[發(fā)明專利]多媒體資源推薦方法、裝置、設備以及存儲介質

有效

• 申請?zhí)枺?/td>: 202111016585.2
• 申請日: 2021-08-31
• 公開（公告）號: CN113792212B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設計）人: 唐楠;張華泉;盧玉奇;熊瑯環(huán);黃盛林;趙怡瑾;王淼;黃海如;陳慧敏;廖武;梁博翔
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/435;G06F16/45
• 代理公司: 北京猷德知識產(chǎn)權代理有限公司 16084
• 代理人: 范繼晨

1.一種多媒體資源推薦方法，包括：

獲取第一用戶的第一用戶特征信息，其中，所述第一用戶為目標應用程序的待推薦用戶，所述第一用戶特征信息包括以下至少之一：用戶畫像特征信息、用戶設備特征信息、用戶操作特征信息；

基于所述第一用戶特征信息確定所述第一用戶所屬的目標人群；

獲取所述目標應用程序中與所述目標人群關聯(lián)的至少一種多媒體資源，并獲取所述關聯(lián)的至少一種多媒體資源的資源類型；

基于所述資源類型向所述第一用戶推薦目標多媒體資源；

其中，獲取所述關聯(lián)的至少一種多媒體資源的資源類型，包括：

依據(jù)深度語義匹配網(wǎng)絡模型中的網(wǎng)絡側模型和用戶側模型對所述目標應用程序中的全量多媒體資源進行特征抽取處理，得到網(wǎng)絡側特征；

將所述網(wǎng)絡側特征輸入至所述網(wǎng)絡側模型，以及將在線抽取到的所述目標人群的用戶側特征輸入至所述用戶側模型，其中，所述網(wǎng)絡側模型用于采用預訓練的深度神經(jīng)網(wǎng)絡參數(shù)和所述網(wǎng)絡側特征得到網(wǎng)絡側向量，所述用戶側模型用于采用預訓練的深度神經(jīng)網(wǎng)絡參數(shù)和所述用戶側特征得到用戶側向量；

采用所述用戶側向量對所述網(wǎng)絡側向量進行檢索，得到檢索結果；

基于所述檢索結果，確定與所述目標人群關聯(lián)的至少一種多媒體資源的資源類型。

2.根據(jù)權利要求1所述的方法，其中，所述用戶畫像特征信息用于表征所述第一用戶所屬人群的人群屬性特征信息；所述用戶操作特征信息用于表征所述第一用戶對廣告資源執(zhí)行操作時產(chǎn)生的特征信息，所述用戶設備特征信息用于表征所述第一用戶操作當前設備時產(chǎn)生的操作特征信息。

3.根據(jù)權利要求1所述的方法，其中，在基于所述第一用戶特征信息確定所述第一用戶所屬的目標人群之前，所述方法還包括：

獲取第二用戶的第二用戶特征信息，其中，所述第二用戶為在預定時間段內所述目標應用程序的所有用戶；

獲取所述第二用戶對所述目標應用程序中多媒體資源的操作信息，其中，所述操作信息用于表征所述第二用戶對所述多媒體資源的感興趣程度；

基于所述操作信息和所述第二用戶特征信息，將所述第二用戶進行分類，獲取至少一類所述目標人群，其中，每個所述目標人群關聯(lián)的一個或多個興趣資源。

4.根據(jù)權利要求3所述的方法，其中，基于所述第一用戶特征信息確定所述第一用戶所屬的目標人群，包括：

匹配所述第一用戶特征信息和所述第二用戶特征信息，得到匹配結果；

基于所述匹配結果，從至少一類所述目標人群中確定所述第一用戶所屬的所述目標人群。

5.根據(jù)權利要求3所述的方法，其中，在獲取所述關聯(lián)的至少一種多媒體資源的資源類型之前，所述方法還包括：

將所述操作信息和所述第二用戶特征信息作為訓練樣本，訓練得到所述深度語義匹配網(wǎng)絡模型。

6.根據(jù)權利要求1所述的方法，其中，采用所述用戶側向量對所述網(wǎng)絡側向量進行檢索，得到檢索結果，包括：

對所述網(wǎng)絡側向量進行聚類處理，得到聚類后網(wǎng)絡側向量；

檢索所述聚類后網(wǎng)絡側向量和所述用戶側向量之間存在的預定數(shù)量的相似內容；

將所述相似內容作為所述檢索結果。

7.根據(jù)權利要求1所述的方法，其中，對所述網(wǎng)絡側向量進行聚類處理，得到聚類后網(wǎng)絡側向量，包括：

將所述網(wǎng)絡側向量中的相似向量劃分到同一個超平面內；

采用多次遞歸處理的方式對所述超平面進行劃分處理，構建得到數(shù)據(jù)結構，其中，任意兩個所述相似向量在所述數(shù)據(jù)結構的相鄰位置小于所述網(wǎng)絡側向量中的其他向量的相鄰位置；

依據(jù)所述數(shù)據(jù)結構對所述網(wǎng)絡側向量進行聚類處理，得到所述聚類后網(wǎng)絡側向量。