本技術(shù)涉及計(jì)算機(jī)應(yīng)用，尤其涉及媒體數(shù)據(jù)的召回方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)的普及，媒體數(shù)據(jù)出現(xiàn)了爆炸性增長(zhǎng)，因此如何在海量媒體數(shù)據(jù)中篩選出需要的媒體數(shù)據(jù)就要應(yīng)用推薦系統(tǒng)，推薦系統(tǒng)是一種信息過濾系統(tǒng)，旨在根據(jù)用戶的個(gè)人喜好和興趣，提供個(gè)性化的信息推薦，其核心任務(wù)是通過分析和預(yù)測(cè)用戶的行為模式，為其推薦可能感興趣的物品或服務(wù)。而傳統(tǒng)的推薦系統(tǒng)建模方式粗糙，預(yù)測(cè)結(jié)果單一，無法全面反映用戶的興趣和需求，導(dǎo)致媒體數(shù)據(jù)推送精確度較低，用戶體驗(yàn)不佳?；诖耍绾翁嵘襟w數(shù)據(jù)的推送精確度是目前亟需解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例所要解決的技術(shù)問題在于，提供媒體數(shù)據(jù)的召回方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，能夠提升媒體數(shù)據(jù)的推送精確度。

2、第一方面，本技術(shù)實(shí)施例提供了一種媒體數(shù)據(jù)的召回方法，該方法包括：

3、通過訓(xùn)練后的用戶表征模型所包含的多個(gè)維度中各個(gè)維度對(duì)應(yīng)的專家網(wǎng)絡(luò)基于用戶的行為特征生成所述各個(gè)維度的行為特征單元向量；所述行為特征是基于所述用戶與媒體數(shù)據(jù)進(jìn)行互動(dòng)過程中所產(chǎn)生的互動(dòng)行為數(shù)據(jù)得到的；

4、針對(duì)媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將所述各個(gè)維度的行為特征單元向量分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度；

5、根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度；

6、將與所述用戶之間的匹配度高于預(yù)設(shè)閾值的目標(biāo)媒體數(shù)據(jù)，識(shí)別為所述用戶的召回媒體數(shù)據(jù)。

7、第二方面，本技術(shù)實(shí)施例提供了一種媒體數(shù)據(jù)的召回裝置，該媒體數(shù)據(jù)的召回裝置包括：

8、生成單元，用于通過訓(xùn)練后的用戶表征模型所包含的多個(gè)維度中各個(gè)維度對(duì)應(yīng)的專家網(wǎng)絡(luò)基于用戶的行為特征生成所述各個(gè)維度的行為特征單元向量；所述行為特征是基于所述用戶與媒體數(shù)據(jù)進(jìn)行互動(dòng)過程中所產(chǎn)生的互動(dòng)行為數(shù)據(jù)得到的；

9、比對(duì)單元，用于針對(duì)媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將所述各個(gè)維度的行為特征單元向量分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度；

10、所述生成單元，還用于根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度；

11、識(shí)別單元，用于將與所述用戶之間的匹配度高于預(yù)設(shè)閾值的目標(biāo)媒體數(shù)據(jù)，識(shí)別為所述用戶的召回媒體數(shù)據(jù)。

12、在一種實(shí)施方式中，所述生成單元還用于包括：

13、通過所述訓(xùn)練后的用戶表征模型中的共享專家網(wǎng)絡(luò)基于所述行為特征生成共享行為特征單元向量；

14、根據(jù)任一維度的行為特征單元向量以及所述共享行為特征單元向量，得到所述任一維度的組合行為特征；

15、所述針對(duì)媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將所述各個(gè)維度的行為特征單元向量分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度，包括：

16、針對(duì)所述媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將各個(gè)維度的組合行為特征分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的組合行為特征之間的匹配度；

17、所述根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度，包括：

18、根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的組合行為特征之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度。

19、在一種實(shí)施方式中，所述生成單元根據(jù)任一維度的行為特征單元向量以及所述共享行為特征單元向量，得到所述任一維度的組合行為特征，包括：

20、通過所述訓(xùn)練后的用戶表征模型中的門控網(wǎng)絡(luò)對(duì)所述用戶的身份特征進(jìn)行處理，得到所述任一維度的行為特征單元向量的第一權(quán)重和所述共享行為特征單元向量的第二權(quán)重，所述第一權(quán)重用于指示所述用戶對(duì)所述任一維度的貢獻(xiàn)程度；

21、根據(jù)所述任一維度的行為特征單元向量、所述共享行為特征單元向量、所述第一權(quán)重和所述第二權(quán)重，得到任一維度的組合行為特征。

22、在一種實(shí)施方式中，所述比對(duì)單元還用于包括：

23、通過所述訓(xùn)練后的用戶表征模型中任一維度對(duì)應(yīng)的子塔對(duì)所述任一維度的行為特征單元向量進(jìn)行降維處理，得到所述任一維度的降維后的行為特征單元向量；

24、所述針對(duì)媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將所述各個(gè)維度的行為特征單元向量分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度，包括：

25、針對(duì)所述媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將各個(gè)維度的降維后的行為特征單元向量分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的降維后的行為特征單元向量之間的匹配度；

26、所述根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度，包括：

27、根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的降維后的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度。

28、在一種實(shí)施方式中，所述比對(duì)單元還用于包括：

29、將所述任一維度的行為特征單元向量和所述任一維度的降維后的行為特征單元向量進(jìn)行拼接，得到所述任一維度的拼接后的行為特征單元向量；

30、所述針對(duì)所述媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將各個(gè)維度的降維后的行為特征單元向量分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的降維后的行為特征單元向量之間的匹配度，包括：

31、針對(duì)所述媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將各個(gè)維度的拼接后的行為特征單元向量分別與所述任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的拼接后的行為特征單元向量之間的匹配度；

32、所述根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的降維后的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度，包括：

33、根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的拼接后的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度。

34、在一種實(shí)施方式中，所述生成單元根據(jù)所述任一媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的行為特征單元向量之間的匹配度，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度，包括：

35、根據(jù)各個(gè)維度的權(quán)重，對(duì)所述各個(gè)維度的行為特征單元向量與所述任一媒體數(shù)據(jù)的媒體特征的匹配度進(jìn)行加權(quán)求和，得到所述用戶與所述任一媒體數(shù)據(jù)之間的匹配度。

36、在一種實(shí)施方式中，所述生成單元還用于包括：

37、通過用戶表征模型所包含的多個(gè)維度中各個(gè)維度對(duì)應(yīng)的專家網(wǎng)絡(luò)基于訓(xùn)練用戶的行為特征生成所述各個(gè)維度的訓(xùn)練行為特征單元向量；所述訓(xùn)練行為特征是基于所述訓(xùn)練用戶與訓(xùn)練媒體數(shù)據(jù)進(jìn)行互動(dòng)過程中所產(chǎn)生的互動(dòng)行為數(shù)據(jù)得到的；

38、針對(duì)訓(xùn)練媒體數(shù)據(jù)庫(kù)中的任一訓(xùn)練媒體數(shù)據(jù)，將所述各個(gè)維度的訓(xùn)練行為特征單元向量分別與所述任一訓(xùn)練媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到所述任一訓(xùn)練媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的訓(xùn)練行為特征單元向量之間的匹配度；

39、根據(jù)所述任一訓(xùn)練媒體數(shù)據(jù)的媒體特征與所述各個(gè)維度的訓(xùn)練行為特征單元向量之間的匹配度，得到所述訓(xùn)練用戶與所述任一訓(xùn)練媒體數(shù)據(jù)之間的匹配度；

40、根據(jù)所述訓(xùn)練用戶與所述任一訓(xùn)練媒體數(shù)據(jù)之間的匹配度以及預(yù)設(shè)匹配度，對(duì)所述用戶表征模型進(jìn)行訓(xùn)練，得到所述訓(xùn)練后的用戶表征模型；所述訓(xùn)練后的用戶表征模型所包含的多個(gè)維度中各個(gè)維度對(duì)應(yīng)的專家網(wǎng)絡(luò)用于基于用戶的行為特征生成所述各個(gè)維度的行為特征單元向量。

41、第三方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，該計(jì)算機(jī)設(shè)備包括存儲(chǔ)器、通信接口以及處理器，其中，存儲(chǔ)器、通信接口和處理器相互連接；存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，處理器調(diào)用存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序，用于實(shí)現(xiàn)上述第一方面的媒體數(shù)據(jù)的召回方法。

42、第四方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面的媒體數(shù)據(jù)的召回方法。

43、第五方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序存儲(chǔ)在計(jì)算機(jī)存儲(chǔ)介質(zhì)中；計(jì)算機(jī)設(shè)備的處理器從計(jì)算機(jī)存儲(chǔ)介質(zhì)中讀取該計(jì)算機(jī)程序，處理器執(zhí)行該計(jì)算機(jī)程序，使得計(jì)算機(jī)設(shè)備執(zhí)行上述第一方面的媒體數(shù)據(jù)的召回方法。

44、本技術(shù)實(shí)施例中，通過訓(xùn)練后的用戶表征模型所包含的多個(gè)維度中各個(gè)維度對(duì)應(yīng)的專家網(wǎng)絡(luò)基于用戶的行為特征生成各個(gè)維度的行為特征單元向量；行為特征是基于用戶與媒體數(shù)據(jù)進(jìn)行互動(dòng)過程中所產(chǎn)生的互動(dòng)行為數(shù)據(jù)得到的；針對(duì)媒體數(shù)據(jù)庫(kù)中的任一媒體數(shù)據(jù)，將各個(gè)維度的行為特征單元向量分別與任一媒體數(shù)據(jù)的媒體特征進(jìn)行比對(duì)，得到任一媒體數(shù)據(jù)的媒體特征與各個(gè)維度的行為特征單元向量之間的匹配度；根據(jù)任一媒體數(shù)據(jù)的媒體特征與各個(gè)維度的行為特征單元向量之間的匹配度，得到用戶與任一媒體數(shù)據(jù)之間的匹配度；將與用戶之間的匹配度高于預(yù)設(shè)閾值的目標(biāo)媒體數(shù)據(jù)，識(shí)別為用戶的召回媒體數(shù)據(jù)。因此，通過用戶的行為特征生成各個(gè)維度的行為特征單元向量，能夠準(zhǔn)確表征用戶的興趣點(diǎn)；根據(jù)各個(gè)維度的行為特征單元向量計(jì)算與媒體數(shù)據(jù)的匹配度，最終確定召回媒體數(shù)據(jù)，能夠提升媒體數(shù)據(jù)的推送精確度。