本公开关于一种多媒体信息的推荐方法、装置、电子设备和存储介质，所述多媒体信息的推荐方法包括：响应于接收到的多媒体信息推荐请求，获取发送所述多媒体信息推荐请求的账户的历史行为特征，其中，所述历史行为特征中至少包括所述账户与直播内容的交互信息；至少根据所述账户与直播内容的交互信息确定所述账户是否为直播活跃用户；在所述账户并非直播活跃用户的情况下，根据所述账户的基本特征和所述历史行为特征判断是否在返回多媒体资源的同时向所述账户返回直播聚合页，其中，所述历史行为特征还包括：所述账户与非直播内容的交互信息，所述直播聚合页用于汇集M个直播内容、并通过N个展示位展示所述直播聚合页，M、N为自然数，且M＞N。且M＞N。且M＞N。
【技术实现步骤摘要】
多媒体信息的推荐方法、装置、电子设备和存储介质
[0001]本公开涉及互联网领域，尤其涉及一种多媒体信息的推荐方法、装置、电子设备和存储介质。
技术介绍
[0002]随着网络技术的飞速发展和电子设备的应用普及，面向用户的APP应用快速发展，应用功能日趋丰富，人们的生活、工作和学习中充满着功能多样、形式繁多的应用软件。与此同时，在日益丰富的应用市场中，应用功能推荐成为提高应用功能的市场覆盖率的必要手段。
[0003]然而在相关技术中，面向所有的用户进行推荐，不对用户群体加以区分的推荐方式将对已有该应用功能使用习惯的用户造成信息干扰，而即便对用户群体进行区分后推荐，相关技术中依赖于人工经验而设定的推荐规则往往受到人工思考维度和主观认识的限制，造成识别出的待推荐用户不够准确，以致使推荐效率低下等问题。
技术实现思路
[0004]本公开提供了一种多媒体信息的推荐方法、装置、电子设备和存储介质，以至少解决相关技术中的技术问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提出一种多媒体信息的推荐方法，所述方法包括：
[0006]响应于接收到的多媒体信息推荐请求，获取发送所述多媒体信息推荐请求的账户的历史行为特征，其中，所述历史行为特征中至少包括所述账户与直播内容的交互信息；
[0007]至少根据所述账户与直播内容的交互信息确定所述账户是否为直播活跃用户；
[0008]在所述账户并非直播活跃用户的情况下，根据所述账户的基本特征和所述历史行为特征判断是否在返回多媒体资源的同时向所述账户返回直播聚合页，其中，所述历史行为特征还包括：所述账户与非直播内容的交互信息，所述直播聚合页用于汇集M个直播内容、并通过N个展示位展示所述直播聚合页，M、N为自然数，且M＞N。
[0009]可选的，所述向所述账户返回直播聚合页，包括：
[0010]在所述账户登录的应用程序的页面中展示直播聚合入口；
[0011]检测到对所述直播聚合入口的触发操作，跳转至所述直播聚合入口对应的直播聚合页面。
[0012]可选的，所述方法还包括：
[0013]在所述账户为直播活跃用户的情况下，返回与所述多媒体信息推荐请求对应的多媒体资源。
[0014]可选的，所述根据所述账户的基本特征和所述历史行为特征判断是否在返回多媒体资源的同时向所述账户返回直播聚合页，包括：
[0015]对所述账户的基本特征和所述历史行为特征进行向量化处理，以得到与所述基本特征和所述历史行为特征对应的账户特征向量；
[0016]基于训练完成的深度网络模型对所述账户特征向量进行特征提取；
[0017]根据所述深度网络模型提取的特征向量确定是否在返回多媒体资源的同时向所述账户返回直播聚合页。
[0018]可选的，所述深度网络模型包括第一网络模型和第二网络模型，所述方法还包括：
[0019]根据作为训练样本的经验池确定智能体在用户状态s
j
时执行推荐控制动作a
j
后的即时反馈r
j
，以根据所述即时反馈r
j
确定实际评估数据y
j
；
[0020]基于所述实际评估数据y
j
与由深度网络模型中的第一网络模型确定的预测评估数据Q(s
j
,a
j
)的差异调整所述第一网络模型的模型参数，以将包含模型参数调整后的第一网络模型的深度网络模型确定为所述训练完成的深度网络模型。
[0021]可选的，所述根据所述即时反馈r
j
确定实际评估数据y
j
，包括：
[0022]检测到所述用户状态s
j
与下一用户状态s
j+1
之间的间隔时长大于预设时长阈值T
max
时，将所述即时反馈r
j
赋值于所述实际评估数据y
j
；
[0023]检测到所述用户状态s
j
与下一用户状态s
j+1
之间的间隔时长不大于预设时长阈值T
max
时，根据所述即时反馈r
j
与由所述深度网络模型中的第二网络模型得到的对应于下一用户状态s
j+1
的评估数据确定所述实际评估数据y
j
。
[0024]可选的，所述至少根据所述账户与直播内容的交互信息确定所述账户是否为直播活跃用户，包括：
[0025]基于神经网络回归模型至少对所述账户与直播内容的交互信息进行特征提取，以根据提取的特征确定所述账户是否为直播活跃账户，其中，所述神经网络回归模型是基于用户信息样本集预先训练完成的，所述用户信息样本集中至少包括与直播内容的交互信息样本和与所述交互信息样本对应的活跃程度标注信息。
[0026]可选的，所述根据提取的特征确定所述账户是否为直播活跃账户，包括：
[0027]根据提取的特征确定所述账户为直播活跃用户的反馈值；检测到所述反馈值低于预设反馈阈值时，确定所述账户为直播非活跃用户；检测到所述反馈值不低于预设反馈阈值时，确定所述账户为直播活跃用户；或者，
[0028]根据提取的特征确定所述账户为直播活跃用户的第一反馈值，和确定所述账户为直播活跃用户的第二反馈值；检测到所述第一反馈值低于所述第二反馈值时，确定所述账户为直播非活跃用户；检测到所述第一反馈值不低于所述第二反馈值时，确定所述账户为直播活跃用户。
[0029]根据本公开实施例的第二方面，提出一种多媒体信息的推荐装置，所述装置包括：
[0030]特征获取模块，响应于接收到的多媒体信息推荐请求，获取发送所述多媒体信息推荐请求的账户的历史行为特征，其中，所述历史行为特征中至少包括所述账户与直播内容的交互信息；
[0031]用户确定模块，至少根据所述账户与直播内容的交互信息确定所述账户是否为直播活跃用户；
[0032]操作确定模块，在所述账户并非直播活跃用户的情况下，根据所述账户的基本特征和所述历史行为特征判断是否在返回多媒体资源的同时向所述账户返回直播聚合页，其中，所述历史行为特征还包括：所述账户与非直播内容的交互信息，所述直播聚合页用于汇集M个直播内容、并通过N个展示位展示所述直播聚合页，M、N为自然数，且M＞N。
[0033]可选的，所述操作确定模块具体用于：
[0034]在所述账户登录的应用程序的页面中展示直播聚合入口；
[0035]检测到对所述直播聚合入口的触发操作，跳转至所述直播聚合入口对应的直播聚合页面。
[0036]可选的，还包括：
[0037]资源返回模块，在所述账户为直播活跃用户的情况下，返回与所述多媒体信息推荐请求对应的多媒体资源。
[0038]可选的，所述操作确定模块还用于：
[0039]对所述账户的基本特征和所述历史行为特征进行向量化处理，以得到与所述基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多媒体信息的推荐方法，其特征在于，所述方法包括：响应于接收到的多媒体信息推荐请求，获取发送所述多媒体信息推荐请求的账户的历史行为特征，其中，所述历史行为特征中至少包括所述账户与直播内容的交互信息；至少根据所述账户与直播内容的交互信息确定所述账户是否为直播活跃用户；在所述账户并非直播活跃用户的情况下，根据所述账户的基本特征和所述历史行为特征判断是否在返回多媒体资源的同时向所述账户返回直播聚合页，其中，所述历史行为特征还包括：所述账户与非直播内容的交互信息，所述直播聚合页用于汇集M个直播内容、并通过N个展示位展示所述直播聚合页，M、N为自然数，且M＞N。2.根据权利要求1所述方法，其特征在于，所述向所述账户返回直播聚合页，包括：在所述账户登录的应用程序的页面中展示直播聚合入口；检测到对所述直播聚合入口的触发操作，跳转至所述直播聚合入口对应的直播聚合页面。3.根据权利要求1所述方法，其特征在于，所述方法还包括：在所述账户为直播活跃用户的情况下，返回与所述多媒体信息推荐请求对应的多媒体资源。4.根据权利要求1所述方法，其特征在于，所述根据所述账户的基本特征和所述历史行为特征判断是否在返回多媒体资源的同时向所述账户返回直播聚合页，包括：对所述账户的基本特征和所述历史行为特征进行向量化处理，以得到与所述基本特征和所述历史行为特征对应的账户特征向量；基于训练完成的深度网络模型对所述账户特征向量进行特征提取；根据所述深度网络模型提取的特征向量确定是否在返回多媒体资源的同时向所述账户返回直播聚合页。5.根据权利要求4所述方法，其特征在于，所述深度网络模型包括第一网络模型和第二网络模型，所述方法还包括：根据作为训练样本的经验池确定智能体在用户状态s
j
时执行推荐控制动作a
j
后的即时Q反馈r
j
，以根据所述即时反馈r
j
确定实际评估数据y
j
；基于所述实际评估数据y
j
与由深度网络模型中的第一网络模型确定的预测评估数据Q(s
j
,a
j
)的差异调整所述第一网络模型的模型参数，以将包含模型参数调整后的第一网络模型的深度网络模型确定为所述训练完成的深度网络模型。6.根据权利要求5所述方法，其特征在于，所述根据所述即时反馈r
j
【专利技术属性】
技术研发人员：杨晓宇，卞俊杰，叶璨，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
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。