一种多媒体信息推荐的方法、装置、设备和介质制造方法及图纸

本申请属于计算机技术领域，主要涉及人工智能中的深度学习技术，公开了一种多媒体信息推荐的方法、装置、设备和介质，本申请公开的一种多媒体信息推荐的方法包括，按照预设筛选条件，对获取的各多媒体信息进行筛选，获取筛选的候选多媒体信息的多媒体信息标签，通过对应多媒体信息标签设置的反馈预估模型以及用户画像，预估待推荐用户对候选多媒体信息的反馈结果。只有反馈结果表征非负反馈时，才向待推荐用户推荐候选多媒体信息，否则，过滤候选多媒体信息。这样，对多媒体信息进行初步筛选后，再根据预估的用户对多媒体信息的反馈结果，对推荐的多媒体信息进行再次筛选，实现了对多媒体信息推荐的优化，减少了用户的负反馈。

A method, device, device and medium of multimedia information recommendation

【技术实现步骤摘要】
一种多媒体信息推荐的方法、装置、设备和介质
本申请涉及计算机
，尤其涉及一种多媒体信息推荐的方法、装置、设备和介质。
技术介绍
随着互联网技术的发展，多媒体信息的数量也在不断的增长。为提高用户体验，多媒体信息应用通常会根据用户当前查看的多媒体信息向用户推荐相关的多媒体信息，并在收到用户对推荐多媒体信息的负反馈后，针对该用户屏蔽该多媒体信息来源。例如，视频应用根据用户当前观看的视频，获取相关视频，并将该相关视频推荐给用户，以及当接收到用户的负面评价时，针对该用户屏蔽该视频来源。但是，现有技术中，确定推荐多媒体信息时，仅根据用户当前查看的多媒体信息等特定条件，对各多媒体信息进行简单筛选，多媒体信息推荐的精准度较低，这会导致用户的负面评价，以及多媒体信息应用在接收到用户的负反馈后，无法根据收到的负反馈对多媒体信息推荐进行精准的调整，仍然可能会向用户推荐类似的用户不感兴趣的多媒体信息。由此，如何对多媒体信息推荐进行优化，减少用户负反馈，是一个亟待解决的问题。
技术实现思路
本申请实施例提供一种多媒体信息推荐的方法、装置、设备和介质，用以在向用户推荐多媒体信息时，对多媒体信息推荐进行优化，提高多媒体信息推荐的精准度。一方面，提供一种多媒体信息推荐的方法，包括：按照预设筛选条件，对获取的各多媒体信息进行筛选，获得待推荐的候选多媒体信息；获取待推荐的候选多媒体信息的多媒体信息标签；获取对应多媒体信息标签设置的反馈预估模型，以及待推荐用户的用户画像，一个多媒体信息标签对应的反馈预估模型用于根据用户的用户画像预测该用户对该多媒体信息标签对应的多媒体信息的反馈；根据反馈预估模型和用户画像，预估待推荐用户对候选多媒体信息的反馈结果；当反馈结果表征负反馈时，不向待推荐用户推荐候选多媒体信息；当反馈结果表征非负反馈时，向待推荐用户推荐候选多媒体信息。一方面，提供一种多媒体信息推荐的装置，包括：筛选单元，用于按照预设筛选条件，对获取的各多媒体信息进行筛选，获得待推荐的候选多媒体信息；第一获取单元，用于获取待推荐的候选多媒体信息的多媒体信息标签；第二获取单元，用于获取对应多媒体信息标签设置的反馈预估模型，以及待推荐用户的用户画像，一个多媒体信息标签对应的反馈预估模型用于根据用户的用户画像预测该用户对该多媒体信息标签对应的多媒体信息的反馈；预估单元，用于根据反馈预估模型和用户画像，预估待推荐用户对候选多媒体信息的反馈结果；推荐单元，用于当反馈结果表征负反馈时，不向待推荐用户推荐候选多媒体信息，以及当反馈结果表征非负反馈时，向待推荐用户推荐候选多媒体信息。一方面，提供一种控制设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时执行上述任一种多媒体信息推荐的方法的步骤。一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一种多媒体信息推荐的方法的步骤。本申请实施例提供的一种多媒体信息推荐的方法、装置、设备和介质中，按照预设筛选条件，对获取的各多媒体信息进行筛选，获得待推荐的候选多媒体信息；并获取待推荐的候选多媒体信息的多媒体信息标签，通过对应多媒体信息标签设置的反馈预估模型以及用户画像，预估待推荐用户对候选多媒体信息的反馈结果。只有反馈结果表征非负反馈时，才向待推荐用户推荐候选多媒体信息，否则，过滤候选多媒体信息。这样，先通过预设筛选条件对各多媒体信息进行初步筛选，然后，通过预估的用户对筛选后的候选多媒体信息反馈结果对推荐的多媒体信息进行再次筛选，对多媒体信息推荐进行了优化，提高了多媒体信息推荐的精准度，减少用户不感兴趣的多媒体信息推荐，降低了用户的负反馈率，提高了用户体验。本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1a为本申请实施方式中一种多媒体信息推荐的架构示意图；图1b为本申请实施方式中一种多媒体信息质检模块的示意图；图1c为本申请实施方式中一种多媒体信息推荐的应用场景；图2为本申请实施方式中一种反馈预估模型训练的方法的实施流程图；图3a为本申请实施方式中一种用户画像示例图；图3b为本申请实施方式中一种反馈预估模型的示意图；图4为本申请实施方式中一种多媒体信息推荐的实施流程图；图5为本申请实施方式中一种多媒体信息推荐的装置的结构示意图；图6为本申请实施方式中一种控制设备的结构示意图。具体实施方式为了使本申请的目的、技术方案及有益效果更加清楚明白，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。首先，对本申请实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。多媒体信息：组合两种或两种以上媒体的一种人机交互式信息交流和传播媒体。媒体包括文字、图片、声音、影片等。用户画像：又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中通常会以最为浅显和贴近生活的话语将用户的属性、行为与期待联本文档来自技高网...

【技术保护点】
1.一种多媒体信息推荐的方法，其特征在于，包括：/n按照预设筛选条件，对获取的各多媒体信息进行筛选，获得待推荐的候选多媒体信息；/n获取待推荐的候选多媒体信息的多媒体信息标签；/n获取对应所述多媒体信息标签设置的反馈预估模型，以及待推荐用户的用户画像，一个多媒体信息标签对应的反馈预估模型用于根据用户的用户画像预测该用户对该多媒体信息标签对应的多媒体信息的反馈；/n根据所述反馈预估模型和所述用户画像，预估所述待推荐用户对所述候选多媒体信息的反馈结果；/n当所述反馈结果表征负反馈时，不向所述待推荐用户推荐所述候选多媒体信息；/n当所述反馈结果表征非负反馈时，向所述待推荐用户推荐所述候选多媒体信息。/n

【技术特征摘要】
1.一种多媒体信息推荐的方法，其特征在于，包括：
按照预设筛选条件，对获取的各多媒体信息进行筛选，获得待推荐的候选多媒体信息；
获取待推荐的候选多媒体信息的多媒体信息标签；
获取对应所述多媒体信息标签设置的反馈预估模型，以及待推荐用户的用户画像，一个多媒体信息标签对应的反馈预估模型用于根据用户的用户画像预测该用户对该多媒体信息标签对应的多媒体信息的反馈；
根据所述反馈预估模型和所述用户画像，预估所述待推荐用户对所述候选多媒体信息的反馈结果；
当所述反馈结果表征负反馈时，不向所述待推荐用户推荐所述候选多媒体信息；
当所述反馈结果表征非负反馈时，向所述待推荐用户推荐所述候选多媒体信息。


2.如权利要求1所述的方法，其特征在于，在获取对应所述多媒体信息标签设置的反馈预估模型之前，进一步包括：
获取热点标签集合，所述热点标签集合为指定数量的指定多媒体信息标签的集合；
当所述热点标签集合中不包含所述多媒体信息标签时，向所述待推荐用户推荐所述候选多媒体信息；
当所述热点标签集合中包含所述多媒体信息标签时，执行所述获取对应所述多媒体信息标签设置的反馈预估模型的步骤。


3.如权利要求1所述的方法，其特征在于，所述反馈预估模型由指定层数的全连接层、插批归一化层、随机失活层以及采用激活函数的输出层组成，是通过各样本用户的用户画像和用户反馈对深度神经网络进行训练获得的；
一个多媒体信息标签对应的反馈预估模型的各样本用户为查看该多媒体信息标签对应的多媒体信息的用户；
所述用户画像为包含用户标签和相应权重的集合；
所述用户标签至少包括根据多媒体信息查看操作确定的标签；
所述用户反馈是根据多媒体信息查看时间和用户评价确定的。


4.如权利要求3所述的方法，其特征在于，所述用户标签还包括将用户的基础画像特征进行脱敏处理后获得的标签；
所述基础画像特征是根据用户属性确定的。


5.如权利要求3或4所述的方法，其特征在于，所述多媒体信息标签对应的反馈预估模型是通过以下方式训练获得的：
获取所述多媒体信息标签对应的各样本用户的用户画像和用户反馈；
根据各样本用户的用户画像，分别统计各用户画像中每一用户标签的样本数量；
在各样本用户的用户画像中，去除对应的样本数量低于指定样本数量的用户标签；
采用降维处理算法，将各样本用户的用户画像进行降维处理，获得各降维处理后的用户画像；
根据各降维处理后的用户画像和用户反馈对深度神经网络进行训练，获得反馈预估模型。


6.如权利要求1-4任一项所述的方法，其特征在于，所述各多媒体信息是从区块链中的各区块获取的。


7.一种多媒体信息推荐的装置，其特征在于，包括：
筛选单元，用于按照预设筛选条件，对获取的各多媒体信息进行筛选，获得待推荐的候选多媒体信息；
第一获取单元，用于获取待推荐的候选多媒体信息的...

【专利技术属性】
技术研发人员：伍楚涵，白肇强，白雪峰，程文文，
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