用于对象推荐的神经网络模型的训练方法及装置制造方法及图纸

本公开提供了一种用于对象推荐的神经网络模型的训练方法及装置，涉及计算机技术领域，尤其涉及人工智能领域。实现方案为：获取样本数据集，其中，样本数据集中的每个样本数据包括从第一样本媒体数据中提取的第一关键词，以及与第一关键词对应的真实对象类别；将第一关键词作为样本输入到神经网络模型中，得到预测对象类别；基于真实对象类别和预测对象类别，计算损失值；以及基于损失值，调整神经网络模型的参数。模型的参数。模型的参数。

【技术实现步骤摘要】
用于对象推荐的神经网络模型的训练方法及装置


[0001]本公开涉及人工智能
，尤其涉及深度学习和智能推荐领域，具体涉及一种用于对象推荐的神经网络模型的训练方法及装置、对象推荐的方法及装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]电商，即电子商务的简称，是一种在互联网、内部网和增值网上以电子交易进行交易的一种交易活动和相关服务活动，如今随着技术的快速发展与生活方式的迅速改变，电商这一交易方式已经逐渐的开始替代普通人的传统日常交易方式。
[0003]现有的电商交易的一个主要模式是内容带货(例如：视频带货、直播带货等)。“内容带货”是指商品经由媒体(例如：视频、文章、直播等)进行推广。用户在打开相关App后，会在浏览特定的媒体数据的同时获得相关商品的购买链接。
[0004]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

[0005]本公开提供了一种用于对象推荐的神经网络模型的训练方法及装置、对象推荐的方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
[0006]根据本公开的一方面，提供了一种用于对象推荐的神经网络模型的训练方法，包括：获取样本数据集，其中，样本数据集中的每个样本数据包括从第一样本媒体数据中提取的第一关键词，以及与第一关键词对应的真实对象类别；将第一关键词作为样本输入到神经网络模型中，得到预测对象类别；基于真实对象类别和预测对象类别，计算损失值；以及基于损失值，调整神经网络模型的参数。
[0007]根据本公开的另一方面，提供了一种对象推荐的方法，包括：从目标媒体数据中提取目标关键词；将目标关键词输入根据上述训练方法训练得到的神经网络模型中，得到目标对象类别；以及根据目标对象类别，生成与目标媒体数据相关联的至少一个对象链接。
[0008]根据本公开的另一方面，提供了一种对象推荐的神经网络模型的训练装置，包括：第一获取单元，配置成获取样本数据集，其中，样本数据集中的每个样本数据包括从第一样本媒体数据中提取的第一关键词，以及与第一关键词对应的真实对象类别；第一输入单元，配置成将第一关键词作为样本输入到神经网络模型中，得到预测对象类别；计算单元，配置成基于真实对象类别和预测对象类别，计算损失值；以及调整单元，配置成基于损失值，调整神经网络模型的参数。
[0009]根据本公开的另一方面，还提供了一种对象推荐的装置，包括：提取单元，配置成从目标媒体数据中提取目标关键词；第三输入单元，配置成将目标关键词输入根据上述训练方法训练得到的神经网络模型中，得到目标对象类别；以及生成单元，配置成根据目标对
象类别，生成与目标媒体数据相关联的至少一个对象链接。
[0010]根据本公开的一个或多个实施例，可以通过神经网络模型得到与媒体数据的关键词相关联的对象类别，从而使得后续挂接的商品和媒体数据高度相关，大幅度提高了买家的购买意愿，同时相对于人工操作，提高了选择商品类别的速度和效率。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0013]图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
[0014]图2示出了根据本公开的实施例的用于对象推荐的神经网络模型的训练方法的流程图；
[0015]图3示出了根据本公开的实施例的用于对象推荐的神经网络模型的训练方法的流程图；
[0016]图4示出了根据本公开的实施例的用于对第一对象类别进行可靠性验证的方法的流程图；
[0017]图5示出了根据本公开的实施例的对象推荐的方法的流程图；
[0018]图6示出了根据本公开的实施例的生成对象链接的方法的流程图；
[0019]图7示出了根据本公开的实施例的从目标媒体数据中提取目标关键词的方法的流程图；
[0020]图8示出了根据本公开的实施例的用于对象推荐的神经网络模型的训练装置的结构框图；
[0021]图9示出了根据本公开的实施例的对象推荐的装置的结构框图；
[0022]图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
[0023]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0024]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0025]在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可
以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0026]下面将结合附图详细描述本公开的实施例。
[0027]图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
[0028]在本公开的实施例中，服务器120可以运行使得能够执行对象推荐的方法的一个或多个服务或软件应用。
[0029]在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
[0030]在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于对象推荐的神经网络模型的训练方法，包括：获取样本数据集，其中，所述样本数据集中的每个样本数据包括从第一样本媒体数据中提取的第一关键词，以及与所述第一关键词对应的真实对象类别，其中，所述第一样本媒体数据包括文字信息、音频信息和/或视频信息，所述第一关键词包括与商品相关的名称词和特征词；将所述第一关键词作为样本输入到所述神经网络模型中，得到预测对象类别；基于所述真实对象类别和所述预测对象类别，计算损失值；以及基于所述损失值，调整所述神经网络模型的参数。2.根据权利要求1所述的训练方法，还包括：获取从第二样本媒体数据中提取的第二关键词，其中，所述第二样本媒体数据包括文字信息、音频信息和/或视频信息，所述第二关键词包括与商品相关的名称词和特征词；将所述第二关键词输入到经训练的神经网络模型中，得到第一对象类别；对所述第一对象类别进行可靠性验证；以及响应于所述第一对象类别通过所述可靠性验证，基于所述第二关键词以及所述第一对象类别更新所述样本数据集。3.根据权利要求2所述的训练方法，其中，所述对所述第一对象类别进行可靠性验证包括：根据所述第一对象类别，生成与所述第二样本媒体数据相关联的至少一个对象链接；获取在预设时间段内所述至少一个对象链接的点击率；以及响应于所述点击率大于预设阈值，确定所述第一对象类别通过所述可靠性验证。4.一种对象推荐的方法，包括：从目标媒体数据中提取目标关键词，其中，所述目标媒体数据包括文字信息、音频信息和/或视频信息，所述目标关键词包括与商品相关的名称词和特征词；将所述目标关键词输入根据权利要求1至3中任一项所述的训练方法训练得到的神经网络模型中，得到目标对象类别；以及根据所述目标对象类别，生成与所述目标媒体数据相关联的至少一个对象链接。5.根据权利要求4所述的方法，其中，所述根据所述目标对象类别，生成与所述目标媒体数据相关联的至少一个对象链接还包括：根据所述目标对象类别，确定多个候选对象；根据所述多个候选对象的对象属性从所述多个候选对象中选择至少一个目标对象；以及生成关于所述至少一个目标对象的对象链接。6.根据权利要求5所述的方法，其中，所述对象属性包括下列属性中的一种或多种：对象价格、对象销售商、对象利润和对象销售状态。7.根据权利要求4至6中任一项所述的方法，其中，在所述从目标媒体数据中提取目标关键词之后还包括：判断所述目标关键词中是否包括在预设的关键词列表中；以及响应于判定所述目标关键词包括在所述关键词列表中，确定执行将所述目标关键词输入经训练的神经网络模型中。
8.根据权利要求4至6中任一项所述的方法，其中，所述目标媒体数据包括文字信息，所述从目标媒体数据中提取目标关键词包括：将所述文字信息进行分词以得到多个候选词；根据所述多个候选词中的每个候选词的类型确定每个候选词的权重；以及根据所述多个候选词中的每个候选词的权重，从所述多个候选词中选取所述目标关键词。9.根据权利要求8所述的方法，其中，所述目标媒体数据还包括视频信息，所述从目标媒体数据中提取目标关键词还包括：从所述视频信息中提取音频信息；以及将所述音频信息数据转化为文字信息。10.一种对象推荐的神经网络模型的训练装置，包括：第一获取单元，配置成获取样本数据集，其中，所述样本数据集中的每个样本数据包括从第一样本媒体数据...

【专利技术属性】
技术研发人员：李满堂，刘彬，李晨曦，李旭朋，彭锦臻，宋堃，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：