特表2024-509966マルチメディアリソースの推薦方法、装置、機器、及びコンピュータプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-03-05
(54)【発明の名称】マルチメディアリソースの推薦方法、装置、機器、及びコンピュータプログラム
(51)【国際特許分類】
G06Q 50/10 20120101AFI20240227BHJP
【ＦＩ】
G06Q50/10
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2023555640
(86)(22)【出願日】2022-06-06
(85)【翻訳文提出日】2023-09-11
(86)【国際出願番号】 CN2022097098
(87)【国際公開番号】W WO2022262603
(87)【国際公開日】2022-12-22
(31)【優先権主張番号】202110675393.6
(32)【優先日】2021-06-17
(33)【優先権主張国・地域又は機関】CN
(31)【優先権主張番号】202111680341.4
(32)【優先日】2021-12-30
(33)【優先権主張国・地域又は機関】CN
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＡＮＤＲＯＩＤ
２．ｉＯＳ
(71)【出願人】
【識別番号】517392436
【氏名又は名称】▲騰▼▲訊▼科技（深▲セン▼）有限公司
【氏名又は名称原語表記】ＴＥＮＣＥＮＴ ＴＥＣＨＮＯＬＯＧＹ （ＳＨＥＮＺＨＥＮ） ＣＯＭＰＡＮＹ ＬＩＭＩＴＥＤ
【住所又は居所原語表記】３５／Ｆ，Ｔｅｎｃｅｎｔ Ｂｕｉｌｄｉｎｇ，Ｋｅｊｉｚｈｏｎｇｙｉ Ｒｏａｄ，Ｍｉｄｗｅｓｔ Ｄｉｓｔｒｉｃｔ ｏｆ Ｈｉ－ｔｅｃｈ Ｐａｒｋ，Ｎａｎｓｈａｎ Ｄｉｓｔｒｉｃｔ， Ｓｈｅｎｚｈｅｎ，Ｇｕａｎｇｄｏｎｇ ５１８０５７，ＣＨＩＮＡ
(74)【代理人】
【識別番号】100110364
【弁理士】
【氏名又は名称】実広 信哉
(74)【代理人】
【識別番号】100150197
【弁理士】
【氏名又は名称】松尾 直樹
(72)【発明者】
【氏名】▲陳▼ 昊
(57)【要約】
本願の実施例は、マルチメディアリソースの推薦方法、装置、機器、記憶媒体、及びコンピュータプログラム製品を開示する。ここで、方法は、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するステップと、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、ターゲットオブジェクトの表現特徴情報を決定するステップであって、表現特徴情報は、ターゲットオブジェクトと隣接オブジェクトとのＫ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される、ステップと、マルチメディアリソースセットを取得し、且つターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するステップであって、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである、ステップと、を含む。
【特許請求の範囲】
【請求項1】
マルチメディアリソースの推薦方法であって、電子機器に応用され、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するステップであって、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとは、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数である、ステップと、
前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定するステップであって、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される、ステップと、
マルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するステップであって、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである、ステップと、を含む、マルチメディアリソースの推薦方法。
【請求項2】
前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定する前記ステップは、前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を決定するステップと、
前記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報に基づいて前記ターゲットオブジェクトに対して特徴分析を行い、前記ターゲットオブジェクトの表現特徴情報を得るステップと、を含む、請求項１に記載の方法。
【請求項3】
前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を決定する前記ステップは、前記Ｋ個の第１関係タイプのうちのｈ番目の第１関係タイプの特徴パラメータセットを取得するステップであって、前記特徴パラメータセットは、前記ｈ番目の第１関係タイプの重み付け行列と前記ｈ番目の第１関係タイプのバイアスベクトルと、を含み、ｈ＝１、２、…、Ｋである、ステップと、
前記ｈ番目の第１関係タイプの特徴パラメータセットに基づいて、前記ターゲットオブジェクトの前記ｈ番目の第１関係タイプ下でのターゲットオブジェクト中間特徴を決定し、且つ前記ターゲットオブジェクトの各々の第１隣接オブジェクトの前記ｈ番目の第１関係タイプ下での隣接オブジェクト中間特徴を決定するステップと、
前記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、前記ｈ番目の第１関係タイプの関係特徴情報を決定するステップと、を含む、請求項２に記載の方法。
【請求項4】
前記ｈ番目の第１関係タイプの関係特徴情報は、前記ｈ番目の第１関係タイプのＴ回目の反復のときの関係特徴情報であり、Ｔは、１よりも大きい正の整数であり、前記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、前記ｈ番目の第１関係タイプの関係特徴情報を決定する前記ステップは、
前記ターゲットオブジェクトの各々の第１隣接オブジェクトがｔ回目の反復のときに、前記ｈ番目の第１関係タイプに分類されるターゲット確率を取得するステップであって、ｔは、正の整数であり、且つｔは、Ｔよりも小さく、ｔ＝１、２、…、（Ｔ－１）である、ステップと、
前記ターゲット確率と各々の隣接オブジェクト中間特徴とに基づいて、前記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴を決定するステップと、
前記ターゲットオブジェクト中間特徴と前記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴とに対して演算処理を行い、前記ｈ番目の第１関係タイプのｔ＋１回目の反復のときの関係特徴情報を得るステップと、を含む、請求項３に記載の方法。
【請求項5】
前記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報に基づいて前記ターゲットオブジェクトに対して特徴分析を行い、前記ターゲットオブジェクトの表現特徴情報を得る前記ステップは、前記ターゲットオブジェクトの第１隣接オブジェクトの第１特徴情報セットと、前記ターゲットオブジェクトの第２隣接オブジェクトの第２特徴情報セットとを取得するステップであって、前記第１特徴情報セットは、前記ターゲットオブジェクトの第１隣接オブジェクトの複数の第２関係タイプのうち、個々の第２関係タイプに対応する関係特徴情報を含み、前記第２特徴情報セットは、前記ターゲットオブジェクトの第２隣接オブジェクトの複数の第３関係タイプのうち、個々の第３関係タイプに対応する関係特徴情報を含む、ステップと、
関係予測モデルを利用して、前記ターゲットオブジェクトのＫ個の第１関係タイプに対応する関係特徴情報、前記第１特徴情報セット、及び前記第２特徴情報セットに対して予測処理を行い、前記関係予測モデルが出力した予測結果を得るステップであって、前記関係予測モデルは、Ｌ層のグラフ畳み込みネットワーク層を含み、Ｌは、１よりも大きい正の整数である、ステップと、
前記予測結果に対して過学習処理を行い、前記ターゲットオブジェクトの表現特徴情報を得るステップと、を含み、
前記関係予測モデルにおいて、ｇ層目のグラフ畳み込みネットワーク層の入力データは、ｇ－１層目のグラフ畳み込みネットワーク層の出力データに対して過学習処理を行った後に得られるデータを含む、請求項２に記載の方法。
【請求項6】
前記マルチメディアリソースセットを取得することは、マルチメディアリソースの閲覧情報を取得するステップであって、前記閲覧情報には、前記マルチメディアリソースを閲覧したＱ個のオブジェクトのオブジェクト識別子が含まれ、Ｑは、正の整数である、ステップと、
前記Ｑ個のオブジェクトのオブジェクト識別子に基づいて、前記Ｑ個のオブジェクトの表現ベクトルを取得するステップと、
前記Ｑ個のオブジェクトの表現ベクトルに対して融合処理を行い、且つ融合処理の結果に対して平均プーリング処理を行って、前記マルチメディアリソースのリソース特徴情報を得るステップと、を含み、
前記マルチメディアリソースセットには前記マルチメディアリソースのリソース特徴情報が含まれる、請求項１に記載の方法。
【請求項7】
前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から前記第１マルチメディアリソースを決定することは、前記ターゲットオブジェクトの表現特徴情報と、前記マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、前記ターゲットオブジェクトと前記マルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定するステップと、
前記マルチメディアリソースセットのうちの、前記ターゲットオブジェクトとの一致度が一致度閾値よりも高いマルチメディアリソースを第１マルチメディアリソースとして決定するステップと、を含む、請求項６に記載の方法。
【請求項8】
前記ターゲットオブジェクトの表現特徴情報と、前記マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、前記ターゲットオブジェクトと前記マルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定する前記ステップは、前記マルチメディアリソースセットのうちの前記第２マルチメディアリソースのリソース特徴情報と前記ターゲットオブジェクトの表現特徴情報とを結合処理し、結合特徴セットを得るステップと、
多層パーセプトロンを採用して前記結合特徴セットのうちの各々の結合特徴を処理し、前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと前記第２マルチメディアリソースとの関係ベクトルを得るステップと、
個々の第１関係タイプと前記第２マルチメディアリソースとの関係ベクトルに基づいて、前記第１関係タイプに対応する重み付けを決定するステップと、
前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと前記第２マルチメディアリソースとの関係ベクトル、及び個々の第１関係タイプに対応する重み付けに基づいて、前記ターゲットオブジェクトと前記第２マルチメディアリソースとの一致度を決定するステップと、を含む、請求項７に記載の方法。
【請求項9】
前記方法は、関連関係情報セットを取得するステップであって、前記関連関係情報セットは、オブジェクト情報セットと、関係情報セットと、を含む、ステップと、
前記オブジェクト情報セットに基づいてＮ個のネットワークノードを生成するステップであって、前記Ｎ個のネットワークノードのうちの個々のネットワークノードは、１つのオブジェクトに対応し、且つ個々のネットワークノードには前記ネットワークノードと対応するオブジェクトのオブジェクト情報が携えられており、Ｎは、正の整数である、ステップと、
もし前記関係情報セットが前記Ｎ個のネットワークノードのうちの第１ネットワークノードに対応するオブジェクトが第２ネットワークノードのオブジェクトとインタラクション行動を有することを指示するなら、前記インタラクション行動に基づいて前記第１ネットワークノードと前記第２ネットワークノードとのリンク情報を生成し、関連情報ネットワークグラフを得るステップと、
前記関連情報ネットワークグラフに基づいて、前記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを決定するステップと、をさらに含む、請求項１に記載の方法。
【請求項10】
前記第１ネットワークノードと前記第２ネットワークノードとのリンク情報におけるリンク重み付けは、前記第１ネットワークノードと前記第２ネットワークノードとの間の関連度に基づいて決定される重み付けを含み、前記リンク重み付けは、前記関連度に正比例し、前記関連度は、前記第１ネットワークノードと前記第２ネットワークノードとのターゲット期間内のインタラクション情報に基づいて決定されるものであり、前記インタラクション情報は、累積インタラクション回数、累積インタラクション時間、インタラクション頻度、及びインタラクション内容のうちの少なくとも一項を含む、請求項９に記載の方法。
【請求項11】
前記関連情報ネットワークグラフに基づいて、前記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを決定する前記ステップは、前記ターゲットオブジェクトに対応するターゲットネットワークノードを開始点として前記関連情報ネットワークグラフにおいてランダムに遊走してＭ本の軌跡を得るステップであって、各軌跡の歩長は、Ｐであり、Ｍ、及びＰは、いずれも正の整数である、ステップと、
前記Ｍ本の軌跡において携えられるオブジェクト情報に基づいて、前記ターゲットオブジェクトの表現ベクトルを決定するステップと、を含み、
ｉ番目のネットワークノードからｊ番目のネットワークノードまで遊走する確率は、ターゲットリンク重み付けに正比例し、前記ターゲットリンク重み付けは、前記ｉ番目のネットワークノードと前記ｊ番目のネットワークノードとのリンク情報におけるリンク重み付けであり、ｉ、及びｊは、いずれも正の整数であり、ｉは、ｊに等しくなく、且つｉ、及びｊは、いずれもＮ以下である、請求項１０に記載の方法。
【請求項12】
マルチメディアリソースの推薦装置であって、取得ユニットと、処理ユニットと、を含み、前記取得ユニットは、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するように構成され、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数であり、
前記処理ユニットは、前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定するように構成され、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、及びマルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するように構成され、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである、マルチメディアリソースの推薦装置。
【請求項13】
電子機器であって、記憶装置と、プロセッサと、を含み、前記記憶装置にコンピュータプログラムが記憶されており、
プロセッサは、コンピュータプログラムを実行して、請求項１～１１のいずれか一項に記載のマルチメディアリソースの推薦方法を実現する、電子機器。
【請求項14】
コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムがプロセッサにより実行されるときに、請求項１～１１のいずれか一項に記載のマルチメディアリソースの推薦方法が実現される、コンピュータ可読記憶媒体。
【請求項15】
コンピュータプログラム製品、又はコンピュータプログラムであって、前記コンピュータプログラム製品、又はコンピュータプログラムは、コンピュータ命令を含み、前記コンピュータ命令は、コンピュータ可読記憶媒体に記憶されており、コンピュータ機器のプロセッサは、前記コンピュータ可読記憶媒体から前記コンピュータ命令を読み出し、且つ前記コンピュータ命令を実行するときに、請求項１～１１のいずれか一項に記載の方法を実現する、コンピュータプログラム製品、又はコンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本願は、コンピュータの技術分野に関し、マルチメディアリソースの推薦方法、装置、機器、コンピュータ可読記憶媒体、及びコンピュータプログラム製品に関するが、これらに限定されない。
【0002】
本願は、出願番号が２０２１１０６７５３９３．６であり、出願日が２０２１年６月１７日である中国特許出願、及び出願番号が２０２１１１６８０３４１．４であり、出願日が２０２１年１２月３０日である中国特許出願に基づき提案され、且つ上記２つの中国特許出願の優先権を主張し、上記２つの中国特許出願の全部の内容は、ここで、参照として本願に組み込まれている。
【背景技術】
【0003】
コンピュータ技術の発展に伴い、ネットワークにおいて大量のマルチメディアリソースが出現してきた。現状では、大半のマルチメディアリソースの推薦アルゴリズムにより完成されたマルチメディア推薦等の操作は、十分に正確ではなく、一致度が比較的低い。
【発明の概要】
【発明が解決しようとする課題】
【0004】
本願の実施例は、マルチメディアリソースの推薦方法、装置、機器、記憶媒体、及びコンピュータプログラム製品を提供し、推薦の正確性をよりよく向上させることができる。
【課題を解決するための手段】
【0005】
本願の実施例は、マルチメディアリソースの推薦方法を提供し、電子機器に応用され、
ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するステップであって、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数である、ステップと、
前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を得るステップであって、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される、ステップと、
マルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するステップであって、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである、ステップと、を含む。
ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するステップであって、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数である、ステップと、
前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を得るステップであって、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される、ステップと、
マルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するステップであって、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである、ステップと、を含む。
【0006】
本願の実施例は、マルチメディアリソースの推薦装置をさらに提供し、取得ユニットと、処理ユニットと、を含み、
前記取得ユニットは、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するように構成され、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数であり、
前記処理ユニットは、前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定するように構成され、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、及びマルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するように構成され、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである。
前記取得ユニットは、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するように構成され、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数であり、
前記処理ユニットは、前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定するように構成され、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、及びマルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するように構成され、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである。
【0007】
本願の実施例は、電子機器をさらに提供し、記憶装置と、プロセッサと、を含み、前記記憶装置にコンピュータプログラムが記憶されており、プロセッサは、コンピュータプログラムを実行して、前記マルチメディアリソースの推薦方法を実現する。
【0008】
本願の実施例は、コンピュータ可読記憶媒体をさらに提供し、前記コンピュータ可読記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムがプロセッサにより実行されるときに、前記マルチメディアリソースの推薦方法が実現される。
【0009】
本願は、コンピュータプログラム製品、又はコンピュータプログラムを提供し、該コンピュータプログラム製品、又はコンピュータプログラムは、コンピュータ命令を含み、該コンピュータ命令は、コンピュータ可読記憶媒体に記憶されており、コンピュータ機器のプロセッサは、コンピュータ可読記憶媒体から該コンピュータ命令を読み出し、プロセッサは、該コンピュータ命令を実行して、該コンピュータ機器に前記マルチメディアリソースの推薦方法を実行させる。
【発明の効果】
【0010】
本願の実施例において、ターゲットオブジェクトに向けて推薦する第１マルチメディアリソースを決定する必要があるときには、まず、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得する。ここで、隣接オブジェクトの表現ベクトルセットには、ターゲットオブジェクトとインタラクション行動を有する第１隣接オブジェクトの表現ベクトルが含まれ、且つターゲットオブジェクトと上記第１隣接オブジェクトとをＫ個の第１関係タイプに分類する。次に、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、ターゲットオブジェクトの表現特徴情報を得る。ターゲットオブジェクトの表現特徴情報は、ターゲットオブジェクトと隣接オブジェクトとのＫ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される。従って、ターゲットオブジェクトの表現特徴情報は、ターゲットオブジェクト、及びターゲットオブジェクトとインタラクション行動を有する第１隣接オブジェクトの表現ベクトルを統合している。最後に、マルチメディアリソースセットを取得し、且つターゲットオブジェクトの表現特徴情報に基づいて上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ上記第１マルチメディアリソースを上記ターゲットオブジェクトに送信する。第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報に基づきマルチメディアリソースセットの中から決定され、且つ第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースであるため、ターゲットオブジェクトとターゲットオブジェクトの隣接オブジェクトとの関係タイプによって、ターゲットオブジェクトの関心のあるポイントをより正確で全面的に掘り起こすことができ、それにより推薦の精度を向上させることができる。
【0011】
本願の実施例、又は従来技術における技術的手段をより明確に説明するために、以下、実施例、又は従来技術の記述に使用される必要がある図面を紹介する。以下の記述における図面は、単に本願のいくつかの実施例であり、当業者にとって、創造的な労働を必要としない前提下で、さらにこれらの図面に基づいて他の図面を獲得することができる。
【図面の簡単な説明】
【0012】
【図1】本願の実施例が提供するマルチメディアリソースの推薦シーンの図である。
【図2】本願の実施例が提供するマルチメディアリソースの推薦方法のフローチャートである。
【図3】本願の実施例が提供する別のマルチメディアリソースの推薦方法のフローチャートである。
【図4a】本願の実施例が提供するオブジェクトの関連情報ネットワークグラフの模式図である。
【図4b】本願の実施例が提供する関連情報ネットワークグラフに基づくグラフ畳み込みモデルの模式図である。
【図5】本願の実施例が提供するマルチメディアリソースの推薦装置の構造模式図である。
【図6】本願の実施例が提供する電子機器の構造模式図である。
【発明を実施するための形態】
【0013】
以下、本願の実施例における図面と併せて、本願の実施例における技術的手段を明確に、完全に記述する。
【0014】
本願の実施例は、人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、ＡＩ）、及び機械学習（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ、ＭＬ）に関する。本願の実施例が提供する電子機器（スマート機器と呼ばれてもよい）は、ターゲットオブジェクトとターゲットオブジェクトの隣接オブジェクトとの関係タイプに基づき、ターゲットオブジェクトに向けてマルチメディアリソースを推薦することができる。
【0015】
本願の実施例は、関連情報ネットワークグラフを構築する過程において、オブジェクト間のインタラクション行動をリンク情報に変換するときに、一種、又は複数種の人工知能ソフトウェアの技術に関する可能性があり、たとえば、オブジェクト間に送信される（短い）ビデオの特徴を抽出するときには、コンピュータビジョンの技術に関する可能性があり、オブジェクト間に送信される音声の特徴を抽出するときには、音声処理の技術に関する可能性があり、オブジェクト間に送信されるテキスト情報の特徴を抽出するときには、自然言語処理の技術に関する可能性がある。
【0016】
また、本願の実施例は、さらに人工知能クラウドサービス、及びブロックチェーン（Ｂｌｏｃｋｃｈａｉｎ）に関するものであってもよい。本願の実施例は、主に、マルチメディア推薦プラットフォーム（すなわち、人工知能クラウドサービス）によってオブジェクトにマルチメディアリソースを推薦することに関する。
【0017】
本願の実施例において、スマート機器は、ブロックチェーンネットワークの中からオブジェクトの関連関係を取得し、更に確実な関連関係に基づきターゲットオブジェクトにマルチメディアリソースを推薦することができ、分析して得られたオブジェクトの表現特徴情報とマルチメディアリソースのリソース特徴情報とをブロックチェーンにアップロードすることで、その後の使用を容易にすることもできる（たとえば、１つの期間内に、あるマルチメディアリソースのリソース特徴情報は、複数のオブジェクトの表現特徴情報とマッチングする必要がある可能性があり、マルチメディアリソースのリソース特徴情報をブロックチェーンにアップロードすると、マルチメディアリソースの推薦を支援する他のネットワークノードがマルチメディアリソースを推薦するときに直接使用することを容易にすることができる）。
【0018】
図１に参照されるように、図１は、本願の実施例が提供するマルチメディアリソースの推薦シーンの図である。図１に示すように、マルチメディアリソースの推薦シーンには端末機器１０１とサーバ１０２とが含まれる。ここで、端末機器１０１は、ターゲットオブジェクトに使用される機器であり、端末機器１０１は、スマートフォン（例えば、Ａｎｄｒｏｉｄフォン、及びｉＯＳフォン等）、タブレットコンピュータ、ポータブルパーソナルコンピュータ、及びモバイルインターネット機器（Ｍｏｂｉｌｅ Ｉｎｔｅｒｎｅｔ Ｄｅｖｉｃｅｓ、ＭＩＤ）等の機器を含んでもよいが、これらに限定されない。端末機器には表示装置が配置され、表示装置は、ディスプレイ、表示スクリーン、及びタッチスクリーン等であってもよく、タッチスクリーンは、タッチ制御スクリーン、及びタッチ制御パネル等であってもよく、本願の実施例は、これを限定しない。
【0019】
サーバ１０２とは、端末機器１０１から送信されたターゲットオブジェクトの識別子に基づいて、パーソナライズされたマルチメディアリソースの推薦を提供することができるバックグラウンド機器を指し、端末機器１０１から送信されたターゲットオブジェクトの識別子に基づいてターゲットオブジェクトに推薦される第１マルチメディアリソースを決定した後に、サーバ１０２は、端末機器１０１に該第１マルチメディアリソースを返すことができる。ページ１０３は、本願が提供する端末機器１０１がサーバ１０２から送信された第１マルチメディアリソースに基づいて表示するページ模式図である。サーバ１０２は、独立した物理サーバであってもよく、複数の物理サーバで構成されるサーバクラスター、又は分散システムであってもよく、さらに、クラウドサービス、クラウドデータベース、クラウドコンピューティング、クラウド関数、クラウド記憶、ネットワークサービス、クラウド通信、ミドルウェアサービス、ドメイン名サービス、セキュリティサービス、ＣＤＮ、ビッグデータ、及び人工知能プラットフォーム等の基本的なクラウドコンピューティングサービスを提供するクラウドサーバであってもよい。また、複数のサーバを１つのブロックチェーンネットワークに組み立てることができ、個々のサーバは、ブロックチェーンネットワークにおける１つのノードである。端末機器１０１とサーバ１０２との間は、有線通信、又は無線通信の方式によって直接、又は間接的に接続することができ、本願では、ここで制限されない。
【0020】
本願の実施例において、マルチメディアリソースは、ビデオリソース、オーディオリソース、及び画像リソース等であってもよく、本願の実施例においては、マルチメディアリソースがビデオリソースであることを例として説明する。端末１０１にはビデオ視聴アプリケーションプログラム（Ａｐｐ、Ａｐｐｌｉｃａｔｉｏｎ）がインストールされてもよく、端末が該ビデオ視聴Ａｐｐを起動する操作命令を受信したときに、ターゲットオブジェクトの識別子をサーバ１０２に送信した後に、サーバ１０２は、ターゲットオブジェクトの識別子に基づきターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得し、且つターゲットオブジェクトの表現特徴情報を決定する。該表現特徴情報は、ターゲットオブジェクト、及びターゲットオブジェクトとインタラクション行動を有する第１隣接オブジェクトの表現ベクトルを融合しており、サーバ１０２は、複数のビデオの中から、ターゲットオブジェクトの表現特徴情報との一致度が最も高い１つ、又は複数のターゲットビデオを決定し、且つ端末１０１に送信する。端末１０１は、ビデオ視聴Ａｐｐを起動した後に、ホームページで該ターゲットビデオを提示することができる。つまり、サーバ１０２は、ターゲットユーザとターゲットユーザの隣接ユーザとの関係タイプによって、ターゲットユーザの関心のあるポイントを掘り起こすため、履歴記録によってユーザの関心のあるポイントを掘り起こすことに比べて、より正確であり、それにより、ビデオ推薦の精度を向上させることができる。
【0021】
説明する必要がある点として、図１に示されるマルチメディアリソースの推薦シーンにおいて、端末機器、及びサーバの数は、単に一例であり、たとえば、端末機器、及びサーバの数は、複数であってもよく、本願は、端末機器、及びサーバの数を限定しない。
【0022】
いくつかの実施例において、マルチメディアリソースの推薦シーンにおいて、マルチメディアリソースの推薦装置が搭載される端末機器１０１のみが含まれてもよく、端末機器１０１は、オブジェクトがマルチメディアプラットフォームを開いた後に、搭載されるマルチメディアリソースの推薦装置によってターゲットオブジェクトにマルチメディアリソースを推薦する（例えば、インターフェース１０３において、推薦されるマルチメディアリソースを表示する）。
【0023】
理解できるように、本願の具体的な実施形態においては、オブジェクト情報、マルチメディア情報、及びオブジェクトのインタラクション行動等の関連するデータに関して、本願の上記の実施例が具体的な製品、又は技術に適用されるときには、オブジェクトの許可、又は同意を獲得する必要があり、且つ関連データの収集、使用、及び処理は、関連国や地域の関連する法律法規、及び基準に準拠する必要がある。
【0024】
図１に示されるマルチメディアリソースの推薦シーンにおいて、マルチメディアリソースの推薦プロセスは、主に以下のステップを含む。
【0025】
（１）サーバ１０２は、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得する。１つの実施例において、サーバ１０２は、関連情報ネットワークグラフに基づきターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得し、関連情報ネットワークグラフは、ソーシャルプラットフォームにおける各々のオブジェクトのインタラクション行動に基づき構築されるものである。隣接オブジェクトの表現ベクトルセットには、ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、いわゆる第１隣接オブジェクトとは、ターゲットオブジェクトとインタラクション行動を有するオブジェクトを指す。同様に、いわゆる第２隣接オブジェクトとは、ターゲットオブジェクトの第１隣接オブジェクトとインタラクション行動を有し、且つターゲットオブジェクトとインタラクション行動を有さないオブジェクトを指し、更に、ターゲットオブジェクトと第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数である。
【0026】
（２）サーバ１０２は、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、ターゲットオブジェクトの表現特徴情報を得る。表現特徴情報は、ターゲットオブジェクトのＫ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される。１つの実施例において、サーバ１０２は、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得て（すなわち、ターゲットオブジェクトの表現ベクトル、及び隣接オブジェクトの表現ベクトルによって、第１関係タイプに対応する関係特徴情報を決定する）、Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報によってターゲットオブジェクトを表現し、ターゲットオブジェクトの表現特徴情報を得る。つまり、ターゲットオブジェクトの表現特徴情報は、Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報により共同で表現される（すなわち、ターゲットオブジェクトの表現特徴情報は、ターゲットオブジェクトとターゲットオブジェクトの隣接オブジェクトとの関係タイプに基づき得られる）。
【0027】
（３）サーバ１０２は、マルチメディアリソースセットを取得し、且つターゲットオブジェクトの表現特徴情報に基づいて、ターゲットオブジェクトにマルチメディアリソースセットのうちの第１マルチメディアリソース（マルチメディアリソースセットのうち、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソース、すなわち、ターゲットオブジェクトにとって最も興味のある可能性があるマルチメディアリソース）を推薦する。１つの実施例において、マルチメディアリソースセットのうちの個々のマルチメディアリソースのリソース特徴情報は、該マルチメディアリソースをクリックしたオブジェクトの表現ベクトルによって得られる。
【0028】
本願の実施例において、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得し、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、ターゲットオブジェクトの表現特徴情報を得る。表現特徴情報は、ターゲットオブジェクトと隣接オブジェクトとのＫ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、マルチメディアリソースセットを取得し、且つターゲットオブジェクトの表現特徴情報に基づいて、ターゲットオブジェクトにマルチメディアリソースセットのうちの第１マルチメディアリソースを推薦する。これから分かるように、ターゲットオブジェクトとターゲットオブジェクトの隣接オブジェクトとの関係タイプによって、ターゲットオブジェクトの関心のあるポイントを掘り起こし、更に推薦の正確性をよりよく向上させる。
【0029】
図２に参照されるように、図２は、本願の実施例が提供するマルチメディアリソースの推薦方法のフローチャートである。本願の実施例の上記方法は、スマート機器に応用され、該スマート機器は、たとえば、上記に言及された幾つかのオブジェクトに使用される端末機器であってもよく、特別な機能を持つ幾つかのサーバであってもよい。以下、図２と併せて、本願の実施例が提供するマルチメディアリソースの推薦方法の各々のステップを説明する。
【0030】
Ｓ２０１：ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得する。
【0031】
隣接オブジェクトの表現ベクトルセットには、ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、第１隣接オブジェクトとは、ターゲットオブジェクトとインタラクション行動を有するオブジェクトを指し、第２隣接オブジェクトとは、ターゲットオブジェクトの第１隣接オブジェクトとインタラクション行動を有し、且つターゲットオブジェクトとインタラクション行動を有さないオブジェクトを指す。
【0032】
一種の実施形態において、サーバは、関連情報ネットワークグラフに基づきターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得し、該関連情報ネットワークグラフは、ソーシャルプラットフォームにおける各々のオブジェクトのインタラクション行動に基づき構築されるものである。インタラクション行動は、インスタントメッセージング、ファイル共有、及び画像共有を含むが、これらに限定されない。ターゲットオブジェクトと第１隣接オブジェクトとは、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数である。説明する必要がある点として、Ｋ個の第１関係タイプの分類は、実際のニーズに基づいて設定することができ、たとえば、Ｋ個の第１関係タイプは、関連関係に基づいて分類されてもよく、インタラクション行動の累積時間に基づいて分類されてもよく、さらに、ターゲットオブジェクトと第１隣接オブジェクトとの１回目のインタラクション行動の時間に基づいて分類されてもよい、等々である。
【0033】
Ｓ２０２：ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、ターゲットオブジェクトの表現特徴情報を得る。
【0034】
ターゲットオブジェクトの表現特徴情報は、ターゲットオブジェクトのＫ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される。
【0035】
ターゲットオブジェクトの表現ベクトルは、ターゲットオブジェクトの特徴を表現することに用いられる。１つの実施例において、ターゲットオブジェクトの表現ベクトルは、ターゲットオブジェクト自体に携えられるオブジェクト特徴情報に基づき得られるものであってもよく、ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルに基づき得られるものであってもよく、さらに、ターゲットオブジェクトの第１隣接オブジェクト～第Ｓ隣接オブジェクトの表現ベクトルに基づき得られるものであってもよく、Ｓは、正の整数である。理解できるように、Ｓは、ターゲットオブジェクトの表現ベクトルに携えられるオブジェクト特徴情報の量に正比例する。同様に、隣接オブジェクトの表現ベクトルセットにおいて、各々のターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルは、第１隣接オブジェクト自体に携えられるオブジェクト特徴情報に基づき得られるものであってもよく、該第１隣接オブジェクトの第１隣接オブジェクトの表現ベクトルに基づき得られるものであってもよく、さらに、該第１隣接オブジェクトの第１隣接オブジェクト～第Ｓ隣接オブジェクトの表現ベクトルに基づき得られるものであってもよい。
【0036】
ターゲットオブジェクトの表現特徴情報は、１つの特徴ベクトルであってもよく、１つの特徴行列であってもよい。ターゲットオブジェクトの表現特徴情報には該ターゲットオブジェクトのオブジェクト特徴情報が携えられている。一種の実施形態において、サーバは、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得る（例えば、ターゲットオブジェクトの表現ベクトル、及び隣接オブジェクトの表現ベクトルによって、第１関係タイプに対応する関係特徴情報を決定する）。Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得た後に、サーバは、Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報によってターゲットオブジェクトを表現し、ターゲットオブジェクトの表現特徴情報を得る。つまり、ターゲットオブジェクトの表現特徴情報は、Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報により共同で表現される（すなわち、ターゲットオブジェクトの表現特徴情報は、ターゲットオブジェクトとターゲットオブジェクトの隣接オブジェクトとの関係タイプに基づき得られる）。
【0037】
Ｓ２０３：マルチメディアリソースセットを取得し、且つターゲットオブジェクトの表現特徴情報に基づいて上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ上記第１マルチメディアリソースを上記ターゲットオブジェクトに送信する。
【0038】
上記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである。マルチメディアリソースセットは、予め設定されたものであってもよく、マルチメディアリソースプラットフォームがデータベースにおけるマルチメディアリソースに基づいてリアルタイムに更新して得たものであってもよい。
【0039】
一種の実施形態において、マルチメディアリソースセットのうちの個々のマルチメディアリソースのリソース特徴情報は、該マルチメディアリソースを閲覧するオブジェクトの表現ベクトルによって得られる。サーバは、ターゲットオブジェクトの表現特徴情報と、マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、ターゲットオブジェクトにマルチメディアリソースセットのうちの第１マルチメディアリソースを推薦する。第１マルチメディアリソースは、マルチメディアリソースセットのうちの、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソース、すなわち、ターゲットオブジェクトにとって最も興味のある可能性があるマルチメディアリソースである。
【0040】
本願の実施例において、ターゲットオブジェクトに推薦される第１マルチメディアリソースを決定する必要があるときに、まず、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得する。ここで、隣接オブジェクトの表現ベクトルセットには、ターゲットオブジェクトとインタラクション行動を有する第１隣接オブジェクトの表現ベクトルが含まれ、且つターゲットオブジェクトと上記第１隣接オブジェクトとをＫ個の第１関係タイプに分類する。次に、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、ターゲットオブジェクトの表現特徴情報を得る。ターゲットオブジェクトの表現特徴情報は、ターゲットオブジェクトと隣接オブジェクトとのＫ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、従って、ターゲットオブジェクトの表現特徴情報は、ターゲットオブジェクト、及びターゲットオブジェクトとインタラクション行動を有する第１隣接オブジェクトの表現ベクトルを統合している。最後に、マルチメディアリソースセットを取得し、且つターゲットオブジェクトの表現特徴情報に基づいて上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ上記第１マルチメディアリソースを上記ターゲットオブジェクトに送信する。第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報に基づきマルチメディアリソースセットの中から決定され、且つ第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースであるため、ターゲットオブジェクトとターゲットオブジェクトの隣接オブジェクトとの関係タイプによって、ターゲットオブジェクトの関心のあるポイントをより正確で全面的に掘り起こすことができ、それにより推薦の精度を向上させることができる。
【0041】
図３に参照されるように、図３は、本願の実施例が提供する別のマルチメディアリソースの推薦方法のフローチャートである。本願の実施例の上記方法は、スマート機器に応用され、該スマート機器は、たとえば、上記に言及された幾つかのオブジェクトに使用される端末機器であってもよく、特別な機能を持つ幾つかのサーバであってもよい。上記方法は、下記ステップを含む。
【0042】
Ｓ３０１：関連関係情報セットを取得し、且つ関連関係情報セットに基づいて関連情報ネットワークグラフを生成する。
【0043】
関連関係情報セットは、オブジェクト情報セットと、関係情報セットと、を含む。
【0044】
一種の実施形態において、スマート機器は、オブジェクト情報セットに基づいてＮ個のネットワークノードを生成し、Ｎ個のネットワークノードのうちの個々のネットワークノードは、１つのオブジェクトに対応し、且つ個々のネットワークノードには、該ネットワークノードと対応するオブジェクトのオブジェクト情報が携えられており、Ｎは、正の整数である。各々のネットワークノードの間のリンクは、各々のネットワークノードに対応するオブジェクトの間のインタラクション行動に基づいて決定される。もし関係情報セットがＮ個のネットワークノードのうちの第１ネットワークノードに対応するオブジェクトが第２ネットワークノードのオブジェクトとインタラクション行動を有することを指示するなら、インタラクション行動に基づいて第１ネットワークノードと第２ネットワークノードとのリンク情報を生成し、関連情報ネットワークグラフを得る。
【0045】
更に、スマート機器は、関係情報セットに基づいて関連情報ネットワークグラフにおける各々のリンクの重み付けを決定することができる。いくつかの実施例において、第１ネットワークノードと第２ネットワークノードとのリンク情報におけるリンク重み付けは、第１ネットワークノードと第２ネットワークノードとの間の関連度に基づいて決定される重み付けを含む。リンク重み付けは、関連度に正比例し、関連度は、第１ネットワークノードと第２ネットワークノードとのターゲット期間内のインタラクション情報に基づいて決定されるものであり、上記インタラクション情報は、累積インタラクション回数、累積インタラクション時間、及びインタラクション頻度のうちの少なくとも一項を含む。
【0046】
１つの実施例において、まず、オブジェクトの関連情報ネットワークグラフＧ＝（Ａ，Ｘ）を定義する。全体のオブジェクトの数は、Ｎであり、Ａは、オブジェクト関連行列であり、Ｘは、オブジェクト特徴情報である。一般的に言えば、オブジェクト関連行列Ａは、複数種の情報を含む必要があり、例えば、オブジェクトのチャットの数、オブジェクトのチャットの頻度、及びインタラクティブ頻度等の行動の特徴である。スマート機器は、オブジェクトの行動履歴に基づき、各々のオブジェクトに対応するネットワークノードをオブジェクトの関連情報ネットワークグラフとして接続し、オブジェクト間のリンクは、オブジェクトの関連の程度により決められる。２つのオブジェクトの間に比較的多くインタラクション行動がある場合、２つのオブジェクトの連結線の重み付けは、比較的高く、２つのオブジェクトの間のインタラクション行動が比較的少ない場合、２つのオブジェクトの連結線の重み付けは、比較的低い。２つのオブジェクトの間にインタラクション行動がない場合、２つのオブジェクトの間に連結線がない。ここで、オブジェクトのインタラクション行動の判断は、オブジェクトのインタラクション行動の回数、インタラクション行動の累積時間、インタラクション頻度の順序付け、及びターゲット期間内のインタラクションの日数等の変数を併せて決めることができる。
【0047】
図４ａは、本願の実施例が提供するオブジェクトの関連情報ネットワークグラフの模式図である。図４ａに示すように、ネットワークノードｕ１、及びｕ２に対応するオブジェクトのインタラクション回数が比較的多く、ネットワークノードｕ１、及びｕ３に対応するオブジェクトのインタラクション回数が比較的少ないと仮定すると、ネットワークノードｕ１とｕ２との間の連結線の重み付けは、ネットワークノードｕ１とｕ３との間の連結線の重み付けよりも大きい。ネットワークノードｕ１に対応するオブジェクトは、ネットワークノードｕ２、及びｕ３に対応するオブジェクトを除く他のオブジェクトとインタラクションがないと仮定すると、ｕ１は、他のネットワークノードと連結線がない。また、オブジェクトｉとオブジェクトｊとの間の関連の程度をより良好に記述するために、２つのオブジェクトのインタラクション回数をｃｉｊとすることができ、この場合、オブジェクトｉとオブジェクトｊとの間の関係は、ｌｏｇ（１＋ｃｉｊ）として表現することができる。つまり、オブジェクト関連行列Ａにおいて、Ａｉｊ＝ｌｏｇ（１＋ｃｉｊ）である。
【0048】
更に、関連情報ネットワークグラフを得た後に、スマート機器は、関連情報ネットワークグラフに基づいて、Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを得る（すなわち、ベクトルによって個々のオブジェクトを記述する）。その目的は、ベクトルによってオブジェクトのインタラクション行動を記述し、関連関係が近いオブジェクトのベクトル表現を比較的近くし、これに対応するように、関連関係が遠いオブジェクトについて、ベクトル表現の相違点を比較的大きくすることである。１つの例では、関連情報ネットワークグラフに基づき、ターゲットオブジェクトに対応するターゲットネットワークノードを開始点として関連情報ネットワークグラフにおいてランダムに遊走してＭ本の軌跡を得る。各軌跡の歩長は、Ｐであり、ここで、Ｍ、及びＰは、いずれも正の整数であり、Ｍ本の軌跡において携えられるオブジェクト情報に基づいて、ターゲットオブジェクトの表現ベクトルを得る。ここで、ｉ番目のネットワークノードからｊ番目のネットワークノードまで遊走する確率は、ターゲットリンク重み付けに正比例し、ターゲットリンク重み付けは、ｉ番目のネットワークノードとｊ番目のネットワークノードとのリンク情報におけるリンク重み付けである。ｉ、及びｊは、いずれも正の整数であり、ｉは、ｊに等しくなく、且つｉ、及びｊは、いずれもＮ以下である。つまり、Ａｉｊが大きいほど、ネットワークノードｉからネットワークノードｊまで遊走する確率は、大きくなる。
【0049】
１つの実施例において、スマート機器は、ベクトル化埋め込み等の方法によってオブジェクトを表現し、一般的に用いられるベクトル化埋め込め方法は、Ｎｏｄｅ２Ｖｅｃノード埋め込み等の教師なしオブジェクト埋め込み方法を含む。Ｎｏｄｅ２Ｖｅｃノード埋め込み方法を例とすると、関連情報ネットワークグラフに基づき、グラフにおけるターゲットネットワークノードから出発し、複数本の軌跡をランダムに遊走し、その後、遊走した全部の軌跡をコーパスとしてｗｏｒｄ２ｖｅｃワードベクトル埋め込みアルゴリズムモデルに入力する。ｗｏｒｄ２ｖｅｃワードベクトル埋め込みアルゴリズムモデルによってコーパスを処理し、ターゲットネットワークノードに対応するターゲットオブジェクトの表現ベクトルを得る。グラフにおける異なるオブジェクトに対応するネットワークノードの間の連結線の重み付けが異なるため、ベクトル化埋め込みを行う過程で、重み付けの影響を考慮して重み付け付きのランダム遊走を使用することができる（すなわち、ネットワークノードｉからネットワークノードｊまで遊走する確率は、Ａｉｊに正比例する）。同様に、上記方法に従って、スマート機器は、関連情報ネットワークグラフにおけるすべてのノードに対応するオブジェクトの表現ベクトルで構成された行列を得ることができ、Ｘとすると、Ｘ＝｛ｘ１、ｘ２、…、及びｘＮ｝である。ここで、ｘｉは、ｉ番目のオブジェクトの表現ベクトルを表現する。
【0050】
Ｓ３０２：ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得する。
【0051】
一種の実施形態において、関連情報ネットワークグラフにおけるすべてのノードに対応するオブジェクトの表現ベクトルで構成された行列Ｘを得た後に、スマート機器は、行列Ｘからターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得することができる。
【0052】
Ｓ３０３：ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとに基づいて、Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得る。
【0053】
図４ｂは、本願の実施例が提供する関連情報ネットワークグラフに基づくグラフ畳み込みモデルの模式図である。図４ｂに示すように、Ｖ０は、ターゲットオブジェクトに対応するターゲットネットワークノードであり、Ｖ１～Ｖ８は、ターゲットオブジェクトの第１隣接オブジェクトに対応するネットワークノードである。一種の実施形態において、Ｖ１～Ｖ８は、同じ集約重み付け、及び同じマッピング関数を持ち、簡単に言えば、つまり、Ｖ１～Ｖ８とＶ０との関連の程度を考慮せずに、Ｖ１～Ｖ８によるＶ０に対する影響力が同じであると考えられる。
【0054】
別の一種の実施形態において、Ｖ１～Ｖ８は、Ｖ０が異なる方式によって関連関係を確立するオブジェクトであり、オブジェクトに対する影響力が同じでない（例えば、インタラクション頻度がより高い隣接オブジェクトはターゲットオブジェクトに対する影響力がより高い）ため、Ｖ１～Ｖ８によるＶ０に対する影響力が同じであると簡単に考えてはならない。これに対して、異なるオブジェクトは区分する必要がある（例えば、オブジェクトを、接続確立の原因、関係タイプ、関連関係確立の累積時間、及びインタラクション頻度等の要素に従って複数種類に分ける）。実践した結果、実際の応用においては、関連関係の形成原因を直接取得することが困難であることが見いだされた。
【0055】
１つの実施例において、スマート機器は、予め設定された規則に従ってターゲットオブジェクトの第１隣接オブジェクトをＫ個の第１関係タイプに分類し、Ｋ個の第１関係タイプのうちのｈ番目の第１関係タイプの特徴パラメータセットを取得する。特徴パラメータセットは、ｈ番目の第１関係タイプの重み付け行列とｈ番目の第１関係タイプのバイアスベクトルと、を含む（例えば、予め設定された規則に従って、ｈ番目の第１関係タイプの重み付け行列Ｗｈとｈ番目の第１関係タイプのバイアスベクトルｂｈとを初期化する）。たとえば、ｈ番目の第１関係タイプの重み付け行列Ｗｈとｈ番目の第１関係タイプのバイアスベクトルｂｈとをランダムに初期化し、且つトレーニング過程で、勾配降下法によってｈ番目の第１関係タイプの重み付け行列Ｗｈとｈ番目の第１関係タイプのバイアスベクトルｂｈとを更新する。最終的に、ｈ番目の第１関係タイプの更新後の重み付け行列Ｗｈとｈ番目の第１関係タイプのバイアスベクトルｂｈとを得る。同様に、スマート機器は、上記方法に基づき各々の第１関係タイプの重み付け行列とバイアスベクトルとを得ることができる。
【0056】
更に、ｈ番目の第１関係タイプの特徴パラメータセットによって、ターゲットオブジェクトのｈ番目の第１関係タイプにおけるターゲットオブジェクト中間特徴（すなわち、ターゲットオブジェクトの陰的表現）を計算し、且つターゲットオブジェクトの各々の第１隣接オブジェクトのｈ番目の第１関係タイプにおける隣接オブジェクト中間特徴（すなわち、第１隣接オブジェクトの陰的表現）を計算する。オブジェクトｉのｈ番目の第１関係タイプにおける陰的表現ｚｉ，ｈは、下記式１として表現することができる。
【0057】
【数1】
【0058】
ここで、｜｜ｘ｜｜２は、ｘのノルムを計算することを表現しており、ノルムで割る操作は、ベクトルの長さによる区分に対する影響を取り除くためである。σ（ｘ）は、活性化関数（例えば、ｓｉｇｍｏｉｄ関数、ｔａｎｈ関数、及びＲｅｌｕ関数等）であり、［数２］は、ｈ番目の第１関係タイプの重み付け行列Ｗｈの転置行列であり、ｘｉは、オブジェクトｉの表現ベクトルであり（ステップＳ３０１における行列Ｘから得ることができる）、ｂｈは、ｈ番目の第１関係タイプのバイアスベクトルである。上記式１に基づき、スマート機器は、ターゲットオブジェクトとターゲットオブジェクトの第１隣接オブジェクトとの陰的表現を決定することができる。
【0059】
【数2】
【0060】
１つの実施例において、ターゲットオブジェクトの陰的表現とターゲットオブジェクトの第１隣接オブジェクトの陰的表現とを決定した後に、スマート機器は、ターゲットオブジェクトの陰的表現とターゲットオブジェクトの第１隣接オブジェクトの陰的表現とに基づいて、ｈ番目の第１関係タイプの関係特徴情報ｃｈを得て、下記式２として表現することができる。
【0061】
【数3】
【0062】
ここで、ネットワークノードｕは、図４ｂにおけるＶ０（すなわち、ターゲットオブジェクトに対応するネットワークノード）に対応し、（ｖ｜（ｕ，ｖ）∈Ｇ）は、図４ｂにおけるＶ１～Ｖ８（すなわち、ターゲットオブジェクトの第１隣接オブジェクトに対応するネットワークノード）に対応し、ｐｖ，ｈは、オブジェクトｖがｈ番目の第１関係タイプに割り当てられる確率を表現することに用いられ、ｐｖ，ｈ≧０、且つ［数４］であり、ｚｕ，ｈは、ターゲットオブジェクトのｈ番目の第１関係タイプにおける陰的表現であり、ｚｖ，ｈは、ターゲットオブジェクトの第１隣接オブジェクトのｈ番目の第１関係タイプにおける陰的表現である。ｐｖ，ｈの値は、第１関係タイプの数に基づいて決められ、一種の具体的な実施形態において、［数５］であり、たとえば、オブジェクトＡの第１関係タイプの数が５である（すなわち、オブジェクトＡの関連関係は、５類に分類される）と仮定すると、［数６］である。上記式２に基づき、スマート機器は、Ｋ個の第１関係タイプの関係特徴情報を決定することができる。
【0063】
【数4】
【数5】
【数6】
【0064】
別の実施例において、ｈ番目の第１関係タイプの関係特徴情報は、ｈ番目の第１関係タイプのＴ回目の反復のときの関係特徴情報であり、Ｔは、１よりも大きい正の整数である。スマート機器は、ターゲットオブジェクトの各々の第１隣接オブジェクトがｔ回目の反復のときに、ｈ番目の第１関係タイプに分類されるターゲット確率［数７］を取得し、ｔは、正の整数であり、且つｔは、Ｔよりも小さく、次に、スマート機器は、ターゲット確率（［数８］）とターゲットオブジェクトの各々の隣接オブジェクト中間特徴（すなわち、第１隣接オブジェクトの陰的表現（ｚｖ，ｈ））とに基づいて、ターゲットオブジェクトの第１隣接オブジェクトの集約特徴（［数９］）を計算し、ターゲットオブジェクト中間特徴（すなわち、ターゲットオブジェクトの陰的表現（ｚｕ，ｈ））とターゲットオブジェクトの第１隣接オブジェクトの集約特徴とに対して演算処理を行い、ｈ番目の第１関係タイプのｔ＋１回目の反復のときの関係特徴情報を得て、ここで、ターゲット確率は、下記式３［数１０］として表現することができる。
【0065】
【数7】
【数8】
【数9】
【数10】
【0066】
ここで、指数関数ｅｘｐ（ｘ）は、ｘの指数を計算することを表現し、［数１１］は、ｚｖ，ｈの転置行列であり、［数１２］は、ｔ回目の反復のときに、ｈ番目の第１関係タイプの関係特徴情報を表現する。［数１３］は、下記式４［数１４］として表現することができる。
【0067】
【数11】
【数12】
【数13】
【数14】
【0068】
ここで、ネットワークノードｕは、図４ｂにおけるＶ０（すなわち、ターゲットオブジェクトに対応するネットワークノード）に対応し、（ｖ｜（ｕ，ｖ）∈Ｇ）は、図４ｂにおけるＶ１～Ｖ８（すなわち、ターゲットオブジェクトの第１隣接オブジェクトに対応するネットワークノード）に対応し、［数１５］は、ｔ－１回目の反復のときに、オブジェクトｖがｈ番目の第１関係タイプに割り当てられる確率を表現することに用いられ、ｚｕ，ｈは、ターゲットオブジェクトのｈ番目の第１関係タイプにおける陰的表現であり、ｚｖ，ｈは、ターゲットオブジェクトの第１隣接オブジェクトのｈ番目の第１関係タイプにおける陰的表現である。ここで、オブジェクトｖがｈ番目の第１関係タイプに割り当てられる確率の初期値［数１６］は、第１関係タイプの数に基づいて決められ、一種の具体的な実施形態において、［数１７］であり、たとえば、オブジェクトＡの第１関係タイプの数が５である（すなわち、オブジェクトＡの関連関係は、５類に分類される）と仮定すると、［数１８］である。上記式３、及び式４に基づき反復演算を行って、スマート機器は、Ｋ個の第１関係タイプの関係特徴情報（個々の第１関係タイプのＴ回目の反復のときの関係特徴情報）を決定することができる。実践した結果、Ｔ回の反復によってオブジェクトｖがｈ番目の第１関係タイプに割り当てられる確率を最適化し、異なる第１関係タイプによるオブジェクトｖに対する影響を区別することができ、マルチメディアリソース推薦の正確率をよりよく向上させることができることが見い出された。
【0069】
【数15】
【数16】
【数17】
【数18】
【0070】
Ｓ３０４：Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報によってターゲットオブジェクトに対して特徴分析を行い、ターゲットオブジェクトの表現特徴情報を得る。
【0071】
一種の実施形態において、スマート機器は、個々の第１関係タイプのＴ回目の反復のときの関係特徴情報を、該第１関係タイプの関係特徴情報（例えば、［数１９］）として決定し、更に、ターゲットオブジェクトの表現特徴情報ｙｕ＝［ｃ１，ｃ２，…，ｃＫ］を得る。
【0072】
【数19】
【0073】
別の一種の実施形態において、スマート機器は、ターゲットオブジェクトの第１隣接オブジェクトの第１特徴情報セットと、ターゲットオブジェクトの第２隣接オブジェクトの第２特徴情報セットとを取得し、第１特徴情報セットは、ターゲットオブジェクトの第１隣接オブジェクトの複数の第２関係タイプのうち、個々の第２関係タイプに対応する関係特徴情報（例えば、［数２０］）を含み、第２特徴情報セットは、ターゲットオブジェクトの第２隣接オブジェクトの複数の第３関係タイプのうち、個々の第３関係タイプに対応する関係特徴情報（例えば、［数２１］）を含み、Ｒ、及びＳは、正の整数であり、且つＲ、Ｓ、及びＫは、同じであってもよく異なってもよい（同じであるときに、個々のオブジェクトと該オブジェクトの第１隣接オブジェクトとの間は、いずれもＫ個の第１関係タイプに分類され、異なるときに、個々のオブジェクトと該オブジェクトの第１隣接オブジェクトとの間は、数が異なる第１関係タイプに分類される）。スマート機器がターゲットオブジェクトの第１隣接オブジェクトの第１特徴情報セットと、ターゲットオブジェクトの第２隣接オブジェクトの第２特徴情報セットとを取得する具体的な実施形態は、ステップＳ３０１～ステップＳ３０３を参照することができる。第１特徴情報セットによってターゲットオブジェクトの第１隣接オブジェクトの表現特徴情報［数２２］を得ることができ、同様に、第２特徴情報セットによってターゲットオブジェクトの第２隣接オブジェクトの表現特徴情報［数２３］を得ることができ、第Ｌ特徴情報セットによってターゲットオブジェクトの第Ｌ隣接オブジェクトの表現特徴情報［数２４］を得ることができる。
【0074】
【数20】
【数21】
【数22】
【数23】
【数24】
【0075】
ターゲットオブジェクトのＫ個の第１関係タイプに対応する関係特徴情報、及び第１特徴情報セット～第Ｌ特徴情報セットを関係予測モデルの入力として、関係予測モデルが出力した予測結果を得る。関係予測モデルは、Ｌ層のグラフ畳み込みネットワーク層を含み、Ｌは、正の整数であり、予測結果に対して過学習処理を行い、ターゲットオブジェクトの表現特徴情報を得る。ここで、関係予測モデルにおいて、ｇ層目のグラフ畳み込みネットワーク層の入力データは、ｇ－１層目のグラフ畳み込みネットワーク層の出力データに対して過学習処理を行った後に得られるデータを含む。
【0076】
例として、関係予測モデルのｌ層目の入力は、ターゲットオブジェクトのｌ－１層目での処理結果［数２５］、及びターゲットオブジェクトの第１隣接オブジェクトのｌ－１層目での処理結果セット［数２６］であり、ｌは、正の整数であり、且つｌは、Ｌ以下であり、関係予測モデルのｌ層目を採用して入力データを処理することは、下記式５［数２７］として表現することができる。
【0077】
【数25】
【数26】
【数27】
【0078】
次に、関係予測モデルのｌ層目の出力データに対して過学習処理を行って、ターゲットオブジェクトのｌ層目での処理結果［数２８］を得る。
［数２９］
［数２９］
【0079】
【数28】
【数29】
【0080】
ここで、ｆ（ｌ）（ｘ）は、関係予測モデルのｌ層目によってｘを処理することを表現し、ｄｒｏｐｏｕｔ（ｘ）は、ｘに対して過学習処理を行うことを表現し、［数３０］の値は、ｘｕに初期化される。ターゲットオブジェクトのＬ層目での処理結果［数３１］は、下記式７［数３２］として表現することができる。
【0081】
【数30】
【数31】
【数32】
【0082】
説明する必要がある点として、Ｕｕとｙｕとの区別については、ｙｕは、ターゲットオブジェクトの表現ベクトルとターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルとによって得られ、Ｕｕは、ターゲットオブジェクトの表現ベクトルとターゲットオブジェクトの第１隣接オブジェクトの表現ベクトル～第Ｌ隣接オブジェクトの表現ベクトルとによって得られる（ｙｕに対してより多くの特徴情報をカバーする）。
【0083】
Ｓ３０５：マルチメディアリソースセットを取得し、上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ上記第１マルチメディアリソースを上記ターゲットオブジェクトに送信する。
【0084】
上記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである。
【0085】
一種の実施形態において、マルチメディアリソースセットには複数のマルチメディアリソースのリソース特徴情報が含まれる。スマート機器は、マルチメディアリソースの閲覧情報を取得する。閲覧情報には該マルチメディアリソースを閲覧したＱ個のオブジェクトのオブジェクト識別子が含まれる。Ｑは、正の整数であり、Ｑ個のオブジェクトのオブジェクト識別子に基づいて、Ｑ個のオブジェクトの表現ベクトルを取得し（例えば、ステップＳ３０１における行列Ｘの中から取得する）、Ｑ個のオブジェクトの表現ベクトルに対して融合処理を行い（例えば、Ｑ個のオブジェクトの表現ベクトルを重ね合わせる）、且つ融合処理の結果に対して平均プーリング（ｍｅａｎ ｐｏｏｌｉｎｇ）処理を行い、マルチメディアリソースのリソース特徴情報を得る。仮に該マルチメディアリソースを閲覧するオブジェクトのリストが（ｕ１、ｕ２、ｕ３、ｕ４、…ｕＨ）であるとすると、ここで、Ｈは、該マルチメディアリソースを閲覧したすべてのオブジェクトの合計である。もし該マルチメディアリソースのリソース特徴情報がｉｍとして表現されるなら、下記式８［数３３］となる。
【0086】
【数33】
【0087】
ここで、［数３４］は、オブジェクトｕｈの表現ベクトルである。同様に、スマート機器は、上記式８に基づき、マルチメディアリソースセットにおけるすべてのマルチメディアリソースのリソース特徴情報を得ることができ、これらのリソース特徴情報は、行列Ｉに記録することができ、Ｉ＝｛ｉ１，ｉ２，…，ｉＮ｝である。
【0088】
【数34】
【0089】
いくつかの実施例において、スマート機器は、ターゲットオブジェクトの表現特徴情報と、マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、ターゲットオブジェクトとマルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定する。
【0090】
一種の実施形態において、スマート機器は、多層パーセプトロン（Ｍｕｔｉ－Ｌａｙｅｒ Ｐｅｒｃｅｔｒｏｎ、ＭＬＰ）によって個々の第１関係タイプとマルチメディアリソースｉとの関係を予測し、次に、アテンションメカニズムによって、異なる第１関係タイプの好みを総合的に考慮し、最終的に、ターゲットオブジェクトｕ、及びマルチメディアリソースｉの予測結果を得ることができる。
【0091】
スマート機器は、マルチメディアリソースセットのうちのマルチメディアリソースのリソース特徴情報とターゲットオブジェクトの表現特徴情報とを結合し、結合特徴セットを得て（すなわち、該マルチメディアリソースのリソース特徴情報と、［ｃｕ，１，ｃｕ，２，…，ｃｕ，Ｋ］のうちの個々の第１関係タイプに対応する関係特徴情報とを結合し、Ｋ個の結合特徴を得る）、且つ多層パーセプトロンを採用して結合特徴セットのうちの各々の結合特徴を処理し、Ｋ個の第１関係タイプのうち、個々の第１関係タイプと該マルチメディアリソースとの関係ベクトルを得る。ターゲットオブジェクトのｋ番目の第１関係タイプとマルチメディアリソースｉとの関係ベクトルは、下記式９［数３５］として表現することができる。
【0092】
【数35】
【0093】
ここで、ｘ｜｜ｙは、ベクトルｘとベクトルｙとを結合することを表現し、ＭＬＰ１（ｘ）は、第１多層パーセプトロンを採用してｘを処理することを表現する。上記式９に基づき、スマート機器は、第１多層パーセプトロンによって結合特徴セットのうちの各々の結合特徴を処理し、各々の第１関係タイプと各々のマルチメディアリソースとの関係ベクトルを得ることができる。
【0094】
各々の第１関係タイプとマルチメディアリソースとの関係ベクトルを得た後に、スマート機器は、個々の第１関係タイプとマルチメディアリソースとの関係ベクトルに基づいて、該第１関係タイプに対応する重み付けを計算する。ターゲットオブジェクトのｋ番目の第１関係タイプ、及びマルチメディアリソースｉの重み付けは、下記式１０［数３６］として表現することができる。
【0095】
【数36】
【0096】
ここで、指数関数ｅｘｐ（ｘ）は、ｘの指数を計算することを表現し、σ（ｘ）は、活性化関数（例えば、ｓｉｇｍｏｉｄ関数）であり、［数３７］は、アテンションベクトルであり、［数３８］は、関係ベクトルとアテンションベクトルとを内積演算することを表現する。上記式１０に基づき、スマート機器は、ターゲットオブジェクトの各々の第１関係タイプと各々のマルチメディアリソースとの間の重み付けを決定することができる。
【0097】
ターゲットオブジェクトの個々の第１関係タイプとマルチメディアセットにおけるマルチメディアリソースとの間の重み付けを得た後に、スマート機器は、Ｋ個の第１関係タイプのうち、個々の第１関係タイプとマルチメディアリソースとの関係ベクトル、及び個々の第１関係タイプに対応する重み付けに基づいて、ターゲットオブジェクトとマルチメディアリソースとの一致度を得て、ターゲットオブジェクトとマルチメディアリソースｉとの一致度は、下記式１１［数３９］として表現することができる。
【0098】
【数37】
【数38】
【数39】
【0099】
ここで、ＭＬＰ２（ｘ）は、第２多層パーセプトロンを採用してｘを処理することを表現する。上記式１１に基づき、スマート機器は、第２多層パーセプトロンによって、ターゲットオブジェクトとマルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を得ることができる。
【0100】
いくつかの実施例において、スマート機器は、一致度が高いものから低いものの順序でマルチメディアリソースセットのうちのマルチメディアリソースを順序付けし、且つターゲット位置の前に配列され、且つ一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースを第１マルチメディアリソースとして決定する。次に、ターゲットオブジェクトに向けて第１マルチメディアリソースを推薦する。１つの実施例において、第１マルチメディアリソースは、マルチメディアリソースセットのうちの、ターゲットオブジェクトとの一致度が最も高い１つ、又は複数のマルチメディアリソースである。
【0101】
別の一種の実施形態において、マルチメディアリソースを推薦する前に、スマート機器は、トレーニングデータを採用して式１～式１１におけるパラメータを最適化することができる（すなわち、ラベル付けされたデータと式１～式１１によって決定された予測データとを比較し、且つ損失関数によって式１～式１１におけるパラメータを調整することで、ラベル付けされたデータと予測データとの間の相違点を低減させ、損失関数が収束するまで続ける）。トレーニングが完了した後に、スマート機器は、全部のオブジェクトの表現ベクトルを取得し、ターゲットオブジェクトｕのマルチメディアリソース取得要求を検出したときに、上記ステップＳ３０１～ステップＳ３０５を実行することによって、ターゲットオブジェクトｕとマルチメディアリソースセットのうちの各々のマルチメディアリソースとの類似度を比較し、その後、ターゲットオブジェクトに推薦条件を満たすマルチメディアリソースを推薦する。
【0102】
本願の実施例は、図２の実施例を基に、関連関係情報セットによって関連情報ネットワークグラフを構築する。更にターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを得る。ターゲットオブジェクトとターゲットオブジェクトの第１隣接オブジェクトとの陰的表現によって、第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得る。更にターゲットオブジェクトの表現特徴情報を得て、マルチメディアリソースを視聴したオブジェクトの表現ベクトルによって、マルチメディアリソースのリソース特徴情報を得る。更にターゲットオブジェクトの表現特徴情報とマルチメディアリソースのリソース特徴情報とに基づき、ターゲットオブジェクトにマルチメディアリソースを推薦する。これから分かるように、ターゲットオブジェクトとターゲットオブジェクトの隣接オブジェクトとの関係タイプによって、ターゲットオブジェクトの関心のあるポイントを掘り起こし、更に推薦の正確性をよりよく向上させる。
【0103】
上記では、本願の実施例の方法を述べているが、本願の実施例の上記解決手段のより良好な実施を容易にするために、これに対応して、以下では本願の実施例の装置について説明する。
【0104】
図５に参照されるように、図５は、本願の実施例が提供するマルチメディアリソースの推薦装置の構造模式図である。マルチメディアリソースの推薦装置５００は、取得ユニット５０１と、処理ユニット５０２と、を含み、該装置は、スマート機器に搭載されてもよく、スマート機器は、端末機器、及びサーバを含んでもよい。図５に示されるマルチメディアリソースの推薦装置は、上記図２、及び図３に記述される方法の実施例における一部、又は全部の機能を実行することに用いることができる。ここで、各々のユニットの記述は、以下の通りである。
【0105】
取得ユニット５０１は、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するように構成され、上記隣接オブジェクトの表現ベクトルセットには、上記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、上記ターゲットオブジェクトと上記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数である。
【0106】
処理ユニット５０２は、上記ターゲットオブジェクトの表現ベクトルと上記隣接オブジェクトの表現ベクトルセットとに基づいて、上記ターゲットオブジェクトの表現特徴情報を得るように構成されている。上記表現特徴情報は、上記ターゲットオブジェクトの上記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される。そしてマルチメディアリソースセットを取得し、上記ターゲットオブジェクトの表現特徴情報に基づいて、上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、上記第１マルチメディアリソースを上記ターゲットオブジェクトに送信するように構成されている。上記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである。
【0107】
１つの実施例において、上記処理ユニット５０２は、さらに、上記ターゲットオブジェクトの表現ベクトルと上記隣接オブジェクトの表現ベクトルセットとに基づいて、上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得て、上記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報によって上記ターゲットオブジェクトに対して特徴分析を行い、上記ターゲットオブジェクトの表現特徴情報を得るように構成される。
【0108】
１つの実施例において、上記処理ユニット５０２は、さらに、上記Ｋ個の第１関係タイプのうちのｈ番目の第１関係タイプの特徴パラメータセットを取得することであって、上記特徴パラメータセットは、上記ｈ番目の第１関係タイプの重み付け行列と上記ｈ番目の第１関係タイプのバイアスベクトルと、を含む、ことと、上記ｈ番目の第１関係タイプの特徴パラメータセットによって、上記ターゲットオブジェクトの上記ｈ番目の第１関係タイプ下でのターゲットオブジェクト中間特徴を決定し、且つ上記ターゲットオブジェクトの各々の第１隣接オブジェクトの上記ｈ番目の第１関係タイプ下での隣接オブジェクト中間特徴を決定することと、上記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、上記ｈ番目の第１関係タイプの関係特徴情報を得ることと、を行うように構成される。
【0109】
１つの実施例において、上記ｈ番目の第１関係タイプの関係特徴情報は、上記ｈ番目の第１関係タイプのＴ回目の反復のときの関係特徴情報であり、Ｔは、１よりも大きい正の整数である。上記処理ユニット５０２は、さらに、上記ターゲットオブジェクトの各々の第１隣接オブジェクトがｔ回目の反復のときに、上記ｈ番目の第１関係タイプに分類されるターゲット確率を取得することであって、ｔは、正の整数であり、且つｔは、Ｔよりも小さい、ことと、上記ターゲット確率と各々の隣接オブジェクト中間特徴とに基づいて、上記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴を決定することと、上記ターゲットオブジェクト中間特徴と上記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴とに対して演算処理を行い、上記ｈ番目の第１関係タイプのｔ＋１回目の反復のときの関係特徴情報を得ることと、を行うように構成される。
【0110】
１つの実施例において、上記処理ユニット５０２は、さらに、上記ターゲットオブジェクトの第１隣接オブジェクトの第１特徴情報セットと、上記ターゲットオブジェクトの第２隣接オブジェクトの第２特徴情報セットとを取得することであって、上記第１特徴情報セットは、上記ターゲットオブジェクトの第１隣接オブジェクトの複数の第２関係タイプのうち、個々の第２関係タイプに対応する関係特徴情報を含み、上記第２特徴情報セットは、上記ターゲットオブジェクトの第２隣接オブジェクトの複数の第３関係タイプのうち、個々の第３関係タイプに対応する関係特徴情報を含む、ことと、関係予測モデルを利用して、上記ターゲットオブジェクトのＫ個の第１関係タイプに対応する関係特徴情報、上記第１特徴情報セット、及び上記第２特徴情報セットに対して予測処理を行い、上記関係予測モデルが出力した予測結果を得ることであって、上記関係予測モデルは、Ｌ層のグラフ畳み込みネットワーク層を含み、Ｌは、正の整数である、ことと、上記予測結果に対して過学習処理を行い、上記ターゲットオブジェクトの表現特徴情報を得ることと、を行うように構成される。ここで、上記関係予測モデルにおいて、ｇ層目のグラフ畳み込みネットワーク層の入力データは、ｇ－１層目のグラフ畳み込みネットワーク層の出力データに対して過学習処理を行った後に得られるデータを含む。
【0111】
１つの実施例において、上記処理ユニット５０２は、さらに、第２マルチメディアリソースの閲覧情報を取得することであって、上記閲覧情報には、上記第２マルチメディアリソースを閲覧したＱ個のオブジェクトのオブジェクト識別子が含まれ、Ｑは、正の整数である、ことと、
上記Ｑ個のオブジェクトのオブジェクト識別子に基づいて、上記Ｑ個のオブジェクトの表現ベクトルを取得することと、
上記Ｑ個のオブジェクトの表現ベクトルに対して融合処理を行い、且つ融合処理の結果に対して平均プーリング処理を行って、上記第２マルチメディアリソースのリソース特徴情報を得ることと、を行うように構成され、上記マルチメディアリソースセットには上記第２マルチメディアリソースのリソース特徴情報が含まれる。
上記Ｑ個のオブジェクトのオブジェクト識別子に基づいて、上記Ｑ個のオブジェクトの表現ベクトルを取得することと、
上記Ｑ個のオブジェクトの表現ベクトルに対して融合処理を行い、且つ融合処理の結果に対して平均プーリング処理を行って、上記第２マルチメディアリソースのリソース特徴情報を得ることと、を行うように構成され、上記マルチメディアリソースセットには上記第２マルチメディアリソースのリソース特徴情報が含まれる。
【0112】
１つの実施例において、上記処理ユニット５０２は、さらに、上記ターゲットオブジェクトの表現特徴情報と、上記マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、上記ターゲットオブジェクトと上記マルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定し、上記マルチメディアリソースセットのうちの、上記ターゲットオブジェクトとの一致度が一致度閾値よりも高いマルチメディアリソースを第１マルチメディアリソースとして決定するように構成される。
【0113】
１つの実施例において、上記処理ユニット５０２は、さらに、上記マルチメディアリソースセットのうちの上記第２マルチメディアリソースのリソース特徴情報と上記ターゲットオブジェクトの表現特徴情報とを結合し、結合特徴セットを得て、多層パーセプトロンを採用して上記結合特徴セットのうちの各々の結合特徴を処理し、上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトルを得て、個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトルに基づいて、該第１関係タイプに対応する重み付けを計算し、上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトル、及び個々の第１関係タイプに対応する重み付けに基づいて、上記ターゲットオブジェクトと上記第２マルチメディアリソースとの一致度を得るように構成される。
【0114】
１つの実施例において、上記処理ユニット５０２は、さらに、関連関係情報セットを取得することであって、上記関連関係情報セットは、オブジェクト情報セットと、関係情報セットと、を含む、ことと、上記オブジェクト情報セットに基づいてＮ個のネットワークノードを生成することであって、上記Ｎ個のネットワークノードのうちの個々のネットワークノードは、１つのオブジェクトに対応し、且つ個々のネットワークノードには該ネットワークノードと対応するオブジェクトのオブジェクト情報が携えられており、Ｎは、正の整数である、ことと、もし上記関係情報セットが上記Ｎ個のネットワークノードのうちの第１ネットワークノードに対応するオブジェクトが第２ネットワークノードのオブジェクトとインタラクション行動を有することを指示するなら、上記インタラクション行動に基づいて上記第１ネットワークノードと上記第２ネットワークノードとのリンク情報を生成し、関連情報ネットワークグラフを得ることと、上記関連情報ネットワークグラフに基づいて、上記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを得ることと、を行うように構成される。
【0115】
１つの実施例において、第１ネットワークノードと上記第２ネットワークノードとのリンク情報におけるリンク重み付けは、上記第１ネットワークノードと上記第２ネットワークノードとの間の関連度に基づいて決定される重み付けを含み、上記リンク重み付けは、上記関連度に正比例し、上記関連度は、上記第１ネットワークノードと上記第２ネットワークノードとのターゲット期間内のインタラクション情報に基づいて決定されるものであり、上記インタラクション情報は、累積インタラクション回数、累積インタラクション時間、インタラクション頻度、及びインタラクション内容のうちの少なくとも１つを含む。
【0116】
１つの実施例において、上記処理ユニット５０２は、さらに、上記ターゲットオブジェクトに対応するターゲットネットワークノードを開始点として上記関連情報ネットワークグラフにおいてランダムに遊走してＭ本の軌跡を得ることであって、各軌跡の歩長は、Ｐであり、ここで、Ｍ、及びＰは、いずれも正の整数である、ことと、上記Ｍ本の軌跡において携えられるオブジェクト情報に基づいて、上記ターゲットオブジェクトの表現ベクトルを得ることと、を行うように構成される。ここで、ｉ番目のネットワークノードからｊ番目のネットワークノードまで遊走する確率は、ターゲットリンク重み付けに正比例し、上記ターゲットリンク重み付けは、上記ｉ番目のネットワークノードと上記ｊ番目のネットワークノードとのリンク情報におけるリンク重み付けであり、ｉ、及びｊは、いずれも正の整数であり、ｉは、ｊに等しくなく、且つｉ、及びｊは、いずれもＮ以下である。
【0117】
本願の１つの実施例によれば、図２、及び図３に示されるマルチメディアリソースの推薦方法に係る一部のステップは、図５に示されるマルチメディアリソースの推薦装置における各々のユニットにより実行されてもよい。たとえば、図２の中に示されるステップＳ２０１は、図５に示される取得ユニット５０１により実行されてもよく、ステップＳ２０２、及びステップＳ２０３は、図５に示される処理ユニット５０２により実行されてもよい。図３の中に示されるステップＳ３０１、及びステップＳ３０２は、図５に示される取得ユニット５０１により実行されてもよく、ステップＳ３０３～ステップＳ３０５は、図５に示される処理ユニット５０２により実行されてもよい。図５に示されるマルチメディアリソースの推薦装置における各々のユニットのそれぞれ、又は全部は、１つ、又は複数の他のユニットを組み合わせて構成されてもよく、又はそのうちのある（幾つかの）ユニットは、さらに、機能的により小さい複数のユニットに分けて構成されてもよく、これらは、同様な操作を実現することができ、本願の実施例の技術的効果の実現に影響を与えない。上記ユニットは、ロジック機能に基づき分類され、実際の応用において、１つのユニットの機能は、複数のユニットにより実現されてもよく、又は複数のユニットの機能は、１つのユニットにより実現される。本願の他の実施例において、マルチメディアリソースの推薦装置は、他のユニットを含んでもよく、実際の応用において、これらの機能は、他のユニットにより協働して実現されてもよく、且つ複数のユニットにより協働して実現されてもよい。
【0118】
本願の別の実施例によれば、中央処理ユニット（ＣＰＵ）、ランダムアクセス記憶媒体（ＲＡＭ）、及び読み出し専用記憶媒体（ＲＯＭ）等の処理素子と記憶素子とを含むコンピュータ等の汎用コンピューティング装置において、図２、及び図３の中に示された対応する方法に係る各ステップを実行できるコンピュータプログラム（プログラムコードを含む）を動作させることによって、図５の中に示されるマルチメディアリソースの推薦装置を構成し、且つ本願の実施例のマルチメディアリソースの推薦方法を実現することができる。上記コンピュータプログラムは、たとえば、コンピュータ可読記録媒体に記録されてもよく、且つコンピュータ可読記録媒体によって上記コンピューティング装置に搭載されて、その中で動作してもよい。
【0119】
同一の発明の技術的思想に基づき、本願の実施例に提供されるマルチメディアリソースの推薦装置が課題を解決する原理、及び有益な効果は、本願の方法の実施例におけるマルチメディアリソースの推薦装置が課題を解決する原理、及び有益な効果と類似しているため、方法の実施の原理、及び有益な効果を参照することができる。
【0120】
図６に参照されるように、図６は、本願の実施例が提供する電子機器の構造模式図であり、上記電子機器６００は、少なくとも、プロセッサ６０１と、通信インタフェース６０２と、メモリ６０３と、を含む。ここで、プロセッサ６０１、通信インタフェース６０２、及びメモリ６０３は、バス、又は他の方式によって接続することができる。本願の実施例において、プロセッサ６０１は、メモリ６０３における実行可能なプログラムコードを動作させることによって、以下の操作を実行することに用いられる。
【0121】
通信インタフェース６０２によってターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得し、上記隣接オブジェクトの表現ベクトルセットには、上記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、上記ターゲットオブジェクトと上記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数であり、
上記ターゲットオブジェクトの表現ベクトルと上記隣接オブジェクトの表現ベクトルセットとに基づいて、上記ターゲットオブジェクトの表現特徴情報を得て、上記表現特徴情報は、上記ターゲットオブジェクトの上記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、
マルチメディアリソースセットを取得し、且つ上記ターゲットオブジェクトの表現特徴情報に基づいて、上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ上記第１マルチメディアリソースを上記ターゲットオブジェクトに送信し、上記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである。
上記ターゲットオブジェクトの表現ベクトルと上記隣接オブジェクトの表現ベクトルセットとに基づいて、上記ターゲットオブジェクトの表現特徴情報を得て、上記表現特徴情報は、上記ターゲットオブジェクトの上記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、
マルチメディアリソースセットを取得し、且つ上記ターゲットオブジェクトの表現特徴情報に基づいて、上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ上記第１マルチメディアリソースを上記ターゲットオブジェクトに送信し、上記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである。
【0122】
いくつかの実施例において、プロセッサ６０１が上記ターゲットオブジェクトの表現ベクトルと上記隣接オブジェクトの表現ベクトルセットとに基づいて、上記ターゲットオブジェクトの表現特徴情報を得る具体的な実施例は、以下の通りである。
【0123】
上記ターゲットオブジェクトの表現ベクトルと上記隣接オブジェクトの表現ベクトルセットとに基づいて、上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得て、
上記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報によって上記ターゲットオブジェクトに対して特徴分析を行い、上記ターゲットオブジェクトの表現特徴情報を得る。
上記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報によって上記ターゲットオブジェクトに対して特徴分析を行い、上記ターゲットオブジェクトの表現特徴情報を得る。
【0124】
いくつかの実施例において、プロセッサ６０１が上記ターゲットオブジェクトの表現ベクトルと上記隣接オブジェクトの表現ベクトルセットとに基づいて、上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を得る具体的な実施例は、以下の通りである。
【0125】
上記Ｋ個の第１関係タイプのうちのｈ番目の第１関係タイプの特徴パラメータセットを取得し、上記特徴パラメータセットは、上記ｈ番目の第１関係タイプの重み付け行列と上記ｈ番目の第１関係タイプのバイアスベクトルと、を含み、
上記ｈ番目の第１関係タイプの特徴パラメータセットによって、上記ターゲットオブジェクトの上記ｈ番目の第１関係タイプ下でのターゲットオブジェクト中間特徴を決定し、且つ上記ターゲットオブジェクトの各々の第１隣接オブジェクトの上記ｈ番目の第１関係タイプ下での隣接オブジェクト中間特徴を決定し、
上記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、上記ｈ番目の第１関係タイプの関係特徴情報を得る。
上記ｈ番目の第１関係タイプの特徴パラメータセットによって、上記ターゲットオブジェクトの上記ｈ番目の第１関係タイプ下でのターゲットオブジェクト中間特徴を決定し、且つ上記ターゲットオブジェクトの各々の第１隣接オブジェクトの上記ｈ番目の第１関係タイプ下での隣接オブジェクト中間特徴を決定し、
上記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、上記ｈ番目の第１関係タイプの関係特徴情報を得る。
【0126】
いくつかの実施例において、上記ｈ番目の第１関係タイプの関係特徴情報は、上記ｈ番目の第１関係タイプのＴ回目の反復のときの関係特徴情報であり、Ｔは、１よりも大きい正の整数であり、プロセッサ６０１が上記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、上記ｈ番目の第１関係タイプの関係特徴情報を得る具体的な実施例は、以下の通りである。
【0127】
上記ターゲットオブジェクトの各々の第１隣接オブジェクトがｔ回目の反復のときに、上記ｈ番目の第１関係タイプに分類されるターゲット確率を取得し、ｔは、正の整数であり、且つｔは、Ｔよりも小さく、
上記ターゲット確率と各々の隣接オブジェクト中間特徴とに基づいて、上記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴を決定し、
上記ターゲットオブジェクト中間特徴と上記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴とに対して演算処理を行い、上記ｈ番目の第１関係タイプのｔ＋１回目の反復のときの関係特徴情報を得る。
上記ターゲット確率と各々の隣接オブジェクト中間特徴とに基づいて、上記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴を決定し、
上記ターゲットオブジェクト中間特徴と上記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴とに対して演算処理を行い、上記ｈ番目の第１関係タイプのｔ＋１回目の反復のときの関係特徴情報を得る。
【0128】
いくつかの実施例において、プロセッサ６０１が上記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報によって上記ターゲットオブジェクトに対して特徴分析を行い、上記ターゲットオブジェクトの表現特徴情報を得る具体的な実施例は、以下の通りである。
【0129】
上記ターゲットオブジェクトの第１隣接オブジェクトの第１特徴情報セットと、上記ターゲットオブジェクトの第２隣接オブジェクトの第２特徴情報セットとを取得し、上記第１特徴情報セットは、上記ターゲットオブジェクトの第１隣接オブジェクトの複数の第２関係タイプのうち、個々の第２関係タイプに対応する関係特徴情報を含み、上記第２特徴情報セットは、上記ターゲットオブジェクトの第２隣接オブジェクトの複数の第３関係タイプのうち、個々の第３関係タイプに対応する関係特徴情報を含み、
関係予測モデルを利用して、上記ターゲットオブジェクトのＫ個の第１関係タイプに対応する関係特徴情報、上記第１特徴情報セット、及び上記第２特徴情報セットに対して予測処理を行い、上記関係予測モデルが出力した予測結果を得て、上記関係予測モデルは、Ｌ層のグラフ畳み込みネットワーク層を含み、Ｌは、正の整数であり、
上記予測結果に対して過学習処理を行い、上記ターゲットオブジェクトの表現特徴情報を得て、
ここで、上記関係予測モデルにおいて、ｇ層目のグラフ畳み込みネットワーク層の入力データは、ｇ－１層目のグラフ畳み込みネットワーク層の出力データに対して過学習処理を行った後に得られるデータを含む。
関係予測モデルを利用して、上記ターゲットオブジェクトのＫ個の第１関係タイプに対応する関係特徴情報、上記第１特徴情報セット、及び上記第２特徴情報セットに対して予測処理を行い、上記関係予測モデルが出力した予測結果を得て、上記関係予測モデルは、Ｌ層のグラフ畳み込みネットワーク層を含み、Ｌは、正の整数であり、
上記予測結果に対して過学習処理を行い、上記ターゲットオブジェクトの表現特徴情報を得て、
ここで、上記関係予測モデルにおいて、ｇ層目のグラフ畳み込みネットワーク層の入力データは、ｇ－１層目のグラフ畳み込みネットワーク層の出力データに対して過学習処理を行った後に得られるデータを含む。
【0130】
いくつかの実施例において、プロセッサ６０１がマルチメディアリソースセットを取得する具体的な実施例は、以下の通りである。
【0131】
第２マルチメディアリソースの閲覧情報を取得し、上記閲覧情報には、上記第２マルチメディアリソースを閲覧したＱ個のオブジェクトのオブジェクト識別子が含まれ、Ｑは、正の整数であり、
上記Ｑ個のオブジェクトのオブジェクト識別子に基づいて、上記Ｑ個のオブジェクトの表現ベクトルを取得し、
上記Ｑ個のオブジェクトの表現ベクトルに対して融合処理を行い、且つ融合処理の結果に対して平均プーリング処理を行って、上記第２マルチメディアリソースのリソース特徴情報を得て、
上記マルチメディアリソースセットには上記第２マルチメディアリソースのリソース特徴情報が含まれる。
上記Ｑ個のオブジェクトのオブジェクト識別子に基づいて、上記Ｑ個のオブジェクトの表現ベクトルを取得し、
上記Ｑ個のオブジェクトの表現ベクトルに対して融合処理を行い、且つ融合処理の結果に対して平均プーリング処理を行って、上記第２マルチメディアリソースのリソース特徴情報を得て、
上記マルチメディアリソースセットには上記第２マルチメディアリソースのリソース特徴情報が含まれる。
【0132】
いくつかの実施例において、プロセッサ６０１が上記ターゲットオブジェクトの表現特徴情報に基づいて、上記マルチメディアリソースセットの中から第１マルチメディアリソースを決定する具体的な実施例は、以下の通りである。
【0133】
上記ターゲットオブジェクトの表現特徴情報と、上記マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、上記ターゲットオブジェクトと上記マルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定し、
上記マルチメディアリソースセットのうちの、上記ターゲットオブジェクトとの一致度が一致度閾値よりも高いマルチメディアリソースを第１マルチメディアリソースとして決定する。
上記マルチメディアリソースセットのうちの、上記ターゲットオブジェクトとの一致度が一致度閾値よりも高いマルチメディアリソースを第１マルチメディアリソースとして決定する。
【0134】
いくつかの実施例において、プロセッサ６０１が上記ターゲットオブジェクトの表現特徴情報と、上記マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、上記ターゲットオブジェクトと上記マルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定する具体的な実施例は、以下の通りである。
【0135】
上記マルチメディアリソースセットのうちの上記第２マルチメディアリソースのリソース特徴情報と上記ターゲットオブジェクトの表現特徴情報とを結合処理し、結合特徴セットを得て、
多層パーセプトロンを採用して上記結合特徴セットのうちの各々の結合特徴を処理し、上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトルを得て、
個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトルに基づいて、上記第１関係タイプに対応する重み付けを決定し、
上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトル、及び個々の第１関係タイプに対応する重み付けに基づいて、上記ターゲットオブジェクトと上記第２マルチメディアリソースとの一致度を決定する。
多層パーセプトロンを採用して上記結合特徴セットのうちの各々の結合特徴を処理し、上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトルを得て、
個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトルに基づいて、上記第１関係タイプに対応する重み付けを決定し、
上記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと上記第２マルチメディアリソースとの関係ベクトル、及び個々の第１関係タイプに対応する重み付けに基づいて、上記ターゲットオブジェクトと上記第２マルチメディアリソースとの一致度を決定する。
【0136】
いくつかの実施例において、プロセッサ６０１は、メモリ６０３における実行可能なプログラムコードを動作させることによって、以下の操作をさらに実行する。
【0137】
関連関係情報セットを取得し、上記関連関係情報セットは、オブジェクト情報セットと、関係情報セットと、を含み、
上記オブジェクト情報セットに基づいてＮ個のネットワークノードを生成し、上記Ｎ個のネットワークノードのうちの個々のネットワークノードは、１つのオブジェクトに対応し、且つ個々のネットワークノードには該ネットワークノードと対応するオブジェクトのオブジェクト情報が携えられており、Ｎは、正の整数であり、
もし上記関係情報セットが上記Ｎ個のネットワークノードのうちの第１ネットワークノードに対応するオブジェクトが第２ネットワークノードのオブジェクトとインタラクション行動を有することを指示するなら、上記インタラクション行動に基づいて上記第１ネットワークノードと上記第２ネットワークノードとのリンク情報を生成し、関連情報ネットワークグラフを得て、
上記関連情報ネットワークグラフに基づいて、上記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを得る。
上記オブジェクト情報セットに基づいてＮ個のネットワークノードを生成し、上記Ｎ個のネットワークノードのうちの個々のネットワークノードは、１つのオブジェクトに対応し、且つ個々のネットワークノードには該ネットワークノードと対応するオブジェクトのオブジェクト情報が携えられており、Ｎは、正の整数であり、
もし上記関係情報セットが上記Ｎ個のネットワークノードのうちの第１ネットワークノードに対応するオブジェクトが第２ネットワークノードのオブジェクトとインタラクション行動を有することを指示するなら、上記インタラクション行動に基づいて上記第１ネットワークノードと上記第２ネットワークノードとのリンク情報を生成し、関連情報ネットワークグラフを得て、
上記関連情報ネットワークグラフに基づいて、上記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを得る。
【0138】
いくつかの実施例において、上記第１ネットワークノードと上記第２ネットワークノードとのリンク情報におけるリンク重み付けは、上記第１ネットワークノードと上記第２ネットワークノードとの間の関連度に基づいて決定される重み付けを含み、上記リンク重み付けは、上記関連度に正比例し、上記関連度は、上記第１ネットワークノードと上記第２ネットワークノードとのターゲット期間内のインタラクション情報に基づいて決定されるものであり、上記インタラクション情報は、累積インタラクション回数、累積インタラクション時間、インタラクション頻度、及びインタラクション内容のうちの少なくとも１つを含む。
【0139】
いくつかの実施例において、プロセッサ６０１が上記関連情報ネットワークグラフに基づいて、上記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを得る具体的な実施例は、以下の通りである。
【0140】
上記ターゲットオブジェクトに対応するターゲットネットワークノードを開始点として上記関連情報ネットワークグラフにおいてランダムに遊走してＭ本の軌跡を得て、各軌跡の歩長は、Ｐであり、ここで、Ｍ、及びＰは、いずれも正の整数であり、
上記Ｍ本の軌跡において携えられるオブジェクト情報に基づいて、上記ターゲットオブジェクトの表現ベクトルを得て、
ここで、ｉ番目のネットワークノードからｊ番目のネットワークノードまで遊走する確率は、ターゲットリンク重み付けに正比例し、上記ターゲットリンク重み付けは、上記ｉ番目のネットワークノードと上記ｊ番目のネットワークノードとのリンク情報におけるリンク重み付けであり、ｉ、及びｊは、いずれも正の整数であり、ｉは、ｊに等しくなく、且つｉ、及びｊは、いずれもＮ以下である。
上記Ｍ本の軌跡において携えられるオブジェクト情報に基づいて、上記ターゲットオブジェクトの表現ベクトルを得て、
ここで、ｉ番目のネットワークノードからｊ番目のネットワークノードまで遊走する確率は、ターゲットリンク重み付けに正比例し、上記ターゲットリンク重み付けは、上記ｉ番目のネットワークノードと上記ｊ番目のネットワークノードとのリンク情報におけるリンク重み付けであり、ｉ、及びｊは、いずれも正の整数であり、ｉは、ｊに等しくなく、且つｉ、及びｊは、いずれもＮ以下である。
【0141】
同一の発明の技術的思想に基づき、本願の実施例において提供される電子機器が課題を解決する原理、及び有益な効果は、本願の方法の実施例におけるマルチメディアリソースの推薦方法が課題を解決する原理、及び有益な効果と類似しており、方法の実施の原理、及び有益な効果を参照することができる。
【0142】
本願の実施例は、コンピュータ可読記憶媒体をさらに提供し、上記コンピュータ可読記憶媒体に１つ、又は複数の命令が記憶されており、上記１つ、又は複数の命令は、プロセッサによりロードされ、且つ上記方法の実施例に記載のマルチメディアリソースの推薦方法を実行することに適する。
【0143】
本願の実施例は、命令を含むコンピュータプログラム製品をさらに提供し、それがコンピュータにおいて動作するときに、コンピュータに上記方法の実施例に記載のマルチメディアリソースの推薦方法を実行させる。
【0144】
本願の実施例は、コンピュータプログラム製品、又はコンピュータプログラムをさらに提供し、該コンピュータプログラム製品、又はコンピュータプログラムは、コンピュータ命令を含み、該コンピュータ命令は、コンピュータ可読記憶媒体に記憶されている。コンピュータ機器のプロセッサは、コンピュータ可読記憶媒体から該コンピュータ命令を読み出し、プロセッサは、該コンピュータ命令を実行し、該コンピュータ機器に上記マルチメディアリソースの推薦の方法を実行させる。
【0145】
本願の実施例の方法におけるステップは、実際のニーズに応じて、順序の調整、組み合わせ、及び削除を行うことができる。
【0146】
本願の実施例の装置におけるモジュールは、実際のニーズに応じて、組み合わせ、分類、及び削除を行うことができる。
【0147】
当業者であれば理解できるように、上記実施例の各種の方法における全部、又は一部のステップは、プログラムによって関連ハードウェアに命令を出して完了することができ、該プログラムは、１つのコンピュータ可読記憶媒体に記憶されてもよく、可読記憶媒体は、フラッシュディスク、読み出し専用メモリ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、ＲＯＭ）、ランダムアクセスメモリ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ＲＡＭ）、磁気ディスク、又は光ディスク等を含んでもよい。
【0148】
上記の開示は、本願の一種の好ましい実施例にすぎず、勿論、これにより本願の特許請求の範囲を限定することができず、当業者であれば理解できるように、上記実施例を実現する全部、又は一部のプロセス、及び本願の特許請求の範囲に従って行われる均等物への変更は、依然として発明がカバーする範囲に属する。
【符号の説明】
【0149】
１０１ 端末
１０２ サーバ
５００ 推薦装置
５０１ 取得ユニット
５０２ 処理ユニット
６００ 電子機器
６０１ プロセッサ
６０２ 通信インタフェース
６０３ メモリ
１０２ サーバ
５００ 推薦装置
５０１ 取得ユニット
５０２ 処理ユニット
６００ 電子機器
６０１ プロセッサ
６０２ 通信インタフェース
６０３ メモリ
【図1】
【図2】
【図3】
【図4a】
【図4b】
【図5】
【図6】
【手続補正書】
【提出日】2023-09-11
【手続補正2】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
電子機器により実行される、マルチメディアリソースの推薦方法であって、 ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するステップであって、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとは、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数である、ステップと、前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定するステップであって、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定される、ステップと、
マルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するステップであって、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである、ステップと、を含む、マルチメディアリソースの推薦方法。
【請求項2】
前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定する前記ステップは、前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を決定するステップと、
前記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報に基づいて前記ターゲットオブジェクトに対して特徴分析を行い、前記ターゲットオブジェクトの表現特徴情報を得るステップと、を含む、請求項１に記載の方法。
【請求項3】
前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプに対応する関係特徴情報を決定する前記ステップは、前記Ｋ個の第１関係タイプのうちのｈ番目の第１関係タイプの特徴パラメータセットを取得するステップであって、前記特徴パラメータセットは、前記ｈ番目の第１関係タイプの重み付け行列と前記ｈ番目の第１関係タイプのバイアスベクトルと、を含む、ステップと、
前記ｈ番目の第１関係タイプの特徴パラメータセットに基づいて、前記ターゲットオブジェクトの前記ｈ番目の第１関係タイプ下でのターゲットオブジェクト中間特徴を決定し、且つ前記ターゲットオブジェクトの各々の第１隣接オブジェクトの前記ｈ番目の第１関係タイプ下での隣接オブジェクト中間特徴を決定するステップと、
前記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、前記ｈ番目の第１関係タイプの関係特徴情報を決定するステップと、を含む、請求項２に記載の方法。
【請求項4】
前記ｈ番目の第１関係タイプの関係特徴情報は、前記ｈ番目の第１関係タイプのＴ回目の反復のときの関係特徴情報であり、Ｔは、１よりも大きい正の整数であり、前記ターゲットオブジェクト中間特徴と各々の隣接オブジェクト中間特徴とに基づいて、前記ｈ番目の第１関係タイプの関係特徴情報を決定する前記ステップは、
前記ターゲットオブジェクトの各々の第１隣接オブジェクトがｔ回目の反復のときに、前記ｈ番目の第１関係タイプに分類されるターゲット確率を取得するステップであって、ｔは、正の整数であり、且つｔは、Ｔよりも小さい、ステップと、
前記ターゲット確率と各々の隣接オブジェクト中間特徴とに基づいて、前記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴を決定するステップと、
前記ターゲットオブジェクト中間特徴と前記ターゲットオブジェクトの第１隣接オブジェクトの集約特徴とに対して演算処理を行い、前記ｈ番目の第１関係タイプのｔ＋１回目の反復のときの関係特徴情報を得るステップと、を含む、請求項３に記載の方法。
【請求項5】
前記Ｋ個の第１関係タイプにそれぞれ対応するＫ個の関係特徴情報に基づいて前記ターゲットオブジェクトに対して特徴分析を行い、前記ターゲットオブジェクトの表現特徴情報を得る前記ステップは、前記ターゲットオブジェクトの第１隣接オブジェクトの第１特徴情報セットと、前記ターゲットオブジェクトの第２隣接オブジェクトの第２特徴情報セットとを取得するステップであって、前記第１特徴情報セットは、前記ターゲットオブジェクトの第１隣接オブジェクトの複数の第２関係タイプのうち、個々の第２関係タイプに対応する関係特徴情報を含み、前記第２特徴情報セットは、前記ターゲットオブジェクトの第２隣接オブジェクトの複数の第３関係タイプのうち、個々の第３関係タイプに対応する関係特徴情報を含む、ステップと、
関係予測モデルを利用して、前記ターゲットオブジェクトのＫ個の第１関係タイプに対応する関係特徴情報、前記第１特徴情報セット、及び前記第２特徴情報セットに対して予測処理を行い、前記関係予測モデルが出力した予測結果を得るステップであって、前記関係予測モデルは、Ｌ層のグラフ畳み込みネットワーク層を含み、Ｌは、１よりも大きい正の整数である、ステップと、
前記予測結果に対して過学習処理を行い、前記ターゲットオブジェクトの表現特徴情報を得るステップと、を含み、
前記関係予測モデルにおいて、ｇ層目のグラフ畳み込みネットワーク層の入力データは、ｇ－１層目のグラフ畳み込みネットワーク層の出力データに対して過学習処理を行った後に得られるデータを含む、請求項２に記載の方法。
【請求項6】
前記マルチメディアリソースセットを取得することは、マルチメディアリソースの閲覧情報を取得するステップであって、前記閲覧情報には、前記マルチメディアリソースを閲覧したＱ個のオブジェクトのオブジェクト識別子が含まれ、Ｑは、正の整数である、ステップと、
前記Ｑ個のオブジェクトのオブジェクト識別子に基づいて、前記Ｑ個のオブジェクトの表現ベクトルを取得するステップと、
前記Ｑ個のオブジェクトの表現ベクトルに対して融合処理を行い、且つ融合処理の結果に対して平均プーリング処理を行って、前記マルチメディアリソースのリソース特徴情報を得るステップと、を含み、
前記マルチメディアリソースセットには前記マルチメディアリソースのリソース特徴情報が含まれる、請求項１に記載の方法。
【請求項7】
前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から前記第１マルチメディアリソースを決定することは、前記ターゲットオブジェクトの表現特徴情報と、前記マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、前記ターゲットオブジェクトと前記マルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定するステップと、
前記マルチメディアリソースセットのうちの、前記ターゲットオブジェクトとの一致度が一致度閾値よりも高いマルチメディアリソースを第１マルチメディアリソースとして決定するステップと、を含む、請求項６に記載の方法。
【請求項8】
前記ターゲットオブジェクトの表現特徴情報と、前記マルチメディアリソースセットのうちの各々のマルチメディアリソースのリソース特徴情報とに基づいて、前記ターゲットオブジェクトと前記マルチメディアリソースセットのうちの各々のマルチメディアリソースとの一致度を決定する前記ステップは、前記マルチメディアリソースセットのうちの第２マルチメディアリソースのリソース特徴情報と前記ターゲットオブジェクトの表現特徴情報とを結合処理し、結合特徴セットを得るステップと、
多層パーセプトロンを採用して前記結合特徴セットのうちの各々の結合特徴を処理し、前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと前記第２マルチメディアリソースとの関係ベクトルを得るステップと、
個々の第１関係タイプと前記第２マルチメディアリソースとの関係ベクトルに基づいて、前記第１関係タイプに対応する重み付けを決定するステップと、
前記Ｋ個の第１関係タイプのうち、個々の第１関係タイプと前記第２マルチメディアリソースとの関係ベクトル、及び個々の第１関係タイプに対応する重み付けに基づいて、前記ターゲットオブジェクトと前記第２マルチメディアリソースとの一致度を決定するステップと、を含む、請求項７に記載の方法。
【請求項9】
前記方法は、関連関係情報セットを取得するステップであって、前記関連関係情報セットは、オブジェクト情報セットと、関係情報セットと、を含む、ステップと、
前記オブジェクト情報セットに基づいてＮ個のネットワークノードを生成するステップであって、前記Ｎ個のネットワークノードのうちの個々のネットワークノードは、１つのオブジェクトに対応し、且つ個々のネットワークノードには前記ネットワークノードと対応するオブジェクトのオブジェクト情報が携えられており、Ｎは、正の整数である、ステップと、
もし前記関係情報セットが前記Ｎ個のネットワークノードのうちの第１ネットワークノードに対応するオブジェクトが第２ネットワークノードのオブジェクトとインタラクション行動を有することを指示するなら、前記インタラクション行動に基づいて前記第１ネットワークノードと前記第２ネットワークノードとのリンク情報を生成し、関連情報ネットワークグラフを得るステップと、
前記関連情報ネットワークグラフに基づいて、前記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを決定するステップと、をさらに含む、請求項１に記載の方法。
【請求項10】
前記第１ネットワークノードと前記第２ネットワークノードとのリンク情報におけるリンク重み付けは、前記第１ネットワークノードと前記第２ネットワークノードとの間の関連度に基づいて決定される重み付けを含み、前記リンク重み付けは、前記関連度に正比例し、前記関連度は、前記第１ネットワークノードと前記第２ネットワークノードとのターゲット期間内のインタラクション情報に基づいて決定されるものであり、前記インタラクション情報は、累積インタラクション回数、累積インタラクション時間、インタラクション頻度、及びインタラクション内容のうちの少なくとも一項を含む、請求項９に記載の方法。
【請求項11】
前記関連情報ネットワークグラフに基づいて、前記Ｎ個のネットワークノードに対応するＮ個のオブジェクトの表現ベクトルを決定する前記ステップは、前記ターゲットオブジェクトに対応するターゲットネットワークノードを開始点として前記関連情報ネットワークグラフにおいてランダムに遊走してＭ本の軌跡を得るステップであって、各軌跡の歩長は、Ｐであり、Ｍ、及びＰは、いずれも正の整数である、ステップと、
前記Ｍ本の軌跡において携えられるオブジェクト情報に基づいて、前記ターゲットオブジェクトの表現ベクトルを決定するステップと、を含み、
ｉ番目のネットワークノードからｊ番目のネットワークノードまで遊走する確率は、ターゲットリンク重み付けに正比例し、前記ターゲットリンク重み付けは、前記ｉ番目のネットワークノードと前記ｊ番目のネットワークノードとのリンク情報におけるリンク重み付けであり、ｉ、及びｊは、いずれも正の整数であり、ｉは、ｊに等しくなく、且つｉ、及びｊは、いずれもＮ以下である、請求項１０に記載の方法。
【請求項12】
マルチメディアリソースの推薦装置であって、取得ユニットと、処理ユニットと、を含み、前記取得ユニットは、ターゲットオブジェクトの表現ベクトルと隣接オブジェクトの表現ベクトルセットとを取得するように構成され、前記隣接オブジェクトの表現ベクトルセットには、前記ターゲットオブジェクトの第１隣接オブジェクトの表現ベクトルが含まれ、前記ターゲットオブジェクトと前記第１隣接オブジェクトとの間は、Ｋ個の第１関係タイプに分類され、Ｋは、正の整数であり、
前記処理ユニットは、前記ターゲットオブジェクトの表現ベクトルと前記隣接オブジェクトの表現ベクトルセットとに基づいて、前記ターゲットオブジェクトの表現特徴情報を決定するように構成され、前記表現特徴情報は、前記ターゲットオブジェクトの前記Ｋ個の第１関係タイプのうち、各々の第１関係タイプに対応する関係特徴情報に基づいて決定され、及びマルチメディアリソースセットを取得し、且つ前記ターゲットオブジェクトの表現特徴情報に基づいて、前記マルチメディアリソースセットの中から第１マルチメディアリソースを決定し、且つ前記第１マルチメディアリソースを前記ターゲットオブジェクトに送信するように構成され、前記第１マルチメディアリソースは、ターゲットオブジェクトの表現特徴情報との一致度が一致度閾値よりも高い１つ、又は複数のマルチメディアリソースである、マルチメディアリソースの推薦装置。
【請求項13】
電子機器であって、記憶装置と、プロセッサと、を含み、前記記憶装置にコンピュータプログラムが記憶されており、
プロセッサは、コンピュータプログラムを実行して、請求項１～１１のいずれか一項に記載のマルチメディアリソースの推薦方法を実現する、電子機器。
【請求項14】
コンピュータプログラムであって、コンピュータ機器のプロセッサが前記コンピュータプログラムを実行するときに、請求項１～１１のいずれか一項に記載の方法を実施するように構成された、コンピュータプログラム。
【国際調査報告】