模型训练方法以及相关产品技术

本申请实施例公开了一种模型训练方法以及相关产品。模型训练方法包括：获取对象的对象信息和多媒体数据的属性信息；采用双塔特征提取模型对对象的对象信息进行特征提取处理，得到对象的底层语义特征和高层语义特征；并采用双塔特征提取模型对多媒体数据的属性信息进行特征提取处理，得到多媒体数据的底层语义特征和高层语义特征；采用交互增强模型对目标底层语义特征进行增强处理，得到目标增强特征；基于对象的高层语义特征与多媒体数据的高层语义特征之间的相似差异性，以及目标高层语义特征和目标增强特征之间的相似差异性，对交互增强模型及双塔特征提取模型进行同步训练。采用本申请，可以提升特征提取模型提取特征的准确性。准确性。准确性。

【技术实现步骤摘要】
模型训练方法以及相关产品


[0001]本申请涉及计算机
，尤其涉及一种模型训练方法以及相关产品。

技术介绍

[0002]在现有的多媒体数据推荐系统中，通过特征提取模型提取对象的特征和多媒体数据的特征，基于对象特征和多媒体数据特征之间的距离，来确定该多媒体数据是否为该对象的待推荐多媒体数据。在应用特征提取模型之前，通常需要先对特征提取模型进行训练，因此如何设计合理的模型训练方法，以提升特征提取模型提取特征的准确性是有待解决的问题。

技术实现思路

[0003]本申请实施例提供一种模型训练方法以及相关产品，可以提升特征提取模型提取特征的准确性。
[0004]本申请实施例一方面提供了一种模型训练方法，包括：获取对象的对象信息和多媒体数据的属性信息；采用双塔特征提取模型对所述对象的对象信息进行特征提取处理，得到所述对象的底层语义特征和高层语义特征；并采用双塔特征提取模型对所述多媒体数据的属性信息进行特征提取处理，得到多媒体数据的底层语义特征和高层语义特征；采用交互增强模型对目标底层语义特征进行增强处理，得到目标增强特征；所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：获取对象的对象信息和多媒体数据的属性信息；采用双塔特征提取模型对所述对象的对象信息进行特征提取处理，得到所述对象的底层语义特征和高层语义特征；并采用双塔特征提取模型对所述多媒体数据的属性信息进行特征提取处理，得到多媒体数据的底层语义特征和高层语义特征；采用交互增强模型对目标底层语义特征进行增强处理，得到目标增强特征；所述目标底层语义特征包括所述对象的底层语义特征和所述多媒体数据的底层语义特征中的一种或多种；基于对象的高层语义特征与多媒体数据的高层语义特征之间的相似差异性，以及目标高层语义特征和所述目标增强特征之间的相似差异性，对所述交互增强模型及所述双塔特征提取模型进行同步训练，训练好的双塔特征提取模型用于多媒体数据推荐，所述目标高层语义特征包括所述对象的高层语义特征和所述多媒体数据的高层语义特征中的一种或多种，且所述目标高层语义特征和所述目标增强特征之间具备可交互关系。2.根据权利要求1所述的方法，其特征在于，所述双塔特征提取模型包括对象特征提取模型和多媒体特征提取模型；所述采用双塔特征提取模型对所述对象的对象信息进行特征提取处理，得到所述对象的底层语义特征和高层语义特征，包括：采用所述对象特征提取模型对所述对象的对象信息进行特征提取处理，得到所述对象的底层语义特征和高层语义特征；所述采用双塔特征提取模型对所述多媒体数据的属性信息进行特征提取处理，得到多媒体数据的底层语义特征和高层语义特征，包括：采用所述多媒体特征提取模型对所述多媒体数据的属性信息进行特征提取处理，得到所述多媒体数据的底层语义特征和高层语义特征。3.根据权利要求1所述的方法，其特征在于，当所述目标底层语义特征包括所述多媒体数据的底层语义特征时，所述目标增强特征包括所述多媒体数据的增强特征，所述交互增强模型包括多媒体增强模型，所述采用交互增强模型对目标底层语义特征进行增强处理，得到目标增强特征，包括：采用所述多媒体增强模型对所述多媒体数据的底层语义特征进行增强处理，得到所述多媒体数据的增强特征。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：从所述多媒体数据的底层语义特征中筛选出强个性化多媒体特征和弱个性化多媒体特征，将所述强个性化多媒体特征和所述弱个性化多媒体特征拼接为个性化多媒体特征；所述采用所述多媒体增强模型对所述多媒体数据的底层语义特征进行增强处理，得到所述多媒体数据的增强特征，包括：采用所述多媒体增强模型对所述个性化多媒体特征进行增强处理，得到所述多媒体数据的增强特征。5.根据权利要求3所述的方法，其特征在于，所述目标高层语义特征包括所述对象的高层语义特征，所述基于对象的高层语义特征与多媒体数据的高层语义特征之间的相似差异性，以及目标高层语义特征和所述目标增强特征之间的相似差异性，对所述交互增强模型及所述双塔特征提取模型进行同步训练，包括：基于对象的高层语义特征与多媒体数据的高层语义特征之间的相似差异性，确定相似
损失；基于对象的高层语义特征与多媒体数据的增强特征之间的差异性，确定多媒体交互增强损失；将所述相似损失和所述多媒体交互增强损失叠加为目标损失，根据所述目标损失同步训练所述双塔特征提取模型和所述交互增强模型。6.根据权利要求5所述的方法，其特征在于，所述双塔特征提取模型包括对象特征提取模型，所述对象的高层语义特征是所述对象特征提取模型中的对象语义层对所述对象的底层语义特征进行特征提取处理后的特征，在基于目标损失同步训练所述双塔特征提取模型和所述交互增强模型过程中，所述多媒体交互增强损失不参与对所述对象特征提取模型中的对象语义层的训练。7.根据权利要求5所述的方法，其特征在于，所述方法还包括：若所述对象和所述多媒体数据之间具有关联关系，则执行基于对象的高层语义特征与多媒体数据的增强特征之间的差异性，确定多媒体交互增强损失的步骤；若所述对象和所述多媒体数据之间不具有关联关系，则将所述多媒体交互增强损失设置为预设参数。8.根据权利要求5所述的方法，其特征在于，所述对象的高层语义特征包括针对第一任务的第一高层语义特征和针对第二任务的第二高层语义特征，所述多媒体数据的增强特征包括针对所述第一任务的第一增强特征和针对所述第二任务的第二增强特征，所述基于对象的高层语义特征与多媒体数据的增强特征之间的差异性，确定多媒体交互增强损失，包括：基于所述第一高层语义特征和所述第一增强特征确定第一多媒体交互增强损失；基于所述第二高层语义特征和所述第二增强特征确定第二多媒体交互增强损失；将所述第一多媒体交互增强损失和所述第二多媒体交互增强损失叠加为所述多媒体交互增强损失。9.根据权利要求1所述的方法，其特征在于，当所述目标底层语义特征包括所述对象的底层语义特征时，所述目标增强特征包括所述对象的增强特征，所述交互增强模型包括对象增强模型，所述采用交互增强模型对目标底层语义特征进行增强处理，得到目标增强特征，包括：采用所述对象增强模型对所述对象的底层语义特征进行增强处理，得到所述对象的增强特征。10.根据权利要求9所述的方法，其特征在于，所述方法还包括：从所述对象的底层语义特征中筛选出强个性化对象特征和弱...

【专利技术属性】
技术研发人员：刘子璐，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：