预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114302242A(43)申请公布日2022.04.08(21)申请号202210089220.0(22)申请日2022.01.25(71)申请人聚好看科技股份有限公司地址266061山东省青岛市崂山区松岭路399号(72)发明人由书凯黄山山王宝云(74)专利代理机构北京弘权知识产权代理有限公司11363代理人郭放许伟群(51)Int.Cl.H04N21/466(2011.01)H04N21/234(2011.01)H04N21/25(2011.01)H04N21/482(2011.01)H04N21/45(2011.01)权利要求书3页说明书12页附图6页(54)发明名称一种媒资推荐方法、显示设备及服务器(57)摘要本实施例提供一种媒资推荐方法、显示设备及服务器,服务器接收显示设备发送的目标用户的用户行为日志,将用户行为日志输入推荐模型,输出推荐媒资列表。利用用户行为日志将目标用户聚类为两个目标群体。计算两个目标群体的热度差值,将热度差值最大的群体确定为去曝光偏差群体,利用去曝光偏差群体的用户行为日志构建对抗模型。将目标用户的用户行为日志、推荐媒资列表以及冷门媒资数据输入构建好的对抗模型,输出对抗媒资列表。最后根据推荐媒资列表和对抗媒资列表输出去曝光偏差媒资列表。这样,利用模型对抗,在媒资推荐方面可以降低热门媒资和被动曝光媒资造成的非用户兴趣行为的影响,达到去曝光偏差的效果,从而提升用户观看体验。CN114302242ACN114302242A权利要求书1/3页1.一种服务器,其特征在于,所述服务器被配置为:从显示设备获取目标用户的用户行为日志,以及将所述目标用户的所述用户行为日志输入推荐模型,输出推荐媒资列表,其中,所述用户行为日志表征所述目标用户的真实行为特征;利用所述用户行为日志将所述目标用户聚类为两个目标群体;分别计算两个所述目标群体的热度差值,以及将热度差值最大的所述目标群体确定为去曝光偏差群体,将热度差值最小的所述目标群体确定为非去曝光偏差群体,其中,所述去曝光偏差群体为对热门媒资不感兴趣的用户群体;利用所述去曝光偏差群体的所述用户行为日志构建对抗模型,以及将所述目标用户的所述用户行为日志、所述推荐媒资列表的数据以及冷门媒资数据,输入所述对抗模型,输出对抗媒资列表,其中,所述冷门媒资数据表征所述目标用户的虚拟行为特征;根据所述推荐媒资列表的数据和所述对抗媒资列表的数据,输出去曝光偏差媒资列表。2.根据权利要求1所述的服务器,其特征在于,所述服务器还被配置为:在用户属于去曝光偏差群体时,向所述显示设备反馈所述去曝光偏差媒资列表;在用户属于非去曝光偏差群体时,向所述显示设备反馈所述推荐媒资列表。3.根据权利要求1所述的服务器,其特征在于,利用所述用户行为日志将用户聚类为两个目标群体,具体为:根据所述用户行为日志生成用户特征向量;根据所述用户特征向量利用KNN算法将用户聚类为两个目标群体。4.根据权利要求1所述的服务器,其特征在于,计算目标群体的热度差值的步骤具体为:计算目标群体的平均热度,所述平均热度的计算公式为:其中,θ(i)为媒资i在整个目标群体group中播放的频率,luser为目标群体中某个用户观看媒资列表的媒资个数,Ngroup为群体中用户人数;根据所述平均热度计算目标群体的所述热度差值,所述热度差值的计算公式为:其中,GAP(group)rs为根据系统推荐的媒资列表的平均热度计算结果,GAP(group)p为根据用户真实观影行为的媒资列表的平均热度计算结果。5.根据权利要求1所述的服务器,其特征在于,根据所述推荐媒资列表的数据和所述对抗媒资列表的数据,输出去曝光偏差媒资列表,具体为:对所述推荐媒资列表中的数据和所述对抗媒资列表中的数据进行随机采样之后,输出所述去曝光偏差媒资列表。6.一种显示设备,其特征在于,包括:显示器,用于显示用户界面;控制器,用于执行:2CN114302242A权利要求书2/3页在用户属于去曝光偏差群体时,从服务器接收去曝光偏差媒资列表,以及在所述显示器上显示所述去曝光偏差媒资列表;其中,所述去曝光偏差媒资列表是根据推荐媒资列表的数据和对抗媒资列表的数据输出的列表,所述推荐媒资列表是将目标用户的用户行为日志输入推荐模型之后输出的列表,所述用户行为日志表征所述目标用户的真实行为特征,所述对抗媒资列表是将所述目标用户的所述用户行为日志、所述推荐媒资列表的数据以及冷门媒资数据输入所述对抗模型之后输出的列表,所述冷门媒资数据表征用户虚拟行为特征,所述去曝光偏差群体是计算两个目标群体的热度差值之后热度差值最大的目标群体,所述去曝光偏差群体为对热门媒资不感兴趣的用户群体,两个所述目标群体是利用所述用户行为日志聚类得到