【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种多媒体推荐方法、装置、设备及存储介质。
技术介绍
1、目前，深度图模型已经广泛应用于数据推荐领域，例如：广告推荐系统、商品推荐系统等，但是，现有的推荐系统的推荐效果不及预期，且容易出现模型泛化能力弱、长尾推荐效果差等一系列问题。
2、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种多媒体推荐方法、装置、设备及存储介质，旨在解决现有技术推荐效果不理想的技术问题。
2、为实现上述目的，本专利技术提供了一种多媒体推荐方法，所述方法包括以下步骤：
3、在检测到用户访问目标服务时，获取所述用户的用户行为数据及用户搜索语句；
4、通过预设推荐模型基于所述用户行为数据及所述用户搜索语句进行推荐分析，获得多媒体查询语句；
5、根据所述多媒体查询语句在预设多媒体引擎中进行查找，获得目标多媒体数据；
6、基于所述目标多媒体数据向所述用户进行多媒体推荐。
7、可选的，所述多媒体推荐方法之前，还包括：
8、获取用户的用户行为数据和多媒体推荐数据；
9、根据所述用户行为数据和所述多媒体推荐数据构建模型训练集；
10、通过模型训练集对初始推荐模型进行训练，获得预设推荐模型，所述初始推荐模型为双塔模型。
11、可选的，所述根据所述用户行为数据和所述多媒体推荐数据构建模型
12、根据所述用户行为数据和所述多媒体推荐数据构建无相异构图；
13、基于所述无相异构图生成多对节点对；
14、根据所述多对节点对构建模型训练集。
15、可选的，所述根据所述用户行为数据和所述多媒体推荐数据构建无相异构图的步骤，包括：
16、根据所述用户行为数据和所述多媒体推荐数据生成多个图节点；
17、通过预设统计算法对所述用户行为数据和所述多媒体推荐数据进行统计，确定边权重；
18、根据所述多个图节点及所述边权重构建无相异构图。
19、可选的，所述基于所述无相异构图生成多对节点对的步骤，包括：
20、在所述无相异构图采取随机游走处理，获得节点序列；
21、在所述节点序列上进行滑窗处理，获得多对节点对。
22、可选的，所述获取用户的用户行为数据和多媒体推荐数据的步骤，包括：
23、从服务端中提取服务端日志，并从前端提取前端日志；
24、对所述服务端日志及所述前端日志进行数据提取，获得用户搜索数据、用户点击数据、多媒体搜索数据和多媒体点击数据；
25、根据所述用户搜索数据和所述用户点击数据构建用户行为数据，并根据所述多媒体搜索数据和所述多媒体点击数据构建多媒体推荐数据。
26、可选的，所述对所述服务端日志及所述前端日志进行数据提取，获得用户搜索数据、用户点击数据、多媒体搜索数据和多媒体点击数据的步骤之前，还包括：
27、对所述服务端日志及所述前端日志进行反作弊过滤，获得过滤日志数据；
28、相应的，所述对所述服务端日志及所述前端日志进行数据提取，获得用户搜索数据、用户点击数据、多媒体搜索数据和多媒体点击数据的步骤，包括：
29、对所述过滤日志数据进行数据提取，获得用户搜索数据、用户点击数据、多媒体搜索数据和多媒体点击数据。
30、可选的，所述根据所述多媒体查询语句在预设多媒体引擎中进行查找，获得目标多媒体数据的步骤，还包括：
31、对各多媒体查询语句进行点击率预测，获得各多媒体查询语句对应的预估点击率；
32、依据所述预估点击率从大到小对各多媒体查询语句进行排序，从所述排序结果中选取预设数量的多媒体查询语句作为目标查询语句；
33、根据所述目标查询语句在预设多媒体引擎中进行查找，获得目标多媒体数据。
34、可选的，所述在检测到用户访问目标服务时，获取所述用户的用户行为数据及用户搜索语句的步骤之前，还包括：
35、在检测到用户停留在预设检测界面中时，获取所述预设检测界面中各搜索窗口的用户操作状态；
36、在所述用户操作状态满足预设推荐条件时，判定检测到用户访问目标服务。
37、可选的，所述在所述用户操作状态满足预设推荐条件时，判定检测到用户访问目标服务的步骤之前，还包括：
38、在任一搜索窗口的用户操作状态由焦点状态转为失焦状态时，判定所述用户操作状态满足预设推荐条件；
39、在任一搜索窗口的用户操作状态处于焦点状态且持续时长大于或等于预设检测时长时，判定所述用户操作状态满足预设推荐条件。
40、可选的，所述基于所述目标多媒体数据向所述用户进行多媒体推荐的步骤，包括：
41、获取所述用户对应的用户画像；
42、根据所述用户画像确定用户偏好类型；
43、将各目标多媒体数据与所述用户偏好类型进行类型匹配，获得各目标多媒体数据对应的类型匹配分值；
44、依据所述类型匹配分值对所述目标多媒体数据进行排序，并基于排序结果向所述用户进行多媒体推荐。
45、此外，为实现上述目的，本专利技术还提出一种多媒体推荐装置，所述多媒体推荐装置包括以下模块：
46、信息获取模块，用于在检测到用户访问目标服务时，获取所述用户的用户行为数据及用户搜索语句；
47、语句生成模块，用于通过预设推荐模型基于所述用户行为数据及所述用户搜索语句进行推荐分析，获得多媒体查询语句；
48、数据查找模块，用于根据所述多媒体查询语句在预设多媒体引擎中进行查找，获得目标多媒体数据；
49、数据推荐模块，用于基于所述目标多媒体数据向所述用户进行多媒体推荐。
50、可选的，所述信息获取模块，还用于获取用户的用户行为数据和多媒体推荐数据；根据所述用户行为数据和所述多媒体推荐数据构建模型训练集；通过模型训练集对初始推荐模型进行训练，获得预设推荐模型，所述初始推荐模型为双塔模型。
51、可选的，所述信息获取模块，还用于根据所述用户行为数据和所述多媒体推荐数据构建无相异构图；基于所述无相异构图生成多对节点对；根据所述多对节点对构建模型训练集。
52、可选的，所述信息获取模块，还用于根据所述用户行为数据和所述多媒体推荐数据生成多个图节点；通过预设统计算法对所述用户行为数据和所述多媒体推荐数据进行统计，确定边权重；根据所述多个图节点及所述边权重构建无相异构图。
53、可选的，所述信息获取模块，还用于在所述无相异构图采取随机游走处理，获得节点序列；在所述节点序列上进行滑窗处理，获得多对节点对。
54、可选的，所述信息获取模块，还用于从服务端中提取服务端日志，并从前端提取前端日志；对所述服务端日本文档来自技高网...
【技术保护点】
1.一种多媒体推荐方法，其特征在于，所述多媒体推荐方法包括以下步骤：
2.如权利要求1所述的多媒体推荐方法，其特征在于，所述多媒体推荐方法之前，还包括：
3.如权利要求2所述的多媒体推荐方法，其特征在于，所述根据所述用户行为数据和所述多媒体推荐数据构建模型训练集的步骤，包括：
4.如权利要求3所述的多媒体推荐方法，其特征在于，所述根据所述用户行为数据和所述多媒体推荐数据构建无相异构图的步骤，包括：
5.如权利要求3所述的多媒体推荐方法，其特征在于，所述基于所述无相异构图生成多对节点对的步骤，包括：
6.如权利要求2所述的多媒体推荐方法，其特征在于，所述获取用户的用户行为数据和多媒体推荐数据的步骤，包括：
7.如权利要求6所述的多媒体推荐方法，其特征在于，所述对所述服务端日志及所述前端日志进行数据提取，获得用户搜索数据、用户点击数据、多媒体搜索数据和多媒体点击数据的步骤之前，还包括：
8.一种多媒体推荐装置，其特征在于，所述多媒体推荐装置包括以下模块：
9.一种多媒体推荐设备，其特征在于
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有多媒体推荐程序，所述多媒体推荐程序执行时实现如权利要求1-7中任一项所述的多媒体推荐方法的步骤。
...【技术特征摘要】
1.一种多媒体推荐方法，其特征在于，所述多媒体推荐方法包括以下步骤：
2.如权利要求1所述的多媒体推荐方法，其特征在于，所述多媒体推荐方法之前，还包括：
3.如权利要求2所述的多媒体推荐方法，其特征在于，所述根据所述用户行为数据和所述多媒体推荐数据构建模型训练集的步骤，包括：
4.如权利要求3所述的多媒体推荐方法，其特征在于，所述根据所述用户行为数据和所述多媒体推荐数据构建无相异构图的步骤，包括：
5.如权利要求3所述的多媒体推荐方法，其特征在于，所述基于所述无相异构图生成多对节点对的步骤，包括：
6.如权利要求2所述的多媒体推荐方法，其特征在于，所述获取用户的用户行为数据和多媒体推荐数据的步骤，包括：
【专利技术属性】
技术研发人员：卢凯敏，李愈曈，
申请(专利权)人：三六零科技集团有限公司，
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。