[发明专利]媒资推荐方法、服务器及显示设备

权利要求书

1.一种媒资推荐方法，其特征在于，包括：

根据搜索请求获取用户输入的搜索标签；

根据所述搜索标签查询标签文档，得到对应所述搜索标签的多个推荐媒资，其中，所述标签文档包括与所述搜索标签匹配的媒资标签，以及所述媒资标签的全局评分，所述媒资标签根据所述推荐媒资的媒资数据得到，所述全局评分根据多个所述推荐媒资的媒资数据得到，所述媒资数据包括视频数据、音频数据和文本描述数据；

根据所述全局评分对多个所述推荐媒资进行排序，得到多个所述推荐媒资的推荐顺序。

2.根据权利要求1所述的媒资推荐方法，其特征在于，所述方法还包括：

对被解析媒资的视频数据进行视频内容识别，得到实体标签、所述实体标签的置信度、时长和频度；

根据所述置信度、时长和频度计算所述实体标签的权重；

将所述权重大于第一权重过滤阈值的实体标签设置为所述被解析媒资的媒资标签。

3.根据权利要求1所述的媒资推荐方法，其特征在于，所述方法还包括：

对被解析媒资的音频数据进行音频内容识别，得到关键词标签、所述关键词标签的匹配度和频度；

根据所述匹配度和频度计算所述关键词标签的权重；

将所述权重大于第二权重过滤阈值的关键词标签设置为所述被解析媒资的媒资标签。

4.根据权利要求1所述的媒资推荐方法，其特征在于，所述方法还包括：

对被解析媒资的音频数据进行文本转换，得到媒资文本数据；

将所述媒资文本数据和文本描述数据进行分词，得到媒资语义词；

通过预先训练的主题模型对所述媒资语义词进行主题聚类，得到语义标签，所述媒资标签包括所述语义标签。

5.根据权利要求1所述的媒资推荐方法，其特征在于，所述方法还包括：

计算被解析媒资的多个媒资标签之间的相关性；

通过密度聚类算法将被解析媒资的多个媒资标签按照相关性划分成不同的标签簇；

根据包含所述标签簇的已解析媒资，计算所述被解析媒资的标签簇密度的归一化值，得到所述媒资标签的全局评分。

6.一种媒资推荐方法，其特征在于，包括：

根据搜索请求获取用户输入的搜索标签；

根据所述搜索标签查询标签文档，得到对应所述搜索标签的多个推荐媒资，其中，所述标签文档包括与所述搜索标签匹配的媒资标签，以及所述媒资标签的内部评分，所述媒资标签根据所述推荐媒资的媒资数据得到，所述内部评分根据所述推荐媒资的多个媒资标签加权得到，所述媒资数据包括视频数据、音频数据和文本描述数据；

根据预先训练的排序模型对多个所述推荐媒资进行排序，得到多个所述推荐媒资的推荐顺序，其中，所述内部评分为所述排序模型进行模型训练的相关特征。

7.一种服务器，其特征在于，所述服务器被配置为：

根据搜索请求获取用户输入的搜索标签；

根据所述搜索标签查询标签文档，得到对应所述搜索标签的多个推荐媒资，其中，所述标签文档包括与所述搜索标签匹配的媒资标签，以及所述媒资标签的全局评分，所述媒资标签根据所述推荐媒资的媒资数据得到，所述全局评分根据多个所述推荐媒资的媒资数据得到，所述媒资数据包括视频数据、音频数据和文本描述数据；

根据所述全局评分对多个所述推荐媒资进行排序，得到多个所述推荐媒资的推荐顺序。

8.一种服务器，其特征在于，所述服务器被配置为：

根据搜索请求获取用户输入的搜索标签；

根据所述搜索标签查询标签文档，得到对应所述搜索标签的多个推荐媒资，其中，所述标签文档包括与所述搜索标签匹配的媒资标签，以及所述媒资标签的内部评分，所述媒资标签根据所述推荐媒资的媒资数据得到，所述内部评分根据所述推荐媒资的多个媒资标签加权得到，所述媒资数据包括视频数据、音频数据和文本描述数据；

根据预先训练的排序模型对多个所述推荐媒资进行排序，得到多个所述推荐媒资的推荐顺序，其中，所述内部评分为所述排序模型进行模型训练的相关特征。