【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种向目标对象推荐多媒体数据的方法、装置、计算设备和存储介质。
技术介绍
1、深度学习已经被学术界、产业界尝试应用于各类业务和应用场景，包括计算机视觉、语音识别、自然语言处理、搜索、推荐和广告等。在推荐领域，通常是将提取到的物品的特征提供给深度学习模型，然后预测用户进行相关操作的概率，例如，ctr（click-through-rate点击概率）或cvr（conversion rate转化概率）。提取到的物品的特征往往是海量且稀疏的，深度学习模型很难学习大量的长尾和低频特征，但是直接丢弃这些长尾和低频特征会对深度学习模型的预测结果的准确性造成不利影响。因此，如何在学习模型中科学准确地强化有用特征、淡化无用特征是一个重要问题。
技术实现思路
1、有鉴于此，本申请提供了一种向目标对象推荐多媒体数据的方法，该方法包括：分别提取目标对象的目标对象特征以及待推荐的多媒体数据集合中的候选多媒体数据的多媒体数据特征；对所述目标对象的目标对象特征和所述候选多媒体数据的多媒体数据特征进行向量化从而获得初始特征向量阵列，所述初始特征向量阵列中的各个初始特征向量分别与所述目标对象特征和所述多媒体数据特征对应；至少基于所述初始特征向量阵列和特征重要性权重阵列获得目标特征向量阵列，所述特征重要性权重阵列中的每个特征重要性权重依赖于第一权重和第二权重；根据所述目标特征向量阵列预测目标操作信息，所述目标操作信息反映所述目标对象针对所述候选多媒体数据执行目标操作的概率；以及根据所述目标操
2、在一些实施例中，所述特征重要性权重阵列至少通过如下步骤获得：对所述初始特征向量阵列中的各初始特征向量进行池化处理，从而获得经池化的特征向量阵列；基于所述经池化的特征向量阵列获得第二权重的阵列；基于所述初始特征向量阵列获得第一权重的阵列；以及确定所述第一权重的阵列和所述第二权重的阵列的和从而获得所述特征重要性权重阵列。
3、在一些实施例中，所述方法还包括：基于所述初始特征向量阵列获得特征相关性权重阵列，所述特征相关性权重阵列中的每个特征相关性权重表征所述初始特征向量阵列中不同特征向量之间的相关性；以及基于所述初始特征向量阵列和所述特征相关性权重阵列获得第一特征向量阵列，所述至少基于所述初始特征向量阵列和特征重要性权重阵列获得目标特征向量阵列包括：基于所述初始特征向量阵列和所述特征重要性权重阵列获得第二特征向量阵列，以及将所述第一特征向量阵列和所述第二特征向量阵列进行聚合以获得所述目标特征向量阵列。
4、在一些实施例中，基于所述初始特征向量阵列和所述特征重要性权重阵列获得第二特征向量阵列包括：确定所述初始特征向量阵列和所述特征重要性权重阵列的哈达玛积，从而获得所述第二特征向量阵列。
5、在一些实施例中，基于所述初始特征向量阵列获得特征相关性权重阵列包括：对所述初始特征向量阵列中的各个特征向量进行卷积获得中间特征向量阵列；确定所述中间特征向量阵列与所述中间特征向量阵列的转置的乘积；以及利用激活函数对所述乘积进行处理从而获得所述特征相关性权重阵列。
6、在一些实施例中，基于所述初始特征向量阵列和所述特征相关性权重阵列获得第一特征向量阵列包括：确定所述特征相关性权重阵列和所述初始特征向量阵列的乘积，从而获得所述第一特征向量阵列。
7、在一些实施例中，所述目标操作包括第一预期操作和第二预期操作，所述目标操作信息包括第一预期操作信息和第二预期操作信息，所述第一预期操作信息和第二预期操作信息分别表征所述目标对象针对所述候选多媒体数据执行所述第一预期操作和所述第二预期操作的概率，所述目标操作信息反映所述目标对象针对所述候选多媒体数据既执行所述第一预期操作操作又执行所述第二预期操作的概率。
8、在一些实施例中，所述特征重要性权重阵列包括第一任务特征重要性权重阵列和第二任务特征重要性权重阵列，所述第一任务特征重要性权重阵列中的每个第一任务特征重要性权重依赖于所述第一权重、所述第二权重以及第一任务影响因子，所述第二任务特征重要性权重阵列中的每个第二任务特征重要性权重依赖于所述第一权重、所述第二权重以及第二任务影响因子，所述第一任务影响因子表征预测所述第一预期操作信息的第一任务对所述初始特征向量阵列中的每个特征向量的影响，所述第二任务影响因子表征预测所述第二预期操作信息的第二任务对所述初始特征向量阵列中的每个特征向量的影响，所述至少基于所述初始特征向量阵列和特征重要性权重阵列获得目标特征向量阵列包括：至少基于所述初始特征向量阵列和所述第一任务特征重要性权重阵列获得第一任务目标特征向量阵列；以及至少基于所述初始特征向量阵列和所述第二任务特征重要性权重阵列获得第二任务目标特征向量阵列，所述根据目标特征向量阵列预测目标操作信息包括：根据所述第一任务目标特征向量阵列预测所述第一预期操作信息；以及根据所述第二任务目标特征向量阵列预测所述第二预期操作信息。
9、在一些实施例中，所述第一任务影响因子和第二任务影响因子至少通过以下步骤获得：获取第一任务信息和第二任务信息，所述第一任务信息和第二任务信息分别标识预测所述第一预期操作信息的第一任务和预测第二预期操作信息的第二任务；以及分别基于所述第一任务信息和第二任务信息获得所述第一任务影响因子和第二任务影响因子。
10、在一些实施例中，所述方法还包括：基于所述初始特征向量阵列获得特征相关性权重阵列，所述特征相关性权重阵列中的每个特征相关性权重表征所述初始特征向量阵列中不同特征向量之间的相关性；以及基于所述初始特征向量阵列和所述特征相关性权重阵列获得第一特征向量阵列，所述至少基于所述初始特征向量阵列和所述第一任务特征重要性权重阵列获得第一任务目标特征向量阵列包括：基于所述初始特征向量阵列和所述第一任务特征重要性权重阵列获得第三特征向量阵列，以及对所述第一特征向量阵列和所述第三特征向量阵列进行聚合以获得所述第一任务目标特征向量阵列，所述至少基于所述初始特征向量阵列和所述第二任务特征重要性权重阵列获得第二任务目标特征向量阵列包括：基于所述初始特征向量阵列和所述第二任务特征重要性权重阵列获得第四特征向量阵列，以及对所述第一特征向量阵列和所述第四特征向量阵列进行聚合以获得所述第二任务目标特征向量阵列。
11、在一些实施例中，所述特征重要性权重阵列是利用经训练的重要性评估网络基于所述初始特征向量阵列而获得，其中所述经训练的重要性评估网络至少通过如下步骤对重要性评估网络进行训练而获得：获取目标对象样本的目标对象样本特征以及候选多媒体数据样本的多媒体数据样本特征；对所述目标对象样本特征和所述多媒体数据样本特征进行向量化从而获本文档来自技高网...
【技术保护点】
1.一种向目标对象推荐多媒体数据的方法，包括：
2.根据权利要求1所述的方法，其中所述特征重要性权重阵列至少通过如下步骤获得：
3.根据权利要求1所述的方法，所述方法还包括：
4.根据权利要求3所述的方法，其中基于所述初始特征向量阵列和所述特征重要性权重阵列获得第二特征向量阵列包括：
5.根据权利要求3 所述的方法，其中基于所述初始特征向量阵列获得特征相关性权重阵列包括：
6.根据权利要求5所述的方法，其中基于所述初始特征向量阵列和所述特征相关性权重阵列获得第一特征向量阵列包括：
7.根据权利要求1所述的方法，其中所述目标操作包括第一预期操作和第二预期操作，所述目标操作信息包括第一预期操作信息和第二预期操作信息，所述第一预期操作信息和第二预期操作信息分别表征所述目标对象针对所述候选多媒体数据执行所述第一预期操作和所述第二预期操作的概率，所述目标操作信息反映所述目标对象针对所述候选多媒体数据既执行所述第一预期操作操作又执行所述第二预期操作的概率。
8.根据权利要求7所述的方法，其中所述特征重要性权重
9.根据权利要求8所述的方法， 其中所述第一任务影响因子和第二任务影响因子至少通过以下步骤获得：
10.根据权利要求9所述的方法，其中所述方法还包括：
11.根据权利要求1所述的方法，其中所述特征重要性权重阵列是利用经训练的重要性评估网络基于所述初始特征向量阵列而获得，其中所述经训练的重要性评估网络至少通过如下步骤对重要性评估网络进行训练而获得：
12.一种向目标对象推荐多媒体数据的装置，包括：
13.一种计算设备，包括
14.一种计算机可读存储介质，其存储有计算机可执行指令，当所述计算机可执行指令被执行时，执行如权利要求1-11中的任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，其中所述计算机程序被处理器执行时实现权利要求1-11中任一项所述方法的步骤。
...【技术特征摘要】
1.一种向目标对象推荐多媒体数据的方法，包括：
2.根据权利要求1所述的方法，其中所述特征重要性权重阵列至少通过如下步骤获得：
3.根据权利要求1所述的方法，所述方法还包括：
4.根据权利要求3所述的方法，其中基于所述初始特征向量阵列和所述特征重要性权重阵列获得第二特征向量阵列包括：
5.根据权利要求3 所述的方法，其中基于所述初始特征向量阵列获得特征相关性权重阵列包括：
6.根据权利要求5所述的方法，其中基于所述初始特征向量阵列和所述特征相关性权重阵列获得第一特征向量阵列包括：
7.根据权利要求1所述的方法，其中所述目标操作包括第一预期操作和第二预期操作，所述目标操作信息包括第一预期操作信息和第二预期操作信息，所述第一预期操作信息和第二预期操作信息分别表征所述目标对象针对所述候选多媒体数据执行所述第一预期操作和所述第二预期操作的概率，所述目标操作信息反映所述目标对象针对所述候选多媒体数据既执行所述第一预期操作操作又执行所述第二预期操作的概率。
8.根据权利要求7所述的方法，其中所述特征重要性权重阵列包括第一任务特征重要性权重阵列和第二任务特征重要性权重阵列，所述第一任务特征重要性权重阵列中的每个第一任务特征重要性权重依赖于所述第...
【专利技术属性】
技术研发人员：付煜文，乔阳，陈亮，何秀强，
申请(专利权)人：腾安基金销售深圳有限公司，
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。