一种推荐方法、装置和电子设备与流程

本公开涉及多媒体，尤其涉及一种推荐方法、装置和电子设备。

背景技术：

1、目前，在多媒体技术领域，随着智能终端应用的普及，人们在智能终端的时间消费越来越多，对智能终端的提供的服务要求也随之增强。为了提升用户的体验，智能终端通常会为用户预先推荐多媒体文件，供用户选择。

2、但是，经常会出现智能终端预先推荐的多媒体文件并不是用户所需要的，导致多媒体文件的推荐准确率较低。

技术实现思路

1、为了解决上述技术问题，本公开提供了一种推荐方法、装置和电子设备。

2、本公开的技术方案如下：

3、第一方面，本公开提供一种推荐方法，包括：接收电子设备发送的请求信息；其中，请求信息至少包括实际用户标识和实际上下文数据，实际上下文数据至少包括时间信息和位置信息；根据实际用户标识，确定实际用户数据；将预先配置的媒资数据、实际用户数据和实际上下文数据输入至推荐模型中，得到媒资数据中每个实际多媒体文件对应的实际点击率和实际转化率；其中，推荐模型基于历史多媒体文件对应的特征信息、历史用户数据以及历史上下文数据二者在每个行为动机的历史隶属度、以及包含每个行为动机的隐空间对应的特征向量训练得到的，行为动机用于指示在目标环境下执行行为动机对应的用户行为的原因；根据实际点击率和实际转化率，确定推荐数据；其中，推荐数据中包括至少一个实际多媒体文件；向电子设备发送推荐数据。

4、第二方面，本公开提供一种推荐装置，包括：接收单元，用于接收电子设备发送的请求信息；其中，请求信息至少包括实际用户标识和实际上下文数据，实际上下文数据至少包括时间信息和位置信息；处理单元，用于根据接收单元接收的实际用户标识，确定实际用户数据；处理单元，还用于将预先配置的媒资数据、实际用户数据和接收单元接收的实际上下文数据输入至推荐模型中，得到媒资数据中每个实际多媒体文件对应的实际点击率和实际转化率；其中，推荐模型基于历史多媒体文件对应的特征信息、历史用户数据以及历史上下文数据二者在每个行为动机的历史隶属度、以及包含每个行为动机的隐空间对应的特征向量训练得到的，行为动机用于指示在目标环境下执行行为动机对应的用户行为的原因；处理单元，还用于根据实际点击率和实际转化率，确定推荐数据；其中，推荐数据中包括至少一个实际多媒体文件；处理单元，还用于控制发送单元向电子设备发送推荐数据。

5、第三方面，本公开提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在执行计算机程序时，使得电子设备实现如上述第一方面提供的任一项推荐方法。

6、第四方面，本公开提供一种计算机可读存储介质，包括：计算机可读存储介质上存储有计算机程序，当计算机程序被计算设备执行时，使得计算设备实现如上述第一方面提供的任一项推荐方法。

7、第五方面，本发明提供一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如第一方面提供的任一项的推荐方法。

8、需要说明的是，上述计算机指令可以全部或者部分存储在第一计算机可读存储介质上。其中，第一计算机可读存储介质可以与推荐装置的处理器封装在一起的，也可以与推荐装置的处理器单独封装，本公开对此不作限定。

9、本公开中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

10、在本公开中，上述推荐装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本公开类似，属于本公开权利要求及其等同技术的范围之内。

11、本公开的这些方面或其他方面在以下的描述中会更加简明易懂。

12、本公开提供的技术方案与现有技术相比具有如下优点：

13、在接收到电子设备发送的请求信息后，根据接收的实际用户标识，确定实际用户数据。将预先配置的媒资数据、实际用户数据和实际上下文数据输入至推荐模型中，由于推荐模型基于历史多媒体文件对应的特征信息、历史用户数据以及历史上下文数据二者在每个行为动机的历史隶属度、以及每个行为动机的隐空间对应的特征向量训练得到的，因此推荐模型可以分析出在当前的实际上下文数据所做行为的行为动机，进而可以根据该行为动机确定媒资数据中每个实际多媒体文件对应的实际点击率和实际转化率。之后，根据实际点击率和实际转化率，确定推荐数据，发送并向电子设备推荐数据。由于实际点击率和实际转化率是分析行为动机后所确定的，因此可以更加准确地提升多媒体文件的推荐准确率，保证用户的体验，解决了如何提高多媒体文件的推荐准去率的问题。

技术特征：

1.一种推荐方法，其特征在于，包括：

2.根据权利要求1所述的推荐方法，其特征在于，所述推荐模型至少包括特征提取子模型、动机识别子模型、数据预测子模型和双塔子模型；其中，所述特征提取子模型用于提取每个所述实际多媒体文件的媒资特征，所述动机识别子模型用于确定所述历史隶属度，所述数据预测子模型用于根据所述特征提取子模型确定的所述媒资特征、所述动机识别子模型确定的所述历史隶属度以及所述特征向量，确定每个所述实际多媒体文件的点击结果，所述双塔子模型用于根据所述数据预测子模型确定的所述点击结果，确定每个所述实际多媒体文件对应的实际点击率和实际转化率；其中，所述点击结果包括未被点击和已被点击中的任一项。

3.根据权利要求2所述的推荐方法，其特征在于，所述推荐模型的训练过程如下：

4.根据权利要求3所述的推荐方法，其特征在于，所述特征提取子模型、所述动机识别子模型和所述双塔子模型三者均包括深度神经网络，所述数据预测子模型包括多任务学习模型。

5.根据权利要求3所述的推荐方法，其特征在于，所述目标损失函数包括对数损失函数。

6.根据权利要求1所述的推荐方法，其特征在于，所述根据所述实际点击率和所述实际转化率，确定推荐数据，包括：

7.根据权利要求6所述的推荐方法，其特征在于，所述将所述推荐得分大于或等于得分阈值的实际多媒体文件作为推荐数据，包括：

8.一种推荐装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于在执行计算机程序时，使得所述电子设备实现权利要求1-7任一项所述的推荐方法。

10.一种计算机可读存储介质，其特征在于，包括：所述计算机可读存储介质上存储有计算机程序，当所述计算机程序被计算设备执行时，使得所述计算设备实现权利要求1-7任一项所述的推荐方法。

技术总结
本公开提供一种推荐方法、装置和电子设备，涉及多媒体技术领域，解决了如何提高多媒体文件的推荐准确率的问题。该方法包括：接收电子设备发送的请求信息；根据实际用户标识，确定实际用户数据；将预先配置的媒资数据、实际用户数据和实际上下文数据输入至推荐模型中，得到媒资数据中每个实际多媒体文件对应的实际点击率和实际转化率；根据实际点击率和实际转化率，确定推荐数据；向电子设备发送推荐数据。

技术研发人员：赵宝新
受保护的技术使用者：聚好看科技股份有限公司
技术研发日：
技术公布日：2024/1/15