[发明专利]多媒体资源推荐方法、装置、电子设备及存储介质

说明书

本公开是关于一种多媒体资源推荐方法、装置、电子设备及存储介质，属于机器学习技术领域。所述方法包括：将多媒体资源输入卷积神经网络进行特征提取，获取卷积神经网络的N个卷积层的输出特征；对于每一个卷积层的输出特征，基于待推荐用户的身份标识，获取与卷积层的输出特征匹配的用户兴趣信息，将用户兴趣信息作为卷积核与卷积层的输出特征进行卷积操作，得到第一特征矩阵，基于第一特征矩阵生成用户偏好数据；根据生成的N项用户偏好数据，向待推荐用户进行多媒体资源推荐。本公开实施例形成了用户在不同语义层级上对多媒体资源的喜好，而将不同语义层级上的喜好进行融合，进而基于融合结果进行推荐，能够显著提升推荐性能。

技术领域

本公开涉及机器学习技术领域，尤其涉及多媒体资源推荐方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的飞速发展，推荐系统作为信息爆炸时代解决信息过载问题的重要手段之一，受到了人们的广泛关注。比如，时下推荐系统已经被成功运用在诸如电子商务、视频网站、广告推荐等众多的领域中。其中，推荐系统向用户推荐的多媒体资源包括但不限于图片或视频等。

众所周知，推荐系统向用户推荐的多媒体资源越符合用户预期，也即越精准，用户的满意度便越高。为此，如何向用户进行多媒体资源推荐，以提升推荐精准度，成为了本领域技术人员亟待解决的一个问题。

发明内容

本公开提供一种多媒体资源推荐方法、装置、电子设备及存储介质，能够提升多媒体资源的推荐精准度。

根据本公开实施例的第一方面，提供一种多媒体资源推荐方法，包括：

将多媒体资源输入卷积神经网络进行特征提取，获取所述卷积神经网络的N个卷积层的输出特征；

对于每一个所述卷积层的输出特征，基于待推荐用户的身份标识，获取与所述卷积层的输出特征匹配的用户兴趣信息，将所述用户兴趣信息作为卷积核与所述卷积层的输出特征进行卷积操作，得到第一特征矩阵，基于所述第一特征矩阵生成用户偏好数据；

根据生成的N项用户偏好数据，向所述待推荐用户进行多媒体资源推荐。

在一种可能的实现方式中，所述方法还包括：

基于所述身份标识，获取与所述卷积层的输出特征匹配的用户注意力信息；

所述基于所述第一特征矩阵生成用户偏好数据，包括：

基于所述用户注意力信息和所述卷积层的输出特征，生成用户注意力权重；

基于所述第一特征矩阵和所述用户注意力权重，生成所述用户偏好数据。

在一种可能的实现方式中，所述基于所述用户注意力信息和所述卷积层的输出特征，生成用户注意力权重，包括：

将所述用户注意力信息作为卷积核与所述卷积层的输出特征进行卷积操作，得到第二特征矩阵；

对所述第二特征矩阵进行归一化处理，得到所述用户注意力权重。

在一种可能的实现方式中，所述基于所述第一特征矩阵和所述用户注意力权重，生成所述用户偏好数据，包括：

将所述第一特征矩阵输入极大池化层进行降维处理；

将经过降维处理的所述第一特征矩阵和所述用户注意力权重进行加权融合处理，得到所述用户偏好数据。

在一种可能的实现方式中，所述根据生成的N项用户偏好数据，向所述待推荐用户进行多媒体资源推荐，包括：

获取目标权重矩阵，所述目标权重矩阵给出了所述N项用户偏好数据各自对应的权重；

基于所述目标权重矩阵，对所述N项用户偏好数据进行加权融合处理；