一種多媒體數據處理方法及其設備技術

本發明專利技術實施例公開一種多媒體數據處理方法及其設備，其中方法包括如下步驟：基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息；采用RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息；根據所述目標用戶標識對應的第二多媒體數據的數據信息，對所述目標用戶標識對應的第二多媒體數據進行輸出；其中，所述第一多媒體數據為已操作的多媒體數據，所述第二多媒體數據為未操作的多媒體數據。采用本發明專利技術，可以最大化還原原始的輸入數據，提高求解結果的穩定性。

【技術實現步驟摘要】

本專利技術涉及計算機
，尤其涉及一種多媒體數據處理方法及其設備。
技術介紹
協同過濾在音樂個性化領域中被廣泛應用于挖掘用戶對歌曲的喜好評分，但基于Item-Based和User-Based的最近鄰協同過濾方法僅僅應用于在淺層次中比較觀察聽歌流水和操作數據，然后顯示求取用戶的相似偏好，無法挖掘深層次的用戶關系數據，即無法獲取數據內部的潛因子。而采用奇異值分解(SingularValueDecomposition，SVD)的協同過濾方法，通過利用矩陣分解技術可以將User-Item矩陣分解為兩個小矩陣，每個小矩陣分別對應于用戶和物品的隱特征向量矩陣，以此求取數據內部的潛因子。然而，由于模型的輸入數據較為稀疏，從而導致優化的目標函數退化為一個非凸優化問題，所求解的結果是局部最優解，同時也容易產生過擬合現象，導致所求取的潛因子與用戶的實際情況有較大的偏差。
技術實現思路
本專利技術實施例提供一種多媒體數據處理方法及其設備，可以最大化還原原始的輸入數據，提高求解結果的穩定性。本專利技術實施例第一方面提供了一種多媒體數據處理方法，可包括：基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息；采用受限玻爾茲曼機神經網絡(RestrictedBoltzmannMachine，RBM)模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息；根據所述目標用戶標識對應的第二多媒體數據的數據信息，對所述目標用戶標識對應的第二多媒體數據進行輸出；其中，所述第一多媒體數據為已操作的多媒體數據，所述第二多媒體數據為未操作的多媒體數據。本專利技術實施例第二方面提供了一種多媒體數據處理設備，可包括：第一信息獲取單元，用于基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息；第二信息獲取單元，還用于采用RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息；第一數據輸出單元，用于根據所述目標用戶標識對應的第二多媒體數據的數據信息，對所述目標用戶標識對應的第二多媒體數據進行輸出；其中，所述第一多媒體數據為已操作的多媒體數據，所述第二多媒體數據為未操作的多媒體數據。在本專利技術實施例中，通過將目標用戶的已操作的多媒體數據的數據信息作為輸入數據，并采用RBM模型對目標用戶標識的未操作的多媒體數據的數據信息進行求取，并最終實現根據未操作的多媒體數據的數據信息對未操作的多媒體數據進行輸出。通過采用RBM模型對未操作的多媒體數據的數據信息進行求取，能夠最大化還原原始的輸入數據，克服了非凸優化問題的局部最優解，降低稀疏的輸入數據對求解結果的影響，提高了求解結果的穩定性。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本專利技術實施例提供的一種多媒體數據處理方法的流程示意圖；圖2是本專利技術實施例提供的另一種多媒體數據處理方法的流程示意圖；圖3是本專利技術實施例提供的一種RBM模型的舉例示意圖；圖4是本專利技術實施例提供的一種多媒體數據處理設備的結構示意圖；圖5是本專利技術實施例提供的另一種多媒體數據處理設備的結構示意圖；圖6是本專利技術實施例提供的第一數據輸出單元的結構示意圖；圖7是本專利技術實施例提供的又一種多媒體數據處理設備的結構示意圖。具體實施方式下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分實施例，而不是全部的實施例。基于本專利技術中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。本專利技術實施例提供的多媒體數據處理方法可以應用于對多媒體交互應用的多媒體數據進行數據信息求取以及數據輸出的場景，例如：多媒體數據處理設備基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息，所述多媒體數據處理設備采用RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息，所述多媒體數據處理設備根據所述目標用戶標識對應的第二多媒體數據的數據信息，對所述目標用戶標識對應的第二多媒體數據進行輸出的場景等。通過采用RBM模型對未操作的多媒體數據的數據信息進行求取，能夠最大化還原原始的輸入數據，克服了非凸優化問題的局部最優解，降低稀疏的輸入數據對求解結果的影響，提高了求解結果的穩定性。本專利技術實施例涉及的多媒體數據處理設備可以為多媒體交互應用對應的后臺服務器，用于存儲多媒體數據庫、獲取具備多媒體交互應用的用戶終端上傳的多媒體數據的數據信息、向所述用戶終端推送多媒體數據等；所述用戶終端可以包括：平板電腦、智能手機、掌上電腦以及移動互聯網設備(MID)等終端設備；所述多媒體數據可以包括圖片、視頻、音樂等數據，優選的，多媒體數據存在對應的數據標識，針對每一個用戶終端，可以使用預先分配的用戶標識登錄所述多媒體交互應用，以對多媒體數據庫中的多媒體數據進行操作，同時，針對每一個用戶標識，所述多媒體數據庫中的多媒體數據可以分類為第一多媒體數據和第二多媒體數據，其中，所述第一多媒體數據為已操作的多媒體數據，所述第二多媒體數據為未操作的多媒體數據，操作包括但不限于數據瀏覽、數據下載、數據刪除、數據收藏等。下面將結合附圖1和附圖2，對本專利技術實施例提供的一種多媒體數據處理方法進行詳細介紹。請參見圖1，為本專利技術實施例提供了一種多媒體數據處理方法的流程示意圖。如圖1所示，本專利技術實施例的所述方法可以包括以下步驟S101-步驟S103。S101，基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息；具體的，多媒體數據處理設備可以基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息，所述數據信息優選為根據目標用戶標識記錄的對多媒體數據的操作情況所確定的評分數值，所述多媒體數據處理設備可以預先獲取目標用戶標識對應記錄的對多媒體數據的操作情況，并根據所述對多媒體數據的操作情況確定所述目標用戶標識對所述多媒體數據的數據信息，例如：針對數據下載的操作對應的數據信息為4分、針對數據刪除的操作對應的數據信息為0分、針對數據收藏的操作對應的數據信息為3分等。S102，采用RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息；具體的，所述多媒體數據處理設備可以采用預先訓練好的RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息。對所述RBM模型進行訓練的過程可以為：所述多媒體數據處理設備基于多媒體交互應用獲取至少一個用戶標識中每個用戶標識對應的第一多媒體數據的數據信息，優選的，所述多媒體數據處理設備獲取的至少一個用戶標識為所述多媒體交互應用下的所有用戶標識，當然，為了保證在進行RBM模型訓練時的輸入數據的可靠性，以及提高RBM模型訓練的效率，本文檔來自技高網...

【技術保護點】
一種多媒體數據處理方法，其特征在于，包括：基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息；采用受限玻爾茲曼機神經網絡RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息；根據所述目標用戶標識對應的第二多媒體數據的數據信息，對所述目標用戶標識對應的第二多媒體數據進行輸出；其中，所述第一多媒體數據為已操作的多媒體數據，所述第二多媒體數據為未操作的多媒體數據。

【技術特征摘要】
1.一種多媒體數據處理方法，其特征在于，包括：基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息；采用受限玻爾茲曼機神經網絡RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息；根據所述目標用戶標識對應的第二多媒體數據的數據信息，對所述目標用戶標識對應的第二多媒體數據進行輸出；其中，所述第一多媒體數據為已操作的多媒體數據，所述第二多媒體數據為未操作的多媒體數據。2.根據權利要求1所述的方法，其特征在于，所述基于多媒體交互應用獲取目標用戶標識對應的第一多媒體數據的數據信息之前，還包括：基于多媒體交互應用獲取至少一個用戶標識中每個用戶標識對應的第一多媒體數據的數據信息；根據所述每個用戶標識對應的第一多媒體數據的數據信息，計算RBM模型的權重參數值；將所述權重參數值添加至所述RBM模型中。3.根據權利要求2所述的方法，其特征在于，所述RBM模型包括可視層結點和隱藏層結點，所述權重參數值包括連接可視層結點和隱藏層結點的權重值、可視層結點間的偏移量以及隱藏層結點間的偏移量；所述根據所述每個用戶標識對應的第一多媒體數據的數據信息，計算RBM模型的權重參數值，包括：將所述每個用戶標識對應的第一多媒體數據的數據信息轉換為所述可視層結點；采用對比散度算法對可視層結點和隱藏層結點進行迭代編解碼處理；當迭代編解碼處理后得到的處理結果滿足預設條件時，獲取迭代編解碼處理后的所述RBM模型的權重參數值。4.根據權利要求1所述的方法，其特征在于，所述采用受限玻爾茲曼機神經網絡RBM模型，并根據所述目標用戶標識對應的第一多媒體數據的數據信息，獲取所述目標用戶標識對應的第二多媒體數據的數據信息，包括：將所述目標用戶標識對應的第一多媒體數據的數據信息作為RBM模型的第一可視層結點，對所述第一可視層結點進行編碼處理以生成第一隱藏層結點對應的潛因子向量；對所述第一隱藏層結點對應的潛因子向量進行解碼處理以生成第二可視層結點；在所述第二可視層結點中獲取所述目標用戶標識對應的第二多媒體數據的數據信息。5.根據權利要求1所述的方法，其特征在于，所述根據所述目標用戶標識對應的第二多媒體數據的數據信息，對所述目標用戶標識對應的第二多媒體數據進行輸出，包括：對所述目標用戶標識對應的第二多媒體數據的數據信息進行數值排序，在所述目標用戶標識對應的第二多媒體數據中選取數值排序在前的預設數量的多媒體數據；對所述預設數量的多媒體數據進行輸出。6.根據權利要求4所述的方法，其特征在于，還包括：根據所述目標用戶標識的第一隱藏層結點對應的潛因子向量，匹配所述目標用戶標識的相似用戶標識，并獲取所述相似用戶標識的多媒體數據列表；在所述多媒體數據列表中獲取所述目標用戶標識對應的第三多媒體數據，并對所述第三多媒體數據進行輸出；其中，所述第三多媒體數據為屬于所述多媒體...

【專利技術屬性】
技術研發人員：黃安埠，
申請(專利權)人：騰訊科技深圳有限公司，
類型：發明
國別省市：廣東;44