【技术实现步骤摘要】
本申请涉及互联网，尤其涉及一种多媒体资源推荐模型训练方法、装置和推荐系统。
技术介绍
1、在用户驾驶过程中，车载车机(in-vehicle infotainment，ivi)，又可称为车载信息娱乐系统，不仅可为用户提供音乐、视频、游戏等多样化的娱乐服务，而且可通过与车辆系统的智能融合，向用户提供实时车况信息、导航路线规划等服务，极大地提升了整个驾驶过程的便捷性、安全性和乐趣性。在此背景下，如何为用户提供更为准确和个性化的推荐服务，以提升用户的驾驶体验、满足用户多样化的娱乐需求一直以来都是行内的研发热点和焦点之一。
2、相关技术中，大多数基于机器学习的推荐模型更注重于单个用户行为之间的关系，而忽略了用户行为随时间变化而发展和演变的动态过程，且难以捕捉用户行为之间的时序信息，故无法利用这些时序信息来充分挖掘用户兴趣随时间的变化而变化的规律，并基于此为用户提供更加精准、实时性好的推荐服务，以满足用户多样化和个性化的推荐服务需求。此外，现有的推荐模型局限于单一领域，即仅在单一领域内挖掘用户兴趣，并基于此向用户提供相关的推荐服务，例如...
【技术保护点】
1.一种多媒体资源推荐模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过所述序列内注意力网络层对所述多媒体领域交叉序列进行计算，得到所述用户在同一个媒体领域内的第一兴趣表达向量，包括：
3.根据权利要求1或2所述的方法，其特征在于，通过所述序列间注意力网络层对所述多媒体领域交叉时间序列进行计算，得到所述用户在不同媒体领域间的第二兴趣表达向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述多层神经网络层包括特征连接层、第一激活函数层、第二激活函数层、第三激活函数层和第四激活函数层；
5...
【技术特征摘要】
1.一种多媒体资源推荐模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过所述序列内注意力网络层对所述多媒体领域交叉序列进行计算，得到所述用户在同一个媒体领域内的第一兴趣表达向量，包括：
3.根据权利要求1或2所述的方法，其特征在于，通过所述序列间注意力网络层对所述多媒体领域交叉时间序列进行计算，得到所述用户在不同媒体领域间的第二兴趣表达向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述多层神经网络层包括特征连接层、第一激活函数层、第二激活函数层、第三激活函数层和第四激活函数层；
5.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
【专利技术属性】
技术研发人员：邓力，刘贤杰，罗宇兴，牟冠男，苏星溢，李杨，曾成，
申请(专利权)人：重庆赛力斯凤凰智创科技有限公司，
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。