System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能终端,尤其涉及一种信息推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、随着智能终端技术的不断发展和人工智能(artificial intelligence,ai)技术的飞速进步,智能电视已经不再局限于传统的观看电视节目,而是成为一个集娱乐、信息获取、互动交流为一体的智能化终端。并且随着近年来多媒体内容运营平台的不断增多,智能电视对接的媒资供应商也越来越多元化,用户能够观看的多媒体资源也越来越丰富。
2、在海量资源的背景下,用户对多媒体资源的推荐要求也日益增长,期望能够根据个人兴趣和喜好,获得更加精准和个性化的推荐服务。如何为家庭中每个成员提供精准的、个性化的推荐服务,成为亟需解决的技术问题之一。
技术实现思路
1、本申请实施例提供一种信息推荐方法、装置、电子设备及计算机可读存储介质,用于解决现有技术中无法为每个家庭成员提供精准、个性化的推荐服务的问题。
2、为达到上述目的,本申请的实施例采用如下技术方案:
3、第一方面,本申请实施例提供一种电子设备,包括:
4、显示器,被配置为显示用户界面;
5、通信器,被配置为接收携带有用户输入信息的推荐请求,所述用户输入信息用于确定被推荐用户;
6、控制器,分别与所述显示器和所述通信器耦接,且被配置为:
7、响应于所述推荐请求,获取训练好的推荐模型、新增资源信息和历史资源信息;
8、根据所述用户输入信息、所述新增资源信息、
9、确定并输出所述待推荐资源的推荐信息。
10、在一些实施例中,所述推荐模型包括用户特征识别子模型、资源特征识别子模型和评分子模型;
11、所述控制器被配置为:
12、利用所述用户特征识别子模型对所述用户输入信息进行处理,得到所述被推荐用户的用户特征;
13、利用所述资源特征识别子模型对所述新增资源信息和所述历史资源信息进行处理,得到各资源的资源特征;
14、利用所述评分子模型对所述用户特征和各所述资源的资源特征进行处理,得到所述待推荐资源。
15、在一些实施例中,所述用户特征识别子模型包括特征提取模块、识别模块和查询模块;
16、所述控制器具体被配置为:
17、利用所述特征提取模块对所述用户输入信息进行特征提取,得到用户输入特征;
18、利用所述识别模块对所述用户输入特征进行识别,确定所述被推荐用户;
19、利用所述查询模块查询所述被推荐用户的特征,得到所述用户特征。
20、在一些实施例中,所述评分子模型包括评分模块和筛选模块;
21、所述控制器具体被配置为:
22、利用所述评分模块对所述用户特征和各所述资源的资源特征进行处理,得到所述被推荐用户对各所述资源的兴趣评分;
23、根据各所述资源的兴趣评分,利用所述筛选模块在各资源中进行筛选,得到所述待推荐资源。
24、在一些实施例中,所述通信器还被配置为:接收训练好的通用推荐模型;
25、所述控制器还被配置为:
26、获取所述电子设备的设备信息;
27、根据所述设备信息,对所述通用推荐模型进行调整,得到所述训练好的推荐模型。
28、在一些实施例中,所述通信器还被配置为:接收训练好的通用推荐模型;
29、所述控制器还被配置为:
30、获取用户历史行为数据;
31、根据所述用户历史行为数据,对所述通用推荐模型进行调整,得到所述训练好的推荐模型。
32、在一些实施例中,所述控制器还被配置为:
33、获取初始推荐模型和训练数据,所述训练数据包括用户训练数据和资源训练数据,所述初始推荐模型包括初始用户特征识别子模型、初始资源特征识别子模型和初始评分子模型;
34、利用所述用户训练数据对所述初始用户特征识别子模型进行训练,得到初步训练好的用户特征识别子模型;
35、利用所述资源训练数据对所述初始资源特征识别子模型进行训练,得到初步训练好的资源特征识别子模型;
36、利用所述用户训练数据和所述资源训练数据对所述初步训练好的用户特征识别子模型、所述初步训练好的资源特征识别子模型和所述初始评分子模型进行训练,得到所述训练好的通用推荐模型。
37、第二方面,本申请实施例提供一种信息推荐方法,应用于电子设备,所述方法包括:
38、获取携带有用户输入信息的推荐请求,所述用户输入信息用于确定被推荐用户;
39、响应于所述推荐请求,获取训练好的推荐模型、新增资源信息和历史资源信息;
40、根据所述用户输入信息、所述新增资源信息、所述历史资源信息和所述推荐模型,确定所述被推荐用户对应的待推荐资源;
41、确定并输出所述待推荐资源的推荐信息。
42、在一些实施例中,所述推荐模型包括用户特征识别子模型、资源特征识别子模型和评分子模型;
43、所述根据所述用户输入信息、所述新增资源信息、所述历史资源信息和所述推荐模型,确定所述被推荐用户对应的待推荐资源,包括:
44、利用所述用户特征识别子模型对所述用户输入信息进行处理,得到所述被推荐用户的用户特征;
45、利用所述资源特征识别子模型对所述新增资源信息和所述历史资源信息进行处理,得到各资源的资源特征;
46、利用所述评分子模型对所述用户特征和各所述资源的资源特征进行处理,得到所述待推荐资源。
47、在一些实施例中,所述用户特征识别子模型包括特征提取模块、识别模块和查询模块;
48、所述利用所述用户特征识别子模型对所述用户输入信息进行处理,得到所述被推荐用户的用户特征,包括:
49、利用所述特征提取模块对所述用户输入信息进行特征提取,得到用户输入特征;
50、利用所述识别模块对所述用户输入特征进行识别,确定所述被推荐用户;
51、利用所述查询模块查询所述被推荐用户的特征,得到所述用户特征。
52、在一些实施例中,所述评分子模型包括评分模块和筛选模块;
53、所述利用所述评分子模型对所述用户特征和各所述资源的资源特征进行处理,得到所述待推荐资源,包括:
54、利用所述评分模块对所述用户特征和各所述资源的资源特征进行处理,得到所述被推荐用户对各所述资源的兴趣评分;
55、根据各所述资源的兴趣评分,利用所述筛选模块在各资源中进行筛选,得到所述待推荐资源。
56、在一些实施例中,所述获取训练好的推荐模型,包括:
57、获取训练好的通用推荐模型和所述电子设备的设备信息;
58、根据所述设备信息,对所述通用推荐模型进行调整,得本文档来自技高网...
【技术保护点】
1.一种电子设备,其特征在于,包括:
2.根据权利要求1所述的电子设备,其特征在于,所述推荐模型包括用户特征识别子模型、资源特征识别子模型和评分子模型;
3.根据权利要求2所述的电子设备,其特征在于,所述用户特征识别子模型包括特征提取模块、识别模块和查询模块;
4.根据权利要求2所述的电子设备,其特征在于,所述评分子模型包括评分模块和筛选模块;
5.根据权利要求1所述的电子设备,其特征在于,所述通信器还被配置为:接收训练好的通用推荐模型;
6.根据权利要求1所述的电子设备,其特征在于,所述通信器还被配置为:接收训练好的通用推荐模型;
7.根据权利要求1所述的电子设备,其特征在于,所述控制器还被配置为:
8.一种信息推荐方法,其特征在于,应用于电子设备,所述方法包括:
9.根据权利要求8所述的方法,其特征在于,所述推荐模型包括用户特征识别子模型、资源特征识别子模型和评分子模型;
10.根据权利要求9所述的方法,其特征在于,所述用户特征识别子模型包括特征提取模块、识别模块和查询
11.根据权利要求9所述的方法,其特征在于,所述评分子模型包括评分模块和筛选模块;
12.根据权利要求8所述的方法,其特征在于,所述获取训练好的推荐模型,包括:
13.根据权利要求8所述的方法,其特征在于,所述获取训练好的推荐模型,包括:
14.根据权利要求12或13所述的方法,其特征在于,所述获取训练好的通用推荐模型,包括:
15.一种信息推荐装置,其特征在于,应用于电子设备,所述装置包括:
16.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在电子设备上运行时,使得所述电子设备执行如权利要求8-14中任一项所述的信息推荐方法的操作。
...【技术特征摘要】
1.一种电子设备,其特征在于,包括:
2.根据权利要求1所述的电子设备,其特征在于,所述推荐模型包括用户特征识别子模型、资源特征识别子模型和评分子模型;
3.根据权利要求2所述的电子设备,其特征在于,所述用户特征识别子模型包括特征提取模块、识别模块和查询模块;
4.根据权利要求2所述的电子设备,其特征在于,所述评分子模型包括评分模块和筛选模块;
5.根据权利要求1所述的电子设备,其特征在于,所述通信器还被配置为:接收训练好的通用推荐模型;
6.根据权利要求1所述的电子设备,其特征在于,所述通信器还被配置为:接收训练好的通用推荐模型;
7.根据权利要求1所述的电子设备,其特征在于,所述控制器还被配置为:
8.一种信息推荐方法,其特征在于,应用于电子设备,所述方法包括:
9.根据权利要求8所述的方法,其特征在于,所述推荐模型包括...
【专利技术属性】
技术研发人员:谷清慧,陈昶旭,
申请(专利权)人:VIDAA国际控股荷兰公司,
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。