【技术实现步骤摘要】
本公开涉及数据处理领域，尤其涉及深度学习等人工智能。
技术介绍
1、随着社会的发展，将图文模式作为载体进行信息传播的方式在人们的日常工作和生活中愈加普遍，在该场景下，推送的图文内容与用户需求之间的适配程度对于体验感是十分重要的。
2、相关技术中，可以获取用户端的点击信息，为用户端推送适配的内容，在沉浸态场景下，用户可能不会对图文内容进行点击操作，进而导致推送内容与用户个人偏好之间的适配度欠佳。
技术实现思路
1、本公开提出了一种图文内容推送方法、图文推送模型的训练方法和装置。
2、根据本公开的第一方面，提出了一种图文内容推送方法，包括：获取用户端对应的图文类型集合，以及所述图文类型集合中各图文类型下训练好的目标推送模型；获取初始数据集，并基于各目标推送模型从所述初始数据集中获取各图文类型下的候选数据集；从所述候选数据集中获取各图文类型下的第一图文队列，以得到所述图文类型集合对应的第二图文队列；从所述第二图文队列中，获取目标推送图文内容，并将所述目标推送图文内容推送至所述用户端。
3、根据本公开的第二方面，提出了一种图文推送模型的训练方法，包括：获取各样本图文类型下待训练的候选推送模型，以及获取样本用户端在各样本图文类型下的样本图文内容；采集各样本图文类型下的样本图文内容上的样本反馈信息，以及所述样本用户端对于各样本图文类型的样本用户偏好；针对任一样本图文类型，根据所述样本图文类型下的样本图文内容、所述样本图文内容对应的样本反馈信息以及所述样本图文
4、根据本公开的第三方面，提出一种图文内容推送系统，包括：图文内容数据层、各图汇聚层、偏好分布调整层、融合层以及分发层，其中，所述图文内容数据层，用于存储服务器的初始数据集，并通过预获取的各图文类型下的目标推送模型，从所述初始数据集中获取各图文类型下的候选数据集；所述汇聚层，用于对各图文类型下的候选数据集进行粗排序，得到各图文类型下的第一图文队列；所述偏好分布调整层，用于获取用户端对应的参考推送类型分布，并根据所述参考推送类型分布基于各图文类型的第一图文队列，得到图文类型集合对应的第二图文队列；所述融合层，用于对第二图文队列进行精排序，以得到各图文类型下的候选推送图文内容，并根据各候选推送图文内容得到所述用户端的目标推送图文内容；所述分发层，用于将所述目标推送图文内容推送至所述用户端。
5、根据本公开的第四方面，提出了一种图文内容推送装置，包括：第一获取模块，用于获取用户端对应的图文类型集合，以及所述图文类型集合中各图文类型下训练好的目标推送模型；第二获取模块，用于获取初始数据集，并基于各目标推送模型从所述初始数据集中获取各图文类型下的候选数据集；第三获取模块，用于从所述候选数据集中获取各图文类型下的第一图文队列，以得到所述图文类型集合对应的第二图文队列；推送模块，用于从所述第二图文队列中，获取目标推送图文内容，并将所述目标推送图文内容推送至所述用户端。
6、根据本公开的第五方面，提出了一种图文推送模型的训练装置，包括：第四获取模块，用于获取各样本图文类型下待训练的候选推送模型，以及获取样本用户端在各样本图文类型下的样本图文内容；采集模块，用于采集各样本图文类型下的样本图文内容上的样本反馈信息，以及所述样本用户端对于各样本图文类型的样本用户偏好；生成模块，用于针对任一样本图文类型，根据所述样本图文类型下的样本图文内容、所述样本图文内容对应的样本反馈信息以及所述样本图文类型对应的样本用户偏好，生成所述样本图文类型对应的候选推送模型的训练样本；训练模块，用于针对任一样本图文类型，根据所述样本图文类型的训练样本对所述样本图文类型的候选推送模型进行训练，直至训练结束，得到所述样本图文类型下的训练好的目标推送模型，其中，所述目标推送模型用于实现上述第四方面提出的图文内容推送装置。
7、根据本公开的第六方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面提出的图文内容推送方法和/或上述第二方面提出的图文推送模型的训练方法。
8、根据本公开的第七方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面提出的图文内容推送方法和/或上述第二方面提出的图文推送模型的训练方法。
9、根据本公开的第八方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述第一方面提出的图文内容推送方法和/或上述第二方面提出的图文推送模型的训练方法。
10、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种图文内容推送方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，所述获取初始数据集，并基于各目标推送模型从所述初始数据集中获取各图文类型下的候选数据集，包括：
3.根据权利要求1所述的方法，其中，所述从所述候选数据集中获取各图文类型下的第一图文队列，以得到所述图文类型集合对应的第二图文队列，包括：
4.根据权利要求3所述的方法，其中，所述根据用户偏好信息获取所述用户端的参考推送类型分布，并根据所述参考推送类型分布，从各第一图文队列中获取各图文类型下的第三图文队列，包括：
5.根据权利要求1所述的方法，其中，所述从所述第二图文队列中，获取目标推送图文内容，包括：
6.一种推送模型的训练方法，其中，所述方法包括：
7.一种图文内容推送系统，其中，所述系统包括图文内容数据层、各图汇聚层、偏好分布调整层、融合层以及分发层，其中，
8.一种图文内容推送装置，其中，所述装置包括：
9.根据权利要求8所述的装置，其中，所述第二获取模块，还用于：
10.根据权利要求8所
11.根据权利要求10所述的装置，其中，所述第三获取模块，还用于：
12.根据权利要求8所述的装置，其中，所述推送模块，还用于：
13.一种推送模型的训练装置，其中，所述装置包括：
14.一种电子设备，包括：
15.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5和/或权利要求6中任一项所述的方法。
16.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5和/或权利要求6中任一项所述的方法。
...【技术特征摘要】
1.一种图文内容推送方法，其中，所述方法包括：
2.根据权利要求1所述的方法，其中，所述获取初始数据集，并基于各目标推送模型从所述初始数据集中获取各图文类型下的候选数据集，包括：
3.根据权利要求1所述的方法，其中，所述从所述候选数据集中获取各图文类型下的第一图文队列，以得到所述图文类型集合对应的第二图文队列，包括：
4.根据权利要求3所述的方法，其中，所述根据用户偏好信息获取所述用户端的参考推送类型分布，并根据所述参考推送类型分布，从各第一图文队列中获取各图文类型下的第三图文队列，包括：
5.根据权利要求1所述的方法，其中，所述从所述第二图文队列中，获取目标推送图文内容，包括：
6.一种推送模型的训练方法，其中，所述方法包括：
7.一种图文内容推送系统，其中，所述系统包括图文内容数据层、各图汇聚层、偏好分布调整层、融...
【专利技术属性】
技术研发人员：王业隆，
申请(专利权)人：百度在线网络技术北京有限公司，
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。