[发明专利]多媒体资源召回方法、装置、电子设备以及存储介质有效

专利信息
申请号: 202110604688.4 申请日: 2021-05-31
公开(公告)号: CN113379449B 公开(公告)日: 2022-10-04
发明(设计)人: 肖严 申请(专利权)人: 北京达佳互联信息技术有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06Q10/04;G06N3/04;G06N3/08
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 宁立存
地址: 100085 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 多媒体 资源 召回 方法 装置 电子设备 以及 存储 介质
【说明书】:

本公开关于一种多媒体资源召回方法、装置、电子设备以及存储介质,属于多媒体技术领域,该方法包括:将多个多媒体资源的用户相关信息和资源相关信息分别输入第一预测模型和第二预测模型,得到第一用户向量、第一资源向量、第二用户向量和第二资源向量,第一预测模型和第二预测模型在同一样本空间中联合训练得到,因此基于对上述4个向量进行相应的拼接,得到的第一拼接向量能够同时表示用户相关信息对点击率和转化率的影响,得到的第二拼接向量能够同时表示资源相关信息对点击率和转化率的影响,从而仅需对第一拼接向量和第二拼接向量进行处理即可得到多个多媒体资源的召回信息,简化了获取召回信息的过程,从而提高了多媒体资源召回的效率。

技术领域

本公开涉及多媒体技术领域,尤其涉及一种多媒体资源召回方法、装置、电子设备以及存储介质。

背景技术

随着计算机技术和互联网的飞速发展,网络中多媒体资源的数量不断增加,面对海量的多媒体资源,系统往往会采用推荐的方式向用户展示多媒体资源。广告也可以采用多媒体资源的形式,越来越多的商家通过在线投放广告向用户推荐商品。在广告投放的过程中,商家会将需要投放的广告和定向信息输入广告系统,广告系统将多个商家的广告获取为广告的候选集,并基于相关算法,从候选集中对少量的广告进行召回,再进一步从召回的广告中筛选出向用户推荐的广告进行投放。目前,召回广告的方法为:通过点击率预测模型和转化率预测模型,对候选集中广告的点击率和转化率进行预测,并基于点击率和转化率来进行广告召回。

上述技术中,需要将两个模型输出的数据进行多次点乘和映射操作,计算过程复杂,导致广告召回的效率低下。

发明内容

本公开提供一种多媒体资源召回方法、装置、电子设备以及存储介质,能够高效率的对多媒体资源进行召回。本公开的技术方案如下:

根据本公开实施例的第一方面,提供一种多媒体资源召回方法,该方法包括:

将多个多媒体资源的用户相关信息和资源相关信息输入第一预测模型,得到该多个多媒体资源的第一用户向量和第一资源向量;

将该多个多媒体资源的用户相关信息和资源相关信息输入第二预测模型,得到该多个多媒体资源的第二用户向量和第二资源向量,其中,该第一预测模型和该第二预测模型在同一样本空间中联合训练得到;

获取每个该多媒体资源的第一拼接向量和第二拼接向量,该第一拼接向量由该多媒体资源的第一用户向量和第二用户向量拼接得到,该多媒体资源的第二拼接向量由该第一资源向量和该第二资源向量拼接得到;

基于每个该多媒体资源的第一拼接向量和第二拼接向量,得到每个该多媒体资源的召回信息。

在一些实施例中,该将多个多媒体资源的用户相关信息和资源相关信息输入第一预测模型,得到该多个多媒体资源的第一用户向量和第一资源向量包括:

对于任一多媒体资源,获取该多媒体资源的多个用户特征向量和多个资源特征向量,该多个用户特征向量用于表示该多媒体资源的用户相关信息中多个不同类别的信息,该多个资源特征向量用于表示该多媒体资源的资源相关信息中多个不同类别的信息;

将该多媒体资源的多个用户特征向量输入第一预测模型的第一深度神经网络,对该多媒体资源的多个用户特征向量进行融合,得到点击率空间内的该第一用户向量;

将该多媒体资源的多个资源特征向量输入第一预测模型的第二深度神经网络,对该多媒体资源的多个资源特征向量进行融合,得到点击率空间内的该第一资源向量。

所获取的第一用户向量用于表示用户相关信息对多个多媒体资源的点击率的影响,第一资源向量用于表示资源相关信息对多个多媒体资源的点击率的影响,为后续进行多媒体资源召回起到了指导作用。

在一些实施例中,该将该多个多媒体资源的用户相关信息和资源相关信息输入第二预测模型,得到该多个多媒体资源的第二用户向量和第二资源向量包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110604688.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top