服务器及媒资混合推荐方法技术

本申请实施例提供了一种服务器及媒资混合推荐方法，服务器被配置为：根据用户的身份标识获取特征数据，其中，特征数据是根据用户数据、媒资数据以及上下文数据确定的；将特征数据输入至已训练好的媒资推荐模型，得到用户对多个媒资的点击概率值，在媒资推荐模型中通过向用户对各媒资的偏好分配权重得到点击概率值；将点击概率值最高的N个媒资推荐至显示设备，以使显示设备在相应的推荐位上展示出媒资。本申请中，在媒资推荐模型中，能够计算出用户对任何类型的媒资的点击概率值，并且点击概率值是通过向用户对各媒资的偏好分配权重得到，提高点击概率值的精准度，通过媒资推荐模型为用户进行精准混合推荐。型为用户进行精准混合推荐。型为用户进行精准混合推荐。

【技术实现步骤摘要】
服务器及媒资混合推荐方法


[0001]本申请涉及互联网
，尤其涉及一种服务器及媒资混合推荐方法。

技术介绍

[0002]智能电视是一种可实现双向人机交互功能，集影音、娱乐、数据等多种功能于一体的电视产品。智能电视的用户界面被用于其与用户之间进行交互和信息交换的媒介，为满足用户多样化的需求，对应显示有影音、娱乐等多种应用程序。
[0003]通常情况下，智能电视所连接的后台服务器可以为用户推荐媒资。智能电视上的频道栏包含电影、电视剧、综艺、动漫等频道，每个频道中均包含隶属于当前频道的推荐栏目，该推荐栏目通常是根据用户的历史观看行为，运用人工智能(AI，Artificial Intelligence)算法为用户推荐其感兴趣内容。然而，频道栏中还包含有推荐频道，在该频道下需要为用户展示任一其他频道下的媒资，即进行混合推荐。目前，通常是在推荐频道下融合其他频道中推荐栏目内所推荐排行较高的内容。
[0004]上述在推荐频道进行混合推荐时，由于需要融合各个频道下的推荐结果，势必存在排序的问题。如，对于同一媒资可能在不同推荐栏目下所计算出的推荐概率不同，导致最终根据推荐概率进行融合时与其他媒资之间的排序出现问题，从而无法精准为用户进行混合推荐。

技术实现思路

[0005]本申请提供了一种服务器及媒资混合推荐方法，以解决现有技术中无法精准为用户进行混合推荐的技术问题。
[0006]第一方面，本申请提供了一种服务器，所述服务器被配置为：
[0007]根据用户的身份标识获取特征数据，其中，所述特征数据是根据用户数据、媒资数据以及上下文数据确定的，所述用户数据基于用户的播放行为进行获取，所述媒资数据基于对媒资的内容理解进行获取，所述上下文数据基于用户对媒资动作时间进行获取；
[0008]将所述特征数据输入至已训练好的媒资推荐模型，得到用户对多个媒资的点击概率值，其中，所述媒资推荐模型用于预估用户对媒资的点击概率值，在所述媒资推荐模型中通过向用户对各媒资的偏好分配权重得到点击概率值；
[0009]将点击概率值最高的N个媒资推荐至显示设备，以使显示设备在相应的推荐位上展示出媒资。
[0010]第二方面，本申请提供了一种媒资混合推荐方法，包括：
[0011]根据用户的身份标识获取特征数据，其中，所述特征数据是根据用户数据、媒资数据以及上下文数据确定的，所述用户数据基于用户的播放行为进行获取，所述媒资数据基于对媒资的内容理解进行获取，所述上下文数据基于用户对媒资动作时间进行获取；
[0012]将所述特征数据输入至已训练好的媒资推荐模型，得到用户对多个媒资的点击概率值，其中，所述媒资推荐模型用于预估用户对媒资的点击概率值，在所述媒资推荐模型中
通过向向偏好概率分配权重得到点击概率值；
[0013]将点击概率值最高的N个媒资推荐至显示设备，以使显示设备在相应的推荐位上展示出媒资。
[0014]与现有技术相比，本申请的有益效果为：
[0015]本申请提供了一种服务器及媒资混合推荐方法，服务器在采集特征数据时，基于用户的播放行为获取到用户数据，基于对媒资的内容理解获取到媒资数据，并基于用户对媒资动作时间获取到上下文数据，通过对用户数据、媒资数据以及上下文数据进行处理，得到特征数据，利用特征数据训练媒资推荐模型。服务器在为用户进行媒资混合推荐时，根据用户的身份标识获取相应的特征数据，将特征数据输入至训练好的媒资推荐模型，经由媒资推荐模型输出用户对多个媒资的点击概率值，点击概率值反映了用户对媒资的偏好程度，点击概率值越大，说明用户喜欢该媒资的可能性越大。本申请中，在媒资推荐模型中，能够计算出用户对任何类型的媒资的点击概率值，并且点击概率值是通过向用户对各媒资的偏好分配权重得到，提高点击概率值的精准度，通过媒资推荐模型为用户进行精准混合推荐。
附图说明
[0016]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1中示例性示出了根据一些实施例的显示设备与控制装置之间操作场景的示意图；
[0018]图2中示例性示出了根据一些实施例的控制装置100的硬件配置框图；
[0019]图3中示例性示出了根据一些实施例的显示设备200的硬件配置框图；
[0020]图4中示例性示出了根据一些实施例的显示设备200中软件配置示意图；
[0021]图5中示例性示出了根据一些实施例的显示设备200中电影频道下推荐栏目的显示效果示意图；
[0022]图6中示例性示出了根据一些实施例的显示设备200中推荐频道下推荐栏目的显示效果示意图；
[0023]图7中示例性示出了根据一些实施例的媒资推荐模型的训练流程示意图；
[0024]图8中示例性示出了根据一些实施例特征数据向量化的网络结构图；
[0025]图9中示例性示出了根据一些实施例的媒资推荐模型的网络结构图；
[0026]图10中示例性示出了根据一些实施例的媒资混合推荐方法的流程示意图。
具体实施方式
[0027]为使本申请的目的和实施方式更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施方式进行清楚、完整地描述，显然，描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。
[0028]需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和
通常的含义理解。
[0029]本申请中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
[0030]术语“包括”和“具有”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的所有组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
[0031]术语“模块”是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合，能够执行与该元件相关的功能。
[0032]图1为根据实施例中显示设备与控制装置之间操作场景的示意图。如图1所示，用户可通过智能设备300或控制装置100操作显示设备200。
[0033]在一些实施例中，控制装置100可以是遥控器，遥控器和显示设备的通信包括红外协议通信或蓝牙协议通信，及其他短距离通信方式，通过无线或有线方式来控制显示设备200。用户可以通过遥控器上按键、语音输入、控制面板输入等输入用户指令，来控制显示设备200。
[0034]在一些实施例中，也可以使用智能设备300(如移动终端、平板电脑、计算机、笔记本电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务器，其特征在于，所述服务器被配置为：根据用户的身份标识获取特征数据，其中，所述特征数据是根据用户数据、媒资数据以及上下文数据确定的，所述用户数据基于用户的播放行为进行获取，所述媒资数据基于对媒资的内容理解进行获取，所述上下文数据基于用户对媒资动作时间进行获取；将所述特征数据输入至已训练好的媒资推荐模型，得到用户对多个媒资的点击概率值，其中，所述媒资推荐模型用于预估用户对媒资的点击概率值，在所述媒资推荐模型中通过向用户对各媒资的偏好分配权重得到点击概率值；将点击概率值最高的N个媒资推荐至显示设备，以使显示设备在相应的推荐位上展示出媒资。2.根据权利要求1所述的服务器，其特征在于，在所述媒资推荐模型的训练过程中，所述服务器被配置为：采集特征数据，并分别对特征数据进行向量化，得到特征向量；将多种特征向量进行拼接，得到输入层数据；将输入层数据输入至第一多层神经网络，得到第一输出层数据，其中，所述第一输出层数据表征用户对各媒资的偏好；将所述输入层数据输入至第二多层神经网络，得到第二输出层数据，其中，所述第二输出层数据用于为所述第一输出层数据分配权重；利用所述第二输出层数据为所述第一输出层数据分配权重，得到具备权重的偏好数据；将所述偏好数据输入至第三多层神经网络并经由sigmoid层激活后得到所述媒资推荐模型。3.根据权利要求2所述的服务器，其特征在于，在所述采集特征数据的步骤中，所述服务器还被配置为：获取所述用户数据，所述用户数据包括用户画像、用户播放媒资的序列特征以及用户播放行为的统计类特征，其中，用户画像用于表征用户在各个频道上的兴趣偏好，序列特征用于表征用户近期播放行为，所述统计类特征用于表征用户观看媒资的播放时长及占比；获取所述媒资数据，所述媒资数据包括各类媒资的属性及标签，其中，所述媒资的属性包括媒资所属频道及媒资类型，所述媒资的标签包括所述媒资的国别、演员及导演；获取所述上下文数据，所述上下文数据包括媒资曝光或点击时间。4.根据权利要求2所述的服务器，其特征在于，采集的所述特征数据的数据类型包括：数值型特征、单值离散特征以及多值离散特征，在所述采集特征数据，并分别对特征数据进行向量化，得到特征向量的步骤中，所述服务器被配置为：根据预设标签索引表查询所述单值离散特征的第一标签索引，并根据所述第一标签索引从特征矩阵中检索相对应的第一向量值；根据所述预设标签索引表分别查询所述多值离散特征的第二标签索引，并利用多个所述第二标签索引分别从所述特征矩阵中检索相对应的第二向量...

【专利技术属性】
技术研发人员：饶刚，
申请(专利权)人：聚好看科技股份有限公司，
类型：发明
国别省市：