[發(fā)明專利]多媒體內(nèi)容推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910362344.X
• 申請日: 2019-04-30
• 公開（公告）號: CN111858970A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 田勇;王琳;胥凱;王天駒;姜飛;楊乃君;卞俊杰;葉璨;徐萬鴻
• 申請（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號: G06F16/435
• 分類號: G06F16/435;G06F16/9535;G06F16/957
• 代理公司: 北京柏杉松知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 丁蕓;項(xiàng)京

本公開實(shí)施例提供了一種多媒體內(nèi)容推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，應(yīng)用于互聯(lián)網(wǎng)技術(shù)領(lǐng)域，所述方法包括：響應(yīng)用戶訪問多媒體內(nèi)容的請求，獲取針對用戶請求的多個(gè)多媒體推薦內(nèi)容，生成待選推薦內(nèi)容集；步驟A，將待選推薦內(nèi)容集中的每個(gè)多媒體推薦內(nèi)容對應(yīng)的推薦狀態(tài)，輸入預(yù)先建立的神經(jīng)網(wǎng)絡(luò)模型，得到每個(gè)多媒體推薦內(nèi)容對應(yīng)的推薦值；步驟B，選擇推薦值最大的多媒體推薦內(nèi)容，將推薦值最大的多媒體推薦內(nèi)容從待選推薦內(nèi)容集中移至用戶未消費(fèi)的多媒體推薦內(nèi)容中；返回步驟A，直至所選擇的多媒體推薦內(nèi)容的個(gè)數(shù)達(dá)到預(yù)設(shè)數(shù)量；按照選擇的順序，將預(yù)設(shè)數(shù)量個(gè)多媒體推薦內(nèi)容推薦給用戶。本公開實(shí)施例可提高推薦的準(zhǔn)確性和效率。

技術(shù)領(lǐng)域

本公開涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別是涉及一種多媒體內(nèi)容推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

在新聞流和短視頻推薦場景中，客戶端每次向服務(wù)端發(fā)送請求時(shí)，服務(wù)端可以返回多個(gè)推薦結(jié)果，并將多個(gè)推薦結(jié)果存儲(chǔ)在客戶端的緩存供用戶消費(fèi)。為了減少卡頓，客戶端通常采用“雙緩存”策略，即同時(shí)在客戶端緩存兩組對服務(wù)端請求的推薦結(jié)果。其中，雙緩存包括“主緩存”和“副緩存”。每當(dāng)主緩存的內(nèi)容被用戶消費(fèi)完，客戶端向服務(wù)端發(fā)送新的請求，并且用戶可以繼續(xù)消費(fèi)副緩存的內(nèi)容，此時(shí)，副緩存作為主緩存，返回的新的請求結(jié)果作為副緩存。

在“雙緩存”策略中，客戶端每次在發(fā)送新的請求時(shí)，副緩存的內(nèi)容還沒有被用戶消費(fèi)，因此，沒有用戶反饋；推薦的內(nèi)容之間相互影響，前面的內(nèi)容會(huì)影響到用戶在后面內(nèi)容上的體驗(yàn)和反饋。現(xiàn)有的推薦方法中，通過已有的用戶信息預(yù)測用戶在推薦內(nèi)容上的點(diǎn)擊率和觀看時(shí)長等多種指標(biāo)，然后通過預(yù)設(shè)公式對推薦內(nèi)容進(jìn)行排序，最后通過預(yù)設(shè)規(guī)則對推薦結(jié)果進(jìn)行處理，例如使推薦內(nèi)容相鄰的條目屬于不同類別等。可見，該方法沒有考慮副緩存的內(nèi)容，也沒有考慮到推薦內(nèi)容之間的影響，因此，推薦結(jié)果的準(zhǔn)確性較低。同時(shí)，該方法依賴人工調(diào)整的參數(shù)和規(guī)則，調(diào)整時(shí)間長、耗費(fèi)人力多、難以維護(hù)。

發(fā)明內(nèi)容

本公開實(shí)施例的目的在于提供一種多媒體內(nèi)容推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，以提高推薦的準(zhǔn)確性和效率。具體技術(shù)方案如下：

根據(jù)本公開實(shí)施例的第一方面，提供一種多媒體內(nèi)容推薦方法，所述方法包括：

響應(yīng)用戶訪問多媒體內(nèi)容的請求，獲取針對所述用戶請求的多個(gè)多媒體推薦內(nèi)容，生成待選推薦內(nèi)容集；

步驟A，將所述待選推薦內(nèi)容集中的每個(gè)多媒體推薦內(nèi)容對應(yīng)的推薦狀態(tài)，輸入預(yù)先建立的神經(jīng)網(wǎng)絡(luò)模型，得到所述每個(gè)多媒體推薦內(nèi)容對應(yīng)的推薦值；

所述推薦狀態(tài)包括：所述用戶的信息、所述用戶未消費(fèi)的多媒體推薦內(nèi)容和所述多媒體推薦內(nèi)容；所述用戶未消費(fèi)的多媒體推薦內(nèi)容包括：所述用戶的緩存中的歷史多媒體內(nèi)容；所述神經(jīng)網(wǎng)絡(luò)模型是根據(jù)訓(xùn)練集中各用戶請求的多媒體推薦內(nèi)容對應(yīng)的推薦狀態(tài)以及推薦值進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的；

步驟B，選擇推薦值最大的多媒體推薦內(nèi)容，將所述推薦值最大的多媒體推薦內(nèi)容從所述待選推薦內(nèi)容集中移至所述用戶未消費(fèi)的多媒體推薦內(nèi)容中；返回步驟A，直至所選擇的多媒體推薦內(nèi)容的個(gè)數(shù)達(dá)到預(yù)設(shè)數(shù)量；

按照選擇的順序，將所述預(yù)設(shè)數(shù)量個(gè)多媒體推薦內(nèi)容推薦給所述用戶。

可選的，所述緩存包括：主緩存和副緩存，所述歷史多媒體內(nèi)容位于所述副緩存；

所述將所述預(yù)設(shè)數(shù)量個(gè)多媒體推薦內(nèi)容推薦給所述用戶，包括：

將所述副緩存切換為主緩存，將所述主緩存切換為副緩存，切換后的主緩存中的歷史多媒體內(nèi)容為用戶待消費(fèi)的多媒體內(nèi)容；

將所述預(yù)設(shè)數(shù)量個(gè)推薦內(nèi)容存儲(chǔ)至切換后的副緩存中。

可選的，在所述將所述預(yù)設(shè)數(shù)量個(gè)多媒體推薦內(nèi)容推薦給所述用戶之后，所述方法還包括：