【技术实现步骤摘要】
多媒体内容评估方法、装置及其训练方法
本申请涉及多媒体内容处理的
，具体地涉及一种多媒体内容的评估方法和装置。本申请还涉及一种多媒体内容评估模型的训练方法。另外，本申请还涉及相关的电子设备。
技术介绍
当前，包括用户生成内容(UGC)在内的多媒体内容、例如音乐、短视频或视频大量生成并广泛传播。然而，大量多媒体内容、尤其是用户生成内容良莠不齐，这阻碍了更好、更快地挖掘优质内容。例如，针对多媒体内容、如短视频审核而言，目前短视频平台每日发布的作品数量已达到10万级。若采用纯人力审核，不仅时间长且人力成本高。针对于用户发布的大量的作品，只能挖掘极小部分的优质内容。针对多媒体内容、如短视频推荐而言，上述问题同样限制了向用户推荐优秀内容的可能性。例如，短视频平台、音乐平台或其他多媒体平台可能会采取基于用户兴趣的大数据算法，来向用户推荐其感兴趣的内容。但是，缺乏给缺少行为数据的新用户推荐优质内容的有效手段。基于兴趣的推荐也有可能造成某些新产生的优质内容未能有效推送给平台用户。这对多媒体平台延长用户留存和拉新...
【技术保护点】
1.一种多媒体内容评估模型的训练方法，其特征在于，所述多媒体内容评估模型包括评估网络模块和后处理单元，所述评估网络模块包括分类网络子模块和后续的降维子模块，所述训练方法包括：/n训练评估网络模块，包括：/n将具有各自标准评估等级的多个训练数据输入所述评估网络模块，其中所述标准评估等级为按照标准排序的N个预定评估等级之一，N≥2，/n由所述分类网络子模块的输出获得分类结果，/n由所述后续的降维子模块的输出获得排序结果，/n基于分类损失函数，确定所述分类结果与标准评估等级之间的第一差异，/n基于排序损失函数，确定所述排序结果与标准评估等级对应的标准排序之间的第二差异，/n基于所...
【技术特征摘要】
1.一种多媒体内容评估模型的训练方法，其特征在于，所述多媒体内容评估模型包括评估网络模块和后处理单元，所述评估网络模块包括分类网络子模块和后续的降维子模块，所述训练方法包括：
训练评估网络模块，包括：
将具有各自标准评估等级的多个训练数据输入所述评估网络模块，其中所述标准评估等级为按照标准排序的N个预定评估等级之一，N≥2，
由所述分类网络子模块的输出获得分类结果，
由所述后续的降维子模块的输出获得排序结果，
基于分类损失函数，确定所述分类结果与标准评估等级之间的第一差异，
基于排序损失函数，确定所述排序结果与标准评估等级对应的标准排序之间的第二差异，
基于所述第二差异，迭代更新所述降维子模块的参数，
基于所述第一差异，迭代更新所述分类网络子模块的参数，
达到预定的迭代终止条件时，完成所述评估网络模块的训练；
将多个图片数据输入训练好的评估网络模块获得评估网络模块输出，并将所述评估网络模块输出输入所述后处理单元进行处理，以确定用于将评估网络模块输出变换为最终评估值的后处理参数。
2.根据权利要求1所述的训练方法，其特征在于，所述基于所述第一差异，迭代更新所述分类网络子模块的参数，包括：
基于所述第一差异和第二差异，迭代更新所述分类网络子模块的参数。
3.根据权利要求2所述的训练方法，其特征在于，所述训练评估网络模块，包括：
将所述多个训练数据分批输入所述评估网络模块；
针对同批次的训练数据，由所述分类网络子模块的批量输出获得所述分类结果；
针对所述同批次的训练数据，由所述后续的降维子模块的批量输出确定所述N个预定评估等级各自的输出均值，以所述N个预定评估等级各自的输出均值排序作为所述排序结果；
基于所述分类损失函数，确定所述同批次的训练数据的分类结果与所述同批次的训练数据的标准评估等级之间的第一差异；
基于所述排序损失函数，确定所述同批次的训练数据的排序结果与所述同批次的训练数据的标准评估等级对应的标准排序之间的差异为第二差异；
基于所述第二差异，迭代更新所述降维子模块的参数；
基于所述第一差异和第二差异，迭代更新所述分类网络子模块的参数，
达到预定的迭代终止条件时，完成所述评估网络模块的训练。
4.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述分类损失函数选自交叉熵损失函数、负对数似然损失函数和指数损失函数中任一种；和/或
所述排序损失函数选自均方误差损失函数、平均绝对值误差损失函数和编辑距离误差损失函数中任一种。
5.根据权利要求1至3中任一项所述的训练方法，其特征在于，所述将多个图片数据输入训练好的评估网络模块获得评估网络模块输出，并将所述评估网络模块输出输入所述后...
【专利技术属性】
技术研发人员：关文婕，吴斌，雷兆恒，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
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。