图片推荐方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种图片推荐方法、装置、设备及存储介质，属于计算机技术领域。所述方法包括：确定待推荐用户帐号对应的参考图片；通过特征提取网络提取参考图片的第一语义向量，特征提取网络是通过曝光图片以及样本用户帐号集合中的样本用户帐号的历史行为信息训练得到的；获取多个候选图片的第二语义向量，第二语义向量是通过特征提取网络对候选图片提取得到的；在多个候选图片的第二语义向量中，确定与第一语义向量匹配的目标第二语义向量，并将目标第二语义向量对应的候选图片确定为推荐图片。在训练用于提取语义向量的模型的过程中，无需人工进行样本标注，而是基于已有的历史行为数据训练模型，因此能够提升推荐图片的效率。的效率。的效率。

【技术实现步骤摘要】
图片推荐方法、装置、设备及存储介质


[0001]本申请涉及计算机
，特别涉及一种图片推荐方法、装置、设备及存储介质。

技术介绍

[0002]具有推荐功能的客户端能够向用户推荐感兴趣的图片。
[0003]在进行推荐的过程中，服务器需要通过分类模型确定用户过去感兴趣(点击、点赞等)的图片的分类，并将其作为用户的标签。当需要为用户推荐图片时，服务器会向用户推荐与该用户的标签匹配的图片，从而实现向用户推荐用户感兴趣的图片。
[0004]在训练上述分类模型的过程中，需要人工标注样本图片的分类。并且，训练模型需要使用大量的样本，因此需要耗费较多的人力来标注分类，存在效率较低的问题。

技术实现思路

[0005]本申请提供了一种图片推荐方法、装置、设备及存储介质，可以提升推荐图片的效率。所述技术方案如下：
[0006]根据本申请的一方面，提供了一种图片推荐方法，所述方法包括：
[0007]确定待推荐用户帐号对应的参考图片，所述参考图片包括与所述待推荐用户帐号产生过交互行为的图片，以及与所述待推荐用户帐号的特征匹配的用户帐号产生过交互行为的图片中的至少一种；
[0008]通过特征提取网络提取所述参考图片的第一语义向量，所述特征提取网络是通过曝光图片以及样本用户帐号集合中的样本用户帐号的历史行为信息训练得到的，所述曝光图片是被推荐给所述样本用户帐号的图片，所述历史行为信息用于反映所述样本用户帐号与所述曝光图片产生过交互行为；
[0009]获取多个候选图片的第二语义向量，所述第二语义向量是通过所述特征提取网络对所述候选图片提取得到的；
[0010]在所述多个候选图片的第二语义向量中，确定与所述第一语义向量匹配的目标第二语义向量，并将所述目标第二语义向量对应的候选图片确定为推荐图片，所述推荐图片被用于推荐给所述待推荐用户帐号。
[0011]根据本申请的另一方面，提供了一种图片推荐装置，所述装置包括：
[0012]确定模块，用于确定待推荐用户帐号对应的参考图片，所述参考图片包括与所述待推荐用户帐号产生过交互行为的图片，以及与所述待推荐用户帐号的特征匹配的用户帐号产生过交互行为的图片中的至少一种；
[0013]提取模块，用于通过特征提取网络提取所述参考图片的第一语义向量，所述特征提取网络是通过曝光图片以及样本用户帐号集合中的样本用户帐号的历史行为信息训练得到的，所述曝光图片是被推荐给所述样本用户帐号的图片，所述历史行为信息用于反映所述样本用户帐号与所述曝光图片产生过交互行为；
[0014]获取模块，用于获取多个候选图片的第二语义向量，所述第二语义向量是通过所述特征提取网络对所述候选图片提取得到的；
[0015]所述确定模块，还用于在所述多个候选图片的第二语义向量中，确定与所述第一语义向量匹配的目标第二语义向量，并将所述目标第二语义向量对应的候选图片确定为推荐图片，所述推荐图片被用于推荐给所述待推荐用户帐号。
[0016]在一个可选的设计中，所述特征提取网络属于机器学习模型，所述机器学习模型还包括与所述特征提取网络级联的行为预测网络；所述装置还包括训练模块，所述训练模块，用于：
[0017]获取所述曝光图片以及所述历史行为信息；
[0018]根据所述历史行为信息，确定所述曝光图片的行为标签，所述行为标签用于反映所述曝光图片对应的交互行为；
[0019]通过所述特征提取网络提取所述曝光图片的第三语义向量；
[0020]通过所述行为预测网络根据所述第三语义向量预测所述曝光图片的预测行为标签；
[0021]根据所述行为标签与所述预测行为标签之间的差异，训练所述机器学习模型。
[0022]在一个可选的设计中，所述训练模块，用于：
[0023]根据n种不同的交互行为产生的历史行为信息中的至少一种，确定所述曝光图片的行为标签，其中，n为大于等于2的正整数。
[0024]在一个可选的设计中，所述历史行为信息包括点击信息、点赞信息、分享信息、收藏信息和评论信息中的至少一种；所述训练模块，用于：
[0025]根据所述点击信息、所述点赞信息、所述分享信息、所述收藏信息和所述评论信息中的至少一种，确定交互行为比例；
[0026]根据所述交互行为比例确定所述曝光图片的所述行为标签。
[0027]在一个可选的设计中，所述训练模块，用于：
[0028]响应于所述交互行为比例中存在至少两种比例，将所述至少两种比例进行加权求和，并根据加权求和的结果确定所述行为标签。
[0029]在一个可选的设计中，所述训练模块，用于：
[0030]根据所述点击信息，将所述样本用户帐号集合中点击所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值，确定为所述交互行为比例中的点击率。
[0031]在一个可选的设计中，所述训练模块，用于：
[0032]根据所述点赞信息，将所述样本用户帐号集合中点赞所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值，确定为所述交互行为比例中的点赞率。
[0033]在一个可选的设计中，所述训练模块，用于：
[0034]根据所述分享信息，将所述样本用户帐号集合中分享所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值，确定为所述交互行为比例中的分享率。
[0035]在一个可选的设计中，所述训练模块，用于：
[0036]根据所述收藏信息，将所述样本用户帐号集合中收藏所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值，确定为所述交互行为比例中的收藏率。
[0037]在一个可选的设计中，所述训练模块，用于：
[0038]根据所述评论信息，将所述样本用户帐号集合中评论所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值，确定为所述交互行为比例中的评论率。
[0039]在一个可选的设计中，所述装置还包括：
[0040]剔除模块，用于剔除所述曝光图片中曝光次数小于次数阈值的图片；
[0041]其中，所述曝光次数是根据所述曝光图片被推荐给所述样本用户帐号的次数确定的。
[0042]在一个可选的设计中，所述确定模块，用于：
[0043]响应于所述曝光图片的点击率不随所述曝光次数产生变化，将不影响所述点击率的曝光次数的取值范围内的最小值，确定为所述次数阈值；
[0044]其中，所述点击率是根据点击所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值确定的，所述点击所述曝光图片的样本用户帐号的数量，是根据所述历史行为信息中的点击信息确定的。
[0045]根据本申请的另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上方面所述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片推荐方法，其特征在于，所述方法包括：确定待推荐用户帐号对应的参考图片，所述参考图片包括与所述待推荐用户帐号产生过交互行为的图片，以及与所述待推荐用户帐号的特征匹配的用户帐号产生过交互行为的图片中的至少一种；通过特征提取网络提取所述参考图片的第一语义向量，所述特征提取网络是通过曝光图片以及样本用户帐号集合中的样本用户帐号的历史行为信息训练得到的，所述曝光图片是被推荐给所述样本用户帐号的图片，所述历史行为信息用于反映所述样本用户帐号与所述曝光图片产生过交互行为；获取多个候选图片的第二语义向量，所述第二语义向量是通过所述特征提取网络对所述候选图片提取得到的；在所述多个候选图片的第二语义向量中，确定与所述第一语义向量匹配的目标第二语义向量，并将所述目标第二语义向量对应的候选图片确定为推荐图片，所述推荐图片被用于推荐给所述待推荐用户帐号。2.根据权利要求1所述的方法，其特征在于，所述特征提取网络属于机器学习模型，所述机器学习模型还包括与所述特征提取网络级联的行为预测网络；所述机器学习模型是采用如下方式训练得到的：获取所述曝光图片以及所述历史行为信息；根据所述历史行为信息，确定所述曝光图片的行为标签，所述行为标签用于反映所述曝光图片对应的交互行为；通过所述特征提取网络提取所述曝光图片的第三语义向量；通过所述行为预测网络根据所述第三语义向量预测所述曝光图片的预测行为标签；根据所述行为标签与所述预测行为标签之间的差异，训练所述机器学习模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述历史行为信息，确定所述曝光图片的行为标签，包括：根据n种不同的交互行为产生的历史行为信息中的至少一种，确定所述曝光图片的行为标签，其中，n为大于等于2的正整数。4.根据权利要求3所述的方法，其特征在于，所述历史行为信息包括点击信息、点赞信息、分享信息、收藏信息和评论信息中的至少一种；所述根据n种不同的交互行为产生的历史行为信息中的至少一种，确定所述曝光图片的行为标签，包括：根据所述点击信息、所述点赞信息、所述分享信息、所述收藏信息和所述评论信息中的至少一种，确定交互行为比例；根据所述交互行为比例确定所述曝光图片的所述行为标签。5.根据权利要求4所述的方法，其特征在于，所述根据所述交互行为比例确定所述曝光图片的所述行为标签，包括：响应于所述交互行为比例中存在至少两种比例，将所述至少两种比例进行加权求和，并根据加权求和的结果确定所述行为标签。6.根据权利要求4或5所述的方法，其特征在于，所述根据所述点击信息，确定交互行为比例，包括：
根据所述点击信息，将所述样本用户帐号集合中点击所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值，确定为所述交互行为比例中的点击率。7.根据权利要求4或5所述的方法，其特征在于，所述根据所述点赞信息，确定交互行为比例，包括：根据所述点赞信息，将所述样本用户帐号集合中点赞所述曝光图片的样本用户帐号的数量，与所述样本用户帐号的总数量的比值，确定为所述交互行为比例中的点赞率。8.根据权利要求4或5所述的...

【专利技术属性】
技术研发人员：彭冲，程兵，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：