媒体信息推荐方法、装置、设备、程序以及存储介质与流程

本发明涉及信息处理技术，尤其涉及基于推荐模型的媒体信息推荐方法、装置、电子设备、计算机程序产品以及存储介质，使得本方案可应用的领域包括但不限于自动驾驶、车联网、智慧交通等领域。

背景技术：

1、人工智能(ai，artificial intelligence)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

2、相关技术中，向用户推荐进行媒体信息推荐时，通常基于待推荐对象自身的内容历史交互记录进行内容推荐，或者，查找同一系统中与待推荐对象具有相似历史行为的用户对象，以该用户对象的交互内容作为推荐内容向待推荐用户进行推荐，然而，对于冷启动的情况，系统中没有或仅有很少用户-内容历史交互记录，则难以实现准确地媒体信息推荐。

技术实现思路

1、有鉴于此，本发明实施例提供一种基于推荐模型的媒体信息推荐方法、装置、电子设备、软件程序以及存储介质，能够增强了冷启动状态下媒体信息推荐的准确性与时效性，有效提高媒体信息的推荐的质量，提升用户的使用体验。

2、本发明实施例提供了一种基于推荐模型的媒体信息推荐方法，所述推荐模型包括中心子模型、确定子模型及至少两个外围子模型，每个所述外围子模型对应一个媒体信息域，所述方法包括：

3、获取用于表征目标对象偏好的媒体信息的原始特征，并获取在各所述媒体信息域下，所述目标对象对应的媒体信息的域特征；

4、通过所述中心子模型，对所述原始特征进行特征映射，得到所述原始特征在目标语义空间下的中心特征；

5、分别通过各所述外围子模型，对相应媒体信息域下的所述域特征进行特征映射，得到所述域特征在所述目标语义空间下的外围特征；

6、通过所述确定子模型，基于所述中心特征及各所述媒体信息域对应的外围特征，从至少两个所述媒体信息域中确定目标媒体信息域；

7、以所述目标媒体信息域作为推荐参考，对所述目标对象进行冷启动状态下媒体信息域的内容推荐。

8、本发明实施例还提供了一种基于推荐模型的媒体信息推荐装置所述推荐模型包括中心子模型、确定子模型及至少两个外围子模型，每个所述外围子模型对应一个媒体信息域，所述装置包括：

9、信息传输模块，用于获取用于表征目标对象偏好的媒体信息的原始特征，并获取在各所述媒体信息域下，所述目标对象对应的媒体信息的域特征；

10、信息处理模块，用于获取用于表征目标对象偏好的媒体信息的原始特征，并获取在各所述媒体信息域下，所述目标对象对应的媒体信息的域特征；

11、所述信息处理模块，用于通过所述中心子模型，对所述原始特征进行特征映射，得到所述原始特征在目标语义空间下的中心特征；

12、所述信息处理模块，用于分别通过各所述外围子模型，对相应媒体信息域下的所述域特征进行特征映射，得到所述域特征在所述目标语义空间下的外围特征；

13、所述信息处理模块，用于通过所述确定子模型，基于所述中心特征及各所述媒体信息域对应的外围特征，从至少两个所述媒体信息域中确定目标媒体信息域；

14、所述信息处理模块，用于以所述目标媒体信息域作为推荐参考，对所述目标对象进行冷启动状态下媒体信息域的内容推荐。

15、上述方案中，所述信息处理模块，用于通过所述确定子模型，将所述中心特征分别与各所述外围特征进行匹配，得到所述中心特征与各所述外围特征的匹配度；

16、所述信息处理模块，用于将匹配度最大的所述外围特征对应的媒体信息域，确定为所述目标媒体信息域。

17、上述方案中，所述信息处理模块，用于获取所述目标对象在所述目标媒体信息域偏好的媒体信息类别；

18、所述信息处理模块，用于基于所述媒体信息类别，在所述冷启动状态下的媒体信息域，对所述目标对象进行相同类别的媒体信息推荐。

19、上述方案中，所述信息处理模块，用于获取所述目标对象在上游媒体信息域的历史查询操作信息；其中，所述上游媒体信息域包括多个所述媒体信息域；

20、所述信息处理模块，用于基于所述历史查询操作信息，确定用于响应所述历史查询操作信息的多个媒体信息中所述目标对象触发的媒体信息；

21、所述信息处理模块，用于对所述历史查询操作信息进行特征提取，得到相应的查询特征，并对所述目标对象触发的媒体信息进行特征提取，得到相应的媒体特征；

22、所述信息处理模块，用于将所述查询特征与所述媒体特征进行拼接，得到用于表征所述目标对象偏好的媒体信息的原始特征。

23、上述方案中，所述信息处理模块，用于当所述目标对象触发的媒体信息的数量为多个时，对多个所述媒体信息进行不同所述媒体信息域的分类，得到分类结果；

24、所述信息处理模块，用于依据所述分类结果，确定各所述媒体信息域所包括的媒体信息的数量；

25、所述信息处理模块，用于将数量达到数量阈值的媒体信息域所包括的媒体信息作为目标媒体信息；

26、所述信息处理模块，用于对所述目标对象触发的媒体信息中的所述目标媒体信息进行特征提取，得到相应的媒体特征。

27、上述方案中，所述信息处理模块，用于当所述媒体信息域所包括的媒体信息为文章时，获取所述文章的标题、所述文章归属的类别及所述文章中的命名实体；

28、所述信息处理模块，用于分别对所述标题、所述类别及所述命名实体进行特征提取，得到相应的标题特征、类别特征及实体特征；

29、所述信息处理模块，用于将所述标题特征、类别特征及实体特征进行拼接，得到所述文章的域特征。

30、上述方案中，所述信息处理模块，用于当所述媒体信息域所包括的媒体信息为视频时，获取所述媒体信息的标题、所述媒体信息归属的类别及所述媒体信息的描述信息；

31、所述信息处理模块，用于分别对所述标题、所述类别及所述描述信息进行特征提取，得到相应的标题特征、类别特征及描述特征；

32、所述信息处理模块，用于将所述标题特征、类别特征及描述特征进行拼接，得到所述媒体信息的域特征。

33、上述方案中，所述信息处理模块，用于当所述媒体信息域所包括的媒体信息为应用时，通过所述媒体信息的下载记录，获取所述媒体信息的标题、所述媒体信息归属的类别及所述媒体信息的描述信息；

34、所述信息处理模块，用于分别对所述标题、所述类别及所述描述信息进行特征提取，得到相应的标题特征、类别特征及描述特征；

35、所述信息处理模块，用于将所述标题特征、类别特征及描述特征进行拼接，得到所述媒体信息的域特征。

36、上述方案中，所述信息处理模块，用于确定所述目标语义空间对应的约束条件；

37、所述信息处理模块，用于通过所述中心子模型，根据所述约束条件对所述原始特征进行特征映射，得到中心特征向量；

38、所述信息处理模块，用于对所述中心特征向量进行加权处理，得到所述原始特征在目标语义空间下的中心特征。

39、上述方案中，所述信息处理模块，用于根据所述媒体信息域的类型，触发对应的外围子模型；

40、所述信息处理模块，用于确定所述目标语义空间对应的约束条件；

41、所述信息处理模块，用于通过所述外围子模型，根据所述约束条件对所述域特征进行特征映射，得到外围特征向量。

42、上述方案中，所述信息处理模块，用于基于所述原始特征和所述域特征的交集对象，确定所述推荐模型的训练样本集合中的训练目标对象；

43、所述信息处理模块，用于根据所述训练目标对象，获取对应原始特征和域特征，以及所述训练样本集合中的每一个原始特征与域特征之间的实际匹配概率；

44、所述信息处理模块，用于将所述原始特征输入至所述中心子模型，并将所述域特征输入至所述外围子模型，获取所述确定子模型输出的所述训练样本集合中的同一训练目标对象的原始特征与域特征之间的预测匹配概率；

45、所述信息处理模块，用于将所述预测匹配概率与所述实际匹配概率进行比较，如果不一致，调整所述推荐模型中不同子模型的模型参数，直至所述原始特征与域特征之间的预测匹配概率与实际匹配概率相同。

46、本发明实施例还提供了一种电子设备，所述电子设备包括：

47、存储器，用于存储可执行指令；

48、处理器，用于运行所述存储器存储的可执行指令时，实现前述的基于推荐模型的媒体信息推荐方法。

49、本发明实施例还提供了一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时，实现前述的基于推荐模型的媒体信息推荐方法。

50、本发明实施例还提供了一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时实现前述的基于推荐模型的媒体信息推荐方法。

51、本发明实施例具有以下有益效果：

52、本发明通过获取用于表征目标对象偏好的媒体信息的原始特征，并获取在各所述媒体信息域下，所述目标对象对应的媒体信息的域特征；通过所述中心子模型，对所述原始特征进行特征映射，得到所述原始特征在目标语义空间下的中心特征；分别通过各所述外围子模型，对相应媒体信息域下的所述域特征进行特征映射，得到所述域特征在所述目标语义空间下的外围特征；通过所述确定子模型，基于所述中心特征及各所述媒体信息域对应的外围特征，从至少两个所述媒体信息域中确定目标媒体信息域；由此，可以实现以所述目标媒体信息域作为推荐参考，对目标对象进行冷启动状态下媒体信息域的内容推荐，增强了冷启动状态下媒体信息推荐的准确性与时效性，有效提高媒体信息的推荐的质量，提升用户的使用体验。