一种多媒体推荐方法、装置、电子设备和存储介质制造方法及图纸

本公开关于一种多媒体推荐方法、装置、电子设备和存储介质，该方法包括：将待处理对象对应的历史操作资源信息输入到对象兴趣识别模型中，基于对象兴趣识别模型中的多媒体知识结构，对历史操作资源信息进行至少一次兴趣资源扩展，得到待处理对象对应的至少一个对象兴趣表征信息，基于至少一个对象兴趣表征信息，从待推荐多媒体资源中确定待处理对象对应的目标兴趣多媒体资源，并向待处理对象推荐目标多媒体资源。该方法基于历史操作资源信息进行兴趣资源扩展，可以缓解信息茧房，获取潜在的用户兴趣对应的多媒体资源，从而提高用户兴趣的多样性和泛化性，提高多媒体资源推荐的有效性。性。性。

【技术实现步骤摘要】
一种多媒体推荐方法、装置、电子设备和存储介质


[0001]本公开涉及信息推荐
，尤其涉及一种多媒体推荐方法、装置、电子设备和存储介质。

技术介绍

[0002]根据用户在浏览多媒体资源时的偏好，确定不同用户对应的个性化推荐方案，可以向不同用户推荐对应的多媒体资源，而在相关技术中，对用户进行个性化推荐时，容易收敛到用户的某几个兴趣点，导致用户兴趣的多样性低，使得向用户推荐的多媒体资源不能引起用户兴趣，从而降低多媒体资源推荐的有效性。

技术实现思路

[0003]本公开提供一种多媒体推荐方法、装置、电子设备和存储介质，以至少解决相关技术中用户兴趣的多样性低，且多媒体资源推荐的有效性低的问题。本公开的技术方案如下：
[0004]根据本公开实施例的第一方面，提供一种多媒体推荐方法，该方法包括：
[0005]将待处理对象对应的历史操作资源信息和多媒体知识结构输入到对象兴趣识别模型，在所述对象兴趣识别模型中基于所述多媒体知识结构，对所述历史操作资源信息进行至少一次兴趣扩展，得到所述待处理对象对应的至少一个对象兴趣表征信息，所述历史操作资源信息表征所述待处理对象在预设历史时间段内执行过预设操作的多媒体资源，所述多媒体知识结构为以预设多媒体资源的多媒体资源信息和所述预设多媒体资源对应的内容标签信息为节点，以所述多媒体资源信息与所述内容标签信息间的关联关系为边构成的图谱；
[0006]基于所述至少一个对象兴趣表征信息，从待推荐多媒体资源中确定所述待处理对象对应的目标兴趣多媒体资源；
[0007]向所述待处理对象推荐所述目标兴趣多媒体资源。
[0008]作为一个可选的实施例，所述对象兴趣识别模型包括特征提取层、特征扩展层和特征融合层，所述将待处理对象对应的历史操作资源信息和多媒体知识结构输入到对象兴趣识别模型，在所述对象兴趣识别模型中基于所述多媒体知识结构，对所述历史操作资源信息进行至少一次兴趣扩展，得到所述待处理对象对应的至少一个对象兴趣表征信息包括：
[0009]将所述历史操作资源信息和所述多媒体知识结构输入到所述特征提取层中进行特征提取，得到所述历史操作资源信息的历史资源特征信息和所述多媒体知识结构对应的结构特征信息；
[0010]将所述历史资源特征信息和所述结构特征信息输入到所述特征扩展层中，基于所述结构特征信息对所述历史资源特征信息进行至少一次特征扩展，得到所述历史资源特征信息在所述至少一次特征扩展下对应的关联标签特征信息和所述历史资源特征信息在所述至少一次特征扩展下对应的关联资源特征信息；
[0011]将所述关联标签特征信息和所述关联资源特征信息输入到所述特征融合层中进行特征融合，得到所述至少一个对象兴趣表征信息。
[0012]作为一个可选的实施例，所述将所述历史资源特征信息和所述结构特征信息输入到所述特征扩展层中，基于所述结构特征信息对所述历史资源特征信息进行至少一次特征扩展，得到所述历史资源特征信息在所述至少一次特征扩展下对应的关联标签特征信息和所述历史资源特征信息在所述至少一次特征扩展下对应的关联资源特征信息包括：
[0013]将所述历史资源特征信息和所述结构特征信息输入到所述特征扩展层中，在所述结构特征信息中，以所述历史资源特征信息为中心节点进行至少一次特征扩展，得到任意一次特征扩展时与所述中心节点关联的关联节点；所述任意一次特征扩展时的起始节点为上一次特征扩展得到的关联节点中的资源特征信息，所述任意一次特征扩展中初次特征扩展时的起始节点为所述历史资源特征信息；
[0014]将所述至少一次的特征扩展对应的关联节点中的标签特征信息作为所述关联标签特征信息，并将所述至少一次的特征扩展对应的关联节点中的资源特征信息作为所述关联资源特征信息。
[0015]作为一个可选的实施例，所述将所述关联标签特征信息和所述关联资源特征信息输入到所述特征融合层中进行特征融合，得到所述至少一个对象兴趣表征信息包括：
[0016]将每一次特征扩展对应的关联标签特征信息和每一次特征扩展对应的关联资源特征信息输入到所述特征融合层中进行特征融合，得到所述至少一个对象兴趣表征信息。
[0017]作为一个可选的实施例，所述基于所述至少一个对象兴趣表征信息，从所述待推荐多媒体资源中确定所述待处理对象对应的目标兴趣多媒体资源包括：
[0018]获取所述待推荐多媒体资源对应的资源特征信息；
[0019]基于所述对象兴趣表征信息和所述待推荐多媒体资源对应的资源特征信息，确定所述待推荐多媒体资源对应的资源兴趣指标；
[0020]基于所述资源兴趣指标，从所述待推荐多媒体资源中确定所述目标兴趣多媒体资源。
[0021]作为一个可选的实施例，所述预设多媒体资源包括多个多媒体资源，所述方法还包括：
[0022]获取每个多媒体资源对应的画像信息；
[0023]根据所述画像信息，得到每个所述多媒体资源的多媒体资源信息和每个所述多媒体资源对应的至少一个内容标签信息；
[0024]以多个所述多媒体资源的多媒体资源信息和多个所述多媒体资源对应的内容标签信息为节点，并构建每个多媒体资源的多媒体资源信息对应节点与每个所述多媒体资源的内容标签信息对应节点间的边，得到所述多媒体知识结构。
[0025]根据本公开实施例的第二方面，提供一种对象兴趣识别模型训练方法，所述方法包括：
[0026]获取多媒体知识结构、样本对象对应的正样本操作资源信息和负样本操作资源信息，所述正样本操作资源信息表征所述样本对象在预设样本时间段内执行过预设操作的多媒体资源，所述负样本操作资源信息表征所述样本对象在预设样本时间段内未执行过预设操作的多媒体资源、与所述正样本操作资源信息相似的样本多媒体资源、所述样本对象对
应的资源兴趣指标满足预设条件的多媒体资源、执行过负反馈操作的多媒体资源中的至少一种；所述多媒体知识结构为以待推荐多媒体资源的多媒体资源信息和所述待推荐多媒体资源对应的内容标签信息为节点，以所述多媒体资源信息与所述内容标签信息间的关联关系为边构成的图谱；
[0027]将所述多媒体知识结构、所述正样本操作资源信息和所述负样本操作资源信息输入到待训练模型，在所述待训练模型中基于所述多媒体知识结构，对所述正样本操作资源信息和所述负样本操作资源信息进行至少一次兴趣扩展，得到所述样本对象对应的至少一个对象兴趣表征信息和所述多媒体知识结构的结构特征信息；
[0028]获取所述正样本操作资源信息对应的第一样本资源特征信息和所述负样本操作资源信息对应的第二样本资源特征信息；
[0029]基于所述结构特征信息、所述至少一个对象兴趣表征信息、所述第一样本资源特征信息和所述第二样本资源特征信息，确定目标损失信息；
[0030]基于所述目标损失信息，对所述待训练模型进行训练，得到对象兴趣识别模型。
[0031]作为一个可选的实施例，所述方法还包括：
[0032]对所述样本对象在预设历史时间段内未执行过预设操作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多媒体推荐方法，其特征在于，所述方法包括：将待处理对象对应的历史操作资源信息和多媒体知识结构输入到对象兴趣识别模型，在所述对象兴趣识别模型中基于所述多媒体知识结构，对所述历史操作资源信息进行至少一次兴趣扩展，得到所述待处理对象对应的至少一个对象兴趣表征信息，所述历史操作资源信息表征所述待处理对象在预设历史时间段内执行过预设操作的多媒体资源，所述多媒体知识结构为以预设多媒体资源的多媒体资源信息和所述预设多媒体资源对应的内容标签信息为节点，以所述多媒体资源信息与所述内容标签信息间的关联关系为边构成的图谱；基于所述至少一个对象兴趣表征信息，从待推荐多媒体资源中确定所述待处理对象对应的目标兴趣多媒体资源；向所述待处理对象推荐所述目标兴趣多媒体资源。2.根据权利要求1所述的多媒体推荐方法，其特征在于，所述对象兴趣识别模型包括特征提取层、特征扩展层和特征融合层，所述将待处理对象对应的历史操作资源信息和多媒体知识结构输入到对象兴趣识别模型，在所述对象兴趣识别模型中基于所述多媒体知识结构，对所述历史操作资源信息进行至少一次兴趣扩展，得到所述待处理对象对应的至少一个对象兴趣表征信息包括：将所述历史操作资源信息和所述多媒体知识结构输入到所述特征提取层中进行特征提取，得到所述历史操作资源信息的历史资源特征信息和所述多媒体知识结构对应的结构特征信息；将所述历史资源特征信息和所述结构特征信息输入到所述特征扩展层中，基于所述结构特征信息对所述历史资源特征信息进行至少一次特征扩展，得到所述历史资源特征信息在所述至少一次特征扩展下对应的关联标签特征信息和所述历史资源特征信息在所述至少一次特征扩展下对应的关联资源特征信息；将所述关联标签特征信息和所述关联资源特征信息输入到所述特征融合层中进行特征融合，得到所述至少一个对象兴趣表征信息。3.根据权利要求2所述的多媒体推荐方法，其特征在于，所述将所述历史资源特征信息和所述结构特征信息输入到所述特征扩展层中，基于所述结构特征信息对所述历史资源特征信息进行至少一次特征扩展，得到所述历史资源特征信息在所述至少一次特征扩展下对应的关联标签特征信息和所述历史资源特征信息在所述至少一次特征扩展下对应的关联资源特征信息包括：将所述历史资源特征信息和所述结构特征信息输入到所述特征扩展层中，在所述结构特征信息中，以所述历史资源特征信息为中心节点进行至少一次特征扩展，得到任意一次特征扩展时与所述中心节点关联的关联节点；所述任意一次特征扩展时的起始节点为上一次特征扩展得到的关联节点中的资源特征信息，所述任意一次特征扩展中初次特征扩展时的起始节点为所述历史资源特征信息；将所述至少一次的特征扩展对应的关联节点中的标签特征信息作为所述关联标签特征信息，并将所述至少一次的特征扩展对应的关联节点中的资源特征信息作为所述关联资源特征信息。4.根据权利要求2所述的多媒体推荐方法，其特征在于，所述将所述关联标签特征信息
和所述关联资源特征信息输入到所述特征融合层中进行特征融合，得到所述至少一个对象兴趣表征信息包括：将每一次特征扩展对应的关联标签特征信息和每一次特征扩展对应的关联资源特征信息输入到所述特征融合层中进行特征融合，得到所述至少一个对象兴趣表征信息。5.一种对象兴趣识别模型训练方法，其特征在于，所述方法包括：获取多媒体知识结构、样本对象对应的正样本操作资源信息和负样本操作资源信息，所述正样本操作资源信息表征所述样本对象在预设样本时间段内执行过预设操作的多媒体资源，所述负样本操作资源信息表征所述样本对象在预设样本时间段内未执行过预设操作的多媒体资源、与所述正样本操作资源信息相似的样本多媒体资源、所述样本对象对应的资源兴趣指标满足预设条件的多媒体资源、执行过负反馈操作的多媒体资源中的至少一种；所述多媒体知识结构为以待推荐多媒体资源的多媒体资源信息和所述待推荐多媒体资源对应的内容标签信息为节点，以所述多媒体资源信息与所述内容标签信息间的关联关系为边...

【专利技术属性】
技术研发人员：冯翔，毛景树，王珵，江鹏，
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：