一种筛选多媒体资源的方法及装置制造方法及图纸

本发明专利技术涉及互联网技术领域，特别涉及一种筛选多媒体资源的方法及装置。该方法为：分别将各个多媒体资源对应的预估反馈信息作为新的向量维度，对相应的多媒体资源向量进行更新，根据更新结果对所述账户向量的维度进行相应更新，并且采用预设的度量函数，分别计算更新后的账户向量和各个更新后的多媒体资源向量之间的相似度，以及，基于相似度，便可筛选出符合预设条件的多媒体资源向量对应的多媒体资源，作为筛选结果输出。这样，便可以在召回阶段，通过一次检索直接筛选出符合要求的多媒体资源，从而有效避免了漏斗效应产生的召回损失，提升了筛选准确度，同时也缩短了检索时长，提高了多媒体资源的筛选效率，节省了计算资源。

【技术实现步骤摘要】
一种筛选多媒体资源的方法及装置
本申请涉及互联网
，特别涉及一种筛选多媒体资源的方法及装置。
技术介绍
深度学习技术的发展，正推动各个行业发生深刻的变革。而在多媒体检索系统中，深度学习技术主要被运用在点击率、转化率等等的行为预估上。在大规模的多媒体检索系统中，每一个账户下可以选择投放的多媒体资源的数量巨大，不可能一次性计算选出最合适的多媒体资源，因此，一般采用多级漏斗方式选择出最适合的多媒体资源，例如，经过召回、粗选和精选三个主要阶段，以筛选出在适应在某一账户播放的多媒体资源。采用这种方式，可以针对不同的账户筛选出适应呈现的多媒体资源，最终在账户、多媒体资源提供方和播放平台之间实现利益最大化，实现互利共赢。已有技术下，在召回阶段，候选的多媒体资源数量巨大，因此，使用深度学习模型预估用户行为需要大量的计算资源，那么，如何在有限时间内获得更高的计算精度是多媒体资源检索系统的重要指标。目前的解决方案主要分为两个阶段：阶段一：采用双塔模型，将账户和多媒体资源通过神经网络，量化成同一个向量空间中的低维度连续向量。这种量化过程本文档来自技高网...

【技术保护点】
1.一种筛选多媒体资源的方法，其特征在于，包括：/n获取目标账户的账户向量，以及待筛选的各个多媒体资源的多媒体资源向量；/n分别将各个多媒体资源对应的预估反馈信息作为新的向量维度，对相应的多媒体资源向量进行更新，以及，根据更新结果对所述账户向量的维度进行相应更新；/n采用预设的度量函数，分别计算更新后的账户向量和各个更新后的多媒体资源向量之间的相似度，其中，所述相似度，与一个更新后的多媒体资源向量中包含的预估反馈信息呈正相关；/n基于获得的各个相似度，筛选出相似度符合预设条件的多媒体资源向量对应的多媒体资源，作为筛选结果输出。/n

【技术特征摘要】
1.一种筛选多媒体资源的方法，其特征在于，包括：
获取目标账户的账户向量，以及待筛选的各个多媒体资源的多媒体资源向量；
分别将各个多媒体资源对应的预估反馈信息作为新的向量维度，对相应的多媒体资源向量进行更新，以及，根据更新结果对所述账户向量的维度进行相应更新；
采用预设的度量函数，分别计算更新后的账户向量和各个更新后的多媒体资源向量之间的相似度，其中，所述相似度，与一个更新后的多媒体资源向量中包含的预估反馈信息呈正相关；
基于获得的各个相似度，筛选出相似度符合预设条件的多媒体资源向量对应的多媒体资源，作为筛选结果输出。


2.如权利要求1所述的方法，其特征在于，将一个多媒体资源对应的预估反馈信息作为新的向量维度，对相应的多媒体资源向量进行更新，包括：
将所述一个多媒体资源对应的预估反馈信息作为真数，将常量e作为底数，采用对数函数，生成相应的新的向量维度；
将所述新的向量维度，添加至所述多媒体资源向量中。


3.如权利要求2所述的方法，其特征在于，根据更新结果对所述账户向量的维度进行相应更新，包括：
在所述账户向量中，增加一个取值为1的新的维度。


4.如权利要求2或3所述的方法，其特征在于，采用预设的度量函数，分别计算更新后的账户向量和一个更新后的多媒体资源向量之间的相似度，其中，所述相似度，与一个更新后的多媒体资源向量中包含的预估反馈信息呈正相关，包括：
确定预设的度量函数，所述度量函数中至少包含以常量e为底数的指数函数；
采用所述指数函数，以所述更新后的账户向量和所述一个更新后的多媒体资源向量的乘积为指数，计算获得相应的相似度。


5.如权利要求1、2或3所述的方法，其特征在于，基于获得的各个相似度，筛选出相似度符合预设条件的多媒体资源向量对应的多媒体资源，包括：
筛选出相...

【专利技术属性】
技术研发人员：邱学忠，孔东营，舒承椿，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京;11