一种资源召回方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种资源召回方法、装置、设备及存储介质，本申请涉及人工智能技术领域。该方法包括：获取对象搜索信息和实时热词集合；对对象搜索信息和实时热词集合进行热词匹配，得到目标热词；获取目标热词对应的目标热门资源和多个待召回资源各自对应的多模态融合特征，任一多模态融合特征是基于对应资源的图像语义特征信息和文本特征信息进行双向融合后生成的，图像语义特征信息是基于对应资源的图像特征信息对文本特征信息进行分词语义筛选后生成的；基于多模态融合特征，对多个待召回资源和目标热门资源进行特征匹配，确定多个待召回资源中的第一召回资源。利用本申请的技术方案，可以在提升召回资源精准性的同时提升召回资源的时效性。升召回资源的时效性。升召回资源的时效性。

【技术实现步骤摘要】
一种资源召回方法、装置、设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种资源召回方法、装置、设备 及存储介质。

技术介绍

[0002]互联网和计算机技术随着社会发展越来越普及。人们通过互联网获取各种 信息，以满足不同的需求。对于实时热点等信息流的关注，成为很多的“吃瓜 群众”的日常。用户可以通过输入搜索词，来查找与搜索词相关的最新信息动 态，而互联网平台可以通过用户搜索词，从海量资源中召回用户潜在感兴趣的 资源。
[0003]然而，现有的资源召回方法，通常提取用户搜索词的文本特征和资源侧的 文本特征，进行匹配召回，忽略了文本之外其他模态信息的特征，导致资源召 回结果的精准性较低；此外，也无法保证召回资源的时效性，因此，需要提供 一种更加准确的技术方案。

技术实现思路

[0004]本申请提供了一种资源召回方法、装置、设备及存储介质，通过挖掘对象 关注的实时热点，并利用热点资源的多模态融合特征进行资源召回，可以在提 升召回资源精准性的同时提升召回资源的时效性，本申请技术方案如下：/>[0005]一方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源召回方法，其特征在于，所述方法包括：获取对象搜索信息和实时热词集合；对所述对象搜索信息和所述实时热词集合进行热词匹配，得到目标热词；确定所述目标热词对应的目标热门资源；获取所述目标热门资源和多个待召回资源各自对应的多模态融合特征，任一多模态融合特征是基于对应资源的图像语义特征信息和文本特征信息进行双向融合后生成的，所述图像语义特征信息是基于对应资源的图像特征信息对所述文本特征信息进行分词语义筛选后生成的；基于所述多模态融合特征，对所述多个待召回资源和所述目标热门资源进行特征匹配，确定所述多个待召回资源中的第一召回资源。2.根据权利要求1所述的方法，其特征在于，所述对所述对象搜索信息和所述实时热词集合进行热词匹配，得到目标热词包括：将所述对象搜索信息与所述实时热词集合进行热词匹配，得到第一热词匹配结果；在所述第一热词匹配结果包括至少一个匹配热词的情况下，将所述至少一个匹配热词中文本粒度最大的匹配热词作为所述目标热词，所述文本粒度用于衡量对应匹配热词所含信息量的大小。3.根据权利要求1所述的方法，其特征在于，在所述获取对象搜索信息和实时热词集合之前，所述方法还包括：获取实时高频搜索词和所述实时高频搜索词对应的高频点击资源；对所述实时高频搜索词进行热词检测，得到热词检测结果；在所述热词检测结果确定所述实时高频搜索词是热词的情况下，对所述实时高频搜索词进行文本分析，得到所述实时高频搜索词的文本粒度；基于所述实时高频搜索词和所述实时高频搜索词的文本粒度，更新所述实时热词集合；将所述高频点击资源作为所述实时高频搜索词对应的热门资源。4.根据权利要求3所述的方法，其特征在于，所述对所述实时高频搜索词进行热词检测，得到热词检测结果包括：将所述实时高频搜索词与所述实时热词集合进行热词匹配，得到第二热词匹配结果；在所述第二热词匹配结果为匹配成功的情况下，将所述实时高频搜索词是热词作为所述热词检测结果。5.根据权利要求4所述的方法，其特征在于，在所述将所述实时高频搜索词与所述实时热词集合进行热词匹配，得到第二热词匹配结果之后，所述方法还包括：在所述第二热词匹配结果为匹配失败的情况下，将所述实时高频搜索词输入热词判别网络进行热词判别，得到热词判别结果；将所述热词判别结果作为所述热词检测结果。6.根据权利要求1所述的方法，其特征在于，在所述获取对象搜索信息和实时热词集合之前，所述方法还包括：获取待处理资源对应的多模态特征信息，所述多模态特征信息包括：文本特征信息和图像特征信息，所述待处理资源为所述目标热门资源或所述多个待召回资源中任一待召回
资源；将所述文本特征信息和所述图像特征信息输入多模态融合网络进行融合处理，得到所述待处理资源对应的多模态融合特征。7.根据权利要求6所述的方法，其特征在于，所述多模态融合网络包括第一融合网络和第二融合网络，所述将所述文本特征信息和所述图像特征信息输入多模态融合网络进行融合处理，得到所述待处理资源对应的多模态融合特征包括：将所述图像特征信息和所述文本特征信息输入所述第一融合网络，在所述第一融合网络中，基于所述文本特征信息中多个分词特征信息对应的融合权重对所述多个分词特征信息进行分词语义筛选，得到所述图像语义特征信息，所述融合权重是根据对应分词特征信息和所述图像特征信息间的特征相似度确定的；将所述图像语义特征信息和所述文本特征信息输入所述第二融合网络进行双向融合处理，得到所述多模态融合特征。8.根据权利要求7所述的方法，所述第二融合网络包括：第一融合层、第二融合层、第三融合层、第四融合层和拼接层，所述将所述图像语义特征信息和所述文本特征信息输入所述第二融合网络进行双向融合处理，得到所述多模态融合特征包括：将所述图像语义特征信息输入所述第一融合层，在所述第一融合层中，基于第一融合权重对所述图像语义特征信息进行加权融合，得到第一融合特征信息，所述第一融合权重是根据所述图像语义特征信息之间的特征相似度确定的；将所述文本特征信息输入所述第二融合层，在所述第二融合层中，基于第二融合权重对所述文本特征信息进行加权融合，得到第二融合特征信息，所述第一融合权重是根据所述文本特征信息之间的特征相似度确定的；将所述图像语义特征信息和所述...

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