[发明专利]媒体数据的推荐方法、装置

说明书

本申请的实施例提供了一种媒体数据的推荐方法、装置。该推荐方法包括：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。本申请实施例的技术方案可以提高对于推荐媒体数据的准确性。

技术领域

本申请涉及计算机及互联网技术领域，具体而言，涉及一种媒体数据的推荐方法、装置。

背景技术

在媒体数据的推荐场景中，比如在给用户推荐包含图片或视频在内的媒体数据的场景，通常是通过直接参考与视觉退化相关的特征(例如图像的模糊度、噪声等特征)或原始未损坏图像或视频的特征来评价图像或视频质量，从而根据评价结果确定推荐包含图片或视频在内的媒体数据。然而，如何提高媒体数据推荐的准确性是亟待解决的技术问题。

发明内容

本申请的实施例提供了一种媒体数据的推荐方法、装置、计算机可读介质及电子设备，进而至少在一定程度上可以提高媒体数据推荐的准确性。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种媒体数据的推荐方法，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。

根据本申请实施例的一个方面，提供了一种媒体数据的推荐装置，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。

在本申请的一些实施例中，基于前述方案，所述待推荐媒体数据为待推荐视频，所述装置还包括确定单元，被用于从所述待推荐媒体数据中确定图像帧集。

在本申请的一些实施例中，基于前述方案，所述确定单元配置为：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。

在本申请的一些实施例中，基于前述方案，所述确定单元配置为：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。

在本申请的一些实施例中，基于前述方案，所述确定单元配置为：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。

在本申请的一些实施例中，基于前述方案，所述图像帧集中包括复数张图像，所述评价单元配置为：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。

在本申请的一些实施例中，基于前述方案，所述评价单元配置为：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。

在本申请的一些实施例中，基于前述方案，所述评价单元配置为：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。

在本申请的一些实施例中，基于前述方案，所述装置还包括训练单元，被用于获取训练图像数据，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。