[发明专利]多媒体信息的推荐方法、相关装置及计算机存储介质

说明书

本申请提供了一种多媒体信息的推荐方法、相关装置及计算机存储介质，该方法将所有目标用户的基本信息、目标用户获取多媒体信息的历史序列信息和多媒体信息集合输入至多媒体信息推荐模型中，得到目标用户对每一个多媒体信息的点击概率；多媒体信息推荐模型由多个训练样本用户的基本信息、训练样本用户获取多媒体信息的历史序列信息、训练样本多媒体信息集合和训练样本用户各自的真实喜好多媒体信息对神经网络模型进行训练得到；根据目标用户对每一个多媒体信息的点击概率，生成推荐多媒体信息集合。本申请根据用户获取多媒体信息的历史序列信息确定用户对每一个多媒体信息的点击概率，达到精确的向用户推荐更符合用户当前兴趣的多媒体信息的目的。

技术领域

本申请涉及计算机技术领域，特别涉及一种多媒体信息的推荐方法、相关装置及计算机存储介质。

背景技术

互联网已经成为当今时代人们获取视频、音乐、娱乐等多媒体信息的主要来源，而随着多媒体信息中信息、内容与数据的极速增长，用户面对的多媒体信息越来越多，如何准确地向用户展示其喜好的内容，筛选出符合用户需求的多媒体信息是现下的难题。

目前，通常会采用根据用户的兴趣和多媒体信息的属性来研究它们之间的匹配程度的方式，将预测出的匹配程度最高的多媒体信息推荐给用户，从而提升用户体验。但在实际场景中，用户的兴趣并非是单一的、一成不变的，用户兴趣既有可能在长期发展中逐渐演化，也可能在短期内呈现不同时段、不同场景下的特有兴趣。从而导致预测出的多媒体信息并不能符合用户的当前兴趣，进而影响用户的体验。

发明内容

有鉴于此，本申请提供了一种多媒体信息的推荐方法、相关装置及计算机存储介质，用于精确的向用户推荐更符合用户当前兴趣的多媒体信息。

本申请第一方面提供了一种多媒体信息的推荐方法，包括：

获取目标用户的用户信息和多媒体信息集合；其中，所述目标用户的用户信息包括目标用户的基本信息以及目标用户获取多媒体信息的历史序列信息；所述多媒体信息集合包括至少一个多媒体信息；

将所有所述用户信息和所述多媒体信息集合输入至多媒体信息推荐模型中，得到所述目标用户对每一个所述多媒体信息的点击概率；其中，所述多媒体信息推荐模型由多个训练样本用户的用户信息、训练样本多媒体信息集合和所述训练样本用户各自的真实喜好多媒体信息对神经网络模型进行训练得到；所述训练样本用户的用户信息包括训练样本用户的基本信息以及训练样本用户获取多媒体信息的历史序列信息；

根据所述目标用户对每一个所述多媒体信息的点击概率，生成推荐多媒体信息集合。

可选的，所述多媒体信息推荐模型的构建方法，包括：

构建训练样本集；其中，所述训练样本集包括多个训练样本用户的用户信息、训练样本多媒体信息集合和训练样本用户各自的真实喜好多媒体信息集合；所述训练样本多媒体信息集合包括至少一个训练样本多媒体信息；

将所述训练样本用户的用户信息和训练样本多媒体信息集合输入至神经网络模型的嵌入层，得到所述训练样本用户的基本信息中的每一个属性信息的嵌入向量、训练样本用户获取多媒体信息的历史序列信息中的每一个历史多媒体信息的嵌入向量以及训练样本多媒体信息集合中的每一个目标多媒体信息的嵌入向量；

将训练样本用户获取多媒体信息的历史序列信息中的历史多媒体信息的嵌入向量和训练样本多媒体信息集合中的目标多媒体信息的嵌入向量，输入至神经网络模型的注意力机制层，得到所述训练样本用户的当前兴趣向量；

将训练样本用户的基本信息中的属性信息的嵌入向量、训练样本用户获取多媒体信息的历史序列信息中的历史多媒体信息的嵌入向量以及训练样本多媒体信息集合中的目标多媒体信息的嵌入向量进行拼接，得到所述目标多媒体信息的目标特征向量；