媒体内容的推荐方法、装置、存储介质和计算机设备制造方法及图纸

本申请涉及一种媒体内容的推荐方法、装置、存储介质和计算机设备，所述方法包括：获取待选媒体内容的观看评价信息；观看评价信息根据待选媒体内容的第一观看行为数据确定；根据观看评价信息，从待选媒体内容中确定有效观看媒体内容；从有效观看媒体内容中确定与目标用户的兴趣相匹配的推荐媒体内容；向目标用户输出推荐媒体内容。本申请提供的方案，解决了文章推荐的准确性不高的问题。在滤除了无效阅读媒体内容的基础上，向目标用户输出推荐媒体内容，有效提高媒体内容推荐的准确性。

Recommendation methods, devices, storage media and computer equipment for media content

【技术实现步骤摘要】
媒体内容的推荐方法、装置、存储介质和计算机设备
本申请涉及互联网
，特别是涉及一种媒体内容的推荐方法、装置、存储介质和计算机设备。
技术介绍
随着互联网技术的发展以及人们生活节奏的加快，用户往往希望在最短的时间内看到自己感兴趣的文章、视频等媒体内容，因此，出现了自动为用户推荐媒体内容的方法。在媒体内容推荐方法中，主要是给用户推荐曾经喜欢物品的相似物品，或者，根据相似用户喜欢的物品进行交叉推荐，比如用户的某一朋友喜欢文学类文章，那么就给该用户推荐文学类文章。但是，目前这种媒体内容推荐方法会使得媒体内容间的相似性存在较大的噪声，比如用户可能会因为标题的迷惑性而“误”点某些文章，而这些“误”点的文章也会作为推荐文章。这就使得推荐的媒体内容并不是用户真正感兴趣的，造成媒体内容推荐的准确性不高。
技术实现思路
基于此，有必要针对媒体内容推荐的准确性不高的技术问题，提供一种媒体内容的推荐方法、装置、计算机可读存储介质和计算机设备。一方面，本专利技术实施例提供一种媒体内容的推荐方法，包括以下步骤：获取待选媒体内容的观看评价信息；所述观看评价信息根据所述待选媒体内容的第一观看行为数据确定；根据所述观看评价信息，从所述待选媒体内容中确定有效观看媒体内容；从所述有效观看媒体内容中确定与目标用户的兴趣相匹配的推荐媒体内容；向所述目标用户输出所述推荐媒体内容。另一方面，本专利技术实施例提供一种媒体内容的推荐装置，包括：评价信息获取模块，用于获取待选媒体内容的观看评价信息；所述观看评价信息根据所述待选媒体内容的第一观看行为数据确定；第一内容确定模块，用于根据所述观看评价信息，从所述待选媒体内容中确定有效观看媒体内容；第二内容确定模块，用于从所述有效观看媒体内容中确定与目标用户的兴趣相匹配的推荐媒体内容；以及，推荐内容输出模块，用于向所述目标用户输出所述推荐媒体内容。再一方面，本专利技术实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待选媒体内容的观看评价信息；所述观看评价信息根据所述待选媒体内容的第一观看行为数据确定；根据所述观看评价信息，从所述待选媒体内容中确定有效观看媒体内容；从所述有效观看媒体内容中确定与目标用户的兴趣相匹配的推荐媒体内容；向所述目标用户输出所述推荐媒体内容。又一方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待选媒体内容的观看评价信息；所述观看评价信息根据所述待选媒体内容的第一观看行为数据确定；根据所述观看评价信息，从所述待选媒体内容中确定有效观看媒体内容；从所述有效观看媒体内容中确定与目标用户的兴趣相匹配的推荐媒体内容；向所述目标用户输出所述推荐媒体内容。上述媒体内容的推荐方法、装置、计算机可读存储介质和计算机设备，根据用户观看待选媒体内容的第一观看行为数据从待选媒体内容中过滤无效观看媒体内容，选出准确的有效观看媒体内容，进而根据用户特征信息针对性地向目标用户输出推荐媒体内容，有效提高媒体内容推荐的准确性。附图说明图1为一个实施例中媒体内容的推荐方法的应用环境图；图2为一个实施例中媒体内容的推荐方法的流程示意图；图3为一个实施例中新闻列表刷新前后的界面示意图；图4为一个实施例中新闻列表滤除无效新闻前后的电脑端界面示意图；图5为一个实施例中新闻列表滤除无效新闻前后的手机端界面示意图；图6为一个实施例中新闻列表排序前后的手机端界面示意图；图7为另一个实施例中媒体内容的推荐方法的流程示意图；图8为再一个实施例中媒体内容的推荐方法的流程示意图；图9为又一个实施例中媒体内容的推荐方法的流程示意图；图10为一个实施例中新闻推荐系统的结构框图；图11为一个实施例中媒体内容的推荐装置的结构框图；图12为一个实施例中计算机设备的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。图1为一个实施例中媒体内容的推荐方法的应用环境图。参照图1，该媒体内容的推荐方法应用于媒体内容的推荐系统(也可称为媒体内容推荐系统)。该媒体内容的推荐系统包括终端102和服务器104，终端102可以是目标用户使用的设备。终端102和服务器104通过网络连接。终端102具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。推荐系统是一种以海量数据挖掘为基础的关联用户和物品的一种工具，它能够在信息过载的环境中帮助用户筛选他们感兴趣的信息，为用户提供个性化的决策支持和信息服务。媒体内容推荐系统可以指为用户进行媒体内容推荐的系统，例如：文章推荐系统指的是为用户进行文章推荐的系统，该文章推荐系统可以借助应用程序(如：腾讯新闻)等文章阅读平台实现。为便于描述，以下以媒体内容推荐系统为例阐述媒体内容的推荐方法，需要理解的是，本专利技术实施例并不限于媒体内容推荐系统，还可以应用于其他的推荐系统中。如图2所示，在一个实施例中，提供了一种媒体内容的推荐方法。本实施例主要以该方法应用于上述图1中的服务器104来举例说明。参照图2，该媒体内容的推荐方法具体包括如下步骤：S202，获取待选媒体内容的观看评价信息；观看评价信息根据待选媒体内容的第一观看行为数据确定。其中，媒体内容可以指通过网络媒体播放或显示的内容，可以包括文章、视频等。用户通过电子设备(手机、电脑、平板等)观看待选媒体内容时，一般会经过点击-查看-点赞/踩-评论/分享中的某个或某些步骤，而在这个过程中电子设备会采集用户的行为数据，这个行为数据就可以认为是第一观看行为数据。进一步地，第一观看行为数据可以指用户在观看媒体内容过程产生的各种数据。而观看评价信息指的是根据第一观看行为数据确定的对待选媒体内容进行用户感兴趣度评价的数据，可以表征用户对某一待选媒体内容的感兴趣程度。在文章推荐、商品推荐等场景中，基于协同过滤的推荐算法被大量应用。这种算法以大量用户对物的打分数据为基础，主要分为两个大的方向：基于用户和基于项的推荐。基于用户的推荐是基于用户间的相似性，将相似用户喜欢物品进行交叉推荐，例如：某一用户的朋友A喜欢文学类资讯，那么就会推荐给该用户推荐朋友A阅读过的相关文学类资讯。基于项的推荐是利用物品间的相似性，向用户推进其已经购买或喜欢物品的相似物品。具体的，媒体内容推荐可以包括新闻个性化推荐，在这种推荐场景下，协同过滤利用用户的交互数据，提取用户的兴趣特点，为不同用户推荐其感兴趣的新闻资讯。因此，在一些实施例中，可以通过协同过滤算法来计算待选媒体内容的观看评价信息，进而从待选媒体内容中确定有效观看媒体内容。进一步地，观看评价信息的确定过程可以是：根据协同过滤算法对第一观看行为数据进行处理，根据处理结果确定各个用户对某一待选媒体内容的感兴趣程度，即得到观看评价信息。这个观看评价信息可以通过具体的数值来体现，数值高的观看评价信息可以表征用户对某一待选媒体内容的感兴趣程度高。S204，根据观看评价信息，从待选媒体内容中确定有效观看媒体内本文档来自技高网...

【技术保护点】
1.一种媒体内容的推荐方法，包括：获取待选媒体内容的观看评价信息；所述观看评价信息根据所述待选媒体内容的第一观看行为数据确定；根据所述观看评价信息，从所述待选媒体内容中确定有效观看媒体内容；从所述有效观看媒体内容中确定与目标用户的兴趣相匹配的推荐媒体内容；向所述目标用户输出所述推荐媒体内容。

【技术特征摘要】
1.一种媒体内容的推荐方法，包括：获取待选媒体内容的观看评价信息；所述观看评价信息根据所述待选媒体内容的第一观看行为数据确定；根据所述观看评价信息，从所述待选媒体内容中确定有效观看媒体内容；从所述有效观看媒体内容中确定与目标用户的兴趣相匹配的推荐媒体内容；向所述目标用户输出所述推荐媒体内容。2.根据权利要求1所述的方法，其特征在于，所述获取待选媒体内容的观看评价信息的步骤，包括：获取参考用户观看所述待选媒体内容时生成的第一观看行为数据；通过已训练的编码向量转换模型对所述第一观看行为数据进行编码向量转换，得到评价编码向量；根据所述评价编码向量，确定所述待选媒体内容的观看评价信息。3.根据权利要求2所述的方法，其特征在于，所述媒体内容包括文章；所述通过已训练的编码向量转换模型对所述第一观看行为数据进行编码向量转换，得到评价编码向量的步骤，包括：根据所述第一观看行为数据确定用户数据、文章数据以及观看状态，并输入到所述编码向量转换模型中；根据所述编码向量转换模型的输出，确定用户数据对应的第一编码向量、文章数据对应的第二编码向量以及观看状态对应的第三编码向量；根据所述第一编码向量、第二编码向量和所述第三编码向量整合得到所述评价编码向量。4.根据权利要求3所述的方法，其特征在于，所述根据所述评价编码向量，确定所述待选媒体内容的观看评价信息的步骤，包括：计算所述第一编码向量和第二编码向量的哈达玛积值；将计算得到的哈达玛积值与所述第三编码向量进行内积运算；根据内积运算的结果确定所述待选媒体内容所到达的观看阶段，得到所述观看评价信息。5.根据权利要求4所述的方法，其特征在于，所述待选媒体内容包括待选文章；所述观看状态包括点击状态和阅读状态；所述观看阶段包括处于同一单调行为链的点击阶段和阅读阶段；所述根据内积运算的结果确定所述待选媒体内容所到达的观看阶段的步骤，包括：根据所述内积运算的结果，确定某一待选评估文章处于点击状态的第一分值和处于阅读状态的第二分值；其中，所述待选评估文章从所述待选文章中选择；当所述第一分值低于预设的点击阈值时，或者，当所述第一分值高于所述点击阈值且所述第二分值低于预设的阅读阈值时，判定所述待选评估文章到达点击阶段；当所述第一分值高于所述点击阈值且所述第二分值高于所述阅读阈值时，判定所述待选评估文章到达阅读阶段。6.根据权利要求5所述的方法，其特征在于，所述根据所述观看评价信息，从所述待选媒体内容中确定有效观看媒体内容的步骤，包括：根据所述观看评价信息，确定各个待选文章所到达的观看阶段；将观看阶段为阅读阶段的待选文章，确定为有效阅读文章，作为所述有效观看媒体内容。7.根据权利要求6所述的方法，其特征在于，所述向所述目标用户输出所述推荐媒体内容的步骤，包括：当所述有效阅读文章的数量小于预设的文章展示数量时，从观看阶段为点击阶段的待选文章中选择替补文章，以使所述有...

【专利技术属性】
技术研发人员：张新宇，张伸正，
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