CN113987326B - 资源推荐方法、装置、计算机设备及介质 - Google Patents

资源推荐方法、装置、计算机设备及介质 Download PDF

Info

Publication number
CN113987326B
CN113987326B CN202111623462.5A CN202111623462A CN113987326B CN 113987326 B CN113987326 B CN 113987326B CN 202111623462 A CN202111623462 A CN 202111623462A CN 113987326 B CN113987326 B CN 113987326B
Authority
CN
China
Prior art keywords
target keyword
search
objects
resource
matching
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.)
Active
Application number
CN202111623462.5A
Other languages
English (en)
Other versions
CN113987326A (zh
Inventor
何攀
高小平
郑秋野
徐禄军
王宗
尹立岩
徐佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology Co Ltd
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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202111623462.5A priority Critical patent/CN113987326B/zh
Publication of CN113987326A publication Critical patent/CN113987326A/zh
Application granted granted Critical
Publication of CN113987326B publication Critical patent/CN113987326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9532Query formulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开关于一种资源推荐方法、装置、计算机设备及介质,属于互联网技术领域。本公开实施例中,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。

Description

资源推荐方法、装置、计算机设备及介质
技术领域
本公开涉及互联网技术领域,尤其涉及一种资源推荐方法、装置、计算机设备及介质。
背景技术
目前,在向用户推荐多媒体资源时,需要先确定多媒体资源的待推荐用户,通常采用的确定方式是:由业务人员根据经验选取与多媒体资源相关的用户,将所选取的用户确定为该多媒体资源的待推荐用户,再向该待推荐用户推荐多媒体资源。
然而,上述过程中依赖于人为确定,降低了确定待推荐用户的效率和准确度,从而降低了资源推荐的效率和准确度。
发明内容
本公开提供一种资源推荐方法、装置、计算机设备及介质,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。本公开的技术方案包括以下内容。
根据本公开实施例的第一方面,提供一种资源推荐方法,该方法包括:
在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,展示与该目标关键词匹配的至少一个第一对象,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为;
响应于对该至少一个交互类型控件的触发操作,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
本公开实施例中,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。
在一些实施例中,响应于对目标关键词的搜索操作,展示与该目标关键词匹配的至少一个第一对象包括:
响应于对该目标关键词的搜索操作,在该对象搜索页面的第一展示区域,展示与该目标关键词匹配的至少一个第一对象,该第一展示区域用于展示搜索得到的对象。
本公开实施例中,通过在第一展示区域展示该至少一个第一对象,能够直观地展示该至少一个第一对象,以便业务人员能够明确所展示的第一对象为搜索得到的对象,提高了第一对象的展示效果。
在一些实施例中,该方法还包括:
响应于对该至少一个第一对象中任一个第一对象的选择操作,在该对象搜索页面的第二展示区域,展示被选中的该第一对象,该第二展示区域用于展示被选中的对象。
本公开实施例中,通过在第二展示区域展示被选中的第一对象,能够直观地展示被选中的第一对象,以便业务人员能够明确所展示的第一对象为被选中的对象,提高了被选中的第一对象的展示效果。
在一些实施例中,该对象搜索页面包括导入控件,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个对象;
该方法还包括:
基于该导入控件,在该对象搜索页面中导入在历史时间段内所确定的该多媒体资源的至少一个对象。
本公开实施例中,通过设置导入控件,使得业务人员通过该导入控件,能够一键导入之前所确定的其他对象,无需耗费较长时间找寻之前所确定的其他对象,提高了人机交互效率。
在一些实施例中,该对象搜索页面包括存储控件,该存储控件用于将被选中的至少一个对象存储至该多媒体资源的对象数据包,该对象数据包用于存储该多媒体资源的待推荐对象;
该方法还包括:
响应于对该存储控件的触发操作,将被选中的至少一个对象存储至该多媒体资源的对象数据包。
本公开实施例中,通过设置存储控件,使得业务人员通过该存储控件,能够快速将被选中的对象存储至对象数据包中,无需耗费较长时间进行打包过程,提高了人机交互效率。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
本公开实施例中,提供了多种类型的交互操作行为,提高了确定待推荐对象的灵活性。
根据本公开实施例的第二方面,提供一种资源推荐方法,该方法包括:
响应于对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象,该搜索请求基于多媒体资源的对象搜索页面触发,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为;
响应于基于该至少一个交互类型控件所触发的对象获取请求,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
本公开实施例中,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。
在一些实施例中,响应于对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象包括下述任一项:
响应于对该目标关键词的搜索请求,从目标关系数据中,确定与该目标关键词匹配的至少一个第一对象,该目标关系数据表示对象以及与该对象匹配的至少一个对象之间的对应关系;
响应于对该目标关键词的搜索请求,从多个候选对象中,选取与该目标关键词匹配的至少一个第一对象。
本公开实施例中,提供了确定第一对象的两种时机,一种可选的实现方式中,通过预先设置目标关系数据,使得后续基于该目标关系数据,就能够快速确定出第一对象,提高了确定第一对象的效率,另一种可选的实现方式中,在响应于搜索请求时,再实时确定与目标关键词匹配的第一对象,在确保确定第一对象的效率的同时,还节省了存储空间。
在一些实施例中,从多个候选对象中,选取与该目标关键词匹配的至少一个第一对象包括:
基于该多个候选对象的对象特征信息,分别确定该多个候选对象与该目标关键词的匹配度,该匹配度表示候选对象与该目标关键词之间的匹配程度;
将该匹配度满足匹配条件的候选对象,确定为与该目标关键词匹配的至少一个第一对象。
本公开实施例中,通过确定各个候选对象与目标关键词之间的匹配度,再基于匹配度来确定与目标关键词匹配的第一对象,提高了确定第一对象的效率和准确率。
在一些实施例中,基于该多个候选对象的对象特征信息,分别确定该多个候选对象与该目标关键词的匹配度之前,该方法还包括:
将该多个候选对象的对象信息输入特征提取模型,通过该特征提取模型,提取该多个候选对象的对象特征信息,该特征提取模型基于多个样本对象的对象信息以及该多个样本对象的对象特征信息训练得到。
本公开实施例中,通过特征提取模型来提取各个候选对象的对象特征信息,提高了提取对象特征信息的效率和准确率。
在一些实施例中,该多个候选对象的获取过程包括:
基于多个对象的对象关注列表,确定满足关注度条件的至少一个对象,该对象关注列表用于记录对应对象所关注的对象;
将满足关注度条件的至少一个对象确定为该多个候选对象。
本公开实施例中,将满足关注度条件的对象作为候选对象,使得后续所确定出的第一对象均为满足关注度条件的对象,进而基于该第一对象能够确定出大量的第二对象,提高了所确定的第二对象的数据量,从而提高了资源推荐的效果。
在一些实施例中,该方法还包括:
若该多个对象中存在第三对象,则删除该第三对象,该第三对象所关注的对象数量达到数量阈值。
本公开实施例中,通过对兴趣过于广泛的用户进行过滤,达到了对用户数据进行预处理的效果,避免了对不必要的用户数据进行处理,同样能够减少服务器的处理内容,从而提高服务器的处理效率。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
本公开实施例中,提供了多种类型的交互操作行为,提高了确定待推荐对象的灵活性。
根据本公开实施例的第三方面,提供一种资源推荐装置,该装置包括:
搜索单元,被配置为执行在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,展示与该目标关键词匹配的至少一个第一对象,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为;
获取单元,被配置为执行响应于对该至少一个交互类型控件的触发操作,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
推荐单元,被配置为执行基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
在一些实施例中,该搜索单元,被配置为执行:
响应于对该目标关键词的搜索操作,在该对象搜索页面的第一展示区域,展示与该目标关键词匹配的至少一个第一对象,该第一展示区域用于展示搜索得到的对象。
在一些实施例中,该装置还包括:
展示单元,被配置为执行响应于对该至少一个第一对象中任一个第一对象的选择操作,在该对象搜索页面的第二展示区域,展示被选中的该第一对象,该第二展示区域用于展示被选中的对象。
在一些实施例中,该对象搜索页面包括导入控件,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个对象;
该装置还包括:
导入单元,被配置为执行基于该导入控件,在该对象搜索页面中导入在历史时间段内所确定的该多媒体资源的至少一个对象。
在一些实施例中,该对象搜索页面包括存储控件,该存储控件用于将被选中的至少一个对象存储至该多媒体资源的对象数据包,该对象数据包用于存储该多媒体资源的待推荐对象;
该装置还包括:
存储单元,被配置为执行响应于对该存储控件的触发操作,将被选中的至少一个对象存储至该多媒体资源的对象数据包。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
根据本公开实施例的第四方面,提供一种资源推荐装置,该装置包括:
确定单元,被配置为执行响应于对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象,该搜索请求基于多媒体资源的对象搜索页面触发,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为;
获取单元,被配置为执行响应于基于该至少一个交互类型控件所触发的对象获取请求,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
推荐单元,被配置为执行基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
在一些实施例中,该确定单元,包括下述任一项:
确定子单元,被配置为执行响应于对该目标关键词的搜索请求,从目标关系数据中,确定与该目标关键词匹配的至少一个第一对象,该目标关系数据表示对象以及与该对象匹配的至少一个对象之间的对应关系;
选择子单元,被配置为执行响应于对该目标关键词的搜索请求,从多个候选对象中,选取与该目标关键词匹配的至少一个第一对象。
在一些实施例中,该选择子单元,包括:
第一确定子单元,被配置为执行基于该多个候选对象的对象特征信息,分别确定该多个候选对象与该目标关键词的匹配度,该匹配度表示候选对象与该目标关键词之间的匹配程度;
第二确定子单元,被配置为执行将该匹配度满足匹配条件的候选对象,确定为与该目标关键词匹配的至少一个第一对象。
在一些实施例中,该装置还包括:
提取单元,被配置为执行将该多个候选对象的对象信息输入特征提取模型,通过该特征提取模型,提取该多个候选对象的对象特征信息,该特征提取模型基于多个样本对象的对象信息以及该多个样本对象的对象特征信息训练得到。
在一些实施例中,该获取单元,还被配置为执行:
基于多个对象的对象关注列表,确定满足关注度条件的至少一个对象,该对象关注列表用于记录对应对象所关注的对象;
将满足关注度条件的至少一个对象确定为该多个候选对象。
在一些实施例中,该装置还包括:
删除单元,被配置为执行若该多个对象中存在第三对象,则删除该第三对象,该第三对象所关注的对象数量达到数量阈值。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
根据本公开实施例的第五方面,提供一种计算机设备,该计算机设备包括:
一个或多个处理器;
用于存储该处理器可执行程序代码的存储器;
其中,该处理器被配置为执行该程序代码,以实现上述的资源推荐方法。
根据本公开实施例的第六方面,提供一种计算机可读存储介质,该计算机可读存储介质包括:当该计算机可读存储介质中的程序代码由计算机设备的处理器执行时,使得计算机设备能够执行上述的资源推荐方法。
根据本公开实施例的第七方面,提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的资源推荐方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种资源推荐方法的实施环境示意图;
图2是根据一示例性实施例示出的一种资源推荐方法的流程图;
图3是根据一示例性实施例示出的一种资源推荐方法的流程图;
图4是根据一示例性实施例示出的一种资源推荐方法的流程图;
图5是根据一示例性实施例示出的一种对象搜索页面的示意图;
图6是根据一示例性实施例示出的一种资源推荐的流程示意图;
图7是根据一示例性实施例示出的一种资源推荐装置的框图;
图8是根据一示例性实施例示出的一种资源推荐装置的框图;
图9是根据一示例性实施例示出的一种终端的框图;
图10是根据一示例性实施例示出的一种服务器的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开所涉及的数据或信息可以为经用户授权或者经过各方充分授权的数据或信息。
图1是本公开实施例提供的一种资源推荐方法的实施环境示意图,参见图1,该实施环境中包括:终端101和服务器102。
在一些实施例中,终端101为智能手机、智能手表、台式电脑、手提电脑、虚拟现实终端、增强现实终端、无线终端和膝上型便携计算机等设备中的至少一种。终端101具有通信功能,可以接入有线网络或无线网络。终端101可以泛指多个终端中的一个,本实施例仅以终端101来举例说明。本领域技术人员可以知晓,上述终端的数量可以更多或更少。
终端101为业务人员所操作的终端。在一些实施例中,终端101关联有资源管理平台,该资源管理平台具备对多媒体资源进行管理的功能。其中,多媒体资源用于宣传某一行业下的产品或服务,如宣传视频。
本公开实施例中,终端101用于在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,展示与该目标关键词匹配的至少一个第一对象,响应于对该对象搜索页面中至少一个交互类型控件的触发操作,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象,基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
在一些实施例中,服务器102是独立的物理服务器,或者是多个物理服务器构成的服务器集群或者分布式文件***,或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
在一些实施例中,服务器102与终端101通过有线或无线通信方式进行直接或间接的连接,本公开实施例对此不作限定。
服务器102为终端101所关联的资源管理平台的后台服务器。本公开实施例中,服务器102用于响应于终端101发送的对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象,以触发终端101展示与该目标关键词匹配的至少一个第一对象,响应于终端101所发送的对象获取请求,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象,基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
可选地,上述服务器102的数量可以更多或更少,本公开实施例对此不加以限定。当然,服务器102还可以包括其他功能服务器,以便提供更全面且多样化的服务。
图2是根据一示例性实施例示出的一种资源推荐方法的流程图,如图2所示,该方法由终端执行,包括以下步骤。
在步骤201中,终端在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,展示与该目标关键词匹配的至少一个第一对象,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为。
在步骤202中,终端响应于对该至少一个交互类型控件的触发操作,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象。
在步骤203中,终端基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
本公开实施例提供的技术方案,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。
在一些实施例中,响应于对目标关键词的搜索操作,展示与该目标关键词匹配的至少一个第一对象包括:
响应于对该目标关键词的搜索操作,在该对象搜索页面的第一展示区域,展示与该目标关键词匹配的至少一个第一对象,该第一展示区域用于展示搜索得到的对象。
在一些实施例中,该方法还包括:
响应于对该至少一个第一对象中任一个第一对象的选择操作,在该对象搜索页面的第二展示区域,展示被选中的该第一对象,该第二展示区域用于展示被选中的对象。
在一些实施例中,该对象搜索页面包括导入控件,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个对象;
该方法还包括:
基于该导入控件,在该对象搜索页面中导入在历史时间段内所确定的该多媒体资源的至少一个对象。
在一些实施例中,该对象搜索页面包括存储控件,该存储控件用于将被选中的至少一个对象存储至该多媒体资源的对象数据包,该对象数据包用于存储该多媒体资源的待推荐对象;
该方法还包括:
响应于对该存储控件的触发操作,将被选中的至少一个对象存储至该多媒体资源的对象数据包。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
图3是根据一示例性实施例示出的一种资源推荐方法的流程图,如图3所示,该方法由服务器执行,包括以下步骤。
在步骤301中,服务器响应于对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象,该搜索请求基于多媒体资源的对象搜索页面触发,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为。
在步骤302中,服务器响应于基于该至少一个交互类型控件所触发的对象获取请求,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象。
在步骤303中,服务器基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
本公开实施例提供的技术方案,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。
在一些实施例中,响应于对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象包括下述任一项:
响应于对该目标关键词的搜索请求,从目标关系数据中,确定与该目标关键词匹配的至少一个第一对象,该目标关系数据表示对象以及与该对象匹配的至少一个对象之间的对应关系;
响应于对该目标关键词的搜索请求,从多个候选对象中,选取与该目标关键词匹配的至少一个第一对象。
在一些实施例中,从多个候选对象中,选取与该目标关键词匹配的至少一个第一对象包括:
基于该多个候选对象的对象特征信息,分别确定该多个候选对象与该目标关键词的匹配度,该匹配度表示候选对象与该目标关键词之间的匹配程度;
将该匹配度满足匹配条件的候选对象,确定为与该目标关键词匹配的至少一个第一对象。
在一些实施例中,基于该多个候选对象的对象特征信息,分别确定该多个候选对象与该目标关键词的匹配度之前,该方法还包括:
将该多个候选对象的对象信息输入特征提取模型,通过该特征提取模型,提取该多个候选对象的对象特征信息,该特征提取模型基于多个样本对象的对象信息以及该多个样本对象的对象特征信息训练得到。
在一些实施例中,该多个候选对象的获取过程包括:
基于多个对象的对象关注列表,确定满足关注度条件的至少一个对象,该对象关注列表用于记录对应对象所关注的对象;
将满足关注度条件的至少一个对象确定为该多个候选对象。
在一些实施例中,该方法还包括:
若该多个对象中存在第三对象,则删除该第三对象,该第三对象所关注的对象数量达到数量阈值。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
上述图2至图3所示仅为本公开的基本流程,下面基于一种具体实施方式,来对本公开提供的方案进行进一步阐述,图4是根据一示例性实施例示出的一种资源推荐方法的流程图,参见图4,该方法包括以下步骤。
在步骤401中,终端在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,向服务器发送对目标关键词的搜索请求。
本公开实施例中,多媒体资源用于宣传某一行业下的产品或服务,如宣传视频。在一些实施例中,多媒体资源采用资源标识来表示。例如,资源标识可以是资源名称、资源编号、资源ID(Identity,身份标识号码)等。
在一些实施例中,终端关联有资源管理平台,该资源管理平台具备对多媒体资源进行管理的功能。在一些实施例中,资源管理平台提供有对象搜索页面,该对象搜索页面用于搜索与关键词匹配的对象,以基于搜索到的对象进行后续资源推荐的流程。
其中,对象是指用户。本公开实施例后续采用第一对象来指代与目标关键词匹配的对象。在一些实施例中,第一对象为满足关注度条件的对象。关注度条件用于判别对象被关注的程度是否达到预设程度。在一种可选的实施例中,关注度条件为被关注数量达到关注数量阈值,例如,被关注数量达到10万;或者,关注度条件为对象携带目标标签,该目标标签用于指示对应对象被关注的程度达到预设程度。例如,携带“超过10万人关注”标签。需要说明的是,此处仅以关注度条件为被关注数量达到数量阈值或者携带目标标签为例,而在另一些实施例中,该关注度条件还能够是其他预设的对象筛选条件,本公开实施例对此不加以限定。
在一些实施例中,搜索请求基于多媒体资源的对象搜索页面触发。例如,该对象搜索页面包括关键词搜索框,业务人员在该关键词搜索框中输入目标关键词,则终端响应于在该关键词搜索框中的输入操作,获取所输入的目标关键词,基于该目标关键词,向服务器发送对该目标关键词的搜索请求,以请求搜索与该目标关键词匹配的至少一个第一对象。
本公开实施例中,目标关键词用于确定与其匹配的对象,以基于搜索到的对象进行后续资源推荐的流程。在一些实施例中,目标关键词为用于描述对象的关键词,示例地,用于描述对象类别的关键词,如“游戏、美妆”等等;在另一些实施例中,目标关键词为用于唯一指示对象的关键词,示例地,“对象名称、对象账号或对象ID”等等。需要说明的是,在目标关键词为用于唯一指示对象的关键词的情况下,所确定出的与该目标关键词匹配的至少一个第一对象,包括该目标关键词所指示的对象以及与该对象匹配的其他对象。
在步骤402中,服务器响应于对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象。
在一些实施例中,服务器确定该至少一个第一对象的过程包括下述(402A)和(402B)中的任一项。
(402A)在一些实施例中,服务器基于对该目标关键词的搜索请求,实时确定与该目标关键词匹配的至少一个第一对象,相应过程为:服务器响应于对该目标关键词的搜索请求,从多个候选对象中,选取与该目标关键词匹配的至少一个第一对象。
在一些实施例中,服务器基于该多个候选对象的对象特征信息,分别确定该多个候选对象与该目标关键词的匹配度,将该匹配度满足匹配条件的候选对象,确定为与该目标关键词匹配的至少一个第一对象。如此,通过确定各个候选对象与目标关键词之间的匹配度,再基于匹配度来确定与目标关键词匹配的第一对象,提高了确定第一对象的效率和准确率。
其中,匹配度表示候选对象与该目标关键词之间的匹配程度,具体地,匹配度表示各个候选对象的对象特征信息与目标关键词的关键词特征信息之间的相似程度。其中,对象特征信息用于表示候选对象的对象特征,关键词特征信息用于表示目标关键词的词特征。在一些实施例中,对象特征信息与关键词特征信息均为特征向量(embedding)的形式。示例地,对象特征信息为32维的向量。在一些实施例中,匹配度采用特征向量之间的距离来表示。示例地,距离可以是余弦距离、欧氏距离、曼哈顿距离、切比雪夫距离、卡方距离或汉明距离中任一项,本公开实施例对选择何种距离计算匹配度不作限定。应理解地,距离越小,则匹配度越大,距离越大,则匹配度越小。
在一种可选的实现方式中,终端基于多个候选对象的对象特征信息与目标关键词的关键词特征信息,计算各个候选对象的对象特征信息与该关键词特征信息之间的距离,将该距离确定为该多个候选对象的对象特征信息与该关键词特征信息之间的匹配度。
匹配条件用于对多个候选对象与目标关键词是否匹配进行判别。在一些实施例中,匹配条件为匹配度大于或等于匹配度阈值,该匹配度阈值为预先设定的阈值,如80,应理解地,匹配度大于或等于匹配度阈值可采用距离小于或等于某一距离阈值来表示。相应地,(402A)可替换为:服务器响应于对该目标关键词的搜索请求,从多个候选对象中,选取匹配度大于或等于匹配度阈值的至少一个第一对象。在另一些实施例中,匹配条件为匹配度的排列次序位于前目标位数,该目标位数为预先设定的固定位数,如前10位。相应地,(402A)可替换为:服务器响应于对该目标关键词的搜索请求,从多个候选对象中,选取匹配度的排列次序位于前目标位数的至少一个第一对象。
本公开实施例中,多个候选对象为满足关注度条件的多个对象。在一些实施例中,服务器基于多个普通对象也即是多个普通用户(如不满足关注度条件的对象,后续称为多个对象),来确定该多个候选对象,相应过程为:服务器基于多个对象的对象关注列表,确定满足关注度条件的至少一个对象,将满足关注度条件的至少一个对象确定为该多个候选对象。
其中,对象关注列表用于记录对应对象所关注的对象。在一些实施例中,服务器从多个对象的用户画像中,获取该多个对象的对象关注列表,进而从该多个对象的对象关注列表中,确定该多个候选对象。其中,用户画像用于描述对象的属性信息或行为信息。在一些实施例中,用户画像提供为用户画像表的形式。
在一些实施例中,若该多个对象中存在第三对象,则删除该第三对象,该第三对象所关注的对象数量达到数量阈值。其中,数量阈值为预先设定的固定数量,如500或1000。
示例地,该多个对象的数量为2000万,以对象为普通用户为例,候选对象为满足关注度条件的用户为例,随机选取2000万普通用户所关注的满足关注度条件的用户作为候选对象,如此,通过选取一定数量的用户数据,在确保数据量充足的前提下,还能够减少服务器的处理内容,从而提高服务器的处理效率;同时,以数量阈值为500为例,对关注数量达到500的普通用户进行过滤,如此,实现了对兴趣过于广泛的用户的过滤,达到了对用户数据进行预处理的效果,避免了对不必要的用户数据进行处理,同样能够减少服务器的处理内容,从而提高服务器的处理效率。
在上述实施例中,将满足关注度条件的对象作为候选对象,使得后续所确定出的第一对象均为满足关注度条件的对象,进而基于该第一对象能够确定出大量的第二对象,提高了所确定的第二对象的数据量,从而提高了资源推荐的效果。
在一些实施例中,服务器采用特征提取模型来提取该多个候选对象的对象特征信息,相应过程为:服务器将该多个候选对象的对象信息输入特征提取模型,通过该特征提取模型,提取该多个候选对象的对象特征信息。如此,通过特征提取模型来提取各个候选对象的对象特征信息,提高了提取对象特征信息的效率和准确率。
其中,对象信息为多个候选对象的属性信息、行为信息等等。本公开实施例中,特征提取模型用于提取多个候选对象的对象特征信息。该特征提取模型为已训练完成的模型,在一些实施例中,特征提取模型基于多个样本对象的对象信息以及该多个样本对象的对象特征信息训练得到。
在一些实施例中,服务器获取多个样本对象的对象信息以及该多个样本对象的对象特征信息,基于该多个样本对象的对象信息以及该多个样本对象的对象特征信息,进行模型训练,得到特征提取模型。具体地,特征提取模型的训练过程包括:在第一次迭代过程中,分别将该多个样本对象的对象信息输入初始模型,得到第一次迭代过程的特征训练结果;基于第一次迭代过程的特征训练结果与对应样本对象的对象特征信息,确定损失函数,基于损失函数,对初始模型中的模型参数进行调整;将第一次迭代调整后的模型参数作为第二次迭代的模型参数,再进行第二次迭代;重复多次上述迭代过程,在第N次过程中,以第N-1次迭代调整后的模型参数作为新的模型参数,进行模型训练,直到训练满足目标条件,则将满足目标条件的迭代过程所对应的模型获取为特征提取模型。
其中,N为正整数,且N大于1。在一些实施例中,利用目标推荐算法对该初始模型进行模型训练,以训练得到该特征提取模型。可选地,目标推荐算法为item2vec算法。在一些实施例中,特征提取模型的窗口参数为100。在一些实施例中,训练满足的目标条件为初始模型的训练迭代次数达到目标次数,该目标次数是预先设定的训练迭代次数;或者,训练满足的目标条件为损失值满足目标阈值条件,如损失值小于0.00001。本公开实施例对目标条件的设置不作限定。
在上述实施例中,在响应于搜索请求时,再实时确定与目标关键词匹配的第一对象,在确保确定第一对象的效率的同时,还节省了存储空间。
(402B)在一些实施例中,服务器响应于对该目标关键词的搜索请求,从目标关系数据中,确定与该目标关键词匹配的至少一个第一对象。
其中,目标关系数据表示对象以及与该对象匹配的至少一个对象之间的对应关系。需要说明的是,目标关系数据中所包括的对象为满足关注度条件的对象。
在一些实施例中,服务器在执行本方案之前,基于多个候选对象的对象特征信息,生成该目标关系数据,相应过程参见下述(1)至(4)。
(1)服务器获取该多个候选对象的对象信息。
在一些实施例中,服务器基于多个对象的对象关注列表,确定满足关注度条件的至少一个对象,将满足关注度条件的至少一个对象确定为该多个候选对象,获取该多个候选对象的对象信息。
需要说明的是,关于多个候选对象的确定过程参见上述(402A)的内容,不再赘述。
(2)服务器基于该多个候选对象的对象信息,确定该多个候选对象的对象特征信息。
在一些实施例中,服务器采用特征提取模型来提取该多个候选对象的对象特征信息,相应过程为:服务器将该多个候选对象的对象信息输入特征提取模型,通过该特征提取模型,提取该多个候选对象的对象特征信息。
在一些实施例中,服务器确定出该多个候选对象的对象特征信息之后,基于该多个候选对象的对象特征信息,生成特征文本集,该特征文本集包括该多个候选对象的对象特征信息。
需要说明的是,关于特征提取模型的相关内容参见上述(402A)的内容,不再赘述。
(3)服务器基于该多个候选对象的对象特征信息,确定任意两个候选对象之间的匹配度。
其中,任意两个候选对象之间的匹配度表示任意两个候选对象之间的匹配程度,具体地,任意两个候选对象之间的匹配度表示任意两个候选对象的对象特征信息之间的相似程度。在一些实施例中,匹配度采用特征向量之间的距离来表示。示例地,距离可以是余弦距离、欧氏距离、曼哈顿距离、切比雪夫距离、卡方距离或汉明距离中任一项,本公开实施例对选择何种距离计算匹配度不作限定。应理解地,距离越小,则匹配度越大,距离越大,则匹配度越小。
在一些实施例中,终端基于任意两个候选对象的对象特征信息,计算任意两个候选对象的对象特征信息之间的距离,将该距离确定为该任意两个候选对象的对象特征信息之间的匹配度。
在一些实施例中,服务器关联有ANN(Artificial Neural Network,人工神经网络)相似计算接口,通过该ANN相似计算接口,来执行上述确定任意两个候选对象之间的匹配度的过程。
(4)服务器基于各个候选对象以及与该各个候选对象匹配的至少一个候选对象,生成该目标关系数据。
在一些实施例中,若任意两个候选对象之间的匹配度满足匹配条件,则该任意两个候选对象匹配。其中,匹配条件用于对任意两个候选对象是否匹配进行判别。在一些实施例中,匹配条件为匹配度大于或等于匹配度阈值,该匹配度阈值为预先设定的阈值,如80,应理解地,匹配度大于或等于匹配度阈值可采用距离小于或等于某一距离阈值来表示。相应地,该过程可替换为:若任意两个候选对象之间的匹配度大于或等于匹配度阈值,则该任意两个候选对象匹配。在另一些实施例中,匹配条件为匹配度的排列次序位于前目标位数,该目标位数为预先设定的固定位数,如前10位。相应地,该过程可替换为:若任意两个候选对象之间的匹配度的排列次序位于前目标位数,则该任意两个候选对象匹配。
在一些实施例中,服务器生成该目标关系数据之后,将该目标关系数据存储至服务器所关联的匹配信息数据库。在一种可选的实施例中,服务器基于目标关系数据所包括的各个对象之间的关系数据,将各个对象对应的匹配度导入至匹配信息数据库。在一种可选的实施例中,服务器每间隔目标时长,对该匹配信息数据库所存储的目标关系数据进行更新。其中,目标时长为预先设定的固定时长,如1天。
在上述实施例中,通过预先设置目标关系数据,使得后续基于该目标关系数据,就能够快速确定出第一对象,提高了确定第一对象的效率。
在步骤403中,服务器将与该目标关键词匹配的至少一个第一对象发送至终端。
在步骤404中,终端接收与该目标关键词匹配的至少一个第一对象,展示与该目标关键词匹配的至少一个第一对象。
在一些实施例中,终端在该对象搜索页面的第一展示区域,展示与该目标关键词匹配的至少一个第一对象,该第一展示区域用于展示搜索得到的对象。
其中,第一展示区域为搜索结果展示区域。示例地,图5是根据一示例性实施例示出的一种对象搜索页面的示意图,参见图5,在图5所示出的对象搜索页面中,第一展示区域为图5所示出的“区域501”,在该“区域501”中,展示有与该目标关键词匹配的至少一个第一对象。在一些实施例中,在目标关键词为用于唯一指示对象的关键词的情况下,所确定出的与该目标关键词匹配的至少一个第一对象,包括该目标关键词所指示的对象以及与该对象匹配的其他对象,相应地,终端在对象搜索页面的第一展示区域,展示该目标关键词所指示的对象,响应于对该目标关键词所指示的对象的触发操作,展示与该对象匹配的其他对象。示例地,参见图5,图5所示出的对象搜索页面,也即是触发该目标关键词所指示的对象之后所展示的页面。其中,该目标关键词所指示的对象也即是用户1,与该对象匹配的其他对象也即是用户2、用户3、用户4、用户5等。
在上述实施例中,通过在第一展示区域展示该至少一个第一对象,能够直观地展示该至少一个第一对象,以便业务人员能够明确所展示的第一对象为搜索得到的对象,提高了第一对象的展示效果。
在一些实施例中,终端响应于对该至少一个第一对象中任一个第一对象的选择操作,在该对象搜索页面的第二展示区域,展示被选中的第一对象,该第二展示区域用于展示被选中的对象。
其中,第二展示区域为选定结果展示区域。示例地,参见图5,在图5所示出的对象搜索页面中,第二展示区域为图5所示出的“区域502”,在该“区域502”中,展示有被选中的第一对象,如用户5。
在上述实施例中,通过在第二展示区域展示被选中的第一对象,能够直观地展示被选中的第一对象,以便业务人员能够明确所展示的第一对象为被选中的对象,提高了被选中的第一对象的展示效果。
在步骤405中,终端响应于对该对象搜索页面中至少一个交互类型控件的触发操作,向服务器发送对象获取请求。
在一些实施例中,对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为。在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。其中,发布资源是指对象已发布的多媒体资源,如已发布的视频,相应地,基于该发布资源的交互操作行为可以是对视频的点赞操作行为、评论操作行为、分享操作行为、收藏操作行为等等。虚拟空间是指直播间,相应地,基于该虚拟空间的交互操作行为可以为对直播间的访问操作行为、在直播间中赠送虚拟礼物的操作行为、在直播间中购买商品的操作行为等等。如此,提供了多种类型的交互操作行为,提高了确定待推荐对象的灵活性。
示例地,参见图5,在图5所示出的对象搜索页面中,该至少一个交互类型控件分别为“关注控件”、“视频互动控件”、“直播互动控件”。
其中,对象获取请求用于请求获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象。本公开实施例后续采用第二对象来指代与第一对象发生过交互操作行为的对象。以交互操作行为是关注操作行为为例,对象获取请求用于请求获取与该至少一个第一对象发生过关注操作行为的至少一个第二对象。示例地,第二对象可以是关注第一对象的对象。以交互操作行为是基于发布资源的交互操作行为为例,对象获取请求用于请求获取与该至少一个第一对象发生过基于发布资源的交互操作行为的至少一个第二对象。示例地,第二对象可以是对第一对象的发布资源进行收藏的对象。以交互操作行为是基于虚拟空间的交互操作行为为例,对象获取请求用于请求获取与该至少一个第一对象发生过基于虚拟空间的交互操作行为的至少一个第二对象。示例地,第二对象可以是在第一对象的直播间内购买过商品的对象。应理解地,第二对象可能是普通用户,也即是不满足关注度条件的用户。
在步骤406中,服务器响应于基于该至少一个交互类型控件所触发的对象获取请求,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象。
在一些实施例中,服务器获取至少一个第二对象的过程包括下述至少一项。
(406A)在一些实施例中,以所触发的交互类型控件为“关注控件”,交互操作行为是关注操作行为为例,服务器获取至少一个第二对象的过程为:服务器获取与该至少一个第一对象发生过关注操作行为的至少一个第二对象。
(406B)在一些实施例中,以所触发的交互类型控件为“视频互动控件”,交互操作行为是基于发布资源的交互操作行为为例,服务器获取至少一个第二对象的过程为:服务器获取与该至少一个第一对象发生过基于发布资源的交互操作行为的至少一个第二对象。
(406C)在一些实施例中,以所触发的交互类型控件为“直播互动控件”,交互操作行为是基于虚拟空间的交互操作行为为例,服务器获取至少一个第二对象的过程为:服务器获取与该至少一个第一对象发生过基于虚拟空间的交互操作行为的至少一个第二对象。
在上述步骤405至步骤406中,基于所触发的交互类型控件,来请求服务器获取与第一对象发生过对应交互操作行为的第二对象。在一些实施例中,终端响应于对上述至少一个交互类型控件中的一个、两个或三个交互类型控件的触发操作,请求服务器获取与第一对象发生过对应交互操作行为的第二对象。示例地,以所触发的交互类型控件为“关注控件”和“视频互动控件”为例,服务器获取至少一个第二对象的过程为:服务器获取与该至少一个第一对象发生过关注操作行为的对象,并获取与该至少一个第一对象发生过基于发布资源的交互操作行为的对象,将所获取的对象确定为该至少一个第二对象。示例地,以所触发的交互类型控件为“关注控件”、“视频互动控件”和“直播互动控件”为例,服务器获取至少一个第二对象的过程为:服务器获取与该至少一个第一对象发生过关注操作行为的对象、与该至少一个第一对象发生过基于发布资源的交互操作行为的对象以及与该至少一个第一对象发生过基于虚拟空间的交互操作行为的对象,将所获取的对象确定为该至少一个第二对象。如此,提高了确定第二对象的灵活性。
在上述步骤404至步骤406中,是基于终端所展示的至少一个第一对象,来请求服务器获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象的过程,也即是在选中该至少一个第一对象的情况下,请求服务器获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象的过程。在另一些实施例中,在执行步骤404之后,终端响应于对该至少一个第一对象中任一个第一对象的选择操作,基于被选中的第一对象,来执行步骤405中基于交互类型控件来发送对象获取请求的过程,以请求服务器获取与该被选中的第一对象发生过对应的交互操作行为的至少一个第二对象。如此,提高了确定第二对象的灵活性。
在步骤407中,服务器基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
在一些实施例中,对象搜索页面包括资源推荐控件,业务人员可以选择待推荐对象,基于被选中的待推荐对象,对该对象搜索页面中的资源推荐控件实施触发操作,则终端响应于对该资源推荐控件的触发操作,将该多媒体资源推荐至被选中的待推荐对象。
示例地,以搜索某一用户的场景为例,业务人员在该对象搜索页面中搜索该用户时,会触发展示与该用户匹配的目标数量的其他用户,例如,展示与该用户匹配的10个其他用户,则业务人员可以确定与这些用户发生过关注操作行为,视频互动操作行为或者直播互动操作行为的用户,再基于所确定的用户进行资源推荐。
在一些实施例中,该对象搜索页面包括导入控件,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个对象,相应地,该方法还包括:终端基于该导入控件,在该对象搜索页面中导入在历史时间段内所确定的该多媒体资源的至少一个对象。
在一种可选的实施例中,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个第一对象,或,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个第二对象,或,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个第一对象以及对应的至少一个第二对象。
示例地,参见图5,在图5所示出的对象搜索页面中,导入控件可以是图5所示出的“批量导入控件”。在一种可选的实施例中,终端响应于对该导入控件的触发操作,展示在历史时间段内所确定的该多媒体资源的至少一个对象,响应于对该至少一个对象中任一个对象的选择操作,在该对象搜索页面中导入被选中的对象。
如此,通过设置导入控件,使得业务人员通过该导入控件,能够一键导入之前所确定的其他对象,无需耗费较长时间找寻之前所确定的其他对象,提高了人机交互效率。
在一些实施例中,该对象搜索页面包括存储控件,该存储控件用于将被选中的至少一个对象存储至该多媒体资源的对象数据包,该对象数据包用于存储该多媒体资源的待推荐对象,相应地,该方法还包括:终端响应于对该存储控件的触发操作,将被选中的至少一个对象存储至该多媒体资源的对象数据包。
在一种可选的实施例中,该存储控件用于将被选中的至少一个第一对象存储至该多媒体资源的对象数据包,或,该存储控件用于将被选中的至少一个第二对象存储至该多媒体资源的对象数据包,或,该存储控件用于将被选中的至少一个第一对象以及对应的至少一个第二对象存储至该多媒体资源的对象数据包。
示例地,参见图5,在图5所示出的对象搜索页面中,存储控件可以是图5所示出的“生成词包控件”。
如此,通过设置存储控件,使得业务人员通过该存储控件,能够快速将被选中的对象存储至对象数据包中,无需耗费较长时间进行打包过程,提高了人机交互效率。
示例地,图6是根据一示例性实施例示出的一种资源推荐的流程示意图,参见图6,本公开实施例提供的资源推荐方法提供有四个处理模块,分别是数据预处理模块、特征提取模块、相似度计算模块和推荐结果展示模块,其中,数据预处理模块用于获取用户的关注列表,从该关注列表中获取一定数量的用户信息,例如,用户信息为满足关注度条件的用户的属性信息和行为信息;特征提取模块用于利用目标推荐算法进行模型训练,得到特征提取模型,进而通过该特征提取模型来提取各个用户的特征向量;相似度计算模块用于基于各个用户的特征向量计算任意两个用户之间的相似度,并将各个用户以及该用户的前10名相似用户对应存储;推荐结果展示模块用于基于对任一个用户的搜索操作,在展示该用户的同时,还对该用户的前10名相似用户进行展示。如此,根据用户的关注列表,利用目标推荐算法来实现相似用户的推荐方法,能够帮助业务人员精准定向相似用户的用户群,实现了定向人群与媒体资源之间的精准推荐。
本公开实施例提供的技术方案,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。
图7是根据一示例性实施例示出的一种资源推荐装置的框图。参见图7,该装置包括搜索单元701,获取单元702和推荐单元703:
搜索单元701,被配置为执行在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,展示与该目标关键词匹配的至少一个第一对象,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为;
获取单元702,被配置为执行响应于对该至少一个交互类型控件的触发操作,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
推荐单元703,被配置为执行基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
本公开实施例提供的技术方案,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。
在一些实施例中,该搜索单元701,被配置为执行:
响应于对该目标关键词的搜索操作,在该对象搜索页面的第一展示区域,展示与该目标关键词匹配的至少一个第一对象,该第一展示区域用于展示搜索得到的对象。
在一些实施例中,该装置还包括:
展示单元,被配置为执行响应于对该至少一个第一对象中任一个第一对象的选择操作,在该对象搜索页面的第二展示区域,展示被选中的该第一对象,该第二展示区域用于展示被选中的对象。
在一些实施例中,该对象搜索页面包括导入控件,该导入控件用于导入在历史时间段内所确定的该多媒体资源的至少一个对象;
该装置还包括:
导入单元,被配置为执行基于该导入控件,在该对象搜索页面中导入在历史时间段内所确定的该多媒体资源的至少一个对象。
在一些实施例中,该对象搜索页面包括存储控件,该存储控件用于将被选中的至少一个对象存储至该多媒体资源的对象数据包,该对象数据包用于存储该多媒体资源的待推荐对象;
该装置还包括:
存储单元,被配置为执行响应于对该存储控件的触发操作,将被选中的至少一个对象存储至该多媒体资源的对象数据包。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
图8是根据一示例性实施例示出的一种资源推荐装置的框图。参见图8,该装置包括确定单元801,获取单元802和推荐单元803:
确定单元801,被配置为执行响应于对目标关键词的搜索请求,确定与该目标关键词匹配的至少一个第一对象,该搜索请求基于多媒体资源的对象搜索页面触发,该对象搜索页面包括至少一个交互类型控件,该交互类型控件分别对应于一类交互操作行为;
获取单元802,被配置为执行响应于基于该至少一个交互类型控件所触发的对象获取请求,获取与该至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
推荐单元803,被配置为执行基于该至少一个第一对象与该至少一个第二对象,对该多媒体资源进行推荐。
本公开实施例提供的技术方案,在多媒体资源的对象搜索页面中基于目标关键词搜索对象时,能够触发展示与该目标关键词匹配的至少一个对象,增加了对象搜索页面所展示的信息量,且,通过在该对象搜索页面中设置交互类型控件,使得用户通过该交互类型控件,就能够触发获取与匹配对象发生过对应交互操作行为的其他对象,如此,能够快速获得与多媒体资源相关的多个对象,进而能够获得多媒体资源的待推荐对象,整个过程无需依赖人为确定,提高了确定待推荐对象的效率和准确度,从而提高了资源推荐的效率和准确度。
在一些实施例中,该确定单元801,包括下述任一项:
确定子单元,被配置为执行响应于对该目标关键词的搜索请求,从目标关系数据中,确定与该目标关键词匹配的至少一个第一对象,该目标关系数据表示对象以及与该对象匹配的至少一个对象之间的对应关系;
选择子单元,被配置为执行响应于对该目标关键词的搜索请求,从多个候选对象中,选取与该目标关键词匹配的至少一个第一对象。
在一些实施例中,该选择子单元,包括:
第一确定子单元,被配置为执行基于该多个候选对象的对象特征信息,分别确定该多个候选对象与该目标关键词的匹配度,该匹配度表示候选对象与该目标关键词之间的匹配程度;
第二确定子单元,被配置为执行将该匹配度满足匹配条件的候选对象,确定为与该目标关键词匹配的至少一个第一对象。
在一些实施例中,该装置还包括:
提取单元,被配置为执行将该多个候选对象的对象信息输入特征提取模型,通过该特征提取模型,提取该多个候选对象的对象特征信息,该特征提取模型基于多个样本对象的对象信息以及该多个样本对象的对象特征信息训练得到。
在一些实施例中,该获取单元802,还被配置为执行:
基于多个对象的对象关注列表,确定满足关注度条件的至少一个对象,该对象关注列表用于记录对应对象所关注的对象;
将满足关注度条件的至少一个对象确定为该多个候选对象。
在一些实施例中,该装置还包括:
删除单元,被配置为执行若该多个对象中存在第三对象,则删除该第三对象,该第三对象所关注的对象数量达到数量阈值。
在一些实施例中,该交互操作行为包括关注操作行为、基于发布资源的交互操作行为或基于虚拟空间的交互操作行为中的至少一项。
需要说明的是:上述实施例提供的资源推荐装置在资源推荐时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的资源推荐装置与资源推荐方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本公开实施例所提到的计算机设备可提供为一种终端。图9示出了本公开一个示例性实施例提供的终端900的结构框图。该终端900可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端900还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端900包括有:处理器901和存储器902。
处理器901可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器901可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器901也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器901可以集成有GPU(Graphics Processing Unit,图像处理器), GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器901还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器902可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器902还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器902中的非暂态的计算机可读存储介质用于存储至少一个程序代码,该至少一个程序代码用于被处理器901所执行以实现本公开中方法实施例提供的资源推荐方法中终端执行的过程。
在一些实施例中,终端900还可选包括有:***设备接口903和至少一个***设备。处理器901、存储器902和***设备接口903之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口903相连。具体地,***设备包括:射频电路904、显示屏905、摄像头组件906、音频电路907、定位组件908和电源909中的至少一种。
***设备接口903可被用于将I/O(Input /Output,输入/输出)相关的至少一个***设备连接到处理器901和存储器902。在一些实施例中,处理器901、存储器902和***设备接口903被集成在同一芯片或电路板上;在一些其他实施例中,处理器901、存储器902和***设备接口903中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路904用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路904通过电磁信号与通信网络以及其他通信设备进行通信。射频电路904将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路904包括:天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路904可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路904还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本公开对此不加以限定。
显示屏905用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏905是触摸显示屏时,显示屏905还具有采集在显示屏905的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器901进行处理。此时,显示屏905还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏905可以为一个,设置在终端900的前面板;在另一些实施例中,显示屏905可以为至少两个,分别设置在终端900的不同表面或呈折叠设计;在另一些实施例中,显示屏905可以是柔性显示屏,设置在终端900的弯曲表面上或折叠面上。甚至,显示屏905还可以设置成非矩形的不规则图形,也即异形屏。显示屏905可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件906用于采集图像或视频。可选地,摄像头组件906包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件906还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路907可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器901进行处理,或者输入至射频电路904以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端900的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器901或射频电路904的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路907还可以包括耳机插孔。
定位组件908用于定位终端900的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件908可以是基于美国的GPS(GlobalPositioning System,全球定位***)、中国的北斗***、俄罗斯的格雷纳斯***或欧盟的伽利略***的定位组件。
电源909用于为终端900中的各个组件进行供电。电源909可以是交流电、直流电、一次性电池或可充电电池。当电源909包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端900还包括有一个或多个传感器910。该一个或多个传感器910包括但不限于:加速度传感器911、陀螺仪传感器912、压力传感器913、指纹传感器914、光学传感器915以及接近传感器916。
加速度传感器911可以检测以终端900建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器911可以用于检测重力加速度在三个坐标轴上的分量。处理器901可以根据加速度传感器911采集的重力加速度信号,控制显示屏905以横向视图或纵向视图进行用户界面的显示。加速度传感器911还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器912可以检测终端900的机体方向及转动角度,陀螺仪传感器912可以与加速度传感器911协同采集用户对终端900的3D动作。处理器901根据陀螺仪传感器912采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器913可以设置在终端900的侧边框和/或显示屏905的下层。当压力传感器913设置在终端900的侧边框时,可以检测用户对终端900的握持信号,由处理器901根据压力传感器913采集的握持信号进行左右手识别或快捷操作。当压力传感器913设置在显示屏905的下层时,由处理器901根据用户对显示屏905的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器914用于采集用户的指纹,由处理器901根据指纹传感器914采集到的指纹识别用户的身份,或者,由指纹传感器914根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器901授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器914可以被设置在终端900的正面、背面或侧面。当终端900上设置有物理按键或厂商Logo时,指纹传感器914可以与物理按键或厂商Logo集成在一起。
光学传感器915用于采集环境光强度。在一个实施例中,处理器901可以根据光学传感器915采集的环境光强度,控制显示屏905的显示亮度。具体地,当环境光强度较高时,调高显示屏905的显示亮度;当环境光强度较低时,调低显示屏905的显示亮度。在另一个实施例中,处理器901还可以根据光学传感器915采集的环境光强度,动态调整摄像头组件906的拍摄参数。
接近传感器916,也称距离传感器,通常设置在终端900的前面板。接近传感器916用于采集用户与终端900的正面之间的距离。在一个实施例中,当接近传感器916检测到用户与终端900的正面之间的距离逐渐变小时,由处理器901控制显示屏905从亮屏状态切换为息屏状态;当接近传感器916检测到用户与终端900的正面之间的距离逐渐变大时,由处理器901控制显示屏905从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图9中示出的结构并不构成对终端900的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本公开实施例所提到的计算机设备可提供为一种服务器。图10是根据一示例性实施例示出的一种服务器的框图,该服务器1000可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central Processing Units,CPU)1001和一个或多个的存储器1002,其中,该一个或多个存储器1002中存储有至少一条程序代码,该至少一条程序代码由该一个或多个处理器1001加载并执行以实现上述各个方法实施例提供的资源推荐方法中服务器执行的过程。当然,该服务器1000还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器1000还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种包括程序代码的计算机可读存储介质,例如包括程序代码的存储器1002,上述程序代码可由服务器1000的处理器1001执行以完成上述资源推荐方法。可选地,计算机可读存储介质可以是ROM(Read-Only Memory,只读内存)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact-Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的资源推荐方法。
在一些实施例中,本公开实施例所涉及的计算机程序可被部署在一个计算机设备上执行,或者在位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行,分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链***。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (17)

1.一种资源推荐方法,其特征在于,所述方法包括:
在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,展示与所述目标关键词匹配的至少一个第一对象,所述对象搜索页面包括至少一个交互类型控件,所述交互类型控件分别对应于一类交互操作行为;
响应于对所述至少一个交互类型控件的触发操作,获取与所述至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
基于所述至少一个第一对象与所述至少一个第二对象,对所述多媒体资源进行推荐。
2.根据权利要求1所述的资源推荐方法,其特征在于,所述响应于对目标关键词的搜索操作,展示与所述目标关键词匹配的至少一个第一对象包括:
响应于对所述目标关键词的搜索操作,在所述对象搜索页面的第一展示区域,展示与所述目标关键词匹配的至少一个第一对象,所述第一展示区域用于展示搜索得到的对象。
3.根据权利要求1所述的资源推荐方法,其特征在于,所述方法还包括:
响应于对所述至少一个第一对象中任一个第一对象的选择操作,在所述对象搜索页面的第二展示区域,展示被选中的第一对象,所述第二展示区域用于展示被选中的对象。
4.根据权利要求1所述的资源推荐方法,其特征在于,所述对象搜索页面包括导入控件,所述导入控件用于导入在历史时间段内所确定的所述多媒体资源的至少一个对象;
所述方法还包括:
基于所述导入控件,在所述对象搜索页面中导入在历史时间段内所确定的所述多媒体资源的至少一个对象。
5.根据权利要求1所述的资源推荐方法,其特征在于,所述对象搜索页面包括存储控件,所述存储控件用于将被选中的至少一个对象存储至所述多媒体资源的对象数据包,所述对象数据包用于存储所述多媒体资源的待推荐对象;
所述方法还包括:
响应于对所述存储控件的触发操作,将被选中的至少一个对象存储至所述多媒体资源的对象数据包。
6.一种资源推荐方法,其特征在于,所述方法包括:
响应于对目标关键词的搜索请求,确定与所述目标关键词匹配的至少一个第一对象,所述搜索请求基于多媒体资源的对象搜索页面触发,所述对象搜索页面包括至少一个交互类型控件,所述交互类型控件分别对应于一类交互操作行为;
响应于基于所述至少一个交互类型控件所触发的对象获取请求,获取与所述至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
基于所述至少一个第一对象与所述至少一个第二对象,对所述多媒体资源进行推荐。
7.根据权利要求6所述的资源推荐方法,其特征在于,所述响应于对目标关键词的搜索请求,确定与所述目标关键词匹配的至少一个第一对象包括下述任一项:
响应于对所述目标关键词的搜索请求,从目标关系数据中,确定与所述目标关键词匹配的至少一个第一对象,所述目标关系数据表示对象以及与所述对象匹配的至少一个对象之间的对应关系;
响应于对所述目标关键词的搜索请求,从多个候选对象中,选取与所述目标关键词匹配的至少一个第一对象。
8.根据权利要求7所述的资源推荐方法,其特征在于,所述从多个候选对象中,选取与所述目标关键词匹配的至少一个第一对象包括:
基于所述多个候选对象的对象特征信息,分别确定所述多个候选对象与所述目标关键词的匹配度,所述匹配度表示候选对象与所述目标关键词之间的匹配程度;
将所述匹配度满足匹配条件的候选对象,确定为与所述目标关键词匹配的至少一个第一对象。
9.根据权利要求8所述的资源推荐方法,其特征在于,所述基于所述多个候选对象的对象特征信息,分别确定所述多个候选对象与所述目标关键词的匹配度之前,所述方法还包括:
将所述多个候选对象的对象信息输入特征提取模型,通过所述特征提取模型,提取所述多个候选对象的对象特征信息,所述特征提取模型基于多个样本对象的对象信息以及所述多个样本对象的对象特征信息训练得到。
10.根据权利要求7至9中任一项所述的资源推荐方法,其特征在于,所述多个候选对象的获取过程包括:
基于多个对象的对象关注列表,确定满足关注度条件的至少一个对象,所述对象关注列表用于记录对应对象所关注的对象;
将满足关注度条件的至少一个对象确定为所述多个候选对象。
11.一种资源推荐装置,其特征在于,所述装置包括:
搜索单元,被配置为执行在多媒体资源的对象搜索页面中,响应于对目标关键词的搜索操作,展示与所述目标关键词匹配的至少一个第一对象,所述对象搜索页面包括至少一个交互类型控件,所述交互类型控件分别对应于一类交互操作行为;
获取单元,被配置为执行响应于对所述至少一个交互类型控件的触发操作,获取与所述至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
推荐单元,被配置为执行基于所述至少一个第一对象与所述至少一个第二对象,对所述多媒体资源进行推荐。
12.根据权利要求11所述的资源推荐装置,其特征在于,所述搜索单元,被配置为执行:
响应于对所述目标关键词的搜索操作,在所述对象搜索页面的第一展示区域,展示与所述目标关键词匹配的至少一个第一对象,所述第一展示区域用于展示搜索得到的对象。
13.根据权利要求11所述的资源推荐装置,其特征在于,所述装置还包括:
展示单元,被配置为执行响应于对所述至少一个第一对象中任一个第一对象的选择操作,在所述对象搜索页面的第二展示区域,展示被选中的第一对象,所述第二展示区域用于展示被选中的对象。
14.一种资源推荐装置,其特征在于,所述装置包括:
确定单元,被配置为执行响应于对目标关键词的搜索请求,确定与所述目标关键词匹配的至少一个第一对象,所述搜索请求基于多媒体资源的对象搜索页面触发,所述对象搜索页面包括至少一个交互类型控件,所述交互类型控件分别对应于一类交互操作行为;
获取单元,被配置为执行响应于基于所述至少一个交互类型控件所触发的对象获取请求,获取与所述至少一个第一对象发生过对应的交互操作行为的至少一个第二对象;
推荐单元,被配置为执行基于所述至少一个第一对象与所述至少一个第二对象,对所述多媒体资源进行推荐。
15.根据权利要求14所述的资源推荐装置,其特征在于,所述确定单元,包括下述任一项:
确定子单元,被配置为执行响应于对所述目标关键词的搜索请求,从目标关系数据中,确定与所述目标关键词匹配的至少一个第一对象,所述目标关系数据表示对象以及与所述对象匹配的至少一个对象之间的对应关系;
选择子单元,被配置为执行响应于对所述目标关键词的搜索请求,从多个候选对象中,选取与所述目标关键词匹配的至少一个第一对象。
16.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
用于存储所述处理器可执行程序代码的存储器;
其中,所述处理器被配置为执行所述程序代码,以实现如权利要求1至10中任一项所述的资源推荐方法。
17.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的程序代码由计算机设备的处理器执行时,使得计算机设备能够执行如权利要求1至10中任一项所述的资源推荐方法。
CN202111623462.5A 2021-12-28 2021-12-28 资源推荐方法、装置、计算机设备及介质 Active CN113987326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111623462.5A CN113987326B (zh) 2021-12-28 2021-12-28 资源推荐方法、装置、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111623462.5A CN113987326B (zh) 2021-12-28 2021-12-28 资源推荐方法、装置、计算机设备及介质

Publications (2)

Publication Number Publication Date
CN113987326A CN113987326A (zh) 2022-01-28
CN113987326B true CN113987326B (zh) 2022-03-25

Family

ID=79734688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111623462.5A Active CN113987326B (zh) 2021-12-28 2021-12-28 资源推荐方法、装置、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN113987326B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115718772A (zh) * 2022-11-24 2023-02-28 腾讯科技(深圳)有限公司 推荐资源确定方法、数据处理方法、设备及计算机介质
CN116304355B (zh) * 2023-04-18 2023-11-14 北京达佳互联信息技术有限公司 基于对象的信息推荐方法、装置、电子设备及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015190149A1 (ja) * 2014-06-11 2015-12-17 ソニー株式会社 情報処理装置、制御方法、およびプログラム
CN106815291A (zh) * 2016-12-07 2017-06-09 北京搜狗科技发展有限公司 搜索结果项展现方法、装置和用于搜索结果项展现的装置
US10198514B1 (en) * 2014-08-13 2019-02-05 Amazon Technologies, Inc. Context based search filters
CN109492180A (zh) * 2018-09-07 2019-03-19 平安科技(深圳)有限公司 资源推荐方法、装置、计算机设备及计算机可读存储介质
CN111310040A (zh) * 2020-02-11 2020-06-19 腾讯科技(北京)有限公司 基于人工智能的推荐方法、装置、电子设备及存储介质
CN111899047A (zh) * 2020-07-14 2020-11-06 拉扎斯网络科技(上海)有限公司 资源推荐方法、装置、计算机设备及计算机可读存储介质
CN112052387A (zh) * 2020-08-17 2020-12-08 腾讯科技(深圳)有限公司 一种内容推荐方法、装置和计算机可读存储介质
CN112148992A (zh) * 2020-10-20 2020-12-29 腾讯科技(深圳)有限公司 内容推送方法、装置、计算机设备和存储介质
CN112231563A (zh) * 2020-10-15 2021-01-15 腾讯科技(深圳)有限公司 一种内容推荐方法、装置及存储介质
CN113094521A (zh) * 2021-03-12 2021-07-09 北京达佳互联信息技术有限公司 一种多媒体资源搜索方法、装置、***、设备及存储介质
CN113111286A (zh) * 2021-05-12 2021-07-13 北京字节跳动网络技术有限公司 一种信息展示的方法、装置以及计算机存储介质
CN113254126A (zh) * 2021-05-12 2021-08-13 北京字跳网络技术有限公司 信息处理方法、装置和电子设备
WO2021169367A1 (zh) * 2020-02-27 2021-09-02 深圳大学 一种基于多层注意力的推荐方法
CN113744021A (zh) * 2021-02-08 2021-12-03 北京沃东天骏信息技术有限公司 一种推荐方法、装置、计算机存储介质及***
CN113761359A (zh) * 2021-05-13 2021-12-07 腾讯科技(深圳)有限公司 数据包推荐方法、装置、电子设备和存储介质
CN113792212A (zh) * 2021-08-31 2021-12-14 北京百度网讯科技有限公司 多媒体资源推荐方法、装置、设备以及存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015190149A1 (ja) * 2014-06-11 2015-12-17 ソニー株式会社 情報処理装置、制御方法、およびプログラム
US10198514B1 (en) * 2014-08-13 2019-02-05 Amazon Technologies, Inc. Context based search filters
CN106815291A (zh) * 2016-12-07 2017-06-09 北京搜狗科技发展有限公司 搜索结果项展现方法、装置和用于搜索结果项展现的装置
CN109492180A (zh) * 2018-09-07 2019-03-19 平安科技(深圳)有限公司 资源推荐方法、装置、计算机设备及计算机可读存储介质
CN111310040A (zh) * 2020-02-11 2020-06-19 腾讯科技(北京)有限公司 基于人工智能的推荐方法、装置、电子设备及存储介质
WO2021169367A1 (zh) * 2020-02-27 2021-09-02 深圳大学 一种基于多层注意力的推荐方法
CN111899047A (zh) * 2020-07-14 2020-11-06 拉扎斯网络科技(上海)有限公司 资源推荐方法、装置、计算机设备及计算机可读存储介质
CN112052387A (zh) * 2020-08-17 2020-12-08 腾讯科技(深圳)有限公司 一种内容推荐方法、装置和计算机可读存储介质
CN112231563A (zh) * 2020-10-15 2021-01-15 腾讯科技(深圳)有限公司 一种内容推荐方法、装置及存储介质
CN112148992A (zh) * 2020-10-20 2020-12-29 腾讯科技(深圳)有限公司 内容推送方法、装置、计算机设备和存储介质
CN113744021A (zh) * 2021-02-08 2021-12-03 北京沃东天骏信息技术有限公司 一种推荐方法、装置、计算机存储介质及***
CN113094521A (zh) * 2021-03-12 2021-07-09 北京达佳互联信息技术有限公司 一种多媒体资源搜索方法、装置、***、设备及存储介质
CN113111286A (zh) * 2021-05-12 2021-07-13 北京字节跳动网络技术有限公司 一种信息展示的方法、装置以及计算机存储介质
CN113254126A (zh) * 2021-05-12 2021-08-13 北京字跳网络技术有限公司 信息处理方法、装置和电子设备
CN113761359A (zh) * 2021-05-13 2021-12-07 腾讯科技(深圳)有限公司 数据包推荐方法、装置、电子设备和存储介质
CN113792212A (zh) * 2021-08-31 2021-12-14 北京百度网讯科技有限公司 多媒体资源推荐方法、装置、设备以及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
人工智能时代的互联网广告:基于深度学习技术的广告推荐***;林晓颖;《吉林广播电视大学学报》;20200815(第08期);第149-151页 *
基于概念泛化的科技文献推荐算法;徐勇等;《图书情报工作》;20121105(第21期);第103-110页 *

Also Published As

Publication number Publication date
CN113987326A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN111652678B (zh) 物品信息显示方法、装置、终端、服务器及可读存储介质
CN108717432B (zh) 资源查询方法及装置
CN111506758B (zh) 物品名称确定方法、装置、计算机设备及存储介质
CN110163066B (zh) 多媒体数据推荐方法、装置及存储介质
CN111104980B (zh) 确定分类结果的方法、装置、设备及存储介质
WO2020048392A1 (zh) 应用程序的病毒检测方法、装置、计算机设备及存储介质
CN111897996A (zh) 话题标签推荐方法、装置、设备及存储介质
CN113987326B (zh) 资源推荐方法、装置、计算机设备及介质
CN111858971A (zh) 多媒体资源推荐方法、装置、终端及服务器
CN112052354A (zh) 视频推荐方法、视频展示方法、装置及计算机设备
CN111031391A (zh) 视频配乐方法、装置、服务器、终端及存储介质
CN113032587B (zh) 多媒体信息推荐方法、***、装置、终端和服务器
CN110929159B (zh) 资源投放方法、装置、设备及介质
CN112131473B (zh) 信息推荐方法、装置、设备及存储介质
CN113609358A (zh) 内容分享方法、装置、电子设备以及存储介质
CN111563201A (zh) 内容推送方法、装置、服务器及存储介质
CN113377976B (zh) 资源搜索方法、装置、计算机设备及存储介质
CN113051485B (zh) 群组搜索方法、装置、终端及存储介质
CN110717110B (zh) 多媒体资源过滤方法、装置、电子设备及存储介质
CN114329292A (zh) 资源信息的配置方法、装置、电子设备以及存储介质
CN115905374A (zh) 应用功能的展示方法、装置、终端及存储介质
CN112070586A (zh) 基于语义识别的物品推荐方法、装置、计算机设备及介质
CN111539794A (zh) 凭证信息的获取方法、装置、电子设备及存储介质
CN113591958B (zh) 融合物联网数据和信息网数据的方法、装置及设备
CN111581481B (zh) 搜索词推荐方法、装置、电子设备以及存储介质

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
GR01 Patent grant
GR01 Patent grant