The invention discloses a multimedia resource recommendation method, device, storage medium and device, which belongs to the technical field of Internet. The method includes: determining at least one resource set played by the first user in the first time period, including at least one resource fragment in each resource set; obtaining user data matching at least one resource set, including the first average of the first user's playback behavior data for each resource set and the first user's playback behavior data in the first time period. Data; Create active resource list of the first user based on user data; Recommend multimedia resources to the first user based on active resource list. The active resource list generated by the invention can truly reflect the user's interest in each resource set, and has high recommendation accuracy when recommending multimedia resources based on the active resource list.
【技术实现步骤摘要】
多媒体资源推荐方法、装置、存储介质及设备
本专利技术涉及互联网
,特别涉及一种多媒体资源推荐方法、装置、存储介质及设备。
技术介绍
随着互联网技术的飞速发展,时下各大网站均致力于如何高效且精准地向用户进行多媒体资源推荐,以提升用户体验。其中,前述多媒体资源既可涵盖综艺节目、电视剧、动漫、纪录片等视频资源,也可涵盖小说、文章等文本资源、以及音频资源。以视频为例,相关技术在进行视频推荐时,常常基于用户的追剧列表实现,追剧列表中示出了用户当前正在追的剧集,即推荐方式是向用户推荐与当前正在追的剧集相关的一些视频。其中,在获取用户的追剧列表时,时下通常基于以下方式实现:按照最近一次播放时间由近及远的顺序,将用户在一段时间内观看过的剧集进行排序,之后依据排序结果选取部分剧集作为用户当前正在追的剧集。比如,用户最近1个月内观看过3个剧集,剧集A的最近一次播放时间为1天前、剧集B的最近一次播放时间为2天前、剧集C的最近一次播放时间为10天前,则可选择将剧集A和剧集B确定为用户当前正在追的剧集。针对上述推荐方式,在生成追剧列表时衡量标准主要依据最近一次播放时间,因素较为单一,会存在生成的追剧列表不能真实反映用户当前在追剧集的情况,这会导致后续在依据追剧列表进行多媒体资源推荐时推荐精准度较差。
技术实现思路
本专利技术实施例提供了多媒体资源推荐方法、装置、存储介质及设备,能够显著提升多媒体资源的推荐精准度,所述技术方案如下:一方面,提供了一种多媒体资源推荐方法,所述方法包括:确定第一用户在第一时间段内播放过的至少一个资源集合,每个所述资源集合中包括至少一个资源片段;获取与所 ...
【技术保护点】
1.一种多媒体资源推荐方法,其特征在于,所述方法包括:确定第一用户在第一时间段内播放过的至少一个资源集合,每个所述资源集合中包括至少一个资源片段;获取与所述至少一个资源集合匹配的用户数据,所述用户数据包括所述第一用户在所述第一时间段内对每个所述资源集合的播放行为数据和所述第一用户的播放行为数据的第一平均数据;基于所述用户数据生成所述第一用户的活跃资源列表,所述活跃资源列表中包括所述至少一个资源集合中处于用户活跃状态的资源集合;基于所述活跃资源列表,向所述第一用户进行多媒体资源推荐。
【技术特征摘要】
1.一种多媒体资源推荐方法,其特征在于,所述方法包括:确定第一用户在第一时间段内播放过的至少一个资源集合,每个所述资源集合中包括至少一个资源片段;获取与所述至少一个资源集合匹配的用户数据,所述用户数据包括所述第一用户在所述第一时间段内对每个所述资源集合的播放行为数据和所述第一用户的播放行为数据的第一平均数据;基于所述用户数据生成所述第一用户的活跃资源列表,所述活跃资源列表中包括所述至少一个资源集合中处于用户活跃状态的资源集合;基于所述活跃资源列表,向所述第一用户进行多媒体资源推荐。2.根据权利要求1所述的方法,其特征在于,对于每个所述资源集合,所述第一用户在所述第一时间段内对所述资源集合的播放行为数据包括:所述第一用户在所述第一时间段内单位时间平均播放的资源片段的数量、所述第一用户在所述第一时间段内对所述资源集合中各个资源片段的平均播放完成度、所述第一用户在所述第一时间段内对所述资源集合的播放完成度、所述第一用户在所述第一时间段内播放所述各个资源片段的耗时和所述第一用户的当前播放进度与所述资源集合的当前更新进度之间相差的资源片段数量。3.根据权利要求1所述的方法,其特征在于,所述第一用户在所述第一时间段内对每个所述资源集合的播放行为数据中包括多个播放行为指标的属性值,所述第一平均数据包括:每个所述资源集合中相同播放行为指标的属性值的均值,所述相同播放行为指标的属性值与所述第一用户和所述第一时间段匹配。4.根据权利要求1所述的方法,其特征在于,所述用户数据还包括第二用户在所述第一时间段内对每个所述资源集合的播放行为数据,对于每个所述资源集合,所述第二用户在所述第一时间段内对所述资源集合的播放行为数据包括:所述第二用户在所述第一时间段内单位时间平均播放的资源片段的数量、所述第二用户在所述第一时间段内对所述资源集合中各个资源片段的平均播放完成度、所述第二用户在所述第一时间段内对所述资源集合的播放完成度、所述第二用户在所述第一时间段内播放所述各个资源片段的耗时和所述第二用户的当前播放进度与所述资源集合的当前更新进度之间相差的资源片段数量。5.根据权利要求4所述的方法,其特征在于,所述基于所述用户数据生成所述第一用户的活跃资源列表,包括:对于每个所述资源集合,将所述第一用户在所述第一时间段内对所述资源集合的播放行为数据和所述第二用户在所述第一时间段内对所述资源集合的播放行为数据进行均值计算,得到与所述资源集合对应的播放行为数据的第二平均数据;基于所述第一用户在所述第一时间段内对每个所述资源集合的播放行为数据、所述第一平均数据以及所述第二平均数据,生成所述活跃资源列表。6.根据权利要求5所述的方法,其特征在于,所述基于所述第一用户在所述第一时间段内对每个所述资源集合的播放行为数据、所述第一平均数据以及所述第二平均数据,生成所述活跃资源列表,包括:对所述第一用户在所述第一时间段内对每个所述资源集合的播放行为数据、所述第一平均数据以及所述第二平均数据进行特征预处理,得到特征数据;将所述特征数据输入训练好的目标数据模型;获取所述目标数据模型输出的每个所述资源集合在目标时长范围内处于用户活跃状态的概率值;对获取到的概率值进行排序,基于得到...
【专利技术属性】
技术研发人员:袁一帆,卢靓妮,冷冰,
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
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。