【技术实现步骤摘要】
一种媒体对象排序方法、装置、设备及存储介质
本专利技术涉及计算机
，特别是涉及一种媒体对象排序方法、装置、设备及存储介质。
技术介绍
随着网络的普及和发展，涌现出很多自媒体，例如，微信的“公众号”、微博的“微博号”、今日头条的“头条号”以及UC的“大鱼号”都是自媒体，给用户提供了发表自我观点、分享身边事件的平台，用户可以获得最新的资讯、更具个性的观点，极大的丰富了人们的生活。目前，自媒体在各平台上的榜单都是按照一定的排名规则来呈现的，诸如按用户指数分、指数等级、信用分、信用等级等进行排序实现，具体的，是按照固定规则，将用户指数分、指数等级、信用分、信用等级加权累加后得到的值进行排序，进而得到榜单。上述方式得到的榜单与排名规则的关联性较强，使得排名规则的适应性不佳，每次使用这种方式生成榜单时，都需要根据自媒体的情况对规则进行人为调整，费时费力。
技术实现思路
本专利技术实施例所要解决的技术问题是提供一种媒体对象排序方法、装置、设备及存储介质，以解决按照固定规则生成榜单的方式，在每次使用时都需要...
【技术保护点】
1.一种媒体对象排序方法，其特征在于，包括：/n获取媒体对象的特征数据；/n将所述特征数据输入媒体对象识别模型，确定排序值；/n根据所述排序值对所述媒体对象进行排序。/n
【技术特征摘要】
1.一种媒体对象排序方法，其特征在于，包括：
获取媒体对象的特征数据；
将所述特征数据输入媒体对象识别模型，确定排序值；
根据所述排序值对所述媒体对象进行排序。
2.根据权利要求1所述的方法，其特征在于，在获取媒体对象的特征数据之前，还包括：
获取媒体对象的训练样本数据；所述训练样本数据包括特征数据以及标签数据；
从所述训练样本数据中提取特征数据；
将所述特征数据输入所述神经网络模型进行计算，获得计算结果；
将所述计算结果以及所述标签数据输入损失函数，确定损失值；
在所述损失值未达到第一预设阈值的情况下，根据优化器调整所述神经网络模型中的参数继续输入样本特征数据进行计算；
在所述损失值达到第一预设阈值的情况下，将所述神经网络模型确定为媒体对象识别模型。
3.根据权利要求2所述的方法，其特征在于，在所述损失值达到预设阈值的情况下，将所述神经网络模型确定为媒体对象识别模型之后，还包括：
获取测试样本数据；
根据所述测试训练样本数据测试所述媒体对象识别模型的准确率；
在所述准确率低于第二预设阈值的情况下，重新训练所述神经网络模型以获得准确率达到所述第二预设阈值的媒体对象识别模型。
4.根据权利要求2所述的方法，其特征在于，所述从所述训练样本数据中提取特征数据之后，包括：
对预设类型的特征维度下的特征数据的值进行编码处理。
5.根据权利要求2-4任一项所述的方法，其特征在于，所述特征数据包括：用户注册时间、用户等级、用户指数分值、用户信用等级、用户信用分、上传媒体对象数量、上线媒体对象数量、用户所在行业、上传媒体对象渠道数、内容等级、用户昵称中至少一项，所述标签数据为媒体对象在媒体对象排行榜单中的排名。
6.根据权利要求5所述的方法，其特征在于，所述媒体对象排行榜单的排名数量小于第三预设阈值；其中，在所述媒体对象未进入所述媒体对象排行榜单的情况下，将所述媒体对象在媒体对象排行榜单中的排名设置为所述榜单中最后一名的下一名。
7.根据权利要求5所述的方法，其特征在于，所述根据所述排序值对所述媒体对象进行排序，包括：
在存在多个媒体对象的排序值相同，且该排序值在所述媒体对象排行榜单中的情况下，将所述多个媒体对象并列显示到所述排行榜单中。
8.一种媒体对象排序装置，其特征在于，包括：
特征数据获取模块，用于获取媒体对象的特征数据；
序值确定模块，用于将所述特征数据输入媒体对象识别模型，确定排序值；
排序模块，用于根据所述排序值对所述媒体对象进行排序。
9.根据权利要求8所述的装置，其特征在于...
【专利技术属性】
技术研发人员：赵艳杰，段效晨，易帆，康林，秦占明，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。