[發(fā)明專利]作品推薦方法及裝置、服務(wù)器和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010104322.6
• 申請(qǐng)日: 2020-02-20
• 公開（公告）號(hào): CN111339327A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 文浩丞;曾鋼;趙彥賓
• 申請(qǐng)（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(hào): G06F16/435
• 分類號(hào): G06F16/435;G06F16/438;G06F16/9535
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 殷亞平

1.一種作品推薦方法，其特征在于，所述方法包括：

接收應(yīng)用程序的登錄賬戶發(fā)送的推薦請(qǐng)求，其中，所述推薦請(qǐng)求用于請(qǐng)求在目標(biāo)頁面上展示多媒體作品，所述目標(biāo)頁面用于展示通過所述應(yīng)用程序與所述登錄賬戶建立有社交關(guān)系的關(guān)聯(lián)賬戶所發(fā)布的多媒體作品；

響應(yīng)于所述推薦請(qǐng)求，從作品庫中獲取屬于關(guān)聯(lián)賬戶發(fā)布多媒體作品的各個(gè)類型的第一作品候選集；

在至少基于服務(wù)器處理參數(shù)分別對(duì)各所述第一作品候選集進(jìn)行篩選之后，將篩選結(jié)果匯總為第二作品候選集；

對(duì)所述第二作品候選集中的多媒體作品進(jìn)行排序，并根據(jù)排序結(jié)果，向客戶端推薦多媒體作品。

2.根據(jù)權(quán)利要求1所述的作品推薦方法，其特征在于，所述對(duì)所述第二作品候選集中的多媒體作品進(jìn)行排序，包括：

根據(jù)參與度和應(yīng)用平臺(tái)設(shè)置的推薦引導(dǎo)信息，對(duì)所述第二作品候選集中的多媒體作品進(jìn)行排序，所述參與度用于表示賬戶對(duì)歷史多媒體作品執(zhí)行的正向反饋操作或負(fù)向反饋操作，所述推薦引導(dǎo)信息包括用于表示所述應(yīng)用平臺(tái)對(duì)歷史多媒體作品的推薦度的推薦信息和/或用于提示賬戶對(duì)歷史多媒體作品執(zhí)行正向反饋操作的引導(dǎo)信息。

3.根據(jù)權(quán)利要求2所述的作品推薦方法，其特征在于，所述根據(jù)參與度和應(yīng)用平臺(tái)設(shè)置的推薦引導(dǎo)信息，對(duì)所述第二作品候選集中的多媒體作品進(jìn)行排序，包括：

根據(jù)所述參與度和所述應(yīng)用平臺(tái)設(shè)置的所述推薦引導(dǎo)信息，訓(xùn)練出混合排序模型，所述混合排序模型用于根據(jù)所述參與度和所述推薦引導(dǎo)信息確定出多媒體作品的排序序列；

將所述第二作品候選集中的所述多媒體作品輸入所述混合排序模型，得到所述第二作品候選集中所述多媒體作品的排序序列。

4.根據(jù)權(quán)利要求3所述的作品推薦方法，其特征在于，所述根據(jù)所述參與度和所述應(yīng)用平臺(tái)設(shè)置的所述推薦引導(dǎo)信息，訓(xùn)練出混合排序模型，包括：

獲取多個(gè)類型多媒體作品的樣本集，所述樣本集包括正樣本和負(fù)樣本，所述正樣本是指在所述目標(biāo)頁面中展現(xiàn)后被所述賬戶執(zhí)行點(diǎn)擊操作的歷史多媒體作品，所述負(fù)樣本是指在所述目標(biāo)頁面中展現(xiàn)后所述賬戶未執(zhí)行點(diǎn)擊操作的歷史多媒體作品；

根據(jù)所述參與度和所述應(yīng)用平臺(tái)設(shè)置的所述推薦引導(dǎo)信息，確定所述樣本集中每條所述正樣本的排序分?jǐn)?shù)；

根據(jù)所述樣本集中每條所述正樣本的所述排序分?jǐn)?shù)和所述樣本集生成新的樣本集，并基于所述新的樣本集訓(xùn)練出所述混合排序模型。

5.根據(jù)權(quán)利要求4所述的作品推薦方法，其特征在于，所述根據(jù)所述樣本集中每條所述正樣本的所述排序信息和所述樣本集生成新的樣本集，并基于所述新的樣本集訓(xùn)練出混合排序模型，包括：

為每條所述正樣本生成與其排序分?jǐn)?shù)等數(shù)量的正樣本，根據(jù)所述樣本集和生成的正樣本獲得所述新的樣本集；

基于所述新的樣本集，訓(xùn)練出正樣本概率確定模型，所述正樣本概率確定模型用于確定所述新的樣本集中所述正樣本的概率；

根據(jù)所述新的樣本集中所述正樣本的概率和所述樣本集中每條樣本為所述正樣本的概率，生成所述混合排序模型。

6.根據(jù)權(quán)利要求4所述的作品推薦方法，其特征在于，所述根據(jù)所述參與度和所述應(yīng)用平臺(tái)設(shè)置的所述推薦引導(dǎo)信息，確定所述樣本集中每條所述正樣本的排序分?jǐn)?shù)，包括：

獲取每個(gè)所述賬戶對(duì)每條所述正樣本的執(zhí)行的正向反饋操作及其權(quán)重和每個(gè)所述賬戶對(duì)每條所述正樣本的執(zhí)行的負(fù)向反饋操作及其權(quán)重，并根據(jù)每個(gè)所述賬戶對(duì)每條所述正樣本的執(zhí)行的正向反饋操作及其權(quán)重和每個(gè)所述賬戶對(duì)每條所述正樣本的執(zhí)行的負(fù)向反饋操作及其權(quán)重確定每個(gè)所述賬戶對(duì)每條所述正樣本的參與度；

使用所述應(yīng)用平臺(tái)為每條所述正樣本設(shè)置的所述推薦引導(dǎo)信息來確定每個(gè)所述賬戶對(duì)每條所述正樣本的參與度的權(quán)重；

根據(jù)每個(gè)所述賬戶對(duì)每條所述正樣本的參與度及其權(quán)重，得到所述樣本集中每條所述正樣本的所述排序分?jǐn)?shù)。