基于大数据的媒体智能推荐系统、方法及存储介质与流程

1.本发明涉及大数据技术领域，具体为一种基于大数据的媒体智能推荐系统、方法及存储介质。


背景技术：

2.随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。在信息过载的时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：作为信息消费者，如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情；作为信息生产者，如何让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。
3.推荐系统就是解决这一矛盾的重要工具，推荐系统根据用户的历史数据，例如观看记录，来寻找和用户观看记录中相似的内容，推荐给用户，但是这样的推荐系统，针对性较差，不能对用户进行个性化的推荐。


技术实现要素：

4.本发明的目的之一在于提供一种基于大数据的媒体智能推荐系统，对用户进行个性化的推荐，增加推荐的针对性。
5.本发明提供的基础方案一：基于大数据的媒体智能推荐系统，包括：标签子系统、推荐子系统和存储子系统；
6.标签子系统，用于对用户数据和媒资库数据进行打标；
7.推荐子系统，用于采集用户数据和媒资库数据，并对数据进行清洗，发送给存储子系统；还用于对用户数据和媒资库数据进行标签提取，采用相似度算法模型对提取结果进行相似度计算；还用于根据计算结果生成推荐数据，并采用排序算法对推荐数据进行排序，并输出排序结果；
8.存储子系统，用于存储清洗后的用户数据和媒资库数据，以及打标后的用户数据和媒资库数据。
9.基础方案一的有益效果：采集用户数据和媒资库数据，对用户数据和媒资库数据进行清洗，从而去除用户数据和媒资库数据中不合理的数据，便于后续处理，同时提高后续处理的准确度，对用户数据和媒资库数据进行打标，即添加标签，从而描绘出用户的画像；对用户数据和媒资库数据进行标签提取，采用相似度算法模型对提取结果进行相似度计算，根据计算结果生成推荐数据，采用排序算法对推荐数据进行排序，并输出排序结果，排序结果是根据用户的画像，即标签，进行确定的，不同用户根据其用户数据和媒资库数据，会添加不同的标签，进而得到不同的用户画像，从而能有针对性的生成排序结果，对用户进行个性化的推荐，并且可以根据业务场景的变化不断调优。
10.进一步，所述推荐子系统，包括：数据采集模块；
11.所述数据采集模块，用于采集用户数据和媒资库数据，并对用户数据和媒资库数据进行清洗；所述清洗，包括：判断用户数据和媒资库数据是否符合预设范围，若是，则保留
该用户数据和媒资库数据，若否，则清除该用户数据和媒资库数据；
12.所述标签子系统，包括：标签设置模块；
13.标签设置模块，用于判断用户数据和媒资库数据是否符合预设标签条件，若是，则为用户数据和媒资库数据添加对应标签；若否，则不为用户数据和媒资库数据添加对应标签；判断数据的标签是否符合预设行标签条件，若是，则将标签进行组合设置为行标签。
14.有益效果：对数据进行清除，去除不合理的数据，减少后续计算量，同时提高计算准确度，对用户数据和媒资库数据添加对应标签后，若添加了多个标签可以将标签进行组合设置为行标签，从而形成新的标签。
15.进一步，所述标签设置模块，包括智能标签设置子模块、条件标签设置子模块和组合标签设置子模块；
16.智能标签设置子模块，用于对用户数据和媒资库数据进行自动化标签设置；
17.条件标签设置子模块，用于判断用户数据和媒资库数据是否符合预设标签条件，若是，则为用户数据和媒资库数据添加对应标签；若否，则不为用户数据和媒资库数据添加对应标签；
18.组合标签设置子模块，用于判断数据的标签是否符合预设行标签条件，若是，则将标签进行组合设置为行标签；
19.所述标签子系统，还包括标签管理模块和权限管理模块；
20.标签管理模块，用于增加、删除、修改和查看标签；
21.权限管理模块，用于设置运维人员的权限。
22.有益效果：对数据进行清除，去除不合理的数据，减少后续计算量，同时提高计算准确度，对用户数据和媒资库数据添加对应标签后，若添加了多个标签可以将标签进行组合设置为行标签，从而形成新的标签。
23.进一步，所述推荐子系统，还包括特征提取模块、算法库和对外数据接口；
24.对外数据接口，包括：实时数据流接口和离线数据流接口；
25.特征提取模块，用于对用户数据和媒资库数据进行标签提取；
26.算法库，用于存储相似度算法模型和排序算法，采用相似度算法模型对提取结果进行相似度计算，获得包括特征向量、排序向量和召回索引的计算结果；根据计算结果更新生成的推荐数据，采用排序算法对推荐数据进行排序；判断当前媒体智能推荐系统是否处于离线状态，若否，则通过实时数据流接口将排序结果推送给用户端；若是，则将排序结果发送到存储子系统进行存储；
27.所述存储子系统，还用于存储排序结果，并根据用户端需求调取推荐数据通过离线数据流接口推送给用户端。
28.有益效果：离线时或者用户是首次使用，用户数据不多时，提前保存到数据库，再根据用户端需求调取数据库中的推荐数据推送给用户端，保证用户在离线时的推荐数据获取。
29.进一步，所述用户数据，包括：用户属性数据和用户行为数据；其中用户属性数据包括：年龄和性别；用户行为数据包括：用户播放数据、用户点击数据、用户产品和服务购买数据和用户搜索数据；
30.所述媒资库数据包括iptv数据、移动端电视数据和缓存视频数据。
31.有益效果：用户数据和媒资库数据包含多种数据，能从多方面进行相似度计算，从而获得更准确的更具有针对性的推荐数据。
32.本发明的目的之二在于提供一种基于大数据的媒体智能推荐方法，对用户进行个性化的推荐，增加推荐的针对性。
33.本发明提供基础方案二：基于大数据的媒体智能推荐方法，包括如下内容:
34.采集用户数据和媒资库数据；
35.对用户数据和媒资库数据进行清洗和打标；
36.对用户数据和媒资库数据进行标签提取；
37.采用相似度算法模型对提取结果进行相似度计算；
38.根据计算结果生成推荐数据；
39.采用排序算法对推荐数据进行排序，并输出排序结果。
40.基础方案二的有益效果：采集用户数据和媒资库数据，对用户数据和媒资库数据进行清洗，从而去除用户数据和媒资库数据中不合理的数据，便于后续处理，同时提高后续处理的准确度，对用户数据和媒资库数据进行打标，即添加标签，从而描绘出用户的画像；对用户数据和媒资库数据进行标签提取，采用相似度算法模型对提取结果进行相似度计算，根据计算结果生成推荐数据，采用排序算法对推荐数据进行排序，并输出排序结果，排序结果是根据用户的画像，即标签，进行确定的，不同用户根据其用户数据和媒资库数据，会添加不同的标签，进而得到不同的用户画像，从而能有针对性的生成排序结果，对用户进行个性化的推荐，并且可以根据业务场景的变化不断调优。
41.进一步，所述清洗，包括：判断用户数据和媒资库数据是否符合预设范围，若是，则保留该用户数据和媒资库数据，若否，则清除该用户数据和媒资库数据；
42.所述打标，包括：判断用户数据和媒资库数据是否符合预设标签条件，若是，则为用户数据和媒资库数据添加对应标签；若否，则不为用户数据和媒资库数据添加对应标签；
43.判断数据的标签是否符合预设行标签条件，若是，则将标签进行组合设置为行标签。
44.有益效果：对数据进行清除，去除不合理的数据，减少后续计算量，同时提高计算准确度，对用户数据和媒资库数据添加对应标签后，若添加了多个标签可以将标签进行组合设置为行标签，从而形成新的标签。
45.进一步，所述相似度计算，包括近线计算和离线计算；
46.近线计算：采用相似度算法模型对提取结果进行相似度计算，获得包括特征向量、排序向量和召回索引的计算结果；根据近线计算的计算结果更新生成的推荐数据，采用排序算法对推荐数据进行排序，并将排序结果推送给用户端；
47.离线计算：采用相似度算法模型对提取结果进行相似度计算，获得包括特征向量、排序向量和召回索引的计算结果；根据离线计算的计算结果更新生成的推荐数据，采用排序算法对推荐数据进行排序，并发送到数据库中进行存储，离线时，根据用户端需求调取数据库中的推荐数据推送给用户端。
48.有益效果：近线计算是针对实时采集的数据，在线时，进行近线计算能及时向用户端进行内容推荐，离线计算是针对历史采集的数据，离线时或者用户是首次使用，用户数据不多时，通过离线计算，提前保存到数据库，再根据用户端需求调取数据库中的推荐数据推
送给用户端。
49.进一步，所述用户数据，包括：用户属性数据和用户行为数据；其中用户属性数据包括：年龄和性别；用户行为数据包括：用户播放数据、用户点击数据、用户产品和服务购买数据和用户搜索数据；
50.所述媒资库数据包括iptv数据、移动端电视数据和缓存视频数据。
51.有益效果：用户数据和媒资库数据包含多种数据，能从多方面进行相似度计算，从而获得更准确的更具有针对性的推荐数据。
52.本发明的目的之三在于提供一种基于大数据的媒体智能推荐存储介质，对用户进行个性化的推荐，增加推荐的针对性。
53.本发明提供基础方案三：基于大数据的媒体智能推荐存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现任一项上述基于大数据的媒体智能推荐存储方法的步骤。
54.基础方案三的有益效果：基于大数据的媒体智能推荐存储介质,所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现任一项上述基于大数据的媒体智能推荐方法的步骤，以便于基于大数据的媒体智能推荐方法的应用，对用户进行个性化的推荐，增加推荐的针对性。
附图说明
55.图1为本发明基于大数据的媒体智能推荐系统实施例的逻辑框图；
56.图2为本发明基于大数据的媒体智能推荐方法实施例的流程示意图。
具体实施方式
57.下面通过具体实施方式进一步详细说明：
58.实施例一
59.实施例基本如附图1所示：基于大数据的媒体智能推荐系统，包括：标签子系统、推荐子系统和存储子系统；
60.标签子系统，用于对用户数据和媒资库数据进行打标；所述打标即添加标签。具体的：标签子系统，包括：标签设置模块、标签管理模块和权限管理模块；
61.标签设置模块，用于判断用户数据和媒资库数据是否符合预设标签条件，若是，则为用户数据和媒资库数据添加对应标签；若否，则不为用户数据和媒资库数据添加对应标签；判断数据的标签是否符合预设行标签条件，若是，则将标签进行组合设置为行标签；具体的：标签设置模块，包括智能标签设置子模块、条件标签设置子模块和组合标签设置子模块；
62.智能标签设置子模块，用于对用户数据和媒资库数据进行自动化标签设置，智能标签设置子模块采用人工智能根据用户数据和媒资库数据包括的具体内容自动设置预设标签条件，再自动进行添加，可根据对文本内容的分词、词频计算和主题识别的结果，自动将每一个用户和资源进行打标，例如：用户数据中包括用户属性数据，用户属性数据包括年龄，则智能标签设置子模块根据年龄，自动设置预设标签条件：年龄大于等于18岁为成年人，年龄小于18岁为未成年人；从而判断用户数据中年龄是否满足预设标签条件，若是，则
为用户数据添加对应的成年人标签或者未成年人标签；若否，则不为用户数据添加对应的标签；
63.条件标签设置子模块，用于判断用户数据和媒资库数据是否符合预设标签条件，若是，则为用户数据和媒资库数据添加对应标签；若否，则不为用户数据和媒资库数据添加对应标签；其中预设标签条件可以根据实际使用场景进行设置；
64.组合标签设置子模块，用于判断数据的标签是否符合预设行标签条件，若是，则将标签进行组合设置为行标签；即通过用户数据和媒资库数据中多个具体的数据进行设置预设行标签条件，例如：用户数据中包括用户属性数据，用户属性数据包括年龄和性别，用户数据的标签包括以年龄为预设标签条件和以性别为预设标签条件的两类标签，预设行标签条件为：标签包含儿童标签和女性标签，则将标签组合设置为女童标签，从而形成新的标签。
65.标签管理模块，用于增加、删除、修改和查看标签；
66.权限管理模块，用于设置运维人员的权限，不同权限的运维人员对可使用的标签管理模块的功能不同。
67.推荐子系统，用于采集用户数据和媒资库数据，并对数据进行清洗，发送给存储子系统；还用于对用户数据和媒资库数据进行标签提取，采用相似度算法模型对提取结果进行相似度计算；还用于根据计算结果生成推荐数据，并采用排序算法对推荐数据进行排序，并输出排序结果；具体的，推荐子系统，包括：数据采集模块、特征提取模块、算法库和对外数据接口；
68.数据采集模块，用于采集用户数据和媒资库数据，并对用户数据和媒资库数据进行清洗；所述清洗，包括：判断用户数据和媒资库数据是否符合预设范围，若是，则保留该用户数据和媒资库数据，若否，则清除该用户数据和媒资库数据，例如：用户数据中的年龄，有些用户会乱设置年龄，从而采集到的年龄是不合理的，因此设置预设范围年龄大于2两岁小于100岁，从而清除掉不属于预设范围的年龄数据，减少不合理数据，既能减少后续计算量，又可以提高计算的准确度。本实施例中数据采集模块采用etl数据仓库技术，采集模块通过与用户端连接，对用户端中用户数据进行采集，同时与媒资库连接，对媒资库数据进行采集。采集用户数据和媒资库数据，可以分为离线数据采集和实时数据采集，若当前媒体智能推荐系统处于离线，则采集存储子系统中存储的用户数据和媒资库数据，若当前媒体智能推荐系统能进行网络通信，则采集用户端中的用户数据和媒资库中的媒资库数据；
69.对外数据接口，包括：实时数据流接口和离线数据流接口；实时数据流接口用于实时数据的传输；离线数据流接口用于离线数据的传输。
70.特征提取模块，用于对用户数据和媒资库数据进行标签提取，从而分别获得用户的特征向量和内容的特征向量；
71.算法库，用于存储相似度算法模型进而排序算法，采用相似度算法模型对提取结果进行相似度计算，获得包括特征向量、排序向量和召回索引的计算结果；具体为：根据用户的特征向量，计算用户之间的相似度矩阵，根据内容的特征向量，计算每个媒资库数据的内容的相似度矩阵；还分别计算用户数据和媒资库数据的杰卡德相似系数、夹角余弦、欧式距离和曼哈顿距离，各类相似度参数越大，相似度越高；还用于根据计算结果更新生成的推荐数据，选择相似度高于预设相似度的媒资库数据，或者用户数据以及其对应的媒资库数
据，作为推荐数据，采用排序算法对推荐数据进行排序，本实施例中排序算法包括：lr、gbdt和xgoost；判断当前媒体智能推荐系统是否处于离线状态，若否，则通过实时数据流接口将排序结果推送给用户端；若是，则将排序结果发送到存储子系统进行存储；
72.存储子系统，采用数据库，用于存储清洗后的用户数据和媒资库数据，以及打标后的用户数据和媒资库数据；还用于存储排序结果，并根据用户端需求调取推荐数据通过离线数据流接口推送给用户端。
73.上述用户数据，包括：用户属性数据和用户行为数据；其中用户属性数据包括：年龄和性别；用户行为数据包括：用户播放数据、用户点击数据、用户产品和服务购买数据和用户搜索数据；媒资库数据包括iptv数据、移动端电视数据和缓存视频数据，也可根据实际需求设置。
74.实施例二
75.本实施例与上述实施例基本相同，区别在于：所述推荐子系统，还包括：场景信息采集模块、场景分析模块和场景匹配推荐模块；
76.场景信息采集模块，用于采集用户当前所处环境的场景信息；其中场景信息包括但不限于：用户端网络信息、环境声信息、位置信息和音频输出端信息；
77.用户端网络信息是指表示用户端网络速度的信息；
78.环境声信息是指用户当前所处环境的声音的信息；
79.位置信息是指用户当前所处环境的位置；
80.音频输出端信息是指当前用户端的音频输出端，音频输出端包括：扬声器和耳机；
81.场景分析模块，用于对场景信息进行分析，获取用户场景需求信息；其中用户场景需求信息，包括：网络状态信息、环境信息、位置信息和用户端播放状态信息；
82.具体为：根据用户端网络信息，对用户当前网络状况进行评估，获得网络状态信息；本实施例中判断用户端网络信息是否大于预设网络速度，若是，则网络状态信息为合格；若否，则网络状态信息为不合格；
83.根据环境声信息，采用卷积神经网络识别用户当前所处环境，获得用户的环境信息；
84.根据位置信息，判断用户当前所处的位置是否符合预设安静区域条件，若是，则将位置信息标记为安静区域；若否，则将位置信息标记为非安静区域；本实施例中安静区域条件为位置为学校、医院和影院；也可以根据实际需求设置安静区域条件，当前位置属于安静区域条件中的区域，则将该位置信息标记为安静区域；
85.判断音频输出端信息，获取用户端播放状态信息；具体地，判断音频输出端是扬声器还是耳机，若是扬声器，则用户端播放状态信息为外放；若是耳机，则用户端播放状态信息为非外放。
86.场景匹配推荐模块，用于根据用户场景需求信息、预设的内容推荐策略和广告播放策略，进行推荐；具体为：判断用户场景需求信息中网络状态信息是否为合格，若是，则触发推荐子系统，同时将环境信息发送给推荐子系统中的算法库，算法库对采用排序算法对推荐数据进行排序时，若推荐数据相似度相同，则判断推荐数据和环境信息的匹配度，将匹配度更高的推荐数据排列在前，例如：推荐数据包括若干个相声视频，其中两个相声视频相识度相同，一个是主题是关于车站，一个主题是关于学校，环境信息为车站，则将主题是关
于车站的相声视频排列在前；每个推荐数据中包含的广告数据，根据环境信息进行选择，例如：环境信息为车站，则获取和车站相关活动的广告数据，作为推荐数据中的广告数据，其中和车站相关活动的广告数据包括但不限于：旅行app、打车app和抢票app；从而提升用户体验，并且根据正对性的进行广告营销；
87.判断位置信息中的标记是否为安静区域，若是，则判断用户端播放状态信息是否为外放，若是，则删除推荐数据中未含有字幕的推荐数据；因为处于安静区域的用户在没有耳机的情况下会关闭声音或者调小到不影响他人的音量，这会使用户自己也听不清声音，因此删除推荐数据中未含有字幕的推荐数据，那么用户选择推荐数据进行播放时，都是包含字幕的，从而就算没有声音也不影响用户的观影体验；
88.若否，则触发存储子系统调取存储推荐数据通过离线数据流接口推送给用户端。
89.实施例三
90.本实施例基本如附图2所示：基于大数据的媒体智能推荐方法，包括如下内容:
91.采集用户数据和媒资库数据；
92.对用户数据和媒资库数据进行清洗和打标；其中清洗，包括：判断用户数据和媒资库数据是否符合预设范围，若是，则保留该用户数据和媒资库数据，若否，则清除该用户数据和媒资库数据；
93.打标，包括：判断用户数据和媒资库数据是否符合预设标签条件，若是，则为用户数据和媒资库数据添加对应标签；若否，则不为用户数据和媒资库数据添加对应标签；具体的，打标包括：自动化打标，根据用户数据和媒资库数据包括的具体内容自动设置预设标签条件，再自动进行添加，可根据对文本内容的分词、词频计算和主题识别的结果，自动将每一个用户和资源进行打标，例如：用户数据中包括用户属性数据，用户属性数据包括年龄，则智能标签设置子模块根据年龄，自动设置预设标签条件：年龄大于等于18岁为成年人，年龄小于18岁为未成年人，从而判断用户数据中年龄是否满足预设标签条件，若是，则为用户数据添加对应的成年人标签或者未成年人标签；若否，则不为用户数据添加对应的标签；用户设置打标，预设标签条件可以根据实际使用场景进行设置；
94.判断数据的标签是否符合预设行标签条件，若是，则将标签进行组合设置为行标签，例如：用户数据中包括用户属性数据，用户属性数据包括年龄和性别，用户数据的标签包括以年龄为预设标签条件和以性别为预设标签条件的两类标签，预设行标签条件为：标签包含儿童标签和女性标签，则将标签组合设置为女童标签，从而形成新的标签。
95.对用户数据和媒资库数据进行标签提取，从而分别获得用户的特征向量和内容的特征向量；
96.采用相似度算法模型对提取结果进行相似度计算；其中相似度计算，包括近线计算和离线计算；
97.近线计算：采用相似度算法模型对提取结果进行相似度计算，获得包括特征向量、排序向量和召回索引的计算结果；具体为：根据用户的特征向量，计算用户之间的相似度矩阵，根据内容的特征向量，计算每个媒资库数据的内容的相似度矩阵；还分别计算用户数据和媒资库数据的杰卡德相似系数、夹角余弦、欧式距离和曼哈顿距离，各类相似度参数越大，相似度越高；还用于根据计算结果更新生成的推荐数据，选择相似度高于预设相似度的媒资库数据，或者用户数据以及其对应的媒资库数据，作为推荐数据，采用排序算法对推荐
数据进行排序，本实施例中排序算法包括：lr、gbdt和xgoost。根据近线计算的计算结果更新生成的推荐数据，采用排序算法对推荐数据进行排序，并将排序结果推送给用户端；
98.离线计算：采用相似度算法模型对提取结果进行相似度计算，获得包括特征向量、排序向量和召回索引的计算结果；根据离线计算的计算结果更新生成的推荐数据，采用排序算法对推荐数据进行排序，并发送到数据库中进行存储，离线时，根据用户端需求调取数据库中的推荐数据推送给用户端；
99.根据计算结果生成推荐数据；
100.采用排序算法对推荐数据进行排序，并输出排序结果。
101.上述用户数据，包括：用户属性数据和用户行为数据；其中用户属性数据包括：年龄和性别；用户行为数据包括：用户播放数据、用户点击数据、用户产品和服务购买数据和用户搜索数据；媒资库数据包括iptv数据、移动端电视数据和缓存视频数据。
102.上述基于大数据的媒体智能推荐方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
103.实施例四
104.本实施例与上述实施例基本相同，区别在于：还包括：
105.采集用户当前所处环境的场景信息；其中场景信息包括但不限于：用户端网络信息、环境声信息、位置信息和音频输出端信息；
106.用户端网络信息是指表示用户端网络速度的信息；
107.环境声信息是指用户当前所处环境的声音的信息；
108.位置信息是指用户当前所处环境的位置；
109.音频输出端信息是指当前用户端的音频输出端，音频输出端包括：扬声器和耳机；
110.对场景信息进行分析，获取用户场景需求信息；其中用户场景需求信息，包括：网络状态信息、环境信息、位置信息和用户端播放状态信息；具体为：根据用户端网络信息，对用户当前网络状况进行评估，获得网络状态信息；本实施例中判断用户端网络信息是否大于预设网络速度，若是，则网络状态信息为合格；若否，则网络状态信息为不合格；
111.根据环境声信息，采用卷积神经网络识别用户当前所处环境，获得用户的环境信息；
112.根据位置信息，判断用户当前所处的位置是否符合预设安静区域条件，若是，则将位置信息标记为安静区域；若否，则将位置信息标记为非安静区域；本实施例中安静区域条件为位置为学校、医院和影院；也可以根据实际需求设置安静区域条件，当前位置属于安静区域条件中的区域，则将该位置信息标记为安静区域；
113.判断音频输出端信息，获取用户端播放状态信息；具体地，判断音频输出端是扬声
器还是耳机，若是扬声器，则用户端播放状态信息为外放；若是耳机，则用户端播放状态信息为非外放。
114.根据用户场景需求信息、预设的内容推荐策略和广告播放策略，进行推荐；具体为：判断用户场景需求信息中网络状态信息是否为合格，若是，则进行近线计算，同时采用排序算法对推荐数据进行排序时，若推荐数据相似度相同，则判断推荐数据和环境信息的匹配度，将匹配度更高的推荐数据排列在前，例如：推荐数据包括若干个相声视频，其中两个相声视频相识度相同，一个是主题是关于车站，一个主题是关于学校，环境信息为车站，则将主题是关于车站的相声视频排列在前；每个推荐数据中包含的广告数据，根据环境信息进行选择，例如：环境信息为车站，则获取和车站相关活动的广告数据，作为推荐数据中的广告数据，其中和车站相关活动的广告数据包括但不限于：旅行app、打车app和抢票app；从而提升用户体验，并且根据正对性的进行广告营销；
115.判断位置信息中的标记是否为安静区域，若是，则判断用户端播放状态信息是否为外放，若是，则删除推荐数据中未含有字幕的推荐数据；因为处于安静区域的用户在没有耳机的情况下会关闭声音或者调小到不影响他人的音量，这会使用户自己也听不清声音，因此删除推荐数据中未含有字幕的推荐数据，那么用户选择推荐数据进行播放时，都是包含字幕的，从而就算没有声音也不影响用户的观影体验；
116.若否，则进行离线计算。
117.以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。