[发明专利]多媒体资源推荐方法、装置、电子设备及介质

说明书

本公开关于一种多媒体资源推荐方法、装置、电子设备及介质。该方法包括：获取非行为序列信息和目标用户的行为序列信息，非行为序列信息是基于目标用户的用户属性信息和待推荐多媒体资源的多媒体属性信息得到的；将行为序列信息和非行为序列信息输入第一多任务模型的多个专家网络，进行特征处理，得到多个专家网络各自对应的第一特征信息，第一多任务模型的多个专家网络为多头注意力模型；获取多任务各自对应的第一权重信息；根据第一特征信息和第一权重信息，确定多任务预测信息。基于多任务预测信息，向目标用户推荐待推荐多媒体资源。根据本公开提供的技术方案，可以精简多任务模型的结构并提升多任务预测信息的精确度。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种多媒体资源推荐方法、装置、电子设备及介质。

背景技术

随着基于多任务预测的推荐业务的发展，相关技术提出基于Transformer和MMOE(Multi-gated Mixture of Expert)模型进行多任务预测以提高多任务预测精度。但现有的MMOE模型只支持非序列特征输入，因此相关技术中选择将序列特征基于Transformer模型中的多头注意力机制(Multi-Head Attention)聚合后再作为MMOE的输入，然而该聚合过程会导致序列特征失去一些细粒度的信息；并且，相关技术中的序列特征聚合后的多个注意力头特征拼接在一起作为MMOE的输入，每个任务均基于全部注意力头的特征进行预测，这种情况下多个注意力头容易趋同；且MMOE中的多个专家网络的输入相同，容易退化到稀疏情况，这些均导致多任务预测仍旧不够精准。另外，在多头注意力机制中的多个头与MMOE中的多个专家网络的功能类似，造成模型结构的冗余。

发明内容

本公开提供一种多媒体资源推荐方法、装置、电子设备及介质，以至少解决相关技术中如何精简多任务模型的结构并提升多任务预测信息的精确度的问题。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推荐方法，包括：

获取非行为序列信息和目标用户的行为序列信息，所述非行为序列信息是基于所述目标用户的用户属性信息和待推荐多媒体资源的多媒体属性信息得到的；

将所述行为序列信息和所述非行为序列信息输入第一多任务模型的多个专家网络，进行特征处理，得到所述多个专家网络各自对应的第一特征信息，所述第一多任务模型的多个专家网络为多头注意力模型，其中，所述多头注意力模型中的一个头为一个专家网络；

获取多任务各自对应的第一权重信息；

根据所述第一特征信息和所述第一权重信息，确定多任务预测信息；

基于所述多任务预测信息，向所述目标用户推荐所述待推荐多媒体资源。

在一种可能的实现方式中，所述第一多任务模型还包括多个第一门网络；所述获取多任务各自对应的第一权重信息步骤包括：

将所述非行为序列信息输入多个所述第一门网络，进行多任务权重预测处理，得到所述多任务各自对应的第一权重信息。

在一种可能的实现方式中，所述获取多任务各自对应的第一权重信息步骤包括：

获取与每个任务对应的第一变换矩阵以及与所述行为序列信息对应的预设数量的第二变换矩阵，所述预设数量为所述多个专家网络的数量；

根据所述第一变换矩阵、所述非行为序列信息、所述行为序列信息和所述第二变换矩阵，获取所述多任务各自对应的第一权重信息。

在一种可能的实现方式中，在所述根据所述第一特征信息和所述第一权重信息，确定多任务预测信息步骤之前，所述方法还包括：

将所述非行为序列信息输入第二多任务模型中的多个专家网络，进行特征处理，得到所述第二多任务模型中的多个专家网络各自对应的第二特征信息；其中，所述第二多任务模型中的多个专家网络为多个多层感知器；