CN110442790A 推 荐多媒体数据的方法、装置、服务器和存储介质 （腾讯科技（深圳）有限公司）

预先训练的多个行为类型对应的账户行为预测2对于每个多媒体数据，将所述多媒体数据的属性信将所述账户信息、以及所述目标账户对所述多媒体数如果所述至少一个样本行为数据中存在与预设行为集合中的任一行为数据相匹配的如果所述至少一个样本行为数据中不存在与预设行为集合中的任一行为数据相匹配3基于粒子滤波参数采样算法，对预先存储的行为数据确定模块，用于对于每个多媒体数据，将所排序模块，用于按照兴趣度由高到低的顺序对各多媒将所述账户信息、以及所述目标账户对所述多媒体数4[0012]可选地，所述将所述目标账户对所述多媒体数据的不同行为类型的行为发生概[0014]可选地，在将所述目标账户对所述多媒体数据的不同行为类型偏好信息用于指示所述样本账户是否偏好于5[0019]如果所述至少一个样本行为数据中存在与预设行为集合中的任一行为数据相匹[0020]如果所述至少一个样本行为数据中不存在与预设行为集合中的任一行为数据相匹配的样本行为数据，则确定所述偏好信息为所述样本账户不偏好于所述样本多媒体数[0021]可选地，在将所述目标账户对所述多媒体数据的不同行为类型6[0040]如果所述至少一个样本行为数据中存在与预设行为集合中的任一行为数据相匹[0041]如果所述至少一个样本行为数据中不存在与预设行为集合中的任一行为数据相匹配的样本行为数据，则确定所述偏好信息为所述样本账户不偏好于所述样本多媒体数7[0059]图5是根据一示例性实施例示出的一种账户对多媒体数据不感兴趣的原因示意(NatureLanguageprocessing,NLP)以及机器学习(MachineLearning,ML)/深度学习等[0068]本公开实施例涉及人工智能中的机器学习方向。机器学习是一门多领域交叉学8[0074]服务器可以针对不同账户，分析不同账户可能比较感兴趣的选取任一账户最为可能感兴趣的多媒体数据推荐给该账户，这种推荐方式比较有针对性，同行为类型的行为发生概率，将目标账户对多媒体数据的不同行为类型的行为发生概率，[0077]在实施中，服务器可以在数据库中确定可能作为推荐到终端的9公开实施例提供的方法利用了网络模型(深度神经网络模型)能够拟合任意复杂函数的特账户的账户信息一起进行融合，输出符合目标账户个性化的对不同多媒体数据的兴趣度，[0084]在实施中，服务器可以在数据库中确定可能作为推荐到终端的可以将采集到的用户对某一多媒体数据不感兴趣的原因作为该用户的日志的内容进行记[0093]服务器可以针对不同账户，分析不同账户可能比较感兴趣的选取任一账户最为可能感兴趣的多媒体数据推荐给该账户，这种推荐方式比较有针对性，本账户对样本多媒体数据存在与预设行为集合中的某一行为数据相匹配的样本行为数据一行为数据相匹配的样本行为数据时，将对应的y(taski)记为0。例如，以分享为例，y(taski)＝1表示用户分享了样本多媒体数据，y(taski)＝0为用户没有分享样本多媒体数[0104]在获取到大量的样本账户对大量的样本多媒体数据分别对应的样本行为数据之[0106]在实施中，可以将样本账户对样本多媒体数据的偏好信息作为模型训练监督样重参数的和值，该和值即可作为模型训练监督样本。可以将权重参数的和值记为weight，不存在与预设行为集合中的第i个行为数据相匹配的样本行为数据。wi为预设行为集合中[0116]在实施中，可以预先给定预设行为集合中的每个行为数据分由于该权重参数不一定能够真实反映出样本账户在产生预设行为集合中的某一行为数据[0117]粒子滤波参数采样算法是一种基于蒙特卡洛重要性采样思想的最优化问题的求[0123]可以只执行步骤S402-步骤S403，跳过步骤S404-步骤S406，也可以只执行步骤[0125]在实施中，服务器可以在数据库中确定可能作为推荐到终端的[0130]在实施中，服务器可以在数据库中确定可能作为推荐到终端的融合模型(兴趣度评价网络模型)进行训练。在对目标融合的权重参数进行调整的过程中，[0150]如果所述至少一个样本行为数据中存在与预设行为集合中的任一行为数据相匹[0151]如果所述至少一个样本行为数据中不存在与预设行为集合中的任一行为数据相匹配的样本行为数据，则确定所述偏好信息为所述样本账户不偏好于所述样本多媒体数[0158]需要说明的是：上述实施例提供的推荐多媒体数据的装置在[0159]图9示出了本公开一个示例性实施例提供的服务器1900的结构示意图。该服务器者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识