[发明专利]时长预测模型训练方法、推荐方法、装置、设备及介质

说明书

本申请涉及一种时长预测模型训练方法、推荐方法、装置、设备及介质，方法包括：构建时长预测模型；获取多媒体数据样本库，多媒体数据样本库包括：历史多媒体样本数据，和基于历史多媒体样本数据的标签关联多媒体样本数据；从多媒体数据样本库中抽取预设量的多媒体数据样本，生成多个多媒体数据样本组合；分别对每个多媒体数据样本组合执行以下训练过程：将多媒体数据样本组合输入至时长预测模型，通过时长预测模型，输出多媒体数据样本组合的预测播放时长；计算预测播放时长与验证值的一致率；若一致率大于预设阈值，时长预测模型训练完成。本申请用以解决现有的由于推荐视频内容单一，导致用户观感疲劳，观看时长下降的问题。

技术领域

本申请涉及计算机技术领域，尤其涉及一种时长预测模型训练方法、推荐方法、装置、设备及介质。

背景技术

现有的视频类应用程序的首页推荐位是承接用户个性化推荐流量的最大入口，视频类应用程序通过首页推荐位推荐用户感兴趣的视频，用于提高用户的观看时长。

现有的推荐位显示的视频，是通过打分模型(pointwise模型)对用户可能感兴趣的视频进行打分，根据分值进行视频推荐。然而，在这个过程中，用户可能感兴趣的视频大多为用户历史观看过的视频，并且用户历史观看过的视频打分较高，因此，导致推荐位显示的大多为用户历史观看过的视频。

这种推荐情况下，由于推荐的视频大多为用户历史观看过的视频，推荐内筒单一，导致用户观感疲劳，反而致使推荐位推荐的视频没有提高用户的观看时长。

发明内容

本申请提供了一种时长预测模型训练方法、推荐方法、装置、设备及介质，用以解决现有的由于推荐视频内容单一，导致用户观感疲劳，观看时长下降的问题。

第一方面，本申请提供了一种时长预测模型的训练方法，包括：

构建时长预测模型；

获取多媒体数据样本库，所述多媒体数据样本库包括：历史多媒体样本数据，和基于所述历史多媒体样本数据的标签关联多媒体样本数据；

从所述多媒体数据样本库中抽取预设量的多媒体数据样本，生成多个多媒体数据样本组合；

分别对每个所述多媒体数据样本组合执行以下训练过程：将所述多媒体数据样本组合输入至所述时长预测模型，通过所述时长预测模型，输出所述多媒体数据样本组合的预测播放时长；

计算所述预测播放时长与验证值的一致率；

若所述一致率大于预设阈值，所述时长预测模型训练完成。

可选地，所述多媒体数据样本组合中，所述历史多媒体样本数据的数量占比依次递增。

第二方面本申请提供了一种推荐方法，应用于服务器，所述方法包括：

获取目标账户的多媒体数据库，所述多媒体数据库包括：与所述目标账户关联的历史多媒体数据，和基于所述历史多媒体数据的标签关联多媒体数据；

从所述多媒体数据库中抽取预设量的多媒体数据，生成多个多媒体数据组合；

将多个所述多媒体数据组合分别输入至时长预测模型，获得每个所述多媒体数据组合的预测播放时长；

根据所述预测播放时长，确定目标多媒体数据内容组合；

生成所述目标多媒体数据内容组合的推荐信息，将所述推荐信息发送至所述目标账户对应的客户端设备，以使所述客户端设备显示所述推荐信息。

可选地，从所述多媒体数据库中抽取预设量的多媒体数据，生成多个多媒体数据组合，包括：

构建第一数据池和第二数据池，所述第一数据池用于存储所述历史多媒体数据，所述第二数据池用于存储所述标签关联多媒体数据；