多媒体资源推荐方法、模型训练方法、装置及存储介质制造方法及图纸

本申请公开了一种多媒体资源推荐方法、模型训练方法、装置及存储介质，可以应用于云技术、人工智能、智慧交通、车联网等各种场景，所述方法包括：获取目标对象的目标对象属性以及候选多媒体资源的候选资源信息；将目标对象属性以及候选资源信息，输入资源推荐模型的综合特征提取网络进行特征提取处理，得到候选综合特征；将候选综合特征输入资源推荐模型的第一任务预测网络，进行播放信息预测，得到播放信息预测结果；将候选综合特征输入资源推荐模型的第二任务预测网络，进行反馈信息预测，得到反馈信息预测结果；基于播放信息预测结果以及反馈信息预测结果，得到目标推荐结果。本申请提高了多媒体资源的推荐准确率。提高了多媒体资源的推荐准确率。提高了多媒体资源的推荐准确率。

【技术实现步骤摘要】
多媒体资源推荐方法、模型训练方法、装置及存储介质


[0001]本申请涉及互联网
，尤其涉及一种多媒体资源推荐方法、模型训练方法、装置及存储介质。

技术介绍

[0002]在互联网快速发展的时代，随着内容生产的门槛降低，视频上传量以指数级的速度增长。首先介绍下目前短视频内容的分发流程，短视频内容从开始上传、到上传成功、再到成功进入用户消费的过程：通过终端拍摄工具拍摄视频，然后通过终端上传，在视频上传的流程中，视频会经过重转码，将视频文件进行规范化，保存视频的元信息，提升视频在各个平台播放兼容性。然后视频会进行人工审核，人工审核的同时机器也会通过算法对内容进行一些辅助特征的获取比如多维度的分类，标签等等；然后在机器算法处理的基础上进行人工标准化标注，对视频填充相关的信息，例如视频的各种标签信息打标，这就是内容的标准化启用，标签作为内容特征的表现方式之一，相比于其它方式，如主体或内容向量，具有可解释性强、易扩展的优势，在推荐、运营等场景中得到了广泛的应用。启用后构建一个内容池给到推荐引擎。最后推荐引擎基于用户的画像特征，通过推荐算法比如协同推荐，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多媒体资源推荐方法，其特征在于，所述方法包括：获取目标对象的目标对象属性以及候选多媒体资源的候选资源信息；将所述目标对象属性以及所述候选资源信息，输入资源推荐模型的综合特征提取网络进行特征提取处理，得到候选综合特征；将所述候选综合特征输入所述资源推荐模型的第一任务预测网络，进行播放信息预测，得到播放信息预测结果；所述播放信息预测结果表征在所述目标对象与所述候选多媒体资源进行交互的情况下，所述候选多媒体资源所对应的播放结果；将所述候选综合特征输入所述资源推荐模型的第二任务预测网络，进行反馈信息预测，得到反馈信息预测结果；所述反馈信息预测结果表征所述目标对象针对所述候选多媒体资源的反馈信息；基于所述播放信息预测结果以及所述反馈信息预测结果，得到目标推荐结果；所述目标推荐结果表征向所述目标对象推荐所述候选多媒体资源的概率。2.根据权利要求1所述的方法，其特征在于，所述综合特征提取网络包括属性特征提取网络、资源特征提取网络以及多头注意力网络，所述将所述目标对象属性以及所述候选资源信息，输入资源推荐模型的综合特征提取网络进行特征提取处理，得到候选综合特征，包括：将所述目标对象属性输入所述属性特征提取网络，进行属性特征提取处理，得到目标属性特征；将所述候选资源信息输入所述资源特征提取网络，进行资源特征提取处理，得到候选资源特征；将所述目标属性特征以及所述候选资源特征输入所述多头注意力网络，进行融合处理，得到所述候选综合特征。3.根据权利要求2所述的方法，其特征在于，所述获取目标对象的目标对象属性以及候选多媒体资源的候选资源信息，包括：获取目标对象的目标对象属性；将所述候选多媒体资源解析成多个信息流；获取每个信息流对应的候选资源信息；所述综合特征提取网络还包括特征融合网络，所述方法还包括：将所述目标属性特征以及每个信息流对应的候选资源特征输入所述特征融合网络，对每个信息流对应的候选资源特征以及所述目标属性特征进行融合处理，得到每个信息流对应的候选融合特征；所述将所述目标属性特征以及所述候选资源特征输入所述多头注意力网络，进行融合处理，得到所述候选综合特征，包括：将每个信息流对应的候选融合特征输入所述多头注意力网络，进行注意力预测处理，得到每个候选融合特征对应的注意力结果；基于所述每个候选融合特征对应的注意力结果，得到所述候选综合特征。4.根据权利要求2所述的方法，其特征在于，所述资源特征提取网络包括视觉特征提取子网络、音频特征提取子网络、文本特征提取子网络以及资源特征融合子网络，所述将所述候选资源信息输入所述资源特征提取网络，进行资源特征提取处理，得到候选资源特征，包
括：将所述候选资源信息输入所述视觉特征提取子网络，进行视觉特征提取，得到候选视觉特征；将所述候选资源信息输入所述音频特征提取子网络，进行音频特征提取，得到候选音频特征；将所述候选资源信息输入所述文本特征提取子网络，进行文本特征提取，得到候选文本特征；将所述候选视觉特征、所述候选音频特征以及所述候选文本特征，输入所述资源特征融合子网络进行特征融合处理，得到所述候选资源特征。5.根据权利要求1所述的方法，其特征在于，所述第一任务预测网络为至少两个，所述第二任务预测网络为至少两个，所述将所述候选综合特征输入所述资源推荐模型的第一任务预测网络，进行播放信息预测，得到播放信息预测结果，包括：将所述候选综合特征输入至少两个所述第一任务预测网络，进行播放信息预测，得到所述至少两个所述第一任务预测网络各自对应的播放信息预测结果；所述将所述候选综合特征输入所述资源推荐模型的第二任务预测网络，进行反馈信息预测，得到反馈信息预测结果，包括：将所述候选综合特征输入至少两个所述第二任务预测网络，进行反馈信息预测，得到所述至少两个所述第二任务预测网络各自对应的反馈信息预测结果；所述基于所述播放信息预测结果以及所述反馈信息预测结果，得到目标推荐结果，包括：基于所述至少两个所述第一任务预测网络各自对应的播放信息预测结果，以及至少两个所述第二任务预测网络各自对应的反馈信息预测结果，得到所述目标推荐结果。6.根据权利要求5所述的方法，其特征在于，所述将所述候选综合特征输入至少两个所述第一任务预测网络，进行播放信息预测，得到所述至少两个所述第一任务预测网络各自对应的播放信息预测结果，包括：将所述候选综合特征输入播放时长任务预测网络，进行播放时长预测，得到播放时长预测结果；将所述候选综合特征输入播放完成度任务预测网络，进行播放完成度预测，得到播放完成度预测结果；将所述播放时长预测结果以及所述播放完成度预测结果，确定为所述播放信息预测结果。7.根据权利要求5所述的方法，其特征在于，所述将所述候选综合特征输入至少两个所述第二任务预测网络，进行反馈信息预测，得到所述至少两个所述第二任务预测网络各自对应的反馈信息预测结果，包括：将所述候选综合特征输入快滑率任务预测网络，进行快滑率预测，得到快滑率预测结果；所述快滑率预测结果表征所述目标对象针对所述候选多媒体资源执行预设交互指令的频率；所述预设交互指令为交互时间小于预设阈值的指令；将所述候选综合特征输入分享率任务预测网络，进行分享率预测，得到分享率预测结果；
将所述候选综合特征输入点赞率任务预测网络，进行点赞率预测，得到点赞率预测结果；将所述候选综合特征输入关注率任务预测网络，进行关注率预测，得到关注率预测结果；将所述候选综合特征输入评论率任务预测网络，进行评论率预测，得到评论率预测结果；将所述快滑率预测结果、所述分享率预测结果、所述点赞率预测结果、所述关注率预测结果以及所述评论率预测结果，确定为所述反馈信息预测结果。8.根据权利要求1所述的方法，其特征在于，所述候选多媒体资源为至少两个，所述基于所述播放信息预测结果以及所述反馈信息预测结果，得到目标推荐结果，包括：基于每个所述候选多媒体资源对应的播放信息预...

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