体主题参数、以及用户偏好主题参数各自的初始的值；

固定所述第一媒体主题参数和第二媒体主题参数的值，通过使所述目标函数最小化来调整用户偏好主题参数的值；

固定所述第二媒体主题参数和用户偏好主题参数的值，通过使所述目标函数最小化来调整第一媒体主题参数的值；

固定所述第一媒体主题参数和用户偏好主题参数的值，通过使所述目标函数最小化来调整第二媒体主题参数的值；

返回所述固定所述第一媒体主题参数和第二媒体主题参数的值，通过使所述目标函数最小化来调整用户偏好主题参数的值的步骤并循环，直到满足预设条件时停止，得到第一媒体主题矩阵、第二媒体主题矩阵和用户偏好主题矩阵。

11.根据权利要求1所述的方法，其特征在于，所述根据所述媒体主题矩阵和用户偏好主题矩阵，从所述媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送，包括：

依据所述第一媒体主题矩阵和用户偏好主题矩阵，确定第一预测偏好矩阵；

对于每个用户标识，从所述第一预测偏好矩阵所包括的元素中，筛选出与所述用户标识对应、且元素的值满足推送条件的第一目标元素；

对于每个用户标识，确定与所述第一目标元素对应的第一目标媒体数据；

将确定的所述第一目标媒体数据推送至相应用户标识对应的终端。

12.根据权利要求1所述的方法，其特征在于，所述根据所述媒体主题矩阵和用户偏好主题矩阵，从所述媒体主题矩阵对应的媒体数据中选择目标媒体数据进行推送，包括：

依据所述第二媒体主题矩阵和用户偏好主题矩阵，确定第二预测偏好矩阵；

对于每个用户标识，从所述第二预测偏好矩阵所包括的元素中，筛选出与所述用户标识对应、且元素的值满足推送条件的第二目标元素；

对于每个用户标识，确定与所述第二目标元素对应的第二目标媒体数据；

将确定的所述第二目标媒体数据推送至相应用户标识对应的终端。

13.根据权利要求1至12中任一项所述的方法，其特征在于，所述第一媒体数据包括第一视频数据；所述第一视频数据是视频总时长大于预设时长的视频数据；所述第二媒体数据包括第二视频数据；所述第二视频数据是视频总时长小于或等于预设时长的视频数据。

14.一种媒体数据推送装置，其特征在于，所述装置包括：

15.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至13中任一项所述方法的步骤。