【技术实现步骤摘要】
一种推荐影片的方法及终端
本申请属于计算机
，尤其涉及一种推荐影片的方法及终端。
技术介绍
随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代，影片数量剧增。在这样的背景下，影片推荐显得尤其重要。然而，传统的影片推荐方式都是通过协同过滤推荐算法推荐影片，这种推荐算法存在过拟合风险以及冷启动问题(对于新加入的用户或者物品，其没有对应的历史信息，因此难以准确的进行建模和推荐)，导致给用户推荐的影片不准确。
技术实现思路
有鉴于此，本申请实施例提供了一种推荐影片的方法及终端，以解决传统的影片推荐方式通过协同过滤推荐算法推荐影片，这种推荐算法存在过拟合风险以及冷启动问题，导致给用户推荐的影片不准确的问题。本申请实施例的第一方面提供了一种推荐影片的方法，包括：获取用户的用户标识信息以及获取每个原始推荐影片的影片标识信息；所述原始推荐影片为基于预设推荐方法为所述用户初次推荐的影片；所述原始推荐影片不少于两部；将所述用户标识信息以及每个所述影片标识信息输入已训...
【技术保护点】
1.一种推荐影片的方法，其特征在于，包括：/n获取用户的用户标识信息以及获取所述用户对应的每个原始推荐影片的影片标识信息；所述原始推荐影片为基于预设推荐方法为所述用户初次推荐的影片；所述原始推荐影片不少于两部；/n将所述用户标识信息以及每个所述影片标识信息输入已训练的推荐模型进行预测处理，得到至少两部目标影片各自对应的点击概率；所述已训练的推荐模型使用机器学习算法对多个训练样本进行训练得到，在训练过程中，所述推荐模型的输入为所述训练样本中的样本用户标识信息以及与每个所述样本用户标识信息关联的样本影片标识信息，所述推荐模型的输出为由所述样本用户标识信息以及所述样本影片标识信息...
【技术特征摘要】
1.一种推荐影片的方法，其特征在于，包括：
获取用户的用户标识信息以及获取所述用户对应的每个原始推荐影片的影片标识信息；所述原始推荐影片为基于预设推荐方法为所述用户初次推荐的影片；所述原始推荐影片不少于两部；
将所述用户标识信息以及每个所述影片标识信息输入已训练的推荐模型进行预测处理，得到至少两部目标影片各自对应的点击概率；所述已训练的推荐模型使用机器学习算法对多个训练样本进行训练得到，在训练过程中，所述推荐模型的输入为所述训练样本中的样本用户标识信息以及与每个所述样本用户标识信息关联的样本影片标识信息，所述推荐模型的输出为由所述样本用户标识信息以及所述样本影片标识信息预测推荐影片得到的影片的预测点击概率；
按照所述点击概率的大小对每个所述目标影片进行排序，根据排序结果确定并推荐最终推荐影片。
2.如权利要求1所述的方法，其特征在于，所述获取用户的用户标识信息以及获取每个原始推荐影片的影片标识信息包括：
获取所述用户的历史观影信息；
基于所述历史观影信息以及所述预设推荐方法，确定所述原始推荐影片；
获取所述原始推荐影片的影片标识信息以及获取所述用户的用户标识信息。
3.如权利要求1所述的方法，其特征在于，所述将所述用户标识信息以及每个所述影片标识信息输入已训练的推荐模型进行预测处理，得到至少两部目标影片各自对应的点击概率包括：
将所述用户标识信息转换为第一向量，以及将所述影片标识信息转换为第二向量；
基于所述用户标识信息、与所述用户标识信息关联的第一属性参数、以及用户知识图谱，确定第一预估向量；所述用户知识图谱基于用户信息生成；所述第一预估向量为与所述用户标识信息、以及所述第一属性参数均关联的属性数据；
基于所述影片标识信息、与所述影片标识信息关联的第二属性参数、以及影片知识图谱，确定第二预估向量；所述影片知识图谱基于影片信息生成；所述第二预估向量为与所述影片标识信息、以及所述第二属性参数均关联的属性数据；
使用所述推荐模型对所述第一向量、所述第二向量、所述第一预估向量以及所述第二预估向量进行特征交叉处理，得到特征交叉向量；
提取所述特征交叉向量中的目标特征向量，得到所述点击概率。
4.如权利要求3所述的方法，其特征在于，所述基于所述用户标识信息、与所述用户标识信息关联的第一属性参数、以及用户知识图谱，确定第一预估向量包括：
基于所述用户知识图谱，提取所述用户标识信息以及所述第一属性参数中的用户特征向量，得到所述第一预估向量。
5.如权利要求3所述的方法，其特征在于，所述基于所述影片标识信息、与所述影片标识信息关联的第二属性参数、以及影片知识图谱，确定第二预估向量包括：
基于所述影片知识图谱，提取所述影片标识信息以...
【专利技术属性】
技术研发人员：谢宜廷，李延平，
申请(专利权)人：优地网络有限公司，
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。