一种推荐对象的确定方法、装置、设备及存储介质与流程

1.本公开涉及视频推荐技术领域，尤其涉及一种推荐对象的确定方法、装置、设备及存储介质。


背景技术：

2.当前无限下刷的短视频平台被越来越多的用户所接受，通常短视频平台会有海量的短视频内容，对于这些短视频作品，不同的用户有不同的爱好类型。所以，短视频平台需要通过推荐系统为用户推荐感兴趣作品。
3.现有技术中，在给用户挑选感兴趣的作品候选时，通常使用itemcf算法(基于物品的协同过滤算法)，即利用用户的历史行为推荐相似作品。但实际应用中，除了要考虑被推荐作品的相似度，还要考虑被推荐作品的质量。
4.因此，如何给用户推荐优质的作品，提高视频推荐准确性，成为目前亟需解决的问题。


技术实现要素：

5.本公开实施例提供一种推荐对象的确定方法、装置、设备及存储介质，用以为用户推荐优质作品，提高推荐准确性。
6.第一方面，本公开实施例提供一种推荐对象的确定方法，包括：
7.接收到对象推荐请求，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象；
8.基于m个对象的热度参数确定m个对象中每个对象的饱和度参数，其中，热度参数表征对象的被浏览数据，饱和度参数表征排除异常值影响的被浏览数据；
9.基于每个对象的饱和度参数，利用预设算法确定每个对象的推荐指数，其中推荐指数用于表征推荐对象的优先级；
10.依据每个对象的推荐指数，在m个对象中筛选n个对象，并将所筛选的n个对象确定为向当前账户推荐的推荐对象，其中，m和n均为正整数，且m大于或者等于n。
11.本公开实施例提供的推荐对象的确定方法，接收到对象推荐请求，在预先设置的对象集合中，首先确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，基于m个对象的热度参数确定m个对象中每个对象的饱和度参数，其中热度参数表征对象的被浏览数据，饱和度参数表征排除异常值影响的被浏览数据，根据饱和度参数利用预设算法确定每个对象的推荐指数，推荐指数用于表征推荐对象的优先级，然后再依据每个对象的推荐指数，在m个对象中筛选n个对象，作为向当前账户推荐的推荐对象。其中，m和n都是正整数，且m大于或等于n。与现有技术相比，不仅考虑了被推荐对象与当前账户历史浏览对象的相似度，使得推出的作品在用户感兴趣的范围内，而且要考虑作品的质量度，不断给用户推出优质作品，提高推荐准确性。
12.在一种可能的实施方式中，基于m个对象的热度参数确定m个对象中每个对象的饱
和度参数，包括：
13.针对任一热度参数，采用如下步骤确定m个对象中每个对象该热度参数对应的饱和度参数：
14.确定m个对象该热度参数的正态分布曲线；
15.在正态分布曲线中确定概率大于第一预设阈值的正向概率和概率小于第二预设阈值的负向概率，其中，第二预设阈值大于第一预设阈值；
16.针对m个对象中的任一目标对象，将目标对象该热度参数与正向概率中的最小值确定为中间概率，并将中间概率和负向概率中的最大值确定为目标对象该热度参数对应的饱和度参数。
17.在一种可能的实施方式中，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，包括：
18.基于预先确定的对象相似度矩阵，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，其中，对象相似度矩阵中第一对象和第二对象的相似度是基于同时浏览第一对象和第二对象的账户数量确定的。
19.在一种可能的实施方式中，热度参数包括以下一种或多种：表征对象被浏览次数与展示次数之比的点击率、表征对象被点赞次数与被浏览次数之比的点赞率、表征对象被关注次数与被浏览次数之比的关注率、表征对象被转发次数与被浏览次数之比的转发率。
20.第二方面，本公开实施例还提供一种推荐对象的确定装置，包括：
21.确定单元，用于接收到对象推荐请求，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象；
22.处理单元，用于基于m个对象的热度参数确定m个对象中每个对象的饱和度参数，其中，热度参数表征对象的被浏览数据，饱和度参数表征排除异常值影响的被浏览数据；
23.计算单元，用于基于每个对象的饱和度参数，利用预设算法确定每个对象的推荐指数，其中推荐指数用于表征推荐对象的优先级；
24.推荐单元，用于依据每个对象的推荐指数，在m个对象中筛选n个对象，并将所筛选的n个对象确定为向当前账户推荐的推荐对象，其中，m和n均为正整数，且m大于或者等于n。
25.在一种可能的实施方式中，处理单元具体用于：
26.针对任一热度参数，采用如下步骤确定m个对象中每个对象该热度参数对应的饱和度参数：
27.确定m个对象该热度参数的正态分布曲线；
28.在正态分布曲线中确定概率大于第一预设阈值的正向概率和概率小于第二预设阈值的负向概率，其中，第二预设阈值大于第一预设阈值；
29.针对m个对象中的任一目标对象，将目标对象该热度参数与正向概率中的最小值确定为中间概率，并将中间概率和负向概率中的最大值确定为目标对象该热度参数对应的饱和度参数。
30.在一种可能的实施方式中，推荐单元具体用于：
31.基于预先确定的对象相似度矩阵，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，其中，对象相似度矩阵中第一对象和第二对象的相似度是基于同时浏览第一对象和第二对象的账户数量确定的。
32.在一种可能的实施方式中，热度参数包括以下一种或多种：表征对象被浏览次数与展示次数之比的点击率、表征对象被点赞次数与被浏览次数之比的点赞率、表征对象被关注次数与被浏览次数之比的关注率、表征对象被转发次数与被浏览次数之比的转发率。
33.第三方面，本公开实施例还提供一种推荐对象的确定设备，包括：
34.处理器；
35.用于存储处理器可执行指令的存储器；
36.其中，处理器被配置为执行指令，以实现本公开实施例第一方面所述的推荐对象的确定方法。
37.第四方面，本公开实施例还提供一种存储介质，当存储介质中的指令由推荐对象的确定设备的处理器执行时，使得推荐对象的确定设备能够执行本公开实施例第一方面所述的推荐对象的确定方法。
附图说明
38.为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1是本公开实施例提供的一种推荐对象的确定方法的示意流程图；
40.图2是本公开实施例提供的推荐对象相似度矩阵示意图；
41.图3是本公开实施例提供的推荐对象相似度倒排链示意图；
42.图4是本公开实施例提供的推荐对象热度参数正态分布曲线示意图；
43.图5是本公开实施例提供的一种推荐对象的确定装置的结构示意图；
44.图6是本公开实施例提供的一种推荐对象的确定设备的结构示意图。
具体实施方式
45.以下结合附图对本公开的实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本公开，并不用于限定本公开。
46.鉴于现有短视频平台中，在给用户推荐作品时，只根据用户的历史行为推荐相似度较高的用户感兴趣的作品，无法保证作品的质量，本公开实施例提供一种推荐对象的确定方案，用以为用户推荐优质作品，提高推荐准确性。
47.如图1所示，本公开实施例提供了一种推荐对象的确定方法，其可以包括以下步骤：
48.步骤101，接收到对象推荐请求，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象。
49.具体实施时，接收到对象推荐请求的场景包括以下一种或多种：用户打开短视频软件；用户在某一个短视频观看过程中或观看结束后，触发视频下拉；用户在搜索框内输入某一关键词进行短视频搜索等，本公开对此不做限定。
50.在一种可能的实施方式中，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，包括：
51.基于预先确定的对象相似度矩阵，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，其中，对象相似度矩阵中第一对象和第二对象的相似度是基于同时浏览第一对象和第二对象的账户数量确定的。
52.其中，预先设置的对象集合可以是当前短视频软件平台中热度大于预设阈值的短视频对象集合，也可以是预设时间内短视频软件平台中发布的所有短视频对象集合。
53.在一个示例中，预先设置的对象集合为当前短视频平台中点击量和/或点赞量和/或转发量大于预设阈值的短视频对象，和/或关注量大于预设阈值用户发布的短视频对象。
54.在另一个示例中，预先设置的对象集合为当前12小时内发布的所有短视频对象。需要说明的是，用户观看过的视频对象会在预先设置的对象集合中消除，避免出现向用户重复推荐的现象，也就是说预先设置的对象集合在用户浏览的过程中，是动态变化的。
55.具体实施时，在确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象的过程中，可以筛选与当前账户的所有历史浏览对象相似度大于预设相似度阈值的m个对象，也可以筛选与当前账户历史浏览对象中标记过的对象相似度大于预设相似度阈值的m个对象，其中历史浏览对象中标记过的对象包括点赞和/或转发和/或关注账户发布的对象，等等。
56.在一个实施例中，用户a点赞了对象a、b、d，用户b点赞了对象b、c、e，用户c点赞了对象c、d，用户d点赞了对象b、c、d，用户e点赞了对象a、d。如图2所示为根据以上所有用户的点赞记录确定的对象相似度矩阵，通过相似度矩阵可以看出不同对象之间的相似度，例如c[a][b]标识同时点赞了对象a与对象b的用户数量。
[0057]
基于对象相似度矩阵，对于每一个对象，如图3所示，按照其相似度从大到小的顺序建立倒排链，从而根据倒排链中的对象排列顺序确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象。
[0058]
需要说明的是，与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，可以是在与当前账户的历史浏览对象相似度大于预设相似度阈值的a个对象中随机选取m个对象(a大于m)，也可以是与当前账户的历史浏览对象相似度大于预设相似度阈值的前m个对象，本公开对此不做限定。
[0059]
步骤102，基于m个对象的热度参数确定m个对象中每个对象的饱和度参数，其中，热度参数表征对象的被浏览数据，饱和度参数表征排除异常值影响的被浏览数据。
[0060]
需要说明的是，热度参数是根据对象的统计数据计算的，其表征对象的被浏览数据，热度参数包括以下一种或多种：表征对象被浏览次数与展示次数之比的点击率、表征对象被点赞次数与被浏览次数之比的点赞率、表征对象被关注次数与被浏览次数之比的关注率、表征对象被转发次数与被浏览次数之比的转发率。
[0061]
在一个实施例中，针对m个对象中的i，通过历史数据统计对象i的历史展示次数total_show，被浏览次数total_cl ick，被点赞次数total_l ike，被关注次数total_fol low，被转发次数total_forward，依次计算热度参数，即：
[0062]
点击率empctr＝total_cl ick/total_show
[0063]
点赞率empltr＝total_l ike/total_cl ick
[0064]
关注率empwtr＝total_fol low/total_cl ick
[0065]
转发率empftr＝total_forward/total_cl ick
[0066]
在一种可能的实施方式中，基于m个对象的热度参数确定m个对象中每个对象的饱和度参数，包括：
[0067]
针对任一热度参数，采用如下步骤确定m个对象中每个对象该热度参数对应的饱和度参数：
[0068]
确定m个对象该热度参数的正态分布曲线；
[0069]
在正态分布曲线中确定概率大于第一预设阈值的正向概率和概率小于第二预设阈值的负向概率，其中，第二预设阈值大于第一预设阈值；
[0070]
针对m个对象中的任一目标对象，将目标对象该热度参数与正向概率中的最小值确定为中间概率，并将中间概率和负向概率中的最大值确定为目标对象该热度参数对应的饱和度参数。
[0071]
在一个示例中，如图4所示，m个对象的热度参数empctr的正态分布曲线，在正态分布曲线中将大于百分之90的点作为正向饱和度pos_empctr，将小于百分之97的点作为负向饱和度neg_empctr，则对象i的热度参数empctr对应的饱和度参数fempctr按照如下公式1来计算：
[0072]
fempctr ＝ max( min(x, pos_empctr), neg_empctr)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式1
[0073]
基于相同的计算方法，确定m个对象的热度参数empltr的正态分布曲线，在正态分布曲线中将大于百分之90的点作为正向饱和度pos_empltr，将小于百分之97的点作为负向饱和度neg_empltr，则对象i的热度参数empltr对应的饱和度参数fempltr按照如下公式2来计算：
[0074]
fempltr ＝ max( min(x, pos_empltr), neg_empltr)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式2
[0075]
基于相同的计算方法，确定m个对象的热度参数empwtr的正态分布曲线，在正态分布曲线中将大于百分之90的点作为正向饱和度pos_empwtr，将小于百分之97的点作为负向饱和度neg_empwtr，则对象i的热度参数empwtr对应的饱和度参数fempwtr按照如下公式3来计算：
[0076]
fempwtr ＝ max( min(x, pos_empwtr), neg_empwtr)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式3
[0077]
基于相同的计算方法，确定m个对象的热度参数empftr的正态分布曲线，在正态分布曲线中将大于百分之90的点作为正向饱和度pos_empftr，将小于百分之97的点作为负向饱和度neg_empftr，则对象i的热度参数empftr对应的饱和度参数fempftr按照如下公式4来计算：
[0078]
fempftr ＝ max( min(x, pos_empftr), neg_empftr)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式4
[0079]
当然，需要说明的是，上述示例中，选取百分之90作为正向饱和度以及选取百分之97作为负向饱和度均是为了示例，并不用于具体限定，本公开其它实施例中也可以选取其它值作为正向饱和度和负向饱和度。
[0080]
步骤103，基于每个对象的饱和度参数，利用预设算法确定每个对象的推荐指数，其中，推荐指数用于表征推荐对象的优先级。
[0081]
在一个实施例中，通过设置对象i饱和度参数的权重，并将按权重分配的饱和度参数相加，确定每个对象的推荐指数，即对象i的推荐指数可以按照如下公式5来计算：
[0082]
score＝param_a
·
fempctr param_b
·
fempltr
[0083]
param_c
·
fempwtr param_d
·
fempftr
ꢀꢀꢀꢀ
式5
[0084]
其中，param(param_a、param_b、param_c、param_d)表示饱和度参数的权重值，是根据本领域人员的经验推荐系统的侧重方向设置的。
[0085]
步骤104，依据每个对象的推荐指数，在m个对象中筛选n个对象，并将所筛选的n个对象确定为向当前账户推荐的推荐对象，其中，m和n均为正整数，且m大于或者等于n。
[0086]
需要说明的是，依据每个对象的推荐指数，在m个对象中筛选n个对象，可以是在m个对象的推荐指数大于预设分数的a个对象中，随机筛选n个对象，也可以是m个对象中推荐指数排名较高的前n个对象，本公开对此不做限定。
[0087]
基于相同的发明构思，本公开实施例还提供了一种推荐对象的确定装置。
[0088]
如图5所示，本公开实施例还提供一种推荐对象的确定装置，包括：
[0089]
确定单元，用于接收到对象推荐请求，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象；
[0090]
处理单元，用于基于m个对象的热度参数确定m个对象中每个对象的饱和度参数，其中，热度参数表征对象的被浏览数据，饱和度参数表征排除异常值影响的被浏览数据；
[0091]
计算单元，用于基于每个对象的饱和度参数，利用预设算法确定每个对象的推荐指数，其中推荐指数用于表征推荐对象的优先级；
[0092]
推荐单元，用于依据每个对象的推荐指数，在m个对象中筛选n个对象，并将所筛选的n个对象确定为向当前账户推荐的推荐对象，其中，m和n均为正整数，且m大于或者等于n。
[0093]
在一种可能的实施方式中，处理单元具体用于：
[0094]
针对任一热度参数，采用如下步骤确定m个对象中每个对象该热度参数对应的饱和度参数：
[0095]
确定m个对象该热度参数的正态分布曲线；
[0096]
在正态分布曲线中确定概率大于第一预设阈值的正向概率和概率小于第二预设阈值的负向概率，其中，第二预设阈值大于第一预设阈值；
[0097]
针对m个对象中的任一目标对象，将目标对象该热度参数与正向概率中的最小值确定为中间概率，并将中间概率和负向概率中的最大值确定为目标对象该热度参数对应的饱和度参数。
[0098]
在一种可能的实施方式中，推荐单元具体用于：
[0099]
基于预先确定的对象相似度矩阵，在预先设置的对象集合中，确定与当前账户的历史浏览对象相似度大于预设相似度阈值的m个对象，其中，对象相似度矩阵中第一对象和第二对象的相似度是基于同时浏览第一对象和第二对象的账户数量确定的。
[0100]
在一种可能的实施方式中，热度参数包括以下一种或多种：表征对象被浏览次数与展示次数之比的点击率、表征对象被点赞次数与被浏览次数之比的点赞率、表征对象被关注次数与被浏览次数之比的关注率、表征对象被转发次数与被浏览次数之比的转发率。
[0101]
基于上述本公开实施例相同构思，图6是根据一示例性实施例示出的照片拍摄设备的框图。
[0102]
如图6所示，本公开实施例还提供一种推荐对象的确定设备600，包括：
[0103]
处理器601；
[0104]
用于存储处理器可执行指令的存储器602；
[0105]
其中，处理器601被配置为执行指令，以实现本公开实施例中的推荐对象的确定方
法。
[0106]
另外，在示例性实施例中，本公开实施例还提供了一种存储介质，当存储介质中的指令由推荐对象的确定设备的处理器执行时，使得推荐对象的确定设备能够执行本公开实施例中的推荐对象的确定方法。
[0107]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0108]
本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0109]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0110]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0111]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。