CN111191056A - 一种多媒体推荐方法及装置 - Google Patents
一种多媒体推荐方法及装置 Download PDFInfo
- Publication number
- CN111191056A CN111191056A CN202010002148.4A CN202010002148A CN111191056A CN 111191056 A CN111191056 A CN 111191056A CN 202010002148 A CN202010002148 A CN 202010002148A CN 111191056 A CN111191056 A CN 111191056A
- Authority
- CN
- China
- Prior art keywords
- multimedia
- information
- user
- similarity
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000013598 vector Substances 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请的实施例提供一种多媒体推荐方法及装置,涉及多媒体领域,能够解决多媒体推荐准确度较低的问题。具体的,多媒体推荐装置先获取第一信息和第二信息;第一信息和第二信息分别为用户相似度、多媒体相似度和搜索记录中的一个,且第二信息与第一信息不同。其次,多媒体推荐装置根据第一信息,确定第一多媒体集合,并根据第二信息,确定第二多媒体集合,以及确定第一多媒体集合和第二多媒体集合的交集。最后,多媒体推荐装置为目标用户推荐上述交集中的至少一个待推荐多媒体。多媒体推荐装置综合考虑用户相似度、多媒体相似度和搜索记录,确定待推荐多媒体,有效地提高了推荐的准确度。
Description
技术领域
本申请的实施例涉及多媒体领域,尤其涉及一种多媒体推荐方法及装置。
背景技术
多媒体推荐是近年来较为常见和热门的课题之一。目前,主要采用机器学习中常用的推荐算法为用户推荐多媒体。
常用的推荐算法包括基于内容的推荐(即根据用户与多媒体之间的关系推荐)、协同过滤推荐(即根据用户与用户之间的关系推荐,或者根据多媒体与多媒体之间关系推荐)、基于关联规则推荐(即根据多媒体与多媒体之间关系推荐)等。
上述推荐算法均在对用户进行多媒体推荐时仅考虑某一个维度,因此,采用上述算法进行多媒体推荐时,存在推荐不准确的问题。
发明内容
本申请提供一种多媒体推荐方法及装置,解决了多媒体推荐的准确度较低的问题。
第一方面,提供一种多媒体推荐方法,多媒体推荐装置先获取第一信息和第二信息,这里的第一信息和第二信息分别为用户相似度(目标用户与每一个其他用户之间的相似度)、多媒体相似度(第一多媒体与每一个其他多媒体之间的相似度,第一多媒体为目标用户在第一预设时间段播放的多媒体)和搜索记录(目标用户在第二预设时间段内的搜索记录)中的一个,且第二信息与第一信息不同。之后,多媒体推荐装置根据第一信息,确定第一多媒体集合,并根据第二信息,确定第二多媒体集合,以及确定第一多媒体集合和第二多媒体集合的交集。这样,多媒体推荐装置即可为目标用户推荐上述交集中的至少一个待推荐多媒体。
可以看出,本申请中的多媒体推荐装置综合考虑了用户相似度、多媒体相似度和搜索记录,基于这些因素为目标用户确定待推荐多媒体。相比于现有技术,本申请提供的多媒体推荐方法有效地提高了推荐的准确度。
第二方面,提供一种多媒体推荐装置,该多媒体推荐装置包括获取模块和处理模块。上述获取模块,用于获取第一信息和第二信息;第一信息和第二信息分别为用户相似度、多媒体相似度和搜索记录中的一个,且第二信息与第一信息不同;用户相似度为目标用户与每一个其他用户之间的相似度;多媒体相似度为第一多媒体与每一个其他多媒体之间的相似度,第一多媒体为目标用户在第一预设时间段播放的多媒体;搜索记录为目标用户在第二预设时间段内的搜索记录。上述处理模块,用于根据上述获取模块获取的第一信息,确定第一多媒体集合,以及根据上述获取模块获取的根据第二信息,确定第二多媒体集合。上述处理模块,还用于确定至少一个待推荐多媒体,至少一个待推荐多媒体属于第一多媒体集合和所述第二多媒体集合的交集。上述处理模块,还用于为目标用户推荐至少一个待推荐多媒体。
第三方面,提供一种多媒体推荐装置,包括处理器;其中,当多媒体推荐装置运行时,处理器运行指令,使得多媒体推荐装置执行第一方面所述的多媒体推荐方法。
第四方面,提供一种计算机可读存储介质,包括指令。当指令在计算机上运行时,使得计算机执行指令以实施上述第一方面所述的多媒体推荐方法。
第五方面,提供一种计算机程序产品,计算机程序产品包括指令代码,指令代码用于执行指令以实施上述第一方面所述的多媒体推荐方法。
本申请中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面、第四方面以及第五方面的描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
在本申请中,上述多媒体推荐装置的名字对设备或功能模块本身不构成限定。在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请的实施例提供的通信***的结构示意图;
图2为本申请的实施例提供的一种包含用户和电影的异构信息网络;
图3为本申请的实施例提供的一种包含电影的异构信息网络;
图4为本申请的实施例提供的多媒体推荐方法的流程示意图一;
图5为本申请的实施例提供的多媒体推荐方法的流程示意图二;
图6为本申请的实施例提供的一种多媒体推荐装置获取第一信息的方法的流程示意图;
图7为本申请的实施例提供的多媒体推荐装置的结构示意图一;
图8为本申请的实施例提供的多媒体推荐装置的结构示意图二。
具体实施方式
下面结合附图对本申请的实施例进行详细地描述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
多媒体推荐是近年来较为常见和热门的课题之一。目前主要是运用机器学习中常用的推荐算法来解决为特定用户推荐特定多媒体的问题。常用的推荐算法主要包括基于内容的推荐、协同过滤推荐、基于关联规则推荐。这些算法分别研究了如用户与用户之间的关系,用户与多媒体之间的关系,多媒体与多媒体之间关系。但是,这些推荐算法在为用户进行多媒体推荐时仅考虑某一个维度,推荐的准确度较低。
为了解决上述问题,本申请实施例提供一种多媒体推荐方法及装置,多媒体推荐装置基于用户相似度、多媒体相似度和搜索记录中的至少两个为用户推荐多媒体,有效地提高了推荐的准确度。
本申请实施例提供的多媒体推荐方法适用于通信***。该通信***可以包括终端和服务器。如图1所示,该通信***包括终端10和服务器11。
上述多媒体推荐装置可以为终端10。该终端10可以是手机、平板电脑、可穿戴电子设备等便携式设备,也可以是车载设备、智能机器人等设备。例如,终端10可以根据计算得到的用户相似度、多媒体相似度、搜索记录等向用户推荐至少一个待推荐多媒体。
终端10中可以安装用于多媒体推荐的客户端。该客户端可以在登录管理账户后,获取用户相似度、多媒体相似度、搜索记录等向用户推荐至少一个待推荐多媒体。
上述用于多媒体推荐的客户端可以是安装在终端10中的嵌入式应用程序(即终端10的***应用)或者可下载应用程序。其中,嵌入式应用程序是作为终端10(如手机)实现的一部分提供的应用程序。可下载应用程序是一个可以提供自己的因特网协议多媒体子***(internet protocol multimedia subsystem,IMS)连接的应用程序,该可下载应用程序是可以预先安装在终端10中的应用或可以由用户下载并安装在终端10中的第三方应用。
此外,上述多媒体推荐装置还可以是个人计算机(personal computer,PC)、个人数字助理(personal digital assistant,PDA)、上网本、服务器等计算设备,如图1中的服务器11为例。服务器11可以根据计算得到的用户相似度、多媒体相似度、搜索记录等确定至少一个待推荐多媒体,向终端10发送确定出的至少一个待推荐多媒体的信息(如待推荐多媒体的标识)。终端10在接收到至少一个待推荐多媒体的信息后,终端10向用户推荐该至少一个待推荐多媒体。
本申请实施例中的多媒体,包括但不限于文本、图像、动画、声音、视频等多种形式的载体。以下为了便于描述,本申请实施例以多媒体为电影为例进行说明。
由于上述“用户相似度”的应用环境是异构信息网络,因此为了便于理解本申请中的实施例,如图2所示,本申请的实施例预先构建一个包含用户和电影的异构信息网络。
以下结合图2对一些概念进行解释:
1、信息网络:信息网络是知识表示的结构化文本方式,网络中包含一系列节点和边,边用来连接节点和节点。节点表示对象,边表示关系,其结构反映了储存在节点里的信息的结构,所以称为信息网络。
2、异构信息网络:是指信息网络中的节点的类型至少有2种及以上,网络中的关系的类型也至少有2种及以上。
以图2中包含用户和电影的异构信息网络为例,该异构信息网络中的节点包括节点用户、电影、演员、电影类型和导演这五种类型。其中,节点211表示用户1,节点212表示用户2;节点221表示电影1,节点222表示电影2,节点223表示电影3;节点231表示演员1,节点232表示演员2,节点233表示演员3;节点241表示电影类型1,节点242表示电影类型2;节点251表示导演1,节点252表示导演2。其中,以用户1作为目标用户(多媒体装置为该用户推荐电影)。
图2中的异构信息网络中的边包括用户连接电影、电影连接演员、电影连接导演、电影连接电影类型这四种类型,分别表示:用户观看电影、电影由演员演绎、电影由导演拍摄、电影有多种电影类型(武侠、家庭伦理、悬疑、警匪等)这四种关系。
具体的,在图2中,节点211(用户1)连接节点221(电影1)和节点222(电影2),表示用户1观看过电影1和电影2。节点212(用户2)连接节点222(电影2)和节点223(电影3),表示用户2观看过电影2和电影3。节点221(电影1)连接节点231(演员1)、节点232(演员2)、节点241(电影类型1)和节点251(导演1),表示电影1是由演员1和演员2主演、电影1属于电影类型1、电影1由导演1导演。节点222(电影2)连接节点232(演员2)和节点233(演员3)、节点242(电影类型2)和节点252(导演2),表示电影2是由演员2和演员3主演、电影2属于电影类型2、电影2由导演2导演。节点223(电影3)连接节点233(演员3)、节点242(电影类型2)和节点251(导演1),表示电影3是由演员3主演、电影3属于电影类型2、电影3由导演1导演。
3、元路径:元路径是定义在异构信息网络中的连接2类节点的一条路径,形式化定义为Ai表示对象的类型,Ri表示关系的类型。以图2中的异构信息网络为例,该异构信息网络包含用户和电影的对称元路径有:用户-电影-用户、用户-电影-演员-电影-用户、用户-电影-类型-电影-用户。
4、相同类型的对象的相似度计算:
a.对于给定的1个对称元路径P,定义计算2个相同类型的对象x和y之间的相似的公式如下:
其中,px→y,px→x,py→y分别是x与y之间,x与x之间,y与y之间的路径实例。
其中,相同类型的对象是指,从某种类型的对象出发,最后回到该类型的对象,例如,对称元路径“用户-电影-演员-电影-用户”是从用户这中类型的对象出发,最后回到了用户这个类型的对象。
b.计算2个对象之间的相似度时涉及到矩阵乘法,将元路径P=(A1A2...Al)下的邻接矩阵称为关系矩阵,并定义其中为类型Ai和类型Aj之间的邻接矩阵。M(i,j)代表元路径P上对象xi∈A1和对象yi∈Al之间的路径实例数目。
因此,2个相同类型的对象之间相似度的计算公式可以转化为:
c.2个相同类型的对象之间的最终相似度需要将基于多个元路径下计算的相似度组合起来计算。给定r个从类型A出发又回到类型A的元路径P1,P2,P3....Pr,及其相应的关系矩阵M1,M2,M3....Mr,元路径的长度不同表明2个对象关系的强度也不同,定义赋予以上元路径的权重为w1,w2,w3....wr,那么对象xi,xj∈A之间的相似度可以定义为:
由于上述“电影相似度”的应用环境是也是异构信息网络,且该异构信息网络和图2的异构信息网络相似。因此,如图3所示,本实施例中还需要预先建立一个包含电影的异构信息网络。
根据图3的内容,可以看出该异构信息网络中的节点包括语言、电影、演员、电影类型和导演这五种类型。其中图3与图2的异构信息网络不同的是,图3中包含电影的异构信息网络的节点311表示语言1,节点312表示语言2;节点321表示电影1,节点322表示电影2,节点323表示电影3;其中,以电影1作为目标电影(此处用来计算该电影与其他电影的相似度的某一电影,实际中可以为任意一部电影)。
图3中的异构信息网络中的边包括语言连接电影、电影连接演员、电影连接导演、电影连接电影类型这四种类型,分别表示:电影使用语言、电影由演员演绎、电影由导演拍摄、电影有多种电影类型(武侠、家庭伦理、悬疑、警匪等)这四种关系。与图2的异构信息网络不同的是“语言连接电影”,其表示电影使用语言,以节点311(语言1)连接节点321(电影1)为例,其表示电影1使用语言1。
由于构建包含电影的异构信息网络与构建包含用户和电影的异构信息网络相类似,因此对于图3中的其他节点和关系可以参考图2中对应的描述,此处不再赘述。
下面结合附图对本申请实施例提供的多媒体推荐方法进行详细介绍。
本申请实施例提供了一种多媒体推荐方法,参考图4所示,包括如下步骤:
401、多媒体推荐装置获取第一信息和第二信息。
第一信息和第二信息分别为用户相似度、电影相似度和搜索记录中的一个,且第二信息与第一信息不同。
用户相似度为目标用户(多媒体推荐装置为该用户推荐多媒体)与每一个其他用户之间的相似度。
电影相似度为目标电影与每一个其他电影之间的相似度,目标电影为目标用户在第一预设时间段播放的电影。
可选的,第一预设时间段内的目标电影(目标用户可能感兴趣的某一电影)可以是目标用户在某一时间段内观看的电影中最后一个;也可以是目标用户在某一时间段内观看的电影中最后N个电影,N为正整数;也可以是用户在某一时间段内观看的电影中倒数第二个。第一预设时间段的时长可以根据实际情况设置,此处不作限定。
搜索记录为目标用户在第二预设时间段内的搜索记录。
可选的,第二预设时间段内的搜索记录可以是目标用户在某一时间段内搜索记录中最后一个;也可以是目标用户在某一时间段内搜索的电影中M个搜索记录,M为正整数;也可以是目标用户在某一时间段内的全部搜索记录。具体第二预设时间段的时长可以根据实际情况设置,此处不作限定。
402、多媒体推荐装置根据第一信息,确定第一电影集合,以及根据第二信息,确定第二电影集合。
可选的,若第一信息为用户相似度,则多媒体推荐装置选取与目标用户相似度高于预设阈值st1的用户(如用户A),并获取用户A的电影观看记录。之后,多媒体推荐装置从用户A的电影观看记录中选取S(S为正整数)个电影,并将选取出的S个电影作为第一电影集合。
可选的,多媒体推荐装置选取S个电影的方式可以为:多媒体推荐装置对用户A的电影观看记录中的电影按照评分从高到底的顺序排列,然后,选取评分位于前S个的电影。
可选的,若第一信息为电影相似度,则多媒体推荐装置在与目标电影相似度高于预设阈值st2的电影中选取Q个电影作为第一电影集合,其中Q为正整数。
可选的,多媒体推荐装置选取Q个电影的方式可以为:先对电影的相似度进行排序,并选取相似度从高到低的Q个电影。
可选的,若第一信息为搜索记录,多媒体推荐装置根据搜索记录确定满足预设条件的电影,并确定第一电影集合。该第一电影集合包含满足预设条件的电影。
上述预设条件可以是以下一项或多项:目标用户搜索次数最多的演员所主演的部分或全部电影;目标用户搜索次数最多的导演所拍摄的部分或全部电影;目标用户搜索次数最多的电影类型。
可选的,多媒体推荐装置在确定第一电影集合之前,还可以对满足预设条件的电影的上架时间进行排序,选择最新上架的X个电影,X为正整数;也可以对满足预设条件的电影的评分进行排序,选择评分从高到低的Y个电影,Y为正整数。
多媒体推荐装置确定第二电影集合的方法与多媒体推荐装置确定第一电影集合的方法类似,这里不再一一赘述。
403、多媒体推荐装置确定至少一个待推荐电影,至少一个待推荐电影属于第一电影集合和第二电影集合的交集。
404、多媒体推荐装置为目标用户推荐至少一个待推荐电影。
可以看出,在本申请中多媒体推荐装置是通过用户相似度、电影相似度和搜索记录中的两个确定待推荐电影集合,该待推荐电影集合为第一电影集合和第二电影集合的交集,因此,本申请提供的多媒体推荐方法能够同时考虑多个关系,最终为用户推荐更加准确的电影。
进一步可选的,多媒体推荐装置还可以获取第三信息,并根据第三信息确定第三电影集合。第三信息为用户相似度、电影相似度和搜索记录中的一个,且第三信息与上述第一信息不同,且第三信息与上述第二信息不同。这种场景中,多媒体推荐装置还可以结合第三电影集合,确定至少一个待推荐电影。
现在对这种场景中本申请实施例提供的多媒体推荐方法进行描述。结合图4,如图5所示,本申请实施例提供的多媒体推荐方法还包括步骤501-步骤504。
501、多媒体推荐装置获取第三信息。
第三信息为用户相似度、电影相似度和搜索记录中的一个,且第三信息与上述第一信息不同,且第三信息与上述第二信息不同。
可选的,步骤501中多媒体推荐装置获取第三信息可以在步骤401多媒体推荐装置获取第一信息和第二信息之前,也可以在步骤401之后,也可以跟步骤401同时进行,本实施例在图5中以与步骤401同时进行为例。
多媒体推荐装置获取第三信息的方法可以参考上述步骤401的描述,这里不再进行详细赘述。
502、多媒体推荐装置根据第三信息确定第三电影集合。
可选的,步骤502中多媒体推荐装置根据第三信息确定第三电影集合可以在步骤402多媒体推荐装置根据第一信息,确定第一电影集合,以及根据第二信息,确定第二电影集合之前,也可以在步骤402之后,也可以跟步骤402同时进行,本实施例在图5中以与步骤402同时进行为例。
多媒体推荐装置确定第三电影集合的方法与多媒体推荐装置确定第一电影集合的方法类似,这里不再进行详细赘述。
相应的,图4中的步骤403可以替换为步骤503。
503、多媒体推荐装置确定至少一个待推荐电影,该至少一个待推荐电影属于第一电影集合、第二电影集合以及第三电影集合的交集。
相应的,图4中的步骤404可以替换为步骤504。
504、多媒体推荐装置为目标用户推荐至少一个待推荐电影。
这样,在本申请中多媒体推荐装置是通过用户相似度、电影相似度和搜索记录中的三个确定待推荐电影集合,因此,本申请提供的多媒体推荐方法能够同时考虑多个关系,最终为用户推荐更加准确的电影。
从上面描述可知,本申请实施例中的第一信息、第二信息和第三信息分别为用户相似度、电影相似度、搜索记录中的一个,且三者不同。多媒体推荐装置获取第一信息、第二信息和第三信息的方法均类似。为了便于描述,下面主要以多媒体推荐装置获取第一信息为例进行说明。
对第一信息为用户相似度的情况,如图6所示,多媒体推荐装置可以采用下述步骤601-步骤603获取第一信息,包括:
601、多媒体推荐装置确定至少一条目标路径,目标路径为预先建立的网络中包括目标用户和第一用户的路径,第一用户为任一其他用户。
在步骤601之前,首先多媒体推荐装置需要建立一个包括目标用户和第一用户的网络,以图2的一种用户观看电影网络的异构信息网络为例,目标路径是由目标用户开始以任一其他用户结束的对称元路径,目标用户和第一用户均为图2中的“用户”这种类型的对象,其中,用户1是目标用户,用户2是第一用户。
602、多媒体推荐装置根据预设算法,确定至少一条目标路径的每条目标路径中,目标用户与第一用户之间的子相似度。
以图2中的异构信息网络中为例,以目标用户出发以第一用户结束的对称元路径中经过电影的目标路径包括:
第一条目标路径:目标用户-电影-第一用户;
第二条目标路径:目标用户-电影-演员-电影-第一用户;
第三条目标路径:目标用户-电影-类型-电影-第一用户。
603、多媒体推荐装置根据确定出的所有子相似度,确定目标用户与第一用户之间的相似度。
对第一信息为电影相似度的情况,多媒体推荐装置可以采用下述方法获取第一信息,包括:
首先,多媒体推荐装置根据预设算法,获取目标电影的词向量以及其他每一电影的词向量。可选的,预设算法可以为metapath2vec算法。可选的,目标电影的词向量是电影的名称。具体选择的算法跟实际情况相结合,此处仅提供一种算法的示例。
其次,多媒体推荐装置计算目标电影的词向量以及其他每一电影的词向量之间的相似度,得到电影相似度。例如,多媒体推荐装置计算目标用户最近观看的一部电影的词向量与网络中其他电影词向量的余弦相似度。最后,多媒体推荐装置将该余弦相似度作为目标电影的词向量以及其他每一电影的词向量之间的电影相似度。
本申请实施例可以根据上述方法示例对其对应的装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
参照图7所示,本申请的实施例提供一种多媒体推荐装置,包括获取模块71、处理模块72。
获取模块71,用于获取第一信息和第二信息;第一信息和第二信息分别为用户相似度、多媒体相似度和搜索记录中的一个,且第二信息与第一信息不同;用户相似度为目标用户与每一个其他用户之间的相似度;多媒体相似度为第一多媒体与每一个其他多媒体之间的相似度,第一多媒体为目标用户在第一预设时间段播放的多媒体;搜索记录为目标用户在第二预设时间段内的搜索记录。
处理模块72,用于根据获取模块71获取的第一信息,确定第一多媒体集合,以及根据获取模块71获取的根据第二信息,确定第二多媒体集合。处理模块72,还用于确定至少一个待推荐多媒体,至少一个待推荐多媒体属于第一多媒体集合和第二多媒体集合的交集。处理模块72,还用于为目标用户推荐至少一个待推荐多媒体。
可选的,获取模块71,还用于获取第三信息;第三信息为用户相似度、多媒体相似度和搜索记录中的一个,第三信息与第一信息不同,且第三信息与第二信息不同。
可选的,处理模块72,还用于根据获取模块71获取的第三信息,确定第三多媒体集合。其中,处理模块72具体用于确定至少一个待推荐多媒体,至少一个待推荐多媒体属于第一多媒体集合、第二多媒体集合以及第三多媒体集合的交集。
可选的,第一信息为用户相似度时,处理模块72具体用于确定至少一条目标路径,目标路径为预先建立的网络中包括目标用户和第一用户的路径,第一用户为任一其他用户。根据预设算法,确定至少一条目标路径的每条目标路径中,目标用户与第一用户之间的子相似度。根据确定出的所有子相似度,确定目标用户与第一用户之间的相似度。
可选的,处理模块72还用于根据第一信息,确定第二用户,第二用户与目标用户之间的相似度大于预设阈值。相应的,获取模块71还用于获取第二用户的播放多媒体记录,从第二用户的播放多媒体记录中,选取N个多媒体,第一多媒体集合包括N个多媒体,N为正整数。
可选的,当第一信息为多媒体相似度时,获取模块71还用于根据预设算法,获取第一多媒体的词向量以及其他每一多媒体的词向量。相应的,处理模块72还用于计算获取模块71获取的第一多媒体的词向量以及其他每一多媒体的词向量之间的相似度,得到多媒体相似度。
可选的,当第一信息为搜索记录时,处理模块72还用于在搜索记录中确定满足预设条件的多媒体;确定第一多媒体集合包括满足预设条件的多媒体。
在另一种方案中,上述如图7所示的多媒体推荐装置的获取模块71可以采用通信接口实现,处理模块72可以采用一个或者多个处理器实现;此时参照图8所示,提供多媒体推荐装置,包括:处理器801,其中处理器801用于执行程序或指令,以实现上述方法实施例提供的多媒体推荐方法。还包括通信接口802,其中通信接口802和处理器801耦合,示例性的通信接口802和处理器801可以通过总线803耦合。
处理器801可以是一个通用中央处理器(central processing unit,CPU),控制器MCU,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请提供的多媒体推荐程序执行的集成电路。在具体的实现中,作为一种实施例,处理器801(801-1和801-2)可以包括一个或多个中央处理器,例如图8中所示的CPU0和CPU1。且作为一种实施例,多媒体推荐装置可以包括多个处理器801,例如图8中所示的处理器801-1和处理器801-2。这些处理器801中的每一个CPU可以是一个单核处理器(single-CPU),也可以是一个多核处理器(multi-CPU)。这里的处理器801可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
当然,处理器801上还可以集成有多媒体推荐方法的程序或指令的存储装置,或者也可以将存储装置单独设置,例如如图8中示出的,单独设置存储器804。存储器804可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmableread-only memory,EEPROM)、只读光盘(compact disc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。处理器801执行程序或指令,以控制通信接口802获取终端位置,并以使多媒体推荐装置执行如上述的多媒体推荐方法。
通信接口802,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如控制***、无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)、服务器等。通信接口802可以包括接收单元实现接收功能,以及发送单元实现发送功能。
总线803,可以是工业标准体系结构(industry standard architecture,ISA)总线、外部设备互连(peripheral component interconnect,PCI)总线或扩展工业标准体系结构(extended industry standard architecture,EISA)总线等。该总线803可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质,包括指令,当指令在计算机上执行时能够实现上述实施例提供的多媒体推荐方法。
本发明实施例还提供一种计算机程序产品,计算机程序产品包括指令代码,指令代码用于执行指令以实施上述实施例提供的多媒体推荐方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (15)
1.一种多媒体推荐方法,其特征在于,包括:
获取第一信息和第二信息;所述第一信息和所述第二信息分别为用户相似度、多媒体相似度和搜索记录中的一个,且所述第二信息与所述第一信息不同;所述用户相似度为目标用户与每一个其他用户之间的相似度;所述多媒体相似度为第一多媒体与每一个其他多媒体之间的相似度,所述第一多媒体为所述目标用户在第一预设时间段播放的多媒体;所述搜索记录为所述目标用户在第二预设时间段内的搜索记录;
根据所述第一信息,确定第一多媒体集合,以及根据所述第二信息,确定第二多媒体集合;
确定至少一个待推荐多媒体,所述至少一个待推荐多媒体属于所述第一多媒体集合和所述第二多媒体集合的交集;
为所述目标用户推荐所述至少一个待推荐多媒体。
2.根据权利要求1所述的多媒体推荐方法,其特征在于,所述多媒体推荐方法还包括:
获取第三信息;所述第三信息为所述用户相似度、所述多媒体相似度和所述搜索记录中的一个,所述第三信息与所述第一信息不同,且所述第三信息与所述第二信息不同;
根据所述第三信息,确定第三多媒体集合;
所述确定至少一个待推荐多媒体,包括:
确定所述至少一个待推荐多媒体,所述至少一个待推荐多媒体属于所述第一多媒体集合、所述第二多媒体集合以及所述第三多媒体集合的交集。
3.根据权利要求1或2所述的多媒体推荐方法,其特征在于,所述第一信息为所述用户相似度;所述获取第一信息,包括:
确定至少一条目标路径,所述目标路径为预先建立的网络中包括所述目标用户和第一用户的路径,所述第一用户为任一其他用户;
根据预设算法,确定所述至少一条目标路径的每条目标路径中,所述目标用户与所述第一用户之间的子相似度;
根据确定出的所有子相似度,确定所述目标用户与所述第一用户之间的相似度。
4.根据权利要求3所述的多媒体推荐方法,其特征在于,所述根据所述第一信息,确定第一多媒体集合,包括:
根据所述第一信息,确定第二用户,所述第二用户与所述目标用户之间的相似度大于预设阈值;
获取所述第二用户的播放多媒体记录;
从所述第二用户的播放多媒体记录中,选取N个多媒体,所述第一多媒体集合包括所述N个多媒体,N为正整数。
5.根据权利要求1或2所述的多媒体推荐方法,其特征在于,所述第一信息为所述多媒体相似度;所述获取第一信息包括:
根据预设算法,获取所述第一多媒体的词向量以及其他每一多媒体的词向量;
计算所述第一多媒体的词向量以及其他每一多媒体的词向量之间的相似度,得到所述多媒体相似度。
6.根据权利要求1或2所述的多媒体推荐方法,其特征在于,所述第一信息为所述搜索记录,根据所述第一信息确定第一多媒体集合,包括:
在所述搜索记录中确定满足预设条件的多媒体;
确定所述第一多媒体集合包括所述满足预设条件的多媒体。
7.一种多媒体推荐装置,其特征在于,包括:
获取模块,用于获取第一信息和第二信息;所述第一信息和所述第二信息分别为用户相似度、多媒体相似度和搜索记录中的一个,且所述第二信息与所述第一信息不同;所述用户相似度为目标用户与每一个其他用户之间的相似度;所述多媒体相似度为第一多媒体与每一个其他多媒体之间的相似度,所述第一多媒体为所述目标用户在第一预设时间段播放的多媒体;所述搜索记录为所述目标用户在第二预设时间段内的搜索记录;
处理模块,用于根据所述获取模块获取的所述第一信息,确定第一多媒体集合,以及根据所述获取模块获取的根据所述第二信息,确定第二多媒体集合;
所述处理模块,还用于确定至少一个待推荐多媒体,所述至少一个待推荐多媒体属于所述第一多媒体集合和所述第二多媒体集合的交集;
所述处理模块,还用于为所述目标用户推荐所述至少一个待推荐多媒体。
8.根据权利要求7所述的多媒体推荐装置,其特征在于,所述获取模块,还用于获取第三信息;所述第三信息为所述用户相似度、所述多媒体相似度和所述搜索记录中的一个,所述第三信息与所述第一信息不同,且所述第三信息与所述第二信息不同;
所述处理模块,还用于根据所述获取模块获取的所述第三信息,确定第三多媒体集合;
所述确定至少一个待推荐多媒体,包括:
确定所述至少一个待推荐多媒体,所述至少一个待推荐多媒体属于所述第一多媒体集合、所述第二多媒体集合以及所述第三多媒体集合的交集。
9.根据权利要求7或8所述的多媒体推荐装置,其特征在于,所述第一信息为所述用户相似度;所述获取第一信息,包括:
确定至少一条目标路径,所述目标路径为预先建立的网络中包括所述目标用户和第一用户的路径,所述第一用户为任一其他用户;
根据预设算法,确定所述至少一条目标路径的每条目标路径中,所述目标用户与所述第一用户之间的子相似度;
根据确定出的所有子相似度,确定所述目标用户与所述第一用户之间的相似度。
10.根据权利要求9所述的多媒体推荐装置,其特征在于,所述根据所述第一信息,确定第一多媒体集合,包括:
根据所述第一信息,确定第二用户,所述第二用户与所述目标用户之间的相似度大于预设阈值;
获取所述第二用户的播放多媒体记录;
从所述第二用户的播放多媒体记录中,选取N个多媒体,所述第一多媒体集合包括所述N个多媒体,N为正整数。
11.根据权利要求7或8所述的多媒体推荐装置,其特征在于,所述第一信息为所述多媒体相似度,所述获取模块还用于根据预设算法,获取所述第一多媒体的词向量以及其他每一多媒体的词向量;
所述处理模块还用于计算所述获取模块获取的所述第一多媒体的词向量以及其他每一多媒体的词向量之间的相似度,得到所述多媒体相似度。
12.根据权利要求7或8所述的多媒体推荐装置,其特征在于,所述第一信息为所述搜索记录,所述处理模块还用于在搜索记录中确定满足预设条件的多媒体;
确定所述第一多媒体集合包括所述满足预设条件的多媒体。
13.一种多媒体推荐装置,其特征在于,包括处理器;其中,当所述多媒体推荐装置运行时,所述处理器运行指令,使得所述多媒体推荐装置执行如权利要求1-6任一项所述多媒体推荐方法。
14.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1-6任一项所述多媒体推荐方法。
15.一种计算机程序产品,其特征在于,所述计算机程序产品包括指令代码,所述指令代码用于执行如权利要求1-6任一项所述多媒体推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002148.4A CN111191056A (zh) | 2020-01-02 | 2020-01-02 | 一种多媒体推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002148.4A CN111191056A (zh) | 2020-01-02 | 2020-01-02 | 一种多媒体推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111191056A true CN111191056A (zh) | 2020-05-22 |
Family
ID=70706594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010002148.4A Pending CN111191056A (zh) | 2020-01-02 | 2020-01-02 | 一种多媒体推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191056A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112532755A (zh) * | 2021-02-18 | 2021-03-19 | 广州汇图计算机信息技术有限公司 | 一种基于异构信息网络的兴趣列表推送*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050144499A1 (en) * | 2003-12-02 | 2005-06-30 | Sony Corporation | Information processor, information processing method and computer program |
US20100030764A1 (en) * | 2008-07-30 | 2010-02-04 | At&T Corp. | Recommender System Utilizing Collaborative Filtering Combining Explicit and Implicit Feedback with both Neighborhood and Latent Factor Models |
CN104053023A (zh) * | 2014-06-13 | 2014-09-17 | 海信集团有限公司 | 一种确定视频相似度的方法及装置 |
CN104850632A (zh) * | 2015-05-22 | 2015-08-19 | 东北师范大学 | 一种通用的基于异构信息网络的相似度计算方法与*** |
CN106354862A (zh) * | 2016-09-06 | 2017-01-25 | 山东大学 | 一种异构网络中多维个性化推荐方法 |
CN106528716A (zh) * | 2016-10-26 | 2017-03-22 | 腾讯音乐娱乐(深圳)有限公司 | 一种多媒体搜索内容的推荐方法和装置 |
CN106649884A (zh) * | 2017-01-11 | 2017-05-10 | 河南科技大学 | 一种基于用户情境分析的多媒体内容推荐方法 |
US20190042585A1 (en) * | 2017-08-01 | 2019-02-07 | Yandex Europe Ag | Method of and system for recommending media objects |
US20190306568A1 (en) * | 2018-03-30 | 2019-10-03 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recommending video |
-
2020
- 2020-01-02 CN CN202010002148.4A patent/CN111191056A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050144499A1 (en) * | 2003-12-02 | 2005-06-30 | Sony Corporation | Information processor, information processing method and computer program |
US20100030764A1 (en) * | 2008-07-30 | 2010-02-04 | At&T Corp. | Recommender System Utilizing Collaborative Filtering Combining Explicit and Implicit Feedback with both Neighborhood and Latent Factor Models |
CN104053023A (zh) * | 2014-06-13 | 2014-09-17 | 海信集团有限公司 | 一种确定视频相似度的方法及装置 |
CN104850632A (zh) * | 2015-05-22 | 2015-08-19 | 东北师范大学 | 一种通用的基于异构信息网络的相似度计算方法与*** |
CN106354862A (zh) * | 2016-09-06 | 2017-01-25 | 山东大学 | 一种异构网络中多维个性化推荐方法 |
CN106528716A (zh) * | 2016-10-26 | 2017-03-22 | 腾讯音乐娱乐(深圳)有限公司 | 一种多媒体搜索内容的推荐方法和装置 |
CN106649884A (zh) * | 2017-01-11 | 2017-05-10 | 河南科技大学 | 一种基于用户情境分析的多媒体内容推荐方法 |
US20190042585A1 (en) * | 2017-08-01 | 2019-02-07 | Yandex Europe Ag | Method of and system for recommending media objects |
US20190306568A1 (en) * | 2018-03-30 | 2019-10-03 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recommending video |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112532755A (zh) * | 2021-02-18 | 2021-03-19 | 广州汇图计算机信息技术有限公司 | 一种基于异构信息网络的兴趣列表推送*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108804532B (zh) | 一种查询意图的挖掘和查询意图的识别方法、装置 | |
CN107609152B (zh) | 用于扩展查询式的方法和装置 | |
WO2017181612A1 (zh) | 个性化视频推荐方法及装置 | |
US20230047611A1 (en) | Method for displaying search contents and electronic device | |
CN109872242B (zh) | 信息推送方法和装置 | |
US20160188725A1 (en) | Method and System for Enhanced Content Recommendation | |
CN110619063A (zh) | 基于视频搜索的视频推送方法、装置、电子设备 | |
WO2012162541A1 (en) | Method and apparatus of providing suggested terms | |
CN112434072B (zh) | 搜索方法、装置、电子设备及存储介质 | |
CN110704677B (zh) | 一种节目推荐方法、装置、可读存储介质及终端设备 | |
US11430049B2 (en) | Communication via simulated user | |
CN111010592A (zh) | 一种视频推荐方法、装置、电子设备及存储介质 | |
CN113204691B (zh) | 一种信息展示方法、装置、设备及介质 | |
US20230086735A1 (en) | Systems and methods for retrieving videos using natural language description | |
CN111291258A (zh) | 搜索热词的推荐方法、装置、电子设备及可读介质 | |
WO2014107194A1 (en) | Identifying relevant user content | |
US7801889B2 (en) | Search system for providing information of keyword input frequency by category and method thereof | |
CN109241299A (zh) | 多媒体资源搜索方法、装置、存储介质及设备 | |
CN111368100A (zh) | 一种媒资合并方法及其装置 | |
CN102811167A (zh) | 用于基于分层名称结构的网络的方法和设备 | |
CN116186197A (zh) | 话题推荐方法、装置、电子设备及存储介质 | |
CN103984754A (zh) | 一种搜索***和搜索方法 | |
CN104615620B (zh) | 地图搜索类型识别方法及装置、地图搜索方法及*** | |
CN111191056A (zh) | 一种多媒体推荐方法及装置 | |
CN112836126A (zh) | 基于知识图谱的推荐方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200522 |