【技术实现步骤摘要】
本申请实施例涉及计算机，尤其涉及一种基于多模态特征的推荐信息确定方法、装置、设备及存储介质。
技术介绍
1、直播应用为了提高用户的留存率，以及提供更优的使用体验，需要推荐给用户满足其需求的直播内容，其本质是计算直播内容与用户的匹配度。相关技术中，通过构建主播特征向量以及用户特征向量，然后计算主播特征向量与用户特征向量的相似度，基于该相似度确定为用户进行推荐的内容。
2、上述方案中，在构建主播特征向量时，主要通过对主播的直播画面进行分类打标，但是，对于直播生态相对简单，其室内直播占比很高的情况，可供区分的场景十分有限，难以进行主播的精细化分类。同时，打标过程大多采用用于计算机视觉任务的大型深度学习模型，打标成本较高、难度大，生成用户的推荐信息的效率较低。
技术实现思路
1、本申请实施例提供了一种基于多模态特征的推荐信息确定方法、装置、设备及存储介质，解决了由于打标粒度粗糙无法为用户确定匹配度高的推荐信息的问题，通过利用用户社交信息构建用户特征矩阵的建模方式，减少了对打标成本高实现...
【技术保护点】
1.基于多模态特征的推荐信息确定方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态特征的推荐信息确定方法，其特征在于，所述基于所述用户特征信息构建用户特征矩阵，包括：
3.根据权利要求2所述的基于多模态特征的推荐信息确定方法，其特征在于，所述用户独立信息包括平台中各个用户在不同特征类别下的用户特征数据，所述基于所述用户独立信息构建独立信息矩阵，包括：
4.根据权利要求2所述的基于多模态特征的推荐信息确定方法，其特征在于，所述用户社交信息包括平台中各个用户之间在不同特征类别下的交互特征数据，所述基于所述用户社交信息构建社交信
【技术特征摘要】
1.基于多模态特征的推荐信息确定方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态特征的推荐信息确定方法，其特征在于，所述基于所述用户特征信息构建用户特征矩阵，包括：
3.根据权利要求2所述的基于多模态特征的推荐信息确定方法，其特征在于，所述用户独立信息包括平台中各个用户在不同特征类别下的用户特征数据，所述基于所述用户独立信息构建独立信息矩阵，包括：
4.根据权利要求2所述的基于多模态特征的推荐信息确定方法，其特征在于，所述用户社交信息包括平台中各个用户之间在不同特征类别下的交互特征数据，所述基于所述用户社交信息构建社交信息矩阵，包括：
5.根据权利要求1所述的基于多模态特征的推荐信息确定方法，其特征在于，通过预设算法计算得到所述用户特征矩阵对应的用户匹配度矩阵，包括：
6.根据权利要求5所述的基于多模态特征的推荐信息确定方法，其特征在于，所述采用幂法求解得到所述用户特征矩阵对应的用户匹配度矩阵时，还包括：
7.根据权利要求1所述的基于多模态特征的推荐信息确定方法，其特征在于，所述神经网络模型包括依次连接的预设数量的卷积块，每个所述卷积块包括第一卷积组，其中，通过设置的训练完成的神经网络模型计算得到所述用户特征矩阵对应的...
【专利技术属性】
技术研发人员：李益永，陈德健，项伟，
申请(专利权)人：百果园技术新加坡有限公司，
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。