System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及推荐语生成,尤其涉及一种服务器、显示设备及推荐语生成方法。
技术介绍
1、随着互联网和数字媒体的快速发展,人们面临着大量信息的选择和获取。在这个信息爆炸的时代,推荐系统成为了帮助用户从海量信息中筛选出个性化内容的重要工具。推荐系统可以根据用户的兴趣、偏好和行为数据,提供个性化的推荐内容,提升用户体验,增加用户黏性,促进消费。推荐系统已广泛应用于各个领域,如电商、社交媒体、新闻、音乐、视频等。然而,现有的推荐系统在生成推荐语时往往存在一些问题。首先,传统的推荐系统往往只关注用户的行为数据,缺乏对用户喜好特征的深入挖掘。这导致推荐结果缺乏个性化,无法满足用户的个性化需求。其次,现有的推荐系统往往忽略了媒资特征的利用。媒资特征包括媒体内容的关键信息,如标题、标签、描述等,这些信息对于推荐结果的准确性和用户体验有着重要影响。然而,目前的推荐系统很少对媒资特征进行深入挖掘和利用,导致推荐语的生成效果不佳。
技术实现思路
1、本申请一些实施例提供了一种服务器、显示设备及推荐语生成方法,通过将用户数据和媒资特征进行结合,利用机器学习算法,构建高效的推荐语生成模型,该推荐语生成模型能够根据用户的个性化需求和媒资特征,准确地生成符合用户兴趣和需求的推荐语。
2、第一方面,本申请一些实施例中提供一种服务器,被配置为:
3、接收显示设备发送的推荐语请求,所述推荐语请求包括用户标识;
4、基于所述用户标识获取用户数据,所述用户数据包括用户的媒资观看历史记录、媒
5、确定推荐媒资并获取所述推荐媒资对应的媒资特征,所述媒资特征用于表征推荐媒资的信息;
6、将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,所述推荐语生成模型是在获取预训练模型后基于微调训练数据训练得到的,所述微调训练数据包括样本输入数据及所述样本输入数据对应的样本推荐语,所述样本输入数据包括媒资观看历史记录、媒资喜好记录、媒资搜索记录和媒资评论中至少一种,以及,媒资特征。
7、在一些实施例中,所述控制器执行确定推荐媒资,被进一步配置为:
8、基于所述用户数据确定推荐媒资;或者,
9、基于推荐媒资标识确定推荐媒资,所述推荐语请求还包括推荐媒资标识。
10、在一些实施例中,所述控制器执行将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,被进一步配置为:
11、将所述媒资特征、所述用户数据以及上下文信息输入推荐语生成模型中,得到推荐语文本,所述上下文信息用于表征时间、设备信息及位置信息。
12、在一些实施例中,所述控制器执行将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,被进一步配置为:
13、基于所述用户数据确定用户画像,所述用户画像用于表征用户媒资喜好特征;
14、将所述用户画像及所述媒资特征输入推荐语生成模型中,得到推荐语文本。
15、在一些实施例中,所述控制器执行基于所述用户数据确定用户画像,被进一步配置为:
16、分析用户的媒资观看历史记录和媒资喜好记录中的媒资类型及内容特征以确定用户画像;和/或,
17、将用户的媒资观看历史记录及媒资喜好记录输入分类模型,得到用户喜好标签,确定所述用户画像包括所述用户喜好标签;和/或,
18、分析媒资搜索记录和媒资评论以确定用户画像。
19、在一些实施例中,所述控制器执行获取所述推荐媒资对应的媒资特征,被进一步配置为:
20、从媒体元数据中获取所述推荐媒资对应的媒资特征,所述媒资特征包括标题、描述、发布时间和作者;和/或,
21、提取所述推荐媒资的文本描述中关键词、主题信息及情感信息,确定所述关键词、主题信息及情感信息为媒资特征;和/或,
22、利用计算机视觉技术提取推荐媒资的视觉特征,确定所述视觉特征为媒资特征,所述视觉特征包括图像的颜色直方图、纹理特征和物体识别结果;和/或,
23、提取推荐媒资的音频特征,确定所述音频特征为媒资特征,所述音频特征包括音频频谱和节奏模式。
24、在一些实施例中,所述推荐语生成模型是在获取预训练模型,对所述预训练模型结构进行修改后基于微调训练数据训练得到的,所述推荐语生成模型的结构包括序列建模层、注意力层、生成模块、条件生成模块、融合层、微调相关层及前馈神经网络中至少一种,以及,预训练模型结构。
25、第二方面,本申请一些实施例中提供一种显示设备,包括:
26、显示器;
27、控制器,被配置为:
28、在接收到用户输入打开媒资详情页面的指令后,发送推荐语请求至服务器,以使所述服务器基于所述推荐语请求中的用户标识获取用户数据,确定推荐媒资并获取所述推荐媒资对应的媒资特征,将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,所述用户数据包括用户的媒资观看历史记录、媒资喜好记录、媒资搜索记录和媒资评论中至少一种,所述媒资特征用于表征推荐媒资的信息;
29、接收所述服务器发送的推荐语文本并显示在所述媒资详情页面中。
30、第三方面,本申请一些实施例中提供一种推荐语生成方法,应用于服务器,包括:
31、接收显示设备发送的推荐语请求,所述推荐语请求包括用户标识;
32、基于所述用户标识获取用户数据,所述用户数据包括用户的媒资观看历史记录、媒资喜好记录、媒资搜索记录和媒资评论中至少一种;
33、确定推荐媒资并获取所述推荐媒资对应的媒资特征,所述媒资特征用于表征推荐媒资的信息;
34、将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,所述推荐语生成模型是在获取预训练模型后基于微调训练数据训练得到的,所述微调训练数据包括样本输入数据及所述样本输入数据对应的样本推荐语,所述样本输入数据包括媒资观看历史记录、媒资喜好记录、媒资搜索记录和媒资评论中至少一种,以及,媒资特征。
35、第四方面,本申请一些实施例中提供一种推荐语生成方法,应用于显示设备,包括:
36、在接收到用户输入打开媒资详情页面的指令后,发送推荐语请求至服务器,以使所述服务器基于所述推荐语请求中的用户标识获取用户数据,确定推荐媒资并获取所述推荐媒资对应的媒资特征,将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,所述用户数据包括用户的媒资观看历史记录、媒资喜好记录、媒资搜索记录和媒资评论中至少一种,所述媒资特征用于表征推荐媒资的信息;
37、接收所述服务器发送的推荐语文本并显示在所述媒资详情页面中。
38、本申请的一些实施例提供一种服务器、显示设备及推荐语生成方法。服务器接收显示设备发送的推荐语请求;基于推荐语请求中的用户标识获取用户数据,其中,用户数据包括用户的媒资观看历本文档来自技高网...
【技术保护点】
1.一种服务器,其特征在于,被配置为:
2.根据权利要求1所述的服务器,其特征在于,所述服务器执行确定推荐媒资,被进一步配置为:
3.根据权利要求1所述的服务器,其特征在于,所述服务器执行将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,被进一步配置为:
4.根据权利要求1所述的服务器,其特征在于,所述服务器执行将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,被进一步配置为:
5.根据权利要求1所述的服务器,其特征在于,所述服务器执行基于所述用户数据确定用户画像,被进一步配置为:
6.根据权利要求1所述的服务器,其特征在于,所述服务器执行获取所述推荐媒资对应的媒资特征,被进一步配置为:
7.根据权利要求1所述的服务器,其特征在于,所述推荐语生成模型是在获取预训练模型,对所述预训练模型结构进行修改后基于微调训练数据训练得到的,所述推荐语生成模型的结构包括序列建模层、注意力层、生成模块、条件生成模块、融合层、微调相关层及前馈神经网络中至少一种,以及,预训练模型结构。
9.一种推荐语生成方法,应用于服务器,其特征在于,包括:
10.一种推荐语生成方法,应用于显示设备,其特征在于,包括:
...【技术特征摘要】
1.一种服务器,其特征在于,被配置为:
2.根据权利要求1所述的服务器,其特征在于,所述服务器执行确定推荐媒资,被进一步配置为:
3.根据权利要求1所述的服务器,其特征在于,所述服务器执行将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,被进一步配置为:
4.根据权利要求1所述的服务器,其特征在于,所述服务器执行将所述媒资特征与所述用户数据输入推荐语生成模型中,得到推荐语文本,被进一步配置为:
5.根据权利要求1所述的服务器,其特征在于,所述服务器执行基于所述用户数据确定用户画像,被进一步配置为:
6.根据...
【专利技术属性】
技术研发人员:陈昶旭,
申请(专利权)人:VIDAA国际控股荷兰公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。