多媒体资源推荐方法、装置、存储介质及设备制造方法及图纸

本发明专利技术公开了一种多媒体资源推荐方法、装置、存储介质及设备，属于互联网技术领域。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，每个资源集合中包括至少一个资源片段；获取与至少一个资源集合匹配的用户数据，用户数据包括第一用户在第一时间段内对每个资源集合的播放行为数据和第一用户的播放行为数据的第一平均数据；基于用户数据生成第一用户的活跃资源列表；基于活跃资源列表，向第一用户进行多媒体资源推荐。本发明专利技术生成的活跃资源列表能够真实反映用户对各个资源集合的感兴趣程度，在依据该活跃资源列表进行多媒体资源推荐时推荐精准度高。

Multimedia Resource Recommendation methods, devices, storage media and devices

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。另一方面，提供了一种多媒体资源推荐装置，所述装置包括：确定模块，用于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；获取模块，用于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；生成模块，用于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至少一个资源集合中处于用户活跃状态的资源集合；推荐模块，用于基于所述活跃资源列表，向第一用户进行多媒体资源推荐。另一方面，提供了一种存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述的多媒体资源推荐方法。另一方面，提供了一种多媒体资源推荐设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述的多媒体资源推荐方法。本专利技术实施例提供的技术方案带来的有益效果是：在向一个用户进行多媒体资源推荐时，本专利技术实施例从该用户针对每个已播放资源集合、该用户针对全部已播放资源集合等多个维度来获取用户数据，之后，基于多维度的用户数据来生成活跃资源列表，由于在生成追剧列表时衡量标准遍及多维度，所以生成的活跃资源列表能够真实反映该用户当前对各个已播放资源集合的感兴趣程度，因此后续在依据该活跃资源列表进行多媒体资源推荐时，会大幅提升推荐精准度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种多媒体资源推荐方法所涉及的实施环境的示意图；图2是本专利技术实施例提供的一种显示界面的示意图；图3是本专利技术实施例提供的一种多媒体资源推荐方法的流程图；图4是本专利技术实施例提供的一种多媒体资源推荐方法的执行流程示意图；图5是本专利技术实施例提供的一种多媒体资源推荐装置的结构示意图；图6是本专利技术实施例提供的一种多媒体资源推荐设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。在对本专利技术实施例进行详细地解释说明之前，先对本专利技术实施例涉及到的一些名词进行解释说明。资源集合：其可覆盖电视剧、综艺节目、动漫、系列电影、系列纪录片等视频资源，也可覆盖小说或文章等文本资源，还可覆盖音频资源，本专利技术实施例对此不进行具体限定。举例来说，一部已完结的电视剧、一部未完结的动画片均可称之为一个资源集合。其中，一个资源集合通常由多个相关的资源片段组成，相关的含义通常为多个资源片段的主题相关，比如，组成一部电视剧的各个剧集之间便主题相关，例如一部电视剧中的各个剧集均对应“电视剧A”这一主题。以视频资源为例，一个资源集合也可称之为一个视频专辑，相应地，一个视频专辑由多个相关的视频组成。另外，本专利技术实施例还为每一个资源集合分别分配了一个可唯一标识其身份的标识，在本文中将这个标识称之为cid。需要说明的是，对于未完结的资源集合，通常会周期性地进行更新，根据资源集合的类型不同，其更新周期通常也不同。比如电视剧这类资源集合通常一天更新一次，而综艺节目这类资源集合通常一周更新一次。其中，资源集合在进行一次更新时，既有可能更新一个资源片段，也有可能更新多个资源片段。资源片段：多个资源片段构成了一个资源集合。当资源集合针对视频资源时，一个资源片段可能指代一集电视剧或一集综艺节目；当资源集合针对文本资源时，一个资源片段可能指代一个小说章节，本专利技术实施例对此不进行具体限定。另外，以资源集合为视频资源为例，组成该资源集合的各个资源片段之间既可以时长相同，也可以时长不同。追剧行为：通常针对视频资源而言，追剧行为指代用户持续观看资源集合的一种行为。比如，每当一个资源集合中存在新更新的资源片段时，用户便在后续的某个时间段观看该更新的资源片段。用户画像：可以简单理解为用户的标签，用户画像是真实用户的虚拟代表,是建立在一系列真实数据之上的用户模型。即，用户画像是真实用户的虚拟代表，通过对用户的一系列行为或属性进行分析完成用户建模，从而构成能够体现不同用户的个性化的用户画像。其中，本专利技术实施例构建与用户的追剧行为相关的用户画像。长视频：在本专利技术实施例中，将播放时间长度大于指定阈值的视频称之为长视频。其中，指定阈值的取值可为5分钟或10分钟等，本专利技术实施例对此不进行具体限定。短视频：在本专利技术实施例中，将播放时间长度小于上述指定阈值的视频称之为短视频。播放行为：在本专利技术实施例中，当资源集合针对视频资源或音频资源时，播放行为即指代用户观看视频或收听音频时所产生的相关行为；当资源集合针对文本资源时，播放行为即指代用户浏览或阅读文本所产生的相关行为。以视频资源为例，针对一个视频专辑来说，用户对该视频专辑的播放行为包括但不限于：播放了该视频专辑中的多少个视频、每个视频播放了多长时间、最近一次的播放时间、平均每个视频播放了多长时间、用户当前的播放进本文档来自技高网...

【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