[發明專利]多媒體數據推薦方法、裝置、存儲介質及計算機設備

在審

• 申請號: 202110864794.6
• 申請日: 2021-07-29
• 公開（公告）號: CN115687745A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 朱家衛
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/435;G06F18/22;G06N3/08
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 李漢亮

本發明實施例公開了一種多媒體數據推薦方法、裝置、存儲介質及計算機設備，方法通過獲取用戶信息基于操作記錄確定每一用戶身份數據對應的用戶感興趣的第一多媒體數據；在多媒體數據庫中獲取與每一第一多媒體數據匹配的第二多媒體數據，并根據第一多媒體數據與第二多媒體數據生成每一用戶身份數據對應的目標多媒體數據；采用訓練樣本數據訓練預設的推薦模型，得到訓練后的推薦模型；采用訓練后的推薦模型對目標用戶進行多媒體數據推薦。以此，通過機器學習技術自動從多媒體數據庫中獲取與用戶感興趣的多媒體數據匹配的來對推薦模型的正樣本進行擴充，從而使得推薦模型得到更為充分的訓練，提升了多媒體數據推薦的準確性。

技術領域

本發明涉及人工智能技術領域，具體涉及一種多媒體數據推薦方法、裝置、存儲介質及計算機設備。

背景技術

近年來，隨著互聯網技術的發展，信息快速增長，如何對信息進行快速有效地篩選，從而將適合用戶的個性化內容(如商品、廣告、新聞資訊、APP等等)準確地推薦給用戶，是當前一個重要研究課題。

其中，推薦算法可以根據已有的用戶信息進行機器學習，進而向用戶推薦其可能會感興趣的個性化內容。諸多電商平臺采用基于推進算法的推薦系統，對用戶的瀏覽購買行為進行分析，嘗試對曾經瀏覽或購買商品的用戶進行個性化推薦，此舉有效地提升了電商平臺的銷售額，也使得推薦系統的使用越來越廣泛。

然而，在多媒體數據提供平臺上采用推薦系統進行多媒體內容推薦時，由于大量用戶對多媒體內容的主動點擊量較少，導致推薦模型在訓練時的樣本量不足，進而導致推薦模型的訓練效果較差。

發明內容

本申請實施例提供一種多媒體數據推薦方法、裝置、存儲介質及計算機設備，該方法可以對推薦模型的訓練樣本中的正樣本進行擴充，從而豐富正樣本數據，提升模型訓練的充分性，進而提高多媒體數據推薦的準確性。

本申請第一方面提供一種多媒體數據推薦方法，方法包括：

獲取用戶信息，所述用戶信息包括多個用戶身份數據以及每一用戶身份數據對應的多媒體數據的操作記錄；

基于所述操作記錄確定每一用戶身份數據對應的用戶感興趣的第一多媒體數據；

在多媒體數據庫中獲取與每一第一多媒體數據匹配的第二多媒體數據，并根據所述第一多媒體數據與所述第二多媒體數據生成每一用戶身份數據對應的目標多媒體數據；

采用訓練樣本數據訓練預設的推薦模型，得到訓練后的推薦模型，所述訓練樣本數據包括每一用戶身份數據對應的屬性數據以及所述每一用戶身份數據對應的目標多媒體數據；

采用所述訓練后的推薦模型對目標用戶進行多媒體數據推薦。

相應的，本申請第二方面提供一種多媒體數據推薦裝置，裝置包括：

獲取單元，用于獲取用戶信息，所述用戶信息包括多個用戶身份數據以及每一用戶身份數據對應的多媒體數據的操作記錄；

確定單元，用于基于所述操作記錄確定每一用戶身份數據對應的用戶感興趣的第一多媒體數據；

生成單元，用于在多媒體數據庫中獲取與每一第一多媒體數據匹配的第二多媒體數據，并根據所述第一多媒體數據與所述第二多媒體數據生成每一用戶身份數據對應的目標多媒體數據；

訓練單元，用于采用訓練樣本數據訓練預設的推薦模型，得到訓練后的推薦模型，所述訓練樣本數據包括每一用戶身份數據對應的屬性數據以及所述每一用戶身份數據對應的目標多媒體數據；

推薦單元，用于采用所述訓練后的推薦模型對目標用戶進行多媒體數據推薦。

在一些實施例中，所述生成單元，包括：

計算子單元，用于計算多媒體數據庫中每一多媒體數據與每一第一多媒體數據的相似度；