模型训练方法、媒资推荐方法、装置、介质及设备与流程

1.本公开涉及数据处理技术领域，具体地，涉及一种模型训练方法、媒资推荐方法、装置、介质及设备。


背景技术：

2.随着互联网的发展，各式各样应用软件被开发出来。用户在使用应用软件的过程中，应用软件会向用户提供个性化推荐服务。


技术实现要素：

3.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
4.第一方面，本公开提供一种模型训练方法，包括：
5.获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据；
6.确定每个所述正例媒资数据的媒资属性；
7.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据；
8.根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型。
9.第二方面，本公开提供一种媒资推荐方法，包括：
10.响应于接收到目标用户的媒资推荐请求，获取候选媒资数据；
11.利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，其中，所述媒资推荐模型为根据第一方面中任一项所述的模型训练方法训练得到的；
12.向所述目标用户提供关于所述目标媒资数据的信息。
13.第三方面，本公开提供一种模型训练装置，包括：
14.第一获取模块，用于获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据；
15.确定模块，用于确定每个所述正例媒资数据的媒资属性；
16.筛选模块，用于从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据；
17.训练模块，用于根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型。
18.第四方面，本公开提供一种媒资推荐装置，包括：
19.第二获取模块，用于响应于接收到目标用户的媒资推荐请求，获取候选媒资数据；
20.匹配模块，用于利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，其中，所述媒资推荐模型为根据本公开第一方面中任一项所述的模
是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
39.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
40.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
41.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
42.可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
43.例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
44.作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
45.可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
46.同时，可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
47.目前，传统的推荐系统中，当接收到用户的媒资推荐请求时，可通过媒资推荐模型从候选媒资数据中筛选出与用户匹配的目标媒资数据，并向用户展示。其中，媒资推荐模型是通过将用户点击的媒资数据作为正样本，将曝光未点击的候选媒资数据作为负样本，对模型进行训练后得到。
48.然而针对媒资数据为长视频的推荐场景，由于长视频的视频时长可以达到30分钟甚至更长，但用户每天消费视频的日均消费时长大约为30分钟左右。所以用户一天针对一次推荐请求返回的多个长视频的候选媒资数据，只会查看其中的一个长视频。剩下的曝光但未点击的长视频的候选媒资数据，用户不一定不感兴趣，可能用户对剩下的长视频的候选媒资数据是有查看兴趣的，但是今天已经花费30分钟在刚才点击的长视频上，所以没有时间继续消费剩下的长视频的候选媒资数据。
49.所以针对长视频推荐场景下，曝光未点击行为数据不一定代表用户不感兴趣，也就不一定适合做训练媒资推荐模型的负样本。进而，通过将用户点击的媒资数据作为正样本，将曝光未点击的候选媒资数据作为负样本，得到的媒资推荐模型是不合理的。
50.进而，相关技术中，在长视频推荐场景下，由于随机负采样操作简单、运行效率高，通过使用随机选取用户未点击的媒资数据(随机负采样)作为负样本，和用户点击的媒资数
据作为正样本作为模型训练的样本数据。
51.但是针对长视频推荐场景，依靠随机负采样得到的负样本训练模型时，不能将不同的用户之间、不同的媒资数据之间的相似性和相异性进行考量，例如，正样本是用户点击过的连续剧a，根据随机负采样得到的负样本是电影b，则根据正样本连续剧a和负样本电影b，训练得到的模型，并不能很好预测用户针对连续剧中，用户想要点击的是连续剧a，而非连续剧c，不能很好地捕捉用户的实际需求，了解用户的真实意图，视频推荐的准确性低。
52.有鉴于此，本公开中，通过获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据，并确定每个所述正例媒资数据的媒资属性后，从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据，进而由于正例媒资数据和负例媒资数据具有相同的媒资属性，根据该正例媒资数据和所述负例媒资数据，对模型进行训练，得到的媒资推荐模型，针对具有相同媒资属性的媒资数据的场景，能够更家准确地捕捉用户的实际需求，了解用户的真实意图，提高视频推荐的准确性。
53.图1是根据一示例性实施例示出的一种模型训练方法的流程图，如图1 所示，模型训练方法，包括以下步骤。
54.在步骤s11中，获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据。
55.本公开中，媒资数据可以是视频资源数据，例如可以是播放时长大于30 分钟的长视频资源数据。
56.在步骤s12中，确定每个正例媒资数据的媒资属性。
57.其中，媒资属性例如可以包括媒资的作品类型(例如连续剧、
58.电影、综艺等)、媒资的作者、媒资的作品主题(例如动作、爱情、剧情等)等一级媒资属性，媒资属性还可以包括媒资的播放类型(例如自制还是转播)、媒资的制作地区(例如中国内地、中国香港等)、媒资的制作年份等。
59.在步骤s13中，从用户在预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据。
60.若媒资属性包括一级媒资属性，一种实施方式中，例如可通过如下方式从用户在预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据：
61.从用户在预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同的一级媒资属性的至少一个媒资数据，作为负例媒资数据。
62.若媒资属性包括一级媒资属性和至少一个二级媒资属性，一种实施方式中，例如可通过如下方式从用户在预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据：
63.从用户在预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同的一级媒资属性、且具有至少一个相同的二级媒资属性的至少一个媒资数据，作为负例媒资数据。
64.在步骤s14中，根据正例媒资数据和负例媒资数据，对模型进行训练，以得到媒资推荐模型。
65.一种实施方式中，根据正例媒资数据和负例媒资数据，例如可通过如下方式对模型进行训练，以得到媒资推荐模型：
66.确定获取到的每一媒资数据的媒资特征信息，针对获取到的每一媒资数据，根据媒资数据的媒资特征信息，形成一组模型输入数据，模型输入数据对应的模型目标输出为用于表征媒资数据是正例媒资数据还是负例媒资数据的正负例标识信息，根据模型输入数据和对应的模型目标输出，对模型进行训练，以得到媒资推荐模型。
67.媒资特征信息可以是对媒资数据提取媒资属性后得到。正例媒资数据的正例标识信息例如可以是预设表征正例的数字“1”，负例媒资数据的负例标识信息例如可以是预设的表征负例的数字“0”。
68.其中，用户可以是特定的一个用户，进而通过用户的正例媒资数据和负例媒资数据得到的媒资推荐模型，可以是根据该用户的媒资特征信息得到的媒资推荐模型。
69.例如，针对目标用户，获取目标用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据，确定每个正例媒资数据的媒资属性后，将从该目标用户在上述预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据，之后确定正例媒资数据的媒资特征数据，确定负例媒资数据的媒资特征数据。将目标用户的正例媒资数据的媒资特征数据和目标用户的负例媒资数据的媒资特征数据输入模型，将用于表征媒资数据是正例媒资数据的“1”，以及用于表征媒资数据是负例媒资数据的负例标识“0”作为目标输出，对模型进行训练，以得到能够对该目标用户进行媒资推荐的媒资推荐模型。
70.在本公开的示例性实施例中，通过获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据，并确定每个正例媒资数据的媒资属性后，从用户在预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据，进而由于正例媒资数据和负例媒资数据具有相同的媒资属性，根据该正例媒资数据和负例媒资数据，对模型进行训练，得到的媒资推荐模型，针对具有相同媒资属性的媒资数据的场景，能够更家准确地捕捉用户的实际需求，了解用户的真实意图，提高视频推荐的准确性。
71.图2是根据一示例性实施例示出的一种模型训练方法的流程图，如图2 所示，模型训练方法，包括以下步骤。
72.在步骤s21中，获取用户的用户特征信息。
73.本公开中，由于用户在使用应用程序时，通常需要进行账号注册，在注册时需要输入用户的基本信息，进而本公开中，可将获取到的用户的基本信息，作为用户特征信息。
74.其中，本公开中获取用户的用户特征信息，可以分别是多个用户的用户特征信息。
75.在步骤s22中，获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据，确定每个正例媒资数据的媒资属性。
76.在步骤s23中，从用户在预设时段内未点击过的媒资数据中获取与正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据。
77.在步骤s24中，根据正例媒资数据和负例媒资数据，对模型进行训练，以得到媒资推荐模型。
78.一种实施方式中，根据正例媒资数据和负例媒资数据，例如可通过如下方式对模
型进行训练，以得到媒资推荐模型：
79.确定获取到的每一媒资数据的媒资特征信息，针对获取到的每一媒资数据，根据用户特征信息和媒资数据的媒资特征信息，形成一组模型输入数据，模型输入数据对应的模型目标输出为用于表征媒资数据是正例媒资数据还是负例媒资数据的正负例标识信息，根据模型输入数据和对应的模型目标输出，对模型进行训练，以得到媒资推荐模型。
80.一种实施方式中，用户可以是多个用户，进而通过用户的正例媒资数据和负例媒资数据得到的媒资推荐模型，可以是与用户特征信息和媒资特征信息对应的媒资推荐模型。
81.例如，针对多个用户，获取第一用户的用户特征信息后，获取第一用户在预设时段内点击过的至少一个媒资数据，作为第一用户的正例媒资数据后，确定第一用户的正例媒资数据的媒资特征数据后，将第一用户的用户特征和第一用户的正例媒资数据的媒资特征数据组成一组输入数据，同理，可以获取第二用户的用户特征信息后，获取第二用户在预设时段内点击过的至少一个媒资数据，作为第二用户的正例媒资数据后，确定第二用户的正例媒资数据的媒资特征数据后，将第二用户的用户特征和第一用户的正例媒资数据的媒资特征数据组成一组模型输入数据。
82.以此类推，将得到的每个用户的特征数据以及对应每个用户的正例媒资数据的媒资特征数据作为一组输入数据。将得到的每个用户的特征数据以及对应每个用户的负例媒资数据的媒资特征数据作为一组模型输入数据。
83.之后，将输入数据输入模型后，将用于表征媒资数据是正例媒资数据的“1”，以及用于表征媒资数据是负例媒资数据的负例标识“0”作为目标输出，对模型进行训练，以得到能够对该目标用户进行媒资推荐的媒资推荐模型。
84.在本公开的示例性实施例中，通过将每个用户的特征数据以及对应每个用户的正例媒资数据的媒资特征数据作为一组输入数据输入模型，以及将每个用户的特征数据以及对应每个用户的负例媒资数据的媒资特征数据作为一组输入数据输入模型，对模型进行训练得到的媒资推荐模型，能够基于用户特征信息，准确地捕捉用户的实际需求，了解用户的真实意图，提高视频推荐的准确性。
85.图3是根据一示例性实施例示出的一种媒资推荐方法的流程图，如图3 所示，媒资推荐方法，包括以下步骤。
86.在步骤s31中，响应于接收到目标用户的媒资推荐请求，获取候选媒资数据。
87.其中，候选媒资数据例如可以是从媒资数据热度的维度、或者媒资数据播放量的维度，从媒资数据池中筛选得到的媒资数据。
88.在步骤s32中，利用媒资推荐模型，从候选媒资数据中确定与目标用户匹配的目标媒资数据。
89.其中，媒资推荐模型可以是利用本公开的模型训练方法训练得到。
90.在步骤s33中，向目标用户提供关于目标媒资数据的信息。
91.例如，响应于接收到目标用户的媒资推荐请求，从媒资数据池中获取候选媒资数据，针对每一个候选媒资数据，获取每一个候选媒资数据的媒资特征信息，将每一个候选媒资数据的媒资特征信息输入媒资推荐模型，通过媒资推荐模型预测目标用户可能对每一个候选媒资数据的感兴趣概率，得到与目标用户匹配的目标媒资数据，例如可以根据感兴趣
概率的高低，将预测的预设数量的目标媒资数据作为与目标用户匹配的目标媒资数据，向目标用户提供关于目标媒资数据的信息。
92.在本公开的示例性实施例中，由于媒资推荐模型是基于具有相同的媒资属性额正例媒资数据和负例媒资数据，对模型进行训练得到的，因此针对具有相同媒资属性的媒资数据的场景，通过媒资推荐模型能够更家准确地捕捉用户的实际需求，了解用户的真实意图，提高视频推荐的准确性。
93.图4是根据一示例性实施例示出的一种媒资推荐方法的流程图，如图4 所示，媒资推荐方法，包括以下步骤。
94.在步骤s41中，响应于接收到目标用户的媒资推荐请求，获取候选媒资数据。
95.在步骤s42中，获取目标用户的用户特征信息。
96.在步骤s43中，利用媒资推荐模型，从候选媒资数据中确定与目标用户匹配的目标媒资数据。
97.在步骤s44中，向目标用户提供关于目标媒资数据的信息。
98.一种实施方式中，例如可通过如下方式利用媒资推荐模型，从候选媒资数据中确定与目标用户匹配的目标媒资数据：
99.确定每一候选媒资数据的媒资特征信息，针对每一候选媒资数据，将目标用户的用户特征信息和候选媒资数据的媒资特征信息输入到所述媒资推荐模型中，并获取媒资推荐模型的输出信息，其中，输出信息用于表征候选媒资数据与目标用户之间的匹配度，将匹配度最高的预设数量的候选媒资数据确定为目标媒资数据。
100.在本公开的示例性实施例中，由于媒资推荐模型是基于具有相同的媒资属性额正例媒资数据和负例媒资数据，对模型进行训练得到的，因此针对具有相同媒资属性的媒资数据的场景，通过媒资推荐模型能够更家准确地捕捉用户的实际需求，了解用户的真实意图，提高视频推荐的准确性。
101.图5是根据一示例性实施例示出的一种模型训练装置500的框图。参照图5，模型训练装置，包括：
102.第一获取模块501，用于获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据；
103.确定模块502，用于确定每个所述正例媒资数据的媒资属性；
104.筛选模块503，用于从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据；
105.训练模块504，用于根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型。
106.可选地，所述第一获取模块501还用于：
107.获取所述用户的用户特征信息；
108.所述训练模块采用如下方式根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型：
109.确定获取到的每一媒资数据的媒资特征信息；
110.针对获取到的每一媒资数据，根据所述用户特征信息和所述媒资数据的所述媒资特征信息，形成一组模型输入数据，所述模型输入数据对应的模型目标输出为用于表征所
述媒资数据是正例媒资数据还是负例媒资数据的正负例标识信息；
111.根据所述模型输入数据和对应的所述模型目标输出，对模型进行训练，以得到媒资推荐模型。
112.可选地，所述媒资属性包括一级媒资属性；
113.所述筛选模块503采用如下方式从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据：
114.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同的一级媒资属性的至少一个媒资数据，作为负例媒资数据。
115.可选地，所述媒资属性包括一级媒资属性和至少一个二级媒资属性；
116.所述筛选模块503采用如下方式从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据：
117.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同的一级媒资属性、且具有至少一个相同的二级媒资属性的至少一个媒资数据，作为负例媒资数据。
118.可选地，所述一级媒资属性包括以下属性中的至少一项：
119.媒资的作品类型、媒资的作者、媒资的作品主题；
120.所述二级媒资属性包括以下属性中的至少一项：
121.媒资的播放类型、媒资的制作地区、媒资的制作年份。
122.图6是根据一示例性实施例示出的一种媒资推荐装置600的框图。参照图6，媒资推荐装置包括：
123.第二获取模块601，用于响应于接收到目标用户的媒资推荐请求，获取候选媒资数据；
124.匹配模块602，用于利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，其中，所述媒资推荐模型为根据本公开模型训练装置训练得到的；
125.输出模块603，用于向所述目标用户提供关于所述目标媒资数据的信息。
126.可选地，所述第二获取模块601还用于：
127.获取所述目标用户的用户特征信息；
128.所述利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，包括：
129.确定每一所述候选媒资数据的媒资特征信息；
130.针对每一所述候选媒资数据，将所述目标用户的所述用户特征信息和所述候选媒资数据的所述媒资特征信息输入到所述媒资推荐模型中，并获取所述媒资推荐模型的输出信息，其中，所述输出信息用于表征所述候选媒资数据与所述目标用户之间的匹配度；
131.将匹配度最高的预设数量的候选媒资数据确定为所述目标媒资数据。
132.下面参考图7，其示出了适于用来实现本公开实施例的电子设备700的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、 pmp(便携式多媒体播放器)、车载终端(例如车
载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
133.如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
134.通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
135.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。
136.需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
137.在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
138.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
139.上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据；确定每个所述正例媒资数据的媒资属性；从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据；根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型。
140.或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于接收到目标用户的媒资推荐请求，获取候选媒资数据；利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，其中，所述媒资推荐模型为根据本公开的模型训练方法训练得到的；向所述目标用户提供关于所述目标媒资数据的信息。
141.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
142.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
143.描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取至少两个网际协议地址的模块”。
144.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
145.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可
读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器 (cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
146.根据本公开的一个或多个实施例，示例1提供了一种模型训练方法，包括：
147.获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据；
148.确定每个所述正例媒资数据的媒资属性；
149.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据；
150.根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型。
151.根据本公开的一个或多个实施例，示例2提供了示例1的方法，还包括：
152.获取所述用户的用户特征信息；
153.所述根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型，包括：
154.确定获取到的每一媒资数据的媒资特征信息；
155.针对获取到的每一媒资数据，根据所述用户特征信息和所述媒资数据的所述媒资特征信息，形成一组模型输入数据，所述模型输入数据对应的模型目标输出为用于表征所述媒资数据是正例媒资数据还是负例媒资数据的正负例标识信息；
156.根据所述模型输入数据和对应的所述模型目标输出，对模型进行训练，以得到媒资推荐模型。
157.根据本公开的一个或多个实施例，示例3提供了示例1的方法，还包括：
158.所述媒资属性包括一级媒资属性；
159.所述从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据，包括：
160.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同的一级媒资属性的至少一个媒资数据，作为负例媒资数据。
161.根据本公开的一个或多个实施例，示例4提供了示例1的方法，还包括：
162.所述媒资属性包括一级媒资属性和至少一个二级媒资属性；
163.所述从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据，包括：
164.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同的一级媒资属性、且具有至少一个相同的二级媒资属性的至少一个媒资数据，作为负例媒资数据。
165.根据本公开的一个或多个实施例，示例5提供了示例1-4的方法，还包括：
166.所述一级媒资属性包括以下属性中的至少一项：
167.媒资的作品类型、媒资的作者、媒资的作品主题；
168.所述二级媒资属性包括以下属性中的至少一项：
169.媒资的播放类型、媒资的制作地区、媒资的制作年份。
170.根据本公开的一个或多个实施例，示例6提供了一种媒资推荐方法，包括：
171.响应于接收到目标用户的媒资推荐请求，获取候选媒资数据；
172.利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，其中，所述媒资推荐模型为根据示例1-5中任一项所述的模型训练方法训练得到的；
173.向所述目标用户提供关于所述目标媒资数据的信息。
174.根据本公开的一个或多个实施例，示例7提供了示例6的方法，还包括：
175.获取所述目标用户的用户特征信息；
176.所述利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，包括：
177.确定每一所述候选媒资数据的媒资特征信息；
178.针对每一所述候选媒资数据，将所述目标用户的所述用户特征信息和所述候选媒资数据的所述媒资特征信息输入到所述媒资推荐模型中，并获取所述媒资推荐模型的输出信息，其中，所述输出信息用于表征所述候选媒资数据与所述目标用户之间的匹配度；
179.将匹配度最高的预设数量的候选媒资数据确定为所述目标媒资数据。
180.根据本公开的一个或多个实施例，示例8提供了一种模型训练装置，包括：
181.第一获取模块，用于获取用户在预设时段内点击过的至少一个媒资数据，作为正例媒资数据；
182.确定模块，用于确定每个所述正例媒资数据的媒资属性；
183.筛选模块，用于从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据；
184.训练模块，用于根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型。
185.根据本公开的一个或多个实施例，示例9提供了示例8的装置，所述第一获取模块还用于：
186.获取所述用户的用户特征信息；
187.所述训练模块采用如下方式根据所述正例媒资数据和所述负例媒资数据，对模型进行训练，以得到媒资推荐模型：
188.确定获取到的每一媒资数据的媒资特征信息；
189.针对获取到的每一媒资数据，根据所述用户特征信息和所述媒资数据的所述媒资特征信息，形成一组模型输入数据，所述模型输入数据对应的模型目标输出为用于表征所述媒资数据是正例媒资数据还是负例媒资数据的正负例标识信息；
190.根据所述模型输入数据和对应的所述模型目标输出，对模型进行训练，以得到媒资推荐模型。
191.根据本公开的一个或多个实施例，示例10提供了示例8的装置，所述媒资属性包括一级媒资属性；
192.所述筛选模块采用如下方式从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据：
193.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同的一级媒资属性的至少一个媒资数据，作为负例媒资数据。
194.根据本公开的一个或多个实施例，示例11提供了示例8的装置，所述媒资属性包括一级媒资属性和至少一个二级媒资属性；
195.所述筛选模块采用如下方式从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同媒资属性的至少一个媒资数据，作为负例媒资数据：
196.从所述用户在所述预设时段内未点击过的媒资数据中获取与所述正例媒资数据具有相同的一级媒资属性、且具有至少一个相同的二级媒资属性的至少一个媒资数据，作为负例媒资数据。
197.根据本公开的一个或多个实施例，示例12提供了示例8-11的装置，所所述一级媒资属性包括以下属性中的至少一项：
198.媒资的作品类型、媒资的作者、媒资的作品主题；
199.所述二级媒资属性包括以下属性中的至少一项：
200.媒资的播放类型、媒资的制作地区、媒资的制作年份。
201.根据本公开的一个或多个实施例，示例13提供了一种媒资推荐装置，包括：
202.第二获取模块，用于响应于接收到目标用户的媒资推荐请求，获取候选媒资数据；
203.匹配模块，用于利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，其中，所述媒资推荐模型为根据本公开模型训练装置训练得到的；
204.输出模块，用于向所述目标用户提供关于所述目标媒资数据的信息。
205.根据本公开的一个或多个实施例，示例14提供了示例13的装置，所述第二获取模块还用于：
206.获取所述目标用户的用户特征信息；
207.所述利用媒资推荐模型，从所述候选媒资数据中确定与所述目标用户匹配的目标媒资数据，包括：
208.确定每一所述候选媒资数据的媒资特征信息；
209.针对每一所述候选媒资数据，将所述目标用户的所述用户特征信息和所述候选媒资数据的所述媒资特征信息输入到所述媒资推荐模型中，并获取所述媒资推荐模型的输出信息，其中，所述输出信息用于表征所述候选媒资数据与所述目标用户之间的匹配度；
210.将匹配度最高的预设数量的候选媒资数据确定为所述目标媒资数据。
211.根据本公开的一个或多个实施例，示例15提供一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理装置执行时实现示例1-5中任一项或者示例6-7中任一项所述方法的步骤。
212.根据本公开的一个或多个实施例，示例16提供一种电子设备，其中，包括：
213.存储装置，其上存储有计算机程序；
214.处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1-5 中任一项或者示例6-7中任一项所述方法的步骤。
215.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行
任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
216.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
217.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。