用于媒资推荐的模型训练及应用方法、装置和存储介质制造方法及图纸

本申请公开了一种用于媒资推荐的模型训练及应用方法、装置和存储介质。该训练方法包括：获取训练样本集，各训练样本包括用户行为序列中相邻两次点击行为对应的第一媒资数据、第二媒资数据，第一媒资数据包括第一文本数据和第一图像数据，第二媒资数据包括第二文本数据和第二图像数据；对训练样本集基于分批次训练的方式训练媒资推荐模型，直至得到训练好的媒资推荐模型；其中，媒资推荐模型包括：文本编码器、图像编码器和向量融合器；文本编码器用于对文本数据进行文本编码，产生文本向量；图像编码器用于对图像数据进行图像编码，产生图像向量；向量融合器用于对同一媒资数据的文本向量和图像向量进行融合，得到相应的媒资数据的表示向量。

【技术实现步骤摘要】

本申请涉及人工智能领域，尤其涉及一种用于媒资推荐的模型训练及应用方法、装置和存储介质。

技术介绍

1、随着人工智能(artificial intelligence，ai)技术的快速发展和推广应用，人工智能技术开始应用在媒资推荐领域中，例如，从海量视频库中筛选符合用户历史兴趣的视频进行个性化推荐。相比于人工推荐，个性化推荐可以根据用户历史记录，结合用户特征、视频特征等，为每个用户定制化选择感兴趣的视频，真正做到千人千面的推荐效果，节省用户寻找视频的时间，提高用户满意度。

2、目前，在家庭电视推荐的方案中，往往直接利用预训练的开源模型提取视觉特征和音频特征用于用户历史行为的特征表示。但是，视觉类预训练模型所使用的训练数据集一般为自然类或人物动物类，同视频类推荐物品的视觉差距较大，提取的特征表达有限，预测结果也不准确。

技术实现思路

1、有鉴于此，本申请实施例提供了一种用于媒资推荐的模型训练及应用方法、装置和存储介质，旨在提升媒资推荐的准确性。

2、本申请实施例的技术方案是这样实现的：...

【技术保护点】

1.一种用于媒资推荐的模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述训练样本集基于分批次训练的方式训练媒资推荐模型，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述训练样本集基于分批次训练的方式训练媒资推荐模型，包括：

4.根据权利要求2或者3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述第一文本向量的MLM损失值和所述第二文本向量的MLM损失值为基于词token级别的关键词注意的MLM损失值。

6.根据权利要求4所述的方法，其特征在于...

【技术特征摘要】

1.一种用于媒资推荐的模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述训练样本集基于分批次训练的方式训练媒资推荐模型，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述训练样本集基于分批次训练的方式训练媒资推荐模型，包括：

4.根据权利要求2或者3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述第一文本向量的mlm损失值和所述第二文本向量的mlm损失值为基于词token级别的关键词注意的mlm损失值。

6.根据权利要求4所述的方法，其特征在于，所述方法还...

【专利技术属性】
技术研发人员：郭瑞璞，李倩，田靖玉，曾海涛，周旦，陈召国，邓超，
申请(专利权)人：中国移动通信有限公司研究院，
类型：发明
国别省市：