【技术实现步骤摘要】
本申请涉及人工智能，特别涉及一种数据处理方法、装置、设备、存储介质及产品。
技术介绍
1、媒体内容推荐是一种基于对象的行为和兴趣，为对象智能推荐媒体内容的技术方案，媒体内容推荐方案通过训练可以预测对象对媒体内容的偏好的人工智能模型达到媒体内容推荐的技术目的。人工智能模型的质量直接影响媒体内容推荐方案的实施效果。
2、相关技术为了进行媒体内容推荐而使用的人工智能模型，简称媒体内容推荐模型。媒体内容推荐模型的质量与该模型对输入特征的建模质量有明显的关联关系，也就是说，媒体内容推荐模型对输入特征之间相互作用的建模能力的提升是提升推荐效果关键。
3、但是，相关技术中的媒体内容推荐模型对输入特征之间相互作用的建模能力普遍不足，难以满足媒体内容推荐场景的需求。
技术实现思路
1、本申请实施例提供了一种数据处理方法、装置、设备、存储介质及产品，能够对数据处理对象的各特征之间的相互作用进行充分建模，通过提升特征间关系建模能力提升媒体内容推荐效果。
2、根据本申请实施例的一个方面，提供了一种数据处理方法，所述方法包括：
3、获取数据处理对象，所述数据处理对象包括目标对象的对象基础数据和媒体内容的媒体内容基础数据；
4、对所述数据处理对象进行特征提取，得到至少两个初始特征；
5、针对每一所述初始特征，提取所述初始特征对应的上下文关联特征，并对所述初始特征和所述上下文关联特征进行特征交叉提取，得到所述初始特征对应的第一融合特征，所述
6、基于各所述初始特征各自对应的第一融合特征，得到数据处理结果，所述数据处理结果指示所述目标对象与所述媒体内容的关联关系。
7、根据本申请实施例的一个方面，提供了一种数据处理装置，所述装置包括：
8、数据处理对象获取模块，用于获取数据处理对象，所述数据处理对象包括目标对象的对象基础数据和媒体内容的媒体内容基础数据；
9、数据处理模块，用于执行下述操作：
10、对所述数据处理对象进行特征提取，得到至少两个初始特征；
11、针对每一所述初始特征，提取所述初始特征对应的上下文关联特征，并对所述初始特征和所述上下文关联特征进行特征交叉提取，得到所述初始特征对应的第一融合特征，所述上下文关联特征为对所述至少两个初始特征中除所述初始特征之外的其他初始特征进行基于非线性隐式交叉的特征提取得到的特征；
12、基于各所述初始特征各自对应的第一融合特征，得到数据处理结果，所述数据处理结果指示所述目标对象与所述媒体内容的关联关系。
13、根据本申请实施例的一个方面，提供了一种计算机设备，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至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述数据处理方法。
14、根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述数据处理方法。
15、根据本申请实施例的一个方面，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指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行以实现上述数据处理方法。
16、本申请实施例提供的技术方案可以带来如下有益效果：
17、有鉴于相关技术中对于输入特征的建模难以做到高阶交叉、保留完整语义以及减少噪声干扰的兼顾。因此，本申请实施例提供一种数据处理方法，该数据处理方法对输入特征的上下文关联特征进行提取，并且在提取的时候通过使用基于非线性隐式交叉的特征提取实现了上下文特征彼此之间相互作用的信息提取，这种提取过程至少做到了二阶特征交叉。并且使用输入特征和自身对应的上下文关联特征再次进行特征交叉提取，输入特征自身保证完整语义，这样就实现了一种低噪全阶交叉，这样，一方面在交叉计算过程中保留了完整的特征语义，同时也提升了交叉的阶数。全阶交叉既能够保留输入特征的完整语义，又兼顾对输入特征彼此间至少两种交叉提取的交叉方式的兼容，还同时提升了交叉阶数，达到了对输入特征彼此之间的关系进行充分建模的技术目的。将该技术方案应用于媒体内容推荐模型，可以显著提升媒体内容推荐模型的推荐性能。
本文档来自技高网...【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述提取所述初始特征对应的上下文关联特征，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述基于各所述初始特征各自对应的第一融合特征，得到数据处理结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述对各所述初始特征各自对应的第一融合特征，和各所述初始特征各自对应的第二融合特征进行特征融合，得到特征融合结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述融合各所述初始特征各自对应的第一融合特征、各所述初始特征各自对应的第二融合特征和所述拼接融合特征，得到所述特征融合结果，包括：
6.根据权利要求3所述的方法，其特征在于，所述基于所述特征融合结果预测所述目标对象与所述媒体内容的关联关系，得到所述数据处理结果，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法基于媒体内容推荐模型实施，所述媒体内容推荐模型包括嵌入池化层和第一融合特征提取层，所述第一融合特征提取层与所述嵌入池化层连接，所述第一融
8.根据权利要求7所述的方法，其特征在于，所述媒体内容推荐模型还包括第二融合特征提取层、拼接融合特征提取层、特征综合融合层和偏好预测层，
9.一种数据处理装置，其特征在于，所述装置包括：
10.一种计算机设备，其特征在于，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至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一项所述的数据处理方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至8任一项所述的数据处理方法。
12.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中，计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行以实现如权利要求1至8任一项所述的数据处理方法。
...【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：
2.根据权利要求1所述的方法，其特征在于，所述提取所述初始特征对应的上下文关联特征，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述基于各所述初始特征各自对应的第一融合特征，得到数据处理结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述对各所述初始特征各自对应的第一融合特征，和各所述初始特征各自对应的第二融合特征进行特征融合，得到特征融合结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述融合各所述初始特征各自对应的第一融合特征、各所述初始特征各自对应的第二融合特征和所述拼接融合特征，得到所述特征融合结果，包括：
6.根据权利要求3所述的方法，其特征在于，所述基于所述特征融合结果预测所述目标对象与所述媒体内容的关联关系，得到所述数据处理结果，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法基于媒体内容推荐模型实施，所述媒体内容推荐模型包括嵌入池化层和第一融合特征提取层，所述第一融合特征提取层与所述嵌入池化层连接，所述第一融合特征提取层包括依次连接的第一特征拼接层、第一深度...
【专利技术属性】
技术研发人员：赵光耀，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。