特征处理方法、装置、计算设备及介质制造方法及图纸

本公开的实施方式提供了一种特征处理方法、装置、计算设备及介质。通过引入第二门控网络，以便在基于候选对象的特征信息，分别通过多个第一门控网络和多个第一特征提取网络，获取到多个第一特征参数和多个第一特征，并基于多个第一特征参数，对多个第一特征进行加权处理，得到多个第一目标特征后，基于多个第一目标特征，通过多个第二门控网络，获取符合设定数量的第二特征参数，基于特征信息，通过多个第二特征提取网络，获取多个第二特征，从而基于符合设定数量的第二特征参数，对多个第二特征所包括的多个维度的特征进行加权处理，得到多个第二目标特征，实现了对每个特征向量中不同维度的特征的流通情况的控制，以提高模型的处理准确性。处理准确性。处理准确性。

【技术实现步骤摘要】
特征处理方法、装置、计算设备及介质


[0001]本公开的实施方式涉及深度学习领域，更具体地，本公开的实施方式涉及一种特征处理方法、装置、计算设备及介质。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]推荐算法作为一种能够深度挖掘用户的需求，从而可以针对性地为用户进行内容推荐的算法，在涉及到内容推荐的过程中得到了广泛的应用。相关技术中，可以通过多种类型的深度学习网络模型来实现推荐算法，例如，可以采用单门控混合专家网络模型(One Gate Mixture of Experts，OMoE)、多门控混合专家网络模型(Multi Gate Mixture of Experts，MMoE)、递进分层提取网络(Progressive Layered Extraction，PLE)，等等。但是，无论是哪种类型的深度学习网络模型，模型的核心均是特征提取网络(或称专家网络)，特征提取网络的知识选择决定着模型效果的好坏。
[0004]相关技术中，主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征处理方法，其特征在于，所述方法包括：基于候选对象的特征信息，分别通过多个第一门控网络和多个第一特征提取网络，获取多个第一特征参数和多个第一特征；基于所述多个第一特征参数，对所述多个第一特征进行加权处理，得到多个第一目标特征；基于所述多个第一目标特征，通过多个第二门控网络，获取符合设定数量的第二特征参数，基于所述特征信息，通过多个第二特征提取网络，获取多个第二特征，所述设定数量基于所述第二特征提取网络的数量、所述第二门控网络的数量以及所述第二特征所包括的特征维度确定；基于所述符合设定数量的第二特征参数，对所述多个第二特征所包括的多个维度的特征进行加权处理，得到多个第二目标特征。2.根据权利要求1所述的方法，其特征在于，所述基于所述多个第一目标特征，通过多个第二门控网络，获取符合设定数量的第二特征参数，包括：对于任一第一目标特征，将所述第一目标特征输入所述第一目标特征对应的第二门控网络，通过所述第一目标特征对应的第二门控网络对所述第一目标特征进行处理，得到符合第一设定数量的第二特征参数，所述第一设定数量基于所述第二特征提取网络的数量以及所述第二特征所包括的特征维度确定；其中，所述符合第一设定数量的第二特征参数包括多组第二特征参数，每组第二特征参数所包括的第二特征参数的数量与所述第二特征所包括的特征维度的数量一致，每组第二特征参数用于对一个第二特征提取网络所输出的第二特征进行加权处理。3.根据权利要求2所述的方法，其特征在于，所述基于所述符合设定数量的第二特征参数，对所述多个第二特征所包括的多个维度的特征进行加权处理，得到多个第二目标特征，包括：对于任一组第二特征参数，通过所述第二特征参数，对对应的第二特征提取网络所输出的第二特征包括的多个维度的特征进行加权处理，得到加权后的多个维度的特征；基于所述加权后的多个维度的特征，确定所述第二目标特征。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述第二目标特征用于预测所述候选对象的推荐得分。5.根据权利要求4所述的方法，其特征在于，所述基于所述符合设定数量的第二特征参数，对所述多个第二特征所包括的多个维度的特征进行加权处理，得到多个第二目标特征之后，所述方法还包括：对于通过同一第二门控网络获取到的多组第二特征参数，对基于所述多组第二特征参数处理得到的多个第二目标特征进行求和，得到第三特征；基于所述第三特征，通过所述第二门控网络对应的任务网络，获取所述候选对象在所述任务网络所对应的预测目标下的推荐得分。6.根据权利要求1所述的方法，其特征在于，一个第二门...

【专利技术属性】
技术研发人员：肖惠琴，吴晓声，赵东纬，赵强，段上雄，胡峰，刘广鑫，
申请(专利权)人：网易传媒科技北京有限公司，
类型：发明
国别省市：