一种数据处理方法及相关装置制造方法及图纸

一种数据处理方法，可以应用于人工智能领域，包括：获取第一序列信息；第一序列信息包括用户发生过交互的多个对象的信息；用户与多个对象中的第二对象之间的交互方式为被动交互；根据第一神经网络，处理第一序列信息，得到用户对第二对象进行交互时的注意力预测值；根据用户的信息以及第二对象的信息，通过推荐模型，得到用户与第二对象对应的推荐信息；根据推荐信息和注意力预测值确定第一损失，其中，注意力预测值在确定第一损失时融合至与第二对象对应的损失项。本申请将预测到的用户注意力与下游推荐任务的损失函数中被动交互样本对应的损失项进行融合(例如加权，从而减少被动交互产生的样本的噪声影响。动交互产生的样本的噪声影响。动交互产生的样本的噪声影响。

【技术实现步骤摘要】
一种数据处理方法及相关装置


[0001]本申请涉及人工智能领域，尤其涉及一种数据处理方法及相关装置。

技术介绍

[0002]人工智能(artificialintelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0003]以音乐推荐系统为例，基本运行逻辑为：用户在前端的音乐展示列表中进行一系列的行为，如主动播放、被动播放、点赞、点踩、下载、分享等，产生一系列交互数据，并存储为日志。音乐推荐系统利用日志产生的数据进行离线的模型训练，在训练收敛后输出一个预测模型，并将该模型部署在线上，根据用户特征、音乐特征以及上下文信息给出推荐的音乐结果，然后用户又与该结果进行交互。
[0004]其中，用户与推荐的音乐列表进行交互时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取第一序列信息；所述第一序列信息包括用户发生过交互的多个对象的信息、以及所述用户与所述多个对象的交互顺序，所述多个对象包括多个第一对象以及第二对象，所述多个第一对象为所述用户在进行与所述第二对象的交互之前的交互对象；所述用户与所述第二对象之间的交互方式为被动交互；根据第一神经网络，处理所述第一序列信息，得到所述用户对所述第二对象进行交互时的注意力预测值；根据所述用户的信息以及所述第二对象的信息，通过推荐模型，得到所述用户与所述第二对象对应的推荐信息；根据所述推荐信息和所述注意力预测值确定第一损失，其中，所述注意力预测值在确定所述第一损失时融合至与所述第二对象对应的损失项，所述第一损失用于更新所述推荐模型。2.根据权利要求1所述的方法，其特征在于，所述第一神经网络包括第一特征提取网络和第一任务网络，所述根据第一神经网络，处理所述第一序列信息，得到所述用户对所述第二对象进行交互时的注意力预测值，包括：根据所述第一特征提取网络，处理所述第一序列信息，得到第一状态；根据所述第一任务网络，处理所述第一状态，得到所述用户对所述第二对象进行交互时的注意力预测值；所述方法还包括：获取第二序列信息；所述第二序列信息包括用于指示所述用户和所述多个第一对象之间的交互方式的信息，所述交互方式包括主动交互和被动交互；根据第二神经网络中的第二特征提取网络，处理所述第二序列信息，得到第二状态；所述第一状态和所述第二状态用于融合得到目标信息；根据所述第二神经网络中的第二任务网络，处理所述目标信息，得到所述第二对象对应的倾向性得分；根据所述倾向性得分、以及所述第二序列信息中用于指示所述第二对象对应的交互方式的信息，确定第二损失，所述第二损失用于更新所述第一神经网络。3.根据权利要求1或2所述的方法，其特征在于，所述多个第一对象包括目标对象，所述目标对象为所述用户在进行与所述第二对象的交互之前最近的交互对象；所述第一状态和所述第二状态用于融合得到目标信息，包括：所述第一状态、所述第二状态以及所述第二序列信息中用于指示所述目标对象对应的交互方式的信息用于融合得到目标信息。4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：根据所述注意力预测值、以及所述第二序列信息中用于指示所述第二对象对应的交互方式的信息，确定第三损失，所述第三损失用于更新所述第二神经网络。5.根据权利要求4所述的方法，其特征在于，所述第二损失用于更新所述第一神经网络，包括：所述第二损失用于在保持所述第二神经网络的参数不变的情况下，更新所述第一神经网络。
6.根据权利要求4或5所述的方法，其特征在于，所述第三损失用于更新所述第二神经网络，包括：所述第三损失用于在保持所述第一神经网络的参数不变的情况下，更新所述第二神经网络。7.根据权利要求1至6任一所述的方法，其特征在于，所述对象为音乐或者视频；所述交互包括主动播放、被动播放、正向评价、负向评价、下载、分享、浏览详情、呈现且未播放中的至少一种。8.一种数据处理方法，其特征在于，所述方法包括：获取第一序列信息和第二序列信息；所述第一序列信息包括用户发生过交互的多个对象的信息、以及所述用户与所述多个对象的交互顺序，所述多个对象包括多个第一对象以及第二对象，所述多个第一对象为所述用户在进行与所述第二对象的交互之前的交互对象，所述第二序列信息包括用于指示所述用户和所述多个第一对象之间的交互方式的信息，所述交互方式包括主动交互和被动交互；根据第一神经网络中的第一特征提取网络，处理所述第一序列信息，得到第一状态；根据所述第一神经网络中的第一任务网络，处理所述第一状态，得到所述用户对所述第二对象进行交互时的注意力预测值；根据第二神经网络中的第二特征提取网络，处理所述第二序列信息，得到第二状态；所述第一状态和所述第二状态用于融合得到目标信息；根据所述第二神经网络中的第二任务网络，处理所述目标信息，得到所述第二对象对应的倾向性得分；根据所述倾向性得分、以及所述第二序列信息中用于指示所述第二对象对应的交互方式的信息，确定第二损失，所述第二损失用于更新所述第一神经网络。9.根据权利要求8所述的方法，其特征在于，所述多个第一对象包括目标对象，所述目标对象为所述用户在进行与所述第二对象的交互之前最近的交互对象；所述第一状态和所述第二状态用于融合得到目标信息，包括：所述第一状态、所述第二状态以及所述第二序列信息中用于指示所述目标对象对应的交互方式的信息用于融合得到目标信息。10.根据权利要求8或9所述的方法，其特征在于，所述方法还包括：根据所述注意力预测值、以及所述第二序列信息中用于指示所述第二对象对应的交互方式的信息，确定第三损失，所述第三损失用于更新所述第二神经网络。11.一种数据处理装置，其特征在于，所述装置包括：获取模块，用于获取第一序列信息和第二序列信息；所述第一序列信息包括用户发生过交互的多个对象的信息、以及所述用户与所述多个对象的交互顺序，所...

【专利技术属性】
技术研发人员：戴全宇，戴孙浩，邵宁录，朱杰明，徐君，张骁，董振华，
申请(专利权)人：中国人民大学，
类型：发明
国别省市：