多媒体资源推荐方法及装置与流程

本发明涉及多媒体领域，尤其涉及一种多媒体资源推荐方法及装置。
背景技术：
：随着互联网技术的发展，基于互联网视频业务的OTT(OverTheTop，指通过互联网向用户提供各种应用服务)、IPTV(InteractivePersonalityTV，交互式网络电视)等形成快速增长趋势。同时，智能电视、手机和平板电脑等智能终端也已经为大众普及，每个人可能拥有多个终端视频播放设备，多屏时代已经到来。现有技术中，对于用户进行视频推荐的主要方法是，在单个客户端对用户的观看行为进行分析，然后根据用户的观看行为进行用户个性化视频的推荐。采用上述推荐方法，无法覆盖用户在各种类型终端观看行为，可能造成推荐结果不适合。技术实现要素：技术问题有鉴于此，本发明要解决的技术问题是，提供一种多媒体资源推荐方法，以适用于各种类型终端的多媒体资源推荐。解决方案为了解决上述技术问题，根据本发明的一实施例，提供了一种多媒体资源推荐方法，包括：在接收到目标用户在目标终端发起的浏览目标资源的请求的情况下，获取与所述目标资源相关的各待推荐多媒体资源；根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征；根据各所述待推荐多媒体资源对应的特征，对各所述待推荐多媒体资源进行排序，并根据排序结果生成多媒体资源推荐信息。对于上述方法，在一种可能的实现方式中，根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征，包括：从各种终端中获取在预设时间段内的与各所述待推荐多媒体资源相关的第一用户行为数据；对所述第一用户行为数据进行特征分类和格式整理，得到整理后的第一用户行为数据；根据所述目标终端的类型，从所述整理后的第一用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。对于上述方法，在一种可能的实现方式中，根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征，包括：从各种终端中获取在预设时间段内的与各多媒体资源相关的第二用户行为数据；对所述第二用户行为数据进行特征分类和格式整理，得到整理后的第二用户行为数据；根据所述目标终端的类型和各所述待推荐多媒体资源，从所述整理后的第二用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。对于上述方法，在一种可能的实现方式中，根据各所述待推荐多媒体资源对应的特征，对各所述待推荐多媒体资源进行排序，包括：采用下式1和下式2来计算各所述待推荐多媒体资源的点击概率，其中，i表示第i个特征，ai表示第i个特征对应的权重系数，xi表示第i个特征对应的特征值，N表示特征的个数，f(x)表示各所述待推荐多媒体资源包括的各特征对应的特征值与权重系数求乘积后再求和的结果，score(v)表示各所述待推荐多媒体资源对应的点击概率；根据各所述待推荐多媒体资源对应的点击概率，对各所述待推荐多媒体资源进行排序，并根据排序结果，从各所述待推荐多媒体资源中选取满足预设条件的各备选多媒体资源。对于上述方法，在一种可能的实现方式中，根据排序结果生成多媒体资源推荐信息，包括：对各所述备选多媒体资源，采用以下步骤中的一个或多个进行删除；从各所述备选多媒体资源中删除所述目标用户在预设时间段内已经浏览过的多媒体资源；从各所述备选多媒体资源中删除同一资源频道中超过预设数目的多媒体资源；从各所述备选多媒体资源中删除同一兴趣标签中超过预设数目的多媒体资源。为了解决上述技术问题，根据本发明的另一实施例，提供了一种多媒体资源推荐装置，包括：待推荐资源获取模块，用于在接收到目标用户在目标终端发起的浏览目标资源的请求的情况下，获取与所述目标资源相关的各待推荐多媒体资源；特征获取模块，与所述待推荐资源获取模块连接，用于根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征；推荐信息生成模块，与所述特征获取模块连接，用于根据各所述待推荐多媒体资源对应的特征，对各所述待推荐多媒体资源进行排序，并根据排序结果生成多媒体资源推荐信息。对于上述装置，在一种可能的实现方式中，所述特征获取模块，包括：第一数据获取单元，用于从各种终端中获取在预设时间段内的与各所述待推荐多媒体资源相关的第一用户行为数据；第一分类整理单元，与所述第一数据获取单元连接，用于对所述第一用户行为数据进行特征分类和格式整理，得到整理后的第一用户行为数据；第一特征获取单元，与所述第一分类整理单元连接，用于根据所述目标终端的类型，从所述整理后的第一用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。对于上述装置，在一种可能的实现方式中，所述特征获取模块，包括：第二数据获取单元，用于从各种终端中获取在预设时间段内的与各多媒体资源相关的第二用户行为数据；第二分类整理单元，与所述第二数据获取单元连接，用于对所述第二用户行为数据进行特征分类和格式整理，得到整理后的第二用户行为数据；第二特征获取单元，与所述第二分类整理单元连接，用于根据所述目标终端的类型和各所述待推荐多媒体资源，从所述整理后的第二用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。对于上述装置，在一种可能的实现方式中，所述推荐信息生成模块，包括：点击概率计算单元，用于采用下式1和下式2来计算各所述待推荐多媒体资源的点击概率，其中，i表示第i个特征，ai表示第i个特征对应的权重系数，xi表示第i个特征对应的特征值，N表示特征的个数，f(x)表示各所述待推荐多媒体资源包括的各特征对应的特征值与权重系数求乘积后再求和的结果，score(v)表示各所述待推荐多媒体资源对应的点击概率；备选资源获取单元，与所述点击概率计算单元连接，用于根据各所述待推荐多媒体资源对应的点击概率，对各所述待推荐多媒体资源进行排序，并根据排序结果，从各所述待推荐多媒体资源中选取满足预设条件的各备选多媒体资源。对于上述装置，在一种可能的实现方式中，所述推荐信息生成模块，还包括：删除单元，用于对各所述备选多媒体资源，采用以下步骤中的一个或多个进行删除；从各所述备选多媒体资源中删除所述目标用户在预设时间段内已经浏览过的多媒体资源；从各所述备选多媒体资源中删除同一资源频道中超过预设数目的多媒体资源；从各所述备选多媒体资源中删除同一兴趣标签中超过预设数目的多媒体资源。有益效果本发明实施例的多媒体资源推荐方法，可以获取各种终端在预设时间段内的用户行为数据，能够覆盖用户在各种类型终端浏览行为，从而可以根据当前目标终端的特性，例如屏幕大小、网络状况和观看场景等，对用户进行个性化的资源推荐。根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。附图说明包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。图1示出根据本发明一实施例的多媒体资源推荐方法的流程图；图2示出根据本发明一实施例的多媒体资源推荐方法的另一流程图；图3示出根据本发明一实施例的多媒体资源推荐方法的另一流程图；图4示出根据本发明一实施例的获取用户行为数据的示意图；图5示出根据本发明另一实施例的多媒体资源推荐装置的结构框图；图6示出根据本发明另一实施例的多媒体资源推荐设备的结构框图。具体实施方式以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。实施例1图1示出根据本发明一实施例的多媒体资源推荐方法的流程图。如图1所示，该多媒体资源推荐方法，主要可以包括步骤101至步骤103。步骤101、在接收到目标用户在目标终端发起的浏览目标资源的请求的情况下，获取与所述目标资源相关的各待推荐多媒体资源。本发明实施例的终端可以包括各种类型的能够浏览多媒体资源的终端设备，例如手机(例如Android手机、iPhone手机)、计算机、平板电脑、电视等，对其不作限定。其中，多媒体资源(Multimedia)，可以包括例如文本、声音、视频和图像等各种媒体形式。作为本发明实施例的一个示例，用户A在手机终端的视频播放客户端中发起了播放《大鱼海棠》的请求。在服务器接收到该请求的情况下，获取与《大鱼海棠》相关的各待推荐多媒体资源。其中，用户A可以是步骤101中所述的目标用户，手机终端可以是步骤101中所述的目标终端，《大鱼海棠》可以是步骤101中所述的目标资源。其中，待推荐多媒体资源可以包括各种类型的与目标用户当前浏览的目标资源具有相关性的多媒体资源。本发明实施例不限定待推荐多媒体资源的具体获取方式。以视频为例，待推荐多媒体资源可以与目标视频属于同一个视频频道，例如都属于武打片；也可以与目标视频属于系列片，例如《饥饿游戏1》和《饥饿游戏2》；还可能与目标视频具有相同的主演演员，或者具有较强的播放相关性等，对此不作限定。需要说明的是，本领域技术人员应当能够理解，现有技术中有各种方式可以实现获取与目标资源相关的各待推荐多媒体资源，对此不作限定。步骤102、根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征。其中，目标终端的类型可以是手机(例如Android手机、iPhone手机)、计算机、平板电脑、电视终端等中的任意一种，对其不作限定。本发明实施例的用户行为数据可以包括基于用户针对多媒体资源做出的各种行为而产生的数据。本发明实施例不限定用户行为的具体类型，例如，可以包括用户的浏览行为、用户的评论行为、用户的评分行为、用户的点赞顶踩行为等。步骤103、根据各所述待推荐多媒体资源对应的特征，对各所述待推荐多媒体资源进行排序，并根据排序结果生成多媒体资源推荐信息。本发明实施例中，多媒体资源对应的特征可以包括各种类型的多媒体资源特征，例如终端特征、行为特征、资源特征等，对此不作限定。其中，终端特征可以用于表示用于浏览多媒体资源的终端的情况，例如终端类型、终端屏幕尺寸等。行为特征可以用于表示用户对多媒体资源做出的行为的情况，例如观看时长、评论数、评分、顶踩数等。资源特征可以用于表示多媒体资源的属性的情况，例如资源频道、兴趣标签等。进一步地，多媒体资源对应的特征还可以包括特征的标识信息(例如名称、编号等)和特征标识信息对应的内容(例如特征值)。其中，特征值可以是连续型数值，也可以是离散型数值，还可以是非数值型。举例而言，终端屏幕尺寸(终端特征)可以是离散型数值，例如240*320、320*480；评分(行为特征)可以是连续型数值，其取值范围可以是[0，10]；资源频道(资源特征)可以是非数值型，例如视频资源可以属于电影频道或电视剧频道。其中，步骤102可以包括多种实现方式，举例而言：方式一、在步骤101中确定与目标资源相关的各待推荐多媒体资源后，在步骤102中，可以分别从各种终端上获取在预设时间段内与各待推荐多媒体资源相关的用户行为数据。再从所获取的与各待推荐多媒体资源相关的用户行为数据中，提取各待推荐多媒体资源对应的特征。方式二、可以预先统计各多媒体资源(例如某网站的多媒体资源库中的全部多媒体资源)在各种终端上在预设时间段内的用户行为数据，或者每隔一段时间统计一次各多媒体资源在各种终端上在预设时间段内的用户行为数据，并提取所获取的各多媒体资源对应的特征。在步骤101中确定与目标资源相关的各待推荐多媒体资源后，在步骤102中，可以从之前提取的各多媒体资源对应的特征中，筛选出各待推荐多媒体资源对应的特征。其中，预先统计用户行为数据的步骤可以由某个指定的终端执行，也可以由能够与各终端相通信的服务器(例如网站的服务器)执行。对于上述的方式一，在一种可能的实现方式中，如图2所示，根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征(步骤102)，可以包括：步骤201、从各种终端中获取在预设时间段内的与各所述待推荐多媒体资源相关的第一用户行为数据；步骤202、对所述第一用户行为数据进行特征分类和格式整理，得到整理后的第一用户行为数据；步骤203、根据所述目标终端的类型，从所述整理后的第一用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。在步骤201中，所获取的第一用户行为数据可以包括与各待推荐多媒体资源相关的各种用户行为数据，本发明实施例不限定获取第一用户行为数据的具体过程。例如，可以直接从各种终端获取与各待推荐多媒体资源相关的用户行为数据，然后进行用户行为数据在缓存中聚合。此外，本发明实施例不限定预设时间段的具体时间长度，例如可以是一个月、半个月、十天等，对此不作限定。可以理解的是，选择合适的预设时间段，可以保证获取的用户行为数据具有较好的代表性。在步骤202中，本发明实施例的特征分类可以包括对用户行为数据按照一定的特征进行分类的过程，例如，将用户行为数据按照终端类型、终端屏幕尺寸、观看时长、评论数、顶踩数等特征进行分类，对此不作限定。本发明实施例的格式整理可以包括对分类后的用户行为数据按照预设格式进行整理和统计的过程，例如，将分类后的用户行为数据整理成表格、列表等形式，对此不作限定。举例而言，以视频为例，整理后的第一用户行为数据可以如表1所示：表1资源ID终端类型终端屏幕尺寸观看时长评论数顶踩数1手机100*3005minute211电脑800*60010minute53在步骤203中，可以根据目标终端的类型，从整理后的第一用户行为数据中获取各所述待推荐多媒体资源对应的特征。举例而言，在待推荐多媒体资源为视频1、目标终端为手机的情况下，获取视频1的特征可以包括终端类型(手机)、终端屏幕尺寸(100*300)、观看时长(5minute)、评论数(2)、顶踩数(1)。对于上述的方式二，在一种可能的实现方式中，如图3所示，根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征(步骤102)，可以包括：步骤301、从各种终端中获取在预设时间段内的与各多媒体资源相关的第二用户行为数据；步骤302、对所述第二用户行为数据进行特征分类和格式整理，得到整理后的第二用户行为数据；步骤303、根据所述目标终端的类型和各所述待推荐多媒体资源，从所述整理后的第二用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。在步骤301中，所获取的第二用户行为数据可以包括与各多媒体资源(例如多媒体资源库中的全部多媒体资源)相关的各种用户行为数据，本发明实施例不限定获取第二用户行为数据的具体过程。例如，如图4所示，可以实时收集各种终端的用户行为数据，并将收集的用户行为数据实时存储在例如HDFS(HadoopDistributedFileSystem，分布式文件系统)上。进一步地，从各种终端获取的用户行为数据可以合并后存储在例如服务器中，也可以每个终端或每种终端对应相应的文件进行存储，对此不做限定。本发明实施例的多媒体资源推荐方法，能够收集用户不同终端的数据，并对用户的行为进行分类和格式出存储，为其它业务提供数据分析支持，分析用户在不同终端上的行为特征。在步骤302中，对第二用户行为数据进行特征分类和格式整理的过程与步骤201中对第一用户行为数据进行特征分类和格式整理的过程类似，在此不再赘述。举例而言，以视频为例，整理后的第二用户行为数据可以如表2所示：表2视频ID终端类型终端屏幕尺寸观看时长评论数顶踩数1手机100*3005minute212电脑800*60010minute532手机100*30016minute333手机100*30012minute25在步骤303中，可以根据目标终端的类型和各待推荐多媒体资源，从整理后的第二用户行为数据中获取各待推荐多媒体资源对应的特征。举例而言，在待推荐多媒体资源为视频2、目标终端为电脑的情况下，获取视频2的特征可以包括终端类型(电脑)、终端屏幕尺寸(800*600)、观看时长(10minute)、评论数(5)、顶踩数(3)。在一种可能的实现方式中，根据各所述待推荐多媒体资源对应的特征，对各所述待推荐多媒体资源进行排序(步骤103)，可以包括：步骤401、采用下式1和下式2来计算各所述待推荐多媒体资源的点击概率，其中，i表示第i个特征，ai表示第i个特征对应的权重系数，xi表示第i个特征对应的特征值，N表示特征的个数，f(x)表示各所述待推荐多媒体资源包括的各特征对应的特征值与权重系数求乘积后再求和的结果，score(v)表示各所述待推荐多媒体资源对应的点击概率；步骤402、根据各所述待推荐多媒体资源对应的点击概率，对各所述待推荐多媒体资源进行排序，并根据排序结果，从各所述待推荐多媒体资源中选取满足预设条件的各备选多媒体资源。其中，待推荐多媒体资源可以包括多个特征，每个特征都有对应的特征值和权重系数。特征对应的特征值可以通过例如特征工程处理得到，特征对应的权重系数可以通过例如模型训练得到。根据各待推荐多媒体资源对应的各特征对应的特征值和权重系数，可以计算得到各待推荐多媒体资源对应的点击概率(被点击的可能性)。在推荐过程中，待推荐多媒体资源对应的点击概率越高，表示该多媒体资源被点击的可能性越大，会被优先推荐。例如，待推荐多媒体资源有N个特征。其中，第1个特征对应的特征值为x1，权重系数为a1；第2个特征对应的特征值为x2，权重系数为a2；依此类推，第i个特征对应的特征值为xi，权重系数为ai。那么，该待推荐多媒体资源对应的点击概率为score(v)：需要说明的是，特征值的原始取值可以是数值型或非数值型，经过特征工程的处理，可以得到便于模型计算的量化的最终取值。为了便于理解，举例如下：针对评分(连续型数值)，可以将其映射到[0，10]之间；针对观看时长(离散型数值)，可以将其映射为24个特征，例如视频是在20点被观看，则对应20点特征取值为1；针对终端类型(非数值型)，例如可以用1-Android手机、2-iPhone手机、3-平板电脑、4-电脑，5-电视来表示。可以理解的是，待推荐多媒体资源的数目可能远大于生成推荐信息所需要的多媒体资源的数目。在这种情况下，需要对待推荐多媒体资源进行筛选，得到用于生成推荐信息的备选多媒体资源。进一步地，在步骤402中，例如，可以将点击概率超过一定数值的待推荐多媒体资源作为备选多媒体资源，也可以将排名在一定范围内的待推荐多媒体资源作为备选多媒体资源，对此不作限定。在一种可能的实现方式中，根据排序结果生成多媒体资源推荐信息(步骤103)，可以包括：步骤403、对各所述备选多媒体资源，采用以下步骤中的一个或多个进行删除；从各所述备选多媒体资源中删除所述目标用户在预设时间段内已经浏览过的多媒体资源；从各所述备选多媒体资源中删除同一资源频道中超过预设数目的多媒体资源；从各所述备选多媒体资源中删除同一兴趣标签中超过预设数目的多媒体资源。本发明实施例的资源频道可以表示多媒体资源所属的频道。一般而言，多媒体资源的资源频道确定后很少会发生更改。例如，视频频道可以是电视剧、电影、综艺节目等；小说频道可以是言情、穿越、耽美等。兴趣标签可以包括用来表示多媒体资源的关键词。例如，视频的兴趣标签可以为搞笑、冒险、风景等。其中，资源频道和兴趣标签属于多媒体资源的基本信息。在对用户进行个性化推荐时，不仅需要预测用户的兴趣资源，可能还要考虑目标终端的特性和资源的多样性。因此，可以对多媒体资源进行筛选和控制。本发明实施例不限定具体的筛选因素，例如，可以根据目标用户的浏览情况，可以根据备选多媒体资源的特征等。进一步地，基于设定的筛选原则，对备选多媒体资源进行筛选，最终获取用于生成推荐信息的各多媒体资源。本发明实施例的多媒体资源推荐方法，可以获取各种终端在预设时间段内的用户行为数据，能够覆盖用户在各种类型终端浏览行为，从而可以根据当前目标终端的特性，例如屏幕大小、网络状况和观看场景等，对用户进行个性化的资源推荐。实施例2图5示出根据本发明另一实施例的多媒体资源推荐装置的结构框图。图5可以用于运行图1至图3所示的多媒体资源推荐方法。为了便于说明，在图5中仅示出了与本发明实施例相关的部分。如图5所示，该多媒体资源推荐装置，主要可以包括：待推荐资源获取模块51，用于在接收到目标用户在目标终端发起的浏览目标资源的请求的情况下，获取与所述目标资源相关的各待推荐多媒体资源。特征获取模块53，与所述待推荐资源获取模块51连接，用于根据所述目标终端的类型和各种终端在预设时间段内的用户行为数据，获取各所述待推荐多媒体资源对应的特征。推荐信息生成模块55，与所述特征获取模块53连接，用于根据各所述待推荐多媒体资源对应的特征，对各所述待推荐多媒体资源进行排序，并根据排序结果生成多媒体资源推荐信息。具体原理和示例可以参见实施例1以及图1的相关描述。在一种可能的实现方式中，所述特征获取模块，可以包括：第一数据获取单元，用于从各种终端中获取在预设时间段内的与各所述待推荐多媒体资源相关的第一用户行为数据；第一分类整理单元，与所述第一数据获取单元连接，用于对所述第一用户行为数据进行特征分类和格式整理，得到整理后的第一用户行为数据；第一特征获取单元，与所述第一分类整理单元连接，用于根据所述目标终端的类型，从所述整理后的第一用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。具体原理和示例可以参见实施例1以及图2的相关描述。在一种可能的实现方式中，所述特征获取模块，可以包括：第二数据获取单元，用于从各种终端中获取在预设时间段内的与各多媒体资源相关的第二用户行为数据；第二分类整理单元，与所述第二数据获取单元连接，用于对所述第二用户行为数据进行特征分类和格式整理，得到整理后的第二用户行为数据；第二特征获取单元，与所述第二分类整理单元连接，用于根据所述目标终端的类型和各所述待推荐多媒体资源，从所述整理后的第二用户行为数据中获取各所述待推荐多媒体资源对应的特征，所述待推荐多媒体资源对应的特征包括所述待推荐多媒体资源对应的终端特征和资源特征。具体原理和示例可以参见实施例1以及图3的相关描述。在一种可能的实现方式中，所述推荐信息生成模块，可以包括：点击概率计算单元，用于采用下式1和下式2来计算各所述待推荐多媒体资源的点击概率，其中，i表示第i个特征，ai表示第i个特征对应的权重系数，xi表示第i个特征对应的特征值，N表示特征的个数，f(x)表示各所述待推荐多媒体资源包括的各特征对应的特征值与权重系数求乘积后再求和的结果，score(v)表示各所述待推荐多媒体资源对应的点击概率。备选资源获取单元，与所述点击概率计算单元连接，用于根据各所述待推荐多媒体资源对应的点击概率，对各所述待推荐多媒体资源进行排序，并根据排序结果，从各所述待推荐多媒体资源中选取满足预设条件的各备选多媒体资源。具体原理和示例可以参见实施例1的相关描述。在一种可能的实现方式中，所述推荐信息生成模块，还包括：删除单元，用于对各所述备选多媒体资源，采用以下步骤中的一个或多个进行删除；从各所述备选多媒体资源中删除所述目标用户在预设时间段内已经浏览过的多媒体资源；从各所述备选多媒体资源中删除同一资源频道中超过预设数目的多媒体资源；从各所述备选多媒体资源中删除同一兴趣标签中超过预设数目的多媒体资源。具体原理和示例可以参见实施例1的相关描述。本发明实施例的多媒体资源推荐装置，可以获取各种终端在预设时间段内的用户行为数据，能够覆盖用户在各种类型终端浏览行为，从而可以根据当前目标终端的特性，例如屏幕大小、网络状况和观看场景等，对用户进行个性化的资源推荐。实施例3图6示出了本发明的另一个实施例的一种多媒体资源推荐设备的结构框图。所述多媒体资源推荐设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对计算节点的具体实现做限定。所述多媒体资源推荐设备1100包括处理器(processor)1110、通信接口(CommunicationsInterface)1120、存储器(memory)1130和总线1140。其中，处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。通信接口1120用于与网络设备通信，其中网络设备包括例如虚拟机管理中心、共享存储等。处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU，或者是专用集成电路ASIC(ApplicationSpecificIntegratedCircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。存储器1130用于存放文件。存储器1130可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可按一定的规则组合成虚拟卷。在一种可能的实施方式中，上述程序可为包括计算机操作指令的程序代码。该程序具体可用于：实现实施例1中各步骤的操作。本领域普通技术人员可以意识到，本文所描述的实施例中的各示例性单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件形式来实现，取决于技术方案的特定应用和设计约束条件。专业技术人员可以针对特定的应用选择不同的方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。如果以计算机软件的形式来实现所述功能并作为独立的产品销售或使用时，则在一定程度上可认为本发明的技术方案的全部或部分(例如对现有技术做出贡献的部分)是以计算机软件产品的形式体现的。该计算机软件产品通常存储在计算机可读取的非易失性存储介质中，包括若干指令用以使得计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各实施例方法的全部或部分步骤。而前述的存储介质包括U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。当前第1页1 2 3