[发明专利]媒体数据的推荐方法、装置

权利要求书

1.一种媒体数据的推荐方法，其特征在于，所述方法包括：

获取待推荐媒体数据，以从所述待推荐媒体数据中确定图像帧集；

基于图像评价模型，对所述图像帧集中的图像进行评价，以得到针对所述待推荐媒体数据的目标评价信息，其中，所述图像评价模型由神经网络对图像子评价模型进行融合得到；

根据所述目标评价信息，从所述待推荐媒体数据中确定推荐的媒体数据。

2.根据权利要求1所述的方法，其特征在于，所述待推荐媒体数据为待推荐视频，所述从所述待推荐媒体数据中确定图像帧集，具体包括如下任意一种：

确定所述待推荐视频中所有帧图像的亮度值，以在所述待推荐视频中的所有帧图像中抽取具有不同亮度值的图像，得到待推荐视频中的图像帧集；

在所述待推荐视频中随机抽取复数帧图像，得到待推荐视频中的图像帧集；

在所述待推荐视频中等时间间隔的抽取复数帧图像，得到待推荐视频中的图像帧集。

3.根据权利要求1所述的方法，其特征在于，所述图像帧集中包括复数张图像，所述基于图像评价模型，对所述图像帧集中的图像进行评价，以得到针对所述待推荐媒体数据的目标评价信息，包括：

基于图像评价模型，分别对所述图像帧集中的复数张图像进行评价，得到复数个评价信息；

对所述复数个评价信息进行数学统计，得到所述目标评价信息。

4.根据权利要求3所述的方法，其特征在于，所述评价信息包括清晰度分数，所述对所述复数个评价信息进行数学统计，得到所述目标评价信息，具体包括如下任意一种：

将所述图像帧集中的复数张图像对应的复数个清晰度分数的平均值确定为所述目标评价信息；

将所述图像帧集中的复数张图像对应的复数个清晰度分数中的最高清晰度分数确定为所述目标评价信息。

5.根据权利要求1所述的方法，其特征在于，所述图像子评价模型通过如下方式得到：

获取训练图像数据，所述训练图像数据中带有预先建立的训练标签；

采用带有训练标签的训练图像数据对预设模型进行训练，得到图像子评价模型。

6.根据权利要求5所述的方法，其特征在于，所述训练标签包括清晰度标签和语义标签和分类标签，所述采用带有训练标签的训练图像数据对预设模型进行训练，得到图像子评价模型，包括：

采用带有清晰度标签和语义标签和分类标签的训练图像数据对预设模型进行训练，得到图像子评价模型。

7.根据权利要求5所述的方法，其特征在于，所述预设模型包括迁移学习模型、分类模型以及回归模型，所述采用带有训练标签的训练图像数据对预设模型进行训练，得到图像子评价模型，包括：

采用带有训练标签的训练图像数据分别对所述迁移学习模型、分类模型以及回归模型进行训练，以得到图像子评价模型。

8.根据权利要求1所述的方法，其特征在于，根据所述目标评价信息，从所述待推荐媒体数据中确定推荐的媒体数据，包括：

获取用户的行为数据，所述行为数据用于表征用户对于媒体数据的浏览习惯；

根据所述目标评价信息，以及所述用户的行为数据，从所述待推荐媒体数据中确定推荐的媒体数据。

9.根据权利要求1所述的方法，其特征在于，在根据所述目标评价信息，从所述待推荐媒体数据中确定推荐的媒体数据之后，所述方法还包括:

获取用户对于所推荐的媒体数据的反馈信息；

基于所述用户的反馈信息，训练所述图像评价模型。

10.一种媒体数据的推荐装置，其特征在于，包括：

获取单元，被用于获取待推荐媒体数据，以从所述待推荐媒体数据中确定图像帧集；

评价单元，被用于基于图像评价模型，对所述图像帧集中的图像进行评价，以得到针对所述待推荐媒体数据的目标评价信息，其中，所述图像评价模型由神经网络对图像子评价模型进行融合得到；

确定单元，被用于根据所述目标评价信息，从所述待推荐媒体数据中确定推荐的媒体数据。