【技术实现步骤摘要】
内容分类方法、装置、计算机设备和存储介质
本申请涉及信息处理领域,特别是涉及内容分类方法、装置、计算机设备和存储介质。
技术介绍
随着互联网技术的发展,互联网上的内容越来越多,在许多场景下都会存在对内容分类的需求。例如需要根据内容的类型对内容进行管理,根据用户选择的内容类别推送对应类别的内容。如对视频进行分类,以得到视频的类别,视频的类别例如可以是喜剧类或者剧情类。可以通过人工智能模型对内容进行分类,但目前分类得到的内容类别精细度以及准确度差。
技术实现思路
基于此,有必要针对上述分类得到的内容类别精细度以及准确度差的问题,提供一种内容分类方法、装置、计算机设备和存储介质。一种内容分类方法,所述方法包括:获取待分类的目标内容对应的目标特征向量;获取已训练得到的目标分类模型,所述目标分类模型包括第一分类模型以及第二分类模型;将所述目标特征向量输入到所述第一分类模型中,得到所述目标内容对应的第一内容类别,所述第一内容类别为第一分类层级对应的内容类别;获取所述第一分类层级对应的第一类别特征信息;将所述第一类别特征信息以及所述目标特征向量输入到所述第二分类模型中,得到所述目标内容对应的第二内容类别,所述第二内容类别为第二分类层级对应的内容类别,所述第二分类层级的级别低于所述第一分类层级的级别;将所述第一内容类别以及所述第二内容类别作为所述目标内容对应的分类结果。一种内容分类装置,所述装置包括:目标特征向量获取模块,用于获取待分类的目标内容对应的目标特征向量;分类模型获取模块,用于获取已训练 ...
【技术保护点】
1.一种内容分类方法,所述方法包括:/n获取待分类的目标内容对应的目标特征向量;/n获取已训练得到的目标分类模型,所述目标分类模型包括第一分类模型以及第二分类模型;/n将所述目标特征向量输入到所述第一分类模型中,得到所述目标内容对应的第一内容类别,所述第一内容类别为第一分类层级对应的内容类别;/n获取所述第一分类层级对应的第一类别特征信息;/n将所述第一类别特征信息以及所述目标特征向量输入到所述第二分类模型中,得到所述目标内容对应的第二内容类别,所述第二内容类别为第二分类层级对应的内容类别,所述第二分类层级的级别低于所述第一分类层级的级别;/n将所述第一内容类别以及所述第二内容类别作为所述目标内容对应的分类结果。/n
【技术特征摘要】
1.一种内容分类方法,所述方法包括:
获取待分类的目标内容对应的目标特征向量;
获取已训练得到的目标分类模型,所述目标分类模型包括第一分类模型以及第二分类模型;
将所述目标特征向量输入到所述第一分类模型中,得到所述目标内容对应的第一内容类别,所述第一内容类别为第一分类层级对应的内容类别;
获取所述第一分类层级对应的第一类别特征信息;
将所述第一类别特征信息以及所述目标特征向量输入到所述第二分类模型中,得到所述目标内容对应的第二内容类别,所述第二内容类别为第二分类层级对应的内容类别,所述第二分类层级的级别低于所述第一分类层级的级别;
将所述第一内容类别以及所述第二内容类别作为所述目标内容对应的分类结果。
2.根据权利要求1所述的方法,其特征在于,所述获取所述第一分类层级对应的第一类别特征信息包括:
获取所述第一分类层级中各个候选内容类别对应的类别向量;
获取各个所述候选内容类别对应的类别权重系数;
根据所述候选内容类别对应的类别向量以及对应的类别权重系数计算得到所述第一分类层级对应的第一类别特征信息。
3.根据权利要求2所述的方法,其特征在于,所述将所述目标特征向量输入到所述第一分类模型中,得到所述目标内容对应的第一内容类别包括:
将所述目标特征向量输入到所述第一分类模型中,得到各个所述候选内容类别对应的被选中率;
根据各个所述候选内容类别对应的被选中率确定所述目标内容对应的第一内容类别;
所述获取各个所述候选内容类别对应的类别权重系数包括:
根据所述第一分类模型输出的所述候选内容类别对应的被选中率,得到所述候选内容类别对应的类别权重系数。
4.根据权利要求2所述的方法,其特征在于,所述获取各个所述候选内容类别对应的类别权重系数包括:
计算所述候选内容类别对应的类别向量与所述目标内容的第一特征向量的相关度;
根据所述相关度得到所述候选内容类别对应的类别权重系数。
5.根据权利要求4所述的方法,其特征在于,所述目标内容为视频,所述计算所述候选内容类别对应的类别向量与所述目标内容的第一特征向量的相关度包括:
获取所述视频对应的第一特征向量,所述第一特征向量包括所述视频对应的图像特征向量或者所述视频对应的音频特征向量的至少一种;
计算所述候选内容类别对应的类别向量与所述第一特征向量的相关度。
6.根据权利要求1所述的方法,其特征在于,所述获取所述第一分类层级对应的第一类别特征信息包括:
获取所述第一内容类别对应的类别向量,根据所述第一内容类别对应的类别向量得到所述第一分类层级对应的第一类别特征信息。
7.根据权利要求1所述的方法,其特征在于,所述获取所述第一分类层级对应的第一类别特征信息包括:
获取所述第一分类模型的隐藏层输出的隐层输出向量,根据所述隐层输出向量得到所述第一分类层级对应的第一类别特征信息。
8.根据权利要求1所述的方法,其特征在于,所述目标分类模型还包括多个特征提取模型以及特征向量融合层,所述获取待分类的目标内容对应的目标特征向量包括:
获取各个所述特征提取模型输出的特征向量;
将各个所述特征提取模型输出的特征向量输入到所述特征向量融合层中进行融合...
【专利技术属性】
技术研发人员:叶振旭,杨伟东,车翔,管琰平,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
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。