[发明专利]一种多媒体内容推荐方法及装置

权利要求书

1.一种多媒体内容推荐方法，其特征在于，包括：

根据用户在当前时间之前的设定时间段内操作过的第一多媒体内容集合以及针对每个第一多媒体内容的操作行为，获得用户的实时兴趣向量，所述实时兴趣向量中的各个分量用于表示所述设定时间段内所述用户对多媒体内容的偏好程度；

获得用户的用户特征向量，所述用户特征向量包括所述实时兴趣向量和用户属性向量；

获得待推荐多媒体内容组成的第二多媒体内容集合中，各个待推荐多媒体内容的多媒体内容特征向量；

通过已训练的多媒体内容推荐模型，确定所述用户特征向量和各个待推荐多媒体内容的多媒体内容特征向量的匹配度；其中，所述多媒体内容推荐模型是根据多媒体内容训练样本集训练得到的；

推荐第二多媒体内容集合中，匹配度满足预设条件的多媒体内容；

其中，根据用户在当前时间之前的设定时间段内操作过的第一多媒体内容集合以及针对每个第一多媒体内容的操作行为，获得用户的实时兴趣向量，包括：

对所述第一多媒体内容集合进行嵌入embedding学习，获得所述第一多媒体内容集合中每个多媒体内容的嵌入向量；

按照用户操作所述第一多媒体内容集合中各个多媒体内容的先后顺序，对根据所述第一多媒体内容集合中每个多媒体内容的嵌入向量与该多媒体内容的前一个多媒体内容的多媒体内容兴趣向量的相似度，以及该多媒体内容的播放完成度进行加权，获得该多媒体内容的多媒体内容兴趣向量，直到获得所述第一多媒体内容集合中最后一个多媒体内容的多媒体内容兴趣向量；

对在所述第一多媒体内容集合中每个多媒体内容的多媒体内容兴趣向量进行加权，获得用户的实时兴趣向量。

2.如权利要求1所述的方法，其特征在于，所述第一多媒体内容集合中每个多媒体内容离当前时间越近，该多媒体内容的多媒体内容兴趣向量的权重越大。

3.如权利要求1所述的方法，其特征在于，所述当前时间之前的设定时间段内操作过的第一多媒体内容集合，包括用户本次登录多媒体播放应用时间起到当前时间内操作过的各个多媒体内容。

4.如权利要求1所述的方法，其特征在于，所述已训练的多媒体内容推荐模型是通过如下步骤训练得到的：

获取多媒体内容训练样本集；其中，所述多媒体内容训练样本集中每个多媒体内容训练样本包括样本用户特征向量和曝光多媒体内容集合中各个多媒体内容特征向量，所述样本用户特征向量包括用户针对曝光多媒体内容集合的用户的实时兴趣向量、所述曝光多媒体内容集合中各个多媒体内容的点击标签的取值，以及所述用户针对所述曝光多媒体内容集合中每个曝光多媒体内容的偏好权重；

根据所述多媒体内容训练样本集训练多媒体内容推荐模型，直到预设损失函数收敛，获得已训练的多媒体内容推荐模型。

5.如权利要求4所述的方法，其特征在于，所述预设损失函数是对交叉熵损失函数与正则化项进行加权得到的，所述交叉熵损失函数对应的权重为所述用户针对所述曝光多媒体内容集合中每个曝光多媒体内容的偏好权重。

6.如权利要求4所述的方法，其特征在于，所述用户针对每个多媒体内容的偏好权重是对针对该多媒体内容的多类互动标签的取值进行加权得到的。

7.如权利要求1～6任一所述的方法，其特征在于，所述多媒体内容包括短视频。