一种服务器和媒资推荐方法技术

本公开涉及一种服务器和媒资推荐方法，涉及媒资推荐技术领域。其中，服务器包括：控制器，被配置为：接收客户端发送的第一媒资标识；获取第一媒资标识所指示的第一媒资的第一属性信息，第一属性信息包括第一媒资标签、第一媒资名称、第一媒资描述、第一媒资演员；根据第一属性信息确定第一媒资的第一文本序列；将第一文本序列输入预先训练好的媒资推荐模型，获取媒资推荐模型输出的与第一属性信息匹配的推荐媒资；获取第一媒资标识所指示的第一媒资；将推荐媒资和第一媒资发送至客户端。本公开实施例用于提升媒资推荐的准确度。开实施例用于提升媒资推荐的准确度。开实施例用于提升媒资推荐的准确度。

【技术实现步骤摘要】
一种服务器和媒资推荐方法


[0001]本公开涉及媒资推荐
，尤其涉及一种服务器和媒资推荐方法。

技术介绍

[0002]智能电视是人们观看影视剧、综艺、新闻等媒资的重要设备之一。为方便用户观看媒资，一些智能电视会进行媒资推荐。相关技术中，推荐给用户的媒资是根据用户画像从媒资数据库中筛选出来的，其中，用户画像包含了根据用户历史观看记录预测出的用户感兴趣的媒资特征数据。仅根据用户画像推荐媒资，推荐的准确度不高，目前亟需根据媒资内容和用户行为向用户精准推荐的媒资推荐模型。

技术实现思路

[0003]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种服务器和媒资推荐方法，可以训练得到根据媒资内容和用户行为向用户精准推荐的媒资推荐模型，以向用户精准推荐媒资，提升推荐效果。
[0004]为了实现上述目的，本公开实施例提供的技术方案如下：
[0005]第一方面，本公开提供一种显示设备，包括：
[0006]控制器，被配置为：接收客户端发送的第一媒资标识；
[0007]获取第一媒资标识所指示的第一媒资的第一属性信息，第一属性信息包括第一媒资标签、第一媒资名称、第一媒资描述、第一媒资演员；
[0008]根据第一属性信息确定第一媒资的第一文本序列；
[0009]将第一文本序列输入预先训练好的媒资推荐模型，获取媒资推荐模型输出的与第一属性信息匹配的推荐媒资；
[0010]获取第一媒资标识所指示的第一媒资；
[0011]将推荐媒资和第一媒资发送至客户端。
[0012]第二方面，本公开提供一种媒资推荐方法，包括：
[0013]接收客户端发送的第一媒资标识；
[0014]获取第一媒资标识所指示的第一媒资的第一属性信息，第一属性信息包括第一媒资标签、第一媒资名称、第一媒资描述、第一媒资演员；
[0015]根据第一属性信息确定第一媒资的第一文本序列；
[0016]将第一文本序列输入预先训练好的媒资推荐模型，获取媒资推荐模型输出的与第一属性信息匹配的推荐媒资；
[0017]获取第一媒资标识所指示的第一媒资；
[0018]将推荐媒资和第一媒资发送至客户端。
[0019]第三方面，本公开提供了一种计算机可读存储介质，包括：计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如第二方面所示的媒资推荐方法。
[0020]第四方面，本公开提供了一种计算机程序产品，该计算机程序产品包括计算机程
序，当该计算机程序在计算机上运行时，使得计算机实现如第二方面所示的媒资推荐方法。
[0021]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0022]本公开实施例提供一种服务器和媒资推荐方法，其中，该服务器首先接收客户端发送第一媒资标识，再根据第一媒资标识获取第一媒资标识对应的第一媒资的第一属性信息，该属性信息中包括第一媒资标签、第一媒资名称、第一媒资描述、第一媒资演员；然后，根据第一属性信息确定第一媒资的第一文本序列，进一步的将第一文本序列输入预先训练好的媒资推荐模型，该媒资推荐模型预先基于媒资属性信息和与媒资关联的偏好媒资训练得到，其中，媒资属性信息反映媒资内容，媒资关联的偏好媒资根据用户历史观看记录确定。获取该媒资推进模型输出的与第一属性信息匹配的推荐媒资，进而获取第一媒资标识对应的第一媒资，将该第一媒资和推荐媒资一并发送至客户端，以实现根据第一媒资标识对应的第一媒资的内容，有针对性的获取与该内容相关的推荐媒资来推荐给客户端，将用户行为和媒资内容相结合进行精准推荐，提升了推荐效果。
附图说明
[0023]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0024]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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。
[0025]图1A为本公开实施例提供的一些实施例中的场景示意图；
[0026]图1B为显示设备200的界面示意图；
[0027]图2为本公开实施例提供的控制装置100的配置框图；
[0028]图3为本公开实施例提供的显示设备200的硬件配置框图；
[0029]图4为本公开实施例提供的一个或多个实施例的显示设备200中软件配置示意图；
[0030]图5为本公开实施例提供的显示设备200中应用程序的图标控件界面显示示意图；
[0031]图6为本公开实施例提供的一种媒资推荐方法的流程示意图；
[0032]图7为本公开实施例提供的训练媒资推荐模型的流程示意图；
[0033]图8示例性的示出本公开实施例中的知识图谱；
[0034]图9为本公开实施例提供的服务器的结构示意图。
具体实施方式
[0035]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0036]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
[0037]目前，媒资推荐的相关技术中主要有两种方法，一种是基于用户观影行为建模的方法，该方法获取用户历史观看记录分析用户画像，确定用户感兴趣的媒资特征数据，然后
根据这些特征数据从数据库中匹配推荐媒资；另一种是基于影片内容的推荐方法，该方法获取反映影片内容的特性参数，例如文本描述、关键词等，对每个影片进行建模，以输出得到每个影片的向量，在进行媒资推荐时，利用当前影片的向量进行检索，确定与对当前影片相关的影片予以推荐。并且，在对每个影片进行建模向量化的过程中，大多使用有监督的学习方法，耗时耗力，人工成本高，而媒资推荐效果并不好。
[0038]为解决上述问题，本公开实施例提供一种服务器和媒资推荐方法，其中，该服务器首先接收客户端发送第一媒资标识，再根据第一媒资标识获取第一媒资标识对应的第一媒资的第一属性信息，该属性信息中包括第一媒资标签、第一媒资名称、第一媒资描述、第一媒资演员；然后，根据第一属性信息确定第一媒资的第一文本序列，进一步的将第一文本序列输入预先训练好的媒资推荐模型，其中该媒资推荐模型预先根据用户行为和媒资内容训练得到，获取该媒资推进模型输出的与第一属性信息匹配的推荐媒资，进而获取第一媒资标识对应的第一媒资，将该第一媒资和推荐媒资一并发送至客户端，以实现根据第一媒资标识对应的第一媒资的内容，有针对性的获取与该内容相关的推荐媒资来推荐给客户端，将用户行为和媒资内容相结合进行精准推荐，提升了推荐效果。
[0039]图1A为本公开实施例提供的一些实施例中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务器，其特征在于，包括：控制器，被配置为：接收客户端发送的第一媒资标识；获取所述第一媒资标识所指示的第一媒资的第一属性信息，所述第一属性信息包括第一媒资标签、第一媒资名称、第一媒资描述、第一媒资演员；根据所述第一属性信息确定所述第一媒资的第一文本序列；将所述第一文本序列输入预先训练好的媒资推荐模型，获取所述媒资推荐模型输出的与所述第一属性信息匹配的推荐媒资；获取所述第一媒资标识所指示的第一媒资；将所述推荐媒资和所述第一媒资发送至所述客户端。2.根据权利要求1所述的服务器，其特征在于，所述控制器，根据所述第一属性信息确定所述第一媒资的第一文本序列，被配置为：获取目标模板集；根据所述第一媒资的第一媒资名称、第一媒资演员、第一媒资描述以及所述目标模板集，确定所述第一媒资的第一文本序列。3.根据权利要求2所述的服务器，其特征在于，所述控制器，获取目标模板集，被配置为：从数据库中获取多个第二媒资的第二属性信息；其中，第二媒资的第二属性信息中包括第二媒资标签、第二媒资名称、第二媒资描述、第二媒资演员；针对所述多个第二媒资中的每个第二媒资的第二媒资描述进行分句处理，得到分句序列；其中，每个第二媒资的第二媒资描述对应所述分句序列中的一个分句；去除所述分句序列中的每个分句所包括的第二媒资名称和第二媒资演员，得到候选模板集，其中，每个第二媒资对应所述候选模板集中的一个候选模板；对所述候选模板集中包括的候选模板进行向量化并聚类，确定所述目标模板集。4.根据权利要求1所述的服务器，其特征在于，所述控制器，训练所述媒资推荐模型，被配置为：获取第一数据集；所述第一数据集中包括多个第二媒资的第二文本序列和多个第二媒资的第二媒资标签；获取第二数据集；所述第二数据集中包括正样本和负样本，所述正样本中包括一阶关联的偏好媒资，负样本中包括多阶关联的偏好媒资；确定所述第一数据集对应的第一损失函数，以及所述第二数据集对应的第二损失函数；将所述第一数据集输入初始媒资推荐模型，获取所述初始媒资推荐模型输出的预测媒资标签；以及，将所述第二数据集输入所述初始媒资推荐模型，获取所述初始媒资推荐模型输出的预测关联媒资；基于所述第二媒资标签、所述预测媒资标签和所述第一损失函数计算第一损失值；以及，基于所述正样本、负样本、所述预测关联媒资和所述第二损失函数计算第二损失值；根据所述第一损失值和所述第二损失值确定目标损失值；根据所述目标损失值调整所述初始媒资推荐模型中的模型参数，直至得到收敛的所述媒资推荐模型，其中，所述媒资推荐模型的输入...

【专利技术属性】
技术研发人员：车进，
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：