基于知识图谱的实时影片推荐处理方法、装置与流程

本发明涉及互联网电视影片推荐，尤其涉及的是一种基于知识图谱的实时影片推荐处理方法、装置、智能终端及存储介质。

背景技术：

1、随着科技的发展和人们生活水平的不断提高，各种智能终端的使用越来越普及。

2、现有的互联网电视影片推荐算法大多采用传统的数据库存储媒资，推荐模型集成部分媒资属性进行推荐，例如，结合用户的长期观影积累下来的观影记录、用户标签，根据影片的名称、导演、演员、标签信息等进行推荐。但是，这些指标并不能反映用户的真实兴趣和需求。因此，这些算法得到的推荐结果可能不准确，推荐不出来用户想看的或者推荐出来很多用户看过、不想看的，影响用户观影体验；或不能根据用户操作实时更新推荐内容，不方便用户使用。

3、因此，现有技术还有待改进和发展。

技术实现思路

1、本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于知识图谱的实时影片推荐处理方法、装置、智能终端及存储介质，本发明可以实时推荐：可以根据用户操作实时更新推荐内容，为用户的使用提供了方便。

2、本发明解决问题所采用的技术方案如下：

3、一种基于知识图谱的实时影片推荐处理方法，其中，包括：

4、获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图；

5、基于构建的用户画像图，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱；

6、使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量，用于后续实体、关系检索做数据准备；

7、基于所述用户操作行为数据，使用实时推荐算法构建每个用户的实时推荐池数据；

8、基于构建所述用户画像图，结合每个用户的实时推荐池数据，并将用户已看及不感兴趣的内容过滤，输出根据用户操作实时更新推荐内容的推荐预测结果。

9、所述的基于知识图谱的实时影片推荐处理方法，其中，所述基于所述用户操作行为数据，使用实时推荐算法构建每个用户的实时推荐池数据的步骤包括：

10、对收集到的用户操作行为数据进行清洗和预处理；

11、从清洗和预处理的用户操作行为数据中提取用于表达用户兴趣和偏好特征，

12、基于提取的提取用于表达用户兴趣和偏好特征，选择对应的实时推荐算法，根据用户的特征和行为数据构建实时推荐池。

13、所述的基于知识图谱的实时影片推荐处理方法，其中，所述用于表达用户兴趣和偏好特征包括用户的喜好领域、浏览频率、购买偏好信息；所述实时推荐算法包括：协同过滤算法、内容推荐算法、深度学习算法。

14、所述的基于知识图谱的实时影片推荐处理方法，其中，所述基于构建所述用户画像图，结合每个用户的实时推荐池数据，并将用户已看及不感兴趣的内容过滤，输出根据用户操作实时更新推荐内容的推荐预测结果的步骤包括：

15、将构建好的用户画像图与每个用户的实时推荐池数据结合起来，形成一个综合的用户信息数据集，用于实时推荐算法的预测和推荐；

16、根据用户的历史行为数据，过滤掉用户已经查看过或者标记为不感兴趣的内容，并将用户已看及不感兴趣的影片/特征过滤；

17、基于用户的用户画像图、实时推荐池数据以及过滤后的内容数据，使用实时推荐算法进行推荐预测，输出根据用户操作实时更新的推荐内容；

18、将根据用户操作实时更新的推荐内容呈现。

19、所述的基于知识图谱的实时影片推荐处理方法，其中，所述获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图的步骤包括：

20、通过埋点收集获取用户操作行为数据；其中，所述用户操作行为数据包括浏览历史、搜索历史、播放记录、版面影片曝光、版面影片点击操作行为数据；

21、基于收集到的用户操作行为数据进行用户偏好分析，并计算出用户长期画像和每个影片协同排序数据，构建用户画像图；所述用户画像图包括用户的兴趣领域、偏好标签、行为习惯信息。

22、所述的基于知识图谱的实时影片推荐处理方法，其中，所述基于构建的用户画像图，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱的步骤包括：

23、基于构建的用户画像图，采用大模型、媒体分析技术增强看点、分类特征，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱；

24、其中，所述联合知识图包括：用户长期画像、分时画像，实时画像，并建立用户和影片图谱元数据之间的用户搜索、影片曝光、影片点击、影片播放的关系，通过知识图谱记录描述影片、影人、角色、标签、用户之间的关系。

25、所述的基于知识图谱的实时影片推荐处理方法，其中，所述使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量的步骤包括：

26、收集联合知识图谱的实体和关系数据，包括实体之间的关系以及关系的属性信息；

27、对收集到的实体和关系数据进行预处理；

28、选择匹配的知识图嵌入模型对预处理后的实体和关系数据进行训练，通过学习得到实体和关系的向量表示；

29、将训练得到的实体和关系向量表示存储在数据库或者文件中，用于后续实体、关系检索做数据准备。

30、一种基于知识图谱的实时影片推荐处理装置，其中，所述装置包括：

31、用户画像模块，用于获取用户操作行为数据，基于收集到的用户操作行为数据，构建用户画像图；

32、知识图谱构建模块，用于基于构建的用户画像图，把用户画像图和媒体资源数据建立关联，构建用户的联合知识图谱；

33、向量转化模块，用于使用知识图嵌入方法将联合知识图谱的实体和关系参数转化为向量，用于后续实体、关系检索做数据准备；

34、实时推荐池构建模块，用于基于所述用户操作行为数据，使用实时推荐算法构建每个用户的实时推荐池数据；

35、实时推荐模块，用于基于构建所述用户画像图，结合每个用户的实时推荐池数据，并将用户已看及不感兴趣的内容过滤，输出根据用户操作实时更新推荐内容的推荐预测结果。

36、一种智能终端，其中，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行任意一项所述的方法。

37、一种非临时性计算机可读存储介质，其中，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行任意一项所述的方法。

38、本发明的有益效果：本发明提供了一种基于知识图谱的实时影片推荐处理方法、装置，本发明提供一种基于影片图谱、影人图谱、标签图谱、角色图谱、用户图谱(包含用户长期画像、分时画像，实时画像，并建立用户和影片图谱元数据之间的用户搜索、影片曝光、影片点击、影片播放等关系)等因素设计的影片推荐算法。可以基于当前用户的观影记录和偏好，影片、影人、角色、标签各图谱之间的关系，用户的长期画像，实时画像，提供基于图谱的影片实时推荐，可以根据用户操作实时更新推荐内容，为用户的使用提供了方便。