[发明专利]多媒体文件推荐方法、装置、电子设备及可读存储介质

说明书

本发明实施例提供了多媒体文件推荐方法、装置、电子设备及可读存储介质，涉及计算机技术领域，可以向用户推荐用户感兴趣的多媒体文件。本发明实施例包括：获取待推荐用户的历史访问记录，历史访问记录为待推荐用户在指定时间段内访问过的多媒体文件。然后基于历史访问记录包括的多媒体文件，生成待推荐用户的历史访问标签集合。同时获取每个待推荐多媒体文件的标签集合。再基于预设深度语义匹配模型，确定历史访问标签集合对应的语义向量与每个待推荐多媒体文件的标签集合对应的语义向量之间的相似度。接着根据历史访问标签集合对应的语义向量与每个待推荐多媒体文件的标签集合对应的语义向量之间的相似度，选择为待推荐用户推荐的待推荐文件。

技术领域

本发明涉及计算机技术领域，特别是涉及多媒体文件推荐方法、装置、电子设备及可读存储介质。

背景技术

随着网络技术的发展，用户越来越频繁地访问各种网站，以通过网站来浏览自己感兴趣的多媒体文件。例如，用户常常通过访问视频网站来观看自己喜爱的视频。

但是，网站向每个用户所推荐的内容是一样的。而对于不同用户而言，每个用户感兴趣的多媒体文件是不相同的。这样，使得网站所推荐的内容无法满足用户的个性化需求。

发明内容

本发明实施例的目的在于提供多媒体文件推荐方法、装置、电子设备及可读存储介质，以向用户推荐用户感兴趣的多媒体文件，从而实现个性化推荐。具体技术方案如下：

第一方面，本发明实施例提供了一种多媒体文件推荐方法，可以包括：

获取待推荐用户的历史访问记录，所述历史访问记录为所述待推荐用户在指定时间段内访问过的多媒体文件；

基于所述历史访问记录包括的多媒体文件，生成所述待推荐用户的历史访问标签集合；

获取每个待推荐多媒体文件的标签集合；

基于预设深度语义匹配模型，确定所述历史访问标签集合对应的语义向量与每个待推荐多媒体文件的标签集合对应的语义向量之间的相似度；其中，所述预设深度语义匹配模型为基于样本训练集对初始深度语义匹配模型训练得到的模型，所述样本训练集包括每个样本用户的样本历史访问标签集合、正样本标签集合和负样本标签集合；针对每个样本用户，该样本用户的样本历史访问标签集合包括：该样本用户在历史时间段内访问过的多媒体文件对应的标签；该样本用户的正样本标签集合包括：该样本用户最近一次访问的多媒体文件对应的标签；该样本用户的负样本标签集合包括：预设数量的其他样本用户在所述历史时间段内访问过的多媒体文件对应的标签；

根据所述历史访问标签集合对应的语义向量与每个待推荐多媒体文件的标签集合对应的语义向量之间的相似度，选择为所述待推荐用户推荐的待推荐文件。

在一种可能的实现方式中，所述预设深度语义匹配模型通过以下步骤训练获得：

构建所述样本训练集；

将所述样本训练集包括的一个样本用户的样本历史访问标签集合、正样本标签集合和负样本标签集合输入所述初始深度语义匹配模型，获取所述初始深度语义模型输出的第一相似度和第二相似度，所述第一相似度为样本用户的样本历史访问标签集合与正样本标签集合之间的语义相似度，所述第二相似度为样本用户的样本历史访问标签集合与负样本标签之间的语义相似度；

基于所述第一相似度和所述第二相似度计算损失函数值，根据所述损失函数值，判断所述初始深度语义匹配模型是否收敛；

如果所述初始深度语义匹配模型未收敛，则根据所述损失函数值调整所述初始深度语义匹配模型的网络参数，并返回将所述样本训练集包括的一个样本用户的样本历史访问标签集合、正样本标签集合和负样本标签集合输入所述初始深度语义匹配模型的步骤；

如果所述初始深度语义匹配模型收敛，则将当前的初始深度语义匹配模型作为所述预设深度语义匹配模型。