一种新节目推荐的方法及装置制造方法及图纸

本申请涉及一种新节目推荐的方法及装置，其中所述方法包括：获取用户列表中各用户的用户特征信息；将所述用户特征信息输入至已训练的分类模型中，获取所述分类模型输出的标签信息，所述标签信息包括当前用户喜好的节目的节目类型向量、场景类型向量以及特征词向量；根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词；根据所述分类模型确定新节目的节目特征信息，所述节目特征信息包括节目类型、场景类型以及特征词；将各用户喜好的节目类型、场景类型以及特征词，与所述新节目的节目特征信息进行匹配，以确定候选用户；将所述新节目推荐至所述候选用户中，以此保障新节目的推荐效果。

A method and device of new program recommendation

【技术实现步骤摘要】
一种新节目推荐的方法及装置
本申请涉及数据推荐
，尤其涉及一种新节目推荐的方法及装置。
技术介绍
互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对获取信息和发布信息的需求，例如，如今出现了越来越多的音视频发布平台，很多用户倾向于在这些音视频发布平台上发布自己的音视频数据，对于音视频发布平台而言，如何将用户新产生的音视频数据分发给其他相关用户是该平台需要解决的核心问题之一。
技术实现思路
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种新节目推荐的方法及装置。第一方面，本申请提供了一种新节目推荐的方法，所述方法包括：获取用户列表中各用户的用户特征信息；将所述用户特征信息输入至已训练的分类模型中，获取所述分类模型输出的标签信息，所述标签信息包括当前用户喜好的节目的节目类型向量、场景类型向量以及特征词向量；根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词；根据所述分类模型确定新节目的节目特征信息，所述节目特征信息包括节目类型、场景类型以及特征词；将各用户喜好的节目类型、场景类型以及特征词，与所述新节目的节目特征信息进行匹配，以确定候选用户；将所述新节目推荐至所述候选用户中。可选地，所述将所述新节目推荐至所述候选用户中，包括：从所述候选用户筛选出目标用户；将所述新节目推荐至所述目标用户中，并检测所述目标用户针对所述新节目的反馈行为；基于所述反馈行为，判断是否将所述新节目推荐至所述候选用户除所述目标用户以外的其他候选用户中。可选地，所述节目类型向量以及所述场景类型向量均为独热编码向量；所述根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词，包括：确定所述节目类型向量或所述场景类型向量中数值1所在的位置，并确定最大位置；根据所述最大位置，生成最大值独热向量；根据所述最大值独热向量确定所述节目类型向量对应的节目类型，或者，确定所述场景类型向量对应的场景类型；计算所述特征词向量与预设的特征词向量数据库中各特征词向量的距离，并获取距离最小的N个特征词向量对应的特征词，作为用户喜好的特征词。可选地，所述方法还包括：存储各用户喜好的节目类型、场景类型以及特征词。可选地，所述分类模型采用如下方法训练生成：获取所述用户列表中各用户的用户特征向量；确定各用户特征向量对应的标签信息；将所述用户特征向量以及对应的标签信息输入深度神经网络模型中进行训练，生成分类模型。可选地，所述获取所述用户列表中各用户的用户特征向量，包括：针对各用户，获取该用户的指定画像信息，并根据所述指定画像信息生成用户独热编码向量；采用已训练的深度编码器对所述用户独热编码向量进行编码，生成用户深度特征向量；获取该用户的历史行为数据，并从所述历史行为数据中提取满足指定条件的历史节目数据；从所述历史节目数据中提取特征词向量，并基于该用户的所有特征词向量确定平均向量，所述特征词向量包括关键词词向量以及实体词词向量；将所述用户深度特征向量以及所述平均向量拼接成用户特征向量。可选地，所述确定各用户特征向量对应的标签信息，包括：针对各用户特征向量，获取对应用户发生交互的历史节目数据；获取所述历史节目数据的节目类型的独热编码向量；获取所述历史节目数据的场景类型的独热编码向量；获取所述历史节目数据的特征词向量；将所述节目类型的独热编码向量、所述历史节目数据的特征词向量以及所述场景类型的独热编码向量组织成当前用户特征向量的标签信息。第二方面，本申请还提供了一种新节目推荐的装置，所述装置包括：用户特征信息获取模块，用于获取用户列表中各用户的用户特征信息；用户标签信息获取模块，用于将所述用户特征信息输入至已训练的分类模型中，获取所述分类模型输出的标签信息，所述标签信息包括当前用户喜好的节目的节目类型向量、场景类型向量以及特征词向量；用户喜好信息获取模块，用于根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词；新节目特征信息获取模块，用于根据所述分类模型确定新节目的节目特征信息，所述节目特征信息包括节目类型、场景类型以及特征词；候选用户确定模块，用于将各用户喜好的节目类型、场景类型以及特征词，与所述新节目的节目特征信息进行匹配，以确定候选用户；新节目推荐模块，用于将所述新节目推荐至所述候选用户中。第三方面，本申请还提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如上述的方法。第四方面，本申请还提供了一种存储介质，当所述存储介质中的指令由所述设备的处理器执行时，使得所述电子设备能够执行如上述的方法。本申请具有如下有益效果：在本实施例中，在进行新节目推荐时，可以采用已训练的分类模型获取新节目的节目特征信息以及各用户的喜好信息，然后将各用户的喜好信息与新节目的节目特征信息进行匹配，根据匹配的结果确定候选用户，并将新节目推荐至候选用户中，通过分类模型以及节目的匹配，可以保障新节目的推荐效果，同时，由于平台只将新节目推荐至候选用户中，可以节省平台的传输流量。附图说明图1为本申请实施例的一种分类模型的生成方法实施例的步骤流程图；图2为本申请实施例的一种新节目推荐的方法实施例的步骤流程图；图3为本申请实施例的一种新节目推荐的装置实施例的结构框图。具体实施方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。参照图1，示出了本申请实施例的一种分类模型的生成方法实施例的步骤流程图，分类模型可以采用如下步骤训练生成：步骤101，获取用户列表中各用户的用户特征向量。示例性地，用户列表中的用户可以是平台的全量用户，也可以是部分用户，例如，所有注册用户，或者，最近一段时间内有交互行为的用户，等等，本实施例对此不作限制。在一种例子中，用户列表可以为从用户画像系统中提取的用户ID组成的列表。其中，用户画像系统可以用于存储音视频平台中各用户的画像信息，例如，其存储的画像信息的字段可以包括但不限于：用户ID、性别、年龄层、地址(如省份)、职业、婚姻情况、生育情况、是否是车主、对节目的喜爱行为(如点赞节目或收听节目等行为)等。则可以在用户画像系统中获取各用户ID，组成用户列表。需要说明的是，用户画像系统可以为独立于音视频平台的系统，也可以是音视频平台的子系统，本实施例对此不作限制。在一种实施方式中，步骤101可以包括如下子步骤：子步骤S11，针对各用本文档来自技高网...

【技术保护点】
1.一种新节目推荐的方法，其特征在于，所述方法包括：/n获取用户列表中各用户的用户特征信息；/n将所述用户特征信息输入至已训练的分类模型中，获取所述分类模型输出的标签信息，所述标签信息包括当前用户喜好的节目的节目类型向量、场景类型向量以及特征词向量；/n根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词；/n根据所述分类模型确定新节目的节目特征信息，所述节目特征信息包括节目类型、场景类型以及特征词；/n将各用户喜好的节目类型、场景类型以及特征词，与所述新节目的节目特征信息进行匹配，以确定候选用户；/n将所述新节目推荐至所述候选用户中。/n

【技术特征摘要】
1.一种新节目推荐的方法，其特征在于，所述方法包括：
获取用户列表中各用户的用户特征信息；
将所述用户特征信息输入至已训练的分类模型中，获取所述分类模型输出的标签信息，所述标签信息包括当前用户喜好的节目的节目类型向量、场景类型向量以及特征词向量；
根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词；
根据所述分类模型确定新节目的节目特征信息，所述节目特征信息包括节目类型、场景类型以及特征词；
将各用户喜好的节目类型、场景类型以及特征词，与所述新节目的节目特征信息进行匹配，以确定候选用户；
将所述新节目推荐至所述候选用户中。


2.根据权利要求1所述的方法，其特征在于，所述将所述新节目推荐至所述候选用户中，包括：
从所述候选用户筛选出目标用户；
将所述新节目推荐至所述目标用户中，并检测所述目标用户针对所述新节目的反馈行为；
基于所述反馈行为，判断是否将所述新节目推荐至所述候选用户除所述目标用户以外的其他候选用户中。


3.根据权利要求1或2所述的方法，其特征在于，所述节目类型向量以及所述场景类型向量均为独热编码向量；
所述根据所述节目类型向量、场景类型向量以及特征词向量，确定当前用户喜好的节目类型、场景类型以及特征词，包括：
确定所述节目类型向量或所述场景类型向量中数值1所在的位置，并确定最大位置；根据所述最大位置，生成最大值独热向量；根据所述最大值独热向量确定所述节目类型向量对应的节目类型，或者，确定所述场景类型向量对应的场景类型；
计算所述特征词向量与预设的特征词向量数据库中各特征词向量的距离，并获取距离最小的N个特征词向量对应的特征词，作为用户喜好的特征词。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
存储各用户喜好的节目类型、场景类型以及特征词。


5.根据权利要求1或2所述的方法，其特征在于，所述分类模型采用如下方法训练生成：
获取所述用户列表中各用户的用户特征向量；
确定各用户特征向量对应的标签信息；
将所述用户特征向量以及对应的标签信息输入深度神经网络模型中进行训练，生成分类模型。


6.根据权利要求5所述的方法，其特征在于，所述获取所述用户列表中各用户的用户特征...

【专利技术属性】
技术研发人员：朱玉婷，任娟，
申请(专利权)人：广州欢聊网络科技有限公司，
类型：发明
国别省市：广东;44