[发明专利]一种多媒体内容相似度确定方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种多媒体内容相似度确定方法、装置、电子设备及存储介质，具体为首先获取多个目标多媒体内容；然后针对用户历史上行为过的多个目标内容构建拓扑图，拓扑图中的边用于连接用户对其有过共同行为的目标内容；将拓扑图中的目标内容的参数输入到词向量模型进行计算，得到每个目标内容的向量值；根据向量值计算目标内容之间的相似度。本申请的技术方案在确定多媒体内容之间的相似度时，所依据的向量值是利用词向量模型根据多媒体内容的内容特征和用户的行为特征进计算得到的，该计算依据的数据更为全面，因此最终得到的相似度相比现有技术要更为准确，也就能够在此基础上找出真正相似的多媒体内容。

技术领域

本公开涉及互联网技术领域，尤其涉及一种多媒体内容相似度确定方法、装置、电子设备及存储介质。

背景技术

对于提供视频或其他内容的内容平台来说，当用户登入时向其及时推送其感兴趣的内容可以有效提高用户的使用体验，而较高的使用体验可以增加用户的黏性。

一般来说，向用户推荐的感兴趣内容至少为一个，但越多的推荐内容会起到更好的效果。在推送多个感兴趣内容时，在已经确定用户的兴趣点的前提下，需要确定现有多媒体之间的相似度，以便将相似度靠近且与用户的兴趣点相匹配的多媒体内容推荐给用户，而目前的相似度确定方案因为所依据的信息较少，导致相似度的准确性较差，进而使得无法找出真正相似的多媒体内容。。

发明内容

为了确定多媒体内容之间的相似度，本公开提供一种多媒体内容相似度确定方法、装置、电子设备及存储介质。

第一方面，提供一种多媒体内容相似度确定方法，包括：

获取多个目标多媒体内容；

基于所述目标多媒体内容的内容特征和用户历史上对所述目标多媒体内容的行为特征构建网络拓扑图，所述网络拓扑图包括多个点和用于连接所述多个点的多个边，所述点包含所述内容特征，所述边包含所述行为特征；

将所述网络拓扑图中的所述目标多媒体内容的内容特征和与所述目标多媒体内容对应的所述行为特征输入到预先训练的词向量模型进行计算，得到每个所述目标多媒体的向量值；

根据所述向量值计算所述目标多媒体内容之间的相似度。

可选的，所述边的参数包括对所述目标内容有共同行为的所有用户的用户ID、所述共同行为的行为类型和所述共同行为的行为次数中的部分或全部。

可选的，所述词向量模型为卷积神经网络模型。

可选的，还包括：

利用历史用户的行为数据构建训练图，所述训练图中包括历史时间点之后的时段内的用户的行为数据；

并利用所述训练图的数据进行求解，得到模型参数；

利用所述模型参数构建所述词向量模型。

第二方面，提供一种多媒体内容相似度确定装置，包括：

数据获取模块，被配置为获取多个目标多媒体内容；

拓扑图构建模块，被配置为基于所述目标多媒体内容的内容特征和用户历史上对所述目标多媒体内容的行为特征构建网络拓扑图，所述网络拓扑图包括多个点和用于连接所述多个点的多个边，所述点包含所述内容特征，所述边包含所述行为特征；

词向量技术模块，被配置为将所述网络拓扑图中的所述目标多媒体内容的内容特征和与所述目标多媒体内容对应的所述行为特征输入到预先训练的词向量模型进行计算，得到每个所述目标多媒体的向量值；

相似度计算模块，被配置为根据所述向量值计算所述目标多媒体内容之间的相似度。