基于多媒体信息的处理方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种基于多媒体信息的处理方法、装置、电子设备及存储介质，该方法包括：获取待推荐对象的特征数据和预选多媒体信息的特征数据；基于预选多媒体信息对应类型的转化链路，对预选多媒体信息的特征数据和待推荐对象的特征数据进行转化，得到转化特征数据；其中，转化链路用于表征实现预选多媒体信息对应的转化目标的行为，不同转化目标的预选多媒体信息对应的转化链路的类型不同；基于转化特征数据，对预选多媒体信息的转化率进行预测，得到预测结果；基于预测结果，从预选多媒体信息中确定待推荐对象的推荐多媒体信息。本申请实施例的技术方案能得到与待推荐对象更匹配的推荐多媒体信息，提高多媒体信息的投放效率。提高多媒体信息的投放效率。提高多媒体信息的投放效率。

【技术实现步骤摘要】
基于多媒体信息的处理方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，具体而言，涉及一种基于多媒体信息的处理方法、装置、电子设备及存储介质。

技术介绍

[0002]多媒体信息与对象之间的匹配，可以提高多媒体信息的转化率，从而实现高效投发多媒体信息的目的，现有的获取对象的推荐多媒体信息，一般通过将对象和多媒体信息的特征数据输入至一个机器学习模型，得到预测结果，从而根据预测结果来确定对象匹配的多媒体信息。
[0003]但对于不同的多媒体信息，投放多媒体信息的目的不同，可能导致转化率的改变，现有的机器学习模型一般采用多对象、多媒体同一建模方式，其无法分析学习投放多媒体信息的目的不同所带来的数据差异，从而会使得所得到的预测结果存在预测偏差，导致预测得到的对象针对媒体信息的转化率误差高，无法实现对象与多媒体信息的精准匹配，多媒体信息投放效率低。

技术实现思路

[0004]为解决上述技术问题，本申请的实施例提供了一种基于多媒体信息的处理方法及装置、电子设备、计算机可读存储介质、计算机程序产品。
[0005]根据本申请实施例的一个方面，提供了一种基于多媒体信息的处理方法，包括：获取待推荐对象的特征数据和预选多媒体信息的特征数据；基于所述预选多媒体信息对应类型的转化链路，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据；其中，所述转化链路用于表征实现所述预选多媒体信息对应的转化目标的行为，不同转化目标的预选多媒体信息对应的转化链路的类型不同；基于所述转化特征数据，对所述预选多媒体信息的转化率进行预测，得到预测结果；基于所述预测结果，从所述预选多媒体信息中确定所述待推荐对象的推荐多媒体信息。
[0006]根据本申请实施例的一个方面，提供了一种基于多媒体信息的处理装置，包括：特征数据获取模块，配置为获取待推荐对象的特征数据和预选多媒体信息的特征数据；特征转化模块，配置为基于所述预选多媒体信息对应类型的转化链路，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据；其中，所述转化链路用于表征实现所述预选多媒体信息对应的转化目标的行为，不同转化目标的预选多媒体信息对应的转化链路的类型不同；预测模块，配置为基于所述转化特征数据，对所述预选多媒体信息的转化率进行预测，得到预测结果；推荐多媒体信息获取模块，配置为基于所述预测结果，从所述预选多媒体信息中确定所述待推荐对象的推荐多媒体信息。
[0007]在一实施例中，所述特征转化模块包括：隐性特征提取单元，配置为分别提取所述待推荐对象的特征数据和所述预选多媒体信息的特征数据中的隐性特征，得到隐特征向量；特征交叉单元，配置为对所述隐特征向量进行特征交叉处理，得到待处理特征向量；特
征转化单元，配置为基于所述预选多媒体信息对应类型的转化链路，对所述待处理特征向量进行转化，得到转化特征数据。
[0008]在一实施例中，所述隐特征向量为多个；特征交叉单元包括：特征交叉板块，配置为基于所述多个隐特征向量之间的关联关系，对所述多个隐特征向量进行特征交叉处理，得到交叉特征向量；非线性处理板块，配置为对所述交叉特征向量进行非线性变化处理，得到所述待处理特征向量。
[0009]在一实施例中，用于得到所述交叉特征向量的深度交叉提取网络包括依次排列的多个深度交叉提取层，所述深度交叉提取网络中的网络参数是基于所述多个隐特征向量之间的关联关系学习得到；特征交叉板块包括：特征交叉子版块，配置为基于所述多个深度交叉提取层分别对所述多个隐特征向量进行特征交叉处理，并将最后一个深度交叉提取层所输出的交叉特征向量作为所述交叉特征向量。
[0010]在一实施例中，非线性处理板块包括：非线性处理子版块，配置为提取所述交叉特征向量的高阶非线性交叉特征，得到非线性特征向量；正则化子版块，配置为对所述非线性特征向量进行正则化处理，得到所述待处理特征向量。
[0011]在一实施例中，用于得到转化特征数据的特征转化网络包括多个转化子网络，每个转化子网络对应一个类型的转化链路；特征转化模块包括：目标转化子网络确定单元，配置为基于所述预选多媒体信息对应类型的转化链路，从所述多个转化子网络中确定目标转化子网络；转化处理单元，配置为通过所述目标转化子网络，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据。
[0012]在一实施例中，转化处理单元包括：数据输入版块，配置为将所述预选多媒体信息的特征数据和所述待推荐对象的特征数据输入到所述目标转化子网络中；正则化版块，配置为通过所述目标转化子网络分别对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行正则化处理，得到正则化特征数据；转化特征数据获取版块，配置为提取所述正则化特征数据对应的非线性特征，得到所述转化特征数据。
[0013]在一实施例中，特征转化模块还包括：样本信息获取单元，配置为获取多组多媒体样本信息；其中，不同组的多媒体样本信息对应的转化目标不同；转化子网络训练单元，配置为基于每组多媒体样本信息训练得到所述每组多媒体样本信息对应的转化子网络；特征转化网络获取单元，配置为基于多个转化子网络得到所述特征转化网络。
[0014]在一实施例中，预测模块包括：预测单元，配置为基于激活函数对所述转化特征数据进行二分类处理，得到所述预测结果。
[0015]在一实施例中，所述预选多媒体信息的数量为多个，所述预测结果包括所述预选多媒体信息的转化率数值；推荐多媒体信息获取模块包括：排序单元，配置为基于多个预选多媒体信息的预测结果用于表征的转化率数值的数值预测结果大小，将所述多个预选多媒体信息按照转化率数值进行由大到小进行排序，得到多媒体信息序列；推荐多媒体信息获取单元，配置为将所述多媒体信息序列中序列号小于预设数值的预选多媒体信息，作为所述待推荐对象的推荐多媒体信息。
[0016]根据本申请实施例的一个方面，提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如上所述的基于多媒体信息的处理方法。
[0017]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，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的基于多媒体信息的处理方法。
[0018]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或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该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该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实施例中提供的基于多媒体信息的处理方法。
[0019]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，包括计算机程序，该计算机程序被处理器执行时实现如上所述的基于多媒体信息的处理方法中的步骤。
[0020]在本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多媒体信息的处理方法，其特征在于，包括：获取待推荐对象的特征数据和预选多媒体信息的特征数据；基于所述预选多媒体信息对应类型的转化链路，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据；其中，所述转化链路用于表征实现所述预选多媒体信息对应的转化目标的行为，不同转化目标的预选多媒体信息对应的转化链路的类型不同；基于所述转化特征数据，对所述预选多媒体信息的转化率进行预测，得到预测结果；基于所述预测结果，从所述预选多媒体信息中确定所述待推荐对象的推荐多媒体信息。2.根据权利要求1所述的方法，其特征在于，用于得到转化特征数据的特征转化网络包括多个转化子网络，每个转化子网络对应一个类型的转化链路；所述基于所述预选多媒体信息对应类型的转化链路，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据，包括：基于所述预选多媒体信息对应类型的转化链路，从所述多个转化子网络中确定目标转化子网络；通过所述目标转化子网络，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据。3.根据权利要求2所述的方法，其特征在于，通过所述目标转化子网络，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据，包括：将所述预选多媒体信息的特征数据和所述待推荐对象的特征数据输入到所述目标转化子网络中；通过所述目标转化子网络分别对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行正则化处理，得到正则化特征数据；提取所述正则化特征数据对应的非线性特征，得到所述转化特征数据。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取多组多媒体样本信息；其中，不同组的多媒体样本信息对应的转化目标不同；基于每组多媒体样本信息训练得到所述每组多媒体样本信息对应的转化子网络；基于多个转化子网络得到所述特征转化网络。5.根据权利要求1所述的方法，其特征在于，所述基于所述预选多媒体信息对应类型的转化链路，对所述预选多媒体信息的特征数据和所述待推荐对象的特征数据进行转化，得到转化特征数据，包括：分别提取所述待推荐对象的特征数据和所述预选多媒体信息的特征数据中的隐性特征，得到隐特征向量；对所述隐特征向量进行特征交叉处理，得到待处理特征向量；基于所述预选多媒体信息对应类型的转化链路，对所述待处理特征向量进行转化，得到转化特征数据。6.根据权利要求5所述的方法，其特征在于，所述隐特征向量为多个；所述对所述隐特征向量进行特征交叉处理，得到待处理特征向量，包括：基于所述多个隐特征向量之间的关联关系，对所述多个隐特征向量进行特征交叉处
理，得到交叉特征向量；对所述交叉特征向量进行非线性变化处理，得到所述待处理特征向量。7.根据权利要求6所...

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