本公开的实施方式提供了一种模型训练方法、多样性评分确定方法、介质、装置及设备，其中，模型训练方法包括：确定目标用户的用户特征向量，其中，用户特征向量是根据目标用户与媒体对象在多个特征维度下的交互数据得到的；通过目标模型对用户特征向量进行处理，得到目标用户对应的多样性预测评分；向目标用户展示多样性预测评分。本公开的方法通过用于预测用户的多样性评分的模型，实现对用户与媒体对象的交互所体现出的多样性的量化分析，通过向用户展示多样性预测评分，便于用户了解自身与媒体对象交互的多样性，提高用户体验。提高用户体验。提高用户体验。
【技术实现步骤摘要】
模型训练方法、多样性评分确定方法、介质、装置及设备
[0001]本公开的实施方式涉及计算机
，更具体地，本公开的实施方式涉及模型训练方法、多样性评分确定方法、介质、装置及设备。
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]随着大数据技术的发展，可基于海量数据分析用户的行为偏好。
[0004]目前，与音视频相关的应用程序在分析用户偏好时，通常在经用户授权后，基于用户以往的历史浏览记录，分析用户偏好。然而，当用户习惯性浏览或播放某一风格的音视频时，为该用户推荐的都是这种风格的音视频，忽视了该用户更喜欢其他不同风格的音视频的可能性，导致个性化内容推荐不能满足用户对音视频的多样性需求。
技术实现思路
[0005]本公开提供一种模型训练方法、多样性评分确定方法、介质、装置及设备，以实现对用户与媒体对象交互的多样性的分析。
[0006]在本公开实施方式的第一方面中，提供了一种模型训练方法，包括：确定训练数据，训练数据包括多个用户特征向量和用户特征向量对应的多样性评分标签，用户特征向量是根据用户与媒体对象在多个特征维度下的交互数据得到；根据训练数据，对目标模型进行训练，得到训练好的目标模型，目标模型用于对用户的多样性评分进行预测。
[0007]在本公开实施方式的第二方面中，提供了一种多样性评分确定方法，包括：确定目标用户的用户特征向量，其中，用户特征向量是根据目标用户与媒体对象在多个特征维度下的交互数据得到；通过目标模型对用户特征向量进行处理，得到目标用户对应的多样性预测评分；向目标用户展示多样性预测评分。
[0008]在本公开实施方式的第三方面，提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如第一方面提供的模型训练方法，和/或，实现如第二方面提供的多样性评分确定方法。
[0009]在本公开实施方式的第四方面中，提供了一种模型训练装置，包括：确定单元，用于确定训练数据，训练数据包括多个用户特征向量和用户特征向量对应的多样性评分标签，用户特征向量是根据用户与媒体对象在多个特征维度下的交互数据得到；训练单元，用于根据训练数据，对目标模型进行训练，得到训练好的目标模型，目标模型用于对用户的多样性评分进行预测。
[0010]在本公开实施方式的第五方面中，提供了一种多样性评分确定装置，包括：确定单元，用于确定目标用户的用户特征向量，其中，用户特征向量是根据目标用户与媒体对象在多个特征维度下的交互数据得到；处理单元，用于通过目标模型对用户特征向量进行处理，得到目标用户对应的多样性预测评分；显示单元，用于向目标用户展示多样性预测评分。
[0011]在本公开实施方式的第六方面中，提供了一种计算设备，包括：至少一个处理器和存储器；存储器存储计算机执行指令；至少一个处理器执行存储器存储的计算机执行指令，使得至少一个处理器执行如第一方面提供的模型训练方法，和/或，使得至少一个处理器执行如第二方面提供的多样性评分确定方法。
[0012]在本公开实施方式中，基于训练数据，训练用于预测用户的多样性评分的目标模型，其中，训练数据包括用户特征与用户特征对应的多样性评分标签，用户特征是基于用户与媒体对象在多个特征维度下的交互数据的。从而，利用模型训练的思想，提供了一种对用户与媒体对象交互的多样性进行量化分析的方式，不仅实现对用户多样性的分析，而且确保了分析的准确性，通过用户的多样性预测评分，有利于用户更清晰地了解自身与媒体对象交互的多样性，也有利于为用户提供更准确的数据推荐，提高用户体验。
附图说明
[0013]通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
[0014]图1示意性地示出了根据本公开实施方式提供的应用场景示意图；
[0015]图2示意性地示出了根据本公开一实施例提供的模型训练方法的流程示意图；
[0016]图3示意性地示出了根据本公开另一实施例提供的模型训练方法的流程示意图；
[0017]图4示意性地示出了根据本公开一实施例提供的目标模型的一次训练过程的流程示意图；
[0018]图5示意性地示出了根据本公开一实施例提供的目标模型的结构示意图；
[0019]图6示意性地示出了根据本公开一实施例提供的多样性评分确定方法的流程示意图；
[0020]图7a示意性地示出了根据本公开又一实施例提供的多样性评分确定方法的流程示意图；
[0021]图7b示意性地示出了根据本公开又一实施例提供的目标模型的结构示意图；
[0022]图8示意性地示出了根据本公开一实施例提供的存储介质的结构示意图；
[0023]图9示意性地示出了根据本公开一实施例提供的模型训练装置的结构示意图；
[0024]图10示意性地示出了根据本公开一实施例提供的多样性评分确定装置的结构示意图；
[0025]图11示意性地示出了根据本公开一实施例提供的计算设备的结构示意图。
[0026]在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
[0027]下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0028]本领域技术人员知道，本公开的实施方式可以实现为一种系统、装置、设备、方法
或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
[0029]根据本公开的实施方式，提出了一种多样性评分确定方法、介质、装置和计算设备。
[0030]在本文中，需要理解的是，所涉及的术语以及术语的含义如下：
[0031](1)媒体对象：可以是单一媒体对象也可以是多媒体对象。
[0032]其中，单一媒体对象是指媒体形式单一(如文本、或者声音、或者图像)的对象，比如不带字幕和封面的音乐；多媒体对象是指包含多种媒体形式(如文本、声音、图像中的至少两种媒体形式)的对象；对象是指可以与用户进行互动的客体，例如，用户可以播放、下载的音乐、视频等。
[0033](2)行为多样性：用户与媒体对象的交互(或互动)上的多样性，也可以理解为用户交互的多媒体对象的多样性。例如，用户播放多种风格的音乐这一多样性行为，是用户与音乐交互的多样性，即用户交互的音乐的多样性。
[0034](3)用户与媒体对象的交互：是指用户在与媒体对象相关的应用程序上与媒体对象的交互行为。其中，可选的，用户与媒本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，包括：确定训练数据，所述训练数据包括多个用户特征向量和所述用户特征向量对应的多样性评分标签，所述用户特征向量是根据用户与媒体对象在多个特征维度下的交互数据得到；根据所述训练数据，对目标模型进行训练，得到训练好的目标模型，所述目标模型用于对用户的多样性评分进行预测。2.根据权利要求1所述的模型训练方法，所述用户特征向量是根据用户与媒体对象在多个特征维度下的交互数据得到，包括：利用特征工程方法，对所述交互数据进行特征处理，得到各个特征维度下的特征向量，其中，所述特征工程方法包括如下至少一种：对连续型数据进行特征处理的特征工程方法、对离散型数据进行特征处理的特征工程方法；根据所述各个特征维度下的特征向量，得到所述用户特征向量。3.根据权利要求2所述的模型训练方法，所述利用特征工程方法，对所述交互数据进行特征处理，得到各个特征维度下的特征向量，包括：根据所述多个特征维度与所述特征工程方法的预设对应关系，针对各特征维度，采用与所述特征维度对应的特征工程方法，对所述特征维度下的交互数据进行特征处理，得到所述特征维度下的特征向量。4.根据权利要求2所述的模型训练方法，所述利用特征工程方法，对所述交互数据进行特征处理，得到各个特征维度下的特征向量之前，所述模型训练方法还包括：根据所述交互数据，确定用户对应的统计数据，所述统计数据包括如下至少一种：用户在预设时间段内的播放媒体对象的数量、用户在预设时间段内的播放媒体对象的时长、用户在预设时间段内的交互行为的次数；根据所述统计数据，对所述交互数据进行数据清洗。5.根据权利要求2至4任一项所述的模型训练方法，所述用户特征向量包括所述各个特征维度下的特征向量，所述目标模型的训练过程包括：将所述各个特征维度下的特征向量输入所述目标模型，...
【专利技术属性】
技术研发人员：李双江，肖强，李勇，
申请(专利权)人：杭州网易云音乐科技有限公司，
类型：发明
国别省市：
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。