多媒体数据的分发方法、装置和计算机设备制造方法及图纸

本申请涉及一种多媒体数据的分发方法、装置、计算机设备、存储介质和计算机程序产品。本发明专利技术实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。所述方法包括：获取候选多媒体数据，并确定候选多媒体数据的数据内容信息以及数据描述信息，数据内容信息包括一种或多种模态的数据；获取数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征；基于数据内容特征以及数据描述特征，通过分发潜力预测模型得到候选多媒体数据对应的分发潜力，分发潜力至少包括：候选多媒体数据的被浏览次数；根据候选多媒体数据对应的分发潜力，选择目标多媒体数据，目标多媒体数据用于被分发给用户，从而提升多媒体数据分发的效率。的效率。的效率。

【技术实现步骤摘要】
多媒体数据的分发方法、装置和计算机设备


[0001]本申请涉及人工智能
，特别是涉及一种多媒体数据的分发方法、装置和计算机设备。

技术介绍

[0002]随着互联网应用的快速发展，人们常通过多媒体数据了解某种事物或者某类资讯信息，而通过多媒体数据分发平台而言，可以在合适的场景下为用户分发合适的多媒体数据。多媒体数据分发平台可以通过人工运营的方法筛选适合被分发给用户的多媒体数据，或者依靠机器算法进行多媒体数据分发。
[0003]目前，当前多媒体数据分发系统主要通过人工运营的筛选经验挑选被分发给用户的多媒体数据，再结合数据统计的方法考虑多媒体数据的访问量进行多媒体数据分发，也就是访问量越高的多媒体数据越容易被分发给用户。然而，人工运营的筛选处理的效率较低，且可能出现人为判断的不准确而导致所分发的多媒体数据并不符合用户需求以及喜爱，从而导致被分发给用户的多媒体数据并未被用户浏览，由此降低多媒体数据分发的效率。其次，结合数据统计的方法会导致访问量集中的多媒体数据的并满足用户的兴趣，以导致被分发给用户的多媒体数据并未被用户浏览，也会降低多媒体数据分发的效率。因此，如何提升多媒体数据分发的效率是亟需解决的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提升多媒体数据分发的效率的多媒体数据的分发方法、装置和计算机设备。
[0005]第一方面，本申请提供了一种多媒体数据的分发方法。所述方法包括：
[0006]获取候选多媒体数据，并确定候选多媒体数据的数据内容信息以及数据描述信息，数据内容信息包括一种或多种模态的数据；
[0007]获取数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征；
[0008]基于数据内容特征以及数据描述特征，通过分发潜力预测模型得到候选多媒体数据对应的分发潜力，分发潜力至少包括：候选多媒体数据的被浏览次数；
[0009]根据候选多媒体数据对应的分发潜力，选择目标多媒体数据，目标多媒体数据用于被分发给用户。
[0010]第二方面，本申请还提供了一种多媒体数据的分发装置。所述装置包括：
[0011]数据信息获取模块，用于获取候选多媒体数据，并确定候选多媒体数据的数据内容信息以及数据描述信息，数据内容信息包括一种或多种模态的数据；
[0012]特征获取模块，用于获取数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征；
[0013]分发潜力预测模块，用于基于数据内容特征以及数据描述特征，通过分发潜力预
测模型得到候选多媒体数据对应的分发潜力，分发潜力至少包括：候选多媒体数据的被浏览次数；
[0014]多媒体数据选择模块，用于根据候选多媒体数据对应的分发潜力，选择目标多媒体数据，目标多媒体数据用于被分发给用户。
[0015]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0016]获取候选多媒体数据，并确定候选多媒体数据的数据内容信息以及数据描述信息，数据内容信息包括一种或多种模态的数据；
[0017]获取数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征；
[0018]基于数据内容特征以及数据描述特征，通过分发潜力预测模型得到候选多媒体数据对应的分发潜力，分发潜力至少包括：候选多媒体数据的被浏览次数；
[0019]根据候选多媒体数据对应的分发潜力，选择目标多媒体数据，目标多媒体数据用于被分发给用户。
[0020]第四方面，本申请还提供了一种计算机可读存储介质。所述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执行时实现以下步骤：
[0021]获取候选多媒体数据，并确定候选多媒体数据的数据内容信息以及数据描述信息，数据内容信息包括一种或多种模态的数据；
[0022]获取数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征；
[0023]基于数据内容特征以及数据描述特征，通过分发潜力预测模型得到候选多媒体数据对应的分发潜力，分发潜力至少包括：候选多媒体数据的被浏览次数；
[0024]根据候选多媒体数据对应的分发潜力，选择目标多媒体数据，目标多媒体数据用于被分发给用户。
[0025]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0026]获取候选多媒体数据，并确定候选多媒体数据的数据内容信息以及数据描述信息，数据内容信息包括一种或多种模态的数据；
[0027]获取数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征；
[0028]基于数据内容特征以及数据描述特征，通过分发潜力预测模型得到候选多媒体数据对应的分发潜力，分发潜力至少包括：候选多媒体数据的被浏览次数；
[0029]根据候选多媒体数据对应的分发潜力，选择目标多媒体数据，目标多媒体数据用于被分发给用户。
[0030]上述多媒体数据的分发方法、装置、计算机设备、存储介质和计算机程序产品，获取候选多媒体数据，并确定候选多媒体数据的数据内容信息以及数据描述信息，数据内容信息包括一种或多种模态的数据，再获取数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征，并基于数据内容特征以及数据描述特征，通过分发潜力预测模型得到候选多媒体数据对应的分发潜力，分发潜力至少包括：候选多媒体数据的被浏览
次数，从而根据候选多媒体数据对应的分发潜力，选择目标多媒体数据，目标多媒体数据用于被分发给用户。通过数据内容特征以及数据描述特征，从数据内容维度以及数据描述两个维度对候选多媒体数据的进行特征信息描述，并由此预测多媒体数据的分发潜力，具体通过候选多媒体数据的被浏览次数描述分发潜力，以使得在进行多媒体数据的分发时，考虑候选多媒体数据的被浏览次数进行选择，以提升多媒体数据分发的效率。
附图说明
[0031]图1为一个实施例中多媒体数据的分发方法的应用环境图；
[0032]图2为一个实施例中多媒体数据的分发系统的系统结构图；
[0033]图3为一个实施例中多媒体数据的分发方法的流程示意图；
[0034]图4为一个实施例中分发潜力预测模型的部分架构示意图；
[0035]图5为一个实施例中分发潜力预测模型的获得方法的部分流程示意图；
[0036]图6为一个实施例中选择多媒体数据样本的部分流程示意图；
[0037]图7为另一个实施例中选择多媒体数据样本的部分流程示意图；
[0038]图8为一个实施例中通过不同损失权重对模型参数进行调整的部分流程示意图；
[0039]图9为一个实施例中对模型参数进行调整的部分流程示意图；
[0040]图10为一个实施例中核密度估计前后的对比示意图；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多媒体数据的分发方法，其特征在于，所述方法包括：获取候选多媒体数据，并确定所述候选多媒体数据的数据内容信息以及数据描述信息，所述数据内容信息包括一种或多种模态的数据；获取所述数据内容信息对应的数据内容特征、以及数据描述信息对应的数据描述特征；基于所述数据内容特征以及所述数据描述特征，通过分发潜力预测模型得到所述候选多媒体数据对应的分发潜力，所述分发潜力至少包括：所述候选多媒体数据的被浏览次数；根据所述候选多媒体数据对应的分发潜力，选择目标多媒体数据，所述目标多媒体数据用于被分发给用户。2.根据权利要求1所述的方法，其特征在于，所述分发潜力预测模型的获得方法，具体包括：获取多媒体数据样本、以及所述多媒体数据样本所匹配的样本分发潜力，所述样本分发潜力至少包括：所述多媒体数据样本的被浏览次数，以及所述多媒体数据样本被浏览后的浏览完整度；确定所述多媒体数据样本的样本数据内容信息、以及与所述多媒体数据样本所匹配的样本数据描述信息；获取所述样本数据内容信息对应的样本数据内容特征、以及所述样本数据描述信息对应的样本数据描述特征；通过所述样本数据内容特征以及所述样本数据描述特征，基于初始分发潜力预测模型得到所述多媒体数据样本对应的预测分发潜力；基于所述样本分发潜力以及所述预测分发潜力，对所述初始分发潜力预测模型的模型参数进行调整，以得到所述分发潜力预测模型。3.根据权利要求2所述的方法，其特征在于，所述获取多媒体数据样本、以及所述多媒体数据样本所匹配的样本分发潜力，包括：获取初始多媒体数据样本集合、以及所述初始多媒体数据样本集合中每一初始多媒体数据样本各自对应的历史浏览数据，所述历史浏览数据包括所述初始多媒体数据样本在历史统计时间间隔内的被浏览次数，以及所述初始多媒体数据样本被浏览后的浏览完整度；基于每一所述初始多媒体数据样本各自对应的历史浏览数据，从所述初始多媒体数据样本集合中选择所述多媒体数据样本，并确定所述多媒体数据样本所匹配的样本分发潜力。4.根据权利要求3所述的方法，其特征在于，所述历史浏览数据还包括所述初始多媒体数据样本的实际浏览数据量、以及所述初始多媒体数据样本在所述历史统计时间间隔内的点击率与访问量；所述基于每一所述初始多媒体数据样本各自对应的历史浏览数据，从所述初始多媒体数据样本集合中选择所述多媒体数据样本，包括：基于每一所述初始多媒体数据样本各自对应的被浏览数据量、点击率与访问量，对所述初始多媒体数据样本集合进行异常数据样本筛选，以得到候选多媒体数据样本集合；基于每一候选多媒体数据样本各自对应的被浏览次数以及浏览完整度，从所述候选多媒体数据样本集合中选择所述多媒体数据样本。
5.根据权利要求2所述的方法，其特征在于，所述多媒体数据样本包括正样本以及负样本，所述正样本所匹配的样本分发潜力属于第一分发潜力范围，所述负样本所匹配的样本分发潜力属于第二分发潜力范围；所述方法还包括：为所述第一分发潜力范围配置第一损失权重，以及为所述第二分发潜力范围配置第二损失权重，所述第一损失权重大于所述第二损失权重；所述基于所述样本分发潜力以及所述预测分发潜力，对所述初始分发潜力预测模型的模型参数进行调整，包括：基于所述样本分发潜力以及所述预测分发潜力，通过所述第一损失权重以及所述第二损失权重对所述初始分发潜力预测模型的模型参数进行调整。6.根据权利要求2所述的方法，其特征在于，基于所述样本分发潜力以及所述预测分发潜力，对所述初始分发潜力预测模型的模型参数进行调整，包括：在对所述模型参数进行调整的过程中：对所述样本分发潜力以及所述预测分发潜力进行均方误差计算，得到所述多媒体数据样本的均方误差，所述均方误差用于描述所述样本分发潜力以及所述预测分发潜力之间的接近程度；对所述样本分发潜力以及所述预测分发潜力进行核密度估计，得到所述多媒体数据样本的核密度估计结果，所述核密度估计结果用于描述所述多媒体数据样本的概率密度函数估计；基于所述均方误差以及所述核密度估计结果进行损失计算，以得到所述多媒体数据样本对应的损失信息；基于所述损失信息对所述初始分发潜力预测模...

【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：