媒体内容推荐方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例公开了一种媒体内容推荐方法、装置、计算机设备及存储介质，属于人工智能领域，可以对当前媒体账号的各已发布视频进行视频级别特征提取，得到当前媒体账号的多个视觉特征；对各已发布视频的文本信息进行特征提取，得到当前媒体账号的多个文本特征；对多个视觉特征和多个文本特征进行嵌入处理，得到当前媒体账号的特征集；获取特征集中各特征之间的相关度；基于各特征之间的相关度对特征集中各特征进行聚合编码，得到当前媒体账号的第一账号特征向量；基于第一账号特征向量，推荐当前媒体账号发布的媒体内容。该方案能够精准地提取出媒体账号的特点，提高媒体账号的账号特征向量的表征准确度，提高媒体内容推荐的精准度。度。度。

【技术实现步骤摘要】
媒体内容推荐方法、装置、计算机设备及存储介质


[0001]本申请实施例涉及人工智能
，具体涉及一种媒体内容推荐方法、装置及计算机可读存储介质。

技术介绍

[0002]随着人工智能和机器学习技术的快速发展，越来越多的领域中用到人工智能和机器学习技术，其中，信息推荐(如媒体账号发布的视频推荐等)是人工智能的重要应用。
[0003]为了实现更精准的媒体内容(如视频)推荐，以使得媒体内容消费用户可以获得更优质内容，通常需要对媒体账号进行表征。现有技术中，基于媒体账号的如观看、关注等行为相关信息构造账号特征向量。
[0004]但是，本申请专利技术人在实际研发过程中发现：由于如观看、关注等行为相关信息难以真实反映媒体账号的内容特征，因此导致账号特征向量表征不够准确，进而导致媒体内容推荐不精准的问题。

技术实现思路

[0005]本申请实施例提供一种媒体内容推荐方法、装置、计算机设备及计算机可读存储介质，通过能够提高媒体账号的账号特征向量的表征准确度，提高媒体内容推荐的精准度。
[0006]第一方面，本申请实施例提供一种媒体内容推荐方法，所述方法包括：
[0007]对当前媒体账号的各已发布视频进行视频级别特征提取，得到所述当前媒体账号的多个视觉特征；
[0008]对所述各已发布视频的文本信息进行特征提取，得到所述当前媒体账号的多个文本特征；
[0009]对所述多个视觉特征和所述多个文本特征进行嵌入处理，得到所述当前媒体账号的特征集；
[0010]获取所述特征集中各特征之间的相关度；
[0011]基于所述各特征之间的相关度对所述特征集中各特征进行聚合编码，得到所述当前媒体账号的第一账号特征向量；
[0012]基于所述第一账号特征向量，推荐所述当前媒体账号发布的媒体内容。
[0013]第二方面，本申请实施例提供一种媒体内容推荐装置，所述媒体内容推荐装置包括：
[0014]特征提取单元，用于对当前媒体账号的各已发布视频进行视频级别特征提取，得到所述当前媒体账号的多个视觉特征；
[0015]所述特征提取单元，还用于对所述各已发布视频的文本信息进行特征提取，得到所述当前媒体账号的多个文本特征；
[0016]嵌入单元，用于对所述多个视觉特征和所述多个文本特征进行嵌入处理，得到所述当前媒体账号的特征集；
[0017]获取单元，用于获取所述特征集中各特征之间的相关度；
[0018]编码单元，用于基于所述各特征之间的相关度对所述特征集中各特征进行聚合编码，得到所述当前媒体账号的第一账号特征向量；
[0019]推荐单元，用于基于所述第一账号特征向量，推荐所述当前媒体账号发布的媒体内容。
[0020]第三方面，本申请实施例还提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行实现本专利技术实施例所提供的任一种媒体内容推荐方法。
[0021]第四方面，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行实现本专利技术实施例所提供的任一种媒体内容推荐方法。
[0022]第五方面，本申请实施例还提供一种计算机程序产品，包括计算机程序或指令，所述计算机程序或指令被处理器执行时实现本专利技术实施例所提供的任一种媒体内容推荐方法。
[0023]从以上内容可得出，本申请实施例具有以下的有益效果：
[0024]本申请实施例中，第一方面，首先，由于是对各已发布视频进行视频级别特征提取各视觉特征，因此多个视觉特征中的每个视觉特征均可以反映当前媒体账号每个已发布视频整体的内容特点；并且特征集中各特征包含了多个视觉特征的嵌入结果，因此特征集中各特征可以反映出各已发布视频的内容特点。其次，由于获取特征集中各特征之间的相关度可以建立特征集中每个特征与其他特征之间的关联，因此通过获取特征集中各特征之间的相关度对特征集中各特征进行聚合编码，编码结果(即当前媒体账号的第一账号特征向量)可以提取出特征集中各特征之间的公共特点。可见，由于特征集中各特征可以反映出各已发布视频的内容特点、对特征集中各特征进行聚合编码可以提取出特征集中各特征之间的公共特点，因此通过特征集中各特征之间的相关度对特征集中各特征进行聚合编码，可以提取出当前媒体账号的各已发布视频之间的内容公共特点，从而使得聚合编码后得到的第一账号特征向量可以被表征为当前媒体账号各已发布视频之间的内容公共特点；而当前媒体账号各已发布视频之间的内容公共特点即反映了当前媒体账号的特点，因此可以提高媒体账号的账号特征向量的表征准确度，进而提高媒体内容推荐的精准度。
[0025]第二方面，由于特征集为多个视觉特征和多个文本特征的嵌入结果，即是基于整个视频本身和文本信息这些纯正内容对媒体账号进行刻画，因此使得第一账号特征向量更贴合当前媒体账号本身特征，从而提高媒体账号的账号特征向量的表征准确度，进而提高媒体内容推荐的精准度。同时由于是结合视频和文本信息多维度信息进行表征，因此也可以一定程度上提高媒体账号的账号特征向量的表征准确度，提高媒体内容推荐的精准度。
[0026]第三方面，由于第一账号特征向量是基于整个视频本身和文本信息这些纯正内容对媒体账号进行刻画，第一账号特征向量反映的是各已发布视频之间的内容公共特点，而媒体账号的视频内容在短期内不会发生较大变化，因此针对媒体账号所表征的账号特征向量不会发生较大变化，由此也可以在一定程度上提高媒体内容推荐的精准度、缩短账号特征向量的更新周期。
附图说明
[0027]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0028]图1是本申请实施例提供的媒体内容推荐系统的一个架构示意图；
[0029]图2是本申请实施例中提供的媒体内容推荐方法的一个实施例流程示意图；
[0030]图3是本申请实施例中提供的表征模型的一种架构示意图；
[0031]图4是本申请实施例中提供的表征模型训练过程的一个流程示意图；
[0032]图5是本申请实施例中提供的媒体内容推荐系统的另一个架构示意图；
[0033]图6是本申请实施例提供的媒体内容推荐过程的一个流程示意图；
[0034]图7本申请实施例中媒体内容推荐装置的一个实施例结构示意图；
[0035]图8本申请实施例所涉及的计算机设备的结构示意图。
具体实施方式
[0036]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种媒体内容推荐方法，其特征在于，所述方法包括：对当前媒体账号的各已发布视频进行视频级别特征提取，得到所述当前媒体账号的多个视觉特征；对所述各已发布视频的文本信息进行特征提取，得到所述当前媒体账号的多个文本特征；对所述多个视觉特征和所述多个文本特征进行嵌入处理，得到所述当前媒体账号的特征集；获取所述特征集中各特征之间的相关度；基于所述各特征之间的相关度对所述特征集中各特征进行聚合编码，得到所述当前媒体账号的第一账号特征向量；基于所述第一账号特征向量，推荐所述当前媒体账号发布的媒体内容。2.根据权利要求1所述的媒体内容推荐方法，其特征在于，所述多个视觉特征为各视频类别的视觉特征，所述对当前媒体账号的各已发布视频进行视频级别特征提取，得到所述当前媒体账号的多个视觉特征，包括：对所述各已发布视频进行分类，得到所述当前媒体账号在各视频类别的视频集合；对所述视频集合中每个视频进行帧特征提取，得到所述视频集合中每个视频的帧特征集合；对所述帧特征集合中各帧特征进行融合，得到所述视频集合中每个视频的视频级特征；将所述视频集合中每个视频的视频级特征相加，得到所述各视频类别的视觉特征。3.根据权利要求1所述的媒体内容推荐方法，其特征在于，所述对所述多个视觉特征和所述多个文本特征进行嵌入处理，得到所述当前媒体账号的特征集，包括：对所述多个视觉特征和所述多个文本特征进行向量嵌入处理，得到所述当前媒体账号的向量表示序列；对所述多个视觉特征和所述多个文本特征进行位置嵌入处理，得到所述当前媒体账号的位置表示序列；基于所述向量表示序列和所述位置表示序列进行合并处理，得到所述当前媒体账号的特征集。4.根据权利要求1所述的媒体内容推荐方法，其特征在于，所述基于所述各特征之间的相关度对所述特征集中各特征进行聚合编码，得到所述当前媒体账号的第一账号特征向量，包括：基于所述各特征之间的相关度和所述特征集中各特征进行特征编码，得到所述特征集中各特征的编码后特征；对所述特征集中各特征的编码后特征进行聚合得到所述特征集的聚合向量，以作为所述当前媒体账号的第一账号特征向量。5.根据权利要求1所述的媒体内容推荐方法，其特征在于，所述获取所述特征集中各特征之间的相关度，包括：获取所述特征集中各特征之间的特征距离；对所述各特征之间的特征距离进行均方处理，得到所述各特征之间的初步相关度；
对所述各特征之间的初步相关度进行归一化处理，得到所述各特征之间的相关度。6.根据权利要求1所述的媒体内容推荐方法，其特征在于，所述媒体内容包括视频内容，所述基于所述第一账号特征向量，推荐所述当前媒体账号发布的媒体内容，包括：获取其他媒体账号的第二账号特征向量；获取所述其他媒体账号的视频播放量；若所述第二账号特征向量与所述第一账号特征向量之间的相似度大于预设相似度阈值，则基于所述视频播放量，推荐所述当前媒体账号发布的视频内容。7.根据权利要求6所述的媒体内容推荐方法，其特征在于，所述若所述第二账号特征向量与所述第一账号特征向量之间的相似度大于预设相似度阈值，则基于所述视频播放量，推荐所述当前媒体账号发布的视频内容，包括：基于所述第一账号特征向量进行分类预测，得到所述当前媒体账号的第一账号类别；基于所述第二账号特征向量进行分类预测，得到所述其他媒体账号的第二账号类别；若所述相似度大于预设阈值、且所述第一账号类别和所述第二账号类别相同，则基于所述视频播放量，推荐所述当前媒体账号发布的视频内容。8.根据权利要求1所述的媒体内容推荐方法，其特征在于，所述对所述多个视觉特征和所述多个文本特征进行嵌入处理，得到所述当前媒体账号的特征集，包括：通过已训练表征模型，对所述多个视觉特...

【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：