【技术实现步骤摘要】
本申请涉及人工智能领域，具体涉及模型的生成与多媒体资源推送方法、装置、介质及设备。
技术介绍
1、人工智能(ai，artificial intelligence)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理、机器学习、深度学习等几大方向。随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
2、在多媒体资源推送的业务中，需要将多媒体资源推送给可能感兴趣的对象，促进对象在与多媒体资源关联的业务场景中的交互。相关技术中，使用相同的模型对不同对象进行交互预测处理，对感兴趣的对象的识别不够精准，从而利用推送多媒体资源产生的对象在业务场景中的交互率不高。
技术实现思路
1、为了能精准识别对象，提升在特定业务场景中的交互，本申请提供了模型的生成与多媒体资源推送方法、装置、介质及设备。技术方案如下：
2、第一方面，本申请提供了一种交互预测模型的生成方法，所述方法包括：
3、获取多个样本对象对应的目标样本集，所述目标样本集中每一样本对象对应的样本信息包括所述每一样本对象的第一对象特征数据和所述每一样本对象在多个业务场景中的第一交互指标数据；所述多个业务场景包括目标业务场景；
4、根据所述第一对象特征数据和所述第一交互指标数据，对深度学习模型进行训练，生成所述目标业务场景对应的基准交互预测模型；
5、
6、根据所述第二对象特征数据和所述第二交互指标数据，对所述基准交互预测模型进行调整，得到所述目标对象在所述目标业务场景中对应的目标交互预测模型。
7、第二方面，本申请提供了一种多媒体资源推送方法，所述方法包括：
8、获取目标对象的第二对象特征数据；
9、获取所述目标对象在所述目标业务场景中对应的目标交互预测模型；所述目标交互预测模型为根据所述第二对象特征数据和所述目标对象在其他业务场景中的第二交互指标数据对基准交互预测模型进行调整得到；所述基准交互预测模型为根据目标样本集中每一样本对象对应的样本信息对深度学习模型进行训练得到，所述每一样本对象对应的所述样本信息包括所述每一样本对象的第一对象特征数据和所述每一样本对象在多个业务场景中的第一交互指标数据；所述其他业务场景为所述多个业务场景中除目标业务场景之外的业务场景；
10、将所述第二对象特征数据输入所述目标交互预测模型，进行所述目标对象在所述目标业务场景中的交互预测处理，得到第四指标预测数据；
11、基于所述第四指标预测数据，对所述目标对象进行所述目标业务场景关联的多媒体资源推送处理。
12、第三方面，本申请提供了一种交互预测模型的生成装置，所述装置包括：
13、第一获取模块，用于获取多个样本对象对应的目标样本集，所述目标样本集中每一样本对象对应的样本信息包括所述每一样本对象的第一对象特征数据和所述每一样本对象在多个业务场景中的第一交互指标数据；所述多个业务场景包括目标业务场景；
14、第一训练模块，用于根据所述第一对象特征数据和所述第一交互指标数据，对深度学习模型进行训练，生成所述目标业务场景对应的基准交互预测模型；
15、第二获取模块，用于获取目标对象的第二对象特征数据和所述目标对象在其他业务场景中的第二交互指标数据；所述其他业务场景为所述多个业务场景中除所述目标业务场景之外的业务场景；
16、模型调整模块，用于根据所述第二对象特征数据和所述第二交互指标数据，对所述基准交互预测模型进行调整，得到所述目标对象在所述目标业务场景中对应的目标交互预测模型。
17、第四方面，本申请提供了一种多媒体资源推送装置，所述装置包括：
18、第三获取模块，用于获取目标对象的第二对象特征数据；
19、第四获取模块，用于获取所述目标对象在所述目标业务场景中对应的目标交互预测模型；所述目标交互预测模型为根据所述第二对象特征数据和所述目标对象在其他业务场景中的第二交互指标数据对基准交互预测模型进行调整得到；所述基准交互预测模型为根据目标样本集中每一样本对象对应的样本信息对深度学习模型进行训练得到，所述每一样本对象对应的所述样本信息包括所述每一样本对象的第一对象特征数据和所述每一样本对象在多个业务场景中的第一交互指标数据；所述其他业务场景为所述多个业务场景中除目标业务场景之外的业务场景；
20、指标预测模块，用于将所述第二对象特征数据输入所述目标交互预测模型，进行所述目标对象在所述目标业务场景中的交互预测处理，得到第四指标预测数据；
21、推送处理模块，用于基于所述第四指标预测数据，对所述目标对象进行所述目标业务场景关联的多媒体资源推送处理。
22、第五方面，本申请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中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的交互预测模型的生成方法或第二方面所述的多媒体资源推送方法。
23、第六方面，本申请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或至少一段程序，所述至少一条指令或至少一段程序由所述处理器加载并执行以实现如第一方面所述的交互预测模型的生成方法或第二方面所述的多媒体资源推送方法。
24、第七方面，本申请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，所述计算机指令被处理器执行时实现如第一方面所述的交互预测模型的生成方法或第二方面所述的多媒体资源推送方法。
25、本申请提供的模型的生成与多媒体资源推送方法、装置、介质及设备，具有如下技术效果：
26、本申请提供的方案利用包括了多个样本对象中每一样本对象的第一对象特征数据和每一样本对象在多个业务场景中的第一交互指标数据的目标样本集，对深度学习模型进行训练，生成与目标业务场景对应的基准交互预测模型，由于在训练过程中引入了不同样本对象之间的特征数据差异以及样本对象在不同业务场景中交互指标数据的差异，使得所生成的基准交互预测模型能够更加准确地预测对象在目标业务场景中的交互可能性；本申请提供的方案根据目标对象的第二对象特征数据和目标对象在其他业务场景中的第二交互指标数据，对基准交互预测模型进行调整，得到目标对象在目标业务场景中对应的目标交互预测模型，也即实现了对目标对象的个性化建模，利用目标交互预测模型能够进一步提高目标对象在目标业务场景中的交互预测准确性，从而可以精准识别出对目标业务场景感兴趣的目标对象并向目标对象推送与目标业务场景关联的多媒体资源，有效提高多媒体资源的推送效率和在目标业务场景中的交互率，同时本文档来自技高网...
【技术保护点】
1.一种交互预测模型的生成方法，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，所述根据所述第一对象特征数据和所述第一交互指标数据，对深度学习模型进行训练，生成所述目标业务场景对应的基准交互预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所基于所述每一样本对象的所述第一对象特征数据和所述每一样本对象的所述第一指标数据，对所述深度学习模型进行迭代训练，得到所述每一样本对象对应的初始交互预测模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述多个样本对象的所述第二指标预测数据和所述多个样本对象的所述第二指标数据，对所述深度学习模型进行调整，得到所述基准交互预测模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述第二对象特征数据和所述第二交互指标数据，对所述基准交互预测模型进行调整，得到所述目标对象在所述目标业务场景中对应的目标交互预测模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述获取目标业务场景对应的多个样本信息，包括：
7.一种多媒
8.一种交互预测模型的生成装置，其特征在于，所述装置包括：
9.一种多媒体资源推送装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1至6中任一项所述的交互预测模型的生成方法或权利要求7所述的多媒体资源推送方法。
11.一种计算机设备，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或至少一段程序，所述至少一条指令或至少一段程序由所述处理器加载并执行以实现如权利要求1至6中任一项所述的交互预测模型的生成方法或权利要求7所述的多媒体资源推送方法。
...【技术特征摘要】
1.一种交互预测模型的生成方法，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，所述根据所述第一对象特征数据和所述第一交互指标数据，对深度学习模型进行训练，生成所述目标业务场景对应的基准交互预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所基于所述每一样本对象的所述第一对象特征数据和所述每一样本对象的所述第一指标数据，对所述深度学习模型进行迭代训练，得到所述每一样本对象对应的初始交互预测模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述多个样本对象的所述第二指标预测数据和所述多个样本对象的所述第二指标数据，对所述深度学习模型进行调整，得到所述基准交互预测模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述第二对象特征数据和所述第二交互指标数据，对所述基准交互预测模型进行调整，得到所述目标对象在所述目标业务场景中对应的目标交互预测模型...
【专利技术属性】
技术研发人员：刘江鸣，
申请(专利权)人：深圳市腾讯网域计算机网络有限公司，
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。