一种多媒体信息处理方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种多媒体信息处理方法，所述方法包括：获取第一类多媒体文件的数据；对所述数据进行用于适配机器学习模型的预处理；在所述机器学习模型中，根据经过预处理的数据确定用户对所述第一类多媒体文件的兴趣度。本发明专利技术还公开了一种多媒体信息处理装置及存储介质。

【技术实现步骤摘要】
一种多媒体信息处理方法、装置及存储介质
本专利技术涉及通信领域，尤其涉及一种多媒体信息处理方法、装置及存储介质。
技术介绍
相关技术中，通常基于决策树模型、最佳组合模型、神经网络模型等建模方法，采用社交网络链路预测技术、社交网络中的用户属性预测技术、社交网络的突发热点事件技术、社交网络流行度预测技术、商品-用户点击率预测技术、商品-购买量预测技术等基于数据的用户行为预测技术来预测用户对多媒体文件内容的兴趣度。但是，相关技术中预测用户对多媒体文件内容的兴趣度时，不能够兼顾微观个体间的影响和宏观趋势的影响；并且，未考虑预测用户对多媒体文件内容的兴趣度时所采用的数据，对未来用户对多媒体文件内容的兴趣度的权重。基于上述因素，相关技术不能够全面的预测用户对多媒体文件内容的兴趣度。
技术实现思路
有鉴于此，本专利技术实施例期望提供一种多媒体信息处理方法、装置及存储介质，能够为达到上述目的，本专利技术实施例的技术方案是这样实现的：第一方面，本专利技术实施例提供一种多媒体信息处理方法，所述方法包括：获取第一类多媒体文件的数据；对所述数据进行用于适配机器学习模型的预处理；在所述机器学习模型中，根据经过预处理的数据确定用户对所述第一类多媒体文件的兴趣度。上述方案中，所述获取第一类多媒体文件的数据，包括：获取第一时间间隔内，至少两个用户对所述第一类多媒体文件的数据。上述方案中，所述数据包括下述中的至少一项：所述第一类多媒体文件的使用数据；所述第一类多媒体文件中的至少两个多媒体文件的属性数据。上述方案中，所述对所述数据进行用于适配机器学习模型的预处理，包括：将所述第一时间间隔内的使用数据划分为至少四个第一数据集，且每两个第一数据集之间的时间间隔为固定值；按照第一压缩比对所述第一数据集进行第一合并处理，得到至少两个第二数据集；按照第二压缩比对所述第二数据集进行第二合并处理，得到至少一个第三数据集。上述方案中，所述对所述数据进行用于适配机器学习模型的预处理，包括：基于多媒体文件标识ID，将所述第三数据集划分为至少两个第四数据集；基于用户所述第一类多媒体文件不同维度的操作，将所述第四数据集划分为相应维度的第四数据子集；对所述第四数据子集进行处理，获取所述第四数据子集对应的属性。上述方案中，所述对所述数据进行用于适配机器学习模型的预处理，包括：对所述第四数据子集进行反向合并处理，获得在表征用户在第一时间点对所述第一类多媒体文件的行为属性的第五数据集以及表征用户在第二时间段对所述第一类多媒体文件的行为属性的第六数据集。上述方案中，所述根据经过预处理的数据确定用户对所述第一类多媒体文件的兴趣度，包括：基于所述第五数据集确定所述机器学习模型；基于所述第六数据集和所述机器学习模型，确定用户对所述第一类多媒体文件的兴趣度。第二方面，本专利技术实施例提供一种多媒体信息处理装置，所述装置包括：获取单元，用于获取第一类多媒体文件的数据；处理单元，用于对所述数据进行用于适配机器学习模型的预处理；确定单元，用于在所述机器学习模型中，根据经过预处理的数据确定用户对所述第一类多媒体文件的兴趣度。第三方面，本专利技术实施例提供一种多媒体信息处理装置，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行上述的多媒体信息处理方法的步骤。第四方面，本专利技术实施例提供一种存储介质，存储有可执行程序，所述可执行程序被处理器执行时，实现上述的多媒体信息处理方法。本专利技术实施例提供的多媒体信息处理方法、装置及存储介质，获取第一类多媒体文件的数据，对所述数据进行用于适配机器学习模型的预处理；在所述机器学习模型中，根据经过预处理的数据确定用户对所述第一类多媒体文件的兴趣度。如此，以未来用户对多媒体文件内容的兴趣度的权重作为参考因素来获取第一类多媒体文件数据；将群体用户对多媒体文件的兴趣度抽象为个体用户行为的集合在离散时间集合上的随机过程，能够全面、准确的预测用户对多媒体文件内容的兴趣度。附图说明图1为本专利技术实施例提供的多媒体信息处理装置的一个可选的硬件结构示意图；图2为相关技术中骰子的形态示意图；图3为相关技术中隐含状态关系转换示意图；图4为相关技术中隐马尔可夫模型示意图；图5为本专利技术实施例提供的多媒体信息处理方法的可选流程示意图；图6为本专利技术实施例提供的对数据进行处理的流程示意图；图7为本专利技术实施例提供的多媒体信息处理装置的组成结构示意图。具体实施方式为了能够更加详尽地了解本专利技术实施例的特点与
技术实现思路
，下面结合附图对本专利技术实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本专利技术。本专利技术实施例提供的多媒体信息处理方法及装置，实际应用中，多媒体信息处理装置中的各功能模块可以由设备(如终端设备、服务器或服务器集群)的硬件资源，如处理器等计算资源、通信资源(如用于支持实现光缆、蜂窝等各种方式通信)协同实现。图1示例性示出了多媒体信息处理装置10的一个可选的硬件结构示意图，包括处理器11、输入/输出接口13(例如显示器、键盘、触摸屏、扬声器麦克风中的一个或多个)，存储器14以及网络接口12，组件可以经系统总线15连接通信。当然，本专利技术实施例不局限于提供为方法和硬件，还可有多种实现方式，例如提供为存储介质(存储有用于执行本专利技术实施例提供的多媒体信息处理方法的指令)，以下再对不同的实现方式举例说明。一、移动端应用程序及模块本专利技术实施例可提供为使用C/C++、Java等编程语言设计的软件模块，嵌入到基于Android或iOS等系统的各种移动端Apps中(以可执行指令的形式存储在移动端的存储介质中，由移动端的处理器执行)，从而直接使用移动端自身的计算资源完成相关的数据挖掘任务，并且定期或不定期地通过各种网络通信方式将数据、中间结果或最终结果传送给远程的服务器，或者在移动端本地保存。二、服务器应用程序及平台本专利技术实施例可提供使用C/C++、Java等编程语言设计的应用软件或大型软件系统中的专用软件模块，运行于服务器端(以可执行指令的方式在服务器端的存储介质中存储，并由服务器端的处理器运行)，将接收到的来自其它设备的各种原始数据、各级中间数据和最终结果中的至少一种，与服务器上已有的某些数据或结果综合起来计算得到更新的结果，然后实时或非实时地输出给其他应用程序或模块使用，也可以写入服务器端数据库或文件进行存储。本专利技术实施例还可以提供为在多台服务器构成的分布式、并行计算平台上，搭载定制的、易于交互的网络(Web)界面或其他各用户界面(UI，UserInterface)，形成供个人、群体或企业使用的数据挖掘平台和信用评估平台(用于评估用户的信用)等。使用者可以将已有的数据包批量上传给此平台以获得各种计算结果，也可以将实时的数据流传输给此平台来实时计算和刷新各级结果。三、服务器端应用程序接口(API，ApplicationProgramInterface)及插件本专利技术实施例可提供为实现服务器端的API、软件开发套件(SDK，SoftwareDevelopmentToolkit)或插件，供其他的服务器端应用程序开发人员调用，并嵌入到各类应用程序中。四、移动设备客户端API及插件本专利技术实施例还可提供为移动设备端的API、SDK或插件，供其他的移动端应用程序开本文档来自技高网...

【技术保护点】
1.一种多媒体信息处理方法，其特征在于，所述方法包括：获取第一类多媒体文件的数据；对所述数据进行用于适配机器学习模型的预处理；在所述机器学习模型中，根据经过预处理的数据确定用户对所述第一类多媒体文件的兴趣度。

【技术特征摘要】
1.一种多媒体信息处理方法，其特征在于，所述方法包括：获取第一类多媒体文件的数据；对所述数据进行用于适配机器学习模型的预处理；在所述机器学习模型中，根据经过预处理的数据确定用户对所述第一类多媒体文件的兴趣度。2.根据权利要求1所述的方法，其特征在于，所述获取第一类多媒体文件的数据，包括：获取第一时间间隔内，至少两个用户对所述第一类多媒体文件的数据。3.根据权利要求1或2所述的方法，其特征在于，所述数据包括下述中的至少一项：所述第一类多媒体文件的使用数据；所述第一类多媒体文件中的至少两个多媒体文件的属性数据。4.根据权利要求2所述的方法，其特征在于，所述对所述数据进行用于适配机器学习模型的预处理，包括：将所述第一时间间隔内的使用数据划分为至少四个第一数据集，且每两个第一数据集之间的时间间隔为固定值；按照第一压缩比对所述第一数据集进行第一合并处理，得到至少两个第二数据集；按照第二压缩比对所述第二数据集进行第二合并处理，得到至少一个第三数据集。5.根据权利要求4所述的方法，其特征在于，所述对所述数据进行用于适配机器学习模型的预处理，包括：基于多媒体文件标识ID，将所述第三数据集划分为至少两个第四数据集；基于用户对所述第一类多媒体文件不同维度的操作，将所述第四数据集划分为相应维度的第四数据子集；对所述第四数...

【专利技术属性】
技术研发人员：曾启文，刘昕，况铁梅，冯林，姚琪，
申请(专利权)人：咪咕文化科技有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：北京,11