[发明专利]一种多媒体内容推荐方法及装置

说明书

本申请提供一种多媒体内容推荐方法及装置，涉及机器学习技术领域。该方法包括：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；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；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。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种多媒体内容推荐方法及装置。

背景技术

短视频播放应用为了满足用户的需求，会自动为用户推荐一些短视频。

目前推荐短视频的方式为：通过用户观看过的大量短视频的短视频标签，向用户推荐与这些短视频标签相似度较高的短视频。但是短视频标签通常是手动标注的，导致根据短视频标签确定出的推荐的短视频与用户的需求匹配程度不高，为用户推荐的短视频准确性低。其他多媒体内容的推荐也存在同样的问题。

发明内容

本申请实施例提供一种多媒体内容推荐方法及装置，用于提高推荐的多媒体内容的准确性。

第一方面，提供一种多媒体内容推荐方法，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。

第二方面，提供一种多媒体内容推荐装置，包括：

获得模块，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；以及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，以及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；

确定模块，用于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；

推荐模块，用于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。

在一种可能的实施方式中，所述获得模块具体用于：

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；