媒体数据的推荐方法、装置、电子设备及存储介质与流程

本公开涉及数据处理，具体涉及媒体数据的推荐方法、装置、电子设备及存储介质。

背景技术：

1、相关技术中，通过深度学习技术为用户推荐媒体数据时，是通过时长截断的方式进行推荐，进而导致推荐的冗余媒体数据较多，不能有效推荐。

技术实现思路

1、有鉴于此，本公开提供了一种媒体数据的推荐方法、装置、电子设备及存储介质，以解决媒体数据推荐不准确的问题。

2、第一方面，本公开提供了一种媒体数据的推荐方法，方法包括：

3、获取待显示的媒体数据类型；

4、基于媒体数据类型的累计显示时长，预测媒体数据类型在全局显示时长上的目标显示分位数；

5、基于目标显示分位数，从预置的媒体数据库中确定待推荐的目标媒体数据。

6、第二方面，本公开提供了一种媒体数据的推荐装置，装置包括：

7、获取模块，用于获取待显示的媒体数据类型；

8、识别模块，用于基于媒体数据类型的累计显示时长，预测媒体数据类型在全局显示时长上的目标显示分位数；

9、推荐模块，用于基于目标显示分位数，从预置的媒体数据库中确定待推荐的目标媒体数据。

10、第三方面，本公开提供了一种电子设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的媒体数据的推荐方法。

11、第四方面，本公开提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的媒体数据的推荐方法。

12、本公开提供的媒体数据的推荐方法，通过预估待显示的媒体数据类型在全局显示时长上的目标显示分位数，确定媒体数据库中待推荐的目标媒体数据，能够有效提高推荐结果的准确性和个性化程度。

技术特征：

1.一种媒体数据的推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述目标显示分位数是通过预先训练好的时长预测模型得到的，所述时长预测模型是基于多种媒体数据类型的历史媒体数据以及所述历史媒体数据对应的实际显示分位数训练得到的。

3.根据权利要求2所述的方法，其特征在于，所述时长预测模型的训练方法包括：

4.根据权利要求3所述的方法，其特征在于，所述获取训练样本集包括：

5.根据权利要求4所述的方法，其特征在于，所述将所述多条历史媒体数据的所有实际显示时长以及对应的实际显示分位数进行数据拟合，建立显示时长与显示分位数之间的对应关系，得到数据累计显示曲线，包括：

6.根据权利要求1所述的方法，其特征在于，若所述媒体数据类型的数量为多个，则基于所述目标显示分位数，从预置的媒体数据库中确定待推荐的目标媒体数据，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述候选媒体数据确定待推荐的目标媒体数据，包括：

8.一种媒体数据的推荐装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的媒体数据的推荐方法。

技术总结
本公开涉及数据处理技术领域，公开了媒体数据的推荐方法、装置、电子设备及存储介质。本公开提供了一种媒体数据的推荐方法，包括：获取待显示的媒体数据类型；基于媒体数据类型的累计显示时长，预测媒体数据类型在全局显示时长上的目标显示分位数；基于目标显示分位数，从预置的媒体数据库中确定待推荐的目标媒体数据。通过本公开提供的媒体数据的推荐方法，能够有效提高推荐结果的准确性和个性化程度。

技术研发人员：张新科
受保护的技术使用者：北京字跳网络技术有限公司
技术研发日：
技术公布日：2024/4/17