多媒体推荐方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种多媒体推荐方法、装置、设备及存储介质，属于互联网技术领域。方法包括：获取目标用户标识对应的历史播放序列，历史播放序列中包括登录目标用户标识的终端播放过的多个多媒体数据，且多个多媒体数据按照播放顺序排列；将每个多媒体数据的内容特征与位置特征进行融合，得到每个多媒体数据的多媒体特征，内容特征表示多媒体数据的内容，位置特征表示多媒体数据在历史播放序列中的位置；按照多个多媒体数据的排列顺序，将多个多媒体特征进行融合，得到目标用户标识的兴趣特征；根据兴趣特征，为目标用户标识推荐多媒体数据。上述方法能够提高推荐多媒体的准确率。

【技术实现步骤摘要】
多媒体推荐方法、装置、设备及存储介质
本申请涉及互联网
，特别涉及一种多媒体推荐方法、装置、设备及存储介质。
技术介绍
随着互联网技术的快速发展，视频、音频等多媒体数据的数量迅速膨胀，造成了数据过载问题。面对这个问题，多媒体推荐技术应运而生，从而能够主动向用户推荐用户可能感兴趣的多媒体数据。相关技术中，一般向用户推荐比较热门的多媒体数据，然而热门的多媒体数据可能并不符合用户的兴趣，从而导致多媒体推荐的准确率低，推荐效果差。
技术实现思路
本申请实施例提供了一种多媒体推荐方法、装置、设备及存储介质，能够提高推荐多媒体的准确率。所述技术方案如下：一方面，提供了一种多媒体推荐方法，所述方法包括：获取目标用户标识对应的历史播放序列，所述历史播放序列中包括登录所述目标用户标识的终端播放过的多个多媒体数据，且所述多个多媒体数据按照播放顺序排列；将每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征，所述内容特征表示所述多媒体数据的内容，所述位置特征表示所述多媒体数据在所述历史播放序列中的位置；按照所述多个多媒体数据的排列顺序，将多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征；根据所述兴趣特征，为所述目标用户标识推荐多媒体数据。在一种可能的实现方式中，所述将每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征，包括：调用多媒体推荐模型中的特征融合层，将所述每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征；所述按照所述多个多媒体数据的排列顺序，将所述多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征，包括：调用所述多媒体推荐模型中的兴趣提取层，按照所述多个多媒体数据的排列顺序，将所述多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征。在另一种可能的实现方式中，所述调用所述多媒体推荐模型中的兴趣提取层，按照所述多个多媒体数据的排列顺序，将所述多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征，包括：调用所述兴趣提取层，按照所述多个多媒体数据的排列顺序，确定所述每个多媒体特征与目标多媒体特征的相关度，根据确定的相关度从所述目标多媒体特征中提取隐层多媒体特征，所述目标多媒体特征为所述多个多媒体特征中的任一个；将所述多个多媒体数据的隐层多媒体特征进行融合，得到所述目标用户标识的兴趣特征。在另一种可能的实现方式中，所述多媒体推荐模型的训练过程包括：获取第一样本播放序列中多个样本多媒体数据的内容特征、正样本数据的第一样本内容特征和负样本数据的第二样本内容特征，所述正样本数据为已推荐且在所述第一样本播放序列之后播放的多媒体数据，所述负样本为已推荐但未播放的多媒体数据；调用所述多媒体推荐模型，根据所述第一样本播放序列中多个样本多媒体数据的内容特征，获取第一兴趣特征；根据所述第一兴趣特征、所述第一样本内容特征和所述第二样本内容特征训练所述多媒体推荐模型。在另一种可能的实现方式中，所述根据所述第一兴趣特征、所述第一样本内容特征和所述第二样本内容特征训练所述多媒体推荐模型，包括：获取所述第一兴趣特征与所述第一样本内容特征之间的第一相似度和所述第一兴趣特征与所述第二样本内容特征之间的第二相似度；根据所述第一相似度和所述第二相似度训练所述多媒体推荐模型。在另一种可能的实现方式中，所述根据所述第一兴趣特征、所述第一样本内容特征和所述第二样本内容特征训练所述多媒体推荐模型之前，所述多媒体推荐模型的训练过程还包括：获取第二样本播放序列；对所述第二样本播放序列中的第一样本多媒体数据进行掩盖处理，所述掩盖处理是指掩盖所述第一样本多媒体数据的内容；调用所述多媒体推荐模型，根据掩盖处理后的所述第二样本播放序列，预测被掩盖内容的第二样本多媒体数据；根据所述第一样本多媒体数据和所述第二样本多媒体数据，训练所述多媒体推荐模型。在另一种可能的实现方式中，所述将每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征之前，所述方法还包括：调用所述多媒体推荐模型中的内容提取层，从多媒体数据库中查询所述多个多媒体数据的内容特征；调用所述多媒体推荐模型中的位置提取层，获取所述多个多媒体数据的位置特征。在另一种可能的实现方式中，所述将每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征之前，所述方法还包括：调用内容识别模型，对所述每个多媒体数据进行特征提取，得到所述每个多媒体数据的内容特征。在另一种可能的实现方式中，所述调用内容识别模型，对所述每个多媒体数据进行特征提取，得到所述每个多媒体数据的内容特征，包括：调用所述内容识别模型，对所述每个多媒体数据进行多模态特征提取，得到所述每个多媒体数据的多模态内容特征；其中，所述多模态内容特征包括多媒体标题的内容特征、多媒体画面的内容特征或多媒体音频的内容特征中的至少两种。在另一种可能的实现方式中，所述内容识别模型的训练过程包括：获取样本信息，所述样本信息包括样本多媒体数据和样本标签，所述样本标签用于描述所述样本多媒体数据的内容；调用所述内容识别模型，对所述样本多媒体数据进行特征提取，得到所述样本多媒体数据的内容特征；调用内容分类模型，对所述内容特征进行分类，得到预测标签；根据所述样本标签和所述预测标签，训练所述内容识别模型和所述内容分类模型。在另一种可能的实现方式中，所述调用所述内容识别模型，对所述样本多媒体数据进行特征提取，得到所述样本多媒体数据的内容特征，包括：调用所述内容识别模型，对所述样本多媒体数据进行多模态特征提取，得到所述样本多媒体数据的多模态内容特征；其中，所述多模态内容特征包括多媒体标题的内容特征、多媒体画面的内容特征或多媒体音频的内容特征中的至少两种。在另一种可能的实现方式中，所述根据所述兴趣特征，为所述目标用户标识推荐多媒体数据，包括：获取至少一个待推荐多媒体数据的内容特征；根据所述兴趣特征和所述至少一个待推荐多媒体数据的内容特征，获取与所述兴趣特征匹配的目标多媒体数据；向所述终端发送所述目标多媒体数据。在另一种可能的实现方式中，所述根据所述兴趣特征和所述至少一个待推荐多媒体数据的内容特征，获取与所述兴趣特征匹配的目标多媒体数据，包括：调用多媒体推荐模型中的特征匹配层，根据所述兴趣特征和所述至少一个待推荐多媒体数据的内容特征，获取与所述兴趣特征匹配的目标多媒体数据。另一方面，提供了一种多媒体推荐装置，所述装置包括：序列获取模块，用于获取目标用户标识对应的历史播放序列，所述历史播放序列中包括登录所述目标用户标识的终端播放过的多个多媒体数据，且所述多个多媒体数据按照播放顺序排列；第一融合模块，用于将每个多媒体数据本文档来自技高网...

【技术保护点】
1.一种多媒体推荐方法，其特征在于，所述方法包括：/n获取目标用户标识对应的历史播放序列，所述历史播放序列中包括登录所述目标用户标识的终端播放过的多个多媒体数据，且所述多个多媒体数据按照播放顺序排列；/n将每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征，所述内容特征表示所述多媒体数据的内容，所述位置特征表示所述多媒体数据在所述历史播放序列中的位置；/n按照所述多个多媒体数据的排列顺序，将多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征；/n根据所述兴趣特征，为所述目标用户标识推荐多媒体数据。/n

【技术特征摘要】
1.一种多媒体推荐方法，其特征在于，所述方法包括：
获取目标用户标识对应的历史播放序列，所述历史播放序列中包括登录所述目标用户标识的终端播放过的多个多媒体数据，且所述多个多媒体数据按照播放顺序排列；
将每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征，所述内容特征表示所述多媒体数据的内容，所述位置特征表示所述多媒体数据在所述历史播放序列中的位置；
按照所述多个多媒体数据的排列顺序，将多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征；
根据所述兴趣特征，为所述目标用户标识推荐多媒体数据。


2.根据权利要求1所述的方法，其特征在于，所述将每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征，包括：
调用多媒体推荐模型中的特征融合层，将所述每个多媒体数据的内容特征与位置特征进行融合，得到所述每个多媒体数据的多媒体特征；
所述按照所述多个多媒体数据的排列顺序，将所述多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征，包括：
调用所述多媒体推荐模型中的兴趣提取层，按照所述多个多媒体数据的排列顺序，将所述多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征。


3.根据权利要求2所述的方法，其特征在于，所述调用所述多媒体推荐模型中的兴趣提取层，按照所述多个多媒体数据的排列顺序，将所述多个多媒体特征进行融合，得到所述目标用户标识的兴趣特征，包括：
调用所述兴趣提取层，按照所述多个多媒体数据的排列顺序，确定所述每个多媒体特征与目标多媒体特征的相关度，根据确定的相关度从所述目标多媒体特征中提取隐层多媒体特征，所述目标多媒体特征为所述多个多媒体特征中的任一个；
将所述多个多媒体数据的隐层多媒体特征进行融合，得到所述目标用户标识的兴趣特征。


4.根据权利要求2所述的方法，其特征在于，所述多媒体推荐模型的训练过程包括：
获取第一样本播放序列中多个样本多媒体数据的内容特征、正样本数据的第一样本内容特征和负样本数据的第二样本内容特征，所述正样本数据为已推荐且在所述第一样本播放序列之后播放的多媒体数据，所述负样本为已推荐但未播放的多媒体数据；
调用所述多媒体推荐模型，根据所述第一样本播放序列中多个样本多媒体数据的内容特征，获取第一兴趣特征；
根据所述第一兴趣特征、所述第一样本内容特征和所述第二样本内容特征训练所述多媒体推荐模型。


5.根据权利要求4所述的方法，其特征在于，所述根据所述第一兴趣特征、所述第一样本内容特征和所述第二样本内容特征训练所述多媒体推荐模型，包括：
获取所述第一兴趣特征与所述第一样本内容特征之间的第一相似度和所述第一兴趣特征与所述第二样本内容特征之间的第二相似度；
根据所述第一相似度和所述第二相似度训练所述多媒体推荐模型。


6.根据权利要求4所述的方法，其特征在于，所述根据所述第一兴趣特征、所述第一样本内容特征和所述第二样本内容特征训练所述多媒体推荐模型之前，所述多媒体推荐模型的训练过程还包括：
获取第二样本播放序列；
对所述第二样本播放序列中的第一样本多媒体数据进行掩盖处理，所述掩盖处理是指掩盖所述第一样本多媒体数据的内容；
调用所述多媒体推荐模型，根据掩盖处理后的所述第二样本播放序列，预测被掩盖内容的第二样本多媒体数据；
根据所述第一样本多媒体数据和所述第二样本多媒体数据，训练所述多媒体推荐模型。


7.根据权利要求1所述的方法，其特征在于，所述将每个多媒体数据的内容特征与位置特征进行融合，得...

【专利技术属性】
技术研发人员：刘叶青，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44